JP2014061881A - ハイブリッド車両の駆動制御装置及びプログラム - Google Patents

Abstract

【課題】バッテリを効率よく充放電して燃料消費を抑制する。
【解決手段】ハイブリッド車両の駆動制御装置は、走行経路履歴情報を記憶する情報記憶部１４と、走行経路履歴情報に基づいて、現在位置から各目的地までに存在する各分岐点において選択される走行経路の選択確率を算出する選択確率算出部２２と、走行経路履歴情報に基づいて複数の走行経路を予測し、各分岐点での選択確率を用いて、現在位置から各目的地に到達する目的地到達確率をそれぞれ演算し、予測された各々の走行経路を走行した場合、各目的地への到達時点の前記バッテリの充電量が所定の最適値になるように設定して、現在位置から最初の分岐点に到達した時点でのバッテリのそれぞれの充電量を予測し、予測した各々の充電量に、対応する走行経路の目的地到達確率に応じた重み付けを行って、前記最初の分岐点のバッテリの充電量を設定する最適充放電制御決定部２３と、を備えている。
【選択図】図１

Description

本発明は、ハイブリッド車両の駆動制御装置及びプログラムに関する。

従来、燃費率の悪化を抑制できる内燃機関の補機駆動制御装置が開示されている（特許文献１を参照）。特許文献１の技術は、カーナビゲーション装置等から提供される走行環境情報又は自車情報に基づいて、将来の内燃機関の最大出力や走行負荷を予測し、最大出力と走行負荷を比較し、内燃機関と蓄積エネルギーの最適な制御スケジュールを作成する。

また、目的地までの経路の道路状況に応じて燃料消費量が最小となるエンジンとモータの運転スケジュールを設定するハイブリッド車両の駆動制御装置が開示されている（特許文献２参照）。特許文献２の技術は、目的地までの経路の道路状況と運転者の運転履歴とに基づいて各区間で車速パターンを推定し、車速パターンとエンジンの燃料消費特性とに基づいて目的地までの燃料消費量が最小となるように各区間のエンジンとモータの寸点スケジュールを設定する。

また、車両に搭載された蓄電池の放電計画や充電計画を立てる際に役立つ制御情報を出力する制御情報出力装置が開示されている（特許文献３参照）。特許文献３の技術は、蓄積された走行経路情報に基づいて目的地及び走行経路を推定し、車両の走行開始後、推定した走行経路が誤りである場合に、再度、目的地及び走行経路を推定する。これにより、推定精度の高い情報を駆動力制御装部へ出力する。

特開平９−３２４６６５号公報 特開２０００−３３３３０５号公報 特開２００８−７０３２６号公報

特許文献１及び２に記載された技術は、特定の目的地を予測し、この目的地に対して経路や将来の交通状況を予測してバッテリの充放電を制御する。このため、予測した経路及び将来の交通状況の信頼性が高い場合は問題がない。しかし、それらの信頼性が低く、それらの予測が頻繁に外れる場合、バッテリの充電量（ＳＯＣ：State Of Charge）を上限値及び下限値の間の中心値から最適な範囲内に制御しようとすると、充放電の機会を逃してしまうという問題がある。また、充電状態を最大値や最小値に必要以上に設定すると、バッテリの充放電寿命の低下につながってしまう。

また、特許文献３は、予測した目的地までの経路を予測し、実際の走行経路が予測した経路から離脱した場合に、目的地及び経路を再度予測するが、離脱後の交通状態が当初の予測と大きく異なる場合に、充放電の最適値からのずれが大きくなってしまう問題がある。

本発明は、上述した課題を解決するために提案されたものであり、バッテリを効率よく充放電して燃料消費を抑制することができるハイブリッド車両の駆動制御装置及びプログラムを提供することを目的とする。

請求項１の発明であるハイブリッド車両の駆動制御装置は、エンジンの駆動力及びバッテリからの電力に基づくモータの駆動力の少なくとも１つに基づいて駆動されるハイブリッド車両についての走行経路履歴情報を記憶する記憶手段と、前記記憶手段に記憶された走行経路履歴情報に基づいて、前記ハイブリッド車両の過去の折り返し地点、前記ハイブリッド車両が過去に所定時間以上滞在した地点を目的地として抽出し、現在位置から抽出した各目的地までの複数の走行経路を予測する走行経路予測手段と、前記記憶手段に記憶された走行経路履歴情報に基づいて、現在位置から各目的地までに存在する各分岐点において選択される走行経路の選択確率を演算する選択確率演算手段と、前記選択確率演算手段により演算された各分岐点での選択確率を用いて、現在位置から各目的地に到達する目的地到達確率をそれぞれ演算する目的地到達確率演算手段と、前記走行経路予測手段により予測された各々の走行経路を走行した場合、各目的地への到達時点の前記バッテリの充電量が所定の最適値になるように設定して、現在位置から最初の分岐点に到達した時点でのバッテリのそれぞれの充電量を予測し、予測した各々の充電量に対して、対応する走行経路の目的地到達確率に応じた重み付け平均を計算して、前記最初の分岐点のバッテリの充電量を設定する充電量設定手段と、を備えている。

請求項２の発明は、請求項１に記載のハイブリッド車両の駆動制御装置であって、現在位置から最初の分岐点まで前記ハイブリッド車両を走行させると共に、前記ハイブリッド車両が前記最初の分岐点に到達した時点で、前記バッテリの充電量が、前記充電量設定手段により設定された最初の分岐点の充電量になるように、前記エンジン及び前記モータの少なくとも１つを駆動させる制御を行う駆動制御手段を更に備えている。

請求項１に係る発明は、目的地が分からない場合又は目的地が予測と異なる場合であっても、ハイブリッド車両のバッテリの充放電を効率よく行うようなバッテリの充放電を計画することができる。

請求項２に係る発明は、目的地が分からない場合又は目的地が予測と異なる場合であっても、ハイブリッド車両のバッテリの充放電を効率よく行って、燃料の消費を抑制することができる。

請求項３に係る発明は、ハイブリッド車両のバッテリの充放電を効率よく行って、燃料の消費を抑制するように、コンピュータを制御することができる。

ハイブリッド車両の駆動制御装置の構成を示すブロック図である。 充放電制御計画決定ルーチンを示すフローチャートである。 走行経路履歴情報から抽出された複数の目的地の一例を示す図である。 ツリー状に作成された予測経路を示す図である。 走行経路履歴情報として、２月の７：００−７：３０の時間帯におけるＡ地点での経路の選択方向を示す図である。 ２月の７：００−７：３０の時間帯におけるＡ地点からＢ地点、Ａ地点からＣ地点へのそれぞれの経路の選択確率を示す図である。 渋滞がない場合の経路選択確率を示す図である。 Ａ地点からＢ地点の間に渋滞がある場合の経路選択確率を示す図である。 走行経路１〜３をそれぞれ走行すると想定した場合のＡ地点到達時のＳＯＣを示す図である。 Ａ地点到達時の最適なＳＯＣ＿Ａ＿ＯＰＴを示す図である。 現在位置からＡ地点までに渋滞が発生している状態を示す図である。 過去の渋滞情報に対する過去のＳＯＣの変化量を示す図である。 渋滞の長さが１０ｋｍの場合のＳＯＣを示す図である。 渋滞の長さが５ｋｍの場合のＳＯＣを示す図である。 祝日にＡ地点へ戻る場合について走行経路履歴情報から抽出された複数の目的地の一例を示す図である。 各走行経路の確率が考慮された位置Ｊ到達時の最適なＳＯＣを示す図である。 閉ループが形成された走行経路を示す図である。 閉ループの走行経路におけるＳＯＣの変化を示す図である。 走行経路が２つの閉ループに分岐する場合を示す図である。 閉ループ１の走行経路におけるＳＯＣの変化を示す図である。 閉ループ２の走行経路におけるＳＯＣの変化を示す図である。 平日に習慣的に使用する経路の一例を示す図である。 ＳＯＣ変化の集計例を示す図である。 ＳＯＣ変化の平均値がＳＯＣの管理幅の中心値又は中心値付近に設定されない場合のＳＯＣの変化を示す図である。 ＳＯＣ変化の平均値がＳＯＣの管理幅の中心値又は中心値付近に設定された場合のＳＯＣの変化を示す図である。

以下、本発明の好ましい実施の形態について図面を参照しながら詳細に説明する。

［第１の実施形態］
図１は、本発明の第１の実施形態に係るハイブリッド車両の駆動制御装置の構成を示す図である。ハイブリッド車両の駆動制御装置は、エンジン３２及びモータ３４の少なくとも１つの駆動力に基づいて駆動されるハイブリッド車両（以下「自車」という。）に搭載されている。

ハイブリッド車両の駆動制御装置は、自車の現在位置（緯度及び経度）を計測するために衛星からのＧＰＳ信号を受信するＧＰＳ受信機１１と、現在位置から目的地までの経路を探索するナビゲーション装置１２と、交通状況情報（例えばＶＩＣＳ（登録商標））を受信する受信部１３と、自車の過去の走行経路の履歴情報を記憶する情報記憶部１４と、バッテリ４０の現在の充電量（ＳＯＣ：State Of Charge）を検出する現在充電量検出部１５と、を備えている。

ナビゲーション装置１２は、地図データが記録された記録媒体、演算回路、表示部を有している。演算回路は、記録媒体の地図データを用いて、ＧＰＳ受信機１１で受信されたＧＰＳ信号に基づく現在位置から目的地までの経路を演算し、その経路と共に自車の現在位置を表示部に表示する。

受信部１３は、渋滞情報、所定区間の所要時間、事故・工事情報、速度規制情報、車線規制情報などの交通状況情報を受信し、この交通状況情報を情報記憶部１４へ供給する。

情報記憶部１４には、ナビゲーション装置１２で表示された自車の走行経路、受信部１３で受信された交通状況情報、現在充電量検出部１５で検出された充電量などが逐次記憶される。この結果、情報記憶部１４には、自車の走行経路履歴情報、交通状況履歴情報、将来交通状況情報、バッテリ４０の充電量の変化が記憶される。

また、ハイブリッド車両の駆動制御装置は、複数の目的地を推定する目的地推定部２１と、現在位置から最終目的地までの各分岐点における経路の選択確率を算出する選択確率算出部２２と、バッテリ４０の最適な充放電制御計画を決定する最適充放電制御決定部２３と、充放電制御計画に基づいてバッテリ４０の充放電を制御する充放電制御部２４と、を備えている。最適充放電制御決定部２３は、バッテリ４０の充電量が管理幅（最大ＳＯＣと最小ＳＯＣの範囲）の中心値又は中心値付近になるように充放電制御計画を決定する。

さらに、ハイブリッド車両の駆動制御装置は、エンジン制御部３１と、エンジン制御部３１の制御に従って駆動されるエンジン３２と、インバータ３３と、モータ３４と、バッテリ４０と、を備えている。なお、インバータ３３は、バッテリ４０の直流電力を交流電力に変換してモータ３４へ供給し、又は、モータ３４で生成された回生電力を直流に変換してバッテリ４０を充電する。

以上のように構成されたハイブリッド車両の駆動制御装置は、次の充放電制御計画決定ルーチンを実行する。

図２は、充放電制御計画決定ルーチンを示すフローチャートである。

ステップＳ１では、最適充放電制御決定部２３は、ＧＰＳ受信機１１で受信されたＧＰＳ信号に基づいて、自車の現在位置を検出する。さらに、最適充放電制御決定部２３は、現在充電量検出部１５で検出された信号に基づいてバッテリ４０の現在の充電量を検出する。そして、ステップＳ２へ進む。

ステップＳ２では、目的地推定部２１は、情報記憶部１４に記憶されている走行経路履歴情報に基づいて、複数の最終目的地を推定する。例えば、目的地推定部２１は、情報記憶部１４に記憶されている走行経路履歴情報の中から、走行経路の折り返し地点、自車が所定時間（道路上で単に停車した時間を除く。例えば３０分）以上滞在した地点、などを抽出して、これらの地点を最終目的地と推定する。さらに、目的地推定部２１は、現在位置から最終目的地までの間にあって通過確率の変化する地点については目的地（分岐点）として推定する。

図３は、走行経路履歴情報から抽出された複数の目的地の一例を示す図である。ここでは、現在の自車は、地点Ａへ向かっている。目的地推定部２１は、現在位置からＡ地点を経由したケースの走行経路履歴情報を情報記憶部１４から読み出し、その走行経路履歴情報の中から、折り返し地点であるＢ，Ｄ，Ｅ，Ｇをそれぞれ最終目的地として抽出し、Ｅ，Ｆを目的地（分岐点）として抽出する。

また、目的地推定部２１は、ドライバにより目的地又は経路が設定された場合、その情報に従って目的地を推定すると共に、ドライバの設定した目的地以降の経路についても上記と同様にして推定する。この結果、例えば、現在位置から目的地Ｂ，Ｄ，Ｅまでのツリー状に広がる予測経路が作成される。

図４は、ツリー状に作成された予測経路を示す図である。同図に示すように、自車が、現在位置から目的地（分岐点）Ａに到達すると、確率Ｐ１で目的地Ｂへ進み、確率Ｐ２で目的地（分岐点）Ｃへ進む。さらに、自車が、目的地（分岐点）Ｃに到達すると、確率Ｐ３で目的地Ｄへ進み、確率Ｐ４で目的地（分岐点）Ｅへ進む。なお、これらの確率Ｐ１〜Ｐ４は選択確率であり、後述のステップで決定される。

さらに、最適充放電制御決定部２３は、各々の最終目的地Ｂ，Ｄ，ＥでのＳＯＣを算出する。ここでは、最適充放電制御決定部２３は、バッテリ４０の最大ＳＯＣと最小ＳＯＣの中間値を最終目的地でのＳＯＣとして算出する。そして、ステップＳ３に進む。

ステップＳ３では、最適充放電制御決定部２３は、現在位置から各最終目的地までのそれぞれの走行経路を予測する。なお、最適充放電制御決定部２３は、この予測計算をナビゲーション装置１２に実行させてもよい。そして、選択確率算出部２２は、情報記憶部１４に記憶されている走行経路履歴情報に基づいて、予測された各走行経路の各々の分岐点での選択確率を算出する。

図５は、走行経路履歴情報として、２月の７：００−７：３０の時間帯におけるＡ地点での経路の選択方向を示す図である。図６は、２月の７：００−７：３０の時間帯におけるＡ地点からＢ地点、Ａ地点からＣ地点へのそれぞれの経路の選択確率を示す図である。

図５によると、Ａ→Ｂの走行経路は、１４回／１８回中であるので、図６に示すように選択確率は７８（＝（１４／１８）×１００）％である。また、Ａ→Ｃの走行経路は、４回／１８回中であり、選択確率は２２（＝（４／１８）×１００）％である。

なお、図５及び図６では、２月の７：００−７：３０の時間帯の一例を示したが、使用データの期間、時間帯は特に限定されるものではない。すなわち、目的地推定部２１は、同一の分岐点であっても、日付、時刻だけでなく、更に前方の渋滞の有無などの走行状態、も考慮して、分岐点から各目的地への選択確率を算出できる。

図７は、渋滞がない場合の経路選択確率を示す図である。図８は、Ａ地点からＢ地点の間に渋滞がある場合の経路選択確率を示す図である。渋滞がない場合、Ａ→Ｂが通常の選択経路であるので、Ａ→Ｂの選択確率が９０％、Ａ→Ｃの選択確率が１０％と算出される。しかし、ＡＢ間で渋滞がある場合、Ａ→Ｃが迂回経路となるので、Ａ→Ｂの選択確率が１０％、Ａ→Ｃの選択確率が９０％と算出される。このようにして、分岐点での選択確率が算出されると、ステップＳ４へ進む。

ステップＳ４では、最適充放電制御決定部２３は、現在位置から直近の分岐点までの充放電制御計画を決定する。最初に、最適充放電制御決定部２３は、各分岐点での選択確率を用いて、現在位置から各最終目的地に到達する確率である最終目的地到達確率を算出する。

例えば、図３及び図４の場合、走行経路１〜３の最終目的地到達確率は次のようになる。
走行経路１（現在位置→Ａ→Ｂ） ：最終目的地到達確率＝Ｐ１
走行経路２（現在位置→Ａ→Ｃ→Ｄ）：最終目的地到達確率＝Ｐ２×Ｐ３
走行経路３（現在位置→Ａ→Ｃ→Ｅ）：最終目的地到達確率＝Ｐ２×Ｐ４

次に、最適充放電制御決定部２３は、ステップＳ２で算出された各最終目的地のＳＯＣに基づいて各走行経路のＳＯＣを逆算して、現在位置から直近の分岐点における走行経路１〜３のそれぞれのＳＯＣを予測する。例えば、図３及び図４の場合、走行経路１〜３のＳＯＣを逆算すると、分岐点ＡのＳＯＣは次のようになる。

図９は、走行経路１〜３をそれぞれ走行すると想定した場合のＡ地点到達時のＳＯＣを示す図である。同図に示すように、走行経路１〜３のそれぞれの場合のＡ地点到達時のＳＯＣは、ＳＯＣ＿Ａ１、ＳＯＣ＿Ａ２、ＳＯＣ＿Ａ３となる。ここで、想定した走行経路に基づいて、最初の分岐点（Ａ地点）のＳＯＣを設定したとしても、想定と異なる走行経路を自車が走行した場合、ＳＯＣの過不足が問題になる。

例えば、自車が走行経路３を走行すると想定してＡ地点到達時のＳＯＣがＳＯＣ＿Ａ３に設定された場合、自車が走行経路３を走行しても何ら問題は生じない。しかし、自車が走行経路１を走行した場合、ＳＯＣが大きく不足してしまう。この場合、モータ走行（ＥＶ走行）、モータとエンジンを併用するハイブリッド走行（ＨＶ走行）ができなくなり、エンジン走行のみが可能になるので、燃料消費が大きくなってしまう。

そこで、最適充放電制御決定部２３は、それぞれの走行経路の最初の分岐点の各々のＳＯＣに対して、各走行経路の確率に基づいて重み付け平均を計算することで、最初の分岐点の最適なＳＯＣを算出する。

図１０は、Ａ地点到達時の最適なＳＯＣ＿Ａ＿ＯＰＴを示す図である。ここでは、ＳＯＣ＿Ａ＿ＯＰＴは次の式により求められる。

ＳＯＣ＿Ａ＿ＯＰＴ＝ＳＯＣ＿Ａ１×（Ｐ１）＋ＳＯＣ＿Ａ２×（Ｐ２×Ｐ３）
＋ＳＯＣ＿Ａ３×（Ｐ２×Ｐ４）

このＳＯＣ＿Ａ＿ＯＰＴであれば、自車が走行経路１〜３のいずれを通過する場合であっても、ＳＯＣが大きく過剰になり又は不足することがなく、ＳＯＣを最適な状態にすることができる。そして、ステップＳ５に進む。

ステップＳ５では、充放電制御部２４は、最適充放電制御決定部２３で決定された分岐点のＳＯＣを最適化して、現在位置から直近の分岐点まで走行するようにエンジン３２及びモータ３４をそれぞれ制御する。

ここでは、最適充放電制御決定部２３は、受信部１３で受信されて情報記憶部１４に記憶された交通状況情報（例えば、道路の勾配、形状、渋滞情報）に基づいて、直近の分岐点のＳＯＣを最適化する。特に渋滞情報は日時によって変化するので、交通状況情報から渋滞情報が得られる場合、情報記憶部１４は、渋滞の長さとその渋滞を走行した場合のＳＯＣの減少分を対応させた渋滞長−ＳＯＣ減少分情報を記憶する。そして、最適充放電制御決定部２３は、情報記憶部１４に記憶された渋滞長−ＳＯＣ減少分情報を用いてＳＯＣを最適化すればよい。

図１１は、現在位置からＡ地点までに渋滞が発生している状態を示す図である。図１２は、過去の渋滞情報（渋滞の長さ）に対する過去のＳＯＣの変化量を示す図である。

最適充放電制御決定部２３は、ステップＳ４で算出したＡ地点でのＳＯＣ値を基準にして、図１２のように集計した渋滞の長さに対応したＳＯＣ変化量を用いて、Ａ地点におけるＳＯＣを最適化する。

図１３は、渋滞の長さが１０ｋｍの場合のＳＯＣを示す図である。図１４は、渋滞の長さが５ｋｍの場合のＳＯＣを示す図である。図１２に示すように、渋滞の長さが１０ｋｍの場合、Ａ地点におけるＳＯＣは、渋滞開始時に比べて１５％減少する。そこで、最適充放電制御決定部２３は、図１３に示すように、渋滞開始時のＳＯＣから１５％低下したＳＯＣがステップＳ４で求めたＡ地点における最適ＳＯＣになるように、現在位置のＳＯＣを求める。

また、図１２に示すように、渋滞の長さが５ｋｍである場合、Ａ地点におけるＳＯＣは、渋滞開始時に比べて１０％減少する。そこで、最適充放電制御決定部２３は、図１４に示すように、渋滞開始時のＳＯＣから１０％低下したＳＯＣがステップＳ４で求めたＡ地点における最適ＳＯＣになるように、現在位置のＳＯＣを求める。このようにして、最終的な充放電制御計画が作成される。

そして、充放電制御部２４は、現在位置から直近の分岐点Ａまでについて、現在充電量検出部１５で検出される充電量が最終的な充放電制御計画に従うように、エンジン制御部３１、コンバータ３３を介して、エンジン３２、モータ３４をそれぞれ制御する。

なお、自車が分岐点Ａを通過した後は、再びステップＳ１に戻り、現在位置から次の分岐点までの新たな充放電制御計画が作成され、新たな充放電制御計画に基づいてエンジンやモータが制御される。また、走行経路が上述した図２及び図３の場合に限らず、例えば次のような場合にも適用される。

図１５は、祝日にＡ地点へ戻る場合について走行経路履歴情報から抽出された複数の目的地の一例を示す図である。この場合、最終目的地はＡだけであるが、走行経路は２つ（現在位置→Ｊ→Ｆ→Ｃ→Ｂ→Ａ、現在位置→Ｊ→Ｇ→Ｈ→Ａ）存在する。

図１６は、各走行経路の確率が考慮された位置Ｊ到達時の最適なＳＯＣを示す図である。同図に示すように、自車が走行経路１を走行した場合、ＳＯＣはほぼ最大ＳＯＣに近い値となる一方、自車が走行経路２を走行した場合、ＳＯＣはほぼ最小ＳＯＣに近い値となる。この場合、図２に示した充放電制御計画決定ルーチンが開始されステップＳ４が実行されると、位置Ｊ到達時のＳＯＣは図１６の実線に示すようになる。このようにすることで、ＨＶ走行区間が減少する確率を最小限に抑制することが可能となる。

以上のように、本発明の第１の実施形態に係るハイブリッド車両の駆動制御装置は、分岐点からの各予測走行経路の選択確率を算出し、これらの選択確率を用いて各最終目的地に到達する最終目的地到達確率を算出する。そして、上記駆動制御装置は、各最終目的地のＳＯＣを所定の最適な値に設定した場合に、走行経路毎に最初の分岐点のＳＯＣを予測し、予測した各ＳＯＣに、対応する走行経路の最終目的地到達確率に応じた重み付けを行って、最初の分岐点の最適なＳＯＣを設定する。

これにより、ハイブリッド車両の駆動制御装置は、予め目的地の定められた走行経路の情報がない場合又は目的地の予測が外れた場合でも、走行経路履歴情報に基づいて推定された複数の走行経路の各々のＳＯＣを考慮して自車の直近の分岐点のＳＯＣを設定するので、常にバッテリの充放電を効率よく行うことができ、その結果、燃料消費を最小限に抑えることができる。

［参考例］
つぎに、参考例に係るハイブリッド車両の駆動制御装置について説明する。なお、第１の実施形態と同一の部位には同一の符号を付し、重複する説明は書略する。

参考例では、走行経路が閉ループになる場合について説明する。自車が習慣的に閉ループを走行する場合、図２に示す充放電制御計画ルーチンが開始されると、最終目的地が抽出されず、最終目的地の最適なＳＯＣの設定もできないため、ステップＳ２が実行されない。このような場合、次のようにして、閉ループの範囲内でＳＯＣの変化が最適化される。

図１７は、閉ループが形成された走行経路を示す図である。同図のように地点Ａ〜Ｄが閉ループを構成し、自車がＡ地点から閉ループへ入る場合を想定する。図１８は、閉ループの走行経路におけるＳＯＣの変化を示す図である。

最適充放電制御決定部２３は、走行経路履歴情報に基づいて、閉ループの終点が走行経路の終点になるような走行経路（現在位置→Ａ１→Ｂ→Ｃ→Ｄ→Ａ２）を推定する。なお、Ａ１とＡ２は共に同一のＡ地点を示している。次に、最適充放電制御決定部２３は、最初の分岐点であるＡ１地点のＳＯＣをＳＯＣ＿Ａ１に設定し、その後、閉ループを１周したＡ２地点のＳＯＣであるＳＯＣ＿Ａ２を算出する。

そして、最適充放電制御決定部２３は、ＳＯＣの変化が連続になるようにＳＯＣ＿Ａ１＝ＳＯＣ＿Ａ２とし、かつその閉ループ内でＳＯＣ変化の平均値がＳＯＣの管理幅の中心値又は中心値付近になるようにして、閉ループ内での最適なＳＯＣの計画を作成する。

例えば、最適充放電制御決定部２３は、ＳＯＣ＿Ａ１＞ＳＯＣ＿Ａ２である場合は、走行経路の中にバッテリ充電区間を増やし、ＳＯＣ＿Ａ１＜ＳＯＣ＿Ａ２である場合は、バッテリ放電区間を増やせばよい。また、最適充放電制御決定部２３は、閉ループのＳＯＣ変化の平均値を上げる場合には、現在位置から最初の分岐点に到達するまでにバッテリ充電区間を増やし、その平均値を下げる場合には、現在位置から最初の分岐点に到達するまでにバッテリ放電区間を増やせばよい。

図１９は、走行経路が２つの閉ループに分岐する場合を示す図である。図２０は閉ループ１、図２１は閉ループ２のそれぞれの走行経路におけるＳＯＣの変化を示す図である。

このように、閉ループが２つに分岐する場合、それぞれの閉ループへ入る確率Ｐ１，Ｐ２をそれぞれ考慮し、最適充放電制御決定部２３は、図２０及び図２１に示すように、各閉ループにおける最適なＳＯＣ値を求める。この結果、Ａ地点での最適なＳＯＣ値は閉ループ１の場合（ＳＯＣ＿Ａ１）と閉ループ２の場合（ＳＯＣ＿Ａ２）で異なるが、このような場合は、最適充放電制御決定部２３は、次式のように、確率を考慮して位置ＡでのＳＯＣ値ＳＯＣ＿Ａ＿ＯＰＴを１つに決定する。

ＳＯＣ＿Ａ＿ＯＰＴ＝ＳＯＣ＿Ａ１×Ｐ１＋ＳＯＣ＿Ａ２×Ｐ２

なお、Ｐ１は閉ループ１へ分岐する確率であり、Ｐ２は閉ループ２へ分岐する確率である。また、走行経路が上述した図１７又は図１８の場合に限らず、例えば次のような場合にも適用される。

図２２は、平日に習慣的に使用する経路の一例を示す図である。ここでは、走行経路履歴情報に基づき、平日の走行経路は、Ａ地点からＥ地点への閉ループ走行と推定されている。渋滞情報を入手できない場合、目的地推定部２１は、分岐する可能性のあるＡ〜Ｈのそれぞれの地点を選択する。一方、最適充放電制御決定部２３は、情報記憶部１４に記憶されている情報に基づいて、各地点間の走行時間帯及びＳＯＣ変化量を集計する。

図２３は、ＳＯＣ変化の集計例を示す図である。図２３では、７：００〜７：３０の時間帯では、ＡＢ、ＢＣ、ＣＤ、ＤＥの各地点間のＳＯＣの変化量が集計されている。また、１８：００〜１８：３０の時間帯では、ＥＦ、ＦＧ、ＧＨ、ＨＡの各地点間のＳＯＣの変化量が集計されている。

そして、最適充放電制御決定部２３は、各地点間の走行時のＳＯＣの変化の平均値がＳＯＣの管理幅の中心値又は中心値付近になるように、各地点での最適なＳＯＣを決定すればよい。なお、ＳＯＣ変化の平均値がＳＯＣの管理幅の中心値又は中心値付近に設定されない場合は次のようになる。

図２４は、ＳＯＣ変化の平均値がＳＯＣの管理幅の中心値又は中心値付近に設定されない場合のＳＯＣの変化を示す図である。図２４によると、Ａ地点を出発してＳＯＣが最小ＳＯＣに達するまではＨＶ走行区間となるが、ＳＯＣが最小ＳＯＣに達した後はＥ地点に到達するまではエンジン走行区間となる。また、Ｅ地点からＳＯＣが最大ＳＯＣに達するまではＨＶ走行区間となるが、ＳＯＣが最大ＳＯＣに達した後はＡ地点に戻るまでは充電不能区間となる。このように、エンジン走行区間、充電不能区間があると、燃料消費が大きくなってしまう。

図２５は、ＳＯＣ変化の平均値がＳＯＣの管理幅の中心値又は中心値付近に設定された場合のＳＯＣの変化を示す図である。この場合、Ａ地点からＥ地点へ行き再びＡ地点へ戻っても、ＳＯＣは最大ＳＯＣ、最小ＳＯＣのいずれにも達しないので、全区間でＨＶ走行が可能となる。これにより、燃料消費が大幅に抑制される。

以上のように、参考例に係るハイブリッド車両の駆動制御装置は、予測される走行経路が閉ループを形成する場合、閉ループの始点と終点のＳＯＣが同一になるように設定し、かつ、閉ループ内のＳＯＣの平均値がＳＯＣ管理幅の中心値又は中心値付近になるように設定し、それを基準に各地点のＳＯＣを設定する。これにより、ＨＶ走行区間を長くして、燃料消費を大幅に抑制することができる。

また、ハイブリッド車両の駆動制御装置は、ある分岐点から複数の閉ループに分岐する場合は、各閉ループの分岐点のＳＯＣに、各閉ループを選択する選択確率に応じた重み付けを行うことにより、その分岐点のＳＯＣを最適な値に設定して、バッテリの充放電を効率的に行うことができる。

なお、本発明は、上述した実施の形態に限定されるものではなく、特許請求の範囲に記載された範囲内で設計上の変更をされたものにも適用可能であるのは勿論である。また、コンピュータに、ハイブリッド車両の駆動制御プログラムをインストールすることで、例えば、情報記憶部１４、目的地推定部２１、選択確率算出部２２、最適充放電制御決定部２３、充放電制御部２４をそれぞれ実現してもよい。

１４ 情報記憶部
２１ 目的地推定部
２２ 選択確率算出部
２３ 最適充放電制御決定部
２４ 充放電制御部
３２ エンジン
３４ モータ
４０ バッテリ

Claims (3)

1. エンジンの駆動力及びバッテリからの電力に基づくモータの駆動力の少なくとも１つに基づいて駆動されるハイブリッド車両についての走行経路履歴情報を記憶する記憶手段と、
   前記記憶手段に記憶された走行経路履歴情報に基づいて、前記ハイブリッド車両の過去の折り返し地点、前記ハイブリッド車両が過去に所定時間以上滞在した地点を目的地として抽出し、現在位置から抽出した各目的地までの複数の走行経路を予測する走行経路予測手段と、
   前記記憶手段に記憶された走行経路履歴情報に基づいて、現在位置から各目的地までに存在する各分岐点において選択される走行経路の選択確率を演算する選択確率演算手段と、
   前記選択確率演算手段により演算された各分岐点での選択確率を用いて、現在位置から各目的地に到達する目的地到達確率をそれぞれ演算する目的地到達確率演算手段と、
   前記走行経路予測手段により予測された各々の走行経路を走行した場合、各目的地への到達時点の前記バッテリの充電量が所定の最適値になるように設定して、現在位置から最初の分岐点に到達した時点でのバッテリのそれぞれの充電量を予測し、予測した各々の充電量に対して、対応する走行経路の目的地到達確率に応じた重み付け平均を計算して、前記最初の分岐点のバッテリの充電量を設定する充電量設定手段と、
   を備えたハイブリッド車両の駆動制御装置。
2. 現在位置から最初の分岐点まで前記ハイブリッド車両を走行させると共に、前記ハイブリッド車両が前記最初の分岐点に到達した時点で、前記バッテリの充電量が、前記充電量設定手段により設定された最初の分岐点の充電量になるように、前記エンジン及び前記モータの少なくとも１つを駆動させる制御を行う駆動制御手段を更に備えた
   請求項１に記載のハイブリッド車両の駆動制御装置。
3. コンピュータを、請求項１又は２に記載のハイブリッド車両の駆動制御装置の各手段として機能させるためのハイブリッド車両の駆動制御プログラム。