JP2015074395A - ハイブリッド車両の制御装置 - Google Patents

Abstract

【課題】予定走行区間における自車両の走行状態を精度良く予測し、適切なパワートレイン制御を行うことができるハイブリッド車両の制御装置を提供すること。【解決手段】エンジンEng及びモータ/ジェネレータMGを備えたＦＲハイブリッド車両Ｓに搭載され、複数の走行区間ｎ〜ｎ＋αに区分された所定の走行経路を走行したときの各走行区間における自車両の車速データを保存する記憶部１１と、記憶部１１に保存された車速データから、現走行区間ｎでの第１走行データに対する、現走行区間ｎより先にある次区間ｎ＋１での第２走行データの関連を確率分布で求める確率分布演算部１２と、所定の走行経路を走行する際、確率分布を用いて自車両が将来走行する予定走行区間ｎ＋αでの予測走行データを演算する予測部１３と、この予測走行データに基づき、自車両のパワートレイン制御を行う制御部１４と、を備える構成とした。【選択図】図１

Description

本発明は、走行駆動源にエンジン及びモータを備えたハイブリッド車両の制御装置に関する発明である。

従来、走行駆動源にガソリン等の燃料を使用して駆動するエンジンと、バッテリを電力源として駆動するモータを有するハイブリッド車両に搭載され、予め設定された予定走行経路上の混雑状況や車速情報を考慮して、バッテリの充放電制御を行うハイブリッド車両の制御装置が知られている（例えば、特許文献１参照）。

特許第3610879号

しかしながら、従来のハイブリッド車両の制御装置では、予定走行経路上の混雑状況や車速等の情報は、予定走行区間における統計データに基づいて決定される。
そのため、予定走行経路上の所定地点での車速等は予測できるものの、ある地点における車速に対して、将来地点における所定の車速の生じやすさ等は加味されていなかった。つまり、所定地点での予測車速等の情報は地点ごとに決まる固定値であり、他の地点での予測車速との関係は考慮されていなかった。
そして、このような統計データを利用してハイブリッド車両のパワートレイン制御（例えば、走行モードのスケジューリングや、エンジン・モータの動力配分制御等）を行うと、自車両の固有の走行状況を反映させることができず、適切なパワートレイン制御を行うことが難しかった。すなわち、予定走行区間における自車両の走行状態を高精度で予測できないため、適切なパワートレイン制御を行うことが難しいという問題があった。

本発明は、上記問題に着目してなされたもので、予定走行区間における自車両の走行状態を精度良く予測し、適切なパワートレイン制御を行うことができるハイブリッド車両の制御装置を提供することを目的とする。

上記目的を達成するため、本発明のハイブリッド車両の制御装置は、走行駆動源としてエンジン及びモータを備えたハイブリッド車両に搭載され、データ保存手段と、確率分布演算手段と、データ予測手段と、パワートレイン制御手段と、を備える。
前記データ保存手段は、複数の走行区間に区分された所定の走行経路を走行したときの各走行区間における自車両の走行データを保存する。
前記確率分布演算手段は、前記データ保存手段に保存された走行データから、前記複数の走行区間のうちの第１の走行区間での第１走行データに対する、前記複数の走行区間のうちの前記第１の走行区間より先にある第２の走行区間での第２走行データの関連を確率分布で求める。
前記データ予測手段は、前記所定の走行経路を走行する際、前記確率分布演算手段により求めた前記確率分布を用いて、前記自車両が将来走行する予定走行区間での予測走行データを演算する。
前記パワートレイン制御手段は、前記データ予測手段により予測された予測走行データに基づき、前記自車両のパワートレイン制御を行う。

本発明のハイブリッド車両の制御装置では、第１の走行区間の第１走行データに対する第２の走行区間での第２走行データの関連が確率分布で求められる。そして、この確率分布を用いて、予定走行区間での予測走行データが演算される。
これにより、第１走行データに対する第２走行データの起こりやすさに基づいて予測走行データを求めることができる。そのため、例えば所定地点での単なる統計データに基づいて予定走行データを求める場合に比べ、予測走行データの演算時に、第１の走行区間と第２の走行区間の走行データの関係が考慮され、予測精度の向上を図ることができる。
この結果、予定走行区間における自車両の走行状態を精度良く予測し、適切なパワートレイン制御を行うことができる。

実施例１の制御装置が適用されたハイブリッド車両を示す全体システム図である。 実施例１で用いる確率分布マップの一例を示す図である。 実施例１における予定走行区間での予測車速の演算方法を示す説明図である。 実施例１における予定走行区間での予測車速の演算時に実際の車速を考慮する場合の演算方法を示す説明図である。 実施例１の車両制御部にて実行される車両制御処理の流れを示すフローチャートである。 比較例の制御装置における、各走行区間と統計車速との関係の一例を示す図である。 実施例１の制御装置の他の例が適用されたハイブリッド車両を示す全体システム図である。

以下、本発明のハイブリッド車両の制御装置を実施するための形態を、図面に示す実施例１に基づいて説明する。

（実施例１）
まず、実施例１のハイブリッド車両の制御装置の構成を、「ハイブリッド車両の全体システム構成」、「車両制御システムの構成」、「車両制御処理の構成」に分けて説明する。

［ハイブリッド車両の全体システム構成］
図１は、実施例１のハイブリッド車両の制御装置が適用されたハイブリッド車両を示す全体システム図である。以下、図１に基づき、実施例１のハイブリッド車両の全体システム構成を説明する。

実施例１におけるハイブリッド車両Ｓは、後輪駆動によるＦＲハイブリッド車両（ハイブリッド車両の一例）である。このＦＲハイブリッド車両Ｓの駆動系は、図１に示すように、エンジンEngと、第１クラッチCL1と、モータ/ジェネレータMGと、第２クラッチCL2と、自動変速機ATと、変速機入力軸INと、プロペラシャフトPSと、ディファレンシャルDFと、左ドライブシャフトDSLと、右ドライブシャフトDSRと、左後輪RL（駆動輪）と、右後輪RR（駆動輪）と、を有する。なお、FLは左前輪、FRは右前輪である。

前記エンジンEngは、ガソリンエンジンやディーゼルエンジンであり、車両制御部１からのエンジン制御指令に基づいて、エンジン始動制御やエンジン停止制御やスロットルバルブのバルブ開度制御やフューエルカット制御等が行われる。なお、エンジン出力軸には、フライホイールFWを介して第１クラッチCL1が接続されている。

前記第１クラッチCL1は、前記エンジンEngとモータ/ジェネレータMGの間に介装されたクラッチであり、車両制御部１からの制御指令に基づいて図示しない油圧ユニットにより作り出された第１クラッチ制御油圧により、締結・スリップ締結・開放が制御される。この第１クラッチCL1としては、例えば、ダイアフラムスプリングによる付勢力にて完全締結を保ち、ピストンを有する油圧アクチュエータを用いたストローク制御により、完全締結〜スリップ締結〜完全開放までが制御されるノーマルクローズの乾式単板クラッチが用いられる。なお、この第１クラッチCL1は、モータ/ジェネレータMGのみを走行駆動源とする電気自動車モードと、エンジンEngとモータ/ジェネレータMGの双方を走行駆動源とするハイブリッド車モードと、を切り替えるモード切り替え手段となっている。

前記モータ/ジェネレータMGは、ロータに永久磁石を埋設しステータにステータコイルが巻き付けられた同期型モータ/ジェネレータであり、車両制御部１からの制御指令に基づいて、インバータ２により作り出された三相交流を印加することにより制御される。このモータ/ジェネレータMGは、バッテリ３からの電力の供給を受けて回転駆動し、エンジンEngの始動や左右後輪RL,RRの駆動を行う電動機として動作することもできる（以下、この動作状態を「力行」という）し、ロータがエンジンEngや左右後輪RL,RRから回転エネルギーを受ける場合には、ステータコイルの両端に起電力を生じさせる発電機として機能し、バッテリ３を充電することもできる（以下、この動作状態を「回生」という）。なお、このモータ/ジェネレータMGのロータは、自動変速機ATの変速機入力軸INに連結されている。

前記第２クラッチCL2は、前記モータ/ジェネレータMGと左右後輪RL,RRの間に介装されたクラッチであり、車両制御部１からの制御指令に基づいて図示しない油圧ユニットにより作り出された第２クラッチ制御油圧により、締結・スリップ締結・開放が制御される。この第２クラッチCL2としては、例えば、比例ソレノイドで油流量および油圧を連続的に制御できるノーマルオープンの湿式多板クラッチや湿式多板ブレーキが用いられる。

前記自動変速機ATは、モータ/ジェネレータMGと左右後輪RL,RRの間に介装され、例えば、前進７速／後退１速等の有段階の変速段を車速やアクセル開度等に応じて自動的に切り替える有段変速機である。この自動変速機ATの変速機出力軸には、プロペラシャフトPSが連結されている。そして、このプロペラシャフトPSは、ディファレンシャルDF、左ドライブシャフトDSL、右ドライブシャフトDSRを介して左右後輪RL,RRに連結されている。
なお、実施例１では、自動変速機ATの各変速段にて締結される複数の摩擦締結要素のうち、トルク伝達経路に配置されると共に所定の条件に適合する最適な摩擦係合要素（クラッチやブレーキ）を選択し、第２クラッチCL2としている。すなわち、前記第２クラッチCL2は、自動変速機ATとは独立の専用クラッチとして新たに追加したものではない。

そして、このＦＲハイブリッド車両Ｓは、駆動形態の違い、つまり走行駆動源の違いによる走行モードとして、電気自動車モード（以下、「EVモード」という）と、ハイブリッド車モード（以下、「HEVモード」という）と、を有する。

前記「EVモード」は、第１クラッチCL1を開放状態とし、エンジンEngを停止してモータ/ジェネレータMGの駆動力のみで走行するモードである。この「EVモード」は、モータ走行モード・回生走行モードを有する。この「EVモード」は、要求駆動トルクが低く、バッテリ３の充電残量（以下、「バッテリSOC（State Of Chargeの略）」という）が確保されているときに選択される。

前記「HEVモード」は、第１クラッチCL1を締結状態とし、エンジンEngとモータ/ジェネレータMGの双方の駆動力で走行するモードである。この「HEVモード」は、モータアシスト走行モード・発電走行モード・エンジン走行モード・を有する。この「HEVモード」は、要求駆動トルクが高いとき、あるいは、バッテリSOCが不足するようなときに選択される。

［車両制御システムの構成］
実施例１におけるＦＲハイブリッド車両（自車両）Ｓの車両制御システムは、図１に示すように、車両制御部１と、インバータ２と、バッテリ３と、ナビゲーションシステム４と、通信ユニット５と、を有して構成されている。

前記車両制御部１は、マイクロコンピュータとその周辺部品や各種アクチュエータなどを備え、エンジンEngの回転速度や出力トルク、第１クラッチCL1及び第２クラッチCL2の締結・スリップ締結・開放、モータ/ジェネレータMGの回転速度や出力トルク、自動変速機ATの変速段などを制御する。また、この車両制御部１は、記憶部１１と、確率分布演算部１２と、予測部１３と、制御部１４と、を有している。

前記記憶部１１は、複数の走行区間に区分された所定の走行経路を走行したときの各走行区間における自車両の車速データ（走行データ）を保存するデータ保存手段に相当する。
すなわち、この記憶部１１には、自車両が過去に走行した走行区間における車速を、各走行区間と関連付けて記憶する。

前記確率分布演算部１２は、記憶部１１に保存された走行データから、所定経路における複数の走行区間のうちの第１の走行区間での第１車速データに対する、この複数の走行区間のうちの第２の走行区間での第２車速データの関連を確率分布で求める確率分布演算手段に相当する。
ここで、「第１の走行区間」とは、複数の走行区間のうちの任意の区間であり、ここでは全区間を対象とする。また、「第２の走行区間」とは、第１の走行区間よりも先にある走行区間であり、ここでは第１の走行区間に設定した区間の次の区間とする。

さらに、この確率分布演算部１２によって第１車速データに対する第２車速データの関係を確率分布で求める際、第１車速データには、複数の車速域が設定されている。具体的には、ゼロkm/h〜４０km/h未満の車速域と、４０km/h〜６０km/h未満の車速域と、６０km/h〜８０km/h未満の車速域と、８０km/h以上の車速域である。
また、前記第２車速データには、第１車速データと同一の複数の車速域が設定されている。具体的には、ゼロkm/h〜４０km/h未満の車速域と、４０km/h〜６０km/h未満の車速域と、６０km/h〜８０km/h未満の車速域と、８０km/h以上の車速域である。
そして、この確率分布演算部１２では、「第１の走行区間」における各車速域のそれぞれから、次区間である「第２の走行区間」における各車速域に対する確率分布を演算する。なお、「第１の走行区間」は全区間を対象としているので、各区間、各車速域において次区間の車速域への確率分布が演算される。演算された確率分布は、図２に示す確率分布マップで示される。

前記予測部１３は、所定の走行経路を走行する際、確率分布演算部１２により求めた確率分布を用いて、予定走行区間での予測車速データ（予測走行データ）を演算するデータ予測手段に相当する。
すなわち、この予測部１３では、図２に示す確率分布マップを用いて、将来走行する予定の走行区間における車速データを求める。このとき、まず、図３に示すように、現在ＦＲハイブリッド車両Ｓが走行中の走行区間（以下、「現走行区間ｎ」という）では、車速センサ６からの車速情報に基づいて、現走行区間ｎでの走行車速域（ここでは、ゼロkm/h〜４０km/h未満の車速域Ｐｎ）を設定する。
そして、現走行区間ｎの次の区間（以下、「次区間ｎ＋１」という）では、現走行区間ｎにおいて設定した走行車速域Ｐｎから、次区間ｎ＋１の各車速域への確率分布のうち、最も高確率となる車速域（ここでは、６０km/h〜８０km/h未満の車速域Ｐｎ＋１）を、次区間ｎ＋１での予測車速域とする。
次に、この次区間ｎ＋１の次の区間（以下、「次次区間ｎ＋２」という）では、次区間ｎ＋１において設定した予測車速域Ｐｎ＋１から、次次区間ｎ＋２の各車速域への確率分布のうち、最も高確率となる車速域（ここでは、６０km/h〜８０km/h未満の車速域Ｐｎ＋２）を、次次区間ｎ＋２での予測車速域とする。
さらに、この次次区間ｎ＋２の次の区間（以下、「第３区間ｎ＋３」という）では、次次区間ｎ＋２において設定した予測車速域Ｐｎ＋２から、第３区間ｎ＋３の各車速域への確率分布のうち、最も高確率となる車速域（ここでは、４０km/h〜６０km/h未満の車速域Ｐｎ＋３）を、第３区間ｎ＋３での予測車速域とする。
以下、これを繰り返し、予定走行区間ｎ＋αでの予測車速データ（ここでは、予測車速域）を求める。

また、この予測部１３では、ＦＲハイブリッド車両Ｓの現在の車速データが、当該走行区間での確率分布のうち最も高確率になる走行データと異なるときには、このＦＲハイブリッド車両Ｓの現在の車速データを用いて、予定走行区間での予測車速域を演算する。
つまり、予定走行区間ｎ＋αでの予測車速域を確率分布マップのみから求める場合では、上述のように、次次区間ｎ＋２において、予測車速域を６０km/h〜８０km/h未満の車速域Ｐｎ＋２に設定している。しかしながら、ＦＲハイブリッド車両Ｓが次次区間ｎ＋２を実際に走行したとき、１００km/hで走行したとする。そのため、予定走行区間ｎ＋αでの予測車速域（予測車速データ）を求める際に、図４に示すように、次次区間ｎ＋２での走行車速域を８０km/h以上の車速域Ｐｎ＋２´に変更する。なお、この実車速は、車速センサ６によって検出する。
そして、この次次区間ｎ＋２の次の区間（以下、「第３区間ｎ＋３」という）では、次次区間ｎ＋２において設定した車速域Ｐｎ＋２´から、第３区間ｎ＋３の各車速域への確率分布のうち、最も高確率となる車速域（ここでは、８０km/h未満の車速域Ｐｎ＋３´）を、第３区間ｎ＋３での予測車速域とする。
以下、上述の通り確率分布を用いて、予定走行区間ｎ＋αでの予測車速データ（予測車速域）を求める。

前記制御部１４は、後述する車両制御処理を実行し、予測部１３により予測された予定走行区間ｎ＋αでの予測車速データ（予測車速域）に基づき、ＦＲハイブリッド車両Ｓのパワートレイン制御（ここでは走行モードのスケジューリング）を行うパワートレイン制御手段に相当する。

さらに、この車両制御部１には、車速センサ６からの車速情報や、バッテリSOCを常時監視するSOC監視部７からのバッテリSOC情報が入力される

前記ナビゲーションシステム４は、記憶部４ａと、演算部４ｂと、ディスプレイ（不図示）と、を有している。
前記記憶部４ａは、道路曲率半径、勾配、交差点、信号、踏み切り、横断歩道、制限速度、料金所等の道路環境情報を含む地図情報を記憶している。
前記演算部４ｂは、衛星からの信号を受信し、このＦＲハイブリッド車両Ｓの地球上の絶対位置を検出する。そして、記憶部４ａに記憶されている地図を参照し、現在ＦＲハイブリッド車両Ｓが存在している位置（現在地）を特定すると共に、この現在地から目的地までの予定走行経路と、その予定走行経路における走行区間を設定する。この予定走行経路及びその経路上の走行区間は、車両制御部１に入力される。また、不図示のディスプレイは、車室内に設けられ、ドライバーから目視可能となっている。

前記通信ユニット５は、車両制御部１に接続されると共に、図示しない無線基地局及びインターネット等の通信ネットワークを介して、交通情報や統計交通データを有するデータセンタ８との無線通信（テレマティクス通信）を行う。この「通信」は双方向であり、通信ユニット５を介して、車両制御部１の制御部１４からデータセンタ８へと情報を送信することや、通信ユニット５を介して、データセンタ８から情報を受信して車両制御部１の確率分布演算部１２へ入力することが可能である。
なお、前記通信ユニット５としては、携帯電話機、ＤＳＲＣ、無線ＬＡＮなど様々なものを採用することができる。

［車両制御処理の構成］
図５は、実施例１の車両制御部にて実行される車両制御処理の流れを示すフローチャートである。以下、車両制御処理内容を示す図５のフローチャートの各ステップについて説明する。

ステップＳ１では、ナビゲーションシステム４により現在地から目的地までの予定走行経路を設定し、ステップＳ２へ移行する。
ここで、この予定走行経路の設定は、まず、ドライバーが手動操作によってナビゲーションシステム４に目的地を入力する。そして、ナビゲーションシステム４では、入力された目的地情報と、衛星からの信号に基づいて検出した現在地情報と、記憶部４ａに記憶された地図情報に基づいて複数の走行経路を検索し、車室内に設けられたディスプレイに表示する。そして、ドライバーは検索された走行経路から予定走行経路を選択して設定する。なお、設定された予定走行経路は、車両制御部１及び通信ユニット５を介してデータセンタ８へと送信される。

ステップＳ２では、ステップＳ１での予定走行経路の設定に続き、通信ユニット５を介して、データセンタ８から予定走行経路上の統計交通データを取得し、ステップＳ３へ移行する。
ここで、「統計交通データ」とは、データセンタ８において設定されたノードと呼ばれる道路上の基準位置間隔ごとに決められた車速データである。また、取得する統計交通データは、予め設定した自車両と同一又は類似の車種のデータに限定される。

ステップＳ３では、ステップＳ２での統計交通データの取得に続き、設定された予定走行経路を複数の区間に区分する。さらに、区分した各区間、複数の車速域のそれぞれにおいて次区間の車速域への確率分布を、取得した統計交通データと記憶部１１に記憶した各区間の車速データをもとに演算し、ステップＳ４へ移行する。
つまり、このステップＳ３では、予定走行経路を複数の走行区間に区分すると共に、図２に示すような確率分布マップを求める。
なお、この走行区間の区分は、ＦＲハイブリッド車両Ｓが取得可能な経路区分に必要な様々なＬＩＮＫ情報に基づいて設定される区分基準位置によって走行経路を分けることで行う。

ステップＳ４では、ステップＳ３での予定走行経路の区分及び確率分布の演算に続き、この確率分布を用いて予定走行区間ｎ＋αでの予測車速域（予測車速データ）を推定し、ステップＳ５へ移行する。
ここで、予測車速域の推定とは、予測部１３によって実行される。このとき、ステップＳ３にて求めた確率分布のうち、最も高確率になる車速域が当該走行区間での予測車速域とすることを用いて、予定走行区間ｎ＋αでの予測車速域を推定する。しかしながら、当該走行区間を走行したときの実際の車速データが確率分布から求めた予測車速域と異なる場合（後述するステップＳ７においてNOと判断された場合）には、実際の車速データが該当する車速域を当該走行区間での車速域に修正し、予定走行区間ｎ＋αでの予測車速域を演算する。

ステップＳ５では、ステップＳ４での予測車速域の推定に続き、予定走行区間ｎ＋αにおけるパワートレイン制御計画を演算し、ステップＳ６へ移行する。
なお、「パワートレイン制御計画」とは、ここでは、ＦＲハイブリッド車両Ｓの走行モードのスケジューリングであり、予定走行区間ｎ＋αにおける走行モードを設定する。

ステップＳ６では、ステップＳ５でのパワートレイン制御計画の演算に続き、ＦＲハイブリッド車両Ｓが所定の走行区間を実際に走行した際の区間情報（車速情報やSOC情報等）に基づいて、現在走行している走行区間におけるパワートレイン制御を変更し、ステップＳ７へ移行する。このパワートレイン制御の変更は、まず、計画において走行モードを「EVモード」に設定した場合に、そのときのモータ出力最大値「EVモード」が実現できるように設定する。そして、実際に走行した時点でのバッテリSOCと、設定したモータ出力最大値を比較し、実際の走行モードを設定（計画に対して変更或いは継続）する。

ステップＳ７では、ステップＳ６でのパワートレイン制御の変更に続き、このパワートレイン制御を変更した走行区間（現在走行している区間）における実際の車速が該当する車速域が、確率分布を用いて設定した予測車速域と異なるか否かを判断する。YES（予測値＝実値）の場合は、予定走行区間ｎ＋αでの予測車速域に変更はないとしてステップＳ８へ進む。NO（予測値≠実値）の場合は、予定走行区間ｎ＋αでの予測車速域に変更ありとして、ステップＳ４へ戻る。

ステップＳ８では、ステップＳ７での当該走行区間での予定値と実値に差がないとの判断に続き、ＦＲハイブリッド車両Ｓが目的地に到達したか否かを判断する。YES（目的に到着）の場合には、エンドへ移行し、この車両制御処理を終了する。NO（目的地に未到着）の場合には、ステップＳ４へ戻る。
ここで、目的地に到着したか否かの判断は、ナビゲーションシステム４によって、衛星からの信号に基づいて検出した現在地情報から判断する。

次に、作用を説明する。
まず、比較例のハイブリッド車両の制御装置の車速推定構成とその課題を説明し、続いて、実施例１のハイブリッド車両の制御装置における車両制御作用を説明する。

［比較例のハイブリッド車両の制御装置の車速推定構成とその課題］
図６は、比較例の制御装置での各走行区間での予測車速域を示す予測車速マップである。以下、図６に基づき、比較例のハイブリッド車両の制御装置における車速推定構成とその課題について説明する。

比較例の制御装置では、予定走行区間ｎ＋αでの予測車速域を推定する際、まず、予定走行経路を設定すると共に、設定した予定走行経路を複数の走行区間に区分する。そして、区分した各走行区間における統計交通データ（車速データ）を、データセンタ８から取得する。また、区分した各走行区間における自車両に記憶しておいた車速データを読み出す。そして、各走行区間ごとに車速データの平均値を求め、当該走行区間における予測車速域とする。

すなわち、比較例の制御装置では、各走行区間ごとに推定される予測車速域は固定値であり、各走行区間ごとに個別に演算され、隣接する走行区間における車速データの影響は受けない。

そのため、実際に所定の走行区間を走行した際に、統計交通データ等から演算した予測車速域に対して、実際の車速が異なった値になったとしても、この予測車速域と実値とのずれを、将来走行する予定走行区間の車速域の推定に反映することはできない。
つまり、ある走行区間での走行データと、それよりも先にある他の走行区間での走行データとの関係は考慮されず、予定走行区間の走行データの予測精度が低くなってしまうという問題が生じていた。

［車両制御作用］
実施例１のＦＲハイブリッド車両Ｓでは、自車両がすでに走行した経路（走行済み経路）における車速データ（走行データ）は、車両制御部１の記憶部１１に記憶される。また、他車両がすでに走行した経路（走行済み経路）における車速データは、データセンタ８に記憶される。
そして、ある経路（予定走行経路）を走行することが設定されると、図５に示すフローチャートにおいて、ステップＳ１→ステップＳ２→ステップＳ３へと進み、予定走行経路を区分して設定された複数の走行区間のそれぞれにおける車速データの関係を確率分布で求める（図２に示す確率分布マップを設定する）。

ここで、複数の走行区間のそれぞれにおける車速データの関係を確率分布で求める際に、自車両であるＦＲハイブリッド車両Ｓが有する記憶部１１に記憶した自車両の車速データだけでなく、通信ユニット５を介して取得するデータセンタ８に記憶された他車両の車速データをも用いている。
そのため、サンプル数の増加に伴って、確率分布の精度を向上することができる。

そして、ステップＳ４へと進み、各走行区間、各車速域に対する次区間の確率分布（図２に示す確率分布マップ）を用いて、予定走行区間ｎ＋αでの予測車速域を求める。つまり、図３に示すように、ある走行区間（たとえば次区間ｎ＋１）における所定の車速域（Ｐｎ＋１）を基準にして、当該走行区間の次の走行区間（次次区間ｎ＋２）における複数の車速域のうち、最も発生確率が高い車速域（Ｐｎ＋２）を次の走行区間（次次区間ｎ＋２）での予測車速域とする。これを繰り返し、予定走行区間ｎ＋αにおける予測車速域を求める。

これにより、当該区間での車速域と次の走行区間での車速域との関係（当該区間での車速域に対する次区間での所定車速域の起こりやすさ）を考慮して、予定走行区間ｎ＋αにおける予測車速域を推定することができる。そのため、予定走行区間ｎ＋αでの予測車速域の予測精度を、所定地点での単なる統計データに基づいて予定車速域を求める比較例の制御装置における予測精度と比べて向上することができる。

そして、ステップＳ５へと進み、確率分布を用いて求めた予定走行区間ｎ＋αにおける予測車速域に基づいて、この予定走行区間ｎ＋αにおけるパワートレイン制御計画を演算する。
このとき、予定走行区間ｎ＋αにおける予測車速域の予測精度が高いので、パワートレイン制御計画も自車両に適したものとすることができ、燃料消費量の低減、電気消費量の低減、運転性の改善、排気量の低減等を図ることができる。

しかも、実施例１では、ステップＳ６へと進んで、実際に走行している走行区間では当該走行区間での区間情報をもとにパワートレイン制御を変更する。そして、ステップＳ７へと進んで、実際の車速と当該走行区間における予測車速域との差があれば、ステップＳ４に戻って、この実際の車速が該当する車速域を当該走行区間における車速域に設定し、この新たに設定された車速域に基づいて予定走行区間ｎ＋αでの予測車速域を再度演算する。
つまり、図４に示すように、所定の走行区間（ここでは、次次区間ｎ＋２）における予測車速域が、確率分布から求めたときにはＰｎ＋２であったが、実際に当該走行区間（次次区間ｎ＋２）を走行した際の車速に基づいて、当該走行区間（次次区間ｎ＋２）での車速域をＰｎ＋２´に変更する。そして、この変更した車速域Ｐｎ＋２´を基準にして、さらに次の区間（第３区間ｎ＋３）における予測車速域を求め、最終的に予定走行区間ｎ＋αでの予測車速域を求める。

これにより、実際に走行している走行区間において、確率分布で求めた予測車速域と実際の車速データとがずれた場合であっても、その時点の車速データに応じて将来の予測車速域を修正することができる。このため、予定走行区間ｎ＋αでの予測車速域の予測精度をさらに向上することができる。

さらに、実施例１では、上述の通り、確率分布を求める際に自車両の車速データだけでなく、他車両の車速データも用いている。このため、車速データ数が増加し、確率分布の精度を向上することができる。そして、この高精度の確率分布を用いることで、予定走行区間ｎ＋αの予測車速域の予測精度をさらに向上することができる。

なお、実施例１では、ＦＲハイブリッド車両Ｓの車速データに基づいて、このＦＲハイブリッド車両Ｓのパワートレイン制御を行っている。つまり、パワートレイン制御に利用する走行データを、車速データとしている。そのため、データの取得や予測を精度よく容易に行うことができ、パワートレイン制御を自車両にさらに適したものとすることができる。

次に、効果を説明する。
実施例１のハイブリッド車両の制御装置にあっては、下記に列挙する効果を得ることができる。

(1) 走行駆動源としてエンジンEng及びモータ/ジェネレータ（モータ）MGを備えたＦＲハイブリッド車両Ｓに搭載され、
複数の走行区間（ｎ〜ｎ＋α）に区分された所定の走行経路を走行したときの各走行区間における自車両の走行データ（車速データ）を保存するデータ保存手段（記憶部）１１と、
前記データ保存手段（記憶部）１１に保存された走行データ（車速データ）から、前記複数の走行区間（ｎ〜ｎ＋α）のうちの第１の走行区間（現走行区間ｎ）での第１走行データに対する、前記複数の走行区間（ｎ〜ｎ＋α）のうちの前記第１の走行区間（現走行区間ｎ）より先にある第２の走行区間（次区間ｎ＋１）での第２走行データの関連を確率分布（確率分布マップ図２）で求める確率分布演算手段（確率分布演算部）１２と、
前記所定の走行経路を走行する際、前記確率分布演算手段（確率分布演算部）１２により求めた前記確率分布（確率分布マップ図２）を用いて、前記自車両（ＦＲハイブリッド車両）Ｓが将来走行する予定走行区間ｎ＋αでの予測走行データを演算するデータ予測手段（予測部）１３と、
前記データ予測手段（予測部）１３により予測された予測走行データに基づき、前記自車両（ＦＲハイブリッド車）Ｓのパワートレイン制御を行うパワートレイン制御手段（制御部）１４と、
を備える構成とした。
これにより、予定走行区間における自車両の走行状態を精度良く予測し、適切なパワートレイン制御を行うことができる。

(2) 前記確率分布演算手段（確率分布演算部）１２は、前記複数の走行区間（ｎ〜ｎ＋α）の各区間に設定された複数の走行データ（車速域）のそれぞれにおいて、次の区間に設定された複数の走行データ（車速域）に対する確率分布を求め、
前記データ予測手段（予測部）１３は、前記確率分布のうち、最も高確率になる走行データを用いて、前記予測走行データを演算する構成とした。
これにより、(1)の効果に加え、予定走行区間における自車両の走行状態を容易に予測することができる。

(3) 前記データ予測手段（予測部）１３は、前記自車両（ＦＲハイブリッド車）Ｓの現在の走行データ（車速データ）が前記確率分布のうち最も高確率になる走行データと異なるときには、前記自車両（ＦＲハイブリッド車）Ｓの現在の走行データ（車速データ）を用いて、前記予測走行データを演算する構成とした。
これにより、(2)の効果に加え、実際の走行データに応じて、予定走行区間における自車両の走行状態の予測結果を修正することができる。

(4) 前記複数の走行区間（ｎ〜ｎ＋α）に区分された所定の走行経路を走行したときの各走行区間における自車両（ＦＲハイブリッド車）Ｓ以外の車両の走行データを保存するデータセンタ８から、前記走行データ（車速データ）を取得する通信手段（通信ユニット）５を備え、
前記データ予測手段（予測部）１３は、前記データ保存手段（記憶部）１１に保存された走行データ（車速データ）に加え、前記通信手段（通信ユニット）５を介して取得した前記自車両（ＦＲハイブリッド車両）Ｓ以外の他の車両の走行データ（車速データ）から、前記第１走行データに対する、前記第２走行データの関連を確率分布（確率分布マップ図２）で求める構成とした。
これにより、(1)から(3)のいずれかの効果に加え、確率分布を求める際に用いる走行データ数が増加し、確率分布の精度を向上することができる。

(5) 前記走行データを、車速データとする構成とした。
これにより、(1)から(4)のいずれかの効果に加え、データの取得や予測を精度よく容易に行うことができ、パワートレイン制御を自車両にさらに適したものとすることができる。

以上、本発明のハイブリッド車両の制御装置を実施例１に基づき説明してきたが、具体的な構成については、この実施例に限られるものではなく、特許請求の範囲の各請求項に係る発明の要旨を逸脱しない限り、設計の変更や追加等は許容される。

実施例１では、通信ユニット５を介してデータセンタ８から他車両の車速データを取得する例を示したが、これに限らない。図７に示すように、通信ユニットを有さず、記憶部１１に記憶した自車両の車速データによって確率分布を演算する構成であってもよい。
この場合では、外部からの通信情報で統計交通データを取得する必要がなくなるため、通信ユニット５が不要となり、安価な構成とすることができる。

また、実施例１では、走行データとして「車速データ」とする例を示したが、例えば、加速度、エネルギー消費量、燃料消費量、アクセル操作、ブレーキ操作等のドライバ操作量等、走行に応じて変化する車両の状態を示すデータであればよい。

そして、確率分布を演算する際に設定する第１の走行区間と第２の走行区間は、実施例１では隣接する区間同士としたが、これに限らない。例えば、第１の走行区間として所定の区間ｎを設定し、第２の走行区間としてこの所定区間ｎよりも数区間先の走行区間ｎ＋２を設定してもよい。
さらに、区間ｎに対して区間ｎ＋１と区間ｎ＋３の走行データの関係を求めるようにしてもよい。

そして、確率分布の演算精度は、データ数が増加するほど精度が高くなる特性を有している。そのため、例えば通勤路等毎日同じ道を走行する場合等では、予測走行データの予測精度を向上する効果が大きくなる。
また、走行データだけでなく、確率分布の結果も他車両と共有することで、従来の統計データのみを利用して予定走行経路での予測走行データを演算する場合よりも、予測走行データの予測精度をさらに向上することができる。

また、実施例１では、パワートレイン制御として、ＦＲハイブリッド車両Ｓの走行モードのスケジューリングとする例を示した。しかしながら、このパワートレイン制御は、ＦＲハイブリッド車両Ｓの駆動源から駆動輪までの間のパワートレインを制御するものであればよいので、例えば、ＦＲハイブリッド車両Ｓにおける減速回生量の予測に基づくモータ/ジェネレータMGの出力制御や、車両における各種部品の熱的な保護のためのエンジンEng及びモータ/ジェネレータMGの出力制御（動力配分制御）であってもよい。

そして、実施例１では、ナビゲーションシステム４において予定走行経路を設定する際に、ドライバーが最終的に予定走行経路を選択して設定する例を示したが、これに限らない。例えば、ドライバーが予定走行経路を選択設定しなくても、走行を始めた際の走行履歴情報を参照して、予定走行経路を設定してもよい。また、その場合では、車室内に設けられたディスプレイに複数の走行経路を表示しなくてもよい。

また、実施例１では、目的地に到着したと判断したら車両制御処理を終了する例を示したが、ドライバーの手動操作によって車両制御処理を終了してもよいし、目的地を設定していなくても登録済みの自宅に到着したら車両制御処理を終了してもよい。

１ 車両制御部
１１ 記憶部（走行データ記憶手段）
１２ 確率分布演算部（確率分布演算手段）
１３ 予測部（データ予測手段）
１４ 制御部（パワートレイン制御手段）
２ インバータ
３ バッテリ
４ ナビゲーションシステム
４ａ 記憶部
４ｂ 演算部
５ 通信ユニット
６ 車速センサ
７ SOC監視部
８ データセンタ
Eng エンジン
MG モータ/ジェネレータ
CL1 第１クラッチ
CL2 第２クラッチ
AT 自動変速機
RL,RR 左右後輪（駆動輪）
FL,FR 左右前輪

Claims (5)

1. 走行駆動源としてエンジン及びモータを備えたハイブリッド車両に搭載され、
   複数の走行区間に区分された所定の走行経路を走行したときの各走行区間における自車両の走行データを保存するデータ保存手段と、
   前記データ保存手段に保存された走行データから、前記複数の走行区間のうちの第１の走行区間での第１走行データに対する、前記複数の走行区間のうちの前記第１の走行区間より先にある第２の走行区間での第２走行データの関連を確率分布で求める確率分布演算手段と、
   前記所定の走行経路を走行する際、前記確率分布演算手段により求めた前記確率分布を用いて、予定走行区間での予測走行データを演算するデータ予測手段と、
   前記データ予測手段により予測された予測走行データに基づき、前記自車両のパワートレイン制御を行うパワートレイン制御手段と、
   を備えることを特徴とするハイブリッド車両の制御装置。
2. 請求項１に記載された車両の制御装置において、
   前記確率分布演算手段は、前記複数の走行区間の各区間に設定された複数の走行データのそれぞれにおいて、次区間に設定された複数の走行データに対する確率分布を求め、
   前記データ予測手段は、前記確率分布のうち、最も高確率になる走行データを用いて、前記予測走行データを演算する
   ことを特徴とするハイブリッド車両の制御装置。
3. 請求項２に記載されたハイブリッド車両の制御装置において、
   前記データ予測手段は、前記自車両の現在の走行データが前記確率分布のうち最も高確率になる走行データと異なるときには、前記自車両の現在の走行データを用いて、前記予測走行データを演算する
   ことを特徴とするハイブリッド車両の制御装置。
4. 請求項１から請求項３のいずれか一項に記載されたハイブリッド車両の制御装置において、
   前記複数の走行区間に区分された所定の走行経路を走行したときの各走行区間における自車両以外の車両の走行データを保存するデータセンタから、前記走行データを取得する通信手段を備え、
   前記データ予測手段は、前記データ保存手段に保存された走行データに加え、前記通信手段を介して取得した前記自車両以外の他の車両の走行データから、前記第１走行データに対する、前記第２走行データの関連を確率分布で求める
   ことを特徴とするハイブリッド車両の制御装置。
5. 請求項１から請求項４のいずれか一項に記載されたハイブリッド車両の制御装置において、
   前記走行データを、車速データとする
   ことを特徴とするハイブリッド車両の制御装置。