JP2018521894A - ハイブリッドモータ車両の燃料および電気消費を管理するための設定点を計算するための方法 - Google Patents

Abstract

本発明は、ハイブリッドモータ車両の燃料および電気消費を管理するための設定点を計算するための方法に関する。本発明によれば、この方法は、ａ）ハイブリッドモータ車両搭載のナビゲーションシステムにより、移動すべきルートを獲得するステップと、ｂ）前記ルートを連続する部分に分割するステップと、ｃ）各部分を特徴付ける属性を割り当てるステップと、ｄ）前記部分のそれぞれについて、その部分にわたるハイブリッドモータ車両の各燃料消費値を主電池の充電または放電にリンクする曲線またはマップを決定するステップと、ｅ）各曲線またはマップの最適な点を決定するステップであって、ルート全体にわたるハイブリッドモータ車両の燃料消費を最小限に抑えること、および前記ルートの終了までに主電池を完全に放電することを可能にする、ステップと、ｆ）前記最適な点の座標に従ってエネルギー管理設定点を生成するステップとを含む。
【選択図】図８

Description

本発明は、一般に再充電可能なハイブリッド車両に関する。

より詳細には、本発明は、主電池によって電気が供給される少なくとも１つの電気モータと燃料が供給される内燃エンジンとを備えるハイブリッドモータ車両の燃料および電気消費を管理するための設定点を計算するための計算方法に関する。

本発明は、長距離ハイブリッド電気車両、すなわちそれらの電気モータだけを用いて１０キロメートルを超える距離を移動することが可能な車両に特に有利に応用される。

再充電可能なハイブリッド車両は、従来の燃焼ドライブトレーン（内燃エンジンおよび燃料タンクを有する）と、電気ドライブトレーン（電気モータおよび特に電力コンセントで充電することが可能な主電池を有する）とを備える。

そのようなハイブリッド車両は、その電気ドライブトレーンだけによって、またはその燃焼ドライブトレーンだけによって、さらには同時にその２つの電気ドライブトレーンおよび燃焼ドライブトレーンによって進ませることが可能である。内燃エンジンによって創出される電力を利用することによって、または、制動時にモータ車両によって創出される運動エネルギーを回収することによっても、主電池を再充電することが可能である。

車両の将来の行程（ｊｏｕｒｎｅｙ）がわからないことにより、これらのドライブトレーンの１つまたは他のものを使用するための現在実施されている方針は、行程の開始時に主電池を放電することによって体系的に始めて、最小エネルギーのレベルに達してから、燃焼ドライブトレーンを使用することにある。このようにして、運転者が短い行程をとり、主電池を再充電するための規則的な機会を有するとき、運転者は、最大まで電気ドライブトレーンを使用し、それにより車両の汚染物質放出が低減される。

しかし、この方針は、必ずしも最小の燃料消費を保証しない。これは、特にユーザがフリーウェイ部分を介して行程を始め、都市の一部で終わる場合にあてはまる。実際、電気ドライブトレーンの使用は、フリーウェイでは主電池が非常に速く放電するのでフリーウェイに適さず、燃焼ドライブトレーンの使用は、内燃エンジンの性能がフリーウェイより都市において低いために都市に適さない。

この欠点を克服するために、文献米国特許第８８２５２４３号は、ナビゲーションシステムにとって既知の行程予測におけるバッテリの「理想的な」放電曲線をどのように構築するかについて開示しており、この曲線は、バッテリの充電状態が行程の終了時にのみその可能な最小値に達するように構築され、次いでハイブリッドシステムをこの放電曲線に最もよく従うようにこの行程予測でいかに制御するかについて開示している。そのような解決策の欠点は、行程におけるハイウェイ条件が著しく多様である場合、たとえば、都市での第１の区間で開始し、次いで第２のフリーウェイ区間に続き、最後に都市での第３の区間で終わる単純な、しかし非常に一般的な場合には、エネルギー消費から見て行程は非最適に実施される。

さらに、都市での燃焼ドライブトレーンの使用は、運転者にとって電気ドライブトレーンの使用ほど心地よいものにならない。

最後に、都市での内燃エンジンの使用が法律によって妨げられることがあり、その結果、運転者はその場合、もはや都市に行くことができない。

従来技術の前述の欠点を改善するために、本発明は、車両内に埋め込まれたナビゲーションシステムからのデータを利用することによって、将来の行程がわからないことを克服することを可能にする。

より具体的には、本発明は、導入部に定義されているように計算方法を提供し、
ａ）ナビゲーションシステムにより、とるべき行程を獲得するステップと、
ｂ）前記行程を連続的な区間に分割するステップと、
ｃ）各区間について、前記区間を特徴付ける属性を獲得するステップと、
ｄ）前記区間のそれぞれについて、かつその属性を考慮して、燃料消費値を電気エネルギー消費値にリンクする複数の所定の関係の中から、区間にわたるハイブリッドモータ車両の燃料消費をその電気エネルギー消費にリンクする関係を選択するステップと、
ｅ）選択された関係のそれぞれにおいて消費の最適な点を決定するステップであって、最適な点のセットが行程全体にわたるハイブリッドモータ車両の燃料消費を最小限に抑え、前記行程の終了時に主電池の放電を最大にするように決定するステップと、
ｆ）前記最適な点の座標に従って、行程を通してエネルギー管理設定点を創出するステップとが提供される。

したがって、本発明により、車両の燃料消費を車両がとらなければならない行程にわたって最もよく低減するために、電気モータまたは内燃エンジンがいつ使用されるべきか決定することが可能である。

例として、その性能が最良である場合燃焼ドライブトレーンをフリーウェイ上で使用すること、ならびにその性能およびその心地よさが最適である場合電気ドライブトレーンを都市で使用することを優先することが可能となろう。

また、最も望ましくない動作点で電気モータにより負担を減らすことによって内燃エンジンの性能を改善することも可能となろう。

本発明による計算方法の他の利点および非制限的な特徴は、以下のとおりである。
− 所定の関係は、内燃エンジンの燃料消費値を主電池の充電または放電値にリンクする曲線またはマップである。
− ステップｄ）では、関係は、前記区間の勾配にかかわりなく選択され、ステップｅ）の前に、前記勾配を考慮して前記関係を補正するための補正ステップｄ１）が提供される。
− 前記補正ステップｄ１）は、一定の充電または放電値において、勾配による値だけ燃料消費を修正するように関係の各点をシフトすることにある。
− ステップｄ）では、関係は、電気モータから分離されており主電池によって給電される補助デバイスの電気消費にかかわりなく選択され、ステップｅ）の前に、補助デバイスの前記電気消費を考慮して前記関係を補正するための補正ステップｄ２）が提供される。
− 前記補正ステップｄ２）は、一定の燃料消費値において、補助デバイスの前記電気消費による値だけ充電または放電を修正するように関係の各点をシフトすることにある。
− 行程中、補助デバイスの電気消費が実質的に変動したとき、ステップｄ）および以下が繰り返される。
− 所定の関係と、区間が所定の関係の１つまたは他のものに関連付けられる確率を各属性値に関連付ける表とを記憶するメモリが、ステップｄ）で、各区間について提供され、前記表により、この区間に関連付けられた属性の値を考慮して、区間が所定の関係の１つまたは他のものに属する確率の和を決定し、最も高い確率和を有する関係を選択する。
− 関係が曲線であるため、各曲線は、２次多項式として定義され、主電池の充電および放電の変動は、最小閾値と最大閾値との間で境界を画される。
− 前記多項式は、２つの不変係数を有する。
− ステップｂ）では、各区間は、その長さを通して少なくとも１つの不変属性を含む行程の最大長さの一部分であるものとして定義される。
− 各区間にわたる前記不変属性は、以下のリスト、すなわち区間の勾配、区間にわたる車両の特徴的な速度、およびナビゲーションシステムによって区間に割り当てられたカテゴリから選ばれる。
− ステップ（ｅ）では、各区間に関連付けられた関係の最適な消費点は、最適化アルゴリズムにより決定される。

非制限的な例として与えられている添付の図面を共に、以下の説明は、本発明の内容、およびそれがいかに実施され得るかを説明する。

車両がとらなければならない行程の区間を特徴付ける属性値を示す表である。 とるべき行程の区間を特徴付ける基準曲線のパラメータを示す表である。 テスト走行中に獲得された比消費曲線の分布を示すグラフである。 複数の基準曲線を示すグラフである。 ある区間に割り当てられた各属性値に、その区間が図４における基準曲線の１つまたは他のものに関連付けられる確率を関連付ける表である。 車両の補助デバイスの電気消費を考慮して基準曲線に対して実施予定の補正を示すグラフである。 対応する行程の区間の勾配を考慮して基準曲線に対して実施予定の補正を示すグラフである。 各区間に関連付けられた各基準曲線についての異なる点、およびこれらの基準曲線の最適な点を通過する曲線を示すグラフである。

従来は、モータ車両は、特にパワートレーン、車体構造要素、および乗員室要素を支持するシャシを備える。

再充電可能なハイブリッド車両では、パワートレーンは、燃焼ドライブトレーンおよび電気ドライブトレーンを含む。

特に燃焼ドライブトレーンは、燃料タンクと、そのタンクによって燃料が供給される内燃エンジンとを含む。

電気ドライブトレーンは、主電池と、主電池によって電気が供給される１つまたは複数の電気モータとを含む。

ここで、モータ車両は、主電池をローカルで、たとえば家庭電力グリッドまたは任意の他の電力グリッドにおいて充電するための電力コンセントをも備える。

モータ車両は、ここでは主電池によって給電される電気デバイスとして定義される補助デバイスをも備える。

これらの補助デバイスは、空調モータ、電動窓モータ、またはジオロケーションおよびナビゲーションシステムを含むことがある。

このジオロケーションおよびナビゲーションシステムは、従来、モータ車両の地理的局所化された位置に関する信号を受信するためのアンテナと、国または地域の地図を記憶するためのメモリと、この地図上で車両の位置を示すための画面とを備える。

ここで、この画面が、運転者が情報を入力することができるタッチスクリーンである場合を考えてみる。当然ながら、他の形とすることもできる。

最後に、ジオロケーションおよびナビゲーションシステムは、運転者によって入力された情報と、そのメモリ内に記憶された地図と、モータ車両の位置とを考慮してとるべき行程を計算するためのコントローラを備える。

モータ車両１は、ここではコンピュータと称される、特に２つの前述のドライブトレーン（特に電気モータおよび内燃エンジンによって創出される電力）を制御することを可能にする電子制御ユニット（またはＥＣＵ）をさらに含む。

本発明の文脈では、このコンピュータは、ジオロケーションおよびナビゲーションシステムのコントローラに接続され、その結果、これらの２つの要素は、情報を互いに通信することができる。

ここでは、これらは、車両の主ユニット間通信ネットワークを介して（典型的にはＣＡＮバスを介して）共に接続される。

コンピュータは、プロセッサと、メモリユニット（以下、メモリと称する）とを含む。

このメモリは、下記の方法の一部として使用されるデータを記録する。

特に、メモリは、図５に示されているタイプの表を記録する（これについては、本開示において後で詳細に述べる）。

また、メモリは、プロセッサによって実行されるとコンピュータが下記の方法を実施することを可能にする命令を含むコンピュータプログラムからなるコンピュータアプリケーションを記録する。

前置きとして、ここで、下記の方法の開示において使用されるいくつかの概念を定義する。

したがって、「行程」という用語は、出発ステーションから到着ステーションに到着するためにモータ車両がとらなければならない経路であるものと定義することができる。

この到着ステーション、すなわち行程のゴールは、車両に装着された電力コンセントを介して主電池を再充電するための充電ステーションを備えるものと考えられる。

各行程は、「隣接するセグメント」または「隣接する区間」に分けられ得る。

セグメントという概念は、ジオロケーションおよびナビゲーションシステムに装着されたコントローラによってネイティブに使用されるものとなる。

実際には、各セグメントは、２つのハイウェイ交差点間に延びる行程の一部に対応する。したがって、最も短い行程または最も早い行程を定義するために、コントローラは、どのハイウェイセグメントを介して行程が通らなければならないか決定することになる。

区間という概念は異なる。区間は、本開示の残りの部分において詳細が十分に述べられることになる。簡単に言えば、行程の各区間は、ハイウェイの特性が実質的に現れない行程の一部に対応する。したがって、例として、行程は、そのそれぞれにわたって速度制限が一定である複数の区間に分けることができる。

これらの区間は、ここで「属性」と称されるパラメータによって特徴付けられる。以下は、各区間を特徴付ける属性の例である。

第１の属性は、「ハイウェイカテゴリＦＣ」となる。ジオロケーションおよびナビゲーションシステムに装着されたコントローラは、一般に、様々なタイプのハイウェイを区別するためにこの種のカテゴリを使用する。ここでは、このカテゴリは、１から６の間の整数値をとり得る。１に等しい属性は、フリーウェイに対応することがあり、２に等しい属性は幹線道路に対応することがある、などである。

第２の属性は、度で、または百分率として表される区間の「勾配ＲＧ」となる。

第３、第４、第５、および第６の属性は、区間を使用する車両の特徴的な速度に関することになる。

第３の属性は、区間の「速度カテゴリＳＣ」となる。ジオロケーションおよびナビゲーションシステムに装着されたコントローラは、やはり、様々なタイプのハイウェイを区別するためにこの種のカテゴリを使用する。ここでは、このカテゴリは、１から６の間の整数値をとり得る。１に等しい属性は、高速ハイウェイ（１２０ｋｐｈ超）に対応することがあり、２に等しい属性はエクスプレスウェイ（１００ｋｐｈから１２０ｋｐｈの間）に対応することがある、などである。

第４の属性は、区間にわたる「速度制限ＳＬ」となる。

第５の属性は、区間上に見出される「平均速度ＳＭＳ」となる（その値は、各ハイウェイでの統計的測定から導出される）。

第６の属性は、区間上に見出される「瞬間速度ＴＳ」となる（その値は、リアルタイムに交通の状態で情報システムから導出される）。

第７の属性は、区間の「長さＬＬ」となる。

第８の属性は、区間の「平均曲率半径ＬＣ」となる。

第９の属性は、車両によってとられる移動の方向における区間の「レーン数ＮＬ」となる。

以下の開示では、これらの９つの属性を使用し、行程の各区間を特徴付けることになる。

変形形態として、行程の各区間は、より少ない属性またはより多い属性によって特徴付けられてもよい。

さらに、主電池のエネルギー状態ＳＯＥは、この主電池内の残りのエネルギーを特徴付けるためのパラメータであるものとして定義されることになる。変形形態として、バッテリの充電状態ＳＯＣまたは同じタイプの任意の他のパラメータ（バッテリの内部抵抗、バッテリ端子での電圧など）など、別のパラメータが使用されてもよい。

次いで、主電池の充電または放電ΔＳＯＥは、２つの異なる時間において考慮される２つのエネルギー状態間の差に等しいと考えられることになる。

次いで、車両の「比消費曲線（ｓｐｅｃｉｆｉｃ ｃｏｎｓｕｍｐｔｉｏｎ ｃｕｒｖｅ）」は、車両の各燃料消費値ＣＣに主電池の充電または放電ΔＳＯＥを関連付ける曲線であるものと考えられる区間に対して定義される。実際、決定されている区間にわたって、車両の燃料消費ＣＣがどうなるか（移動したキロメートル当たりのリットル）、および主電池の充電または放電ΔＳＯＥ（キロメートル当たりのワット時）を推定することが可能である。これらの２つの値は、車両を推進するために電気ドライブトレーンが使用されるか、それとも燃焼ドライブトレーンが使用されるかに従って変動することになるので、曲線によってリンクされることになる。

最後に、無限の数の比消費曲線があるため、「基準曲線」が特定の比消費曲線であるものとして定義され、その特性は、周知であるものとなり、各比消費曲線を近似することを可能にすることになる。換言すれば、本開示において後でより明確にわかるように、比消費曲線ではなく基準曲線（比消費曲線の最良の近似となるもの）が各行程区間に関連付けられることになる。

ジオロケーションおよびナビゲーションシステムのコントローラによって、また車両のコンピュータによって共同で実施される方法は、車両の燃料および電気消費を管理するための設定点を計算するための計算方法である。

より正確には、この方法は、予め定義された行程にわたって、車両の燃料消費ならびにその汚染物質放出を最もよく低減するようにして電気ドライブトレーンおよび燃焼ドライブトレーンを使用することがどのように必要になるか決定することにある。

本発明の１つの特定の有利な特徴によれば、この方法は、以下の６つの主なステップ、すなわち、
− とるべき行程を獲得するステップと、
− 前記行程を連続的な隣接する区間Ｔ_ｉに分割するステップと、
− 各区間Ｔ_ｉについて、この区間Ｔ_ｉを特徴付ける属性ＦＣ、ＳＣ、ＳＬ、ＴＳ、ＲＧ、ＬＬ、ＮＬ、ＳＭＳを獲得するステップと、
− 区間Ｔ_ｉのそれぞれについて、この区間Ｔ_ｉの属性ＦＣ、ＳＣ、ＳＬ、ＴＳ、ＲＧ、ＬＬ、ＮＬ、ＳＭＳを考慮して、区間にわたるハイブリッドモータ車両の各燃料消費値ＣＣを主電池の充電または放電ΔＳＯＥにリンクする関係（ここでは基準曲線ＣＥ_ｊと称する）を決定するステップと、
− 行程全体にわたるハイブリッドモータ車両の燃料消費を最小限に抑え、前記行程の終了時に主電池の完全な放電を得るために、各基準曲線ＣＥ_ｊの最適な点Ｐ_ｉを決定するステップと、
− 前記最適な点Ｐ_ｉの座標に従って、エネルギー管理設定点を創出するステップとを含む。

これらの６つの連続的なステップについては、本開示において後で詳細に述べる。

第１のステップは、モータ車両がとらなければならない行程を獲得することにある。

このステップは、ジオロケーションおよびナビゲーションシステム内に埋め込まれたコントローラによって実施され得る。

次いで、このステップは、従来のように実施される。

したがって、運転者が到着ステーションを定義するためにジオロケーションおよびナビゲーションシステムのタッチスクリーンを使用するとき、このシステムのコントローラは、とるべき行程を、特に運転者によって選択されたルート設定パラメータ（最も早い行程、最も短い行程など）に従って計算する。

この段階では、この方法は、車両がジオロケーションおよびナビゲーションシステムによって定義されたものと異なる行程をとったとき直ちに再初期化されなければならないことに留意されたい。

変形形態として、この第１のステップは、異なるように実施されてもよい。

したがって、運転者がタッチスクリーン上で到着ステーションを入力することなしに済ますことが可能となる。このためには、コントローラは、運転者の習慣を検出し、そこから到着ステーションを自動的に推定してもよい。

たとえば、運転者がその週の毎日、職場へ同じ行程をとるとき、運転者がジオロケーションおよびナビゲーションシステムのタッチスクリーン上で情報を入力する必要なしに、この行程が自動的に獲得されてもよい。

この第１のステップの終了時、ジオロケーションおよびナビゲーションシステム内に埋め込まれたコントローラは、車両の行程を知っており、次いでこの行程は、複数の隣接するセグメントから構成され、これらのセグメントは、それぞれが２つのハイウェイ交差点間に延びることを銘記する。

第２のステップは、行程を区間Ｔ_ｉに分割することにある。

行程をセグメントではなく区間に再分割することの利点は、まず、行程の下位区分の数を削減することである。実際、２つの連続的なセグメントの属性が同一であることがしばしば起こる。これらの２つの連続的なセグメントが別々に処理された場合、計算時間は、無意味に増えることになろう。同じ区間内で同一のセグメントを集めることによって、計算時間を削減することが可能となる。

別の利点は、同じセグメントにわたるハイウェイの特性が実質的に変動し得ることである（セグメントのある部分がゼロ勾配のハイウェイに対応することがあり、このセグメントの別の部分が著しい勾配を有するハイウェイに対応することがある）。ここで、目的は、各区間にわたってハイウェイの特性が均質のままである区間に行程を分割することである。

ここで、各区間Ｔ_ｉは、その長さを通して少なくとも１つの不変属性を含む行程の一部分であるものとして定義されることになる。

この属性は、勾配ＲＧおよび／または速度カテゴリＳＣおよび／またはハイウェイカテゴリＦＣからなり得る。

ここで、このステップは、ジオロケーションおよびナビゲーションシステム内に埋め込まれたコントローラによって実施されることになる。このために、コントローラは、前述の３つの属性（ＲＧ、ＳＣ、ＦＣ）が一定である最大長さの区間Ｔ_ｉに行程を分けることになる。

したがって、この第２のステップの終了時、コントローラは、Ｎ個の区間を定義し終えている。

第３のステップは、各区間Ｔ_ｉの属性を獲得することにある。

属性の１つが、考えられている区間にわたって変動するとき、この属性の平均値が、区間全体にわたって考えられることになる。

実際には、この第３のステップは、以下のようにして実施される。

最初に、ジオロケーションおよびナビゲーションシステム内に埋め込まれたコントローラは、新しい行程が計算されたことをコンピュータに通知する。次いで、コンピュータは、たとえば図１に示されているタイプの表の形態で、各区間の属性が送られることを依頼する。

次いで、コントローラは、各区間の属性を以下のようにして獲得する。

コントローラは、属性の一部、特に区間の長さＬＬを計算する。

コントローラは、ジオロケーションおよびナビゲーションシステムのメモリ内の属性の別の一部、特にハイウェイカテゴリＦＣ、勾配ＲＧ、速度カテゴリＳＣ、速度制限ＳＬ、平均速度ＳＭＳ、平均曲率半径ＬＣ、およびレーン数ＮＬを読み取る。

これらの属性の最後の一部が別のデバイスを介して、特にリアルタイム交通の状態にある情報システムが通信してくる瞬間速度ＴＳが通信される。

次いで、コントローラは、この情報すべてを、ＣＡＮバスを介して車両の主コンピュータに送信する。

最初の３つのステップを実施するために車両の主コンピュータではなくジオロケーションおよびナビゲーションシステム内に埋め込まれたコントローラを使用することの利点は、ＣＡＮバスを介してコンピュータに送信されることになる情報の量を削減することにある。実際、同じ属性を有する行程の隣接するセグメントを合体することによって、送信されるデータのボリュームが削減され、これはＣＡＮバスを介したデータ送信を高速化する。

コンピュータは、情報を受信したとき、以下のステップを実施する。

次いで、第４のステップは、区間Ｔ_ｉのそれぞれについて、コンピュータのメモリ内に記録された基準曲線ＣＥ_ｊの中から、考えられている区間Ｔ_ｉにわたる車両のエネルギー消費（燃料および電流における）を最もよく推定することを可能にすることになるものを決定することにある。

次いで、このステップは、属性による各区間の特徴付けからエネルギーコストによる特徴付けに進むことを可能にする。

この第４のステップの過程で、コンピュータは、そのメモリ内に記録されている、図５に示されている表ＴＡＢを使用することになる。

図５に示されているように、この表ＴＡＢは、それぞれが属性の値（または値の範囲）に対応する線を示す。これは、それぞれが基準曲線ＣＥ_ｊの１つに対応する列を示す。図の例では、コンピュータのメモリは、Ｍ個の基準曲線ＣＥ_ｊを記憶することが考えられており、ここでＭは１１に等しい。

図５では、表ＴＡＢのボックスは空のままである。なぜなら、これらのボックスが含む値は、車両の特性に依存することになるからである。

実際には、この表ＴＡＢは、これらのボックスのそれぞれに値を有してコンピュータのメモリ内に記憶されることになる。

これらの値は、各属性値が基準曲線ＣＥ_ｊの１つまたは他のものに対応する確率に対応する確率値（０から１の間）となる。

例として、区間Ｔ_ｉのハイウェイカテゴリＦＣが２に等しい値を有する場合、表では、この区間が基準曲線ＣＥ１によってエネルギーコストで表して十分に特徴付けられる確率がａ_１に等しくなること、この区間が基準曲線ＣＥ２によってエネルギーコストで表して十分に特徴付けられる確率がａ_２に等しくなること、などが読み取られ得る。

勾配ＲＧ値および長さＬＬ値は、設計によりこの表ＴＡＢ内で使用されていないことに留意されたい。

この段階では、次いでコンピュータは、考えられている区間Ｔ_ｉの各属性の値に対応する各確率値を読み取ることができる。

図の例では、属性ＦＣが２に等しいこと、属性ＳＣが６に等しいこと、属性ＳＬが３０に等しいこと、属性ＮＬが２に等しいこと、属性ＳＭＳが６０と８０の間であること、および属性ＴＳが４０と６０の間であることが考えられる場合、コンピュータは、ａ_１からａ_１１、ｂ_１からｂ_１１、ｃ_１からｃ_１１、ｄ_１からｄ_１１、ｅ_１からｅ_１１、およびｆ_１からｆ_１１によって示されている値を読み取る。

次いで、コンピュータは、考えられている区間Ｔ_ｉが１１本の基準曲線ＣＥ_ｊのそれぞれによってエネルギーコストで表して十分に特徴付けられる確率を合計する。

したがって、図の例では、コンピュータは、ａ_１からｆ_１、次いでａ_２からｆ_２などによって示されている値を合計する。

最後に、コンピュータは、１１個の和のどれが最も高い結果をもたらすか決定する。

次いで、コンピュータは、この高い確率の和が関連付けられる基準曲線ＣＥ_ｊが、エネルギーコストで表して区間Ｔ_ｉを最もよく特徴付けるものであると考える。

次いで、コンピュータは、そのメモリ内に、この基準曲線ＣＥ_ｊを特徴付けるパラメータの値を獲得することができる。

本開示のこの段階では、焦点は、より具体的には、これらの基準曲線がどのように得られモデル化されるかにある。

各車両モデルについて（または、各エンジン／モータモデルについて、または自動車モデルの各セットについて、またはエンジン／モータモデルの各セットについて）、ハイウェイの異なる地理的局所化された区間に対して多数のテスト走行（またはテスト走行のシミュレーション）を実施することが必要である。

これらのテスト走行は、その属性が既知である異なる区間にわたって車両の燃料消費および電気消費を決定することを可能にする。このために、車両は、電気モータによって創出される牽引力の割当てが増大するたびに、各区間にわたって複数回運転される。

次いで、各区間について比消費曲線ＣＣＳを生成することが可能である。これらの比消費曲線は、図４に示されているタイプの曲線である。

これらの曲線のそれぞれにおいて、電気エネルギーがより多く使用されるほど（すなわち、ΔＳｏＥ＜０）、燃料消費は、電気ドライブトレーンだけを使用する走行中、０に達するまで、より低下することが観察され得る。逆に、燃焼エンジンを介してバッテリをより多く充電しようとするほど（ΔＳｏＥ＞０）、燃料消費はより増大する。最後に、各比消費曲線ＣＣＳは、補助デバイスによる電気消費なしで水平なハイウェイ走行（ゼロ勾配）の状況について車両の平均エネルギー消費を表すことを想起されたい。

これらのテスト走行は、テストされた区間と同数の比消費曲線ＣＣＳを見出すことを可能にする。

各比消費曲線ＣＣＳは、主電池の充電および放電の変動ΔＳＯＥが最小閾値ΔＳＯＥ_ｍｉｎと最大閾値ΔＳＯＥ_ｍａｘとの間で境界を画される２次多項式によってモデル化することができ、これは以下のように書くことができる。
ここで、Ψ_０、Ψ_１、Ψ_２は、多項式の係数である。

図４における曲線が示すように、このモデルを単純化するために、２つの係数Ψ_１、Ψ_２は曲線間で同一であることが推定され得る。また、最小閾値ΔＳＯＥ_ｍｉｎは多項式の３つの係数に依存することが観察され得る。したがって、係数Ψ_０および最大閾値ΔＳＯＥ_ｍａｘだけが変動する。したがって、これらの２つの値が、書く比消費曲線ＣＣＳを特徴付けることを可能にする。

次いで、図３は、その座標がこれらの２つの変数Ψ_０およびΔＳＯＥ_ｍａｘに対応する点を示す。図３は、行われたテスト走行中に得られた比消費曲線ＣＣＳの分布を示す。ここで、これらの点は、１１個の異なるエリア内に分布すると考えられる。次いで、各エリアは、その重心によって定義される。

したがって、上記で開示されているように、この方法では、考えられている区間に正確に対応するであろう比消費曲線が取得されるのではなく、それらの変数Ψ_０およびΔＳＯＥ_ｍａｘが１１個のエリアのうちの１つの重心に対応する１１個の基準曲線の１つが考えられる。

この方法のこの段階では、次いで、各区間Ｔ_ｉは、図２に示されているように、前述のパラメータΨ_０、Ψ_１、Ψ_２、ΔＳＯＥ_ｍｉｎおよびΔＳＯＥ_ｍａｘによって、また各区間Ｔ_ｉの長さＬＬ_ｉによって、またその勾配ＲＧ_ｉによって定義される。

上述のように、選択された基準曲線ＣＥ_ｊは、区間Ｔ_ｉの勾配も補助デバイス（空調モータなど）の電気消費も考慮していない。

各区間Ｔ_ｉの勾配を考慮するために、勾配ＲＧ_ｉに従って各基準曲線ＣＥ_ｊを補正するための補正ステップが提供される。

図７に明確に示されているように、この補正ステップは、単純に、勾配ＲＧ_ｉによる値だけ区間Ｔ_ｉに関連付けられた基準曲線ＣＥ_ｊを上方または下方に（すなわち、一定の充電または放電ΔＳＯＥで）シフトすることにある。

実際、考えられているハイウェイの区間が坂を上るとき、燃料消費は、最初に予想されたより高くなることを理解されたい。逆に、考えられているハイウェイの区間が坂を下るとき、燃料消費は、最初に予想されたより低くなる。

さらに、制動段階中には、上り坂より下り坂の方がより多くの電気を回収することが可能になる。

実際には、補正ステップは、以下の式に従ってパラメータΨ_０を補正することになる。
Ψ_０’＝Ψ_０＋Ｋ．ＲＧ_ｉ
ここで、Ｋは、考えられている車両モデルおよびその特性（例として、ここではＫ＝０．０１３２７ ｌ．ｋｍ^−１を考えることができる）に依存する値にある係数である。

補助デバイスの電気消費を考慮するために、これらの補助デバイスによって消費される電力Ｐ_ａｕｘに従って各基準曲線ＣＥ_ｊを補正するための第２の補正ステップが提供される。

ここで、考えられている電力値Ｐ_ａｕｘは、計算時に測定することができる値であることに留意されたい。したがって、この方法では、消費される電力は、行程中、実質的に一定のままであると仮定される。仮に（たとえば空調がオンにされたので）コンピュータが著しい持続時間にわたってこの電力の大きな変動を検出することになったとしても、この段階で、新しい電力値Ｐ_ａｕｘを考慮するために、この方法を再起動することをプログラムすることができる。

より正確には、この方法は、計算において考えられている電力と測定された電力との差がある閾値（たとえば、５分）を超える持続時間にわたってある閾値（たとえば、１０％）より高いままでなければならない場合、この第２の補正ステップに対して再初期化することができる。

図６に明確に示されているように、第２の補正ステップは、単純に、電力値Ｐ_ａｕｘによる値だけ区間Ｔ_ｉに関連付けられた基準曲線ＣＥ_ｊを左に（すなわち、一定の燃料消費で）シフトすることにある。

実際、電気デバイスが使用されるとき、バッテリ充電は予想されたより遅くなり、このバッテリの放電は予想されたより早くなることを理解されたい。

実際には、補正ステップは、以下の式から計算される値Ｅ_ＡＵＸだけ基準曲線ＣＥ_ｊをシフトすることなる。
上式で、
は、区間にわたる平均速度（単位ｋｐｈ）を表す。この値は、交通速度の値または統計的平均速度または速度制限に等しくなると推定することによって、ジオロケーションおよびナビゲーションシステムによって直接供給されてもよい。

次いで、この方法の第５のステップは、基準曲線ＣＥ_ｊのそれぞれにおいて、行程全体にわたるハイブリッドモータ車両の燃料消費を最小限に抑え、前記行程の終了時に主電池の完全な放電を得るために、最適な点Ｐ_ｉを決定することにある。

このステップは、ここでは、タイプＡ^＊最適化アルゴリズムにより実施される。これは、従来技術で知られているアルゴリズムであり、したがってここでは詳細に述べない。しかし、その動作については簡単に述べることができる。

このために、図８を参照する。

図８では、各区間について、一連の交差する点が、縦軸に平行なエネルギー状態ＳＯＥによってプロットされており、横座標は、出発ステーションと区間の最終点との間の距離（単位キロメートル）に等しいことがわかる。この線の各点は、この区間に関連付けられた基準曲線ＣＥ_ｊから推定された達成可能なエネルギー状態ＳＯＥに対応する。エネルギー状態ＳＯＥ空間は、有限数の点で離散化される。

次いで、各点の縦座標は、主電池に適用される充電または放電を考慮して、車両が基準曲線ＣＥｊの対応する点に従って運転された場合区間の終了時に残っているはずの主電池のエネルギー状態ＳＯＥに等しい。

したがって、各点は、ノードｎを構成する。

次いで、アルゴリズムＡ^＊の目標は、車両の燃料消費を最小限に抑えることになる経路Ｃｌを見出すことである。

ノードｎを探索するための順序の選択肢は、以下の式によって示されているように、コスト関数ｇとヒューリスティック関数ｈの和である関数ｆを最小限に抑えるように試みることによって決定される。
ｆ（ｎ）＝ｇ（ｎ）＋ｈ（ｎ）
上式でｇ（ｎ）は、先行する区間にわたる、バッテリに適用されることになる充電または放電ΔＳＯＥの選択肢による最良の使用可能な軌道にわたって最初のノード（行程の開始）からノードｎに到着するために必要とされる燃料の量を表し、
上式でｈ（ｎ）は、ノードｎからの主電池の線形放電の場合を考えることによってノードｎから最終ノードへ進むために主電池に適用することができる充電または放電ΔＳＯＥで消費されることになる残りの燃料の量の最適な推定値を表す。

関数ｆは、アルゴリズムが各計算ステップにおいて、現在のノードに到着するためのコストを最小限に抑えるだけでなくこのノードから行程の終わりまで残りのコストをも最小限に抑える軌道を探索することを可能にする。

したがって、関数ｆの使用は、このアルゴリズムが最適な軌道に最も近い軌道を探索させ、これは、最適に満たない軌道の探索を制限し、これは、アルゴリズムが最小限の計算ステップで良好な結果を得ることを可能にする。

最適な経路（基準曲線ＣＥ_ｊの最適な点を通過する）が見出された後で、コンピュータは、最適な点Ｐ_ｉの座標に従ってエネルギー管理設定点を創出する。

次いで、このエネルギー管理設定点は、軌道を追跡するためにコンピュータによって行程の過程で使用され、その結果、主電池のエネルギー状態ＳＯＥは、図８に示されている経路Ｃｌに従う。

複数の方法が、そのような追跡を実施することを可能にする。特に、一例は、本出願人によって出願された特許出願ＦＲ２９８８６７４、または文献ＷＯ２０１３１５０２０６およびＷＯ２０１４００１７０７に十分に示されている。

本発明は、決して記載され表されている実施形態に制限されず、当業者ならその精神に入る任意の変形形態をどのように適用するかわかるであろう。

具体的には、基準曲線のパラメータΨ_０、Ψ_１、Ψ_２、ΔＳＯＥ_ｍｉｎ、ΔＳＯＥ_ｍａｘを記憶する代わりに、各基準曲線の形態をグローバルに特徴付ける点を記憶するようにコンピュータに用意してもよい。次いでこれはマップとして参照される。

本発明の別の変形形態によれば、ジオロケーションおよびナビゲーションシステムが行程の区間の属性の値を知らない場合、以下のようになっていてもよい。
− 確率の和の計算では、この属性に割り当てられる確率の値が考慮されない。
− 計算では、その未知の値が所定の値で置き換えられる。

Claims (13)

1. 主電池によって電気が供給される少なくとも１つの電気モータと燃料が供給される内燃エンジンとを備えるハイブリッドモータ車両の燃料および電気消費を管理するための設定点を計算するための計算方法であって、
   ａ）ナビゲーションシステムにより、とるべき行程を獲得するステップと、
   ｂ）前記行程を連続的な区間（Ｔ_ｉ，ｉ∈｛１．．．Ｎ｝）に分割するステップと、
   ｃ）各区間（Ｔ_ｉ）について、前記区間（Ｔ_ｉ）を特徴付ける属性（ＦＣ、ＳＣ、ＳＬ、ＴＳ、ＲＧ、ＬＬ、ＮＬ、ＳＭＳ）を獲得するステップと、
   ｄ）前記区間（Ｔ_ｉ）のそれぞれについて、かつその属性（ＦＣ、ＳＣ、ＳＬ、ＴＳ、ＲＧ、ＬＬ、ＮＬ、ＳＭＳ）を考慮して、燃料消費（ＣＣ）値を電気エネルギー消費（ΔＳＯＥ）値にリンクする複数の所定の関係（ＣＥ_ｊ，ｊ∈｛１．．．Ｍ｝）の中から、前記区間（Ｔ_ｉ）にわたる前記ハイブリッドモータ車両の前記燃料消費（ＣＣ）をその電気エネルギー消費（ΔＳＯＥ）にリンクする関係（ＣＥ_ｊ）を選択するステップと、
   ｅ）前記選択された関係（ＣＥ_ｊ）のそれぞれにおいて消費の最適な点（Ｐ_ｉ）を決定するステップであって、最適な点のセット（Ｐ_ｉ，ｉ∈｛１．．．Ｎ｝）が行程全体にわたる前記ハイブリッドモータ車両の前記燃料消費を最小限に抑え、前記行程の終了時に前記主電池の放電を最大にするように決定するステップと、
   ｆ）前記最適な点（Ｐ_ｉ）の座標に従って、前記行程を通してエネルギー管理設定点を創出するステップとを含むことを特徴とする方法。
2. 前記所定の関係（ＣＥ_ｊ）は、前記内燃エンジンの燃料消費（ＣＣ）値を前記主電池の充電または放電（ΔＳＯＥ）値にリンクする曲線またはマップである、請求項１に記載の計算方法。
3. ステップｄ）では、前記関係（ＣＥ_ｊ）は、前記区間（Ｔ_ｉ）の勾配（ＲＧ）にかかわりなく選択され、ステップｅ）の前に、前記勾配（ＲＧ）を考慮して前記関係（ＣＥ_ｊ）を補正するための補正ステップｄ１）が提供される、請求項１または２に記載の計算方法。
4. 前記補正ステップｄ１）は、一定の充電または放電（ΔＳＯＥ）値において、前記勾配（ＲＧ）による値だけ前記燃料消費（ＣＣ）を修正するように前記関係（ＣＥ_ｊ）の各点をシフトすることにある、請求項３に記載の計算方法。
5. ステップｄ）では、前記関係（ＣＥ_ｊ）は、前記電気モータから分離されており前記主電池によって給電される補助デバイスの電気消費にかかわりなく選択され、ステップｅ）の前に、前記補助デバイスの前記電気消費を考慮して前記関係（ＣＥ_ｊ）を補正するための補正ステップｄ２）が提供される、請求項１から４のいずれか一項に記載の計算方法。
6. 前記補正ステップｄ２）は、一定の燃料消費（ＣＣ）値において、前記補助デバイスの前記電気消費による値だけ前記充電または放電（ΔＳＯＥ）を修正するように前記関係（ＣＥ_ｊ）の各点をシフトすることにある、請求項５に記載の計算方法。
7. 前記行程中、前記補助デバイスの前記電気消費が実質的に変動したとき、ステップｄ）および以下が繰り返される、請求項６に記載の計算方法。
8. 前記所定の関係（ＣＥ_ｊ）と、前記区間（Ｔ_ｉ）が前記所定の関係（ＣＥ_ｊ）の１つまたは他のものに関連付けられる確率を各属性値（ＦＣ、ＳＣ、ＳＬ、ＴＳ、ＲＧ、ＬＬ、ＮＬ、ＳＭＳ）に関連付ける表（ＴＡＢ）とを記憶するメモリが、ステップｄ）で、各区間（Ｔ_ｉ）について提供され、
   前記表（ＴＡＢ）により、この区間（Ｔ_ｉ）に関連付けられた前記属性（ＦＣ、ＳＣ、ＳＬ、ＴＳ、ＲＧ、ＬＬ、ＮＬ、ＳＭＳ）の前記値を考慮して、前記区間（Ｔ_ｉ）が前記所定の関係（ＣＥ_ｊ）の１つまたは他のものに属する確率の和を決定し、
   最も高い確率和を有する関係（ＣＥ_ｊ）を選択する、請求項１から７のいずれか一項に記載の計算方法。
9. 前記関係が曲線であるため、各曲線（ＣＥ_ｊ）は、２次多項式として定義され、前記主電池の充電および放電（ΔＳＯＥ）の変動は、最小閾値（ΔＳＯＥ_ｍｉｎ）と最大閾値（ΔＳＯＥ_ｍａｘ）との間で境界を画される、請求項１から８のいずれか一項に記載の計算方法。
10. 前記多項式は、２つの不変係数（Ψ_１、Ψ_２）を有する、請求項９に記載の計算方法。
11. ステップｂ）では、各区間（Ｔ_ｉ）は、その長さを通して少なくとも１つの不変属性（ＲＧ、ＳＣ、ＦＣ）を含む前記行程の最大長さの一部分であるものとして定義される、請求項１から１０のいずれか一項に記載の計算方法。
12. 各区間（Ｔ_ｉ）にわたる前記不変属性は、以下のリスト、すなわち
    前記区間（Ｔ_ｉ）の勾配（ＲＧ）、
    前記区間（Ｔ_ｉ）にわたる車両の特徴的な速度（ＳＣ）、
    前記ナビゲーションシステムによって前記区間（Ｔ_ｉ）に割り当てられたカテゴリ（ＦＣ）
    から選ばれる、請求項１１に記載の計算方法。
13. ステップｅ）では、各区間（Ｔ_ｉ）に関連付けられた前記関係（ＣＥ_ｊ）の最適な消費点（Ｐ_ｉ）は、最適化アルゴリズム（Ａ^＊）により決定される、請求項１から１２のいずれか一項に記載の計算方法。