JP2019094044A - 車両制御装置 - Google Patents

Abstract

【課題】先行車両に対する追従性を確保しつつ、燃費を改善することの可能な車両制御装置を提供する。【解決手段】車両制御装置５０は、自車両１０の前方を走行する先行車両に自車両１０を追従させるべく、自車両１０の走行を制御することの可能な走行制御を実行する。車両制御装置５０は、自車両１０の燃費が悪化するような周囲環境の変化が生じているか否かを予測する予測ＥＣＵ３３と、予測ＥＣＵ３３により自車両１０の燃費が悪化するような周囲環境の変化が生じていることが予測された際に、自車両１０の加速度を制限することの可能な予測制御を実行するＡＣＣＥＣＵ３２と、を備える。【選択図】図１

Description

本開示は、車両制御装置に関する。

従来、下記特許文献１に記載の車両制御装置がある。この車両制御装置は、自車両の速度に応じて最小車間距離を設定し、自車両前方を走行中の先行車両と自車両との車間距離が最小車間距離よりも小さくなったときに、エンジンやモータ等の動力源を停止させて自車両を惰性走行させる。また、この車両制御装置は、自車両の速度に応じて最大車間距離を設定し、惰性走行中、上記の車間距離が最大車間距離よりも大きくなったときに動力源の駆動を開始する。

特開２００７−２９１９１９号公報

ところで、先行車両が急減速したり、隣接車線から他車両が割り込んだりしたような場合、先行車両との車間距離を確保するために、制動による減速制御や、加速の制限により発生するエンジン始動直後のエンジンの停止が避けられなくなることがある。これにより、制動による減速制御が行われた場合にはエネルギの損失が発生する。また、エンジン始動直後のエンジンの停止はエンジン効率の悪化を招く。そのため、制動による減速制御やエンジン始動直後のエンジンの停止は、燃費の悪化を招く要因となる。

一方、このような問題に対応するために、先行車両との車間距離を常に拡大したり、加速度を制限したりして走行することも対策として考えられるが、これらの対策を行うと、先行車両に対する追従性が悪化し、運転者が違和感を覚える。
これらの問題に対する対策に関して、上記特許文献１に記載の車両制御装置では言及がなされていない。

本開示は、こうした実情に鑑みてなされたものであり、その目的は、先行車両に対する追従性を確保しつつ、燃費を改善することの可能な車両制御装置を提供することにある。

上記課題を解決する車両制御装置（５０）は、自車両（１０）の前方を走行する先行車両に自車両を追従させるべく、自車両の走行を制御することの可能な走行制御を実行する。車両制御装置は、自車両の燃費が悪化するような周囲環境の変化が生じているか否かを予測する環境予測部（３３）と、環境予測部により自車両の燃費が悪化するような周囲環境の変化が生じていることが予測された際に、自車両の加速度を制限することの可能な予測制御を実行する加速度制御部（３２）と、を備える。

この構成によれば、自車両の燃費が悪化するような周囲環境の変化が生じた場合には、自車両の加速度が予め制限されるため、自車両の燃費が実際に悪化してしまう状況を回避することが可能である。よって、自車両の燃費を改善することができる。
なお、上記手段、特許請求の範囲に記載の括弧内の符号は、後述する実施形態に記載の具体的手段との対応関係を示す一例である。

本開示によれば、先行車両に対する追従性を確保しつつ、燃費を改善することの可能な車両制御装置を提供できる。

図１は、第１実施形態の車両の概略構成を示すブロック図である。 図２は、第１実施形態のＡＣＣＥＣＵによる車両の制御方法の一例を示すグラフである。 図３は、第１実施形態のＡＣＣＥＣＵによる車両の制御方法の一例を示すグラフである。 図４は、第１実施形態のＡＣＣＥＣＵ及び予測ＥＣＵにより実行される処理の手順を示すフローチャートである。 図５は、第１実施形態の予測ＥＣＵによる理想走行範囲に対する自車両の逸脱量の算出方法の一例を示すグラフである。 図６は、第１実施形態の予測ＥＣＵにより用いられる車速と確率との関係を示すグラフである。 図７（Ａ）〜（Ｃ）は、第１実施形態の車両における車速、駆動エネルギ、及び車間距離の推移を示すタイミングチャートである。 図８は、第２実施形態の車両の概略構成を示すブロック図である。 図９は、第２実施形態のＡＣＣＥＣＵ及び予測ＥＣＵにより実行される処理の手順を示すフローチャートである。 図１０は、第２実施形態の予測ＥＣＵにより用いられる加速度と実質エンジン効率との関係を示すマップである。 図１１（Ａ）〜（Ｃ）は、第２実施形態の車両における車速、駆動エネルギ、及びエンジン回転速度の推移を示すタイミングチャートである。 図１２は、他の実施形態の予測ＥＣＵにより実行される先行車両の切り替え手順を示すタイムチャートである。 図１３（Ａ），（Ｂ）は、車速及び減速挙動発生確率の時間的な推移の一例を示すタイミングチャートである。 図１４は、第３実施形態の減速挙動モデル及び通過挙動モデルのそれぞれの尤度の差に対する減速挙動モデルの頻度の算出値、通過挙動モデルの頻度の算出値、及び減速挙動発生確率のそれぞれの値の推移を示すグラフである。 図１５は、第３実施形態のＡＣＣＥＣＵ及び予測ＥＣＵにより実行される処理の手順を示すフローチャートである。 図１６は、第３実施形態の予測ＥＣＵにより実行される挙動発生確率演算処理の手順を示すフローチャートである。 図１７は、第３実施形態の青信号継続時間の計測方法の一例を示すグラフである。 図１８は、第３実施形態の青信号継続時間の計測方法の一例を示すグラフである。 図１９は、第３実施形態の青信号継続時間γと、青信号から黄信号に切り替わる確率ｐ_sigとの関係を示すマップである。

以下、車両制御装置の実施形態について図面を参照しながら説明する。説明の理解を容易にするため、各図面において同一の構成要素に対しては可能な限り同一の符号を付して、重複する説明は省略する。
＜第１実施形態＞
はじめに、第１実施形態の車両制御装置が搭載される車両の概略構成について説明する。

図１に示されるように、車両１０は、モータジェネレータ２０の動力に基づいて走行する、いわゆる電気自動車である。車両１０は、モータジェネレータ２０の他、インバータ装置２１と、バッテリ２２と、クラッチ２３とを備えている。
バッテリ２２は、充電及び放電の可能なリチウムイオン電池等の二次電池からなる。インバータ装置２１は、バッテリ２２に充電されている直流電力を交流電力に変換し、変換された交流電力をモータジェネレータ２０に供給する。モータジェネレータ２０は、インバータ装置２１から供給される交流電力に基づき駆動し、第１動力伝達軸２４を回転させる。第１動力伝達軸２４は、クラッチ２３を介して第２動力伝達軸２５に連結されている。クラッチ２３は、第１動力伝達軸２４と第２動力伝達軸２５とを連結することによりそれらの間の動力の伝達を可能とする接続状態と、第１動力伝達軸２４と第２動力伝達軸２５との連結を解除することによりそれらの間の動力の伝達を遮断する非接続状態とに遷移可能である。クラッチ２３が接続状態である場合、モータジェネレータ２０から第１動力伝達軸２４に伝達された動力は、第２動力伝達軸２５、ディファレンシャルギア２６、及び駆動軸２７を介して車両１０の車輪２８に伝達される。これにより、車両１０が走行する。このように、本実施形態では、モータジェネレータ２０がパワートレインに相当する。

モータジェネレータ２０は、車両１０の制動時に回生発電を行う。すなわち、車両１０の制動時に車輪２８に作用する制動力は、駆動軸２７、ディファレンシャルギア２６、第２動力伝達軸２５、クラッチ２３、及び第１動力伝達軸２４を介してモータジェネレータ２０に入力される。モータジェネレータ２０は、この車輪２８から入力される動力に基づいて発電する。モータジェネレータ２０により発電される電力は、インバータ装置２１により交流電力から直流電力に変換されてバッテリ２２に充電される。

車両１０は、ＭＧ（Motor Generator）ＥＣＵ（Electronic Control Unit）３０と、ＥＶ（Electric Vehicle）ＥＣＵ３１と、ＡＣＣ（Adaptive Cruise Control）ＥＣＵ３２と、予測ＥＣＵ３３と、周辺監視装置３４と、車両状態量センサ３５とを更に備えている。各ＥＣＵ３０〜３３は、ＣＰＵやＲＯＭ、ＲＡＭ等の記憶装置を有するマイクロコンピュータを中心に構成されており、記憶装置に予め記憶されているプログラムを実行することにより、各種制御を実行する。

車両状態量センサ３５は、車両１０の各種状態量を検出する。車両状態量センサ３５により検出される各種状態量には、車両１０の速度や加速度等の情報が含まれている。
周辺監視装置３４は、カメラやミリ波レーダ装置や、レーザレーダ装置等からなる。周辺監視装置３４は、自車両１０の周辺を走行する周辺車両を検出するとともに、周辺車両に関する各種状態量を算出する。周辺車両には、自車両１０が走行中の車線において自車両１０の前方を走行する先行車両や、自車両１０が走行中の車線と隣り合う隣接車線を走行する隣接走行車両が含まれている。周辺監視装置３４により検出される状態量には、自車両１０に対する周辺車両の相対位置、相対距離、相対速度、及び相対加速度等が含まれている。周辺車両の相対距離は車間距離に相当する。なお、自車両１０に対する周辺車両の相対位置は、例えば自車両１０の左右方向の軸、及び車両１０の前後方向の軸を用いた二軸座標系の位置として定義される。本実施形態では、周辺監視装置３４が周辺監視部に相当する。

ＭＧＥＣＵ３０は、ＥＶＥＣＵ３１からの指令に基づいてインバータ装置２１を駆動させることにより、モータジェネレータ２０の動作を制御する。例えばＥＶＥＣＵ３１は、モータジェネレータ２０の出力動力の指令値である動力指令値をＭＧＥＣＵ３０に送信する。ＭＧＥＣＵ３０は、ＥＶＥＣＵ３１から送信される動力指令値を受信すると、この動力指令値に応じた動力がモータジェネレータ２０から出力されるようにインバータ装置２１の駆動を制御する。また、ＭＧＥＣＵ３０は、車両１０の制動時には、モータジェネレータ２０の回生発電により発電された電力がバッテリ２２に充電されるようにインバータ装置２１を駆動させる。

ＥＶＥＣＵ３１は、運転者の運転要求に応じた走行を実現するために必要な動力指令値を演算するとともに、演算された動力指令値をＭＧＥＣＵ３０に送信することにより、運転者の運転要求に応じた車両１０の走行を実現する。また、ＥＶＥＣＵ３１は、各種制御に必要な情報をＡＣＣＥＣＵ３２との間で授受するとともに、ＡＣＣＥＣＵ３２の要求に応じた動力指令値を演算する。例えばＥＶＥＣＵ３１は、車両１０の加速度の指令値である加速度指令値をＡＣＣＥＣＵ３２から受信すると、加速度指令値に対応した動力指令値を演算するとともに、演算した動力指令値をＭＧＥＣＵ３０に送信することにより、加速度指令値に応じた加速度で車両１０を加速させる。また、ＥＶＥＣＵ３１は、例えばＡＣＣＥＣＵ３２からの要求に応じてクラッチ２３を接続又は非接続状態に遷移させる。本実施形態では、ＥＶＥＣＵ３１が走行制御部に相当する。

ＡＣＣＥＣＵ３２は、例えば車両１０に設けられた操作部が乗員により操作されることに基づいて車両の走行制御を実行する。ＡＣＣＥＣＵ３２は、走行制御として、車両１０が一定速度で走行するように車両１０の走行を制御するＣＣ（Cruise Control）制御と、自車両１０の前方を走行する先行車両に追従するように車両１０の走行を制御するＡＣＣ（Adaptive Cruise Control）制御とを実行する。本実施形態では、ＡＣＣ制御が、自車両１０を先行車両に追従させるべく自車両１０の加速及び減速を制御する速度制御に相当する。本実施形態では、ＡＣＣＥＣＵ３２が加速度制御部に相当する。

具体的には、ＡＣＣＥＣＵ３２は、車両１０に対する先行車両の相対速度及び相対距離に基づいて、車両１０が先行車両に追いつくまでの時間である車間時間ＴＨＷを演算する。ＡＣＣＥＣＵ３２は、図２に示されるように、車間時間ＴＨＷが所定の第１時間閾値Ｔｔｈ１以上である場合には、すなわち車両１０が先行車両に追いつく状態になるまでに時間的な余裕がある場合には、ＣＣ制御を実行する。ＡＣＣＥＣＵ３２は、ＣＣ制御として、車両１０の加速及び減速を繰り返して実行する。その際、ＡＣＣＥＣＵ３２は、車両１０の平均速度が、操作部を通じて乗員により設定された速度Ｖｓｅｔとなるように、車両１０の加速度及び減速度を制御する。

詳しくは、ＡＣＣＥＣＵ３２は、乗員の設定速度Ｖｓｅｔに基づいて、図３に示されるように、設定速度Ｖｓｅｔよりも小さい下限速度ＶＬと、設定速度よりも大きい上限速度ＶＨとを設定する。ＡＣＣＥＣＵ３２は、車両１０が減速することにより車両１０の速度Ｖｃが下限速度ＶＬに達した場合には、車両１０を加速させる加速制御を実行する。ＡＣＣＥＣＵ３２は、加速制御として、予め設定された正の値の加速度指令値をＥＶＥＣＵ３１に送信する。これにより、ＥＶＥＣＵ３１が、加速指令値に応じた正の値の動力指令値を演算するとともに、この動力指令値をＭＧＥＣＵ３０に送信することにより、車両１０が所定の加速度で加速する。

また、ＡＣＣＥＣＵ３２は、車両１０を加速させている際に車両の速度Ｖｃが上限速度ＶＨに達した場合には、車両１０を惰性走行させることにより車両１０を減速させるコースティング制御を実行する。ＡＣＣＥＣＵ３２は、コースティング制御として、零に設定された加速度指令値をＥＶＥＣＵ３１に送信するとともに、クラッチ２３を非接続状態にする旨の指令をＥＶＥＣＵ３１に送信する。これにより、ＥＶＥＣＵ３１が、零に設定された動力指令値をＭＧＥＣＵ３０に送信するとともに、クラッチ２３を非接続状態にする。結果的に、モータジェネレータ２０の駆動が停止し、車両１０が惰性走行するようになるため、車両１０が自然に減速する。その後、ＡＣＣＥＣＵ３２は、車両１０の速度Ｖｃが下限速度ＶＬに達すると、クラッチ２３を接続状態にする旨の指令をＥＶＥＣＵ３１に送信するとともに、上記の加速制御を再び実行する。

一方、図２に示されるように、ＡＣＣＥＣＵ３２は、車間時間ＴＨＷが第２時間閾値Ｔｈ２以上であって、且つ第１時間閾値Ｔｔｈ１未満である場合には、ＡＣＣ制御を実行する。ＡＣＣＥＣＵ３２は、ＡＣＣ制御として、自車両１０が先行車両に追従して走行するように車両１０の加速及び減速を繰り返して実行する、いわゆるバーンアンドコースト制御を実行する。

具体的には、ＡＣＣＥＣＵ３２は、先行車両の相対速度Ｖｒが所定の第１速度閾値Ｖｔｈ１未満である場合には、すなわち自車両１０が先行車両に急速に接近している場合には、回生制御を行う。ＡＣＣＥＣＵ３２は、回生制御として、負の値に設定された加速度指令値をＥＶＥＣＵ３１に送信する。これにより、ＥＶＥＣＵ３１は、加速度指令値に応じた負の値の動力指令値を演算するとともに、この動力指令値をＭＧＥＣＵ３０に送信することにより、モータジェネレータ２０に回生発電を行わせる。モータジェネレータ２０が回生発電を行うと、その回生エネルギにより車両１０の車輪２８に制動力が加わるため、車両１０を惰性走行させる場合と比較すると、より速く車両１０を減速させることができる。よって、車両１０と先行車両との車間距離を広げることができる。

また、ＡＣＣＥＣＵ３２は、第１速度閾値Ｖｔｈ１よりも大きい第２速度閾値Ｖｔｈ２を有しており、先行車両の相対速度Ｖｒが第１速度閾値Ｖｔｈ１から第２速度閾値Ｖｔｈ２の範囲である場合には、上記のコースティング制御を実行する。また、ＡＣＣＥＣＵ３２は、第１時間閾値Ｔｔｈ１と第２時間閾値Ｔｔｈ２との間の値に設定された第３時間閾値Ｔｔｈ３を有しており、先行車両の相対速度Ｖｒが第２速度閾値Ｖｔｈ２以上であって、且つ車間時間ＴＨＷが第２時間閾値Ｔｔｈ２から第３時間閾値Ｔｔｈ３までの範囲の値である場合にも、上記のコースティング制御を実行する。このコースティング制御により、車両１０と先行車両との車間距離を広げることができる。

さらに、ＡＣＣＥＣＵ３２は、先行車両の相対速度Ｖｒが第２速度閾値Ｖｔｈ２以上であり、且つ車間時間ＴＨＷが第３時間閾値Ｔｔｈ３から第１時間閾値Ｔｔｈ１までの範囲の値である場合には、上記の加速制御を実行する。
このように、ＡＣＣＥＣＵ３２は、車間時間ＴＨＷ及び先行車両の相対速度Ｖｒに応じて回生制御、コースティング制御、及び加速制御を選択的に実行することにより、自車両１０を先行車両に追従させる。

ところで、ＡＣＣＥＣＵ３２がＣＣ制御又はＡＣＣ制御において加速制御を実行している状況において先行車両が急減速したような場合、車間時間ＴＨＷや相対速度Ｖｒが急激に小さくなる可能性がある。これにより、ＡＣＣＥＣＵ３２が回生制御を実行して車輪２８に制動力を発生させると、車両１０の運動エネルギの一部は回生制御によってバッテリ２２に電気エネルギとして回収可能であるが、その他の運動エネルギは、車輪２８に制動力を発生させる際に熱エネルギに変換され大気に放熱されるため、回収できない。よって、エネルギの損失が避けられないものとなる。また、車両１０の運動エネルギを電気エネルギに変換する際にも、エネルギの損失が発生する。このようなエネルギの損失は、車両１０の燃費を悪化させる要因となる。

そこで、本実施形態の車両１０では、先行車両が急減速するような周囲環境の変化、すなわち車両１０の燃費を悪化させるような周囲環境の変化が生じているか否かを予測ＥＣＵ３３が予測する。本実施形態では、予測ＥＣＵ３３が環境予測部に相当する。ＡＣＣＥＣＵ３２は、予測ＥＣＵ３３により自車両１０の燃費が悪化するような周囲環境の変化が生じていることを予測した際に、上記のＡＣＣ制御による回生制御が実行されるよりも前に、自車両１０の加速度を予め制限する予測制御を実行する。

また、図１に示されるように、予測ＥＣＵ３３は、車両１０に搭載された通信部３６を介してネットワーク回線４０に無線接続することが可能となっている。予測ＥＣＵ３３は、ネットワーク回線４０を介してサーバ装置４１と各種通信を行う。サーバ装置４１は、複数の車両から各種状態量を取得するとともに、その状態量をデータベース化している。また、サーバ装置４１は、データベース化された複数の車両の状態量に基づいて、各種走行モデルを作成する。予測ＥＣＵ３３は、サーバ装置４１により作成された走行モデルを用いることにより、周辺車両の走行軌跡を予測することが可能である。本実施形態では、ＡＣＣＥＣＵ３２、予測ＥＣＵ３３、及び通信部３６により車両制御装置５０が構成されている。

なお、予測ＥＣＵ３３は、高速処理が必要なこと，及び複数のＥＣＵとの接続が必要なことから、各コンポーネントを制御するＥＣＵとは独立に配置されている。
次に、図４を参照して、ＡＣＣＥＣＵ３２及び予測ＥＣＵ３３により実行される予測制御の処理手順について具体的に説明する。なお、ＡＣＣＥＣＵ３２及び予測ＥＣＵ３３は、図４に示される処理を所定の周期で繰り返し実行する。

図４に示されるように、予測ＥＣＵ３３は、まず、ステップＳ１０の処理として、周辺監視装置３４から周辺車両の現在の状態量を取得する。予測ＥＣＵ３３が周辺監視装置３４から取得する情報には、周辺車両の相対距離、相対速度、及び相対加速度等が含まれている。

ＡＣＣＥＣＵ３２は、ステップＳ１０の処理に続いて、ステップＳ１１の処理として、ＥＶＥＣＵ３１に送信される加速度指令値αを仮設定する。具体的には、ＡＣＣＥＣＵ３２は、ステップＳ１０の処理で周辺監視装置３４から取得した情報のうち、先行車両の相対速度及び相対距離を用いて車間時間を演算するとともに、演算された車間時間及び相対速度に基づいて図２に示される制御を実行することにより加速度指令値αの第１設定値α１を演算する。そして、ＡＣＣＥＣＵ３２は、加速度指令値αを第１設定値α１に仮設定する。

予測ＥＣＵ３３は、ステップＳ１１の処理に続いて、ステップＳ１２の処理として、先行車両や隣接走行車両を含む周辺車両の将来の状態量を予測する。予測される周辺車両の状態量には、周辺車両の将来の相対位置、相対距離、相対速度、相対加速度の時系列的なデータ等が含まれている。具体的には、予測ＥＣＵ３３は、周辺車両の状態量の現在の値及び過去の値から演算式やモデル等を用いて、現在から所定時間経過後までの将来の状態量を予測する。これにより、予測ＥＣＵ３３は、現在から所定時間経過後までの周辺車両の挙動を予測することができる。

なお、ステップＳ１２の予測処理は、周辺車両の状態量の現在の値及び過去の値に限らず、その他の周辺車両の状態量に関する情報に基づいて実行してもよい。本予測は、過去の車両走行データを基に、周辺車両の挙動を所定の確率モデルで表現して、時系列波形として予想してもよいし、現在走行している地点を過去に走行した車両の走行データを統計的に処理して、ある地点における車両の減速や割り込み確率を算出してもよい。予想時間は、通常走行における加速度で走行車速として考え得る全車速まで至れるだけの時間とする。例えば、加速度の範囲は、「−１［Ｇ］」から「１［Ｇ］」の範囲に設定し、全車速は、「０［ｋｍ／ｈ］」から法廷制限車速とすればよい。

予測ＥＣＵ３３は、ステップＳ１２の処理に続いて、ステップＳ１３の処理として、周辺車両の挙動に基づいて車両１０を減速させる必要があるか否かを判定する。この判定処理は、具体的には以下のような手法により実行される。
Ｎ個の周辺車両が存在する場合、値ｉを「１≦ｉ≦Ｎ」の範囲の整数と定義したとき、ｉ番目の周辺車両の走行に対して自車両１０が所定の状態量ｂ（ｔ）で走行するとする。状態量ｂ（ｔ）は、例えば時間ｔを変数とする加速度の関数である。そして、自車両１０が状態量ｂ（ｔ）で走行するとき、自車両１０に発生する制動エネルギが「Ｅ_{brk i}（ｂ（ｔ））」で表せるとする。「Ｅ_{brk i}（ｂ（ｔ））」は、現在から所定時間経過後までの期間にＡＣＣ制御の実行により自車両１０を減速させる際に発生すると予測される制動エネルギの予測値である。

また、ｉ番目の周辺車両に対する自車両１０の追従性能は、図５に示されるように、自車両１０を先行車両に追従させるＡＣＣ制御を実行する上で理想的な車間距離の範囲を理想走行範囲Ａとすると、現在から所定時間経過後までの期間における理想走行範囲に対する自車両１０の予想位置の逸脱量ｙ_iにより評価することができる。理想走行範囲Ａは、一点鎖線で示されるｉ番目の周辺車両の予想走行位置を基準に設定されており、周辺車両の予測走行位置から演算式等を用いて求めることができるようになっている。そして、自車両１０の追従性能評価値Ｃ_i（ｂ（ｔ））は、理想走行範囲Ａに対する自車両１０の予想位置の逸脱量ｙ_iを用いて、以下の式ｆ１により求めることが可能である。なお、式ｆ１の「Ｔ」は、予測時間である。

以上により、Ｎ個の周辺車両に対する自車両の制動エネルギの期待値Ｅ_brk（ｂ（ｔ））、及び追従性能評価値の期待値Ｃ（ｂ（ｔ））は、以下の式ｆ２，ｆ３により定義することができる。

なお、式ｆ２，ｆ３の「ｐ_i」は、ｉ番目の周辺車両の挙動の発生確率である。詳しくは、ｉ番目の周辺車両の挙動の予測結果には所定の不確かさが含まれていることを考慮して、本実施形態では、自車両１０が状態量ｂ（ｔ）で走行する際にｉ番目の周辺車両の状態量が出現する確からしさを示すパラメータとして確率ｐ_iが用いられている。例えば、所定の時刻におけるｉ番目の周辺車両の車速は、図６に示されるような確率として表すことができる。

上記の自車両の制動エネルギの期待値Ｅ_brk（ｂ（ｔ））、及び追従性能評価値の期待値Ｃ（ｂ（ｔ））を用いることにより、以下の式ｆ４で表されるような評価関数Ｆ_E1を構成することができる。

なお、式ｆ４の「ｋ」は、制動エネルギ及び追従性能評価値のそれぞれの重み付け係数である。係数ｋは、「０≦ｋ≦１」の範囲で設定される値である。本実施形態では、重み付け係数として、予め定められた値が用いられている。

この評価関数Ｆ_E1の値が最小となるように自車両１０の状態量ｂ（ｔ）を決定すれば、追従性能を確保しつつ、制動エネルギが抑制された自車両１０の状態量ｂ（ｔ）を求めることができる。換言すれば、追従性能を確保しつつ、燃費を改善することの可能な自車両１０の状態量ｂ（ｔ）を求めることができる。

以上の手法に基づいて、予測ＥＣＵ３３は、ステップＳ１３の判定処理を実行する。具体的には、予測ＥＣＵ３３は、制動エネルギＥ_{brk i}（ｂ（ｔ））の演算式として、例えば予め実験等により求められた演算式を用いる。
また、予測ＥＣＵ３３は、ステップＳ１２の処理で取得した予測情報のうち、ｉ番目の周辺車両の予測状態量に基づいて、ｉ番目の周辺車両の予想走行軌跡を走行モデル等から演算する。また、予測ＥＣＵ３３は、演算されたｉ番目の周辺車両の予想走行軌跡に基づいて理想走行範囲Ａを求めることにより、自車両１０の追従性能評価値Ｃ_i（ｂ（ｔ））の演算式を決定する。

さらに、予測ＥＣＵ３３は、通信部３６を介してサーバ装置４１から走行モデルを取得するとともに、取得した走行モデルと、ｉ番目の周辺車両の状態量とに基づいて、ｉ番目の周辺車両の状態量の発生確率ｐ_iを演算する。
このようにして、予測ＥＣＵ３３は、上記の式ｆ４における制動エネルギＥ_{brk i}（ｂ（ｔ））の演算式、追従性能評価値Ｃ_i（ｂ（ｔ））の演算式、及び発生確率ｐ_iを決定した後、評価関数Ｆ_E1の値が最小となるように自車両１０の状態量ｂ（ｔ）を決定する。評価関数Ｆ_E1の最小化にあたっては、自車両１０の挙動を複数通り考え、それらのそれぞれの時の評価関数の値を算出するとともに、それらのうち評価関数Ｆ_E1の値が最小となる自車両１０の状態量ｂ（ｔ）を選んでもよいし、最適化手法を用いて決定してもよい。状態量ｂ（ｔ）は車両１０の加速度の関数であるため、以上の演算により、予測ＥＣＵ３３は、評価関数Ｆ_E1の値が最小となるような加速度指令値αの第２設定値α２を得ることができる。

なお、予測ＥＣＵ３３は、加速度指令値αの第２設定値α２を演算する際に、第２設定値α２に下限値を設ける等して、車両１０をコースティング制御させることの可能な第２設定値α２を求めてもよい。これにより、第２設定値α２を加速度指令値αとして用いて車両１０を減速させた際に、車両１０に制動エネルギが発生することを回避できるため、車両１０の燃費を向上させることができる。

予測ＥＣＵ３３は、ステップＳ１３の処理として、第１設定値α１と第２設定値α２とを比較することにより、車両１０の減速が必要であるか否かを判断する。具体的には、予測ＥＣＵ３３は、第１設定値α１が第２設定値α２以下である場合には、車両１０の減速が必要でないと判断する。すなわち、予測ＥＣＵ３３は、ステップＳ１３の処理で否定判断する。この場合、予測ＥＣＵ３３は、自車両１０の燃費が悪化する周囲環境の変化が生じていないと判定する。ＡＣＣＥＣＵ３２は、予測ＥＣＵ３３がステップＳ１３の処理で否定判断した場合には、ステップＳ１５の処理として、第１設定値α１に設定された加速度指令値αをＥＶＥＣＵ３１に送信する。

予測ＥＣＵ３３は、ステップＳ１３の処理において、第２設定値α２が第１設定値α１未満である場合には、車両１０の減速が必要であると判断する。すなわち、予測ＥＣＵ３３は、ステップＳ１３の処理で肯定判断する。この場合、自車両１０の燃費が悪化する周囲環境の変化が生じていると判定する。ＡＣＣＥＣＵ３２は、予測ＥＣＵ３３がステップＳ１３の処理で肯定判断した場合には、ステップＳ１４の処理として、加速度指令値αを第１設定値α１から第２設定値α２に変更する。そして、ＡＣＣＥＣＵ３２は、ステップＳ１５の処理として、第２設定値α２に設定された加速度指令値αをＥＶＥＣＵ３１に送信する。これにより、ＥＶＥＣＵ３１には、ＡＣＣ制御により設定される第１設定値α１よりも小さい第２設定値α２が加速度指令値αとして送信される。これにより、ＡＣＣＥＣＵ３２は、ＡＣＣ制御により設定可能な減速度よりも小さい減速度で自車両１０を減速させる減速制御を実現する。

次に、本実施形態の車両制御装置５０の動作例について説明する。
図７（Ａ）に一点鎖線で示されるように、先行車両の速度Ｖｐが、時刻ｔ１１から急激に低下したとする。このような状況では、自車両１０と先行車両との車間時間や相対速度が急激に減少するため、ＡＣＣ制御のみが実行されている場合、図７（Ｂ）に二点鎖線で示されるように、時刻ｔ１１以降に回生制御が実行されることにより、車両１０の駆動エネルギＥｃが急激に減速する。なお、図７（Ｂ）に示される駆動エネルギＥｃは、モータジェネレータ２０により生成される車両１０の走行用の駆動エネルギの大きさを正の値で示し、回生制御時に発生する制動エネルギの大きさを負の値で示している。このような回生制御の実行により、図７（Ｃ）に二点鎖線で示されるように、時刻ｔ１１以降に、自車両１０と先行車両との間の車間距離Ｌｃが広がるとともに、図７（Ａ）に二点鎖線で示されるように、自車両１０の速度Ｖｂが低下する。このように、制動エネルギが発生する場合、そのエネルギの一部が熱エネルギ等に変換されてしまうため、エネルギ損失が発生する。

この点、本実施形態の予測ＥＣＵ３３は、時刻ｔ１１よりも前の時刻ｔ１０の時点で、時刻ｔ１１以降に制動エネルギの発生が予測される場合には、上記の式ｆ４の演算により、制動エネルギを抑制することの可能な加速度指令値αの第２設定値α２を演算するとともに、加速度指令値αを第２設定値α２に設定する。この加速度指令値αがＡＣＣＥＣＵ３２からＥＶＥＣＵ３１に送信されることにより、例えばＥＶＥＣＵ３１が動力指令値を零に設定すると、図７（Ｂ）に実線で示されるように、時刻ｔ１０でモータジェネレータ２０の駆動エネルギＥｃが零になる。これにより、図７（Ａ）に実線で示されるように、時刻ｔ１０以降、車両１０の速度Ｖａが低下するとともに、図７（Ｃ）に実線で示されるように、自車両１０と先行車両との間の車間距離Ｌｃが広がる。このように、車両１０を減速させることにより、図７（Ｂ）に示されるように、制動エネルギの発生を抑制することができるため、結果的に車両１０の燃費を改善することができる。

以上説明した本実施形態の車両制御装置５０によれば、以下の（１）〜（７）に示される作用及び効果を得ることができる。
（１）ＡＣＣＥＣＵ３２は、予測ＥＣＵ３３により自車両１０の燃費が悪化するような周囲環境の変化が生じていることが予測された際に、自車両１０の加速度を制限することの可能な予測制御を実行する。これにより、自車両１０の燃費が悪化するような周囲環境の変化が生じた場合には、自車両１０の加速度が予め制限されるため、自車両１０の燃費が実際に悪化してしまう状況を回避することが可能である。よって、自車両１０の燃費を改善することができる。

（２）ＡＣＣＥＣＵ３２は、自車両１０の減速が必要となる周囲環境の変化を予測した場合に、自車両１０の燃費が悪化するような周囲環境の変化が生じていると予測する。ＡＣＣＥＣＵ３２は、自車両１０の減速が必要となる周囲環境の変化を予測した場合には、ＡＣＣ制御により設定される加速度指令値αの第１設定値α１よりも小さい第２設定値α２を用いることにより車両１０の加速度を実際に制限する加速度制御を実行する。これにより、ＡＣＣＥＣＵ３２は、予測制御として、ＡＣＣ制御により設定可能な減速度よりも小さい減速度で自車両を減速させる減速制御を実行する。このような構成によれば、車間距離確保のための減速の際に発生するエネルギの損失を低減することができる。

（３）予測ＥＣＵ３３は、自車両１０の燃費に関する指標、及び先行車両に対する自車両の追従性能に関する指標に基づいて、自車両１０の減速が必要となる周囲環境の変化の有無を予測する。具体的には、予測ＥＣＵ３３は、自車両１０の燃費に関する指標として、現在から所定時間経過後までの期間にＡＣＣ制御の実行により自車両１０を減速させる際に発生すると予測される制動エネルギの予測値を用いる。また、予測ＥＣＵ３３は、先行車両に対する自車両の追従性能に関する指標として、現在から所定時間経過後までの期間におけるＡＣＣ制御の理想値に対する自車両の位置の逸脱量ｙ_iを用いる。これにより、狙いの燃費改善、及び追従性能の悪化の抑制の効果を得るための車両１０の減速を確実に判断することができる。

（４）予測ＥＣＵ３３は、自車両１０の燃費に関する指標、及び先行車両に対する自車両の追従性能に関する指標を、上記の式ｆ２，ｆ３で示されるように、確率情報として表すこととした。そして、予測ＥＣＵ３３は、自車両１０の燃費に関する指標に基づく期待値、及び先行車両に対する自車両１０の追従性能に関する指標に基づく期待値からなる評価関数として上記の式４で表せるような関数を用いるとともに、式ｆ４の演算値に基づいて自車両１０の減速が必要となる周囲環境の変化を予測する。これにより、周囲環境の変化に関する予想情報に不確かさが含まれている場合にも、燃費改善、及び追従性能の悪化の抑制の効果を得るための車両１０の減速を確実に判断することができる。

（５）予測ＥＣＵ３３は、車両１０をコースティング制御させることの可能な加速度指令値の第２設定値α２を演算する。これにより、ＡＣＣＥＣＵ３２は、自車両１０の車輪にモータジェネレータ２０からの出力が伝わらない状態で自車両１０を惰性走行させるコースティング制御を実行する。このような構成によれば、予測情報を用いて車両１０を減速させる際に、より高い燃料効率で車両１０を減速させることができる。

（６）ＡＣＣＥＣＵ３２は、自車両１０の加速及び減速を繰り返して実行することにより、自車両１０を先行車両に追従させるバーンアンドコースト制御を実行する。これにより、通常は燃料効率の高い走行方法で車両１０が走行することができる。
（７）予測ＥＣＵ３３は、自車両の燃費が悪化するような周囲環境の変化として、先行車両の減速を予測する。これにより、燃費への影響が大きい周囲環境の変化に対して、燃費を改善させることが可能となる。

（変形例）
次に、第１実施形態の車両制御装置５０の変形例について説明する。
図１に破線で示されるように、本変形例の車両制御装置５０は、ＨＭＩ（human machine interface）ＥＣＵ３７を更に有している。ＨＭＩＥＣＵ３７は、車両１０に搭載された報知装置３８を制御することにより、車両１０の乗員に対して各種報知を行う部分である。報知装置３８としては、スピーカやディスプレイ等を用いることができる。

ＡＣＣＥＣＵ３２は、図４に示されるステップＳ１５の処理において、加速度指令値αをＨＭＩＥＣＵ３７に送信する。ＨＭＩＥＣＵ３７は、ＡＣＣＥＣＵ３２から送信される加速度指令値αに基づいて、自車両１０の加速度が制限されるように自車両１０の乗員に運転方法を指示する指示制御を実行する。例えば、ＨＭＩＥＣＵ３７は、加速度指令値αに対応した加速度や速度をスピーカにより音声で乗員に認知させることにより、あるいは加速度指令値αに対応した加速度や速度をディスプレイに表示することにより乗員に運転方法を指示する。

なお、ＨＭＩＥＣＵ３７は、加速度指令値αに基づいてアクセルペダルの踏み込み量を調整したり、ブレーキペダルの踏み込み量を調整したりすることにより、乗員に運転方法を指示してもよい。
このような方法であっても、車両１０を減速させることが可能である。

＜第２実施形態＞
次に、車両制御装置５０の第２実施形態について説明する。以下、第１実施形態の車両制御装置５０との相違点を中心に説明する。はじめに、第２実施形態の車両制御装置５０が搭載される車両１０の概略構成について説明する。

図８に示されるように、本実施形態の車両１０は、モータジェネレータ２０だけでなく、エンジン６０を動力源として用いる、いわゆるハイブリッド車である。エンジン６０は、その駆動により第１動力伝達軸２９ａを回転させる。第１動力伝達軸２９ａは、クラッチ２３を介して第２動力伝達軸２９ｂに連結されている。クラッチ２３は、第１動力伝達軸２９ａと第２動力伝達軸２９ｂとを連結することによりそれらの間の動力の伝達を可能とする接続状態と、第１動力伝達軸２９ａと第２動力伝達軸２９ｂとの連結を解除することによりそれらの間の動力の伝達を遮断する非接続状態とに遷移可能である。

モータジェネレータ２０は、通電に基づいて第２動力伝達軸２９ｂに動力を付与する。したがって、クラッチ２３が接続状態である場合、第２動力伝達軸２９ｂには、エンジン６０及びモータジェネレータ２０の少なくとも一方から動力が付与される。第２動力伝達軸２９ｂに付与された動力は、変速機６２に入力される。変速機６２は、第２動力伝達軸２９ｂから入力されるエンジン６０及びモータジェネレータ２０の合算動力、もしくはエンジン６０からモータジェネレータ２０で電力に変換された動力を差し引いた動力を増速又は減速して第３動力伝達軸２９ｃに伝達する。第３動力伝達軸２９ｃに伝達された動力は、ディファレンシャルギア２６、及び駆動軸２７を介して車両１０の車輪２８に伝達される。これにより車両１０が走行する。このように、本実施形態では、モータジェネレータ２０及びエンジン６０がパワートレインに相当する。

車両１０には、エンジン６０の駆動を統括的に制御するエンジンＥＣＵ６３が搭載されている。また、エンジンＥＣＵ６３は、クラッチ２３の駆動を制御する。
車両１０には、ＥＶＥＣＵ３１に代えて、ＨＶ（Hybrid Vehicle）ＥＣＵ３９が搭載されている。ＨＶＥＣＵ３９は、ＭＧＥＣＵ３０及びエンジンＥＣＵ６３と制御に必要な情報を授受することにより、エンジン６０、モータジェネレータ２０、及びバッテリ２２の統合調停制御を行う。具体的には、ＨＶＥＣＵ３９は、ＡＣＣＥＣＵ３２から送信される加速度指令値に基づいてモータジェネレータ２０及びエンジン６０の駆動を制御する。ＨＶＥＣＵ３９は、例えばエンジン６０が停止状態であって、且つ加速度指令値αが所定の加速度閾値αｔｈ以上である場合には、車両１０を加速させるべく、所定の動力指令値をエンジンＥＣＵ６３に送信することによりエンジン６０を再始動させる。また、ＨＶＥＣＵ３９は、加速度指令値αが加速度閾値αｔｈ未満である場合には、燃料消費を抑えるべく、エンジン６０の停止指令をエンジンＥＣＵ６３に送信するとともに、所定の動力指令値をＭＧＥＣＵ３０に送信することにより、車両１０をＥＶ走行させる。本実施形態では、ＨＶＥＣＵ３９が、自車両１０の走行状態に基づいてエンジン６０及びモータジェネレータ２０の駆動及び停止を制御する走行制御部に相当する。

次に、図９を参照して、ＡＣＣＥＣＵ３２及び予測ＥＣＵ３３により実行される予測制御の処理手順について具体的に説明する。なお、ＡＣＣＥＣＵ３２及び予測ＥＣＵ３３は、図９に示される処理を所定の周期で繰り返し実行する。
図９に示されるように、予測ＥＣＵ３３は、ステップＳ１２の処理に続いて、ステップＳ２０の処理として、エンジン６０の短時間の駆動を抑制するために車両１０の加速度の制限が必要か否かを判定する。この判定処理は、具体的には以下のような手法により実行される。

エンジン６０からエネルギを取り出す際の効率は、エンジン６０の吸気遅れ、エンジン６０の始動のためのエネルギ消費量、エンジン６０の始動時の消費燃料量の増加等により悪化する。これらを考慮して、エンジン走行時の実質エンジン効率η_engを、以下の式ｆ５に示されるように表現する。

なお、式ｆ５において、「δ_delay」は、吸気遅れ分の係数を示す。「η_e」は、エンジン６０を定常状態で動かした時のエンジン効率である理想エンジン効率を示す。「Ｅ_out」は、エンジン６０の理想出力エネルギを示す。「Ｅ_egon」は、エンジン６０の始動エネルギを示す。「Ｅ_in」は、エンジン６０の投入燃料エネルギを示す。「Ｅ_add」は、始動時増量分エネルギを示す。「Ｔ_acc」は、加速に要する時間を示す。

式ｆ５の左辺の実質エンジン効率η^* _engは、自車両１０の燃費に関する指標として用いられるものである。また、式ｆ５の右辺の値は、エンジンの入力エネルギに対するエンジンの出力エネルギの比率を示したものである。
一方、モータジェネレータ２０の動力のみで走行する、いわゆるＥＶ走行を車両１０が行う際の実質エンジン効率を、現在までの走行実績に基づくシステム効率η_sysにより定義すると、ＥＶ走行時の実質エンジン効率η_sysは、以下の式ｆ６のように表すことができる。

なお、式ｆ６において、「Ｅ_sysout」は、パワートレインの出力エネルギを示す。「Ｅ_sysin」は、投入燃料エネルギを示す。
ＥＶ走行時の実質エンジン効率η_sysは、エンジン６０が停止している状態における自車両１０のパワートレインの入力エネルギに対するパワートレインの出力エネルギの比率を示したものである。

以上により、加速度指令値αに対する将来の実質エンジン効率η^* _engは、図１０に示されるように表すことができる。すなわち、加速度指令値αが加速度閾値αｔｈ未満である場合には、車両１０がモータジェネレータ２０の動力により走行するため、将来の実質エンジン効率η^* _engは、上記の式ｆ６の右辺の値となる。また、加速度指令値αが加速度閾値αｔｈ以上であって、且つＡＣＣ制御時のバーンアンドコースト制御において加速時に用いられる加速度指令値αｂｃよりも小さい場合には、将来の実質エンジン効率η^* _engは、上記の式ｆ５の右辺により求めることができる。このようにして定まる将来の実質エンジン効率η^* _engは、自車両１０のパワートレインの入力エネルギに対するパワートレインの出力エネルギの比率を示したものである。

第１実施形態で説明した制動エネルギの抑制のための減速制御と同様に、ｉ番目の周辺車両の走行に対して自車両１０が所定の状態量ｂ（ｔ）で走行すると、その際の自車両１０の実質エンジン効率η^* _engの期待値η^* _eng（ｂ（ｔ））は、以下の式ｆ７により求めることができる。

上記の期待値η^* _eng（ｂ（ｔ））を用いることにより、以下の式ｆ８で表されるような評価関数Ｆ_E2を構成することができる。

この評価関数Ｆ_E2が最小となるように自車両１０の状態量ｂ（ｔ）を決定すれば、追従性能を確保しつつ、エンジン６０の短時間の駆動が抑制された自車両１０の状態量ｂ（ｔ）を求めることができる。換言すれば、追従性能を確保しつつ、燃費を改善することの可能な自車両１０の状態量ｂ（ｔ）を求めることができる。

以上の手法に基づいて、予測ＥＣＵ３３は、ステップＳ２０の判定処理を実行する。具体的には、予測ＥＣＵ３３は、図１０に示されるような加速度指令値αと実質エンジン効率η^* _engとの関係を示すマップを有している。なお、予測ＥＣＵ３３は、現在までのパワートレインの出力エネルギ、及び投入燃料エネルギのデータを蓄積しており、この蓄積されたデータに基づいて上記の式ｆ６からＥＶ走行時の実質エンジン効率η_sysを逐次演算している。そして、予測ＥＣＵ３３は、この演算された実質エンジン効率η_sysを、加速度指令値αが加速度閾値αｔｈ未満であるときの実質エンジン効率η^* _engとして用いる。

予測ＥＣＵ３３は、評価関数Ｆ_E2が最小となるように自車両１０の状態量ｂ（ｔ）を決定する。状態量ｂ（ｔ）は車両１０の加速度の関数であるため、以上の演算により、予測ＥＣＵ３３は、評価関数Ｆ_E2の値が最小となるような加速度指令値αの第３設定値α３を得ることができる。

予測ＥＣＵ３３は、ステップＳ２０の処理として、第１設定値α１と第３設定値α３とを比較することにより、エンジン６０の短時間の駆動を抑制するために車両１０の加速度を制限する必要があるか否かを判断する。具体的には、予測ＥＣＵ３３は、第１設定値α１が第３設定値α３以下である場合には、車両１０の加速度を制限する必要がないと判断する。すなわち、予測ＥＣＵ３３は、ステップＳ２０の処理で否定判断する。この場合、予測ＥＣＵ３３は、自車両１０の燃費が悪化する周囲環境の変化が生じていないと判定する。そして、ＡＣＣＥＣＵ３２及び予測ＥＣＵ３３は、ステップＳ１３以降の処理を実行する。

予測ＥＣＵ３３は、第３設定値α３が第１設定値α１未満である場合には、車両１０の加速度を制限する必要があると判断する。すなわち、予測ＥＣＵ３３は、ステップＳ２０の処理で肯定判断する。この場合、予測ＥＣＵ３３は、自車両１０の燃費が悪化する周囲環境の変化が生じていると判定する。ＡＣＣＥＣＵ３２は、予測ＥＣＵ３３がステップＳ２０の処理で肯定判断した場合には、ステップＳ２１の処理として、加速度指令値αを第１設定値α１から第３設定値α３に変更する。その後、ＡＣＣＥＣＵ３２及び予測ＥＣＵ３３は、ステップＳ１３以降の処理を実行する。

なお、予測ＥＣＵ３３は、ステップＳ１３の処理において、第１設定値α１、第２設定値α２、及び第３設定値α３を比較することにより、車両１０の減速が必要であるか否かを判断する。具体的には、予測ＥＣＵ３３は、第３設定値α３が第１設定値α１未満であって、且つ第３設定値α３が第２設定値α２未満である場合には、ステップＳ１３の処理で肯定判断する。一方、予測ＥＣＵ３３は、第１設定値α１が第３設定値α３以下である場合、あるいは第２設定値α２が第３設定値α３以下である場合には、ステップＳ１３の処理で否定判断する。

次に、本実施形態の車両制御装置５０の動作例について説明する。
図１１（Ａ）に一点鎖線で示されるように、先行車両の速度Ｖｐが急激に増加した後に急激に減少したとする。このような状況においてＡＣＣ制御のみが実行されている場合、自車両１０を先行車両に追従させるために、時刻ｔ２０でＡＣＣＥＣＵ３２がエンジン６０を始動させる。ＡＣＣＥＣＵ３２が時刻ｔ２０でエンジン６０を始動させると、図１１（Ｂ）に二点鎖線で示されるように、車両１０の駆動エネルギＥｃが、エンジン始動時のエネルギＥｓよりも大きくなる。また、図１１（Ｃ）に二点鎖線で示されるように、エンジン６０の回転速度Ｎｃが時刻ｔ２０以降に増加する。

その後に先行車両が急減速すると、自車両１０と先行車両との車間時間や相対速度が急激に減少する。これにより、時刻ｔ２１で回生制御が実行されると、図１１（Ｂ）に二点鎖線で示されるように、車両１０の駆動エネルギＥｃが急激に減少する。このような回生制御の実行により、図１１（Ｃ）に二点鎖線で示されるように、時刻ｔ２１以降に、エンジン６０の回転速度Ｎｃが急激に減少し、エンジン６０が停止する。このように、エンジン６０を始動させた後に短時間でエンジン６０を停止させた場合、エンジン６０の始動のために用いられるエネルギが損失となる。

この点、本実施形態の予測ＥＣＵ３３は、上記の式ｆ８の演算により、エンジン６０の短時間の駆動を抑制することの可能な加速度指令値の第３設定値α３を演算するとともに、加速度指令値αを第３設定値α３に設定する。この加速度指令値αがＡＣＣＥＣＵ３２からＨＶＥＣＵ３９に送信されることにより、車両１０の実際の加速度が、エンジン６０を始動させる加速度閾値αｔｈまで上昇し難くなるため、エンジン６０が始動しなくなる。これにより、図１１（Ａ）に示されるように、車両１０の速度Ｖｃが減少するとともに、図１１（Ｂ）に示されるように、車両１０の駆動エネルギＥｃがエンジン始動時のエネルギＥｓまで上昇しなくなる。よって、エンジン始動時のエネルギＥｓが無駄に消費されることを抑制できるため、結果的に車両１０の燃費を改善することができる。

以上説明した本実施形態の車両制御装置５０によれば、上記の（１）〜（７）に示される作用及び効果に加え、以下の（８）〜（１０）に示される作用及び効果を得ることができる。
（８）ＡＣＣＥＣＵ３２は、エンジンＥＣＵ６３によるエンジン６０の再始動が行われ難くなるように自車両１０の加速度を制限する。これにより、エンジン６０の短時間の駆動が抑制されるため、エネルギ損失を少なくすることができる。よって、車両１０の燃費を向上させることができる。

（９）予測ＥＣＵ３３は、自車両１０の燃費に関する指標、及び先行車両に対する自車両１０の追従性能に関する指標に基づいて、自車両１０の加速度を制限するか否かを判断する。具体的には、予測ＥＣＵ３３は、自車両１０の燃費に関する指標として、上記の式ｆ７で示されるような、現在から所定時間経過後までの期間における自車両１０のパワートレインの入力エネルギに対するパワートレインの出力エネルギの比率の予測値を用いる。また、先行車両に対する自車両１０の追従性能に関する指標として、現在から所定時間経過後までの期間におけるＡＣＣ制御の理想値に対する自車両の位置の逸脱量ｙ_iを用いる。これにより、狙いの燃費改善、及び追従性能の悪化の抑制の効果を得るための車両１０の減速を確実に判断することができる。

（１０）自車両１０のパワートレインの入力エネルギに対するパワートレインの出力エネルギの比率の予測値には、式ｆ５で示される予測値と、式ｆ６で示される予測値とが含まれている。式ｆ５で示される予測値は、エンジン６０が駆動している状態におけるエンジン６０の入力エネルギに対するエンジン６０の出力エネルギの比率の予測値である。式ｆ６で示される予測値は、エンジン６０が停止している状態における自車両１０のパワートレインの入力エネルギに対するパワートレインの出力エネルギの比率の予測値である。これにより、エンジン６０が停止している状態における車両１０の走行も含めて、燃料効率の良い走行方法を判断して車両１０を走行させることができる。

＜第３実施形態＞
次に、車両制御装置５０の第３実施形態について説明する。以下、第１実施形態の車両制御装置５０との相違点を中心に説明する。
本実施形態では、上記の式ｆ２，ｆ３に用いられる周辺車両の挙動の発生確率ｐ_iの演算方法の一例について説明する。なお、以下では、簡単のために、周辺車両の挙動の発生確率ｐ_iとして、周辺車両が減速する確率である減速挙動発生確率を用いる場合について説明する。

まず、周辺車両が所定の場所で減速する状況と、所定の場所を通過する状況との２つのパターンが想定される地点における車両の減速挙動を予測する場合を考える。このとき、例えば周辺車両の車速情報として図１３（Ａ）に示されるような情報が周辺監視装置３４により取得されたような場合、現在の時刻ｔ３０で周辺車両が減速挙動を取るか否かを予測するとなると、その予測は、現在の時刻ｔ３０よりも前の過去の周辺車両の車速情報に基づいて行われることになる。図１３（Ａ）に示されるように、時刻ｔ３０以前では周辺車両の速度が一定速度である。そのため、時刻ｔ３０以前では、図１３（Ｂ）に示されるように、周辺車両が減速挙動を取る確率である減速挙動発生確率は、例えば「０．５」、すなわち「５０％」と演算することができる。したがって、時刻ｔ３０以前では、周辺車両が減速する確率は「０．５」であり、周辺車両が通過する確率は「０．５」ということになる。また、時刻ｔ３０以降、時間の経過に伴って周辺車両の速度が徐々に低下した場合、周辺車両が減速挙動を取り始めたと考えられるため、減速挙動発生確率の値は「０．５」から徐々に上昇することになる。

このように、過去の周辺車両の車速情報等の走行データを利用して周辺車両の減速挙動を予測する場合、過去の走行データを学習して周辺車両の減速挙動を予測するようにすれば、より精度良く減速挙動発生確率を演算することが可能である。
一方、例えば複数の車両が統計的に減速挙動を取り易い場所を周辺車両が通過するような状況や、周辺車両の前方の信号機が青信号から黄信号に切り替わったような状況では、周辺車両の減速が実際に検出されるよりも前に、周辺車両が減速挙動を取ると予測することが可能である。このような状況を仮に時刻ｔ３０よりも前に検出した場合、その時点で減速挙動発生確率を「０．５」よりも大きい値に補正すれば、周辺車両の過去の走行データの情報だけでなく、周辺車両の将来の予測挙動の情報をも反映させた減速挙動発生確率を演算することができる。このようにして演算される減速挙動発生確率に基づいて自車両１０の走行制御を実行すれば、予測される周辺車両の挙動に応じた、より適切な自車両１０の走行制御の実現が可能となる。

そこで、本実施形態では、サーバ装置４１が、所定の車両から送信される過去の走行データに基づいて車両挙動の学習モデルを構築している。なお、所定の車両には、自車両１０に限らず、自車両１０とは異なる車両が含まれていてもよい。また、所定の車両は、単数に限らず、複数であってもよい。車両挙動の学習モデルは、車両の走行データを観測値として、その観測値に対して車両の所定の挙動が発生する尤もらしさを表す数値からなる尤度を算出することの可能な尤度関数からなるものである。尤度は、車両の走行データと学習情報との類似性を表す指標に相当する。サーバ装置４１は、構築した車両挙動の学習モデルに基づいて、車両の減速挙動発生確率を求めることの可能な演算式を作成する。この演算式は、例えば以下のように作成される。

所定の場所において車両が減速する状況と、車両が通過する状況との２パターンが想定される場合、サーバ装置４１は、所定の車両から送信される走行データに基づいて減速挙動モデルと通過挙動モデルとを構築する。減速挙動モデル及び通過挙動モデルは、車両挙動の学習モデルである。走行データには、車速の時系列に関する情報等が含まれている。

また、サーバ装置４１は、所定の車両の走行データに基づいて減速挙動モデルの尤度及び通過挙動モデルの尤度を演算するとともに、それらの差分値である尤度差を求める。サーバ装置４１は、この演算を過去の全走行データに対して行うことにより、各尤度差の時に、減速挙動が発生した頻度と、通過挙動が発生した頻度とを演算する。これにより、例えば図１４に一点鎖線で示されるような尤度差と減速発生頻度との関係と、図１４に二点鎖線で示されるような尤度差と通過発生頻度との関係を得ることができる。サーバ装置４１は、この図１４に示される情報に基づいて、以下の式ｆ９に示されるような減速挙動発生確率の学習値ｐ_lrnの演算式を作成する。

なお、式ｆ９において、「ｔ」は時刻を示す。「ｔ＝０」は各挙動モデルの開始時刻を示し、「ｔ＝Ｔ_stop」は各挙動モデルにおける終端時刻を示す。また、「μ_dec」は減速挙動モデルの平均値を示し、「σ_dec ²」は減速挙動モデルの分散を示し、「μ_pass」は通過挙動モデルの平均値を示し、「σ_pass ²」は通過挙動モデルの分散を示す。さらに、「Ｎ_dec」は図１４に示される減速挙動モデルの頻度を正規分布化した関数であり、「Ｎ_pass」は図１４に示される通過挙動モデルの頻度を正規分布化した関数である。関数Ｎ_dec，Ｎ_passのそれぞれの変数は、図１４に示される横軸の値、すなわち各挙動モデルの尤度差である。よって、式ｆ９は、各モデルの尤度差から減速挙動発生確率の学習値ｐ_lrnを求めることの可能な演算式となっている。

車両制御装置５０は、減速挙動モデル、通過挙動モデル、及び上記の式９をサーバ装置４１から取得する。車両制御装置５０は、現在から所定時間前までの期間に周辺監視装置３４により検出された周辺車両の過去の走行データから減速挙動モデルの尤度、及び通過挙動モデルの尤度を算出する。車両制御装置５０は、算出された各モデルの尤度差を演算するとともに、演算された各モデルの尤度差を上記の式ｆ９に代入することにより、減速挙動発生確率の学習値ｐ_lrnを算出する。

一方、本実施形態の車両制御装置５０は、周辺車両の将来の減速挙動を統計的に、あるいは周辺監視装置３４により検出される情報に基づいて予測するとともに、その予測される周辺車両の減速挙動の発生確率を演算する。車両制御装置５０は、その演算値を減速挙動発生確率の予測値ｐ_ftrとして用いる。

そして、車両制御装置５０は、減速挙動発生確率の学習値ｐ_lrnを減速挙動発生確率の予測値ｐ_ftrにより補正することにより、最終的な減速挙動発生確率ｐ_iを求める。具体的には、車両制御装置５０は、以下の式ｆ１０に基づいて減速挙動発生確率ｐ_iを演算する。

但し、「ｚ＝（ｐ_lrn＋ｐ_lrn2）／２」である。「Ｐ_lrn2」は、本実施形態では、周辺車両が所定の場所を通過する確率を示す。例えば、周辺車両が所定の場所で減速する場合と、所定の場所を通過する場合との２つのパターンが想定される状況では、「Ｐ_lrn」及び「Ｐ_lrn2」の合計値は「１」となる。

上記の式ｆ１０を用いた場合、減速挙動発生確率の学習値ｐ_lrnが「０．５」に近い場合には、挙動発生確率ｐ_iにおいて減速挙動発生確率の予測値ｐ_ftrが支配的となる。また、減速挙動発生確率の学習値ｐ_lrnが「０」あるいは「１」に近い場合には、挙動発生確率ｐ_iにおいて減速挙動発生確率の学習値ｐ_lrnが支配的となる。

次に、減速挙動発生確率ｐ_iの具体的な演算方法について説明する。なお、以下では、便宜上、減速挙動発生確率ｐ_iの演算対象である周辺車両を「特定周辺車両」と称し、特定周辺車両を除く周辺車両を「他の周辺車両」と称する。また、周辺車両には、自車両１０の前方を走行する先行車両の他、先行車両の除く自車両１０の周辺の車両が含まれる。

図１５に示されるように、本実施形態の予測ＥＣＵ３３は、ステップＳ１２に続くステップＳ３０の処理として、減速挙動発生確率演算処理を実行する。減速挙動発生確率演算処理の具体的な手順は図１６に示される通りである。
図１６に示されるように、予測ＥＣＵ３３は、まず、ステップＳ３１の処理として、特定周辺車両が存在するか否かを判断する。

具体的には、周辺監視装置３４は、自車両１０の周辺に物体が検出された場合、その検出物体が周辺車両であるか否かを認識する。その際、周辺監視装置３４による特定周辺車両の認識精度は状況に応じて変化する。例えば、周辺監視装置３４では、自車両１０から検出物体までの距離が遠いほど、物体の認識精度が低下する。そのため、周辺監視装置３４は、自車両１０から遠い場所に存在する物体が特定周辺車両であるか否かを精度良く検出することは困難である。そこで、本実施形態の周辺監視装置３４は、特定周辺車両を検出した場合、その認識精度も合わせて演算する。例えば、周辺監視装置３４は、特定周辺車両に相当する物体を検出した際に、自車両１０からその物体までの相対距離に基づいて認識精度をマップや演算式等により演算する。マップや演算式等では、自車両１０からその物体までの距離が長くなるほど、認識精度の値が小さくなるように設定されている。周辺監視装置３４は、演算された認識精度を予測ＥＣＵ３３に送信する。予測ＥＣＵ３３は、周辺監視装置３４により特定周辺車両が検出され、且つその検出された特定周辺車両の認識精度が所定の閾値以上であることに基づいて、特定周辺車両が存在すると判断する。

予測ＥＣＵ３３は、特定周辺車両が存在すると判断した場合、ステップＳ３１の処理で肯定判断し、続くステップＳ３２の処理として、特定周辺車両の走行データの学習情報が存在するか否かを判断する。
具体的には、上記の式ｆ９を用いて減速挙動発生確率の学習値ｐ_lrnを算出するためには、自車両１０の走行地点における減速挙動モデル及び通過挙動モデルがサーバ装置４１により構築されている必要がある。また、上記の式ｆ９を用いる際には、各モデルの尤度が必要になるため、特定周辺車両の走行データが、各モデルの尤度を演算することが可能な程度に蓄積されている必要がある。そのため、予測ＥＣＵ３３は、自車両１０の走行地点における減速挙動モデル及び通過挙動モデルをサーバ装置４１から取得できており、且つ各モデルの尤度を演算可能な程度に特定周辺車両の走行データが蓄積されていることをもって、ステップＳ３２の処理で肯定判断する。

なお、周辺車両の過去の走行データの蓄積に関しては、通信部３６からサーバ装置４１に車速情報等の走行データを送信することにより、サーバ装置４１上に周辺車両の過去の走行データを蓄積してもよい。あるいは、自車両１０において周辺車両の走行履歴を収集することにより、周辺車両の過去の走行データを蓄積してもよい。

予測ＥＣＵ３３は、ステップＳ３２の処理で肯定判断した場合、ステップＳ３３の処理として、特定周辺車両の過去の走行データに基づいて減速挙動発生確率の学習値ｐ_lrnを演算する。具体的には、予測ＥＣＵ３３は、特定周辺車両の過去の走行データに基づいて減速挙動モデル及び通過挙動モデルのそれぞれの尤度を演算するとともに、演算された各モデルの尤度差から上記式ｆ９に基づいて減速挙動発生確率の学習値ｐ_lrnを演算する。

一方、予測ＥＣＵ３３は、自車両１０の走行地点における減速挙動モデル及び通過挙動モデルをサーバ装置４１から取得できていない場合、あるいは各モデルの尤度を演算可能な程度に特定周辺車両の走行データが蓄積されていない場合には、図１４に示されるステップＳ３２の処理で否定判断する。この場合、予測ＥＣＵ３３は、ステップＳ３４の処理として、周辺監視装置３４により検出される道路の静的な情報に基づいて減速挙動発生確率の学習値ｐ_lrnを演算する。この道路の静的な情報には、交通信号の有無、道路の走行規則、制限速度、勾配、カーブ路、交差点の有無等が含まれている。例えば周辺監視装置３４としてカメラが用いられている場合、カメラにより撮像される車両周辺の画像データに基づいて道路標識や道路状態等を検出することが可能である。予測ＥＣＵ３３は、周辺監視装置３４により検出される道路標識や道路状態等に基づいて道路の静的な情報を取得する。また、予測ＥＣＵ３３は、道路の静的な情報の各項目に対する減速挙動発生確率を定めたマップを予め有している。予測ＥＣＵ３３は、取得した道路の静的な情報の各項目に対する減速挙動発生確率をマップから演算するとともに、演算された各項目に対する減速挙動発生確率から演算式等を用いて減速挙動発生確率の学習値ｐ_lrnを演算する。

予測ＥＣＵ３３は、ステップＳ３３又はステップＳ３４の処理を実行した後、ステップＳ３５の処理として、特定周辺車両が将来的に減速挙動を取る要因として交通信号の存在があるか否かを判定する。例えば、予測ＥＣＵ３３は、周辺監視装置３４により検出される過去の走行履歴に基づいて、特定周辺車両が将来的に減速挙動を取る要因として交通信号の存在があるか否かを判断してもよい。あるいは、予測ＥＣＵ３３は、周辺監視装置３４により検出される道路状況に基づいて、特定周辺車両から所定範囲内に設置された信号機が存在すると判断した場合、特定周辺車両が将来的に減速挙動を取る要因として交通信号の存在があると判定してもよい。

予測ＥＣＵ３３は、特定周辺車両が将来的に減速挙動を取る要因として交通信号の存在があると判定した場合、ステップＳ３５の処理で肯定判定し、続くステップＳ３６の処理として、特定周辺車両の現在の走行位置が信号機付近であって、且つその信号機の信号情報を周辺監視装置３４により認識できているか否かを判断する。予測ＥＣＵ３３は、周辺監視装置３４により検出される道路状況に基づいて、特定周辺車両から信号機までの距離が所定の閾値未満である場合、特定周辺車両の現在の走行位置が信号機付近であると判断する。信号情報は、信号機が青色、黄色、及び赤色のいずれの色で点灯しているかを示す情報である。予測ＥＣＵ３３は、周辺監視装置３４により信号機の信号情報を取得する。

予測ＥＣＵ３３は、特定周辺車両の現在の走行位置が信号機付近であって、且つその信号機の信号情報を周辺監視装置３４により認識できている場合、ステップＳ３６の処理で肯定判断する。この場合、予測ＥＣＵ３３は、続くステップＳ３７の処理として、信号機の切替タイミングに応じた減速挙動発生確率の予測値ｐ_ftrを演算する。

具体的には、自車両１０が走行している際、予測ＥＣＵ３３は、周辺監視装置３４により検出される信号機の信号情報に基づいて、信号機の信号の切替タイミングの情報を蓄積している。本実施形態の予測ＥＣＵ３３は、信号機の信号の切替タイミングの情報として、青信号継続時間情報を蓄積している。青信号継続時間情報とは、信号機の信号が赤信号から青信号に切り替わった時間から黄信号に切り替わるまでに要する時間を意味する。

予測ＥＣＵ３３は、例えば図１７に示されるように、周辺監視装置３４により信号機が認識された時刻ｔ４０の時点で信号機の信号が赤信号であった場合には、その後に信号機の信号が青信号に切り替わる時刻ｔ４１から、さらに信号機の信号が黄信号に切り替わる時刻ｔ４２までの時間を青信号継続時間情報として記憶装置に記憶させる。

一方、予測ＥＣＵ３３は、例えば図１８に示されるように、周辺監視装置３４により信号機が認識された時刻ｔ５０の時点で信号機の信号が赤信号であった場合には、その後に信号機の信号が黄信号に切り替わる時刻ｔ５１までの時間を青信号継続時間情報として記憶装置に記憶させる。

なお、信号機の切替周期が交通流に応じて変化する信号機の場合には、ＶＩＣＳ（Vehicle Information and Communication System、登録商標）等により取得される交通流の情報に応じて青信号継続時間情報を学習してもよい。
予測ＥＣＵ３３は、記憶装置に蓄積されている青信号継続時間情報に基づいて、図１９に示されるようなマップを作成する。図１９に示されるマップは、青信号継続時間γを横軸とし、青信号から黄信号に切り替わる確率ｐ_sigを縦軸として、それらの関係を示したものである。このマップは、予測ＥＣＵ３３の記憶装置に記憶されている。

なお、複数の車両によりそれぞれ取得された青信号継続時間情報を各車両からサーバ装置４１に送信するとともに、この各車両から送信される青信号継続時間情報をサーバ装置４１が学習することにより、サーバ装置４１が、図１９に示されるようなマップを作成してもよい。この場合、予測ＥＣＵ３３は、このマップをサーバ装置４１から通信部３６を介して取得することにより、図１９に示されるマップを利用することが可能である。

予測ＥＣＵ３３は、図１６に示されるステップＳ３５の処理やステップＳ３６の処理において周辺監視装置３４により信号機が認識された時点で信号機の信号が赤信号であった場合、その後に赤信号から青信号に切り替わった時点からの青信号の継続時間を計測している。また、予測ＥＣＵ３３は、ステップＳ３５の処理やステップＳ３６の処理において周辺監視装置３４により信号機が認識された時点で信号機の信号が青信号であった場合、その時点からの青信号の継続時間を計測している。このようにして計測される青信号継続時間γに対して、δ秒後に青信号から黄信号に切り替わる確率ｐ_sigは、図１９に示されるようなマップにおいて、横軸の値が「γ＋δ」であるときの確率ｐ_sigの値として求めることができる。

一方、特定周辺車両の現在の走行位置付近の信号機の信号が青信号から黄信号に切り替わった場合、特定周辺車両が減速挙動を取ることが想定される。すなわち、青信号から黄信号に切り替わる確率ｐ_sigと、特定周辺車両が減速挙動を取る確率との間には相関関係がある。そこで、本実施形態の予測ＥＣＵ３３は、図１９に示されるマップに基づいて演算される確率ｐ_sigを減速挙動発生確率の予測値ｐ_ftrとして用いる。

図１６に示されるように、予測ＥＣＵ３３は、ステップＳ３６の処理で否定判断した場合には、すなわち特定周辺車両の現在の走行位置が信号機付近でない場合、あるいは信号機の信号情報を周辺監視装置３４により認識できていない場合には、続くステップＳ３８の処理として、統計的な情報に基づいて減速挙動発生確率の予測値ｐ_ftrを演算する。

具体的には、サーバ装置４１は、複数の車両との通信により、各車両が信号機で減速及び通過のいずれの挙動を採用したかの情報を取得するとともに、その統計情報に基づいて車両の減速挙動発生確率を算出している。例えば、サーバ装置４１は、統計対象の車両が１００台である場合、そのうちの５０台の車両が信号機で減速し、且つその他の５０台の車両が信号機を減速せずに通過した場合、その信号機における減速挙動発生確率を「０．５」と算出する。予測ＥＣＵ３３は、この信号機における減速挙動発生確率の統計情報Ｐｓｔａをサーバ装置４１から取得するとともに、この減速挙動発生確率の統計情報Ｐｓｔａを減速挙動発生確率の予測値ｐ_ftrとして用いる。

図１６に示されるように、予測ＥＣＵ３３は、ステップＳ３５の処理で否定判断した場合には、すなわち特定周辺車両が将来的に減速挙動を取る要因として交通信号の存在がないと判定した場合には、続くステップＳ３９の処理として、他の周辺車両の状態量が取得できているか否かを判断する。他の周辺車両の状態量には、その走行位置や速度等が含まれている。具体的には、予測ＥＣＵ３３は、周辺監視装置３４により他の周辺車両の状態量を取得できている場合には、ステップＳ３９の処理で肯定判断する。また、自車両１０と他の周辺車両との間で車車間通信が可能である場合には、予測ＥＣＵ３３は、他の周辺車両との通信によりその状態量を取得することをもって、ステップＳ３９の処理で肯定判断してもよい。

予測ＥＣＵ３３は、ステップＳ３９の処理で肯定判断した場合には、続くステップＳ４０の処理として、他の周辺車両の状態量に基づいて減速挙動発生確率の予測値ｐ_ftrを演算する。具体的には、予測ＥＣＵ３３は、特定周辺車両の現在の走行位置や速度等の情報と、他の周辺車両の現在の走行位置や速度等の情報とに基づいて、各車両の将来の挙動をシミュレーションにより予測する。このシミュレーションにより、特定の周辺車両が減速するきっかけとなる所定の挙動が他の周辺車両に発生する確率ｐ_surを算出する。特定の周辺車両が減速するきっかけとなる他の周辺車両の所定の挙動とは、例えば特定の周辺車両の走行している車線に他の周辺車両が車線変更するような挙動である。予測ＥＣＵ３３は、算出された他の周辺車両の所定の挙動の発生確率ｐ_surを減速挙動発生確率の予測値ｐ_ftrとして用いる。

予測ＥＣＵ３３は、ステップＳ３９の処理で否定判断した場合には、続くステップＳ４１の処理として、統計的な情報に基づいて減速挙動発生確率の予測値ｐ_ftrを演算する。
具体的には、サーバ装置４１は、複数の車両との通信により、各車両が所定の場所で減速したか、通過したかを統計するとともに、その統計情報に基づいて車両の減速挙動発生確率を算出している。例えば、サーバ装置４１は、統計対象の車両が１００台である場合、そのうちの５０台の車両が所定の場所で減速し、且つその他の５０台の車両が所定の場所を減速せずに通過した場合、その信号機における減速挙動発生確率を「０．５」と算出する。予測ＥＣＵ３３は、現在の自車両の場所に対応する減速挙動発生確率の統計情報Ｐｓｔａをサーバ装置４１から取得するとともに、この減速挙動発生確率の統計情報Ｐｓｔａを減速挙動発生確率の予測値ｐ_ftrとして用いる。

予測ＥＣＵ３３は、ステップＳ３１の処理において認識精度が所定の閾値以上の特定周辺車両が存在しないと判断した場合には、ステップＳ３１の処理で否定判断する。この場合、予測ＥＣＵ３３は、続くステップＳ４３の処理として、遠方車両に対応する特定周辺車両が存在するか否かを判断する。遠方車両とは、認識精度が所定の閾値未満である車両である。予測ＥＣＵ３３は、遠方車両に対応する特定周辺車両が存在する場合には、ステップＳ４３の処理で肯定判断し、続くステップＳ４４の処理として、その遠方車両の情報に基づいて減速挙動発生確率の予測値ｐ_ftrを演算する。

例えば、予測ＥＣＵ３３は、自車両１０から、遠方車両と認識された物体までの距離を演算するとともに、演算された距離に基づいて物体の存在確率ｐ_farを演算式等に基づいて算出する。この演算式等では、例えば物体までの距離が長くなるほど、物体の存在確率ｐ_farの値が小さくなるように設定される。予測ＥＣＵ３３は、この算出された物体の存在確率ｐ_farを減速挙動発生確率の予測値ｐ_ftrとして用いる。

予測ＥＣＵ３３は、ステップＳ３７，Ｓ３８，Ｓ４０，Ｓ４１，Ｓ４４の処理で減速挙動発生確率の予測値ｐ_ftrを算出した後、ステップＳ４２の処理として、減速挙動発生確率ｐ_iを演算する。具体的には、予測ＥＣＵ３３は、ステップＳ３３及びＳ３４のいずれかの処理で演算される減速挙動発生確率の学習値ｐ_lrnと、ステップＳ３７，Ｓ３８，Ｓ４０，Ｓ４１，Ｓ４４のいずれかの処理で演算される減速挙動発生確率の予測値ｐ_ftrとから上記の式１０を用いて減速挙動発生確率ｐ_iを演算する。なお、「ｚ」を演算する際に用いられる「Ｐ_lrn2」に関しては、本実施形態では、「Ｐ_lrn2＝１―Ｐ_lrn」という演算式から演算可能である。

一方、予測ＥＣＵ３３は、ステップＳ４３の処理で否定判断した場合、すなわち遠方車両情報が存在しない場合には、ステップＳ４２の処理を実行することなく、図４に示される一連の処理を終了する。この場合、自車両１０に減速挙動を生じさせるような車両が自車両１０の周辺に存在しないことになるため、予測ＥＣＵ３３は、図１５に示されるステップＳ１３の処理において否定判断する。したがって、ＡＣＣＥＣＵ３２は、ステップＳ１５の処理として、ステップＳ１１の処理で第１設定値α１に仮設定された加速度指令値αをＥＶＥＣＵ３１に送信する。

以上説明した本実施形態の車両制御装置５０によれば、以下の（１１）〜（１７）に示される作用及び効果を得ることができる。
（１１）予測ＥＣＵ３３は、車両の走行データに基づいて車両の挙動を学習した学習情報、具体的には減速挙動モデルや通過挙動モデル等の車両挙動の学習モデルに基づいて特定周辺車両の減速挙動発生確率ｐ_iを演算する。予測ＥＣＵ３３は、この減速挙動発生確率ｐ_iを用いて上記の式ｆ２，ｆ３の演算式を確定した上で、上記の式ｆ４の評価関数ＦＥ１の値が最小となる自車両１０の状態量ｂ（ｔ）を決定することにより加速度指令値αの第２設定値α２を演算する。そして、図１５に示されるように、予測ＥＣＵ３３がステップＳ１３の処理で自車両１０の減速が必要であると判断した場合には、ＡＣＣＥＣＵ３２が、ステップＳ１４の処理として、加速度指令値αを第２設定値α２に設定する。このようにして設定された加速度指令値αに基づいて車両１０の加速度制御が実行されることにより、より早期に特定周辺車両の減速挙動を予測して自車両１０を減速させることが可能となる。

（１２）予測ＥＣＵ３３は、周辺監視装置３４により取得される特定周辺車両の走行データと、減速挙動モデルや通過挙動モデル等の車両挙動の学習モデルとの類似性を表す指標である尤度を算出し、この尤度に基づいて特定周辺車両の減速挙動発生確率ｐ_iを演算する。このような構成によれば、特定周辺車両の減速挙動発生確率ｐ_iを高い精度で演算することが可能である。

（１３）予測ＥＣＵ３３は、減速挙動モデルや通過挙動モデル等の車両挙動の学習モデルを用いて減速挙動発生確率ｐ_iを演算することができない場合、道路の静的な情報に基づいて減速挙動発生確率ｐ_iを演算する。このような構成によれば、車両挙動の学習モデルを用いることができない状況であっても、減速挙動発生確率ｐ_iを演算することが可能である。

（１４）予測ＥＣＵ３３は、周辺監視装置３４により認識された特定周辺車両の認識精度が所定の閾値未満である場合、特定周辺車両と認識された物体が実際に存在する可能性を示す存在確率に基づいて減速挙動発生確率ｐ_iを補正する。このような構成によれば、周辺監視装置３４の認識精度に応じた、より精度の高い減速挙動発生確率ｐ_iを演算することができる。

（１５）予測ＥＣＵ３３は、信号機の信号の切り替わりの発生確率に基づいて減速挙動発生確率ｐ_iを補正する。このような構成によれば、信号機の信号の切り替わりの状況に応じた、より精度の高い減速挙動発生確率ｐ_iを演算することができる。
（１６）予測ＥＣＵ３３は、車両の減速発生確率の統計情報に基づいて周辺車両の減速挙動発生確率ｐ_iを補正する。このような構成によれば、統計情報に応じた、より精度の高い減速挙動発生確率ｐ_iを演算することができる。

（１７）予測ＥＣＵ３３は、周辺車両の走行データを自車両１０と周辺車両との通信により取得する。このような構成によれば、より精度の高い周辺車両の走行データを取得することが可能である。
＜他の実施形態＞
なお、各実施形態は、以下の形態にて実施することもできる。

・第２実施形態の車両１０は、モータジェネレータ２０、インバータ装置２１、バッテリ２２、ＭＧＥＣＵ３０を有していない構成であってもよい。すなわち、第２実施形態の車両１０は、エンジン６０のみを走行用の動力として用いるものであってもよい。
・第３実施形態の予測ＥＣＵ３３は、周辺車両の挙動の学習モデルとして、減速挙動モデルと通過挙動モデルとを用いるものであったが、それら以外の学習モデルを用いてもよい。例えば、減速挙動モデルとして、停車を前提とする第１減速挙動モデルと、停車を前提としない第２減速挙動モデルを用いてもよい。

・第３実施形態の車両制御装置５０では、車両挙動の学習モデルの構築を、サーバ装置４１に代えて、予測ＥＣＵ３３により行ってもよい。
・第３実施形態の予測ＥＣＵ３３は、周辺車両の挙動として、周辺車両の減速挙動を予測するものに限らず、周辺車両の任意の挙動を予測してもよい。また、これに合わせて、サーバ装置４１又は予測ＥＣＵ３３は、車両の任意の挙動を学習してもよい。

・予測ＥＣＵ３３は、自車両１０の燃費が悪化するような周囲環境の変化として、隣接車線を走行する車両の割り込みを予測してもよい。具体的には、予測ＥＣＵ３３は、自車両の前方を走行する車両Ｃａとの間に車両Ｃｂが割り込んだような場合には、図１２に実線で示されるように、割り込み前は車両Ｃａの状態量を先行車両の状態量として用いるとともに、時刻ｔ３０で車両Ｃｂが割り込んだ場合、それ以降は車両Ｃｂの状態量を先行車両の状態量として用いる。

・状態量ｂ（ｔ）として、車両１０の速度や位置等の情報を含む関数を用いてもよい。
・ＡＣＣＥＣＵ３２は、加速度指令値αに代えて、車両１０の速度を指定する速度指令値をＥＶＥＣＵ３１やＨＶＥＣＵ３９に送信してもよい。

・予測ＥＣＵ３３は、自車両１０の追従性能評価値を演算する際に、ｉ番目の先行車両及び自車両１０のそれぞれの位置情報に代えて、それらの速度情報を用いても良い。例えば、理想走行範囲を最低速度Ｖ_minから最高速度Ｖ_maxまでの範囲で定義した上で、この理想走行範囲からの自車両１０の将来の予想速度の逸脱量ｚ_iを以下の式（１１）で表す。

そして、この逸脱量ｚ_iを現在から予測時間Ｔの範囲で積分した値を、自車両１０の追従性能評価値として用いてもよい。
・周辺監視装置３４は、道路周辺を歩行する歩行者、交通信号、道路の走行規制、制限速度、勾配、カーブ、交差点等の情報を取得するものであってもよい。この場合、予測ＥＣＵ３３は、周辺監視装置３４により取得されるそれらの情報に基づいて、車両１０を減速させる必要があるか否かを判定してもよい。

・予測ＥＣＵ３３は、自車両１０の燃費に関する指標として、燃費の予測値を用いてもよい。具体的には、予測ＥＣＵ３３は、燃費のデータを蓄積するとともに、蓄積された過去の燃費のデータに基づいて燃費の予測値を演算する。
・車両１０の加速度を制限する方法としては、加速度指令値αを変更する方法に限らず、結果的に加速度が変化するような指令方法、例えば車両１０の駆動トルクやパワーを制限する方法等を採用してもよい。車両１０の駆動トルクやパワーの制限とは、モータジェネレータ２０及びバッテリ２２の保護のための出力制限とは異なり、コンポーネントの最大出力の如何に関わらず、制御上で出力を制限するものである。

・ＡＣＣＥＣＵ３２は、ＡＣＣ制御やＣＣ制御等により車両１０の走行を制御する方法として、自車両１０の加速度を制御する加速度制御を用いる方法に代えて、自車両１０の速度を制御する速度制御を用いる方法を採用してもよい。ＡＣＣＥＣＵ３２は、第１実施形態の変形例のように、自車両１０の乗員に運転方法を指示する指示制御を用いることもできる。

・車両制御装置５０が提供する手段及び／又は機能は、実体的な記憶装置に記憶されたソフトウェア及びそれを実行するコンピュータ、ソフトウェアのみ、ハードウェアのみ、あるいはそれらの組み合わせにより提供することができる。例えば車両制御装置５０がハードウェアである電子回路により提供される場合、それは多数の論理回路を含むデジタル回路、又はアナログ回路により提供することができる。

・本開示は上記の具体例に限定されるものではない。上記の具体例に、当業者が適宜設計変更を加えたものも、本開示の特徴を備えている限り、本開示の範囲に包含される。前述した各具体例が備える各要素、及びその配置、条件、形状等は、例示したものに限定されるわけではなく適宜変更することができる。前述した各具体例が備える各要素は、技術的な矛盾が生じない限り、適宜組み合わせを変えることができる。

１０：自車両
２０：モータジェネレータ（パワートレイン）
２８：車輪
５０：車両制御装置
３１：ＥＶＥＣＵ（走行制御部）
３２：ＡＣＣＥＣＵ（加速度制御部）
３３：予測ＥＣＵ（環境予測部）
３４：周辺監視装置（周辺監視部）
３９：ＨＶＥＣＵ（走行制御部）
６０：エンジン（パワートレイン）

Claims (21)

1. 自車両（１０）の前方を走行する先行車両に前記自車両を追従させるべく、前記自車両の走行を制御することの可能な走行制御を実行する車両制御装置（５０）であって、
   前記自車両の燃費が悪化するような周囲環境の変化が生じているか否かを予測する環境予測部（３３）と、
   前記環境予測部により前記自車両の燃費が悪化するような周囲環境の変化が生じていることが予測された際に、前記自車両の加速度を制限することの可能な予測制御を実行する加速度制御部（３２）と、を備える
   車両制御装置。
2. 前記走行制御は、前記自車両を前記先行車両に追従させるべく前記自車両の加速及び減速を制御する速度制御であり、
   前記加速度制御部は、前記環境予測部により前記自車両の減速が必要となる周囲環境の変化が有ると予測することに基づいて、前記自車両の燃費が悪化するような周囲環境の変化が生じていると予測するものであり、前記自車両の減速が必要となる周囲環境の変化が有ると予測した場合には、前記予測制御として、前記速度制御により設定可能な減速度よりも小さい減速度で前記自車両を減速させる減速制御を実行する
   請求項１に記載の車両制御装置。
3. 前記環境予測部は、前記自車両の燃費に関する指標、及び前記先行車両に対する前記自車両の追従性能に関する指標に基づいて、前記自車両の減速が必要となる周囲環境の変化の有無を予測する
   請求項２に記載の車両制御装置。
4. 前記自車両の燃費に関する指標は、現在から所定時間経過後までの期間に前記走行制御の実行により前記自車両を減速させる際に発生すると予測される制動エネルギの予測値、又は燃費の予測値であり、
   前記自車両の追従性能に関する指標は、現在から所定時間経過後までの期間における前記走行制御の理想値に対する前記自車両の位置の逸脱量、又は現在から所定時間経過後までの期間における前記自車両の速度の逸脱量である
   請求項３に記載の車両制御装置。
5. 前記加速度制御部は、前記減速制御として、前記自車両の車輪（２８）にパワートレイン（２０，６０）からの出力が伝わらない状態で前記自車両を惰性走行させるコースティング制御を実行する
   請求項２に記載の車両制御装置。
6. 前記自車両の走行状態に基づいて前記自車両のエンジン（６０）の駆動及び停止を制御するとともに、前記自車両のエンジンが停止状態であるときに前記自車両の加速度に基づいて前記エンジンを再始動させる走行制御部を更に備え、
   前記加速度制御部は、前記予測制御として、前記走行制御部による前記エンジンの再始動が行われ難くなるように前記自車両の加速度を制限する
   請求項１に記載の車両制御装置。
7. 前記環境予測部は、前記自車両の燃費に関する指標、及び前記先行車両に対す前記自車両の追従性能に関する指標に基づいて、前記自車両の加速を制限するか否かを判断する
   請求項６に記載の車両制御装置。
8. 前記自車両の燃費に関する指標は、現在から所定時間経過後までの期間における前記自車両のパワートレイン（２０，６０）の入力エネルギに対する前記パワートレインの出力エネルギの比率の予測値、又は燃費の予測値であり、
   前記自車両の追従性能に関する指標は、現在から所定時間経過後までの期間における前記走行制御の理想値に対する前記自車両の位置の逸脱量、又は現在から所定時間経過後までの期間における前記自車両の速度の逸脱量である
   請求項７に記載の車両制御装置。
9. 前記自車両のパワートレインの入力エネルギに対する前記パワートレインの出力エネルギの比率の予測値には、前記エンジンの入力エネルギに対する前記エンジンの出力エネルギの比率の予測値、及び前記エンジンが停止している状態における前記自車両のパワートレインの入力エネルギに対する前記パワートレインの出力エネルギの比率の予測値が含まれている
   請求項８に記載の車両制御装置。
10. 前記環境予測部は、
    周辺車両の挙動の発生確率と、前記周辺車両の挙動に対する前記自車両の燃費に関する指標の値とに基づいて、前記自車両の燃費に関する指標の期待値を算出し、
    前記周辺車両の挙動の発生確率と、前記周辺車両の挙動に対する前記自車両の追従性能に関する指標の値とに基づいて、前記自車両の追従性能に関する指標の期待値を算出し、
    前記環境予測部は、前記自車両の燃費に関する指標の期待値、及び前記自車両の追従性能に関する指標の期待値からなる評価関数の値を演算し、前記評価関数の値に基づいて前記自車両の減速が必要となる周囲環境の変化を予測する
    請求項３，４，７〜９のいずれか一項に記載の車両制御装置。
11. 前記環境予測部は、車両の走行データに基づいて車両の挙動を学習した学習情報に基づいて前記周辺車両の挙動の発生確率を算出する
    請求項１０に記載の車両制御装置。
12. 前記自車両の周辺を走行する周辺車両の走行データを取得する周辺監視部を更に備え、
    前記環境予測部は、前記周辺監視部により取得される前記周辺車両の走行データと前記学習情報との類似性を表す指標である尤度を算出し、前記尤度に基づいて前記周辺車両の挙動の発生確率を算出する
    請求項１１に記載の車両制御装置。
13. 前記周辺監視部は、道路の静的な情報を更に取得するものであり、
    前記環境予測部は、前記学習情報を用いることができない場合、前記道路の静的な情報に基づいて前記周辺車両の挙動の発生確率を算出する
    請求項１２に記載の車両制御装置。
14. 前記環境予測部は、前記周辺監視部による前記周辺車両の認識精度が所定の閾値未満である場合、前記周辺車両と認識された物体が実際に存在する可能性を示す存在確率に基づいて前記周辺車両の挙動の発生確率を補正する
    請求項１２又は１３に記載の車両制御装置。
15. 前記周辺監視部は、道路に設置された信号機の信号の切替タイミングの情報を更に取得するものであり、
    前記環境予測部は、前記信号機の信号の切り替わりの発生確率に基づいて前記周辺車両の挙動の発生確率を補正する
    請求項１２又は１３に記載の車両制御装置。
16. 前記環境予測部は、車両の挙動の発生確率の統計情報に基づいて前記周辺車両の挙動の発生確率を補正する
    請求項１２又は１３に記載の車両制御装置。
17. 前記環境予測部は、前記周辺車両の走行データを前記自車両と前記周辺車両との通信により取得する
    請求項１２〜１６のいずれか一項に記載の車両制御装置。
18. 前記走行制御は、前記自車両の加速及び減速を繰り返して実行することにより、前記自車両を前記先行車両に追従させるバーンアンドコースト制御である
    請求項１〜１７のいずれか一項に記載の車両制御装置。
19. 前記環境予測部は、前記自車両の燃費が悪化するような周囲環境の変化として、前記先行車両の減速、又は隣接車線を走行する車両の割り込みを予測する
    請求項１〜１８のいずれか一項に記載の車両制御装置。
20. 前記走行制御は、前記自車両の速度を制御する速度制御、前記自車両の加速度を制御する加速度制御、及び前記自車両の乗員に運転方法を指示する指示制御のいずれかである
    請求項１〜１９のいずれか一項に記載の車両制御装置。
21. 前記加速度制御部は、前記予測制御として、前記自車両の加速度を実際に制限する加速度制御、又は前記自車両の加速度が制限されるように前記自車両の乗員に運転方法を指示する指示制御を実行する
    請求項１〜２０のいずれか一項に記載の車両制御装置。

Images