JP2022181267A - 計算システム、計算方法 - Google Patents

Abstract

【課題】業務の進捗とドライバの特性の関係を利用して、ドライバが運転する車両のエネルギー消費量を精度よく推定できる。【解決手段】計算システムは、ドライバが操作する車両のエネルギー消費量を推定する装置であって、シミュレーション上における、予定時間からの遅れ時間である業務進捗を算出する業務進捗算出部と、ドライバの識別子であるドライバＩＤ、業務進捗、および車両の操作傾向の対応付けである傾向情報を格納する操作傾向記憶部と、業務進捗算出部が算出する業務進捗、および演算対象であるドライバのドライバＩＤを用いて、傾向情報からドライバの操作傾向を読み出す操作傾向読出部と、演算対象であるドライバごとに、操作傾向読出部が読み出した操作傾向に基づき車両のエネルギー消費量を算出するシミュレータ演算部と、を備える。【選択図】図１

Description

本発明は、計算システム、および計算方法に関する。

車両のエネルギー消費量を正確に推定する技術は、燃料切れによる車両停止などの危険を防ぎながら、効率的な輸送を行うための運行計画の立案など、車両の運用に必要な技術である。特に近年普及しつつある電気自動車(Electric Vehicle, 以下EVと記す）にとっては、充電が輸送効率に与える影響が大きいため重要性が高い。EVは充電に要する時間が長いため、輸送業務の途中で充電が生じない運行計画が必要となっており、車両のエネルギー消費量を推定する技術の需要は更に高まっている。

エネルギー消費量を推定する既存の手段にはシミュレータがある。シミュレータは、走行の状況、例えば、車両の周囲の交通量を考慮して、エネルギー消費量を推定するものであるが、シミュレータによる推定の精度を向上するには、交通量に限らず、車両のエネルギー消費量に影響する要因を、より正確に反映する必要がある。ここで、正確に反映するべき要因の１つにドライバの個性がある。例えば、車両のブレーキによるエネルギー消費量は、ブレーキを急に踏むか計画的に踏むかで異なるが、ブレーキをどう踏むかはドライバの個性によるので、ドライバの個性を考慮すると車両のエネルギー消費量の推定精度を向上できる。

ドライバの個性を考慮して車両のエネルギー消費量を推定する技術の公知例として、特許文献１がある。特許文献１では、自動車の燃料消費量推定システムにおいて、車両から運転履歴に伴う燃料消費量及び走行距離を取得する他に、運転履歴に伴う車両状態情報及び走行した経路の状況情報の少なくとも一つを含む運転状況に関する情報を取得し、その情報に基づき運転状況パターン毎の燃費頻度分布を求め、この燃費頻度分布に基づき該車両の運転者個人の燃費傾向を運転状況パターン毎に更新可能に求め、この運転状況パターン毎の燃費傾向を基にして走行予定経路の燃料消費量を予測することを特徴とする自動車の燃料消費量推定システムが開示されている。

特開２００９－０３１０４６号公報

特許文献１に記載されている発明では、ドライバの特性の利用に改善の余地がある。

本発明の第１の態様による計算システムは、ドライバが操作する車両のエネルギー消費量を推定する装置であって、シミュレーション上における、予定時間からの遅れ時間である業務進捗を算出する業務進捗算出部と、前記ドライバの識別子であるドライバＩＤ、前記業務進捗、および車両の操作傾向の対応付けである傾向情報を格納する操作傾向記憶部と、前記業務進捗算出部が算出する前記業務進捗、および演算対象である前記ドライバの前記ドライバＩＤを用いて、前記傾向情報から前記ドライバの前記操作傾向を読み出す操作傾向読出部と、演算対象である前記ドライバごとに、前記操作傾向読出部が読み出した前記操作傾向に基づき前記車両のエネルギー消費量を算出するシミュレータ演算部と、を備える。
本発明の第２の態様による計算方法は、ドライバが操作する車両のエネルギー消費量をコンピュータが推定する方法であって、シミュレーション上における、予定時間からの遅れ時間である業務進捗を算出する業務進捗算出ステップと、前記ドライバの識別子であるドライバＩＤ、前記業務進捗、および車両の操作傾向の対応付けである傾向情報を読み出す、傾向情報読み出しステップと、前記業務進捗算出ステップにおいて算出され前記業務進捗、および演算対象である前記ドライバの前記ドライバＩＤを用いて、前記傾向情報から前記ドライバの前記操作傾向を読み出す操作傾向読出ステップと、演算対象である前記ドライバごとに、前記操作傾向読出ステップにおいて読み出された前記操作傾向に基づき前記車両のエネルギー消費量を算出するシミュレータ演算ステップと、を含む。

本発明によれば、業務の進捗とドライバの特性の関係を利用して、ドライバが運転する車両のエネルギー消費量を精度よく推定できる。

第１の実施の形態における計算システムの構成図 計算システムのハードウエア構成を代表する演算装置の一例を示す図 輸送計画記憶部に格納される輸送計画の一例を示す図 業務進捗算出部が算出する業務進捗ログの一例を示す図 表示部に表示される車両のエネルギー消費量の計算結果の一例を示す図 地図の一例を示す図 操作傾向記憶部に格納される操作傾向の一例を示す図 比較例の処理である比較例処理を示すフローチャート 第１の実施の形態における計算システムの処理を示すフローチャート 第２の実施の形態における計算システムの構成図 天候、交通量、および車両モデルの一例を示す図 第３の実施の形態における計算システムの構成図 操作ログの一例を示す図 操作傾向ログの一例を示す図 操作傾向学習部が行う処理を示すフローチャート 第４の実施の形態における計算システムの構成図 生理特性の一例を示す図 生理特性算出部の処理を示すフローチャート 第４の実施の形態における操作傾向の一例を示す図 第４の実施の形態におけるエネルギー消費量予測の処理のフローチャート 第５の実施の形態における計算システムの構成図 輸送物の一例を示す図 第５の実施の形態における操作傾向の一例を示す図 対応付けを学習するフローチャート 第５の実施の形態におけるエネルギー消費量予測の処理のフローチャート

―第１の実施の形態―
以下、図１～図９を参照して、計算システムの第１の実施の形態を説明する。本実施の形態では、輸送業務におけるシミュレーションにおいて、各ドライバが従事する業務の進捗にあわせて、前述のドライバに固有な特性である車両操作の傾向を切り替えることで、車両のエネルギー消費量の推定精度を改善する。

本実施の形態が想定する応用先の１つは、車両が消費するエネルギー量を見積もるシミュレータである。本技術を適用することで、渋滞などにより計画通りの輸送業務が行えない事例において、業務の進捗ごとにドライバに固有な特性である車両操作の傾向を考慮することで、車両のエネルギー消費量の推定精度を改善する。

図１は、第１の実施の形態における計算システムＳ１の構成図である。計算システムＳ１はオペレーションセンタともに動作する。オペレーションセンタには、表示部１０１、オペレータ１１２、およびシステム管理者１１３、が含まれる。計算システムＳ１には、入出力部１０２、制御部１０３、シミュレータ演算部１０４、記憶部１０５、業務進捗算出部１０６、時間管理部１０７、エネルギー消費量推定部１０８、操作傾向読出部１０９、操作傾向記憶部１１０、結果記憶部１１１、および輸送計画記憶部１１４が含まれる。

図２は、計算システムＳ１のハードウエア構成を代表する演算装置８０の一例を示す図である。演算装置８０は、中央演算装置であるＣＰＵ２１、読み出し専用の記憶装置であるＲＯＭ２２、および読み書き可能な記憶装置であるＲＡＭ２３、入出力装置２４、通信装置２５、およびフラッシュメモリ２６を備える。ＣＰＵ２１がＲＯＭ２２に格納されるプログラムをＲＡＭ２３に展開して実行することで様々な演算を行う。入出力装置２４は、たとえばマウスやキーボードである。通信装置２５は、有線または無線によりオペレーションセンタと通信する通信モジュールである。フラッシュメモリ２６は不揮発性の記憶装置であり、他の不揮発性の記憶装置、たとえばハードディスクドライブなどでもよい。

演算装置８０は、ＣＰＵ２１、ＲＯＭ２２、およびＲＡＭ２３の組み合わせの代わりに書き換え可能な論理回路であるＦＰＧＡ（Field Programmable Gate Array）や特定用途向け集積回路であるＡＳＩＣ（Application Specific Integrated Circuit）により演算機能を実現してもよい。また演算装置８０は、ＣＰＵ、ＲＯＭ、およびＲＡＭの組み合わせの代わりに、異なる構成の組み合わせ、たとえばＣＰＵ、ＲＯＭ、ＲＡＭとＦＰＧＡの組み合わせにより演算機能を実現してもよい。

制御部１０３、シミュレータ演算部１０４、業務進捗算出部１０６、時間管理部１０７、エネルギー消費量推定部１０８、および操作傾向読出部１０９は、ＣＰＵ２１、ＲＯＭ２２、およびＲＡＭ２３の組み合わせにより実現される。記憶部１０５、操作傾向記憶部１１０、結果記憶部１１１、および輸送計画記憶部１１４は、演算装置８０のフラッシュメモリ２６により実現される。入出力部１０２は、入出力装置２４と通信装置２５との組合せにより実現される。

図３は、輸送計画記憶部１１４に格納される輸送計画の一例を示す図である。輸送計画は、業務の識別子である業務ＩＤ３０１ａ、出発地３０２ａ、到着地３０３ａ、到着期限３０４ａからなる業務内容１１４Ｐと、業務の識別子である業務ＩＤ３０１ｂ、ドライバの識別子であるドライバＩＤ３０２ｂ、車両ＩＤ３０３ｂからなる業務割当１１４Ｑとを含む。輸送計画はオペレータ１１２により入出力部１０２を介して入力される。

業務内容１１４Ｐにおける業務ＩＤ３０１ａと、業務割当１１４Ｑにおける業務ＩＤ３０１ｂとは同種の情報であり、いずれも業務を識別する識別子である。たとえば図３に示す例では、業務ＩＤ「Ｔ１」の業務は、出発地が「Ｓ１」、到着地が「Ｇ１」であり、到着期限が「１０時０分０秒」であることが示されている。さらにこの業務ＩＤ「Ｔ１」の業務は、ＩＤが「Ｎ１」であるドライバ、かつＩＤが「Ｖ１」である車両に割り当てられたことが示されている。

図４は、業務進捗算出部１０６が算出する業務進捗ログ４００の一例を示す図である。業務進捗ログ４００は、ドライバの識別子であるドライバＩＤ４０１、業務の識別子である業務ＩＤ４０２、現在時刻４０３、現在位置４０４、進捗率４０５、予定時刻との差４０６からなる。なお以下では、予定時刻との差４０６を「業務進捗」４０６とも呼ぶ。

図５は、表示部１０１に表示される車両のエネルギー消費量の計算結果の一例を示す図である。具体的には、地図５０１上の車両の経路を始点５０２と終点５０３とともに表示する。また、始点５０２から終点５０３までに各地点における車両の速度、加速度、エネルギー消費量、バッテリ残量の代表値をそれぞれ符号５０６～５０９に示すようにグラフ形式で表示する。また、他車両の位置や速度を異ならせたシミュレーションを複数回実行し、その結果得られた輸送時間、および消費電力量の頻度分布を符号５０４、５０５のように表示する。なお、交通量のばらつき具合が予め判っているのであれば、１回のシミュレーションで得られた結果に対して、ばらつき情報を付与して推定される頻度分布を作成しても構わない。

図６は、地図Ｄ１１の一例を示す図である。本実施の形態では、交差点や終端を表す「ノード」と、交差点同士を接続する道路を表す「エッジ」とを用いて地図を表現する。なお「エッジ」は、「リンク」とも呼ばれる。以下では「エッジ」を「道路エッジ」と呼び、「ノード」を「道路ノード」と呼ぶ。地図Ｄ１１は、道路エッジ表６５０ａと道路ノード表６５１ａとから構成される。

それぞれの道路ノードには、道路ノード表６５１ａに示すように識別番号すなわち道路ノードＩＤ６１１ａ、座標６１２ａ、道路標高６１３ａ、および信号機の有無６１４ａが記録される。それぞれの道路エッジには道路エッジ表８５０ａに示すように、識別番号すなわち道路エッジＩＤ６０１ａ、始点と終点の道路ノードＩＤ６０２ａおよびＩＤ６０３ａ、道路種別６０４a、路面抵抗６０５ａ、レーン数６０６ａ、道路勾配６０７ａ、地区ＩＤ６０８ａ、制限速度６０９ａ、および道路長６１０ａが記録される。

図７は、操作傾向記憶部１１０に格納される操作傾向１１０Ａの一例を示す図である。操作傾向１１０Ａには、ドライバごとの業務進捗と操作傾向の対応が示されている。具体的には操作傾向１１０Ａには、ドライバの識別子であるドライバＩＤ７０１ａと、予定時刻との差、すなわち業務進捗７０２ａと、操作傾向７０３ａとの組合せが複数含まれ、操作傾向７０３ａには急減速の頻度７０４ａおよび急加速の頻度７０５ａが含まれる。本実施の形態では、操作傾向１１０Ａはあらかじめ作成されている。

図１に記載したブロック図の情報の流れの概要は以下の通りである。オペレーションセンタ側でオペレータ１１２が図３に示す輸送計画を入力する。輸送計画が入力されたら、計算システム側でシミュレーションを行い、車両のエネルギー消費量を推定する。シミュレーションの各ステップで、ドライバの業務の進捗に応じて、ドライバに固有である車両の操作傾向を切り替えて、車両のエネルギー消費量を推定する。

以下、図１に記載したブロック図の各構成要素について具体的に説明する。入出力部１０２は、まず、オペレータ１１２からの入力として、輸送計画を受け取る。あるドライバへ複数の業務ＩＤ３０１ｂが割り当てられると、シミュレータ演算部１０４が到着地３０３ａと到着期限３０４ａとに基づき業務の順番を決め、ドライバは各業務を順番に行っていくものとする。ドライバへ複数の業務が割り当てられた場合、業務進捗ログ４００はドライバに割り当てられた最終業務までの経路と最終業務の到着期限３０４ａをもとに算出する。業務進捗ログ４００の算出方法は後述する。

表示部１０１は、計算システム側で推定した車両のエネルギー消費量の計算結果を表示する。表示部１０１の表示例は図５の通りである。入出力部１０２は、オペレータ１１２から入力される輸送計画を受け付けたら、ドライバＩＤ３０２ｂを後述する制御部１０３へ伝達し、輸送計画を後述するシミュレータ演算部１０４へ伝達する。その後に入出力部１０２は、シミュレータ演算部１０４が出力するシミュレーションの計算結果を受け付け、計算結果を表示部１０１へ伝達する。

制御部１０３は、時間管理部１０７から受け取った時間間隔ごとに、操作傾向読出部１０９から取得した操作傾向をシミュレータ演算部１０４へ伝達する。また、シミュレーションの経過として、シミュレータ演算部１０４から車両の位置と速度、エネルギー消費量推定部１０８からエネルギー消費量を受け取り、結果記憶部１１１へ書き込む。ドライバが出発地３０２ａから到着地３０３ａまで移動する際の、各地点における車両の速度、加速度、エネルギー消費量、エネルギー残量を計算結果として取得したら、制御部１０３は計算結果を結果記憶部１１１へ書き込む。このシミュレータ演算部１０４から計算結果を得るまでの一連の試行を、制御部１０３は時間管理部１０７から受け取った繰り返し回数の分、シミュレーション内の混雑等の不確実性を変えて実行する。そして、各地点における車両の速度、加速度、エネルギー消費量、エネルギー残量と、繰り返し回数の分、試行して取得したエネルギー消費量・輸送時間を計算結果として入出力部１０２へ伝達する。

シミュレータ演算部１０４は、入出力部１０２から輸送計画として、ドライバＩＤ３０２ｂ、車両ＩＤ３０３ｂ、出発地３０２ａ、到着地３０３ａ、到着期限３０４ａを受け取った後、以下に示すシミュレーションの初期設定を行う。次に、入出力部１０２から受け取った出発地３０２ａと到着地３０３ａをもとに、記憶部１０５から地図Ｄ１１を読み出し、経路を算出する。以上がシミュレーションの初期設定である。

シミュレーションの初期設定が終了したら、シミュレーションを開始し、シミュレーション内の時間の経過に合わせて、車両の位置と速度を更新していく。シミュレーションの過程でドライバの業務進捗に応じて、ドライバの車両の操作傾向を切り替えてエネルギー消費量を推定することが本発明の特徴である。シミュレーションについては、後ほど詳しく説明する。

シミュレータ演算部１０４は、業務進捗の算出に必要な、現在位置、出発地３０２ａから到着地３０３ａまでの経路、シミュレーション内の現在時刻４０３、到着期限３０４ａを後述する業務進捗算出部１０６へ伝達する。また、制御部１０３から、一定の時間間隔ごとにドライバＩＤ７０１ａに対応するドライバの操作傾向７０３ａを受け取り、車両の位置と速度を制御部１０３へ伝達する。時間間隔は、システム管理者１１３が後述する時間管理部１０７へ入力し、制御部１０３へ伝達されている。

業務進捗算出部１０６は、シミュレーション内の各時刻におけるドライバごとの業務の進捗を算出する。業務進捗算出部１０６は、シミュレータ演算部１０４から受け取った現在位置と出発地３０２ａから到着地３０３ａまでの経路をもとに、出発地３０２ａから現在位置までの距離、及び現在位置から到着地３０３ａまでの距離を算出する。次に業務進捗算出部１０６は、現在位置から到着地３０３ａまでの距離と到着期限３０４ａをもとに、現在位置の通過予定時刻を算出し、通過予定時刻と現在時刻の差、すなわち業務進捗７０２ａを操作傾向読出部１０９へ伝達する。

操作傾向読出部１０９は、業務進捗算出部１０６から受け取った業務進捗７０２ａと、制御部１０３から受け取ったドライバＩＤ７０１ａをもとに、操作傾向記憶部１１０から、ドライバの操作傾向７０３ａを読み出し、制御部１０３へドライバＩＤ７０１ａに対応する操作傾向７０３ａを伝達する。これにより、業務進捗に応じたドライバごとの急減速および急加速の頻度を加味した演算が可能となる。

以下、従前の方法である比較例と比較しながら、本実施の形態における処理を説明する。輸送業務中に消費する車両のエネルギー量を見積る方法の１つに、シミュレーションを開始した後に業務終了まで、車両の移動とエネルギー消費量の推定を繰り返すことで、最終的な車両のエネルギー消費量見積もる方法がある。前述の見積もり方法において、従前の方法である比較例における処理を示すフローチャートを図８、本実施の形態における処理を示すフローチャートを図９に示す。本実施の形態の処理を比較例と比較すると、業務進捗算出処理７０６および、車両操作傾向変更処理７０７の２つが追加されている。本実施の形態における処理のうち、特に説明しない点は比較例と同様である。

図８に示す比較例処理を説明する。以下では、比較例の処理を実行する主体を「比較例ＣＰＵ」と仮定して説明する。ステップＳ８０１で処理が開始されると比較例ＣＰＵは、続くステップＳ８０２では入力受付処理として輸送計画記憶部１１４から輸送計画を読み取る。たとえば比較例ＣＰＵは、業務割当１１４Ｑに記載された上から順番に業務ＩＤ３０１ｂを読み取り、業務内容１１４Ｐにおける対応業務ＩＤ３０１ａにおける出発地３０２ａと到着地３０３ａの組合せを特定する。

続くステップＳ８０３では、シミュレーションの初期設定を行い、ステップＳ８０２において特定した出発地３０２ａと到着地３０３ａの組合せごとに、経路を算出する。そして比較例ＣＰＵは、全ての業務を対象とする複数回のステップＳ８０４～Ｓ８０８のループ処理を行う。このループ処理では、まずステップＳ８０５においてステップＳ８０３において算出した経路上の車両の位置を更新し、続くステップＳ８０６ではエネルギー消費量を推定する。車両の位置の更新は、シミュレーションにおける規定の時間間隔、たとえば１秒と、そのタイミングにおける車両の速度ベクトルにより算出される。

続くステップＳ８０７では全業務が終了したか否かを判断し、全業務が終了したと判断する場合はステップＳ８０８に進み、終了していない業務が存在すると判断する場合はステップＳ８０５に戻る。たとえば比較例ＣＰＵは、図３に示す例において業務ＩＤ３０１ａが「Ｔ１」の業務において車両が「Ｇ１」に到着した場合には、次の業務である「Ｔ２」が存在するので比較例ＣＰＵはステップＳ８０７を否定判断してステップＳ８０５に戻り、業務「Ｔ２」における出発地３０２ａである「Ｓ２」から車両の移動を開始させる。

ステップＳ８０５およびＳ８０６について説明する。車両の位置の更新は（式１）、エネルギー消費量の推定は（式２）を利用する。

L = L + V(t)*δt …（式１）

E = E + Ea + Eo …（式２）

ただし、式１および式２において、Lは車両の位置、V(t)はシミュレーション内の時刻ｔにおける車速を返す関数、δt はシミュレーション内で位置を更新する時間間隔、Eはエネルギー消費量、Eaは走行条件ごとの加減速によるエネルギー消費量、Eoは加減速以外の要因によるエネルギー消費量である。（式１）および（式２）を、（式３）で算出される進捗率Pが１になるまで繰り返すことで、車両のエネルギー消費量を算出し、ここまでを１つの試行とする。

P = D(S,L) / D(S,G) …（式３）

ただし式３において、Sは出発地、Gは到着地、Dは２点間の経路上の距離を計算する関数である。ここで、（式１）の車速V(t)は、道路の混雑状況など、確率的事象を考慮するもので、必ずしも一定の値を返すものでないとする。このとき、（式１）および（式２）の計算を業務終了まで繰り返してエネルギー消費量Eを求めることを１つの試行とすると、各試行におけるエネルギー消費量Eは一定ではなくなるため、前述の試行を繰り返し回数だけ実行することでエネルギー消費量Eの期待値を得る。

比較例における見積方法において、加減速あたりのエネルギー消費量Eaを定数としている点で改善の余地がある。本実施形態では、図９のステップＳ９０７に示すように、シミュレーションの過程で各ドライバに固有な特性である車両の操作傾向を切り替える。加減速あたりのエネルギー消費量Eaは様々な要因により変化しうるが、輸送業務の進捗がドライバの心理に影響を及ぼしうることに着目し、次の（式４）によって見積もりを行う。

E = E + Ea(I(Dt)) + Eo …（式４）

ただし式４において、Eはエネルギー消費量、Eaは走行条件ごとの加減速によるエネルギー消費量の関数、Iは予定時刻との差からドライバの操作傾向を出力する関数、Dtは現在時刻と予定時刻との差、すなわち業務進捗である。業務進捗Dtは（式５）のように、進捗率Pにおける予定所要時間P*(Te-Ts)と、シミュレーション内で実際に要した時間(t-Ts)との差で計算できる。

Dt = P * (Te - Ts) - (t - Ts) …（式５）

ただし式５は、Dtは業務進捗、Teは到着期限、Tsは出発時刻、tはシミュレーション内の時刻、Pは（式３）で計算される時刻ｔにおける進捗率である。また（式４）における、業務進捗Dtに対応するドライバの操作傾向を出力する関数Iでは、業務進捗Dtがドライバの心理や行動、そしてエネルギー消費に影響する要因を考慮する。その一例として、急減速や急加速の発生頻度を考慮するのであれば、業務進捗Dtに対応する急減速の頻度を出力する関数をIde、業務進捗Dtに対応する急加速の頻度を出力する関数をIacとすると、加減速あたりのエネルギー消費量の関数Eaは、次の（式６）から求められる。

Ea(I(Dt)) = { Eac1*(1 - Iac(Dt)) + Eac2 * Iac(Dt) }
+ { Ede1*(1 - Ide(Dt)) + Ede2 * Ide(Dt) } …（式６）

関数Ideは具体的には、業務進捗DtおよびドライバＩＤに基づき操作傾向１１０Ａから急減速の頻度７０４ａを取得する。関数Iacは具体的には、業務進捗DtおよびドライバＩＤに基づき操作傾向１１０Ａから急加速の頻度７０５ａを取得する。また（式６）において、Eac1は通常の加速のエネルギー消費量、Eac2は急加速のエネルギー消費量、Ede1は通常の減速のエネルギー消費量、Ede2は急減速のエネルギー消費量である。

上述した第１の実施の形態によれば、次の作用効果が得られる。
（１）計算システムＳ１は、ドライバが操作する車両のエネルギー消費量を推定する装置であって、シミュレーション上における、予定時間からの遅れ時間である業務進捗を算出する業務進捗算出部１０６と、ドライバの識別子であるドライバＩＤ、業務進捗、および車両の操作傾向の対応付けである傾向情報を格納する操作傾向記憶部１１０と、業務進捗算出部１０６が算出する業務進捗、および演算対象であるドライバのドライバＩＤを用いて、操作傾向１１０Ａからドライバの操作傾向を読み出す操作傾向読出部１０９と、演算対象であるドライバごとに、操作傾向読出部１０９が読み出した操作傾向に基づき車両のエネルギー消費量を算出するシミュレータ演算部１０４と、を備える。そのため、業務の進捗とドライバの特性の関係を利用して、ドライバが運転する車両のエネルギー消費量を精度よく推定できる。具体的には、シミュレーション内の時間経過に着目して、業務進捗ごとにドライバの車両の操作傾向を切り替えて、エネルギー消費量を算出することで、業務進捗に応じたエネルギー消費量推定を行うことができる。

（２）ドライバごとに、出発地、目的地、および目的地への到着目標時刻を示す業務情報を格納する輸送計画記憶部１１４を備える。業務進捗算出部１０６は、シミュレーション上のある時刻におけるドライバの位置、および業務情報に基づき業務進捗を算出する。そのため、シミュレーションの状況に応じた業務進捗を算出できる。

（３）操作傾向とは、急発進の頻度、および急停止の頻度の少なくとも一方を含む。そのため、車両のエネルギー消費量に影響が大きい急発進や急停車の頻度を、予定時刻からの遅れである業務進捗ごと、ドライバごとに切り替えて、エネルギー消費量の推定精度を向上できる。

（変形例１）
上述した第１の実施の形態では、ドライバの個性として、急減速および急加速の頻度を例に挙げて説明したが、他にも速度など、業務進捗がドライバに影響する要因を用いて、エネルギー消費量の推定を行うことができる。また、（式３）で目的地までの距離をもとに進捗率Pを算出したが、交通量や平均車速をもとに区間ごとの距離を重み付けして進捗率Pを算出してもよい。

（変形例２）
上述した第１の実施の形態では、計算システムＳ１は演算装置８０から構成されると説明したが、計算システムＳ１は複数のハードウエア装置により構成されてもよい。この場合は演算装置８０と同一の複数の装置から構成されることは必須ではなく、複数のハードウエア装置が全体として演算装置８０が備える構成を有していればよい。

―第２の実施の形態―
図１０～図１１を参照して、計算システムの第２の実施の形態を説明する。以下の説明では、第１の実施の形態と同じ構成要素には同じ符号を付して相違点を主に説明する。特に説明しない点については、第１の実施の形態と同じである。本実施の形態では、主に、車両の操作傾向へ影響を与える道路勾配や風速等の走行時の詳細な状況を走行条件としてシミュレーション上へ反映して、エネルギー消費量を推定する点で、第１の実施の形態と異なる。

本実施の形態では、ドライバが車両操作を行う際に、車両の速度だけでなく、道路勾配や風速などの車両のエネルギー消費量に物理的に影響する状況を走行条件としてシミュレーション上へ反映し、車両のエネルギー消費量の推定精度を向上させる。

図１０は、第２の実施の形態における計算システムＳ２の構成図である。第１の実施の形態における構成との相違点は、記憶部１０５に地図Ｄ１１だけでなく、天候Ｄ１２、交通量Ｄ１３、および車両モデルＤ１４がさらに格納される点である。

図１１は、本実施の形態において記憶部１０５にさらに格納される、天候Ｄ１２、交通量Ｄ１３、および車両モデルＤ１４の一例を示す図である。天候Ｄ１２は、日時１１０１ｂと地区に固有な番号である地区ＩＤ１１０２ｂとの組合せで、参照すべきレコードが特定される。天候Ｄ１２には、日時１１０１ｂ、地区ＩＤ１１０２ｂ、天気１１０３ｂ、湿度１１０４ｂ、気温１１０５ｂ、風速１１０６ｂ、および風向１１０７ｂが含まれる。なお、地図Ｄ１１の地区ＩＤ６０８ａが、ドライバが操作する車両の位置に対応する天候Ｄ１２を読み出すために使用される。

交通量Ｄ１３は、日時１１０１ｃと道路エッジに固有な番号である道路エッジＩＤ１１０２ｃとの組合せで、参照すべきレコードが特定される。交通量Ｄ１３には、日時１１０１ｃ、道路エッジＩＤ１１０２ｃ、道路エッジを通過する単位時間あたりの普通車の通過台数である普通車交通量１１０３ｃ、道路エッジを通過する単位時間あたりの大型車の通過台数である大型車交通量１１０４ｃと、道路を通過する車両の平均速度１１０５ｃとが含まれる。

車両モデルＤ１４には、車両に固有な番号である車両ＩＤ１１０１ｄ、車両種別１１０２ｄ、車両幅１１０３ｄ、車両長１１０４ｄ、車両高１１０５ｄ、フロント面積１１０６ｄ、車両重量１１０７ｄ、最高速度１１０８ｄ、加速性能１１０９ｄ、減速性能１１１０ｄ、最高出力１１１１ｄ、バッテリ容量１１１２ｄ、および回生効率１１１３ｄが含まれる。

図１１に記載の天候Ｄ１２、交通量Ｄ１３、および車両モデルＤ１４には、天気１１０３ｂによる路面抵抗６０５ａや運転席からの視界の変化、風速８０６ｃや風向８０７ｃによる車両に加わる風力の変化、車両種別１１０２ｄの違いによる操作性の変化、フロント面積１１０６ｄの違いによる風力の受け方の違いなど、ドライバの運転のしやすさへ影響する要因が含まれている。また、第１の実施の形態において図６に示した地図Ｄ１１には、道路勾配６０７ａの情報が含まれ、これも同様にドライバの運転のしやすさへ影響する。

本実施の形態におけるシミュレータ演算部１０４は、第１の実施の形態における情報に加えてドライバの走行条件、具体的には道路勾配６０７ａ、天気１１０３ｂ、路面抵抗６０５ａ、風速８０６ｃ、風向８０７ｃ、車両種別１１０２ｄ、フロント面積１１０６ｄ、および道路勾配６０７ａの少なくとも１つをさらに考慮して、車両のエネルギー消費量の推定を行う。たとえばシミュレータ演算部１０４は、シミュレーションの初期設定において、入出力部１０２から受け取った車両ＩＤ３０３ｂに対応する車両モデルＤ１４を記憶部１０５から読み出す。またシミュレータ演算部１０４は、シミュレーション内の各時刻において、車両の位置に対応する道路勾配や天候Ｄ１２、交通量Ｄ１３を記憶部１０５から読み出し、車両の走行条件として、エネルギー消費量推定部１０８へ伝達する。エネルギー消費量推定部１０８は、伝達された情報を用いてシミュレーションにおけるエネルギー消費量の推定精度を向上させることができる。

上述した第２の実施の形態によれば、次の作用効果が得られる。

（４）シミュレータ演算部１０４は、路面の傾斜角、天候、交通量、および車両モデルの少なくとも１つを用いて車両のエネルギー消費量を算出する。そのためシミュレータ演算部１０４は、路面の傾斜角、天候、交通量、および車両モデルなどを用いてエネルギー消費量の推定精度を向上させることができる。

（第２の実施の形態の変形例）
ドライバによっては路面の傾斜角、天候、交通量、および車両モデルごとに車両の操作傾向が異なることも想定される。そのため、操作傾向１１０Ａに路面の傾斜角、天候、交通量、および車両モデルの少なくとも１つがさらに組み合わされてもよい。この場合は、操作傾向読出部１０９は、業務進捗およびドライバＩＤに加えて、路面の傾斜角、天候、交通量、および車両モデルの少なくとも１つを用いて、操作傾向１１０Ａからドライバの操作傾向を読み出し、シミュレータ演算部１０４に操作傾向を伝達する。

―第３の実施の形態―
図１２～図１５を参照して、計算システムの第３の実施の形態を説明する。以下の説明では、第１の実施の形態と同じ構成要素には同じ符号を付して相違点を主に説明する。特に説明しない点については、第１の実施の形態と同じである。本実施の形態では、主に、業務進捗と操作傾向を対応付ける関数を、ドライバの車両の操作ログデータから学習する点で、第１の実施の形態と異なる。

図１２は、第３の実施の形態における計算システムＳ３の構成図である。第１の実施の形態と比べて、計算システムＳ３は、車両情報取得部１２０１、操作ログ記憶部１２０２、および操作傾向学習部１２０３をさらに備える。車両情報取得部１２０１は、輸送業務に従事する各ドライバの車両操作を時刻ごとに記録したデータである操作ログ１２５０を取得し、操作ログ記憶部１２０２へ書き込む。

図１３は、操作ログ１２５０の一例を示す図である。操作ログ１２５０には、ドライバＩＤ１３０１、車両ＩＤ１３０２、業務ＩＤ１３０３と、日時１３０４、位置１３０５、速度１３０６、加速度１３０７、エネルギー消費量１３０８、道路勾配１３０９、および天気１３１０が含まれる。

操作傾向学習部１２０３は、操作ログ記憶部１２０２から操作ログ１２５０を読み出して、操作ログ１２５０に記載のドライバＩＤ１３０１に対応するドライバの操作傾向を取得し、さらに業務進捗算出部１０６を通して前述のドライバの業務進捗ログ４００を算出する。操作傾向学習部１２０３は、前述のドライバの操作傾向と業務進捗ログ４００から、操作傾向ログ１２０２Ａを作成し、ドライバごとに業務進捗と操作傾向の対応付けを学習し、学習結果を操作傾向記憶部１１０へ書き込む。

図１４は、操作傾向ログ１２０２Ａの一例を示す図である。操作傾向ログ１２０２Ａには、ドライバＩＤ１４０１、業務ＩＤ１４０２、日時１４０３、進捗率１４０４、予定時刻との差１４０５、および操作傾向１４０６を含む。操作傾向１４０６には、加速度１４０７および速度１４０８が含まれる。

図１５は、操作傾向学習部１２０３が行う処理を示すフローチャートである。図１５に示す処理は、特定のドライバについて行われる。たとえば１０人のドライバの操作傾向を学習するためには、図１５に示す処理を対象とするドライバを変更して１０回処理する。ステップＳ１５０１において処理を開始すると、まずステップＳ１５０２において操作傾向学習部１２０３は、操作ログ記憶部１２０２から操作ログ１２５０を読み出して、処理対象のドライバの特定の情報を取得する。特定の情報とは、たとえば加速度および速度である。

次にステップＳ１５０３において操作傾向学習部１２０３は、業務進捗算出部１０６へ業務進捗ログ４００の算出指令を出す。業務進捗算出部１０６は、操作傾向学習部１２０３からこの算出指令を受けると、操作ログ記憶部１２０２から、処理対象であるドライバの操作ログを読み出し、操作ログ１２５０の業務ＩＤ１３０３と車両の位置１３０５をもとに、業務進捗を算出する。業務進捗の算出には、車両の位置に加えて、到着地までの経路や業務の到着時刻の情報が必要となる。そのため、業務進捗算出部１０６は、操作ログ１２５０から受け取った業務ＩＤ１３０３をシミュレータ演算部１０４へ伝達してシミュレータ演算部１０４から前述の情報の伝達を待つ。

シミュレータ演算部１０４は、業務進捗算出部１０６から、業務ＩＤ１３０３を受け取ると、輸送計画記憶部１１４から業務ＩＤ１３０３に対応する輸送計画を読み出し、経路を算出して、到着地までの経路および業務の到着時刻の情報を業務進捗算出部１０６へ伝達する。業務進捗算出部１０６はシミュレータ演算部１０４からこれらの情報を受け取ると、第１の実施の形態と同様の手順で業務進捗を算出し、業務進捗ログ４００として前述の業務進捗を操作傾向学習部１２０３へ伝達する。

ステップＳ１５０４では操作傾向学習部１２０３は、業務進捗算出部１０６から業務進捗ログ４００を受け取り、続くステップＳ１５０５では操作傾向学習部１２０３は、日時１３０４をもとに、業務進捗ログ４００に対応する操作傾向ログ１２０２Ａを記録する。続くステップＳ１５０６では操作傾向学習部１２０３は、業務進捗ごとの車両の操作傾向ログ（図１４）から、業務進捗ごとの操作傾向を学習する。業務進捗ごとの操作傾向を学習する方法の１例としては、以下のように、閾値を用いて業務進捗ごとに急加減速の頻度を集計する方法が挙げられる。

Iac(Dt) = n(A(Dt,a)) / n(A(Dt,0)) …（式７)
Mac(Dt) = max(A(Dt,0)) …（式８)
Ide(Dt) = n(B(Dt,b)) / n(B(Dt,0)) …（式９)
Mde(Dt) = min(B(Dt,0)) …（式１０)

ただし式７～式１０において、急加速の閾値をa、急減速の閾値をb、業務進捗をDt、対象ドライバの加速度の中で業務進捗がdtであってかつ加速度値がaより大きい値の集合をすべて取得する関数をA(Dt,a)、対象ドライバの加速度の中で業務進捗がDtであり加速度値がbより小さい値をすべて取得する関数をB(Dt,b)とする。また、入力の最大値を取得する関数をmax、入力の最小値を取得する関数をmin、業務進捗Dtに対応する急加速の頻度を出力する関数をIac、業務進捗Dtに対応する急減速の頻度を出力する関数をIdeとする。さらに、業務進捗Dtに対応する対象ドライバの最大加速度をMac(Dt)、業務進捗Dtに対応する対象ドライバの最大減速度をMde(Dt)、入力の要素の個数を取得する関数をnとする。最後にステップＳ１５０７では操作傾向学習部１２０３は、学習結果を記録して処理を終了する。

このようにして、第１の実施形態で前提とした、予定時刻からの差と急加減速の頻度を対応付ける表（図７）を作成することができる。また、急加減速の頻度に加えて、対象ドライバの予定時刻からの差ごとに最大加速度と最大減速度を集計することで、停止回数及びエネルギー消費量の再現性に寄与する。操作傾向の学習１２０６の処理の例として、業務進捗ごとに車両の操作傾向を対応表で対応付ける例を挙げたが、ランダムフォレストやニューラルネットワークのような機械学習手法により、業務進捗に加えて走行条件ごとに、車両の操作傾向を学習してもよい。

上述した第３の実施の形態によれば、次の作用効果が得られる。
（５）計算システムＳ３は、ドライバごとの車両の操作ログ１２５０を収集する車両情報取得部１２０１と、ドライバごとの業務情報を格納する輸送計画記憶部１１４と、操作ログ１２５０および業務情報に基づき業務進捗を算出することで、傾向情報を作成する操作傾向学習部１２０３を備える。そのため、ドライバが輸送計画を実施した際の車両操作ログデータから、業務進捗と車両の操作傾向をドライバごとに対応付けることが可能となる。

―第４の実施の形態―
図１６～図２０を参照して、計算システムの第４の実施の形態を説明する。以下の説明では、第１の実施の形態と同じ構成要素には同じ符号を付して相違点を主に説明する。特に説明しない点については、第１の実施の形態と同じである。本実施の形態では、主に、ドライバの生理特性が車両の操作傾向へ与える影響を考慮する点で、第１の実施の形態と異なる。

本実施の形態において、生理特性が操作傾向へ影響することに着目した理由は、たとえば次の３点である。１点目は、継続運転時間が長いと集中継続時間や疲労の個性が影響して急加減速の頻度が上昇するからである。２点目は、継続運転時間の上昇を防ぐために休憩を指示すると輸送時間や業務進捗に影響が生じるからである。３点目は、食事や排泄の頻度の個性が影響して休憩する頻度が異なることで業務進捗に差が生じるからである。

また本実施の形態では、ドライバに休憩と運転の２つの状態を考慮する。ドライバの「運転」の状態は、第１の実施形態と同様に、ドライバは車両を運転して到着地に向かう。ドライバの「休憩」の状態では、ドライバは車両を停止させて休憩させているので、各ドライバに固有の時間だけ車速が０にする。

図１６は、第４の実施の形態における計算システムＳ４の構成図である。計算システムＳ４は、第１の実施の形態における計算システムＳ１の構成に加えて生理特性算出部１６０１をさらに備える。生理特性算出部１６０１は、ドライバの生理的な特性である生理特性Ｄ１３１を算出して記憶部１０５に生理特性Ｄ１３１として格納する。

図１７は、生理特性Ｄ１３１の一例を示す図である。生理特性Ｄ１３１は、ドライバの識別子であるドライバＩＤ１７０１、休憩の頻度１７０２、および休憩の長さ１７０３を含む。

生理特性算出部１６０１は、学習時に操作ログ記憶部１２０２から生理特性Ｄ１３１を算出して記憶部１０５へ記録し、また前述の算出結果を操作傾向学習部１２０３へ伝達する機能と、推定時にシミュレータ演算部１０４からシミュレーション上の時系列の位置と速度を受け取って生理特性Ｄ１３１を算出し、前述の算出結果を操作傾向読出部１６０２へ伝達する機能を持つ。まず、前述の学習時の処理を説明し、前述の推定時の機能は後ほど説明する。

図１８は、生理特性算出部１６０１の処理を示すフローチャートである。生理特性算出部１６０１は、ステップＳ１８０１において処理を開始すると、まずステップＳ１８０２において操作ログ記憶部１２０２から操作ログを読み出す。続くステップＳ１８０３では生理特性算出部１６０１は、次のように生理特性Ｄ１３１を算出する。生理特性Ｄ１３１の例としては、休憩時間と継続運転時間が挙げられる。生理特性算出部１６０１は、時系列の位置データから車両が閾値時間以上の停止をし続けた場合に休憩と判定する。

また生理特性算出部１６０１は、休憩開始から休憩終了までの時間で休憩の長さ、および休憩終了から次の休憩開始までの時間に基づき休憩の頻度を算出し、休憩の長さおよび休憩の頻度を生理特性Ｄ１３１として記録する。続くステップＳ１８０４では生理特性算出部１６０１は、休憩終了からの経過時間として、継続運転時間を算出し、この算出結果を操作傾向学習部１２０３へ伝達する。なお操作傾向学習部１２０３は、継続運転時間を受け取ったら、ドライバごとに業務進捗および継続運転時間と操作傾向を対応付ける。以上が図１８に示す処理の説明である。

図１９は、本実施の形態において操作傾向記憶部１１０に格納される操作傾向１１０Ａ２の一例を示す図である。操作傾向１１０Ａ２では、ドライバＩＤ１９０１、継続運転時間１９０３、業務進捗１９０２、および操作傾向１９０４が対応付けられている。この対応付けは、たとえば以下のように閾値を用いて、業務進捗および継続運転時間ごとに急加減速の頻度を集計する方法が挙げられる。

Iac(Dt,Wt) = n(A(Dt,Wt,a)) / n(A(Dt,Wt,0)) …（式１１)
Ide(Dt,Wt) = n(B(Dt,Wt,b)) / n(B(Dt,Wt,0)) …（式１２)

ただし式１１および式１２では、急加速の閾値をa、急減速の閾値をb、業務進捗をDt、継続運転時間をWt、対象ドライバの加速度の中で業務進捗がDtでかつ継続運転時間がWtでありかつ加速度値がaより大きい値の集合をすべて取得する関数をA(Dt,Wt,a)、としている。また、対象ドライバの加速度の中で業務進捗がDtでかつ継続運転時間がWtでありかつ加速度値がbより小さい値をすべて取得する関数をB(Dt,Wt,b)、業務進捗Dtと継続運転時間Wtに対応する急加速の頻度を出力する関数をIac(Dt,Wt)、としている。さらに、業務進捗Dtと継続運転時間Wtに対応する急減速の頻度を出力する関数をIde(Dt,Wt)、入力の要素の個数を取得する関数をnとしている。

このように、ドライバごとに業務進捗および継続運転時間と操作傾向を対応付けたら、前述の対応付けを操作傾向記憶部１１０へ記録する。次にシミュレーションによるエネルギー消費量予測の処理を説明する。

図２０は、本実施の形態におけるエネルギー消費量予測の処理を示すフローチャートである。図２０では、第１の実施の形態と同様の処理には同一のステップ番号を付して説明を省略する。なお図２０では、作図の都合によりステップＳ９０２およびステップＳ９１１の記載を省略している。エネルギー消費量予測の処理は、第１の実施形態では図９のステップＳ９０３～Ｓ９１０に示したとおりであったが、第４の実施形態では、第１の実施形態とは異なるステップＳ２００４～Ｓ２００６を有する。またエネルギー消費量予測のために必要なステップＳ２００２～Ｓ２００３の処理が追加されている。以下、具体的に説明する。

ループの最初に実行されるステップＳ２００２では、処理対象のドライバの継続運転時間を算出する。具体的には、生理特性算出部１６０１が、輸送業務を行っているドライバが最後に休憩した時刻からの経過時間を算出し、操作傾向読出部１６０２へ継続運転時間を伝達する。続くステップＳ２００３では生理特性Ｄ１３１から、輸送業務を行っているドライバのドライバＩＤ１７０１に対応するドライバの休憩の頻度１７０２と休憩の長さ１７０３を読みとる。そして、継続運転時間の算出処理Ｓ２００２で算出した継続運転時間が休憩の頻度１７０２を超えていた場合は、ドライバを休憩状態にする。また、ドライバがすでに休憩状態だった場合は、休憩の長さ１７０３と休憩を始めてからの経過時間を比較し、ドライバの休憩の長さ１７０３を超えていたらドライバを運転状態にする。

続くステップＳ９０５では車両の位置を更新し、ステップＳ２００４に進んで休憩状態か否かを判断する。ドライバが休憩状態である場合は、業務の進捗はないがエアコンによるエネルギー消費などが考えられるため、ステップＳ１７０８に進む。ドライバが休憩状態ではない場合は、ステップＳ９０６に進み、第１の実施の形態と同様に処理してステップＳ２００５に進む。

ステップＳ２００５では、第１の実施形態と異なり、業務進捗に加えて継続運転時間をもとに、車両の操作傾向を切り替える。具体的には以下の通りである。操作傾向読出部１６０２は、業務進捗算出部１０６から受け取った業務進捗と、生理特性算出部１６０１から受け取った継続運転時間、制御部１０３から受け取ったドライバＩＤ１９０１をもとに、操作傾向記憶部１１０から図１９に示す対応表をもとに、ドライバＩＤ１９０１に対応するドライバの操作傾向を読み出し制御部１０３へ伝達する。これにより操作傾向読出部１６０２は、制御部１０３を介して、ドライバの継続運転時間による急加減速頻度の変化をシミュレータ演算部１０４へ伝達する。以上がステップＳ２００５の処理内容である。ステップＳ２００６では、ステップＳ２００５の処理により切り替えられた操作傾向を用いてエネルギー消費量を推定する。

上述した第４の実施の形態によれば、次の作用効果が得られる。
（６）傾向情報には、連続して車両を運転する時間である継続運転時間が組み合わされる。操作傾向読出部１６０２は、業務進捗、ドライバＩＤ、および継続運転時間を用いて、傾向情報からドライバの操作傾向を読み出す。そのため、ドライバに固有な特性として生理条件を考慮し、生理条件が車両の操作傾向へ与える影響を考慮することで、車両のエネルギー消費量の推定精度を向上できる。

―第５の実施の形態―
図２１～図２５を参照して、計算システムの第５の実施の形態を説明する。以下の説明では、第１の実施の形態と同じ構成要素には同じ符号を付して相違点を主に説明する。特に説明しない点については、第１の実施の形態と同じである。本実施の形態では、主に、車両へ積載されている輸送物もさらに加味して操作傾向を切り替える点で、第１の実施の形態と異なる。

車両の積載状態が操作傾向へ影響する理由は、たとえば以下の２点が挙げられる。１点目に、輸送物の種別によってドライバが気を配って運転する要因になるからである。２点目に、輸送物による車両総重量の違いによりドライバが同じアクセル・ブレーキの踏み方をした時の車両への加減速のかかり方が異なるからである。本実施の形態では、積載状態として、車両総重量と、輸送物の種別を用いる。

図２１は、第５の実施の形態における計算システムＳ５の構成図である。計算システムＳ５では、記憶部１０５に車両から輸送する輸送物の情報が輸送物Ｄ１８１として格納される。なお輸送物Ｄ１８１は、輸送物に関する情報なので「輸送情報」とも呼べる。また計算システムＳ５は、輸送物Ｄ１８１を更新する積載状態更新部２１０１をさらに備え、操作傾向読出部２１０２の動作が第１の実施の形態と異なる。

図２２は、輸送物Ｄ１８１の一例を示す図である。輸送物Ｄ１８１には、輸送物の識別子である輸送物ＩＤ２２０１、輸送物が輸送される業務の識別子である業務ＩＤ２２０２、輸送物が積載される場所を表す積載場所２２０３、輸送物が下ろされる場所を表す荷下場所２２０４、輸送物の重量を表す重量２２０５、および輸送物の種類を表す種別２２０６が含まれる。

積載状態更新部２１０１は、まず、ドライバが行っている業務の業務ＩＤ２２０２に対応する輸送物の情報を輸送物Ｄ１８１から読み出す。そして積載状態更新部２１０１は、ドライバが積載場所２２０３または荷下場所２２０４へ到着したら、積載状態、すなわち車両の総積載重量と車両に積載されている輸送物の種別とを更新する。

積載状態更新部２１０１がこの更新処理を実施するのは、ドライバごとに業務進捗および積載状態と操作傾向の対応付けを学習する時と、シミュレーションにより車両のエネルギー消費量を推定する時の双方である。ただし、ドライバが複数の業務を割り当てられている場合には、業務進捗の算出は輸送計画を参照して行い、積載状態の更新は輸送物Ｄ１８１を参照して行う。この理由は、ドライバが行っている業務の出発地３０２ａが、業務の前に実施する業務の輸送物の荷下場所２２０４であるが、業務の輸送物の積載場所２２０３ではない場合があるためである。

図２３は、本実施の形態において操作傾向記憶部１１０に格納される操作傾向１１０Ａ３の一例を示す図である。操作傾向１１０Ａ３では、ドライバＩＤ２３０１、業務進捗２３０２、積載状態２３０３、および操作傾向２３０６が対応付けられている。

図２４は、本実施の形態において、業務進捗および積載状態と操作傾向の対応付けを学習する処理を示すフローチャートである。この処理は、積載状態更新部２１０１が行う操作ログへ積載状態を付与するステップＳ２４０１～Ｓ２４０９までの処理と、操作傾向学習部１２０３が行う業務進捗および積載状態と操作傾向を対応付けて結果を記録するステップＳ２４１１～Ｓ２４１３までの処理とに分けられる。

まず、操作ログへ積載状態を付与するステップＳ２４０１～Ｓ２４０９の処理を順番に説明する。ステップＳ２４０１から開始される本処理は、操作傾向学習部１２０３が積載状態更新部２１０１へ積載状態を算出する指示を行うことで開始される。まずステップＳ２４０２において積載状態更新部２１０１は、操作ログ記憶部１２０２から、操作ログを読み出す。続くステップＳ２４０３では、車両総重量の初期設定を行う。この初期設定では、操作ログの車両ＩＤ１３０２に対応する車両重量１１０７ｄを車両モデルＤ１４から読み出して、前述の車両重量１１０７ｄを車両総重量として設定する。

続くステップＳ２４０４～Ｓ２４１０では、操作ログを時刻ごとに読出して、車両総重量と輸送種別の更新と記録を繰り返す。具体的には、ステップＳ２４０５において、操作ログの位置１３０５および速度１３０６から車両が停止しているか否かを判定し、停止していないと判断する場合は、車両総重量および輸送物の種別を記録するステップＳ２４０９へ進む。ステップＳ２４０５において車両が停止していたと判断する場合は、ステップＳ２４０６へ進む。ステップＳ２４０６では、輸送物Ｄ１８１から業務ＩＤ１３０３に対応する輸送物の積載場所２２０３と荷下場所２２０４を読み出してステップＳ２４０７に進む。

ステップＳ２４０７では、積載場所２２０３または荷下場所２２０４へ到着したか否かを判定する。積載場所２２０３または荷下場所２２０４へ到着していないと判断する場合は、車両総重量および輸送物の種別を記憶するステップＳ２４０９へ進む。積載場所２２０３または荷下場所２２０４へ到着したと判断する場合は、ステップＳ２４０８へ進んで、輸送物Ｄ１８１から輸送物の重量２２０５と種別２２０６を読み出し、車両の積載状態を更新する。

この更新処理は具体的には、積載場所２２０３へ到着した場合は重量２２０５の数値を車両総重量の数値へ足し、種別２２０６を積載物の種別の集合へ加える。また、荷下場所２２０４へ到着した場合には重量２２０５の数値を車両総重量の数値から引き、積載物の種別の集合をの残りの輸送物に応じて更新する。ステップＳ２４０９では、車両の積載状態として、車両総重量および積載物の種別を、操作ログへドライバＩＤ１３０１、日時１３０４とともに記録する。このステップＳ２４０２～Ｓ２４０９までの処理を操作ログの終了まで繰り返すことで、操作ログに積載状態を付与する。

積載状態更新部２１０１が操作ログへ車両の積載状態を記録したら、ステップＳ２４１１へ進み、操作傾向学習部１２０３が業務進捗および積載状態と操作傾向の対応付けを学習する。この対応付けを行う方法の例として、以下のように閾値を用いて、車両の積載状態および業務進捗ごとに急加減速の頻度を集計する方法が挙げられる。

Iac(Dt,S) = n(A(Dt,S,a)) / n(A(Dt,S,0)) …（式１３)
Ide(Dt,S) = n(B(Dt,S,b)) / n(B(Dt,S,0)) …（式１４)

ただし式１３および式１４では、急加速の閾値をa、急減速の閾値をb、業務進捗をDt、車両の積載状態をS、対象ドライバの加速度の中で業務進捗がDtでかつ車両の積載状態がSでありかつ加速度値がaより大きい値をすべて取得する関数をA(Dt,S,a)としている。また、対象ドライバの加速度の中で業務進捗がDtでかつ車両の積載状態がSでありかつ加速度値がbより小さい値をすべて取得する関数をB(Dt,S,b)、業務進捗Dtと車両の積載状態Sに対応する急加速の頻度を出力する関数をIac(Dt,S)としている。さらに、業務進捗Dtと車両の積載状態Sに対応する急減速の頻度を出力する関数をIde(Dt,S)、入力の要素の個数を取得する関数をnとしている。

最後にステップＳ２４１２において、前述の対応付けを操作傾向記憶部１１０へ記録する。この記録の結果が図２３に示した操作傾向１１０Ａ３である。ここまでで、図２４のフローチャートを用いて、図２３に示す車両の業務進捗および積載状態と操作傾向の対応表を作成する手順を説明した。

図２５は、第５の実施の形態におけるエネルギー消費量予測処理を示すフローチャートである。本実施の形態では、第１の実施形態と異なり、業務進捗に加え、車両の積載状態をもとにドライバの操作傾向を切り替える。図２５では、第１の実施の形態と同様の処理には同一のステップ番号を付して説明を省略する。なお図２５では、作図の都合によりステップＳ９０２およびステップＳ９１１の記載を省略している。

第１の実施形態と異なり、業務進捗を算出するステップＳ９０６の後に、積載状態更新部２１０１が、図２４に示したステップＳ２４０５～Ｓ２４０８の処理を行う。すなわち積載状態更新部２１０１は、輸送物Ｄ１８１を読み出して、車両の積載状態を更新し、積載状態更新部２１０１が操作傾向読出部２１０２へ積載状態を伝達する。ステップＳ２４０８の次、またはステップＳ２４０５において否定判断されたら、ステップＳ２５０３が実行される。ステップＳ２５０３では、操作傾向読出部２１０２が操作傾向記憶部１１０から、積載状態および業務進捗に対応する操作傾向を読み出し、制御部１０３を介して、シミュレータ演算部１０４へ操作傾向を伝達する。続くステップＳ２５０４で、車両の積載状態による急加減速頻度の変化を利用することで、エネルギー消費量の推定精度を改善する。

上述した第５の実施の形態によれば、次の作用効果が得られる。
（７）傾向情報には、車両が輸送する輸送物の情報である輸送情報がさらに組み合わされる。操作傾向読出部２１０２は、業務進捗、ドライバＩＤ、および輸送情報を用いて、傾向情報からドライバの操作傾向を読み出す。そのため、ドライバに固有な特性として車両の積載状態を考慮し、前述の積載状態が車両の操作傾向へ与える影響を考慮することで、車両のエネルギー消費量の推定精度を向上できる。

（８）輸送情報とは、輸送物を含めた車両の総重量、および輸送物の種別の少なくとも一方である。

（第５の実施の形態の変形例）
第５の実施の形態における構成を、第４の実施の形態における構成と組み合わせてもよい。すなわち、第５の実施の形態の記憶部１０５に生理特性Ｄ１３１をさらに格納し、計算システムが生理特性算出部１６０１をさらに備えてもよい。

上述した各実施の形態および変形例において、機能ブロックの構成は一例に過ぎない。別々の機能ブロックとして示したいくつかの機能構成を一体に構成してもよいし、１つの機能ブロック図で表した構成を２以上の機能に分割してもよい。また各機能ブロックが有する機能の一部を他の機能ブロックが備える構成としてもよい。

上述した各実施の形態および変形例において、プログラムは演算装置８０のＲＯＭ２２に格納されるとしたが、プログラムはフラッシュメモリ２６に格納されていてもよい。また、演算装置８０が不図示の入出力インタフェースを備え、必要なときに入出力インタフェースが利用可能な媒体を介して、他の装置からプログラムが読み込まれてもよい。ここで媒体とは、例えば入出力インタフェースに着脱可能な記憶媒体、または通信媒体、すなわち有線、無線、光などのネットワーク、または当該ネットワークを伝搬する搬送波やディジタル信号、を指す。また、プログラムにより実現される機能の一部または全部がハードウエア回路やＦＰＧＡにより実現されてもよい。

上述した各実施の形態および変形例は、それぞれ組み合わせてもよい。上記では、種々の実施の形態および変形例を説明したが、本発明はこれらの内容に限定されるものではない。本発明の技術的思想の範囲内で考えられるその他の態様も本発明の範囲内に含まれる。

Ｓ１～Ｓ４ …計算システム
１０４…シミュレータ演算部
１０５…記憶部
１０６…業務進捗算出部
１０７…時間管理部
１０８…エネルギー消費量推定部
１０６…業務進捗算出部
１０７…時間管理部
１０８…エネルギー消費量推定部
１０９、１６０２、２１０２…操作傾向読出部
１１０…操作傾向記憶部
１１４…輸送計画記憶部
１２０１…車両情報取得部
１２０２…操作ログ記憶部

Claims (9)

1. ドライバが操作する車両のエネルギー消費量を推定する装置であって、
   シミュレーション上における、予定時間からの遅れ時間である業務進捗を算出する業務進捗算出部と、
   前記ドライバの識別子であるドライバＩＤ、前記業務進捗、および車両の操作傾向の対応付けである傾向情報を格納する操作傾向記憶部と、
   前記業務進捗算出部が算出する前記業務進捗、および演算対象である前記ドライバの前記ドライバＩＤを用いて、前記傾向情報から前記ドライバの前記操作傾向を読み出す操作傾向読出部と、
   演算対象である前記ドライバごとに、前記操作傾向読出部が読み出した前記操作傾向に基づき前記車両のエネルギー消費量を算出するシミュレータ演算部と、を備える計算システム。
2. 請求項１に記載の計算システムにおいて、
   ドライバごとの車両の操作ログを収集する収集部と、
   ドライバごとの業務情報を格納する輸送計画記憶部と、
   前記操作ログおよび前記業務情報に基づき前記業務進捗を算出することで、前記傾向情報を作成する傾向情報作成部をさらに備え、
   前記操作ログには、時刻ごとの前記車両の位置、速度、および加速度が含まれ、
   前記業務情報には、出発地、到着地、および到着期限が含まれる、計算システム。
3. 請求項１に記載の計算システムにおいて、
   ドライバごとに、出発地、目的地、および目的地への到着目標時刻を示す業務情報を格納する輸送計画記憶部をさらに備え、
   前記業務進捗算出部は、シミュレーション上のある時刻における前記ドライバの位置、および前記業務情報に基づき前記業務進捗を算出する、計算システム。
4. 請求項１に記載の計算システムにおいて、
   前記操作傾向とは、急発進の頻度、および急停止の頻度の少なくとも一方を含む、計算システム。
5. 請求項１に記載の計算システムにおいて、
   前記傾向情報には、連続して車両を運転する時間である継続運転時間がさらに組み合わされ、
   前記操作傾向読出部は、前記業務進捗、前記ドライバＩＤ、および前記継続運転時間を用いて、前記傾向情報から前記ドライバの前記操作傾向を読み出す、計算システム。
6. 請求項１に記載の計算システムにおいて、
   前記傾向情報には、前記車両が輸送する輸送物の情報である輸送情報さらに組み合わされ、
   前記操作傾向読出部は、前記業務進捗、前記ドライバＩＤ、および前記輸送情報を用いて、前記傾向情報から前記ドライバの前記操作傾向を読み出す、計算システム。
7. 請求項６に記載の計算システムにおいて、
   前記輸送情報とは、前記輸送物を含めた前記車両の総重量、および前記輸送物の種別の少なくとも一方である、計算システム。
8. 請求項１に記載の計算システムにおいて、
   前記シミュレータ演算部は、路面の傾斜角、天候、交通量、および車両モデルの少なくとも１つをさらに用いて前記車両のエネルギー消費量を算出する、計算システム。
9. ドライバが操作する車両のエネルギー消費量をコンピュータが推定する方法であって、
   シミュレーション上における、予定時間からの遅れ時間である業務進捗を算出する業務進捗算出ステップと、
   前記ドライバの識別子であるドライバＩＤ、前記業務進捗、および車両の操作傾向の対応付けである傾向情報を読み出す、傾向情報読出ステップと、
   前記業務進捗算出ステップにおいて算出され前記業務進捗、および演算対象である前記ドライバの前記ドライバＩＤを用いて、前記傾向情報から前記ドライバの前記操作傾向を読み出す操作傾向読出ステップと、
   演算対象である前記ドライバごとに、前記操作傾向読出ステップにおいて読み出された前記操作傾向に基づき前記車両のエネルギー消費量を算出するシミュレータ演算ステップと、を含む計算方法。
   

Images