JP2023173565A - 計画生成装置、計画生成方法、およびプログラム - Google Patents

Abstract

【課題】経路についての予想走行負荷と実走行負荷との間の乖離が発生した場合であっても、適切に走行計画を生成することによって燃費を改善すること。【解決手段】少なくとも内燃機関と電動機とバッテリを備え、前記内燃機関と前記電動機の動作状態の組み合わせに対応する複数のモードから一つを選択して走行可能なハイブリッド車両を制御するための計画を生成する計画生成装置であって、出発地から目的地までの走行経路について、予想走行出力に基づく前記バッテリのＳＯＣ計画を生成するＳＯＣ計画部と、前記走行経路の区間のうち、前記ハイブリッド車両の過去の走行出力に基づく第１値と前記予想走行出力に基づく第２値との間の乖離が基準値以上である区間を乖離区間として特定する乖離区間特定部と、を備え、前記ＳＯＣ計画部は、前記乖離区間に関して、予想走行出力に依存せずに前記バッテリのＳＯＣ計画を生成する、計画生成装置。【選択図】図１１

Description

本発明は、計画生成装置、計画生成方法、およびプログラムに関する。

従来、ハイブリッド車両の燃費を向上させる技術が知られている。例えば、特許文献１には、目的地までの経路について予想された走行負荷情報に基づいて、ハイブリッド車両の駆動モードを含む走行計画を算出する技術が開示されている。

特許第５７８０３５４号公報

しかしながら、従来の技術は、経路についての予想走行負荷と実走行負荷との間の乖離が発生した場合に、適切に走行計画を生成することができず、燃費が悪化する場合があった。

本発明は、このような事情を考慮してなされたものであり、経路についての予想走行負荷と実走行負荷との間の乖離が発生した場合であっても、適切に走行計画を生成することによって燃費を改善することができる計画生成装置、計画生成方法、およびプログラムを提供することを目的の一つとする。

この発明に係る計画生成装置、計画生成方法、およびプログラムは、以下の構成を採用した。
（１）：この発明の一態様に係る計画生成装置は、少なくとも内燃機関と電動機とバッテリを備え、前記内燃機関と前記電動機の動作状態の組み合わせに対応する複数のモードから一つを選択して走行可能なハイブリッド車両を制御するための計画を生成する計画生成装置であって、出発地から目的地までの走行経路について、予想走行出力に基づく前記バッテリのＳＯＣ計画を生成するＳＯＣ計画部と、前記走行経路の区間のうち、前記ハイブリッド車両の過去の走行出力に基づく第１値と前記予想走行出力に基づく第２値との間の乖離が基準値以上である区間を乖離区間として特定する乖離区間特定部と、を備え、前記ＳＯＣ計画部は、前記乖離区間に関して、予想走行出力に依存せずに前記バッテリのＳＯＣ計画を生成するものである。

（２）：上記（１）の態様において、前記ＳＯＣ計画部は、前記乖離区間に関して、前記予想走行出力に基づく前記バッテリのＳＯＣ計画に代えて、前記バッテリの目標ＳＯＣが所定値に設定されたＳＯＣ計画を生成するものである。

（３）：上記（１）の態様において、前記ＳＯＣ計画部は、前記乖離区間について、前記予想走行出力に基づく前記バッテリのＳＯＣ計画に代えて、前記乖離区間の始点と終点の目標ＳＯＣが同一の値に設定されたＳＯＣ計画を使用するものである。

（４）：上記（１）の態様において、前記複数のモードは、前記内燃機関を停止させて前記電動機の出力で走行する第１モード、前記内燃機関の出力を利用して発電機によって発電すると共に前記電動機の出力で走行する第２モード、前記内燃機関の出力を機械的に駆動輪に伝達する第３モードを含むものである。

（５）：この発明の別の態様に係る計画生成方法は、一以上のプロセッサにより実現され、少なくとも内燃機関と電動機とバッテリを備え、前記内燃機関と前記電動機の動作状態の組み合わせに対応する複数のモードから一つを選択して走行可能なハイブリッド車両を制御する計画生成方法であって、前記複数のモードは、前記内燃機関の出力を利用して発電機によって発電すると共に前記電動機の出力で走行する所定モードを含み、前記計画生成方法は、出発地から目的地までの走行経路について、予想走行出力に基づく前記バッテリのＳＯＣ計画を生成することと、前記走行経路の区間のうち、前記ハイブリッド車両の過去の走行出力に基づく第１値と前記予想走行出力に基づく第２値との間の乖離が基準値以上である区間を乖離区間として特定することと、前記乖離区間に関して予想走行出力に依存せずに前記バッテリのＳＯＣ計画を生成することと、を備えるものである。

（６）：この発明の別の態様に係るプログラムは、少なくとも内燃機関と電動機とバッテリを備え、前記内燃機関と前記電動機の動作状態の組み合わせに対応する複数のモードから一つを選択して走行可能なハイブリッド車両を制御するプログラムであって、前記プログラムは、コンピュータに、出発地から目的地までの走行経路について、予想走行出力に基づく前記バッテリのＳＯＣ計画を生成させ、前記走行経路の区間のうち、前記ハイブリッド車両の過去の走行出力に基づく第１値と前記予想走行出力に基づく第２値との間の乖離が基準値以上である区間を乖離区間として特定させ、前記乖離区間に関して予想走行出力に依存せずに前記バッテリのＳＯＣ計画を生成させるものである。

上記（１）～（６）の態様によれば、車両による低車速での走行に起因する燃費悪化を防ぐことができる計画生成装置、計画生成方法、およびプログラムを提供することができる。

車両制御装置１００が搭載された車両Ｍの構成図である。 車両Ｍにおける車両制御装置１００を中心とした制御系の構成を示す構成図である。 長期最適化部１１０により実行される処理の流れの一例を示すフローチャートである。 ＳＯＣｒｅｆ（Ｘ）の一例を示す図である。 短期最適化部１２０の構成図である。 短期車速予測部１２３の処理内容の一例について説明するための図である。 モードごと最適動作点決定部１４０が導出する情報の内容を示す図である。 モード選択部１５０の処理について説明するための図である。 モード選択部１５０の機能によってモードＭ（ｔ）が選択されることの効果を説明するための図である。 予想仕事量と実際の仕事量との間の乖離と、燃費改善率との間の関係を説明するためのグラフである。 ＳＯＣ計画算出部１１６が乖離区間に設定するＳＯＣ計画の一例を示す図である。 車両制御装置１００により実行される処理の流れの一例を示すフローチャートである。

以下、図面を参照し、本発明の計画生成装置、計画生成方法、およびプログラムの実施形態について説明する。

＜車両＞
図１は、車両制御装置１００が搭載された車両Ｍの構成図である。車両Ｍは、シリーズ方式とパラレル方式とを切り換え可能なハイブリッド車両である。シリーズ方式とは、エンジンと駆動輪が機械的に連結されておらず、エンジンの動力は専ら発電機による発電に用いられ、発電電力が走行用の電動機に供給される方式である。パラレル方式とは、エンジンと駆動輪を機械的に（或いはトルクコンバータなどの流体を介して）連結可能であり、エンジンの動力を駆動輪に伝えたり発電に用いたりすることが可能な方式である。車両Ｍは、ロックアップクラッチ１４を接続したり、切り離したりすることで、シリーズ方式とパラレル方式とを切り換えることができる。車両Ｍは、バッテリをプラグイン充電可能な車両であってよい。

車両Ｍには、例えば、エンジン１０と、第１モータ（発電機）１２と、ロックアップクラッチ１４と、ギアボックス１６と、第２モータ（電動機）１８と、ブレーキ装置２０と、駆動輪２５と、第１変換器３０と、第２変換器３２と、ＶＣＵ（Voltage Control Unit）４０と、バッテリ５０と、バッテリＥＣＵ（Electronic Control Unit）５４とが搭載される。その他の構成については適宜、以降の文面あるいは図２を参照しながら説明する。

エンジン１０は、ガソリンなどの燃料を燃焼させることで動力を出力する内燃機関である。エンジン１０は、例えば、シリンダとピストン、吸気バルブ、排気バルブ、燃料噴射装置、点火プラグ、コンロッド、クランクシャフトなどを備えるレシプロエンジンである。また、エンジン１０は、ロータリーエンジンであってもよい。

第１モータ１２は、例えば、三相交流発電機である。第１モータ１２は、エンジン１０の出力軸（例えばクランクシャフト）にロータが連結され、エンジン１０により出力される動力を用いて発電する。エンジン１０の出力軸および第１モータ１２のロータは、ロックアップクラッチ１４を介して駆動輪２５の側に接続される。

ロックアップクラッチ１４は、ＰＣＵ３０からの指示に応じて、エンジン１０の出力軸および第１モータ１２のロータを駆動輪２５の側に接続した状態（以下、接続状態）と、駆動輪２５の側とは切り離した状態（以下、分離状態）とを切り替える。

ギアボックス１６は、変速機である。ギアボックス１６は、エンジン１０により出力される動力を変速して駆動輪２５の側に伝える。ギアボックス１６の変速比は、車両制御装置１００によって指定される。

第２モータ１８は、例えば、三相交流電動機である。第２モータ１８のロータは、駆動輪２５に連結される。第２モータ１８は、供給される電力を用いて動力を駆動輪２５に出力する。第２モータ１８と駆動輪２５との間に減速比を変更可能な減速機が設けられてもよい。第２モータ１８は、車両の減速時に車両の運動エネルギーを用いて発電する。以下、第２モータ１８による発電動作を回生と称する場合がある。

ブレーキ装置２０は、例えば、ブレーキキャリパーと、ブレーキキャリパーに油圧を伝達するシリンダと、シリンダに油圧を発生させる電動モータとを備える。ブレーキ装置２０は、ブレーキペダルの操作によって発生した油圧を、マスターシリンダを介してシリンダに伝達する機構をバックアップとして備えてよい。なお、ブレーキ装置２０は、上記説明した構成に限らず、マスターシリンダの油圧をシリンダに伝達する電子制御式油圧ブレーキ装置であってもよい。

第１変換器３０および第２変換器３２は、例えば、ＡＣ－ＤＣ変換器である。第１変換器３０および第２変換器３２の直流側端子は、直流リンクＤＬに接続されている。直流リンクＤＬには、ＶＣＵ４０を介してバッテリ５０が接続されている。第１変換器３０は、第１モータ１２により発電された交流を直流に変換して直流リンクＤＬに出力したり、直流リンクＤＬを介して供給される直流を交流に変換して第１モータ１２に供給したりする。同様に、第２変換器３２は、第２モータ１８により発電された交流を直流に変換して直流リンクＤＬに出力したり、直流リンクＤＬを介して供給される直流を交流に変換して第２モータ１８に供給したりする。

ＶＣＵ４０は、例えば、ＤＣ―ＤＣコンバータである。ＶＣＵ４０は、バッテリ５０から供給される電力を昇圧してＤＣリンクＤＬに出力する。

バッテリ５０は、リチウムイオン電池や全固体電池などの二次電池である。バッテリ５０にはバッテリセンサ５２が取り付けられている。バッテリセンサ５２は、電圧センサ、電流センサ、温度センサなどを含む。バッテリセンサ５２の検出値はバッテリＥＣＵ５４に出力される。バッテリＥＣＵ５４は、充放電電流の積分値と電圧から簡易的に導出したΔＳＯＣとを比較する手法等、種々の手法によってバッテリ５０のＳＯＣを計算し、ＳＯＣの情報を車両制御装置１００に出力する。

［各種走行モード］
以下、車両Ｍにおける走行モード（以下、単にモードと）称するについて説明する。モードには、以下のものが存在する。

（１）ＥＶ走行モード（ＥＶ）
ＥＶ走行モードにおいて、車両制御装置１００は、ロックアップクラッチ１４を分離状態にし、バッテリ５０から供給される電力を用いて第２モータ１８を駆動し、第２モータ１８からの動力によって車両を走行させる。

（２）シリーズハイブリッド走行モード（ＥＣＶＴ）
シリーズハイブリッド走行モードにおいて、車両制御装置１００は、ロックアップクラッチ１４を分離状態にし、エンジン１０に燃料を供給して動作させ、第１モータ１２で発電した電力をバッテリ５０および第２モータ１８に提供する。そして、第１モータ１２またはバッテリ５０から供給される電力を用いて第２モータ１８を駆動し、第２モータ１８からの動力によって車両を走行させる。

（３）エンジンドライブ走行モード（ＬＵ）
エンジンドライブ走行モードにおいて、車両制御装置１００ロックアップクラッチ１４を接続状態にし、エンジン１０に燃料を消費して動作させ、エンジン１０の出力する動力の少なくとも一部を駆動輪２５に伝達して車両を走行させる。この際に、第２モータ１８は、エンジン１０の出力する動力だけでは不足する分の動力を駆動輪２５に出力してもよい。エンジンドライブ走行モードは、パラレル方式を実現するものである。

（４）回生
回生時において、車両制御装置１００は、ロックアップクラッチ１４を分離状態にし、第２モータ１８に車両の運動エネルギーを用いて発電させる。回生時の発電電力は、バッテリ５０に蓄えられたり、廃電動作によって破棄されたりする。

図２は、車両Ｍにおける車両制御装置１００を中心とした制御系の構成を示す構成図である。車両Ｍには、更に、運転操作子６０と、操作検出センサ６２と、車両センサ６４と、カメラ７０と、通信装置７２と、ナビゲーション装置８０とが搭載される。なお制御対象機器２００とは、エンジン１０、ブレーキ装置２０、第１変換器３０、第２変換器３２、ＶＣＵ４０のうち一部または全部を含むものである。これらの制御対象機器２００を制御する際に、エンジンＥＣＵやモータＥＣＵといった個別制御装置が間に介在してもよいが、本明細書ではこれについて説明を省略し、車両制御装置１００が制御対象機器２００を直接的に制御するものとして説明する。また、車両制御装置１００は個別制御装置を包含する概念であってもよい。

運転操作子６０は、アクセルペダル、ブレーキペダル、シフトレバー、ステアリングホイールなどを含む。運転操作子６０には操作検出センサ６２が取り付けられている。操作検出センサ６２は、アクセル開度センサ、ブレーキ踏量センサ、シフト位置検出センサ、ステアリングトルクセンサなどを含む。操作検出センサ６２は、運転操作子６０に対してなされた操作の量（変位量の単位であってもよいし、力の単位であってもよい）を検出し、操作の量の情報を車両制御装置１００に出力する。操作の量は、アクセル開度（以下、アクセル開度ＡＣ）、ブレーキ踏量、シフト位置、ステアリングトルクなどを含む。

車両センサ６４は、例えば、車速センサ、加速度センサ、角速度センサなどを含む。車両センサ６４は、検出した車速（以下、車速Ｖ）、加速度、角速度の情報を車両制御装置１００に出力する。

カメラ７０は、車両Ｍの進行方向（前方）の風景を撮像する。カメラ７０は、車両Ｍと同じ車線を車両Ｍと同じ方向に移動する、前走車両を撮像可能な位置に取り付けられる。カメラ７０は、例えば、ＣＣＤ（Charge Coupled Device）やＣＭＯＳ（Complementary Metal Oxide Semiconductor）などのイメージセンサを有するデジタルカメラであり、車両Ｍの進行方向の風景を繰り返し撮像する。

通信装置７２は、例えば、セルラー網やＷｉ-Ｆｉ網、或いはＤＳＲＣ（Dedicated Short Range Communications）などの狭域通信規格を利用して車両Ｍの外部の通信装置と通信する。外部の通信装置には、路側設備、他車両などが含まれてよい。

ナビゲーション装置８０は、例えば、位置測位部８１、ＨＭＩ（Human machine Interface）８２、目的地推定部８３、経路探索部８４、および経路案内部８５を備える。ナビゲーション装置８０は、ＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの記憶装置に地図情報８７を保持している。位置測位部８１は、例えばＧＮＳＳ受信機を含む。位置測位部８１は、ＧＮＳＳ衛星から受信した信号に基づいて、車両Ｍの位置を特定する。車両Ｍの位置は、車両センサ６４の出力を利用したＩＮＳ（Inertial Navigation System）によって特定または補完されてもよい。ＨＭＩ８２は、表示装置、スピーカ、タッチパネル、キーなどを含む。目的地推定部８３は、車両Ｍの普段の経路などから、車両Ｍの目的地を推定する。経路探索部８４は、例えば、位置測位部８１により特定された車両Ｍの位置（或いは入力された任意の位置）から、ＨＭＩ８２を用いて乗員により入力され、或いは目的地推定部８３によって推定された目的地までの経路を、地図情報８７を参照して決定する。地図情報８７は、例えば、道路を示すリンクと、リンクによって接続されたノードとによって道路形状が表現された情報である。地図情報８７には、リンク事の法定速度や道路勾配、道路曲率の情報が付加されていてもよい。経路案内部８５は、経路に沿って車両Ｍが移動できるように、ＨＭＩ５２を用いた経路案内を行う。ナビゲーション装置８０は、例えば、乗員の保有するスマートフォンやタブレット端末等の端末装置の機能によって実現されてもよい。ナビゲーション装置８０は、通信装置７２を介してナビゲーションサーバに現在位置と目的地を送信し、ナビゲーションサーバから経路を取得してもよいし、地図情報８７も必要に応じて通信装置７２を介して地図提供サーバから適宜取得されるものであってもよい。ナビゲーション装置８０は、上記の機能の他、車両制御装置１００からの問い合わせに応じて、必要な情報を車両制御装置１００に出力する。ナビゲーション装置８０の機能の一部は車両制御装置１００に包含されてもよい。

＜車両制御装置＞
車両制御装置１００は、例えば、長期最適化部１１０と、短期最適化部１２０と、乖離区間学習情報１７０を備える。長期最適化部１１０は、例えば、長期車速予測部１１２と、乖離区間特定部１１４と、ＳＯＣ計画算出部１１６とを備える。短期最適化部１２０の詳細な構成については図４を用いて説明する。これらの構成要素は、例えば、ＣＰＵ（Central Processing Unit）などのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの構成要素のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めＨＤＤやフラッシュメモリなどの記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体（非一過性の記憶媒体）に格納されており、記憶媒体がドライブ装置に装着されることでインストールされてもよい。長期最適化部１１０は、「計画生成装置」の一例である。

＜長期最適化＞
長期最適化部１１０は、例えば、車両Ｍのシステムが起動されたタイミング、車両Ｍの目的地が決定されたタイミングなど、これから車両Ｍが走行を開始するタイミングで処理を開始する。

長期車速予測部１１２は、経路探索部８４により決定された経路上の各地点を通過する際の車両Ｍの車速を予測する。例えば、長期車速予測部１１２は、地図情報８７に含まれる法定速度や道路勾配、道路曲率の情報、通信装置７２を介して受信した渋滞情報などに基づいて車速を予測する。以下、これを長期予測車速Ｖ＃と称する。長期車速予測部１１２は、例えば、所定刻みの離散値として設定される走行距離Ｘごとに（あるいは単位時間ごとに、以下同様）長期予測車速Ｖ＃を予測する。

ＳＯＣ計画算出部１１６は、走行距離Ｘごとに、長期予測車速Ｖ＃を前提として、エネルギー消費量を良好にしつつ、バッテリ５０の劣化を抑制するためのＳＯＣの推移を決定する。

図３は、長期最適化部１１０により実行される処理の流れの一例を示すフローチャートである。まず、長期最適化部１１０は、出発地から目的地までの車両Ｍの走行経路を特定する（ステップＳ３００）。出発地とは、例えば、車両Ｍが居る地点（現在地）である。例えば、長期最適化部１１０は、ナビゲーション装置８０から走行経路を取得することで、車両Ｍの走行経路を特定する。

次に、長期車速予測部１１２が、地図情報８７と走行経路を参照し、前述のように長期予測車速Ｖ＃を予測する（ステップＳ３０２）。次に、ＳＯＣ計画算出部１１６が、地図情報８７と車両モデル、長期予測車速Ｖ＃を参照し、走行経路における予想走行出力を計算する（ステップＳ３０４）。車両モデルとは、長期予測車速Ｖ＃を実現するために出力されるべき駆動軸出力パワーＰｄと、長期予測車速Ｖ＃および車両Ｍの諸元情報との関係を示す関数である。車両モデルは、例えば以下の式（１）、（２）で表される。式中、ＭＦは第２モータ１８の軸端駆動力、ａ、ｂ及びｃは走行抵抗算出係数、Ｍは車両Ｍの想定重量（２名乗車を想定）、ｇは重力加速度、θは道路勾配、ＴＭＥはギアボックス１６の効率、ＭＬは第２モータ１８の損失である。例えば、ＳＯＣ計画算出部１１６は、車両モデルを参照して長期予測車速Ｖ＃を実現するための走行距離Ｘごとの車両Ｍの出力Ｐｄ（Ｘ）を求め、予想走行出力とする。

ＭＦ＝｛（ａ＋ｂ・Ｖ＃＋ｃ・Ｖ＃^２）＋Ｍ・ｇ・ｓｉｎθ｝／ＴＭＥ …（１）
Ｐｄ＝ＭＦ・Ｖ＋ＭＬ ・・・（２）

次に、ＳＯＣ計画算出部１１６が、係数λの初期設定を行う（ステップＳ３０６）。係数λは、車両Ｍの走行状態を評価する評価関数Ｈにおいて、エネルギー消費量と、ＳＯＣを目標値に近づけること（その結果、バッテリ５０の劣化を抑制すること）とのいずれを重視するかを決定するための係数である。詳しくは、短期最適化部１２０のところで説明する。ＳＯＣ計画算出部１１６は、係数λの初期値を固定値で定めてもよいし、気温等を参照して定めてもよい。

そして、ＳＯＣ計画算出部１１６は、サイクルシミュレーションを実施する（ステップＳ３０８）。例えば、ＳＯＣ計画算出部１１６は、走行距離Ｘごとに後述する短期最適化部１２０と同様の手法によってモード（ＥＶ／ＥＣＶＴ／ＬＵのいずれか）を決定し、その結果として算出されるバッテリ５０の充放電電流に基づいて走行距離ＸごとのＳＯＣ（Ｘ）を算出する。このとき、ＳＯＣ計画算出部１１６は、ＳＯＣ（Ｘ）が上限値を超え、または下限値を下回った場合には、係数λを調整して（増加させて）以降のサイクルシミュレーションを継続するようにしてもよいし、一定時間、上限値と下限値の間に収まっている場合は、係数λを増加させた分を元に戻してもよい。

一回のサイクルシミュレーションを終了すると、ＳＯＣ計画算出部１１６は、収束条件を満たすか否かを判定する（ステップＳ３１０）。収束条件とは、車両Ｍが目的地に到達したときのＳＯＣが目標値（例えば５０［％］）に十分に近くなることである。収束条件が満たされない場合、係数λの初期値を変更し（ステップＳ３１２）、再度サイクルシミュレーションを実施する（ステップＳ３０８）。収束条件が満たされると、走行距離ＸごとのＳＯＣ（Ｘ）および係数λ（Ｘ）を確定し、ＳＯＣ計画を完成させる（ステップＳ３１４）。確定したＳＯＣ（Ｘ）および係数λ（Ｘ）を、ＳＯＣｒｅｆ（Ｘ）および係数λｒｅｆ（Ｘ）と称する。ＳＯＣ計画算出部１１６は、ＳＯＣｒｅｆ（Ｘ）および係数λｒｅｆ（Ｘ）を短期最適化部１２０に出力する。

図４は、ＳＯＣｒｅｆ（Ｘ）と係数λ（Ｘ）の一例を示す図である。図中、時刻Ｔ１においてＳＯＣｒｅｆ（Ｘ）が下限値ＳＯＣｌｏｗを下回ったため、λｒｅｆ（Ｘ）が増加する方向に調整されている。なお、ＳＯＣｒｅｆ（Ｘ）が徐々に減少し５０［％］前後に漸近する傾向にあるのは、プラグインハイブリッド車両の場合は駐車中に充電され、ＳＯＣが高い状態で発進することが多く、その後、最もバッテリ５０の劣化が進行しない状態に近づけられることを表している。乖離区間特定部１１４と乖離区間学習情報１７０の詳細については後述する。

＜短期最適化＞
図５は、短期最適化部１２０の構成図である。短期最適化部１２０は、例えば、前方状況取得部１２１と、前走車両認識部１２２と、短期車速予測部１２３と、ＳＯＣ／λ指示部１３０と、積分部１３１と、フィードバック演算部１３２と、モードごと最適動作点決定部１４０と、モード選択部１５０と、制御部１６０とを備える。なお本図に示す車両センサ６４は、アクセル開度ＡＣ等に基づいて駆動軸出力パワーＰｄ（ｔ）を計算する主体を含むものとする。

前方状況取得部１２１は、例えば、法定速度、道路勾配、道路曲率、信号機までの距離、信号機の状態、信号機の状態が切り替わるまでの時間、一時停止位置までの距離等の情報を取得する。前方状況取得部１２１は、これらの情報を、位置測位部８１の測位結果を用いて地図情報８７を参照することで、或いは通信装置７２を介して受信される情報から取得する。信号機の状態に関してはカメラ７０の撮像した画像を解析して取得されてもよい。

前走車両認識部１２２は、例えば、カメラ７０の撮像した画像を解析することで、車両Ｍと前走車両との距離および相対速度を認識する。前走車両認識部１２２は、図示しないレーダー装置やＬＩＤＡＲ（Light Detection and Ranging）の出力を参照して車両Ｍと前走車両との距離および相対速度を認識してもよい。

図６は、短期車速予測部１２３の処理内容の一例について説明するための図である。短期車速予測部１２３は、例えば、前方状況取得部１２１と前走車両認識部１２２のそれぞれによって取得された各種情報と、繰り返し発生する制御タイミングのうち少なくとも１回前の制御タイミングにおける車速とを、ＲＮＮ（Recurrent Neural Network）に入力することで、今回の（Coming）制御タイミングから、今回の制御タイミングのｎ回後の制御タイミングまでの各制御タイミングの車速（将来の車速）を予測する。以下、これを予測車速Ｖ（ｔ）～Ｖ（ｔ＋ｎ）と称する。現在の制御タイミングよりも将来の各種情報は、先読み情報である。先読み情報は、カルマンフィルタ等の手法で生成されてもよいし、例えば信号機の状態が切り替わるまでの時間に関しては制御タイミングの周期分の時間を差し引いて計算されてもよいし、一時停止位置までの距離に関しては現在の車速Ｖ（ｔ）が継続すると仮定して計算されてもよい。

予測車速Ｖ（ｔ）～Ｖ（ｔ＋ｎ）が決まると、前述した車両モデルや勾配情報等を用いて、予測車速Ｖ（ｔ）～Ｖ（ｔ＋ｎ）を実現するための駆動軸出力パワーが求められる。以下、これを予測駆動軸出力パワーＰｄ（ｔ）～Ｐｄ（ｔ＋ｎ）と称する。短期車速予測部１２３は、これを計算し、予測車速Ｖ（ｔ）～Ｖ（ｔ＋ｎ）と予測駆動軸出力パワーＰｄ（ｔ）～Ｐｄ（ｔ＋ｎ）とをモードごと最適動作点決定部１４０に出力する。

ＳＯＣ／λ指示部１３０は、現在の制御タイミングにおける指示値ＳＯＣｒｅｆ（ｔ）と指示値λｒｅｆ（ｔ）を決定する。ＳＯＣ／λ指示部１３０には、車両センサ６４から取得される車速Ｖ（ｔ）が積分部１３１によって積分されることで計算される車両Ｍの走行距離（現在までの積算値）Ｘ（ｔ）が入力される。前述したようにＳＯＣｒｅｆ（Ｘ）は走行距離Ｘごとの値として決定されているため、ＳＯＣ／λ指示部１３０は、ＳＯＣｒｅｆ（Ｘ）のうち走行距離Ｘに対応する値を今回の制御タイミングの指示値ＳＯＣｒｅｆ（ｔ）として決定する。

また、ＳＯＣ／λ指示部１３０は、指示値λｒｅｆ（ｔ）を任意の手法で決定する。ＳＯＣ／λ指示部１３０は、指示値λｒｅｆ（ｔ）を固定値としてもよいし、バッテリ５０の温度等に応じて決定してもよい。

ＳＯＣｒｅｆ（ｔ）から、バッテリＥＣＵ５４から入力される測定値のＳＯＣ（ｔ）が減算された値ΔＳＯＣ（ｔ）が、フィードバック演算部１３２に入力される。フィードバック演算部１３２は、ΔＳＯＣ（ｔ）がゼロに近づくように係数λの補正量Δλ（ｔ）を決定する。フィードバック演算部１３２の処理は、例えば式（３）で示すＰＩ制御の式で表される。Ｋｐは比例項のゲイン、Ｋｉは積分項のゲインであり、いずれも正の値である。

Δλ（ｔ）＝－Ｋｐ×ΔＳＯＣ（ｔ）－Ｋｉ×∫ΔＳＯＣ（ｔ）ｄｔ …（３）

係数λの補正量Δλ（ｔ）は、指示値λｒｅｆ（ｔ）と加算されて、今回の制御タイミングの係数λ（ｔ）としてモードごと最適動作点決定部１４０に入力される。

モードごと最適動作点決定部１４０は、複数のモードごとに、評価関数Ｈを最小にする最適動作点を決定する。モードごと最適動作点決定部１４０には、現在サイクルのＳＯＣ（ｔ）および係数λ（ｔ）、予測車速Ｖ（ｔ）～Ｖ（ｔ＋ｎ）および予測駆動軸出力パワーＰｄ（ｔ）～Ｐｄ（ｔ＋ｎ）、並びにバッテリＥＣＵ５４からのバッテリ出力上限値Ｐｂｌｉｍ（ｔ）が入力される。バッテリ出力上限値Ｐｂｌｉｍ（ｔ）は、バッテリ５０の温度やＳＯＣなどに基づいてバッテリＥＣＵ５４が計算した値であり、単位時間あたりにバッテリ５０が充放電できるパワーの上限を示している。

モードごと最適動作点決定部１４０は、入力された情報を制約条件とし、事前演算結果マップ１４１を参照して、モードごと、今回の制御タイミングからｎ回後の制御タイミングまでの制御タイミングごとに、式（４）で表される評価関数Ｈを最小にする駆動軸出力パワーＰｄ（ｔ）～Ｐｄ（ｔ＋ｎ）およびエンジン回転数ωｇ（ｔ）～ωｇ（ｔ＋ｎ）、並びに最小となった評価関数Ｈ（ｔ）～Ｈ（ｔ＋ｎ）を導出する。式中、ｕ（ｔ）はエネルギー消費量（または、走行距離あるいは時間あたりのエネルギー消費率）であり、ｍｆ（ドット）（ｕ（ｔ））は消費燃料流量［ｇ／ｓ］である。ｘ（ｔ）＝ＳＯＣ（ｔ）であり、ｘ（ドット）（ｔ）は式（５）で表されるように、ＳＯＣが増加傾向である場合にプラスの値、ＳＯＣが減少傾向である場合にマイナスの値を返す関数であり、ＳＯＣのダイナミクスと称されることがある。式中、Ｖｏｃ（ＳＯＣ）はＳＯＣを引数としてバッテリ５０の開放端電圧を返す関数であり、ｒｂ（ＳＯＣ）はＳＯＣを引数としてバッテリ５０の内部抵抗を返す関数であり、Ｑｂｍａｘはバッテリ５０の満充電容量である。

式（４）のｍｆ（ドット）（ｕ（ｔ））は消費燃料流量であり、ｘ（ドット）（ｔ）は上記のような傾向を示す関数であることから、例えばエンジン１０を動作させてバッテリ５０を充電する状態である場合、ｍｆ（ドット）（ｕ（ｔ））、ｘ（ドット）（ｔ）共に正の値となり、－λ（ｔ）を介して結合されたこれらが釣り合っていれば評価関数Ｈはゼロに近い値となる（実際は走行抵抗や損失があるので回生時以外でゼロ以下になることは生じ得ない）。また、エンジン１０を動作させてバッテリ５０を放電させる状態である場合、ｍｆ（ドット）（ｕ（ｔ））が正の値、ｘ（ドット）（ｔ）が負の値となり、エンジン１０を停止させてバッテリ５０を放電させる状態である場合、ｍｆ（ドット）（ｕ（ｔ））がゼロ、ｘ（ドット）（ｔ）が負の値となる。ｍｆ（ドット）（ｕ（ｔ））と－λ（ｔ）・ｘ（ドット）（ｔ）の合計がゼロに近いほど、車両Ｍのエネルギー収支が良好であることを意味する。このように、評価関数Ｈは、与えられた走行状態（速度、出力その他で表現される）を実現することを前提に、車両Ｍにおけるエネルギー収支が効率良い状態であるか否かを評価するものである。そして、係数λ（ｔ）は、バッテリ５０のＳＯＣを上昇させることを高く評価する度合いを調整する係数である。係数λ（ｔ）が高い程、バッテリ５０のＳＯＣの変化量が、評価関数Ｈに大きく反映されることになる。

ここで式（３）を振り返って係数λ（ｔ）の作用について説明する。係数λ（ｔ）は、フィードバック制御の性質より、ΔＳＯＣが正の大きい値になると小さくなるように調整され、ΔＳＯＣが負の小さい値（負でありかつ絶対値が大きい値）になると大きくなるように調整される。つまり、ΔＳＯＣをゼロに近づけるフィードバック制御により係数λ（ｔ）が調整されることで、バッテリ５０のＳＯＣ（ｔ）が当初目標値として設定されたＳＯＣｒｅｆ（ｔ）に沿って推移するように作用する。

図７は、モードごと最適動作点決定部１４０が導出する情報の内容を示す図である。以降の説明においてｎ＝４とする。モードごと最適動作点決定部１４０は、モードごとの駆動軸出力パワーＰｄ（ｔ）およびエンジン回転数ωｇ（ｔ）（以上、最適動作点）を制御部１６０に、モードごとの最小となった評価関数ｍｉｎＨ（ｔ）～Ｈ（ｔ＋４）をモード選択部１５０に、それぞれ出力する。

事前演算結果マップ１４１は、モードごと、係数λごとに、車速、駆動軸出力パワー、およびバッテリ出力上限値の色々な組み合わせに対して、評価関数Ｈを最小にする駆動軸出力パワーおよびエンジン回転数、及び最小となった評価関数Ｈが対応付けられた情報である。事前演算結果マップ１４１は、予め、車両制御装置１００とは別体の演算装置によってシミュレーション演算等が行われた結果として得られた情報である。

モード選択部１５０は、入力された情報に基づいて、制御タイミングｔ～ｔ＋４の間の最適なモード遷移を選択し、その選択したモード遷移の中で今回の制御タイミングｔに対応する部分を、モードＭ（ｔ）として制御部１６０に出力する。図８は、モード選択部１５０の処理について説明するための図である。制御タイミングｔ～ｔ＋４のそれぞれでモードを任意に選択できると仮定すると、モード選択の組み合わせ（以下、これをパスと称する）は３の５乗で２４３通り存在する。モード選択部１５０は、網羅的かつ時系列に（一つの制御タイミングに関して一つのモードのみ選択することを意味する）想定した複数のパスについて、評価関数Ｈの最小値ｍｉｎＨを合計したΣｍｉｎＨと、サイクル間のモード変更に対するペナルティ値ΣＰｔとを加算した評価値Ｅｐａｔｈを求め（式（６））、評価値Ｅｐａｔｈが最も小さいパスを選択する。なお、モード選択部１５０は、想定される全てのパスについて評価値Ｅｐａｔｈを求めてもよいし、何らかの制約で一部のパスを処理対象から除外してもよい。

Ｅｐａｔｈ＝ΣｍｉｎＨ＋ΣＰｔ …（６）

ペナルティ値Ｐｔは、前回の制御タイミングと比較して、どのモードからどのモードに変更したのかによって値が異なるように予め設定されている。例えば、モード変更の際に、エンジン１０の始動と回転数・トルク合わせに最も時間がかかるため、ＥＶからＬＵへのモード変更に対して最も大きいペナルティ値が、次いでエンジン１０の回転数・トルク合わせが必要なＥＣＶＴからＬＵへのモード変更に対して二番目に大きいペナルティ値が、エンジン始動のみ必要なＥＶからＥＣＶＴへのモード変更に対して三番目に大きいペナルティ値が課せられる。一方、ＥＶへの変更に関しては、第２モータ１８の動作開始に時間が余りかからないことから、小さいペナルティ値が課せられる（或いはペナルティ値が課せられない）。

このようにして、評価関数の最小値ｍｉｎＨとモード変更に対するペナルティ値Ｐｔを考慮した評価値Ｅｐａｔｈが最も小さいパスを選択すると、モード選択部１５０は、選択したパスにおける現在の制御タイミングｔに対応するモードを、現在の制御タイミングのモードＭ（ｔ）として出力する。

制御部１６０は、モードごと最適動作点決定部１４０から入力されたモードごとの駆動軸出力パワーＰｄ（ｔ）およびエンジン回転数ωｇ（ｔ）のうち、モード選択部１５０から入力されたモードＭ（ｔ）に該当するものを選択し、選択した駆動軸出力パワーＰｄ（ｔ）およびエンジン回転数ωｇ（ｔ）に基づいて制御対象機器２００を制御する。

このように制御が行われることで、単に「現在の制御タイミングｔにおいて評価関数Ｈが最も小さいモード」を選択するのではなく、「将来のｎ回後の制御タイミングまでの間の動作を評価した評価値Ｅｐａｔｈを最も良好な値にするために、現在の制御タイミングｔでどのモードを選択すべきか」という指針に基づいて、現在の制御タイミングのモードＭ（ｔ）が選択されることになる。図９は、モード選択部１５０の機能によってモードＭ（ｔ）が選択されることの効果を説明するための図である。図中、累積評価値とは、制御タイミングｔから当該制御タイミングまでに限定して求めた評価値Ｅｐａｔｈを意味する。図示するように、制御タイミングｔにおける最小値ｍｉｎＨは、ｍｉｎＨ＿ＥＶが最も小さく、ｍｉｎＨ＿ＥＣＶＴとｍｉｎＨ＿ＬＵが同じである。しかしながら、制御タイミングｔ＋１以降においてはｍｉｎＨ＿ＥＣＶＴまたはｍｉｎＨ＿ＬＵの方がｍｉｎＨ＿ＥＶよりも大きい。この結果、最小値ｍｉｎＨに着目した場合は制御タイミングｔでＥＶ、ｔ＋１以降でＥＣＶＴまたはＬＵを選択するのが最善であるが（パス（１））、制御タイミングｔ＋１でＥＶからＥＣＶＴまたはＬＵに変更される結果、制御タイミングｔ＋１においてエンジン１０を始動する必要性が生じることからペナルティが発生し、結果として、制御タイミングｔから一貫してＥＣＶＴまたはＬＵを選択する場合（パス（２））よりも評価値Ｅｐａｔｈが大きくなってしまう。モード選択部１５０は、このようなケースにおいてＥＶをモードＭ（ｔ）として選択するのではなく、ＥＣＶＴまたはＬＵをモードＭ（ｔ）として選択する。これによって、エネルギー消費量の削減とＳＯＣ計画に沿ったバッテリ５０の充放電制御との両立を、より好適に実現することができる。

上述した通り、ＳＯＣ計画算出部１１６は、予想走行出力に基づくＳＯＣ計画を算出し、短期最適化部１２０は、ＳＯＣ値が、算出されたＳＯＣ計画に追従するようフィードバック処理を実行する。しかし、走行経路のある区間において予想走行出力と実際の走行出力とが乖離し、その結果、走行出力を積算した予想仕事量と実際の仕事量も乖離している場合、短期最適化部１２０がＳＯＣ値をＳＯＣ計画に追従させることは、燃費の悪化につながることとなる。

図１０は、予想仕事量と実際の仕事量との間の乖離と、燃費改善率との間の関係を説明するためのグラフである。図１０の横軸は、走行経路のある区間における予想仕事量と実際の仕事量との間の誤差率を表し、図１０の縦軸は、車両Ｍが予想走行出力に基づくＳＯＣ計画に沿って走行した場合の燃費改善率を表す。

図１０に示す通り、予想仕事量と実際の仕事量との間の誤差率の絶対値がゼロに近いほど、燃費改善率は高くなる傾向にある。予想仕事量と実際の仕事量との間の誤差率が大きくなるタイミングは、例えば、信号待ちや渋滞など、加減速が頻繁に発生することに起因して、長期車速の予測精度が悪化するタイミングである。長期車速の予測精度が悪化する場合、予測された長期車速に基づいて算出される予想走行出力の精度も悪化し、結果的に、予想走行出力に基づくＳＯＣ計画に沿って走行した場合の燃費改善率も低くなることとなる。

このような問題に対応するために、乖離区間特定部１１４は、車両Ｍが走行経路を走行中、出力された駆動軸出力パワーＰｄを積算し、得られた仕事量を走行経路の区間ごとに記録する。この場合の区間とは、例えば、地図情報８７に記録されたリンクの単位であってもよいし、市街地や高速道路などの属性に基づいて分類された道路区間の単位であってもよい。乖離区間特定部１１４は、車両Ｍが実際に走行した結果として、記録した仕事量と、予想走行出力を積算した予想仕事量との間の乖離が基準値以上であった区間を乖離区間として特定し、乖離区間学習情報１７０として記録する。例えば、乖離区間特定部１１４は、単位期間（例えば、１ヶ月）内に、記録した仕事量と予想仕事量との間の乖離が基準値以上となった回数が所定回数以上である区間を、乖離区間として特定しても良い。また、例えば、乖離区間特定部１１４は、上述した走行距離Ｘなどの単位区間を様々に組み合わせることによって試行区間を設定し、乖離が基準値以上となった試行区間を乖離区間として特定してもよい。

なお、上記の説明では、乖離区間特定部１１４は、過去の走行時に予測した仕事量と、過去の走行時に記録した仕事量の実績値とを比較し、乖離が基準値以上であった区間を乖離区間として特定し、乖離区間学習情報１７０に記録している。しかし、代替的に、乖離区間特定部１１４は、予想走行出力に基づいて今回の走行時に予測した仕事量と、過去の走行時に記録した仕事量の実績値とを比較し、乖離が基準値以上であった区間を乖離区間として特定し、乖離区間学習情報１７０に記録しても良い。

ＳＯＣ計画算出部１１６は、長期最適化部１１０によって走行経路が特定された場合、乖離区間学習情報１７０を参照し、走行経路に含まれる区間が乖離区間に該当するか否かを判定する。ＳＯＣ計画算出部１１６は、走行経路に含まれる区間が乖離区間に該当すると判定した場合、当該区間に対応するＳＯＣ計画（ＳＯＣｒｅｆ（Ｘ））を所定値（例えば、５０％）に設定する。短期最適化部１２０は、所定値に設定されたＳＯＣ計画を用いて、上述した短期最適化処理を実行することによって、ＳＯＣ値をＳＯＣ計画に追従させる。より一般的に、ＳＯＣ計画算出部１１６は、乖離区間に対応するＳＯＣ計画の始点と終点の値を同一の値に設定すればよい。これにより、乖離区間に関して、長期最適化部１１０および短期最適化部１２０に対する計算負荷を軽減することができる。

図１１は、ＳＯＣ計画算出部１１６が乖離区間に設定するＳＯＣ計画の一例を示す図である。図１１において、符号ＤＩは、予想仕事量と実際の仕事量との間に基準値以上の乖離が発生した、Ｐ１を始点としＰ２を終点とする乖離区間を表す。

図１１に示す通り、ＳＯＣ計画算出部１１６が乖離区間学習情報１７０を参照して区間ＤＩを乖離区間として特定した場合、長期最適化部１１０は、出発地から区間ＤＩの始点Ｐ１までの区間と、区間ＤＩの終点Ｐ２から目的地までの区間をそれぞれ抽出する。長期最適化部１１０は、抽出したこれら２つの区間に対して、上述した長期最適化処理を独立して施し、２つの別個のＳＯＣ計画を得る。短期最適化部１２０は、２つの別個のＳＯＣ計画に対して、独立して上述した短期最適化処理を施すことによって、ＳＯＣ値をＳＯＣ計画に追従させる。

一方、ＳＯＣ計画算出部１１６は、乖離区間ＤＩに対応するＳＯＣ計画を所定値に設定する。短期最適化部１２０は、所定値に設定されたＳＯＣ計画を用いて、上述した短期最適化処理を実行し、ＳＯＣ値を所定値に追従させる。これにより、乖離区間に対する計算負荷を軽減しつつ、車両Ｍの燃費を改善することができる。

次に、図１２を参照して、車両制御装置１００により実行される処理の流れについて説明する。図１２は、車両制御装置１００により実行される処理の流れの一例を示すフローチャートである。

まず、長期最適化部１１０は、出発地から目的地までの車両Ｍの走行経路を特定する（ステップＳ１００）。次に、乖離区間特定部１１４は、乖離区間学習情報１７０を参照して、特定された走行経路のうちに、乖離区間が含まれているか否かを判定する（ステップＳ１０２）。

走行経路のうちに、乖離区間が含まれていると判定された場合、長期最適化部１１０は、当該乖離区間のＳＯＣ計画を所定値に設定し、残りの区間に対して、上述した長期最適化処理によってＳＯＣ計画を生成する（ステップＳ１０４）。このとき、長期最適化部１１０は、上述した通り、残りの区間が複数存在する場合、これら複数の区間に対して、独立にＳＯＣ計画を生成する。

一方、走行経路のうちに、乖離区間が含まれていないと判定された場合、長期最適化部１１０は、走行経路全体に対して長期最適化処理を施し、ＳＯＣ計画を生成する（ステップＳ１０６）。次に、短期最適化部１２０は、生成されたＳＯＣ計画に対して、上述した短期最適化処理を施し、ＳＯＣ値をＳＯＣ計画に追従させる。これにより、本フローチャートの処理が終了する。

以上の通り説明した本実施形態によれば、車両の走行時に、駆動軸出力パワーを積算して仕事量を記録し、予想した仕事量と実際の仕事量との間の乖離が基準値以上である区間を乖離区間として学習する。その後、走行経路に乖離区間が含まれる場合には、当該乖離区間のＳＯＣ計画を所定値に設定する一方、残りの区間に対しては長期最適化処理によりＳＯＣ計画を生成する。これにより、経路についての予想走行負荷と実走行負荷との間の乖離が発生した場合であっても、適切に走行計画を生成することによって燃費を改善することができる。

上記説明した実施形態は、以下のように表現することができる。
コンピュータによって読み込み可能な命令（computer-readable instructions）を格納する記憶媒体（storage medium）と、
前記記憶媒体に接続されたプロセッサと、を備え、
前記プロセッサは、前記コンピュータによって読み込み可能な命令を実行することにより（the processor executing the computer-readable instructions to:）、
少なくとも内燃機関と電動機とバッテリを備え、前記内燃機関と前記電動機の動作状態の組み合わせに対応する複数のモードから一つを選択して走行可能なハイブリッド車両を制御し、
出発地から目的地までの走行経路について、予想走行出力に基づく前記バッテリのＳＯＣ計画を生成し、
前記走行経路の区間のうち、前記ハイブリッド車両の過去の走行出力に基づく第１値と前記予想走行出力に基づく第２値との間の乖離が基準値以上である区間を乖離区間として特定し、
前記乖離区間に関して予想走行出力に依存せずに前記バッテリのＳＯＣ計画を生成する、
計画生成装置。

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

１０ エンジン
１２ 第１モータ
１４ ロックアップクラッチ
１８ 第２モータ
５０ バッテリ
１００ 車両制御装置
１１０ 長期最適化部
１２０ 短期最適化部
１２１ 前方状況取得部
１２２ 前走車両認識部
１２３ 短期車速予測部
１３０ ＳＯＣ／λ指示部
１３１ 積分部
１３２ フィードバック演算部
１４０ モードごと最適動作点決定部
１５０ モード選択部
１６０ 制御部

Claims (6)

1. 少なくとも内燃機関と電動機とバッテリを備え、前記内燃機関と前記電動機の動作状態の組み合わせに対応する複数のモードから一つを選択して走行可能なハイブリッド車両を制御するための計画を生成する計画生成装置であって、
   出発地から目的地までの走行経路について、予想走行出力に基づく前記バッテリのＳＯＣ計画を生成するＳＯＣ計画部と、
   前記走行経路の区間のうち、前記ハイブリッド車両の過去の走行出力に基づく第１値と前記予想走行出力に基づく第２値との間の乖離が基準値以上である区間を乖離区間として特定する乖離区間特定部と、を備え、
   前記ＳＯＣ計画部は、前記乖離区間に関して、前記予想走行出力に依存せずに前記バッテリのＳＯＣ計画を生成する、
   計画生成装置。
2. 前記ＳＯＣ計画部は、前記乖離区間に関して、前記予想走行出力に基づく前記バッテリのＳＯＣ計画に代えて、前記バッテリの目標ＳＯＣが所定値に設定されたＳＯＣ計画を生成する、
   請求項１に記載の計画生成装置。
3. 前記ＳＯＣ計画部は、前記乖離区間について、前記予想走行出力に基づく前記バッテリのＳＯＣ計画に代えて、前記乖離区間の始点と終点の目標ＳＯＣが同一の値に設定されたＳＯＣ計画を使用する、
   請求項１に記載の計画生成装置。
4. 前記複数のモードは、前記内燃機関を停止させて前記電動機の出力で走行する第１モード、前記内燃機関の出力を利用して発電機によって発電すると共に前記電動機の出力で走行する第２モード、前記内燃機関の出力を機械的に駆動輪に伝達する第３モードを含む、
   請求項１に記載の計画生成装置。
5. 一以上のプロセッサにより実現され、少なくとも内燃機関と電動機とバッテリを備え、前記内燃機関と前記電動機の動作状態の組み合わせに対応する複数のモードから一つを選択して走行可能なハイブリッド車両を制御する計画生成方法であって、
   前記複数のモードは、前記内燃機関の出力を利用して発電機によって発電すると共に前記電動機の出力で走行する所定モードを含み、
   前記計画生成方法は、
   出発地から目的地までの走行経路について、予想走行出力に基づく前記バッテリのＳＯＣ計画を生成することと、
   前記走行経路の区間のうち、前記ハイブリッド車両の過去の走行出力に基づく第１値と前記予想走行出力に基づく第２値との間の乖離が基準値以上である区間を乖離区間として特定することと、
   前記乖離区間に関して予想走行出力に依存せずに前記バッテリのＳＯＣ計画を生成することと、を備える、
   計画生成方法。
6. 少なくとも内燃機関と電動機とバッテリを備え、前記内燃機関と前記電動機の動作状態の組み合わせに対応する複数のモードから一つを選択して走行可能なハイブリッド車両を制御するプログラムであって、
   前記プログラムは、コンピュータに、
   出発地から目的地までの走行経路について、予想走行出力に基づく前記バッテリのＳＯＣ計画を生成させ、
   前記走行経路の区間のうち、前記ハイブリッド車両の過去の走行出力に基づく第１値と前記予想走行出力に基づく第２値との間の乖離が基準値以上である区間を乖離区間として特定させ、
   前記乖離区間に関して予想走行出力に依存せずに前記バッテリのＳＯＣ計画を生成させる、
   プログラム。

Images