JP2024028051A - エネルギー消費量推定装置、モデル生成装置、プログラム及びモデルの生成方法 - Google Patents

Abstract

【課題】高精度に車両のエネルギー消費量を推定することが可能なエネルギー消費量推定装置、モデル生成装置、プログラム及びモデルの生成方法が提供される。
【解決手段】エネルギー消費量推定装置（１０）は、車両（２０）のエネルギー消費量推定装置であって、説明変数から目的変数を得るためのモデルを生成するモデル生成部（１３１）を備え、モデルは、目的変数として車両のエネルギー消費量を含み、説明変数として車両の走行情報、車両の荷重情報及び車両のタイヤ情報を含む、重回帰モデルであり、モデル生成部は、説明変数に対する目的変数が示された車両の実績データを用いて、車両のタイヤ情報に関連付けられた第１係数を算出する。
【選択図】図１

Description

本開示は、エネルギー消費量推定装置、モデル生成装置、プログラム及びモデルの生成方法に関する。本開示は、特に車両のエネルギー消費量を推定するためのエネルギー消費量推定装置、モデル生成装置、プログラム及びモデルの生成方法に関する。

従来、車両の燃料消費量などのエネルギー消費量を推定する技術が提案されている。例えば、特許文献１は、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、運転者個人の運転状況パターン毎の燃料消費量の傾向に基づいて、走行予定経路の燃料消費量を推定するシステムを開示する。

特開２００９－０３１０４６号公報

ここで、車両の燃料消費量などのエネルギー消費量は、走行状況及び装備などの様々な因子によって変化する。特許文献１などの従来技術は、走行予定経路の情報から燃料消費量を推定するが、例えば車両の装備変更などによる燃料消費量の変化を推定することができなかった。そのため、車両のエネルギー消費量について、さらなる推定精度の向上が求められている。

かかる事情に鑑みてなされた本開示の目的は、高精度に車両のエネルギー消費量を推定することが可能なエネルギー消費量推定装置、モデル生成装置、プログラム及びモデルの生成方法を提供することにある。

（１）本開示の一実施形態に係るエネルギー消費量推定装置は、車両のエネルギー消費量推定装置であって、説明変数から目的変数を得るためのモデルを生成するモデル生成部を備え、前記モデルは、前記目的変数として前記車両のエネルギー消費量を含み、前記説明変数として前記車両の走行情報、前記車両の荷重情報及び前記車両のタイヤ情報を含む、重回帰モデルであり、前記モデル生成部は、前記説明変数に対する前記目的変数が示された前記車両の実績データを用いて、前記車両のタイヤ情報に関連付けられた第１係数を算出する。
この構成により、高精度に車両のエネルギー消費量を推定することが可能になる。

（２）本開示の一実施形態として、（１）において、前記第１係数は、動的負荷半径に関連付けられる。
この構成により、動的負荷半径に基づいて運動エネルギー及び車両の走行抵抗を正確に推定することができ、さらに高精度に車両のエネルギー消費量を推定することが可能になる。

（３）本開示の一実施形態として、（１）又は（２）において、前記モデル生成部は、勾配抵抗及び転がり抵抗の少なくとも１つに関連付けられた第２係数を算出する。
この構成により、勾配抵抗及び転がり抵抗の少なくとも１つに基づいて運動エネルギー及び車両の走行抵抗を正確に推定することができ、さらに高精度に車両のエネルギー消費量を推定することが可能になる。

（４）本開示の一実施形態として、（１）から（３）のいずれかにおいて、前記モデルは、前記説明変数として前記車両の車両情報をさらに含む。
この構成により、車両による空気抵抗の違い等を考慮することが可能になり、さらに高精度に車両のエネルギー消費量を推定することが可能になる。

（５）本開示の一実施形態として、（１）から（４）のいずれかにおいて、生成された前記モデルを用いて、前記車両のエネルギー消費量を推定するエネルギー消費量推定部を備える。
この構成により、高精度に車両のエネルギー消費量の推定ができる。

（６）本開示の一実施形態として、（５）において、前記エネルギー消費量推定部は、転がり抵抗、空気抵抗、勾配抵抗、加速抵抗及び運動エネルギーの少なくとも１つによって消費される、前記車両のエネルギー消費量を推定する。
この構成により、一部の要因によるエネルギー消費量の高精度な推定ができる。

（７）本開示の一実施形態に係るモデル生成装置は、車両のエネルギー消費量推定のためのモデルを生成するモデル生成装置であって、説明変数から目的変数を得るためのモデルを生成するモデル生成部を備え、前記モデルは、前記目的変数として前記車両のエネルギー消費量を含み、前記説明変数として前記車両の走行情報、前記車両の荷重情報及び少なくとも動的負荷半径を有する前記車両のタイヤ情報を含む、機械学習モデルであり、前記モデル生成部は、前記説明変数に対する前記目的変数が示された前記車両の実績データを用いて、機械学習によって前記モデルを生成する。
この構成により、高精度に車両のエネルギー消費量を推定することが可能なモデルを生成できる。

（８）本開示の一実施形態に係るプログラムは、コンピュータに、車両のエネルギー消費量推定のためのモデルを生成させるプログラムであって、前記モデルは、目的変数として前記車両のエネルギー消費量を含み、説明変数として前記車両の走行情報、前記車両の荷重情報及び少なくとも動的負荷半径を有する前記車両のタイヤ情報を含む、機械学習モデルであり、前記コンピュータに、前記説明変数に対する前記目的変数が示された前記車両の実績データを取得することと、前記実績データを用いた機械学習を行うことと、を実行させる。
この構成により、高精度に車両のエネルギー消費量を推定することが可能なモデルを生成できる。

（９）本開示の一実施形態に係るモデルの生成方法は、コンピュータが実行する、車両のエネルギー消費量推定のためのモデルの生成方法であって、前記モデルは、目的変数として前記車両のエネルギー消費量を含み、説明変数として前記車両の走行情報、前記車両の荷重情報及び少なくとも動的負荷半径を有する前記車両のタイヤ情報を含む、機械学習モデルであり、前記説明変数に対する前記目的変数が示された前記車両の実績データを取得することと、前記実績データを用いた機械学習を行うことと、を含む。
この構成により、高精度に車両のエネルギー消費量を推定することが可能なモデルを生成できる。

本開示によれば、高精度に車両のエネルギー消費量を推定することが可能なエネルギー消費量推定装置、モデル生成装置、プログラム及びモデルの生成方法を提供することができる。

図１は、本開示の一実施形態に係るエネルギー消費量推定装置を含むエネルギー消費量推定システムの構成例を示す図である。 図２は、図１のエネルギー消費量推定システムの構成例を示す別の図である。 図３は、本開示の一実施形態に係るエネルギー消費量推定方法の例を示すフローチャートである。 図４は、図３のモデル生成工程の詳細を示すフローチャートである。 図５は、図３のエネルギー消費量推定工程の詳細を示すフローチャートである。

以下、図面を参照して本開示の一実施形態に係るエネルギー消費量推定装置、モデル生成装置、プログラム及びモデルの生成方法が説明される。各図中、同一又は相当する部分には、同一符号が付されている。本実施形態の説明において、同一又は相当する部分については、説明を適宜省略又は簡略化する。

図１及び図２は、本実施形態に係るエネルギー消費量推定装置１０を含むエネルギー消費量推定システムの構成例を示す図である。図１はエネルギー消費量推定装置１０の内部構成例を含むブロック図である。図２はエネルギー消費量推定システムの全体構成を示す。

エネルギー消費量推定装置１０は、車両２０のエネルギー消費量推定のための装置である。本実施形態において、エネルギー消費量推定装置１０は、モデルを生成し、生成したモデルを用いて車両２０のエネルギー消費量を推定する。ここで、エネルギー消費量推定装置１０は、モデルを生成する機能のみを備えてよいし、車両２０のエネルギー消費量を推定する機能のみを備えてよい。また、エネルギー消費量推定装置１０のモデルを生成する機能部分を１つの装置のように扱って、モデル生成装置と称することがある。エネルギー消費量は、車両２０が走行のために消費するエネルギーの量であって、客観的に比較可能なように、一定の基準当たりで示されるものをいう。エネルギー消費量は、例えば車両２０がガソリンを用いるものであれば、燃料消費量であってよい。本実施形態において、エネルギー消費量は燃料消費量であるとして説明するが、これに限定されない。例えばエネルギー消費量は、車両２０が電気自動車であれば、消費電力量であってよい。また、例えばエネルギー消費量は、車両２０が水素を用いるものであれば、水素の使用量であってよい。

エネルギー消費量推定装置１０は、通信部１１と、記憶部１２と、制御部１３と、を備える。制御部１３は、モデル生成部１３１と、エネルギー消費量推定部１３２と、を備える。エネルギー消費量推定装置１０は、ハードウェア構成として、例えばコンピュータであってよい。エネルギー消費量推定装置１０の構成要素の詳細については後述する。

エネルギー消費量推定装置１０は、ネットワーク４０で接続される運行管理装置６０とともに、エネルギー消費量推定システムを構成してよい。ネットワーク４０は、例えばインターネットであるが、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）などであってよい。

運行管理装置６０は、車両２０の運行を管理する装置である。運行管理装置６０は、例えばエネルギー消費量推定装置１０とは別のコンピュータで構成される。車両２０は、特定の用途のものに限定されるものでなく、例えば乗用車、タクシー、トラック等であり得るが、本実施形態においてバスであるとして説明される。つまり、本実施形態において、運行管理装置６０は、公共交通機関であるバスとしての車両２０を管理する装置である。運行管理装置６０は、車両２０の走行状態、荷重の状態、さらに装着しているタイヤ３０の情報などを管理する。運行管理装置６０は、車両２０が装着するタイヤ３０の情報として、タイヤ３０の種類、サイズ、動的負荷半径及び転がり抵抗などを管理してよい。動的負荷半径は、車両２０の実際の移動量からみたタイヤ３０の有効半径である。運行管理装置６０は、車両情報として、車両２０の種類、種類に応じた前方投影面積などを管理してよい。また、運行管理装置６０は、車両２０の重量などのデータ、車両２０の走行ルート（路線）の地図情報などを管理してよい。運行管理装置６０は、車両２０の運行に関する情報をデータベースとして蓄積して、アクセス可能な記憶装置に記憶してよい。また、運行管理装置６０は、エネルギー消費量推定装置１０が車両２０のエネルギー消費量を推定できるように、データベースの情報をエネルギー消費量推定装置１０に提供する。

本実施形態において、バスである車両２０は、検出装置７０及び通信装置８０を備える。検出装置７０は、車両２０の走行状態を示す情報である車両運行情報を検出して通信装置８０に出力する。検出装置７０は、例えば加速度センサを含み、車両運行情報として車両２０の加速度の情報を出力してよい。検出装置７０は、例えば速度センサを含み、車両運行情報として車両２０の速度の情報を出力してよい。検出装置７０は、例えばＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）機能を有する装置を含み、車両運行情報として車両２０の位置情報又は移動距離を出力してよい。また、本実施形態において、検出装置７０は、運賃を支払うためのＩＣカードのリーダを含み、車両運行情報として車両２０の乗降人数を出力する。

通信装置８０は、車両運行情報を運行管理装置６０に出力する車載装置である。通信装置８０は例えば無線通信モジュールで構成されてよいし、例えばデジタルタコグラフであってよいが、特定の装置に限定されない。本実施形態において、通信装置８０は、ネットワーク４０を介して、運行管理装置６０と通信可能であるように構成される。運行管理装置６０に出力された車両運行情報は、実績データとして運行管理装置６０のデータベースに蓄積される。

ここで、実績データ（通信装置８０を介して運行管理装置６０に出力された車両運行情報）は、運行管理装置６０によって車両２０の実際の燃料消費量と関連付けられてデータベースに蓄積される。車両２０の実際の燃料消費量は、例えば車両２０の給油の情報に基づいて運行管理装置６０が計算してよい。また、実績データは運行管理装置６０によってタイヤ３０の種類又は車両２０の種類と関連付けられてデータベースに蓄積されてよい。

以下、エネルギー消費量推定装置１０の構成要素の詳細が説明される。通信部１１は、ネットワーク４０に接続する１つ以上の通信モジュールを含んで構成される。通信部１１は、例えば４Ｇ（４ｔｈ Ｇｅｎｅｒａｔｉｏｎ）、５Ｇ（５ｔｈ Ｇｅｎｅｒａｔｉｏｎ）などの移動体通信規格に対応する通信モジュールを含んでよい。通信部１１は、例えば有線のＬＡＮ規格（一例として１０００ＢＡＳＥ－Ｔ）に対応する通信モジュールを含んでよい。通信部１１は、例えば無線のＬＡＮ規格（一例としてＩＥＥＥ８０２．１１）に対応する通信モジュールを含んでよい。

記憶部１２は、１つ以上のメモリである。メモリは、例えば半導体メモリ、磁気メモリ、又は光メモリ等であるが、これらに限られず任意のメモリとすることができる。記憶部１２は、例えばエネルギー消費量推定装置１０に内蔵されるが、任意のインターフェースを介してエネルギー消費量推定装置１０によって外部からアクセスされる構成も可能である。

記憶部１２は、制御部１３が実行する各種の算出において使用される各種のデータを記憶する。また、記憶部１２は、制御部１３が実行する各種の算出の結果及び中間データを記憶してよい。本実施形態において、記憶部１２は、生成されたモデルを記憶する。

制御部１３は、１つ以上のプロセッサである。プロセッサは、例えば汎用のプロセッサ、又は特定の処理に特化した専用プロセッサであるが、これらに限られず任意のプロセッサとすることができる。制御部１３は、エネルギー消費量推定装置１０の全体の動作を制御する。

ここで、エネルギー消費量推定装置１０は、以下のようなソフトウェア構成を有してよい。エネルギー消費量推定装置１０の動作の制御に用いられる１つ以上のプログラムが記憶部１２に記憶される。記憶部１２に記憶されたプログラムは、制御部１３のプロセッサによって読み込まれると、制御部１３をモデル生成部１３１及びエネルギー消費量推定部１３２として機能させる。

モデル生成部１３１は、車両２０のエネルギー消費量（本実施形態において燃料消費量）を推定するために用いられるモデルを生成する。モデルは、説明変数から目的変数を得るように構成されていれば、特定のものに限定されない。本実施形態において、モデルは、複数の説明変数に係数を有する重回帰モデル（重回帰式）である。目的変数は車両２０の燃料消費量である。また、説明変数は車両２０の走行情報、車両２０の荷重情報及び車両２０のタイヤ情報を含む。上記のように、運行管理装置６０のデータベースに蓄積された実績データは、車両２０の実際の燃料消費量と関連付けられている。つまり、実績データは、車両２０の走行情報、荷重情報及びタイヤ情報に対する燃料消費量を示すものである。モデル生成部１３１は、車両２０の実績データを用いて、係数を決定することによってモデルを生成する。ここで、説明変数は車両２０の車両情報をさらに含んでよい。

ここで、車両２０の走行情報は、実績データにおける車両２０の加速度及び速度の少なくとも１つを含んでよい。また、車両２０の走行情報は、車両２０の位置情報を含んでよい。位置情報に基づいて、車両２０の移動距離などが計算され得る。また、位置情報及び運行管理装置６０によって管理される地図情報に基づいて、車両２０の走行する場所の勾配又は高度が計算され得る。

また、車両２０の荷重情報は、運行管理装置６０によって管理される車両２０の重量の情報を含んでよい。本実施形態において、車両２０の荷重情報は、車両２０の乗降人数を考慮して定められる。車両２０の荷重が、車両２０自体の重量だけで固定的に定められるのでなく、乗降人数に基づく変動が考慮されることによって、正確に車両２０の重量が算出される。

また、車両２０のタイヤ情報は、タイヤ３０の種類及び動的負荷半径を少なくとも含む。車両２０のタイヤ情報は、さらに転がり抵抗、サイズなどを含んでよい。動的負荷半径と車両２０の運動エネルギーとの関係については後述する。

また、車両２０の車両情報は、車両２０の種類及び前方投影面積を少なくとも含む。前方投影面積は、車両２０を正面から見た場合の断面面積であって、これに空気抵抗係数を乗じることによって空気抵抗値が得られる。前方投影面積は、車両２０の種類（車種、車格など）によって異なっている。ここで、モデルが説明変数として車両情報を含む場合に、車両２０による空気抵抗の違い等を考慮することが可能になり、さらに高精度に車両２０のエネルギー消費量を推定することが可能になる。

ここで、モデル生成部１３１は、モデル生成に用いる実績データを、例えば車両２０の種類などで分類してよい。モデル生成部１３１は、分類された実績データのそれぞれを用いて、複数のモデルを生成してよい。また、本実施形態のように車両２０がバスである場合に、モデル生成部１３１は、モデル生成に用いる実績データを運行系統で分類してよい。例えば実績データが運行系統である系統Ｘ、系統Ｙ又は系統Ｚで分類された場合に、系統Ｘを走行する車両２０に対応するモデルと、系統Ｙを走行する車両２０に対応するモデルと、系統Ｚを走行する車両２０に対応するモデルと、が生成されてよい。モデル生成部１３１は、生成したモデルを記憶部１２に記憶させてよい。

エネルギー消費量推定部１３２は、モデル生成部１３１によって生成されたモデルを用いて、車両２０のエネルギー消費量（本実施形態において燃料消費量）を推定する。エネルギー消費量推定部１３２は、通信部１１を介してエネルギー消費量推定装置１０の外部から推定実行の指示及び推定の条件（入力データ）を受け取った場合に、燃料消費量の推定を実行してよい。モデル生成部１３１によって複数のモデルが生成された場合に、エネルギー消費量推定部１３２は、入力データに応じてモデルを選択してよい。例えば、入力データが特定の車種である車両２０を指定する内容である場合に、エネルギー消費量推定部１３２は、特定の車種に対応するモデルを選択して、エネルギー消費量を推定（計算）してよい。

ここで、モデル生成部１３１は、上記のように、複数の説明変数に係数を有する重回帰モデルを生成する。本実施形態において、モデル生成部１３１は、車両２０の実績データを用いて、車両２０のタイヤ情報に関連付けられた第１係数を算出し、勾配抵抗及び転がり抵抗の少なくとも１つに関連付けられた第２係数を算出する。つまり、モデル生成部１３１は、重回帰モデルの第１係数と第２係数を決定することによって、車両２０のエネルギー消費量の推定に用いられるモデルを生成する。第１係数と第２係数に関連して、以下に、本実施形態における燃料消費量推定の考え方が説明される。

車両２０では、燃料が生み出すエネルギーをタイヤ３０の回転運動に変えている。燃料が生み出すエネルギーは車両２０の運動エネルギーをエネルギー変換効率で割った値で求められる。したがって、車両２０のエネルギー消費量（本実施形態において燃料消費量）は、車両２０の運動エネルギーを正確に求めることによって、高精度に推定することが可能である。車両２０の運動エネルギーＥ［Ｊ］は以下の式で計算される。

ここで、Ｍは車両２０の重量［ｋｇ］である。ａは車両２０の加速度［ｍ／ｓ^２］である。Ｌは車両２０の移動距離［ｍ］である。Ｒは車両２０の走行抵抗［Ｎ］である。走行抵抗は、一般に、Ｒｒ、Ｒａ、Ｒｇ及びＲａｃに分解できる。Ｒｒは転がり抵抗［Ｎ］である。Ｒａは空気抵抗［Ｎ］である。Ｒｇは勾配抵抗［Ｎ］である。Ｒａｃは加速抵抗［Ｎ］である。Ｒｒ、Ｒａ、Ｒｇ及びＲａｃは以下の式で計算される。

ここで、ｇは重力加速度［ｍ／ｓ^２］である。ＲＲＣは転がり抵抗係数［－］である。ρは空気密度［Ｎ・ｓ^２／ｍ^４］である。Ｃｄは空気抵抗係数［－］である。Ａは車両２０の前方投影面積［ｍ^２］である。Ｖは車両２０の速度［ｍ／ｓ］である。θは車両２０が走行する道路の勾配角度［°］である。Ｍｒは車両２０の回転部相当重量［ｋｇ］である。

ここで、運動エネルギーＥの計算において、車両２０の重量（Ｍ）は、データベースに蓄積される車両２０の荷重情報から得られる。車両２０の加速度（ａ）、移動距離（Ｌ）及び速度（Ｖ）は、データベースに蓄積される車両２０の走行情報から得られる。勾配角度（θ）は、データベースに蓄積される車両２０の走行情報に基づいて取得可能である。転がり抵抗係数（ＲＲＣ）は、データベースに蓄積される車両２０のタイヤ情報に基づいて取得可能である。車両２０の前方投影面積（Ａ）は、バスの一般的なサイズ（一例として７［ｍ^２］）が使用されてよいし、データベースに車両２０の車両情報が蓄積されている場合に車両情報から得られてよい。重力加速度（ｇ）、空気密度（ρ）及び空気抵抗係数（Ｃｄ）は、定数が用いられてよい。しかし、車両２０の回転部相当重量（Ｍｒ）は測定値として得ることができない。また、車両２０の回転部相当重量を計算する場合には、変速機の変速比などの車両２０の内部機械構造に関する値が必要になる。車両２０の内部機械構造に関する値は一般に公開されていない。そのため、運動エネルギーＥの計算式に従って、正確に運動エネルギーＥを求めることは困難である。ただし、車両２０の回転部相当重量は、タイヤ３０の動的負荷半径［ｍ］をｒとする場合に、（１／ｒ^２）に応じて変化することが知られている。

本実施形態では、運動エネルギーＥにおける回転部相当重量に関する部分について、説明変数を動的負荷半径とする項（第１項）とする重回帰モデルを採用する。また、運動エネルギーＥにおける他の部分については、説明変数を勾配抵抗及び転がり抵抗の少なくとも１つとする項（第２項）とする。第１項の係数が第１係数であり、第２項の係数が第２係数である。ここで、第２項に相当する部分については、上記のように測定値を得ることができるが、一般に測定値に誤差が含まれることがある。例えば勾配抵抗は勾配角度が誤差を含むことがある。また、転がり抵抗は理論値で与えられることがあり、実際の値と差が生じることがある。そのため、回転部相当重量以外の部分についても重回帰モデルの第２項として解析し、重回帰係数によって補正が行われるようにする。本実施形態で用いられる重回帰式は例えば以下のように示される。ｙは車両２０のエネルギー消費量である。ａ１、ａ２はそれぞれ第１係数、第２係数である。

図３は、本実施形態に係るエネルギー消費量推定装置１０が実行するエネルギー消費量推定方法の例を示すフローチャートである。モデル生成部１３１は、車両２０の燃料消費量を推定するためのモデルを生成するモデル生成工程（ステップＳ１）を実行する。また、エネルギー消費量推定部１３２は、生成されたモデルを用いて、車両２０の燃料消費量を推定するエネルギー消費量推定工程（ステップＳ２）を実行する。エネルギー消費量推定工程は、モデル生成工程と連続して実行されてよいが、モデル生成工程の後に一定の時間が経過してから実行されてよい。

図４は、図３のモデル生成工程の詳細を示すフローチャートである。モデル生成部１３１は、運行管理装置６０のデータベースに蓄積された実績データを取得する（ステップＳ１１）。モデル生成部１３１は、取得した実績データを分類する（ステップＳ１２）。本実施形態において、モデル生成部１３１は、少なくとも車両２０の種類に応じて実績データを分類する。例えば車種が同一である場合（同じ車種のバスが使用される場合）に、ステップＳ１２が省略されてよい。そして、モデル生成部１３１はモデルを生成する（ステップＳ１３）。本実施形態において、モデル生成部１３１は、重回帰モデルの係数を決定することによってモデルを生成する。上記のように、本実施形態において、第１係数が動的負荷半径に関連付けられる。このことによって、計算式から得ることが難しい回転部相当重量に関する加速抵抗についても、動的負荷半径に基づいて正確に推定することができ、さらに高精度に車両２０のエネルギー消費量を推定することが可能になる。また、第２係数が勾配抵抗及び転がり抵抗の少なくとも１つに関連付けられる。このことによって、関連付けられていない抵抗及び測定値の誤差などについても補正可能になり、運動エネルギーを正確に推定することができ、さらに高精度に車両２０のエネルギー消費量を推定することが可能になる。また、決定された係数に基づいて、それぞれの説明変数の燃料消費量に対する寄与率を求めることができる。例えば上記の第２項は様々な種類の抵抗を含むが、第２係数の決定の過程において、第２係数に関連付けた転がり抵抗、空気抵抗、勾配抵抗などのそれぞれの運動エネルギーへの寄与率が計算される。そのため、それぞれの寄与率に基づいて、特定の抵抗とエネルギー消費量との関係を把握可能である。

図５は、図３のエネルギー消費量推定工程の詳細を示すフローチャートである。エネルギー消費量推定部１３２は、エネルギー消費量推定装置１０の外部から推定実行の指示を受け取ると、入力データを取得し（ステップＳ２１）、記憶部１２からモデルを取得する（ステップＳ２２）。入力データは、上記のように推定の条件を示すデータである。エネルギー消費量推定部１３２は、複数のモデルが生成されている場合に、入力データに基づいて推定に用いるモデルを選択してよい。そして、エネルギー消費量推定部１３２は、モデルを用いて燃料消費量を推定し、推定結果を出力する（ステップＳ２３）。エネルギー消費量推定部１３２は、上記のように回転部相当重量に関する運動エネルギーを考慮して、測定値の誤差なども補正したモデルを用いて、高精度に車両２０のエネルギー消費量を推定できる。

ここで、エネルギー消費量推定部１３２は、転がり抵抗、空気抵抗、勾配抵抗、加速抵抗及び運動エネルギーの少なくとも１つによって消費される、車両２０のエネルギー消費量を推定することができる。上記のように、第１係数、第２係数の決定の過程において特定の抵抗とエネルギー消費量との関係が把握されるため、エネルギー消費量推定部１３２は、特定の抵抗が寄与する分の車両２０のエネルギー消費量を推定することができる。つまり、一部の要因によるエネルギー消費量を高精度に推定することができる。

例えば入力データが、車両２０が装着していた種類Ａのタイヤ３０を、種類Ｂのタイヤ３０に変更した場合の燃料消費量の推定を要求するものである場合に、エネルギー消費量推定部１３２は、以下のように推定を行うことができる。エネルギー消費量推定部１３２は、種類Ａのタイヤ３０を装着する車両２０のエネルギー消費量を推定した後に、種類Ａと種類Ｂのタイヤ３０の転がり抵抗の違い（例えば比）を計算する。エネルギー消費量推定部１３２は、転がり抵抗の全体の運動エネルギーへの寄与率を例えば第２係数に基づいて特定する。そして、エネルギー消費量推定部１３２は、推定したエネルギー消費量を、転がり抵抗の違い及び寄与率に基づいて調整する。推定結果は、ネットワーク４０を介して送信されて、燃料消費量推定を要求した者（例えばバスの運行管理者）が見ることができるディスプレイに表示されてよい。例えば、種類Ａのタイヤ３０と種類Ｂのタイヤ３０の複数の燃料消費量計算の結果が対比されるように示されてよい。ここで、入力データが指定する条件はタイヤ３０の種類に限定されず、例えば車両２０の種類などであってよい。例えば車両２０の種類が異なる場合に、エネルギー消費量推定部１３２は、空気抵抗及び加速抵抗の違いを計算して、エネルギー消費量を調整してよい。また、坂道での燃料消費量変化の推定が要求された場合に、エネルギー消費量推定部１３２は、勾配抵抗の違いを計算して、エネルギー消費量を調整してよい。

以上のように、本実施形態に係るエネルギー消費量推定装置１０、モデル生成装置、プログラム及びモデルの生成方法は、上記の構成及び工程によって、高精度に車両２０のエネルギー消費量を推定することを可能にする。

本開示の実施形態について、諸図面及び実施例に基づき説明してきたが、当業者であれば本開示に基づき種々の変形又は修正を行うことが容易であることに注意されたい。従って、これらの変形又は修正は本開示の範囲に含まれることに留意されたい。例えば、各構成部又は各ステップなどに含まれる機能などは論理的に矛盾しないように再配置可能であり、複数の構成部又はステップなどを１つに組み合わせたり、或いは分割したりすることが可能である。本開示に係る実施形態は装置が備えるプロセッサにより実行されるプログラムを記録した記憶媒体としても実現し得るものである。本開示の範囲にはこれらも包含されるものと理解されたい。

例えば図１及び図２に示されるエネルギー消費量推定装置１０及びエネルギー消費量推定システムの構成は一例であって、図１及び図２の構成に限定されるものでない。例えばエネルギー消費量推定システムは、エネルギー消費量推定装置１０と運行管理装置６０とが一体化された構成であってよい。この場合に、エネルギー消費量推定装置１０が運行管理装置６０の機能も実行し、エネルギー消費量推定装置１０が単体でエネルギー消費量推定システムとして機能してよい。また、例えばエネルギー消費量推定システムが運行管理装置６０を備える場合に、運行管理装置６０は１つでなく複数のコンピュータで構成されてよい。例えば運行管理装置６０は、車両２０の位置情報を管理する１つのコンピュータと、車両２０の乗降人数の情報を管理する別のコンピュータと、を少なくとも含む、相互に通信可能な複数のコンピュータで構成されてよい。

モデル生成部１３１と、エネルギー消費量推定部１３２と、が異なるコンピュータに含まれる構成であってよい。例えば、モデル生成部１３１は、エネルギー消費量推定装置１０と通信可能であって、記憶部１２にもアクセス可能な別のコンピュータに含まれてよい。この場合に、エネルギー消費量推定装置１０は、別のコンピュータで生成されて記憶部１２に記憶されたモデルを用いて、車両２０のエネルギー消費量を推定してよい。モデルは上記と同様に生成されてよい。つまり、別のコンピュータが、車両２０の実績データを取得し、実績データを用いてモデルを生成してよい。

また、上記の実施形態において、重回帰モデルが用いられたが、機械学習モデルが用いられてよい。つまり、モデルは、目的変数として車両２０のエネルギー消費量を含み、説明変数として車両２０の走行情報、車両２０の荷重情報及び車両２０のタイヤ情報を含む、機械学習モデルであってよい。車両２０のタイヤ情報は少なくとも動的負荷半径を有する。機械学習の手法は、限定されないが、例えばニューラルネットワークなどであってよい。この場合に、モデル生成部１３１は、車両２０の実績データを取得して、実績データを用いた機械学習を行ってモデルを生成する。例えばモデル生成部１３１による分類処理などによって、適切な実績データを用いて機械学習が実行されることによって、高精度に車両２０のエネルギー消費量を推定することが可能なモデルが生成される。また、そのモデルを用いて高精度な推定が可能になる。ここで、機械学習モデルが用いられる場合においても、モデル生成部１３１と、エネルギー消費量推定部１３２と、が異なるコンピュータに含まれる構成であってよい。つまり、別のコンピュータが機械学習モデルを生成し、エネルギー消費量推定装置１０が別のコンピュータで生成されて記憶部１２に記憶されたモデルを用いて、車両２０のエネルギー消費量を推定してよい。

また、検出装置７０及び通信装置８０は、車両２０に搭載される装置であるとして説明したが、このような形態に限定されない。例えば検出装置７０及び通信装置８０は、車両２０の搭乗者が有する携帯端末（一例としてスマートフォン）のアプリケーションで実現されてよい。携帯端末のアプリケーションが、携帯端末が備える各種のセンサと通信モジュールを制御して、実績データとしてデータベースに蓄積されるように、車両運行情報を出力してよい。また、車両運行情報の一部が携帯端末によって検出及び出力されて、残りの車両運行情報が、携帯端末と異なる検出装置７０及び通信装置８０によって検出及び出力されてよい。この場合に、携帯端末のアプリケーションによって、車両２０の加速度、速度、位置情報、走行する場所の勾配、移動距離及び乗降人数などが検出及び出力されてよい。ここで、検出装置７０及び通信装置８０が車両２０の搭乗者が有する携帯端末のアプリケーションで実現される場合にも、エネルギー消費量推定装置１０と運行管理装置６０とが一体化された構成であってよい。つまり、エネルギー消費量推定装置１０が携帯端末からの車両運行情報を受け取って、データベースで管理する構成であってよい。

１０ エネルギー消費量推定装置
１１ 通信部
１２ 記憶部
１３ 制御部
２０ 車両
３０ タイヤ
４０ ネットワーク
６０ 運行管理装置
７０ 検出装置
８０ 通信装置
１３１ モデル生成部
１３２ エネルギー消費量推定部

Claims (9)

1. 車両のエネルギー消費量推定装置であって、
   説明変数から目的変数を得るためのモデルを生成するモデル生成部を備え、
   前記モデルは、前記目的変数として前記車両のエネルギー消費量を含み、前記説明変数として前記車両の走行情報、前記車両の荷重情報及び前記車両のタイヤ情報を含む、重回帰モデルであり、
   前記モデル生成部は、前記説明変数に対する前記目的変数が示された前記車両の実績データを用いて、前記車両のタイヤ情報に関連付けられた第１係数を算出する、エネルギー消費量推定装置。
2. 前記第１係数は、動的負荷半径に関連付けられる、請求項１に記載のエネルギー消費量推定装置。
3. 前記モデル生成部は、勾配抵抗及び転がり抵抗の少なくとも１つに関連付けられた第２係数を算出する、請求項１又は２に記載のエネルギー消費量推定装置。
4. 前記モデルは、前記説明変数として前記車両の車両情報をさらに含む、請求項１又は２に記載のエネルギー消費量推定装置。
5. 生成された前記モデルを用いて、前記車両のエネルギー消費量を推定するエネルギー消費量推定部を備える、請求項１又は２に記載のエネルギー消費量推定装置。
6. 前記エネルギー消費量推定部は、転がり抵抗、空気抵抗、勾配抵抗、加速抵抗及び運動エネルギーの少なくとも１つによって消費される、前記車両のエネルギー消費量を推定する、請求項５に記載のエネルギー消費量推定装置。
7. 車両のエネルギー消費量推定のためのモデルを生成するモデル生成装置であって、
   説明変数から目的変数を得るためのモデルを生成するモデル生成部を備え、
   前記モデルは、前記目的変数として前記車両のエネルギー消費量を含み、前記説明変数として前記車両の走行情報、前記車両の荷重情報及び少なくとも動的負荷半径を有する前記車両のタイヤ情報を含む、機械学習モデルであり、
   前記モデル生成部は、前記説明変数に対する前記目的変数が示された前記車両の実績データを用いて、機械学習によって前記モデルを生成する、モデル生成装置。
8. コンピュータに、車両のエネルギー消費量推定のためのモデルを生成させるプログラムであって、
   前記モデルは、目的変数として前記車両のエネルギー消費量を含み、説明変数として前記車両の走行情報、前記車両の荷重情報及び少なくとも動的負荷半径を有する前記車両のタイヤ情報を含む、機械学習モデルであり、
   前記コンピュータに、
   前記説明変数に対する前記目的変数が示された前記車両の実績データを取得することと、
   前記実績データを用いた機械学習を行うことと、を実行させる、プログラム。
9. コンピュータが実行する、車両のエネルギー消費量推定のためのモデルの生成方法であって、
   前記モデルは、目的変数として前記車両のエネルギー消費量を含み、説明変数として前記車両の走行情報、前記車両の荷重情報及び少なくとも動的負荷半径を有する前記車両のタイヤ情報を含む、機械学習モデルであり、
   前記説明変数に対する前記目的変数が示された前記車両の実績データを取得することと、
   前記実績データを用いた機械学習を行うことと、を含む、モデルの生成方法。

Images