JP2024084888A - 走行可能距離予測方法および走行可能距離予測装置 - Google Patents

Abstract

【課題】外因データを考慮したドライバー個人の運転特性に対応した高精度な今回の走行可能距離を算出することができる。【解決手段】走行可能距離予測装置は、走行可能距離予測部１０２を有し、該走行可能距離予測部１０２は、異常度計算部２１、一般走行可能距離算出部２２、補正値計算部２４および個人走行可能距離算出部２５を備える。異常度計算部２１は、リアルタイム走行データ取得部１４で取得された走行データに基づいて異常度を算出する。一般走行可能距離算出部２２は、算出された異常度に基づいて、車両の今回の走行可能距離の算出の基礎となる一般走行可能距離を算出する。補正値計算部２４は、外因状況におけるドライバーの運転特性データに基づいて運転特性補正値を算出する。個人走行可能距離算出部２５は、一般走行可能距離および運転特性補正値とに基づいて、車両の今回の走行可能距離を算出する。【選択図】図１

Description

本発明は、外因データを考慮したドライバー個人の運転特性に対応した今回の走行可能距離を算出し、この今回の走行可能距離および前回の走行可能距離に基づいて、ドライバーに対して、車両の走行に関する情報を通報する走行可能距離予測方法および走行可能距離予測装置に関する。

特許文献１では、車両の走行可能距離を求める例として、ドライバーの運転特性の１つである加速度予測値の時系列データに基づいて、所定の運転計画路を走行する場合の電池の充放電電力を予測している。また、加速度予測値の補正のために、運転特性として加速度の分散値が用いられており、これにより、電池の充放電電力も補正される。

特開２０１４－２２８４４９号公報

特許文献１では、車両の走行可能距離に影響を及ぼす電池の充放電電力が、ドライバーの運転特性である加速度の分散値に基づいて補正されている。しかし、この補正では、外因データを考慮したドライバーの運転特性に基づいて走行可能距離を補正することについては何ら配慮されていない。

本発明はこのような課題に着目してなされたものであり、外因データを考慮したドライバー個人の運転特性に対応した高精度な今回の走行可能距離を算出することが可能な走行可能距離予測方法および走行可能距離予測装置を提供することを１つの目的としている。

本発明は、走行可能距離予測方法に関し、この方法では、車両のドライバーを識別し、車両の前回の走行可能距離を取得し、車両の外部環境から取得される外因データを取得し、外因データを考慮したドライバーの運転特性データが記録された履歴データを呼び出し、車両の走行データを取得し、ドライバーの運転特性に基づいて補正値を算出し、走行データに基づいて車両の異常度を算出し、異常度に基づいて、車両の今回の走行可能距離の算出の基礎となる一般走行可能距離を算出し、補正値を用いて一般走行可能距離を補正することにより、今回の走行可能距離を算出し、今回の走行可能距離および前回の走行可能距離に基づいて、ドライバーに対して、車両の走行に関する情報を通報する。

本発明によれば、外因データを考慮したドライバー個人の運転特性に対応した高精度な今回の走行可能距離を算出することができる。

第１実施例の走行可能距離予測装置のブロック図である。 （ａ）は、時間に対するブレーキを踏む角度を示すグラフであり、（ｂ）は、時間に対するアクセルを踏む角度およびその分散を示すグラフである。 第１実施例の処理の流れを示すフローチャートである。 第２実施例の走行可能距離予測装置のブロック図である。 第２実施例の処理の流れを示すフローチャートである。 第３実施例の走行可能距離予測装置のブロック図である。 第３実施例の処理の流れを示すフローチャートである。

以下、図面を参照しながら、本発明の一実施例について説明する。

図１は、第１実施例の走行可能距離予測装置のブロック図である。この走行可能距離予測装置は、データ取得部１０１と、走行可能距離予測部１０２と、ＨＭＩ（ヒューマンマシンインタフェース）装置１０３とを備えている。

データ取得部１０１は、図示せぬサーバー上に設けられており、外因データ取得部１１と、第１データベース（履歴データ格納部）１２と、第１通信部１３と、リアルタイム走行データ取得部１４と、第２データベース（距離データ格納部）１５とを備えている。なお、データ取得部１０１は、サーバー上に設けられるのではなく、車両に搭載された種々の機器の制御に用いられる図示せぬコンピュータシステム内に設けられてもよい。

外因データ取得部１１は、車両の外部環境から取得される外因データを取得する。本実施例では、外因データは、現在の（出発時の）天気データ、交通状況データおよび路面状況データである。天気データは、出発地から目的地までの運転計画路における出発時の天気に関するデータであり、例えば、晴れ、曇りおよび雨が挙げられる。また、交通状況データとしては、例えば、出発地から目的地までの運転計画路における距離、渋滞の程度および走行時間が挙げられる。ここで、出発地は、図示せぬＧＰＳによって車両の位置情報を取得することにより記録され、この位置情報の取得と同時に、出発時刻も記録される。また、運転計画路は、例えば、後述の目的地入力部３４から入力された目的地と、図示せぬＧＰＳによって取得された出発地と、アプリケーション等から得られた地図情報とに基づいて取得される。路面状況データとしては、例えば、高速道路、通学路、その他の道路が挙げられる。

第１データベース１２は、車両を過去に運転したことがある複数のドライバー全員について、走行データと、外因データと、該外因データに基づく外因状況を考慮したドライバーの運転特性データとを含む履歴データを格納している。走行データは、例えば車速やエンジン回転数である。ドライバーの運転特性データは、例えば、ブレーキの踏み方に関するデータおよびアクセルの踏み方に関するデータである。外因状況における運転特性は、例えば雨の日は車両をゆっくり走行させるため、渋滞が発生し易く、これにより、ブレーキを踏む角度や回数が増加する傾向にあり、このような傾向は、個々のドライバーによって異なるものである。

第１通信部１３は、データ取得部１０１によって取得されたデータを、走行可能距離予測部１０２およびＨＭＩ装置１０３に送信する。

リアルタイム走行データ取得部１４は、車載部品に設けられた各種センサから、車両の走行に関する走行データ、例えば、車速、エンジン回転数等のエンジン本体の動作データ、燃料装置の動作データと、運転特性データ、例えば、ブレーキの踏み方に関するデータおよびアクセルの踏み方に関するデータとをリアルタイムで取得する。このリアルタイムで取得される運転特性データは、後述の第２および第３実施例で使用される。なお、各種センサは、エンジン本体や燃料装置のみの走行データを取得するものに限定されず、車両の走行の継続に影響を及ぼす他の車載部品の走行データを取得してもよい。

第２データベース１５は、車両の走行後に更新した車両の走行可能距離を格納する。ここで、走行可能距離は、現在から、車載部品、例えばエンジン本体が故障して車両が走行できなくなるまでに車両が走行することが可能な距離である。
走行可能距離予測部１０２は、図示せぬコンピュータシステム内に設けられており、異常度計算部２１と、一般走行可能距離算出部２２と、第２通信部２３と、補正値計算部２４と、個人走行可能距離算出部２５とを備えている。

異常度計算部２１は、複数の車載部品、本実施例ではエンジン本体および燃料装置等の全てについて、リアルタイム走行データ取得部１４で取得された走行データに基づいて異常度を算出する。より詳細には、この異常度の算出の前に、リアルタイム走行データ取得部１４の走行データ中の特定の特徴量を所定の故障閾値と比較することにより各車載部品の故障の予兆を判断し、故障の予兆があった車載部品の全てについて異常度の算出をする。ここで、「異常度」とは、所定の故障閾値からどの程度離れているかの度合いを示すものである。そして、算出された複数の異常度から、後述の一般走行可能距離に最も影響を及ぼす異常度を抽出し、この異常度が、一般走行可能距離算出部２２における一般走行可能距離の算出に用いられる。なお、異常度は、車両の走行中にリアルタイムで取得される走行データに基づいて算出されるので、走行中に常に更新されている。また、本実施例では、複数の車載部品について異常度を算出しているが、単一の車載部品について異常度を算出するようにしてもよい。

一般走行可能距離算出部２２は、異常度計算部２１によって算出された異常度に基づいて、車両の今回の走行可能距離の算出の基礎となる一般走行可能距離（補正前の走行可能距離）を算出する。この一般走行可能距離の算出は、例えば、横軸が一般走行可能距離であり、縦軸が異常度である周知のマップを参照することにより実施される。

第２通信部２３は、データ取得部１０１の第１通信部１３と、ＨＭＩ装置１０３に設けられた後述の第３通信部３１との双方に対して、走行可能距離予測部１０２で取得された情報を送信する。

補正値計算部２４は、ドライバーの履歴データ中の外因状況におけるドライバーの運転特性データに基づいて運転特性補正値を算出する。この算出は、個々のドライバーで異なる運転特性データ、本実施例ではブレーキの踏み方に関するデータおよびアクセルの踏み方に関するデータに基づいて実施される。

ここで、図２（ａ）および図２（ｂ）を参照しながら、運転特性補正値の算出方法について説明する。運転特性補正値は、後述の第１補正値Ｂ、第２補正値Ａ１および第３補正値Ａ２の積（Ｂ×Ａ１×Ａ２）となる。なお、運転特性補正値として、第１補正値Ｂのみを用いるか、または第２補正値Ａ１および第３補正値Ａ２の積（Ａ１×Ａ２）を用いるようにしてもよい。
図２（ａ）は、時間ｔｎに対するブレーキを踏む角度ｂｎを示すグラフであり、第１補正値Ｂの説明のために用いられる。ここで、「ｎ」（図示省略）は、所定の時刻からブレーキが踏まれた回数を示すものであり、ブレーキが１回目に踏まれたときは「１」、２回目に踏まれたときは「２」、３回目に踏まれたときは「３」、ｎ回目に踏まれたときは「ｎ」で示される。図２（ａ）の左側に示すように、時間ｔ１は、１回目のブレーキの踏み込みの開始（角度０）から踏む角度ｂ１まで踏むのに要する時間を示している。ここで、ｔ１／ｂ１は比較的小さい値を示し、例えば急ブレーキを使用した状況に相当する。また、図２（ａ）の右側に示すように、時間ｔ３は、３回目のブレーキの踏み込みの開始（角度０から）踏む角度ｂ３まで踏むのに要する時間を示している。時間ｔ１よりも大きい時間ｔ３を、踏む角度ｂ１よりも小さい踏む角度ｂ３で除算することで、ｔ３／ｂ３が得られるので、このｔ３／ｂ３は、ｔ１／ｂ１よりも大きな値を示し、例えばエコ運転に相当する。なお、ｔ２／ｂ２は、ｔ１／ｂ１とｔ３／ｂ３の間の状況を示し、例えば通常の運転に相当する。
上記の説明を踏まえて、第１補正値Ｂは、以下の式によって算出される。
Ｂ＝（ｔ１／ｂ１＋ｔ２／ｂ２＋ｔ３／ｂ３＋・・・＋ｔｎ／ｂｎ）／ｎ
この式は、毎回のブレーキについての踏む角度に到達するまでの時間を踏む角度で除算した値（（ブレーキを踏む角度に到達するまでの時間）／（ブレーキを踏む角度））の平均値を示している。
図２（ｂ）は、時間ｔｎに対するアクセルを踏む角度ａｎおよびその分散ｖｎを示すグラフであり、第２補正値Ａ１および第３補正値Ａ２の説明のために用いられる。第２補正値Ａ１の算出方法は、ブレーキに関する第１補正値Ｂの算出方法と同様である。「ｎ」（図示省略）は、所定の時刻からアクセルが踏まれた回数を示すものであり、アクセルが１回目に踏まれたときは「１」、２回目に踏まれたときは「２」、ｎ回目に踏まれたときは「ｎ」で示される。図２（ｂ）の左側に示すように、時間ｔ１は、１回目のアクセルの踏み込みの開始（角度０）から踏む角度ａ１まで踏むのに要する時間を示している。ここで、ｔ１／ａ１は比較的小さい値を示し、例えば急アクセルを使用した状況に相当する。同様に、図２（ｂ）の右側に示すように、時間ｔ２は、２回目のアクセルの踏み込みの開始から踏む角度ａ２まで踏むのに要する時間を示している。時間ｔ１よりも大きい時間ｔ２を、踏む角度ａ１に近い角度である踏む角度ａ２で除算することで、ｔ２／ａ２が得られるので、ｔ２／ａ２は、ｔ１／ａ１よりも加速が緩やかであることを示している。
上記の説明を踏まえて、第２補正値Ａ１は、以下の式によって算出される。
Ａ１＝（ｔ１／ａ１＋ｔ２／ａ２＋ｔ３／ａ３＋・・・＋ｔｎ／ａｎ）／ｎ
この式は、毎回のアクセルについての踏む角度に到達するまでの時間を踏む角度で除算した値（（アクセルを踏む角度に到達するまでの時間）／（アクセルを踏む角度））の平均値を示している。
また、図２（ｂ）では、踏む角度ａｎまでアクセルを踏んだ後にアクセルを保持し、一定速度エリアを抽出してから、踏む角度の分散ｖｎの逆数を求める。ここで、分散ｖｎとは、ｎ回目のアクセルの踏み込み時において、車両が一定の速度で走行する一定速度エリアで集められたデータが平均値からどの程度離れているかを示すものである。より詳細には、図２（ｂ）の左側に示すように、時間ｔ１で踏む角度ａ１までアクセルを踏んだ後に一定速度エリア１を抽出し、この一定速度エリア１における踏む角度ａ１の分散ｖ１の逆数を求める。図２（ｂ）に示すように、一定速度エリア１では、集められたデータが上下に変動する連続した曲線で示されており、分散ｖ１は比較的大きくなっている。また、図２（ｂ）の右側に示すように、時間ｔ２で踏む角度ａ２までアクセルを踏んだ後に一定速度エリア２を抽出し、この一定速度エリア２における踏む角度の分散ｖ２の逆数を求める。図２（ｂ）に示すように、一定速度エリア２では、集められたデータがほぼ一定に推移しており、分散ｖ２は、分散ｖ１よりも小さくなっている。
上記の説明を踏まえて、第３補正値Ａ２は、以下の式によって算出される。

Ａ２＝（１／ｖ１＋１／ｖ２＋１／ｖ３＋・・・＋１／ｖｎ）／ｎ
この式は、毎回のアクセルについての一定速度エリアにおける分散の逆数の平均値を示している。
個人走行可能距離算出部２５は、一般走行可能距離算出部２２で算出された一般走行可能距離と、補正値計算部２４で算出された運転特性補正値とに基づいて、車両の今回の走行可能距離を算出する。つまり、個人走行可能距離算出部２５は、運転特性補正値を用いて一般走行可能距離を補正することにより、車両の今回の走行におけるドライバーの個人的な走行可能距離を算出する。
ここで、運転特性補正値を用いた一般走行可能距離の補正の例について説明する。例えば、ドライバーＰ１は、一般走行可能距離が１００ｋｍであり、エコ運転で高速道路を走行しているときには、補正係数である運転特性補正値が１．２であり、個人走行可能距離が１２０ｋｍとなる。また、ドライバーＰ２は、一般走行可能距離が１００ｋｍであり、急加速や急ブレーキを比較的多く使用する状況で高速道路を走行しているときに、運転特性補正値が０．８５であり、個人走行可能距離が８５ｋｍである。また、同じドライバーＰ２は、一般走行可能距離が１００ｋｍであり、急加速や急ブレーキを比較的多く使用する状況で通学路を走行しているときは、運転特性補正値が０．７であり、個人走行可能距離が７０ｋｍである。このように、同じドライバーＰ２であっても、外因状況の路面データが異なれば、つまり走行する道路の特徴が異なれば、運転特性補正値が変化する。

ＨＭＩ装置１０３は、車両内のドライバーによって操作可能な位置に配置されており、第３通信部３１と、ドライバー通報部３２と、ドライバーＩＤ入力部３３と、目的地入力部３４とを有している。

第３通信部３１は、データ取得部１０１の第１通信部１３と、走行可能距離予測部１０２の第２通信部２３との双方に対して、ＨＭＩ装置１０３で取得された情報を送信する。

ドライバー通報部３２は、例えばディスプレイを備えて構成されており、ドライバーに対して、車両の走行に関する情報、本実施例では今回の走行可能距離または前回の走行可能距離を通報する。また、ドライバー通報部３２は、ディスプレイとは別に、またはディスプレイと一緒にスピーカー等の音声通報装置を備えて構成されてもよい。

ドライバーＩＤ入力部３３は、ドライバーＩＤを入力し、車両の運転の対象となるドライバーを識別するために用いられる入力部であり、入力されたドライバーＩＤは、第３通信部３１および第１通信部１３を介してデータ取得部１０１に送信される。

目的地入力部３４は、識別されたドライバーが目的地を入力するために用いられる入力部であり、入力された目的地は、第３通信部３１および第１通信部１３を介してデータ取得部１０１に送信される。

次に、図３を参照しながら、第１実施例の処理の流れについて説明する。

まず、ステップＳ１１において、ドライバーがドライバーＩＤ入力部３３に自己のドライバーＩＤを入力する。これにより、車両を運転する対象となるドライバーが識別される。

次に、ステップＳ１２において、第１データベース１２からドライバーの履歴データを呼び出す。

そして、ステップＳ１３において、第２データベース１５から前回の走行可能距離を呼び出す。

次に、ステップＳ１４において、外因データ取得部１１から外因データ、例えば現在の天気データ、交通状況データおよび路面状況データを取得する。

そして、ステップＳ１５へ移行し、外因データ取得後の１つの処理として、外因データに基づいた現在の外因状況と同じ履歴データを抽出する。これにより、ドライバーの運転特性データ、本実施例ではブレーキの踏み方に関するデータおよびアクセルの踏み方に関するデータが取得される。

次に、ステップＳ１６において、個人走行可能距離算出部２５により、ドライバーの個人的な運転特性補正値、本実施例では第１補正値Ｂ、第２補正値Ａ１および第３補正値Ａ２の積（Ｂ×Ａ１×Ａ２）を算出する。

また、ステップＳ１４での外因データの取得後の他の処理として、ステップＳ１７において、リアルタイム走行データ取得部１４から、車両の走行データ、例えば、車速、エンジン回転数等のエンジン本体の動作データ、および燃料装置の動作データをリアルタイムで取得する。

走行データの取得後には、ステップＳ１８へ移行し、走行データを解析する。

次に、ステップＳ１９において、複数の車載部品、例えばエンジン本体、燃料装置等の全てについて、故障の予兆があるか否かを判定する。複数の車載部品の全てについて故障の予兆が無い場合には、ステップＳ１８へ戻り、走行データを再び解析する。

また、ステップＳ１９において少なくとも１つの車載部品について故障の予兆があると判定された場合には、ステップＳ２０において、故障の予兆があると判定された全ての車載部品について異常度を算出する。この算出後には、算出された異常度のうち一般走行可能距離が最も短くし得る異常度を抽出する。

そして、ステップＳ２１において、一般走行可能距離算出部２２により、異常度に基づいて一般走行可能距離を算出する。

次に、ステップＳ２２において、個人走行可能距離算出部２５により、ステップＳ２１で取得した一般走行可能距離と、ステップＳ１６で取得した運転特性補正値とに基づいて、ドライバーの今回の走行可能距離（個人的な走行可能距離）を算出する。

そして、ステップＳ２３において、前回のドライバーと今回のドライバーが同じであるか否かを判定する。前回のドライバーと今回のドライバーが同じである場合には、ステップＳ２４へ移行し、前回の走行可能距離と今回の走行可能距離を比較し、短い方の走行可能距離を使用する。そして、ステップＳ２９において、この比較の結果、つまり短い方の走行可能距離を、ドライバーに通報する。

また、ステップＳ２３において前回のドライバーと今回のドライバーが同じでないと判定された場合には、ステップＳ２５へ移行し、前回の走行可能距離と今回の走行可能距離の差（差の絶対値）が所定の距離閾値よりも大きいか否かを判定する。上記差が小さい場合には、ステップＳ２６へ移行し、今回の走行可能距離を使用する。そして、ステップＳ２９において、今回の走行可能距離を、ドライバーに通報する。

また、ステップＳ２５において前回の走行可能距離と今回の走行可能距離の差が所定の距離閾値よりも大きいと判定された場合には、ステップＳ２７において、今回の走行可能距離を再び算出する。

今回の走行可能距離の再度の算出後には、ステップＳ２８へ移行し、前回の走行可能距離と今回の走行可能距離の差が変更されたか否かを判定する。上記差が変更されない場合には、ステップＳ２９へ移行し、その旨を、ドライバーに通報する。

また、ステップＳ２８において前回の走行可能距離と今回の走行可能距離の差が変更されたと判定された場合には、ステップＳ２５へ戻る。

また、ステップＳ２９でドライバーへ通報し、車両の運転を終了した後には、第２データベース１５に今回の走行可能距離をアップロードし、第１データベース１２に走行データおよび外因データをアップロードする。

上述のように、第１実施例では、第１データベース１２が、外因データに基づく外因状況を考慮したドライバーの運転特性データを含む履歴データを含んでおり、この履歴データの運転特性データに基づいて、運転特性補正値が算出される。外因データは、例えば高速道路や通学路等である路面状況であり、このような外因データの変化は、ドライバーの運転特性データに影響を及ぼす。従って、このような外因データを考慮したドライバーの運転特性が反映された運転特性補正値を用いて一般走行可能距離を補正することで、外因データを考慮したドライバー個人の運転特性に対応した高精度な今回の走行可能距離を算出することができる。

また、車両がレンタカーである場合には、複数のドライバーがレンタカーを利用することになるが、このような場合において一人の特定のドライバーの履歴データを用いて運転特性補正値を算出すると、今回の走行可能距離の算出の精度が低下してしまう。しかし、本実施例のように第１データベース１２に複数のドライバー全員の履歴データを格納しておけば、ドライバーが代わったとしても、代わったドライバーに関する今回の走行可能距離を精度良く算出することができる。

また、本実施例では、異常度計算部２１によって算出される異常度が、リアルタイム走行データの更新と共に更新される。このため、一般走行可能距離が最新の異常度によって常に算出されることになり、より正確な一般走行可能距離に基づいて、さらに高精度な今回の走行可能距離を算出することができる。

さらに、本実施例では、履歴データは、ドライバーの運転特性データおよび外因データを含む。このため、ドライバーについて、外因データに基づく外因状況に応じた運転特性が取得され、外因状況を考慮した運転特性補正値の算出が容易となる。

また、走行データは、車速およびエンジン回転数を含むエンジン本体の動作データと、燃料装置の動作データとを含み、運転特性データは、ブレーキの踏み方に関するデータと、アクセルの踏み方に関するデータとを含む。このため、エンジン本体の動作データおよび燃料装置の動作データにより、車載部品の異常度を算出することができる。また、ドライバー個人の運転特性に強い影響を及ぼすブレーキおよびアクセルの踏み方に関するデータにより、運転特性補正値を算出することができる。

さらに、本実施例では、車両の運転終了後には、第２データベース１５に今回の走行可能距離をアップロードし、第１データベース１２に、走行データ、運転特性データおよび外因データをアップロードする。このため、更新された運転特性データおよび外因データに基づいて、より正確な運転特性補正値を算出することができ、この運転特性補正値を用いて、より高精度な今回の走行可能距離を算出することができる。また、第２データベース１５に更新された今回の走行可能距離は、次回の運転において最新のデータ、つまり最新の前回の走行可能距離として比較されることになり、ドライバーへの正確な情報の提供に寄与することができる。

また、本実施例では、ブレーキの踏み方に関するデータまたはアクセルの踏み方に関するデータが、運転特性補正値の算出に用いられてもよい。このため、ブレーキの踏み方に関するデータおよびアクセルの踏み方に関するデータのうちの一方のデータが無い場合にも、残りの他方のデータによって運転特性補正値の算出が継続されるので、どのような運転状況においても、運転特性補正値を算出することができる。

さらに、本実施例では、運転特性データは、車両の運転時の外因データに基づく外因状況と同じ状況のドライバーの履歴データから抽出される。上述のように外因データはドライバーの運転特性に影響を及ぼすものであるから、外因状況と同じ状況のドライバーの履歴データから運転特性データが抽出されることで、ドライバー個人の運転特性を厳密に特定し、これにより、運転特性補正値の算出の精度を向上させることができる。

また、本実施例では、ブレーキの踏み方に関するデータおよびアクセルの踏み方に関するデータから、毎回のブレーキについての踏む角度に到達するまでの時間を踏む角度で除算した値の平均値、毎回のアクセルについての踏む角度に到達するまでの時間を踏む角度で除算した値の平均値、および毎回のアクセルについての一定速度エリアにおける分散の逆数の平均値を算出する。このように３つの平均値、つまり第１補正値Ｂ、第２補正値Ａ１および第３補正値Ａ２を算出することにより、ドライバー個人の運転特性を運転特性補正値の算出に正確に反映させることができる。

さらに、本実施例では、運転特性補正値が、第１補正値Ｂ、第２補正値Ａ１および第３補正値Ａ２の積を用いて算出される。このため、第１補正値Ｂ、第２補正値Ａ１および第３補正値Ａ２のいずれか１つのみを用いて運転特性補正値を算出する場合と比べて、運転特性補正値を精度良く算出することができる。

図４は、第２実施例の走行可能距離予測装置のブロック図である。

第２実施例では、データ取得部１０１は、ドライバーＩＤと履歴データとを照合することができない場合に、車両を運転するドライバーとは異なる他のドライバー（過去のドライバー）の履歴データに基づいてドライバーのマッチングを行う履歴データマッチング部１６をさらに有している。ここで、ドライバーＩＤと履歴データとを照合することができない場合としては、例えば車両がレンタカーであり、このレンタカーを初めて運転するので、履歴データに自身のデータが全く無い場合、ドライバーがドライバーＩＤ入力部３３にドライバーＩＤを入力しない（入力することを忘れた）場合、ドライバーがＩＤを持っていない場合が挙げられる。履歴データマッチング部１６は、ドライバーＩＤと履歴データとを照合することができない場合に、現在の外因状況と同じ状況の他人の運転特性データを含む履歴データを呼び出し、この履歴データの運転特性データを、リアルタイムで取得された現在のドライバーに関する運転特性データ、本実施例ではブレーキの踏み方に関するデータおよびアクセルの踏み方に関するデータとマッチングする。このマッチングは、他人の運転特性データと、現在のドライバーの運転特性データとが一致するまで継続される。マッチングの終了後には、履歴データマッチング部１６は、マッチングされた運転特性データを含む他人の履歴データに基づいて予測走行可能距離を予測する。さらに、履歴データマッチング部１６は、マッチングした他人の運転特性データを用いて補正値を算出し、この補正値を用いて、今回の予測走行可能距離を補正する。これにより、今回の走行可能距離が取得される。また、第１データベース１２に現在のドライバーの履歴データが無く、かつ他人の履歴データの運転特性データとマッチングすることができない場合には、第１データベース１２から、現在の外因状況と同じ状況の他人の履歴データの全てを呼び出し、該他人の履歴データの運転特性データの全てについての平均の補正値、つまり複数の他人のデータに基づく平均の補正値を算出する。この平均の補正値は、現在の外因状況と同じ状況の他人の履歴データの全てに基づいて予測された予測走行可能距離の補正のために用いられる。

次に、図５を参照しながら、第２実施例の処理の流れについて説明する。なお、第１実施例と同様の手順については説明を省略する。

まず、ステップＳ３１において、ドライバーがドライバーＩＤ入力部３３に自己のドライバーＩＤを入力したか否かを判定する。ドライバーがドライバーＩＤ入力部３３にドライバーＩＤを入力した場合には、ステップＳ３２へ移行し、ドライバーの履歴データがあるか否かを判定する。ドライバーの履歴データがある場合には、ステップＳ１２へ移行し、ドライバーの履歴データを呼び出す。

また、ステップＳ３２においてドライバーの履歴データが無いと判定された場合には、ステップＳ１４へ移行し、外因データを取得する。

次に、ステップＳ１７において、走行データ、本実施例では車速、エンジン回転数等のエンジン本体の動作データ、および燃料装置の動作データを取得するとともに、運転特性データ、本実施例ではブレーキの踏み方に関するデータおよびアクセルの踏み方に関するデータを取得する。

そして、ステップＳ３３において、現在のドライバーの運転特性データと他人の運転特性データとをマッチングし、引き続き、ステップＳ３４において、両者の運転特性データがマッチングできたか否かを判定する。両者の運転特性データがマッチングできた場合には、ステップＳ３５へ移行し、マッチングした他人の履歴データを呼び出す。そして、この他人の運転特性データに基づいて今回の予測走行可能距離（補正前の予測走行可能距離）を予測しておく。

次に、ステップＳ３６において、マッチングした他人の運転履歴データを用いて補正値（他人のデータに基づく運転特性補正値）を算出する。

そして、ステップＳ２２へ移行し、他人のデータに基づく運転特性補正値を用いて今回の予測走行可能距離を補正することにより、今回の走行可能距離を算出する。

また、ステップＳ３４において現在のドライバーの運転特性データと他人の運転特性データとがマッチングできなかった場合には、ステップＳ３７へ移行し、第１データベース１２から、現在の外因状況と同じ状況の他人の履歴データの全てを呼び出す。

次に、ステップＳ３８において、現在の外因状況と同じ状況の他人の履歴データの運転特性データの全てについての平均の補正値（複数の他人のデータに基づく平均の補正値）を算出する。この算出後には、上記他人の履歴データの全てに基づいて今回の予測走行可能距離を予測しておく。

そして、ステップＳ２２へ移行し、複数の他人のデータに基づく平均の補正値に基づいて、今回の予測走行可能距離を補正することにより、今回の走行可能距離を算出する。

上記のように、第２実施例では、ドライバーのドライバーＩＤと履歴データとを照合することができない場合に、ドライバーに関する今回の運転特性データと、履歴データから取得された他人の運転特性データとをマッチングし、このマッチングされた運転特性データを用いて補正値を算出する。このため、車両を運転するドライバーに関する運転履歴が無い場合にも、信頼性のある他人の履歴データを用いて、今回の走行可能距離を算出することができる。

また、本実施例では、他人の運転特性データとマッチングするまで、データベースから、車両の運転時の外因状況と同じ状況の他人の履歴データの全てを呼び出し、該他人の履歴データの運転特性データの全てについての平均的な補正値を算出し、この平均的な補正値を用いて今回の予測走行可能距離を補正する。このように平均的な補正値を用いることにより、他人の１つの履歴データのみから算出された補正値を用いる場合と比べて、今回の走行可能距離を厳密に算出することができる。

図６は、第３実施例の走行可能距離予測装置のブロック図である。

第３実施例では、走行可能距離予測部１０２は、リアルタイム走行データ取得部１４によってリアルタイムで取得される運転特性データ、本実施例ではブレーキの踏み方に関するデータおよびアクセルの踏み方に関するデータに基づいてリアルタイム補正値を算出するリアルタイム補正値計算部２６をさらに備えている。車両の走行中には、例えばドライバーが目的地に早く到着するために車両を急に加速させる等の理由により、ドライバーの運転特性が一時的に変化することがある。このような状況に対して、リアルタイムで取得される運転特性データを考慮したリアルタイム補正値を算出することは、より正確な今回の走行可能距離を算出するのに寄与する。リアルタイム補正値は、補正値計算部２４で算出された運転特性補正値と共に、個人走行可能距離算出部２５へ送信され、この個人走行可能距離算出部２５において、運転特性補正値およびリアルタイム補正値からなる２つの補正値の平均値を用いて一般走行可能距離を補正することにより、今回の走行可能距離（個人的な走行可能距離）が算出される。

次に、図７を参照しながら、第３実施例の処理の流れについて説明する。なお、第１実施例と同様の手順については説明を省略する。

図７のフローチャートでは、ステップＳ２０において異常度を算出した後に、ステップＳ３９へ移行し、リアルタイム補正値計算部２６により、走行データ中の運転特性データ、本実施例ではブレーキの踏み方に関するデータおよびアクセルの踏み方に関するデータに基づいてリアルタイム補正値を算出する。

次に、ステップＳ４０において、運転特性補正値およびリアルタイム補正値の平均値を算出する。

そして、ステップＳ４１において、運転特性補正値およびリアルタイム補正値の平均値を用いて一般走行可能距離を補正することにより、今回の走行可能距離を算出する。

上記のように、第３実施例では、リアルタイム補正値計算部２６は、リアルタイムで取得される運転特性データに基づいてリアルタイム補正値を算出する。上述のように、ドライバーが目的地に早く到着するために車両を急に加速させる等の理由により、ドライバーの運転特性が一時的に変化することがある。このため、ドライバーの運転特性をリアルタイムで監視することで、ドライバーの運転特性が一時的に変化しても、リアルタイム補正値の変化を迅速に検出することができる。

また、本実施例では、リアルタイム補正値と、履歴データから算出された運転特性補正値との平均値を算出し、この平均値を用いて一般走行可能距離を補正する。このため、リアルタイム補正値、または履歴データから算出された運転特性補正値の一方のみを用いる場合と比べて、今回の走行可能距離の算出の精度を向上させることができる。

１１・・・外因データ取得部
１２・・・第１データベース
１３・・・リアルタイム走行データ取得部
１６・・・履歴データマッチング部
２１・・・異常度計算部
２２・・・一般走行可能距離算出部
２４・・・補正値計算部
２５・・・個人走行可能距離算出部
２６・・・リアルタイム補正値計算部
３３・・・ドライバーＩＤ入力部
１０１・・・データ取得部
１０２・・・走行可能距離予測部
１０３・・・ＨＭＩ装置

Claims (14)

1. 車両のドライバーを識別し、
   前記車両の前回の走行可能距離を取得し、
   前記車両の外部環境から取得される外因データを取得し、
   前記外因データを考慮した前記ドライバーの運転特性データが記録された履歴データを呼び出し、
   前記車両の走行データを取得し、
   前記ドライバーの運転特性データに基づいて補正値を算出し、
   前記走行データに基づいて前記車両の異常度を算出し、
   前記異常度に基づいて、前記車両の今回の走行可能距離の算出の基礎となる一般走行可能距離を算出し、
   前記補正値を用いて前記一般走行可能距離を補正することにより、前記今回の走行可能距離を算出し、
   前記今回の走行可能距離および前記前回の走行可能距離に基づいて、前記ドライバーに対して、前記車両の走行に関する情報を通報することを含む、走行可能距離予測方法。
2. 前記走行データの更新と共に前記異常度をリアルタイムに更新することをさらに含むことを特徴とする請求項１に記載の走行可能距離予測方法。
3. 前記履歴データは、前記運転特性データおよび前記外因データを含み、前記外因データは、交通状況データ、天気データおよび路面データを含むことを特徴とする請求項１に記載の走行可能距離予測方法。
4. 前記走行データは、車速およびエンジン回転数を含むエンジン本体の動作データと、燃料装置の動作データとを含み、前記運転特性データは、ブレーキの踏み方に関するデータと、アクセルの踏み方に関するデータとを含むことを特徴とする請求項１に記載の走行可能距離予測方法。
5. 前記車両の走行完了後に、前記走行データ、前記運転特性データ、前記外因データ、および前記車両の走行完了後に更新された走行可能距離を、データベースにアップロードすることをさらに含むことを特徴とする請求項１に記載の走行可能距離予測方法。
6. 前記運転特性データのうちブレーキの踏み方に関するデータまたは前記アクセルの踏み方に関するデータが、前記補正値の算出に用いられることを特徴とする請求項４に記載の走行可能距離予測方法。
7. 前記運転特性データは、前記車両の運転時の前記外因データに基づく外因状況と同じ状況の前記ドライバーの履歴データから抽出されることを特徴とする請求項６に記載の走行可能距離予測方法。
8. 前記運転特性データから、毎回のブレーキについての踏む角度に到達するまでの時間を踏む角度で除算した値の平均値、毎回のアクセルについての踏む角度に到達するまでの時間を踏む角度で除算した値の平均値、および毎回のアクセルについての一定速度エリアにおける分散の逆数の平均値を算出することをさらに含むことを特徴とする請求項７に記載の走行可能距離予測方法。
9. 前記運転特性データから算出された３つの平均値の積を用いて前記補正値を算出することをさらに含むことを特徴とする請求項８に記載の走行可能距離予測方法。
10. 前記ドライバーのドライバーＩＤと前記履歴データとを照合することができない場合に、前記ドライバーに関する今回の運転特性データと、前記履歴から取得された他人の運転特性データとをマッチングし、このマッチングされた運転特性データを用いて前記補正値を算出することをさらに含むことを特徴とする請求項１に記載の走行可能距離予測方法。
11. 前記他人の運転特性データとマッチングするまで、データベースから、前記車両の運転時の外因状況と同じ状況の他人の履歴データの全てを呼び出し、該他人の履歴データの全てから抽出された運転特性から平均的な補正値を算出し、この平均的な補正値を用いて走行可能距離を補正することをさらに含むことを特徴とする請求項１０に記載の走行可能距離予測方法。
12. 前記ドライバーの運転特性に関する運転特性データをリアルタイムで取得し、この運転特性データに基づいてリアルタイム補正値を算出することをさらに含むことを特徴とする請求項１に記載の走行可能距離予測方法。
13. 前記リアルタイム補正値と、前記履歴データから算出された補正値との平均値を算出し、この平均値を用いて前記一般走行可能距離を補正することにより、前記今回の走行可能距離を算出することをさらに含むことを特徴とする請求項１２に記載の走行可能距離予測方法。
14. 車両のドライバーを識別するドライバーＩＤ入力部と、
    前記車両の前回の走行可能距離を取得する距離データ格納部と、
    前記車両の外部環境から取得される外因データを取得する外因データ取得部と、
    前記外因データを考慮した前記ドライバーの運転特性データが記録された履歴データを格納する履歴データ格納部と、
    前記車両の走行データを取得する走行データ取得部と、
    前記ドライバーの運転特性データに基づいて補正値を算出する補正値計算部と、
    前記走行データに基づいて前記車両の異常度を算出する異常度計算部と、
    前記異常度に基づいて、前記車両の今回の走行可能距離の算出の基礎となる一般走行可能距離を算出する一般走行可能距離算出部と、
    前記補正値を用いて前記一般走行可能距離を補正することにより、前記今回の走行可能距離を算出する個人走行可能距離算出部と、
    前記今回の走行可能距離および前記前回の走行可能距離に基づいて、前記ドライバーに対して、前記車両の走行に関する情報を通報するドライバー通報部と、
    を備える走行可能距離予測装置。

Images