JP4509701B2 - 運転支援装置 - Google Patents

Description

本発明は、省燃費運転の支援を行う運転支援装置に関するものである。

上述した運転支援装置として、例えば、特許文献１に記載された車両運転状態評価システムが提案されている。この車両運転状態評価システムによれば、エンジンの回転速度と負荷と燃費率の関係を規定した燃費率マップを参照して、現在のエンジンの回転数及び負荷から現在のエンジンの燃費率を演算する。

また、シフトアップ時のエンジンの回転速度及び負荷を求め、上述した燃費率マップを参照して、シフトアップさせた場合のエンジンの燃費率を演算する。そして、演算された現在の燃費率よりもシフトアップさせた場合の燃費率の方が小さい場合にシフトアップを促すものである。

なお、上述した燃費率マップは、エンジン開発時に得られたデータに基づき作成されるか、車両の走行試験を行いその試験結果に基づいて作成されるものであることが記載されている。何れにしても、燃費率マップは、車両に搭載前に予め作成されるものである。

しかしながら、上述した従来の車両運転状態評価システムでは、予め燃費率マップを作成しておく必要がある。この燃費率マップは、搭載エンジン毎に異なるものであり、このため、搭載エンジン毎に作成する必要があり、コスト的に問題となる。また、燃費率マップが作成されていないエンジンを搭載した車両には、使うことができないという問題もある。さらに、燃費率マップは、搭載エンジンの違いだけでなく、搭載車両毎に微妙に異なる場合もあるため、従来のシステムでは、正確な燃費運転の支援を行うことができない。

また、車両の経時変化により燃費率マップが変化してしまっても、正確な燃費運転の支援を行うことができなくなる。さらに、運転の指示はシフトアップのみであり、具体的なアクセル開度の指示は行っていない。

さらに、燃費の良し悪しはドライバの運転だけではなく、車両の走行環境によっても変わってくる。例えば、走行道路が登り坂であったり、走行道路が渋滞中であったりすると、ドライバが燃費を良くするために最適な運転しても、燃費は悪くなる。しかしながら、従来の車両運転状態評価システムでは、車両の走行環境を無視した運転評価や支援を行っているため、適切な運転評価、運転支援を行うことができないという問題もあった。
特開２００４−６０５４８号公報

そこで、本発明は、上記のような問題点に着目し、予め燃費率マップを作成する必要をなくすことにより、コストダウンを図ると共に、車両を選ばずに搭載することができ、しかも、走行環境に適した運転支援を行うことができる運転支援装置を提供することを課題とする。

請求項１記載の発明は、図１に示す基本構成図によれば、車両の速度と前記車両の回転数及びアクセル開度から求めた負荷係数とギア比とを検出する走行状態検出手段１０ａ−１と、前記車両の走行環境情報を検出する走行環境検出手段１０ａ−２と、前記車両の燃費情報を検出する燃費検出手段１０ａ−３と、前記走行状態検出手段により検出された車両の速度、負荷係数、ギア比及び前記走行環境検出手段により検出された走行環境情報と、前記燃費情報検出手段により検出された燃費情報と、から前記車両の速度、負荷係数、ギア比及び走行環境情報に対する燃費情報の関係を学習する学習手段１０ａ−４と、前記学習手段が行った学習結果を用いて、入力された車両の速度、負荷係数、ギア比及び走行環境情報に対する燃費情報を推論する推論手段１０ａ−５と、前記推論手段に車両の速度、負荷係数、ギア比及び走行環境情報を入力する入力手段１０ａ−６と、前記燃費検出手段により検出された現燃費情報と、前記推論手段により推論された燃費情報との比較に基づいて、運転支援を行う支援手段１０ａ−７とを備えたことを特徴とする運転支援装置に存する。

請求項１記載の発明によれば、走行状態検出手段１０ａ−１が車両の速度、負荷係数、ギア比を検出する。走行環境検出手段１０ａ−２が車両の走行環境情報を検出する。燃費情報検出手段１０ａ−３が車両の燃費情報を検出する。学習手段１０ａ−４が検出された車両の速度、負荷係数、ギア比及び走行環境情報と、検出された燃費情報と、から車両の速度、負荷係数、ギア比及び走行環境情報に対する燃費情報の関係を学習する。推論手段１０ａ−５が、学習手段が行った学習結果を用いて、入力された車両の速度、負荷係数、ギア比及び走行環境情報に対する燃費情報を推論する。入力手段１０ａ−６が推論手段に車両の速度、負荷係数、ギア比及び走行環境情報を入力する。支援手段が燃費情報検出手段により検出された現燃費情報と、前記推論手段により推論された燃費情報との比較に基づいて、運転支援を行う。

従って、走行状態検出手段１０ａ−１、走行環境検出手段１０ａ−２及び燃費情報検出手段１０ａ−３による検出結果を用いて、車両の速度、負荷係数、ギア比及び走行環境情報に対する燃費情報の関係が学習され、その学習結果を用いて運転支援が行われる。つまり、走行中に行われる学習により車両の速度、負荷係数、ギア比及び走行環境情報と燃費情報との関係を得ることができ、予め車両の速度、負荷係数、ギア比及び走行環境情報と燃費情報との関係を示すマップを作成する必要がない。しかも、走行環境によって燃費が変動することに着目して、走行環境情報に対する燃費情報の学習、推論を行うようにしている。

請求項２記載の発明は、請求項１記載の運転支援装置であって、前記走行環境情報は、車両の走行路面情報であることを特徴とする運転支援装置に存する。

請求項２記載の発明によれば、走行路面によって燃費が変動することに着目し、走行路面情報を入力として、学習、推論を行うようにしている。

請求項３記載の発明は、請求項２記載の運転支援装置であって、前記走行路面情報は、前記走行路面の傾斜情報であることを特徴とする運転支援装置に存する。

請求項３記載の発明によれば、走行路面の傾斜によって燃費が変動することに着目し、走行路面の傾斜情報を入力として、学習、推論を行うようにしている。

請求項４記載の発明は、請求項２又は３記載の運転支援装置であって、前記走行路面情報は、前記走行路面が水で濡れているか否かの情報であることを特徴とする運転支援装置に存する。

請求項４記載の発明によれば、走行路面が水で濡れているか否かによって燃費が変動することに着目し、走行路面が水で濡れているか否かの情報を入力として、学習、推論を行うようにしている。

請求項５記載の発明は、請求項１〜４何れか１項記載の運転支援装置であって、前記走行環境情報は、前記走行道路の混雑情報であることを特徴とする運転支援装置に存する。

請求項５記載の発明によれば、走行道路の混雑度合によって燃費が変動することに着目し、走行道路の混雑情報を入力として、学習、推論を行うようにしている。

請求項６記載の発明は、請求項５記載の運転支援装置であって、前方を走行する車両と自車両との車間距離情報を前記混雑情報とすることを特徴とする運転支援装置に存する。

請求項６記載の発明によれば、渋滞すると前方との車間距離が縮まり、渋滞がない場合前方との車間距離が広がることに着目し、前方を走行する車両と自車両との車間距離情報を混雑情報とする。従って、車両の現在位置がリアルタイムに得られるＧＰＳと交通情報をリアルタイムに得られるＶＩＣＳとを搭載していなくても、車間距離を計測できるミリ波レーダなどを搭載していれば、簡単な構成で混雑情報を得ることができる。

請求項７記載の発明は、請求項６記載の運転支援装置であって、前方を走行する車両と自車両との相対速度情報を前記混雑情報とすることを特徴とする運転支援装置に存する。

請求項７記載の発明によれば、渋滞発生箇所に進入すると前方車両が減速し、渋滞から抜けると前方車両が加速することに着目し、前方を走行する車両と自車両との相対速度情報を混雑情報とする。従って、車両の現在位置がリアルタイムに得られるＧＰＳと交通情報をリアルタイムに得られるＶＩＣＳとを搭載していなくても、相対速度を計測できるミリ波レーダなどを搭載していれば、簡単に混雑情報を得ることができる。

請求項８記載の発明は、請求項１〜７何れか１項記載の運転支援装置であって、前記走行環境情報は、走行道路が一般道であるか自動車専用道路であるかの情報であることを特徴とする運転支援装置に存する。

請求項８記載の発明によれば、走行道路が一般道路か自動車専用道路であるか否かによって燃費が変動することに着目し、一般道路か自動車専用道路であるかの情報を入力として、学習、推論を行うようにしている。

請求項９記載の発明は、請求項１〜８何れか１項記載の運転支援装置であって、前記走行環境情報は、自車両の速度と車両進行方向に対して平行な風速成分との相対風速情報であることを特徴とする運転支援装置に存する。

請求項９記載の発明によれば、自車両の速度と車両進行方向に対して平行な風速成分との相対速度によって燃費が変動することに着目し、自車両の速度と車両進行方向に対して平行な風速成分との相対風速情報を入力として、学習、推論を行うようにしている。

以上説明したように請求項１記載の発明によれば、走行状態検出手段１０ａ−１、走行環境検出手段１０ａ−２及び燃費情報検出手段１０ａ−３による検出結果を用いて、車両の速度、負荷係数、ギア比及び走行環境情報に対する燃費情報の関係が学習され、その学習結果を用いて運転支援が行われる。つまり、走行中に行われる学習により車両の速度、負荷係数、ギア比及び走行環境情報と燃費情報との関係を得ることができ、予め車両の速度、負荷係数、ギア比及び走行環境情報と燃費情報との関係を示すマップを作成する必要がないので、コストダウンを図ると共に、車両を選ばずに搭載することができる。しかも、走行環境によって燃費が変動することに着目して、走行環境情報に対する燃費情報の学習、推論を行うようにしているので、走行環境に適した運転支援を行うことができる。

請求項２記載の発明によれば、走行路面によって燃費が変動することに着目し、走行路面情報を入力として、学習、推論を行うようにしているので、走行路面に適した運転支援を行うことができる運転支援装置が得られる。

請求項３記載の発明によれば、走行路面の傾斜によって燃費が変動することに着目し、走行路面の傾斜情報を入力として、学習、推論を行うようにしているので、走行路面の傾斜に適した運転支援を行うことができる運転支援装置が得られる。

請求項４記載の発明によれば、走行路面が水で濡れているか否かによって燃費が変動することに着目し、走行路面が水で濡れているか否かの情報を入力として、学習、推論を行うようにしているので、走行路面が水で濡れているときと、乾いているときとそれぞれ適した運転支援を行うことができる運転支援装置が得られる。

請求項５記載の発明によれば、走行道路の混雑度合によって燃費が変動することに着目し、走行道路の混雑情報を入力として、学習、推論を行うようにしているので、走行道路の混雑度合に適した運転支援を行うことができる運転支援装置が得られる。

請求項６記載の発明によれば、車両の現在位置がリアルタイムに得られるＧＰＳと交通情報をリアルタイムに得られるＶＩＣＳとを搭載していなくても、車間距離を計測できるミリ波レーダなどを搭載していれば、簡単な構成で混雑情報を得ることができるので、コストダウンを図った運転支援装置が得られる。

請求項７記載の発明によれば、車両の現在位置がリアルタイムに得られるＧＰＳと交通情報をリアルタイムに得られるＶＩＣＳとを搭載していなくても、相対速度を計測できるミリ波レーダなどを搭載していれば、簡単に混雑情報を得ることができるので、コストダウンを図った運転支援装置が得られる。

請求項８記載の発明によれば、走行道路が一般道路か自動車専用道路であるか否かによって燃費が変動することに着目し、一般道路か自動車専用道路であるかの情報を入力として、学習、推論を行うようにしているので、一般道路を走行中も、自動車専用道路を走行中もそれぞれに適した運転支援を行うことができる運転支援装置が得られる。

請求項９記載の発明によれば、自車両の速度と車両進行方向に対して平行な風速成分との相対風速情報を入力として、学習、推論を行うようにしているので、走行道路の気象状況に適した運転支援を行うことができる運転支援装置が得られる。

第１実施形態
以下、本発明の運転支援装置を、図面に基づいて説明する。図２は、本発明の運転支援装置の一実施形態を示すブロック図である。同図に示すように、本発明の運転支援装置内に備えられたマイクロコンピュータ（以下μＣＯＭ）１０には、入力インタフェース（Ｉ／Ｆ）１１を介して、車両が単位距離走行する毎に出力される車速パルスＰ１、クランクシャフトの回転に応じて出力される回転数パルスＰ２、燃料が例えば１ｃｃ消費される毎に出力される燃料パルスＰ３が供給されている。

上述したμＣＯＭ１０にはまた、入力Ｉ／Ｆ１１を介して、アクセルペダルに取り付けた角度センサ（図示せず）からの電圧値がアクセル開度信号Ｓ１として供給されている。さらに、傾斜センサ（図示せず）からの走行路面の傾斜角度θ（＝傾斜情報）に応じた傾斜信号Ｓ２が供給されている。上述した傾斜センサとしては、加速度センサが用いられている。加速度センサは重力を検出するセンサで、水平方向に置かれていると出力はゼロだが、傾けると重力がかかってその傾きに応じた傾斜信号Ｓ２を出力する。

μＣＯＭ１０は、プログラムに従って各種の処理を行う中央処理ユニット（ＣＰＵ）１０ａ、ＣＰＵ１０ａが行う処理のプログラムなどを格納した読み出し専用のメモリであるＲＯＭ１０ｂ、ＣＰＵ１０ａでの各種の処理過程で利用するワークエリア、各種データを格納するデータ格納エリアなどを有する読み出し書き込み自在のメモリであるＲＡＭ１０ｃなどを内蔵している。

上述したμＣＯＭ１０は、液晶ディスプレイ１３に接続されている。この液晶ディスプレイ１３は、例えば、図３に示すように、燃費状態表示部１３ａ、シフト操作表示部１３ｂ、理想アクセル開度指示部１３ｃ、現アクセル開度指示部１３ｄ及びマルチディスプレイ部１３ｅから構成されている。燃費状態表示部１３ａは、現在の車両の燃費状態を表示するためのものであり、例えば、太い方（下方）から細い方（上方）に向かうに従って、赤色から緑色に変化する帯状表示部から構成されている。この燃費状態表示部１３ａでは、太い方（赤）から細い方（緑）に向かう程、燃費が良い状態を示す。

シフト操作表示部１３ｂは、シフト操作を指示するためのものであり、シフトアップが指示されているときには「ＵＰ」が点灯され、シフトダウンが指示されているときには「ＤＯＷＮ」が点灯される。理想アクセル開度指示部１３ｃは、省燃費となる理想のアクセル開度を指示するものであり、例えば、帯状の表示部から構成されている。この理想アクセル開度指示部１３ｃでは、細い方から太い方に向かうほど、理想のアクセル開度が大きい状態を示す。

また、現アクセル開度指示部１３ｄは、現アクセル開度を指示するためのものである。従って、アクセルを踏ませる指示を行う場合は、現アクセル開度指示部１３ｄより下側に理想のアクセル開度が表示され、アクセルを緩ませる指示を行う場合は、現アクセル開度指示部１３ｄより上側に理想のアクセル開度が表示される。

マルチディスプレイ部１３ｅは、平均燃費、瞬時燃費、速度、燃料消費量、省燃費得点、車両メンテナンス情報などが表示される。また、上述したμＣＯＭ１０には、設定ボタン１４（図３参照）の押圧によってオンするスイッチＳＷ（図２参照）が接続され、設定ボタン１４の操作によって、マルチディスプレイ部１３ｅへの表示項目などが設定できるようになっている。さらに、上述したμＣＯＭ１０は、出力Ｉ／Ｆ１５を介して、コンパクトフラッシュ（登録商標）カード（ＣＦカード）１６に、例えば、車両の速度などの各種走行状態情報の書き込みができるようになっている。

上述した構成の運転支援装置の動作について、図４及び図５のＣＰＵ１０ａの処理手順を示すフローチャートを参照して以下説明する。まず、ＣＰＵ１０ａは、走行状態検出手段、燃費情報検出手段として働き、例えば、１秒毎に、図４に示す検出処理を行う。

検出処理において、ＣＰＵ１０ａはまず、車速パルスＰ１から現在の車両の速度ｖｐ（ｋｍ／ｍ）を、回転数パルスＰ２から現在のエンジン回転数Ｎｐ（ｒｐｍ）を、燃料パルスＰ３から現在の１秒当たりの燃料消費量αｐ（ｃｃ）を各々検出する（ステップＳ１）。この１秒当たりの燃料消費量αｐ（ｃｃ）が請求項中の燃費情報に相当する。さらにＣＰＵ１０ａは、アクセル開度信号Ｓ１から現在のアクセル開度βｐ（％）を、傾斜信号Ｓ２から現在走行している路面の傾斜角度θｐ（度）を各々検出する（ステップＳ１）。

次に、ＣＰＵ１０ａは、検出した速度ｖｐ、エンジン回転数Ｎｐから現在のギア比Ｇｐ（＝ｖｐ／Ｎｐ）を検出する（ステップＳ２）。さらに、ＣＰＵ１０ａは、求めた現アクセル開度βｐ、エンジン回転数Ｎｐから負荷情報としての負荷係数γｐ（＝βｐ／Ｎｐ）を検出する（ステップＳ３）。ここで、無負荷状態では、燃料消費量（≒アクセル開度）に応じてエンジン回転数はほぼ一意に決定できると考えられる。しかし、実際には様々な負荷（路面抵抗、勾配、積載荷重など）によってエネルギー損失が生じており、アクセル開度とエンジン回転数の関係は負荷に応じて変化する。

ここから、「エンジンに与えたエネルギー（≒燃料消費量≒アクセル開度）当たりの駆動力（≒エンジン回転数）」を計算することで、負荷の大きさを表すことができると考えられる。この値が大きいほど損失が小さい、つまり負荷が小さいと言えるが、「係数の大きさ＝負荷の大きさ」とした方が直感的であるため逆数を取り、本実施形態ではこれを負荷係数と定義した。
負荷係数＝アクセル開度／回転数

また、ＣＰＵ１０ａは、図６に示すようなファジィ化ニューロネットワークに従って、速度ｖ、傾斜角度θ、負荷係数γ、ギア比Ｇを入力データとし、燃料消費量α、アクセル開度βを出力データとして推論する推論処理を行うことができる。また、入力データと出力データとの関係は、検出処理の検出結果に基づいて学習される。これら推論・学習については後で詳しく説明する。

また、ＣＰＵ１０ａは、検出処理が行われる毎に、推論手段、入力手段、支援手段として働き、図５に示す省燃費運転の支援を行うための支援処理を行う。ＣＰＵ１０ａは、まず、図６に示すようなネットワークへの入力データを作成する（ステップＳ５）。入力データとしては、検出処理で検出された現ギア比Ｇｐ、現ギア比に対して１つ上のギア比Ｇｕ、現ギア比に対して１つ下のギア比Ｇｄと、同じく検出処理で検出された現速度ｖｐ、現傾斜角度θｐ及び現負荷係数γｐとを組み合わせたＩ１〜Ｉ３の３パターンが作成される。
Ｉ１＝［Ｇｕ、ｖｐ、θｐ、γｐ］、Ｉ２＝［Ｇｄ、ｖｐ、θｐ、γｐ］、Ｉ３＝［Ｇｐ、ｖｐ、θｐ、γｐ］

次に、ＣＰＵ１０ａは、図６に示すようなネットワークに、Ｉ１〜Ｉ３を入力して、Ｉ１〜Ｉ３に対する燃料消費量α１〜α３、アクセル開度β１〜β３を推論する推論処理を行う（ステップＳ６）。次に、ＣＰＵ１０ａは、推論した燃料消費量α１〜α３のうち最も少ない燃料消費量αｍｉｎと、検出処理により検出した現燃料消費量αｐとを比較する（ステップＳ７）。

今、燃料消費量αｍｉｎ＝α１であり、かつ、現燃料消費量αｐ＞推論した燃料消費量α１＝αｍｉｎであった場合（ステップＳ７でＹ）、燃料消費量αｍｉｎを推論したときの入力データＩ１中のギア比Ｇｕは、現ギア比Ｇｐより１つ上のギア比であると判断し（ステップＳ８でＮ）、シフト指示部１３において「ＵＰ」を点灯させるシフト指示を行い（ステップＳ９）、運転者にシフトアップを促す。その後、入力データＩ１に対して推論したアクセル開度β１を、理想アクセル開度指示部１３ｃに指示すると共に、検出処理により検出した現アクセル開度βｐを現アクセル開度指示部１３ｄによって指示させるアクセル指示を行った後（ステップＳ１０）、ステップＳ１１に進む。

また、燃料消費量αｍｉｎ＝α２であり、かつ、現燃料消費量αｐ＞推論した燃料消費量α２＝αｍｉｎであった場合（ステップＳ７でＹ）、燃料消費量α２を推論したときの入力データＩ２中のギア比Ｇｄは、現ギア比Ｇｐより１つ下のギア比であると判断し（ステップＳ８でＮ）、シフト指示部１３において「ＤＯＷＮ」を点灯させるシフト指示を行い（ステップＳ９）、運転者にシフトダウンを促す。その後、入力データＩ２に対して推論されたアクセル開度β２を、理想アクセル開度指示部１３ｃに指示すると共に、検出処理により検出した現アクセル開度βｐを現アクセル開度指示部１３ｄによって指示させるアクセル指示を行った後（ステップＳ１０）、ステップＳ１１に進む。

また、燃料消費量αｍｉｎ＝α３であり、かつ、現燃料消費量αｐ＞推論した燃料消費量α３＝αｍｉｎであった場合（ステップＳ７でＹ）、燃料消費量α３を推論したときの入力データＩ３中のギア比Ｇｐは、現ギア比Ｇｐと同じであると判断し（ステップＳ８でＹ）、ステップＳ９のシフト指示を行うことなく、直ちにステップＳ１０に進む。ステップＳ１０において、ＣＰＵ１０ａは、入力データＩ３に対して推論されたアクセル開度β３を、理想アクセル開度指示部１３ｃに指示すると共に、検出処理によって検出された現アクセル開度βｐを現アクセル開度指示部１３ｄによって指示させるアクセル指示を行った後、ステップＳ１１に進む。

これに対して、現燃料消費量αｐ≦αｍｉｎであった場合（ステップＳ７でＮ）、現状の走行状態で省燃費運転ができているとして、シフト指示も、アクセル指示も行うことなく、直ちにステップＳ１１に進む。ステップＳ１１においては、現在の燃費状態を表示する処理を行う。具体的には、例えば、現燃料消費量αｐが燃料消費量αｍｉｎより少ない場合（ステップＳ７でＮ）、現状の燃費状態が一番良い旨を表示する。一方、現燃料消費量αｐが燃料消費量αｍｉｎより多い場合（ステップＳ７でＹ）、現燃料消費量αｐと燃料消費量αｍｉｎとの差分が大きくなるに従って、燃費状態が悪くなるように表示する。

以上のことから明らかなように、速度、負荷係数、ギア比が入力となる走行状態情報に相当し、アクセル開度が出力となる走行状態情報に相当する。また、傾斜角度θが走行環境情報に相当する。

本実施形態における学習・推論では、ファジィ化ニューロを用いている。ファジィ化ニューロとは、従来のニューラルネットワークとファジィ推論との互いの長所を融合させたものである。このファジィ化ニューロは、ファジィ推論において一般的に用いられている台形状のメンバーシップ関数（以下、ＭＦ）というフィルタ関数と、重みｗを持った素子を基本構成要素としている。このＭＦは、図６に示すように、入力データの度数分布を正規分布に近似することにより表現している。

図６にファジィ化ニューロのネットワーク構成を示す。基本的なネットワーク構成としては、正規化テーブルＮＴ１〜ＮＴ４からなる入力部、パターンセットＰＳ１〜ＰＳ３、パターンテーブルＰＴ１及びＰＴ２の３層構造からなる前段部と、パターンセットＰＳ４及びＰＳ５、正規化テーブルＮＴ５及びＮＴ６の２層構造からなり、前段部を反転させたような後段部とからなっている。入力部では、入力データはそれぞれ正規化テーブルＮＴ１〜ＮＴ４にて正規化データに変換される。正規化された各入力データはそれぞれＭＦに入力され、そこで合致度に変換される。

次段のパターンセットＰＳ１〜ＰＳ３は、ＭＦの集合体で構成され、各ＭＦにより得られた合致度を、重みを用いて合成したものを出力とする。出力部のパターンテーブルＰＴ１及びＰＴ２では、複数のパターンセットＰＳ１〜ＰＳ３から出力される合致度の中で最大のものを後段部へ出力する。後段部において、パターンセットＰＳ４及びＰＳ５では、パターンテーブルＰＴ１及びＰＴ２からの出力のうち、閾値を超えたものが出力され、その合致度によってリンク上のＭＦを変形し、後段の正規化テーブルＮＴ５及びＮＴ６に伝達する。正規化テーブルＮＴ５及びＮＴ６においては、伝達されたＭＦ形状を合成したものの重心を取るなどしてデ・ファジィ化して、教示された出力データと等価な次元を持つ連続値に変換する。

また、学習手段として働く、学習処理では、検出処理により検出された速度、傾斜角度、負荷係数、ギア比を入力データ、アクセル開度、燃料消費量を教師信号として、メンバーシップ関数の形状変更やパターンセットの自動生成を行うが、このファジィ化ニューロでは１件の教師信号ごとに学習するのではなく、一定数蓄積後にまとめて学習するため、高速学習が可能となっている。

なお、学習を行う際、速度、燃料消費量、アクセル開度は次に示す条件でフィルタリングされる。速度については、５ｋｍ／ｈ以下を停止とみなし、０ｋｍ／ｈとする。燃料消費量については、１ｃｃ以下をそれ以上改善できないとみなし、０ｃｃとする。アクセル開度については、５％以下を電圧変動によるノイズとみなし、０％とする。

上述した構成の運転支援装置によれば、検出処理による検出結果を用いて、速度、傾斜角度、負荷係数、ギア比を入力とし、アクセル開度、燃料消費量を出力とした学習が行われ、その学習結果を用いて運転支援が行われる。つまり、走行中に行われる学習により、その車両に対応した速度、傾斜角度、負荷係数及びギア比と、アクセル開度や、燃料消費量との関係を得ることができ、予め速度、負荷係数及びギア比と、アクセル開度や、燃料消費量との関係を示すマップを作成する必要がない。このため、コストダウンを図ると共に、車両を選ばずに搭載することができる。

しかも、走行路面の傾斜によって燃費が変動することに着目し、走行路面の傾斜角度を入力として、学習、推論を行うようにしている。これにより、例えば傾斜がきつい路面を走行中であり、燃費が悪くなってしまってもその傾斜に応じた燃料消費量が推論されるため、走行路面の傾斜に適した運転支援を行うことができる。

なお、上述した第１実施形態では、傾斜信号Ｓ２から傾斜角度θを検出し、検出した傾斜角度θを入力して、学習、推論を行っていた。しかしながら、例えば、傾斜信号Ｓ２を直接入力し、学習、推論することも考えられる。

また、上述した第１実施形態では、燃費情報として単位時間当たりの燃料消費量を用いていたが、例えば、車両速度／アクセル開度で求められる効率係数を、燃費情報として用いることも考えられる。この場合、燃料消費量を計測する燃料計を用いなくても、燃費情報を得ることができるため、燃料計を搭載していない車両でも利用することができる。

第２実施形態
また、上述した第１実施形態では、走行路面情報として、走行路面の傾斜角度θを入力データとして、学習、推論を行っていた。しかしながら、走行路面が水で濡れているか否かの情報として入力し、学習、推論させることも考えられる。走行路面が水で濡れているか否かの情報は、例えば、ワイパスイッチのオンオフにより求めることができる。これにより、例えば雨や雪で濡れている路面の走行中であり、燃費が悪くなってしまうような状況であっても路面の状態に応じた燃料消費量が推論されるため、路面の状態に適した運転支援を行うことができる。

第３実施形態
また、上述した第１及び第２実施形態では、傾斜角度θや走行路面が水で濡れているか否かの情報といった走行路面情報を入力として、学習、推論を行っていた。しかしながら、例えば、走行道路の混雑情報を走行環境情報として入力し、学習、推論することも考えられる。上述した混雑情報としては、例えば、前方を走行する車両と自車両との車間距離情報を入力する。これは渋滞すると前方との車間距離が縮まり、渋滞が発生していない場合、前方との車間距離が広がることに着目したものであり、この車両距離情報は、車両前部に装着されたミリ波レーダーなどを用いて測定することができる。

また、上述した車間距離情報に加え、前方を走行する車両と自車両との相対速度情報を混雑情報として入力することも考えられる。これは渋滞箇所に進入すると前方車両が減速し、渋滞が解消すると前方車両が加速することに着目したものであり、相対速度情報は、先ほど述べた車両前方に装着されたミリ波レーダなどによって計測した車間距離情報と自車両の速度から算出することができる。

以上のように、車間距離情報及び相対速度情報から成る混雑情報を入力し、学習、推論させることにより、走行道路の混雑度合を無視したり、ドライバの意に反した無茶なギアの指示や、アクセル開度の指示を行うことがなくなり、走行道路の混雑度合に適した運転支援を行うことができる。つまり、前方車両又は車間距離が詰まった場合、早めにアクセルを戻す指示を行い、惰性走行を長くできるように運転支援が行われたり、前方車両が加速又は車間距離が広がった場合、通常のギア段数・アクセル開度指示を行うようになる。

また、車間距離情報、相対速度情報を混雑情報として入力することにより、車両の現在位置がリアルタイムに得られるＧＰＳと交通情報をリアルタイムに得られるＶＩＣＳとを搭載していなくても、車間距離を計測できるミリ波レーダなどを搭載していれば、簡単な構成で混雑情報を得ることができる。

また、ミリ波レーダは、赤外線レーダに比べて、１台前方の車両だけでなく２台前方の車両との車間距離も測定することができる。この場合、１台前方との車間距離情報及び相対速度情報、２台前方の車間距離情報及び相対速度情報の両者を混雑情報として入力しても良い。

第４実施形態
また、例えば、走行道路が一般道路か高速道路などの自動車専用道路であるか否かの情報を走行環境情報として入力し、学習、推論を行わせることも考えられる。上述した走行道路が一般道路であるか自動車専用道路であるか否かの情報は、例えば車両に搭載されたＥＴＣ車載器が行う自動車専用道路の出入口に設置された料金所との通信に基づいて得ることができる。その他に、例えば、車速が一定値以上の状態が一定時間継続したら自動車専用道路を走行中であるとみなすことも考えられる。

以上のように、一般道路か自動車専用道路であるかの情報を入力として、学習、推論を行うことにより、一般道路を走行中も、自動車専用道路を走行中もそれぞれに適した運転支援を行うことができる。

第５実施形態
また、自車両の速度と車両進行方向に対して平行な風速平行成分との相対風速情報を走行環境情報として入力し、学習、推論を行わせることも考えられる。上述した相対速度情報は、例えば、風向風速計を用いて計測した風向及び風速から車両進行方向に対して平行な風速平行成分を求め、求めた風速平行成分の風速と自車両の速度とから求めることができる。

以上のように、風の相対風速情報を入力として、学習、推論を行うことにより、走行道路の気象状況にあったより的確な運転支援を行うことができる。また、車両進行方向と平行な風速平行成分だけでなく、横風成分の風速を求めて、強い横風を検出した場合、ドライバに注意を促す警告を発生させることも考えられる。

以上実施の形態に基づいて本発明を説明したが、本発明は上述した実施の形態に限定されるものではなく、本発明の要旨の範囲内で種々の変形や応用が可能である。ここで、本発明の要旨をまとめると以下のようになる。

（１） 車両の走行状態情報を検出する走行状態検出手段と、
前記車両の走行環境情報を検出する走行環境検出手段と、
前記車両の燃費情報を検出する燃費情報検出手段と、
前記検出された走行状態情報及び走行環境情報を入力とし、前記検出された燃費情報を出力とする学習を行う学習手段と、
前記学習手段が行った学習結果を用いて、入力された走行状態情報及び走行環境情報に対する燃費情報を推論する推論手段と、
前記推論手段に走行状態情報及び走行環境情報を入力する入力手段と、
前記燃費情報検出手段により検出された現燃費情報と、前記推論手段により推論された燃費情報との比較に基づいて、運転の支援を行う支援手段とを備えたことを特徴とする運転支援装置。

（２） （１）に記載の運転支援装置であって、
前記燃費情報検出手段は、単位時間当たりの燃料消費量を、前記燃費情報として検出することを特徴とする運転支援装置。

（３） （１）に記載の運転支援装置であって、
前記燃費情報検出手段は、車両速度とアクセル開度から求められる効率係数を、前記燃費情報として検出することを特徴とする運転支援装置。

（４） （１）〜（３）何れかに記載の運転支援装置であって、
前記入力手段は、前記走行状態検出手段により検出された現走行状態情報を前記推論手段に入力することを特徴とする運転支援装置。

（５） （４）に記載の運転支援装置であって、
前記支援手段は、前記燃費情報検出手段によって検出された現燃費情報と、前記推論手段によって、前記現走行状態情報から推論された燃費情報との比較に基づき、車両の現燃費状態を検出し、運転者に報知することを特徴とする運転支援装置。

（６） （１）〜（５）何れか記載の運転支援装置であって、
前記走行情報検出手段は、前記学習手段の入力となる入力走行状態情報と、前記学習手段の出力となる出力走行状態情報とを検出し、
前記学習手段は、前記検出された入力走行状態情報を入力とし、前記検出された燃費情報及び前記出力走行状態情報を出力とした学習を行い、
前記入力手段は、前記走行状態検出手段により検出された現入力走行状態情報を前記推論手段に入力し、
前記推論手段は、前記学習手段が行った学習結果を用いて、前記入力された現入力走行状態情報に対する燃費情報及び出力走行状態情報を推論し、
前記支援手段は、前記燃費情報検出手段により検出された現燃費情報が、前記推論手段により推論された燃費情報より悪いとき、車両の走行状態を、前記推論手段により推論された出力走行状態情報にするように促すことを特徴とする運転支援装置。

（７） （６）記載の運転支援装置であって、
車両のアクセル開度を前記出力走行状態情報とし、
前記支援手段は、前記燃費情報検出手段により検出された現燃費情報が、前記推論手段により推論された燃費情報より悪いとき、前記推論手段により推論されたアクセル開度に促すことを特徴とする運転支援装置。

（８） （１）〜（７）何れか記載の運転支援装置であって、
前記入力手段は、前記推論手段に複数パターンの走行状態情報を入力し、
前記支援手段は、前記複数パターンの走行状態情報の入力に対して前記推論手段が推論した燃費情報のうち、最も良いものより、前記燃費情報検出手段により検出された現燃費情報が悪いとき、車両の走行状態を、前記最も良い燃費情報の推論時に入力した走行状態情報にするように促すことを特徴とする運転支援装置。

（９） （８）記載の運転支援装置であって、
前記走行状態検出手段は、前記車両のギア比を含む走行状態情報を検出し、
前記入力手段は、複数パターンのギア比と、前記走行状態検出手段が検出した現走行状態情報のうち、前記ギア比を除いたものとの組み合わせを推論手段に入力し、
前記支援手段は、前記複数パターンのギア比の入力に対して前記推論手段が推論した燃費情報のうち、最も良いものより、前記燃費情報検出手段により検出された現燃費情報が悪いとき、前記最も良い燃料情報の推論時に入力したギア比にするように促すことを特徴とする運転支援装置。

（１０） （６）〜（９）記載の運転支援装置であって、
前記走行状態検出手段が、前記車両の速度を、前記走行状態情報として検出し、
前記学習手段が、前記車両の速度を入力として学習を行い、
前記入力手段は、前記車両の現速度を前記推論手段に入力することを特徴とする運転支援装置。

（１１） （１）〜（１０）何れか記載の運転支援装置であって、
前記走行状態検出手段は、車両の速度、車両エンジンの負荷情報、車両のギア比を走行状態情報として検出することを特徴とする運転支援装置。

（１２） （１１）記載の運転支援装置であって、
前記走行状態検出手段は、アクセル開度／エンジン回転数を負荷情報として検出することを特徴とする運転支援装置。

（１３） （１２）記載の運転支援装置であって、
前記走行状態検出手段は、車両の速度／エンジン回転数をギア比として検出することを特徴とする運転支援装置。

本発明の運転支援装置の基本構成図である。 本発明の運転支援装置の一実施形態を示すブロック図である。 図２に示す運転支援装置を構成する液晶ディスプレイの表示例を示した図である。 図２に示す運転支援装置を構成するＣＰＵ１０ａの検出処理における処理手順を示すフローチャートである。 図２に示す運転支援装置を構成するＣＰＵ１０ａの支援処理における処理手順を示すフローチャートである。 本実施形態の学習・推論で用いられているファジ化ニューロネットワークの一例である。

符号の説明

１０ａ−１ 走行状態検出手段
１０ａ−２ 走行環境検出手段
１０ａ−３ 燃費情報検出手段
１０ａ−４ 学習手段
１０ａ−５ 推論手段
１０ａ−６ 入力手段
１０ａ−７ 支援手段

Claims (9)

1. 車両の速度と前記車両の回転数及びアクセル開度から求めた負荷係数とギア比とを検出する走行状態検出手段と、
   前記車両の走行環境情報を検出する走行環境検出手段と、
   前記車両の燃費情報を検出する燃費検出手段と、
   前記走行状態検出手段により検出された車両の速度、負荷係数、ギア比及び前記走行環境検出手段により検出された走行環境情報と、前記燃費情報検出手段により検出された燃費情報と、から前記車両の速度、負荷係数、ギア比及び走行環境情報に対する燃費情報の関係を学習する学習手段と、
   前記学習手段が行った学習結果を用いて、入力された車両の速度、負荷係数、ギア比及び走行環境情報に対する燃費情報を推論する推論手段と、
   前記推論手段に車両の速度、負荷係数、ギア比及び走行環境情報を入力する入力手段と、
   前記燃費検出手段により検出された現燃費情報と、前記推論手段により推論された燃費情報との比較に基づいて、運転支援を行う支援手段とを備えたことを特徴とする運転支援装置。
2. 請求項１記載の運転支援装置であって、
   前記走行環境情報は、車両の走行路面情報であることを特徴とする運転支援装置。
3. 請求項２記載の運転支援装置であって、
   前記走行路面情報は、前記走行路面の傾斜情報であることを特徴とする運転支援装置。
4. 請求項２又は３記載の運転支援装置であって、
   前記走行路面情報は、前記走行路面が水で濡れているか否かの情報であることを特徴とする運転支援装置。
5. 請求項１〜４何れか１項記載の運転支援装置であって、
   前記走行環境情報は、前記走行道路の混雑情報であることを特徴とする運転支援装置。
6. 請求項５記載の運転支援装置であって、
   前方を走行する車両と自車両との車間距離情報を前記混雑情報とすることを特徴とする運転支援装置。
7. 請求項６記載の運転支援装置であって、
   前方を走行する車両と自車両との相対速度情報を前記混雑情報とすることを特徴とする運転支援装置。
8. 請求項１〜７何れか１項記載の運転支援装置であって、
   前記走行環境情報は、走行道路が一般道であるか自動車専用道路であるかの情報であることを特徴とする運転支援装置。
9. 請求項１〜８何れか１項記載の運転支援装置であって、
   前記走行環境情報は、自車両の速度と車両進行方向に対して平行な風速成分との相対風速情報であることを特徴とする運転支援装置。

Images