JP5027777B2 - カーナビゲーション装置およびカーナビゲーション方法 - Google Patents

Description

本発明は、車両の燃料消費量を最小化する経路探索および経路誘導を行うカーナビゲーション装置およびカーナビゲーション方法に関する。

カーナビゲーションシステムは、出発地点から目的地点までの経路を探索し、探索した経路をドライバに提示するシステムである。その経路探索では、通常、道路リンクごとに何らかのコスト（以下、リンクコストという）を設定しておき、出発地点から目的地点までのあり得る経路について、そのリンクコストに基づくコスト関数の値を計算し、そのコスト関数の値が最小になる経路を抽出する。

カーナビゲーションシステムにおいては、コスト関数として、出発地点から目的地点までの経路の走行所要時間やその経路の延長距離（経路長）を用いるのが一般的である。その場合、各道路リンクには、リンクコストとして、その道路リンクの走行所要時間やリンク長が設定される。そして、所定のアルゴリズムに従って、コスト関数の値が最小になる経路として、最小所要時間経路（最短時間経路）や最小走行距離経路（最短距離経路）が探索される。

経路探索のコスト関数として、燃料消費量を用いることもできる。その場合、リンクコストには、車両がその道路リンクを走行するときの燃料消費量を設定しておく必要がある。燃料消費量のリンクコストが設定されれば、カーナビゲーション装置は、その燃料消費量のリンクコストに基づき、燃料消費量を最小化する経路（以下、燃費最小経路という）を探索することができる。

リンクコストとして燃料消費量を設定するためには、各道路リンクについて、車両がその道路リンクを走行するときの燃料消費量を実測または予測する必要がある。特許文献１−３には、道路リンクの燃料消費量を実測または予測して、燃費最小経路を探索するカーナビゲーション装置の例が開示されている。

例えば、特許文献１には、地形、渋滞状況と燃費との対応関係を事前に作成しておき、三次元道路地図とその道路リンクの交通状況から、各道路リンクの燃料消費量を予測する技術が開示されている。また、特許文献２には、過去の走行時における実績燃料消費量に基づき、道路リンクの燃料消費量を予測する方法が開示されている。さらに、特許文献３には、過去の走行時における実績燃料消費量と道路の状況を表す各種パラメータ（リンク長、信号数、車線数、標高差など）との重回帰分析により道路リンクの燃料消費量を予測する方法が開示されている。
特開２００６−０９８１７４号公報 特開平２−２７８１１６号公報 特開平１０−１２２８８３号公報

例えば、特許文献１に記載の発明などにおいて、道路リンクの燃料消費量をより正確に予測しようとすると、３次元道路地図は不可欠である。そのような３次元道路地図では、道路のリンク情報として、その始端と終端における標高差だけでなく、途中のアップダウンの情報も保持することが望ましい。しかしながら、そのような３次元道路地図は、通常、データ量が大きく、それを保持するには大容量の記憶装置が必要となる。従って、車両に搭載されたカーナビゲーション装置にとっては負担となる。

特許文献２に記載の発明では、３次元道路地図は必要でないが、走行実績のない道路リンクについては、その燃料消費量のリンクコストを得ることができない。それに対し、特許文献３に記載の発明では、走行実績のない道路リンクについても燃料消費量を予測することができるが、その場合、その燃料消費量に道路リンク内のアップダウン情報を反映させたり、渋滞情報を反映させたりするのは、実質的に困難である。

また、いずれの従来技術においても、車重や燃費が異なる様々な車種によって異なる燃料消費量を求めることは考慮されていない。例えば、特許文献１に記載の発明において、車種の相違に対応しようとすれば、それぞれの車種ごとに、燃料消費量のリンクコストを予測する必要があるが、その方法は開示されていない。

特許文献２または３に記載の発明の場合、燃料消費量のリンクコストを求めたり、あるいは、重回帰分析のためのパラメータを取得したりするためには、様々な車種の車両を様々な道路リンクで実地走行させて、その燃料消費量の実績データを取得する必要がある。そのためには、膨大な費用および時間が必要となる。

以上の従来技術の問題点に鑑み、本発明の目的は、車両に搭載されたカーナビゲーション装置部分における情報の記憶量が小さくて済み、しかも、様々な車種への適用が容易な燃費最小経路の探索を可能とするカーナビゲーション装置およびカーナビゲーション方法を提供することにある。

前記従来技術の問題点を解決するために、本発明のカーナビゲーション装置は、道路リンクの接続情報と位置情報と高度情報とを含むデータを記憶した道路地図データ記憶手段と、目的地までの誘導経路を探索する経路探索手段と、道路リンクの位置情報と高度情報とに基づき、車両がその道路リンクを走行した場合のエネルギー変化量を算出するエネルギー変化量算出手段と、を備え、経路探索手段が、目的地までの誘導経路を探索するとき、エネルギー変化量算出手段によって算出されたエネルギー変化量に基づき、車両の燃料消費量が少なくなる経路を探索するようにしている。

また、本発明において、エネルギー変化量算出手段は、道路リンクを小区間に分割し、車両がその小区間を加速走行、減速走行および一定速走行をしたそれぞれの場合におけるエネルギー変化量を算出するとともに、そのそれぞれの場合における燃料消費の有無により、その小区間を分類し、その道路リンクを構成する各小区間の一定速走行時のエネルギー変化量を、その分類ごとに集計し、その分類ごとの集計値を道路リンクの地形特徴量として算出する。

また、本発明において、経路探索手段は、道路リンクのリンク旅行時間を取得するリンク旅行時間取得手段を有し、そのリンク旅行時間取得手段から取得された道路リンクのリンク旅行時間と、道路地図データ記憶手段から取得された道路リンクのリンク長と、に基づき、車両がその道路リンクを走行するときの加速走行、減速走行および一定速走行の走行パターンを予測し、その予測した走行パターンと前記の地形特徴量とを用いて、車両の道路リンク走行時の燃料消費量を推定し、その燃料消費量に基づき、車両の燃料消費量が少なくなる経路を探索する。

また、本発明において、経路探索手段は、車両の車種に依存する車両情報を入力する入力手段を有し、その入力手段から入力された車両情報に応じた車両の燃料消費量を推定する。

従って、カーナビゲーション装置の経路探索手段が各道路リンクの燃料消費量を予測するときには、各道路リンクの地形特徴量が用いられるので、道路リンクの高度情報を含んだ３次元道路地図情報を必要としない。そのため、車両に搭載されたカーナビゲーション装置部分における記憶量が小さくて済む。また、地形特徴量は、エネルギー消費量を事前計算した結果の情報でもあるので、燃料消費量予測時、つまり、車両走行時に、エネルギー消費量を計算する必要がなくなる。従って、車両に搭載されたカーナビゲーション装置部分における計算量が削減される。

また、本発明では、地形特徴量を算出するとき、車両のエネルギーの変化量を車重などで規格化している。従って、地形特徴量は全車種で共通であり、そのため、カーナビゲーション装置は、経路探索の際に各道路リンクの燃料消費量を予測するときには、車重やエンジン効率など自車両の特性量を考慮すればよい。

本発明によれば、車両に搭載されたカーナビゲーション装置部分における情報の記憶量および計算量が少なくて済み、しかも、様々な車種への適用が容易な燃費最小経路の探索が可能となる。

以下、図面を参照して本発明の実施形態について詳しく説明する。

（１．カーナビゲーションシステムの全体構成）
図１は、本発明の実施形態に係るカーナビゲーションシステムの機能ブロックの構成の例を示した図である。図１に示すように、カーナビゲーションシステム１０は、交通情報センタなどに設置されるセンタ装置１および乗用車などの車両に搭載される車載端末装置２を含んで構成される。このとき、センタ装置１と車載端末装置２との間の情報転送は、ＤＶＤ（Digital Versatile Disk）５などの可搬記憶メディア、電話回線やインターネットなどからなる通信ネットワーク３、携帯電話網の基地局４などを介して行われる。

ここで、センタ装置１は、汎用的な情報処理装置であるセンタ処理装置１１、通信ネットワーク３に接続されたルータなどからなる通信装置１２、ＤＶＤ５など可搬記憶メディアのリーダ・ライタからなるメディアドライブ１３などを含んで構成される。

センタ処理装置１１は、ハードウエアの実体として、情報処理の実行主体となるＣＰＵ（Central Processing Unit：図示省略）、情報処理のプログラムや様々な情報を記憶する記憶装置（半導体メモリ、ハードディスク装置など：図示省略）などを含んで構成される。

センタ処理装置１１は、また、その機能ブロックとして、図１に示すように、リンク形状集約部１１１、データ入出力制御部１１２、３次元道路地図記憶部１１３、地形特徴量記憶部１１４などを含んで構成される。

この場合、リンク形状集約部１１１は、３次元道路地図記憶部１１３に記憶されている３次元道路地図から、各道路リンクのアップダウンなどの３次元形状情報を取得し、その道路リンクの３次元形状に沿って車両が走行したとするときに、その走行とともに変化する車両のエネルギーの変化量を算出するエネルギー変化量算出手段として動作し、さらに、その車両のエネルギーの変化量に基づき地形特徴量を算出し、算出した地形特徴量を地形特徴量記憶部１１４に保存する。なお、リンク形状集約部１１１における詳細な処理については、別途、後記する。

データ入出力制御部１１２は、通信装置１２やメディアドライブ１３に対する情報の入出力を制御する。本実施形態に即していえば、データ入出力制御部１１２は、地形特徴量記憶部１１４に記憶されている地形特徴量を、通信装置１２を介し、さらに、通信ネットワーク３、基地局４などを介して、車載端末装置２へ送信する、または、メディアドライブ１３を介して、地形特徴量をＤＶＤ５などの可搬記憶メディアに書き込む。

これらリンク形状集約部１１１およびデータ入出力制御部１１２の機能は、センタ処理装置１１がそのＣＰＵにより、その記憶装置にあらかじめ格納された所定のプログラムを実行することによって実現される。また、３次元道路地図記憶部１１３および地形特徴量記憶部１１４は、その記憶装置上に構成される。

次に、車載端末装置２は、汎用的な情報処理装置であるカーナビ処理装置２１、ＧＰＳ（Global Positioning System）衛星電波を受信して現在位置を測位するＧＰＳ受信機２２、ジャイロなどからなる方向センサ２３、ＬＣＤ（Liquid Crystal Display）などからなる表示装置２４、タッチパネルやリモコン装置などからなる入力装置２５、ＤＶＤ５など可搬記憶メディアのリーダ・ライタからなるメディアドライブ２６、携帯電話機などからなる通信装置２７を含んで構成される。

カーナビ処理装置２１は、ハードウエアの実体として、情報処理の実行主体となるＣＰＵ（図示省略）、情報処理のプログラムや様々な情報を記憶する記憶装置（半導体メモリ、ハードディスク装置など：図示省略）を含んで構成される。

カーナビ処理装置２１は、また、その機能ブロックとして、図１に示すように、旅行時間予測部２１１、経路探索部２１２、経路誘導部２１３、車種選択部２１４、燃料消費予測部２１５、データ入出力制御部２１６、統計交通情報記憶部２１７、道路地図記憶部２１８、車種特性量記憶部２１９、地形特徴量記憶部２２０などを含んで構成される。これらの機能ブロックの詳細については、別途、後記する。

なお、これら旅行時間予測部２１１、経路探索部２１２、経路誘導部２１３、車種選択部２１４、燃料消費予測部２１５およびデータ入出力制御部２１６の機能は、カーナビ処理装置２１がそのＣＰＵにより、その記憶装置にあらかじめ格納された所定のプログラムを実行することによって実現される。また、統計交通情報記憶部２１７、道路地図記憶部２１８、車種特性量記憶部２１９および地形特徴量記憶部２２０は、その記憶装置上に構成される。

（２．センタ装置１の動作）
続いて、図２ないし図６を参照して、センタ処理装置１１におけるリンク形状集約処理について説明する。リンク形状集約処理は、リンク形状集約部１１１の処理として実行され、情報量の大きい３次元道路地図を、情報量の小さい地形特徴量データに集約する処理である。

ここで、図２は、３次元道路地図記憶部１１３に記憶される３次元道路地図のレコード構成の例を示した図、図３は、複数の小区間に分割された道路リンクの高さ方向のリンク形状の例を示した図、図４は、リンク形状集約処理の概念を説明するための（ａ）力学エネルギー変化量、（ｂ）小区間分類、（ｃ）地形特徴量の例を示した図、図５は、リンク形状集約処理の処理フローの例を示した図、図６は、地形特徴量記憶部１１４に記憶される地形特徴量のレコードの構成の例を示した図である。

３次元道路地図は、道路リンクの３次元の位置および形状を表した情報である。３次元道路地図では、各道路リンクの位置および形状は、その道路リンクに含まれる複数の点列の３次元座標（Ｘ，Ｙ，Ｚ）によって表現される。従って、直線で一定の勾配を有する道路リンクは、リンクの始端および終端の座標だけで表すことができる。一方、道路リンクの途中に屈曲点があったり、勾配の変化点があったりした場合には、その道路リンクの途中に補間点が設けられる。

一般に、道路リンクの途中に設けられる補間点の数やその間隔は任意であり、実際の道路の３次元形状を忠実に表現できるものであればよい。すなわち、直線形状の道路リンクには、補間点は設ける必要がなく、曲率の大きい道路には、狭い間隔（例えば、１０ｍ間隔）で補間点を設けてもよい。一般には、１つの道路リンクは、少なくとも始端および終端を含む２以上の点列の３次元座標によって表される。

図２に示すように、３次元道路地図のレコードは、リンクＩＤ、補間点番号、経度、緯度、高度を含んで構成され、その１つのレコードが、各道路リンクの始端および終端を含む各補間点の座標を表したものとなっている。

ここで、リンクＩＤは、各道路リンクに付された識別番号であり、車載端末装置２の道路地図記憶部２１８に記憶された２次元の道路地図において、各道路リンクに付された識別番号と同じものである。なお、道路リンクは、同じ道路区間であっても、上り線および下り線方向でそれぞれ別に定義されているものとする。また、補間点番号は、補間点を識別する番号である。ここでは、道路リンクの始端および終端も補間点とみなされ、その補間点番号は、始端を「１」とし、終端までの補間点の点列に対し、昇順の番号が付されている。また、経度、緯度および高度は、各補間点の３次元の位置座標（Ｘ，Ｙ，Ｚ）を表した情報である。

続いて、リンク形状集約処理の原理について説明する。

図３に示すように、道路リンクは、一般には、補間点により複数の小区間に分割され、それぞれの小区間は、直線で近似される。燃料消費量を考える場合、道路の高低差や勾配が燃料消費量に大きな影響を与えるので、ここでは、道路リンクの各小区間は、リンク始端からの距離と高度との関係として表されている。

ところで、車両の走行モードは、加速走行、一定速度走行および減速走行の３つのいずれかの走行モードに分類される。ちなみに、平坦な（勾配がゼロ）道路を加速走行する場合には、車両の運動エネルギーを増加させる必要があるので、車両の燃料消費量は大きくなる。それに対し、一定速度走行の場合には、車両の転がり摩擦に打ち勝つだけのエネルギーを供給すればよいので、燃料消費量は少なくて済む。また、減速走行の場合には、車両にエネルギーを供給する必要がないので、燃料は消費されない。

また、車両が坂道を走行する場合に、その燃料消費を計算しようとすると、さらに、位置エネルギーを考慮する必要がある。そこで、ここでは、車両が所定の勾配を有する小区間全域を走行したとき、力学エネルギーがどのように変化するかを考えるために、力学エネルギー変化量Ｍを、次の（式１）により定義する。
Ｍ＝ＦＲ＋ΔＰ＋ΔＭ （式１）
ここで、ＦＲ：摩擦損失エネルギー
ΔＰ：位置エネルギーの変化量
ΔＭ：運動エネルギーの変化量

なお、（式１）の力学エネルギー変化量Ｍは、車両の重量（車重）で規格化されたもの、すなわち、車両の単位重量あたりの力学エネルギーであるとする。また、その計算で用いられる摩擦係数、加減速時の加速度などは、路面、車両、ドライバの特性の依存を考慮せず、平均化された値であるとし、それらの値は、車両の設計情報、走行試験などにより取得可能であるとする。また、空気抵抗は、走行速度に依存するが、ここでは、その空気抵抗を無視する。また、車両の加速時および減速時における加速度は、それぞれ等しいものとする。

リンク形状集約処理では、各小区間を、車両が加速走行、一定速度走行および減速走行した場合のそれぞれについて、力学エネルギー変化量Ｍを求める。図３に示した道路リンクの小区間１−５について、その力学エネルギー変化量Ｍを計算した結果の例を示したものが、図４（ａ）である。

図４（ａ）で、「摩擦＋位置」の欄は、（式１）の「ＦＲ＋ΔＰ」の部分のエネルギーを表したもの、また、「加速走行」、「一定速度走行」および「減速走行」の各欄は、それぞれ、車両が加速走行、一定速度走行および減速走行したときの（式１）の値（力学エネルギー変化量Ｍ）を表したものである。

なお、加速走行時および減速走行時の力学エネルギー変化量Ｍは、その加速度をＧ、小区間の長さをＬとすれば、Ｍ＝Ｇ×Ｌと表される。前記したように、本実施形態では、加速走行時および減速走行時における加速度Ｇの大きさ（絶対値）は同じあるとしているので、ＧをＧ＞０の一定の値であるとすれば、その力学エネルギー変化量Ｍは、加速時に、Ｍ＝＋Ｇ×Ｌ、減速時に、Ｍ＝−Ｇ×Ｌとなる。

図４（ａ）において、例えば、図３に示した勾配のない小区間１および２では、「摩擦＋位置」の欄のエネルギーは、ΔＰ＝０であるため小さいが、正の勾配を有する小区間３では、「摩擦＋位置」の欄のエネルギーは、ΔＰの分だけ大きくなり、負の勾配を有する小区間４および５では、ΔＰが負になるので、「摩擦＋位置」の欄のエネルギーは、負になる場合が生じる。

「摩擦＋位置」の欄のエネルギーが負となる場合には、その勾配により、減速走行時だけでなく、一定速度走行時にも力学エネルギー変化量Ｍが負になる場合（小区間４）がある。この場合には、車両が一定速度走行するときでも、車両にエネルギーを供給する必要がなく、つまり、車両の燃料消費がゼロとなる。さらに、加速走行時にも力学エネルギー変化量Ｍが負になる場合（小区間５）が生じる。そのような小区間では、加速走行時にも車両の燃料消費がゼロとなる。

そこで、小区間を、車両の走行モードそれぞれについての燃料消費の有無によって、図４（ｂ）のように分類することができる。ここで、分類Ａは、いずれの走行モードでも燃料が消費されない小区間（小区間５）、例えば、加速走行時でさえも燃料が消費されないような急な下り坂である。分類Ｂは、加速走行時には燃料が消費されるが、一定速度走行時および減速走行時には燃料が消費されない小区間（小区間４）、例えば、緩い下り坂である。分類Ｃは、一定速度走行時および加速走行時には燃料が消費されるが、減速走行時には燃料が消費されない小区間（小区間１，２）、例えば、平坦な道路、極めて緩い下り坂または緩い上り坂である。分類Ｄは、いずれの走行モードでも燃料が消費される小区間（小区間３）、例えば、減速走行時でさえも燃料が消費される急な登り坂である。

図４（ａ）の「分類」欄には、図３に示した道路リンクの各小区間について、以上のようにして分類した分類結果の例が示されている。

ところで、図４（ａ）において、「摩擦＋位置」の欄のエネルギーは、小区間の３次元形状によって定まる値である。すなわち、摩擦損失エネルギーＦＲは、走行距離、つまり、小区間の長さによって定まり、位置エネルギーの変化量ΔＰは、小区間の両端の高低差によって定まる。従って、それぞれの小区間において、「摩擦＋位置」のエネルギー変化量を考えた場合、これらは小区間の三次元形状によって定まる値であり、車両の走行の仕方に依存しない。そのため、「摩擦＋位置」の欄のエネルギーは、その小区間の地形特徴量ということができる。そこで、「摩擦＋位置」の欄のエネルギーを、以下、「小区間の地形特徴量」と呼ぶ。

また、「摩擦＋位置」のエネルギー変化量を求める際には、車重について規格化して単位質量当たりのエネルギー変化量を求め、摩擦係数についても、燃料消費予測の対象として考える車種の平均的な摩擦係数を用いている。従って、このようにして求められる小区間の地形特徴量は、全対象車種で共通のものとすることができ、車種毎にデータを作成する必要がなくなる。

次に、リンク形状集約処理では、その小区間の地形特徴量を用いて、複数の小区間からなる道路リンクの地形特徴量として、４つの特徴量Ｍ_Ａ，Ｍ_Ｂ，Ｍ_ＣおよびＭ_Ｄを次のように定義する。
Ｍｉ＝（分類ｉに属する小区間の地形特徴量の総和） （式２）
ここで、ｉ＝Ａ，Ｂ，Ｃ，Ｄ

図４（ｃ）の「小区間の地形特徴量の総和」の欄は、図４（ａ）における各分類Ａ−Ｄに属する小区間について、小区間の地形特徴量の総和を計算したものである。例えば、図４（ｃ）の「分類Ｃ」の「小区間の地形特徴量の総和」の欄は、図４（ａ）で「分類Ｃ」に分類された「小区間１および２」の「摩擦＋位置」の欄のエネルギーの総和を計算したものである。

詳細は、後記するところによるが、これらの地形特徴量Ｍ_Ａ，Ｍ_Ｂ，Ｍ_ＣおよびＭ_Ｄと、車重など車両の特性量と、を用いることにより、道路リンクの燃料消費量を計算することができる。すなわち、本実施形態では、３次元道路地図に代えて、道路リンクの地形特徴量を用いることにより、道路リンクの燃料消費量の計算が可能になったことを意味する。つまり、各道路リンクの３次元の位置情報によって表される３次元のリンク形状は、地形特徴量Ｍ_Ａ，Ｍ_Ｂ，Ｍ_ＣおよびＭ_Ｄに集約されたことになる。

なお、図４（ｂ）に示したように、分類Ａの小区間では、加速走行、一定速度走行および減速走行のいずれの場合にも、燃料が消費されない。従って、その地形特徴量Ｍ_Ａは、その後の燃料消費量の計算において使用されることがない。そのため、図４（ｃ）では、「地形特徴量」の欄に「Ｍ_Ａ」が記載されず、「−」と記載されている。

続いて、以上の説明をまとめる形で、図５を参照して、センタ処理装置１１のリンク形状集約部１１１におけるリンク形状集約処理について説明する。リンク形状集約処理は、図５に示すように、３次元道路地図１１３に含まれる道路リンクすべてについてのループ処理として実行される（ステップＳ１）。

そこで、センタ処理装置１１のＣＰＵ（以下、単に、ＣＰＵという）は、リンクＩＤを設定して、３次元道路地図１１３から、そのリンクＩＤを有するリンクデータを読み込む（ステップＳ２）。ここで、リンクデータは、３次元道路地図１１３におけるレコードを意味する。

次に、ＣＰＵは、読み込んだリンクデータから、例えば、各補間点におけるリンク始端からの距離と高度のデータからなる小区間データを生成し（ステップＳ３）、図４（ａ）に示したようにそれぞれの走行モードごとに力学エネルギー変化量を算出、つまり、小区間の地形特徴量を算出する（ステップＳ４）。さらに、ＣＰＵは、その算出した力学エネルギー変化量に基づき、当該小区間を分類する（ステップＳ５）。

次に、ＣＰＵは、各小区間の地形特徴量に基づき、道路リンクの地形特徴量Ｍ_Ｂ，Ｍ_ＣおよびＭ_Ｄを生成し（ステップＳ６）、生成した地形特徴量Ｍ_Ｂ，Ｍ_ＣおよびＭ_Ｄを地形特徴量記憶部１１４に保存する（ステップＳ７）。そして、ＣＰＵは、すべての道路リンクについてステップＳ１以下のループ処理を実行したか否かを判定し、ループ処理を実行していた場合には、そのループ処理を終了する（ステップＳ８）。

地形特徴量記憶部１１４に保存された地形特徴量は、図６に示すように、それぞれのリンクごとにＭ_Ｂ，Ｍ_ＣおよびＭ_Ｄの３つのデータにより構成される。この地形特徴量の構成を、図２に示した３次元道路地図のデータと比較すると、地形特徴量３次元道路地図が、いかに小さなデータに集約されたかが分る。

なお、地形特徴量記憶部１１４に保存された地形特徴量は、データ入出力制御部１１２の処理によりメディアドライブ１３を介してＤＶＤ５などの可搬記憶メディアに書き込まれたり、通信装置１２、通信ネットワーク３などを介して、車載端末装置２へ送信されたりする。

（３．車載端末装置２の動作）
図７ないし図９を参照して、カーナビ処理装置２１における車種選択処理について説明する。車種選択処理は、車種選択部２１４の処理として実行され、当該車載端末装置２が搭載されている車両の車種を選択する。

ここで、図７は、車種特性量記憶部２１９に記憶される車種特性量データの構成の例を示した図、図８は、車種選択処理の処理フローの例を示した図、図９は、表示装置２４に表示される車種選択画面の例を示した図である。

図７に示すように、車種特性量データは、車種ＩＤ、車種名、車重Ｗ、エンジン基礎消費量Ｆ、力学エネルギー当量Ｅ、空気抵抗係数ｋなどから構成される。

ここで、エンジン基礎消費量Ｆは、内部抵抗に抗してエンジン回転を維持するために消費される単位時間当たりの燃料消費量である。また、力学エネルギー当量Ｅは、所定の力学エネルギーを得るために必要な燃料消費量であり、燃料消費量をｑとし、力学エネルギーをＨとしたとき、Ｅ＝ｑ／Ｈで与えられる量である。また、空気抵抗係数ｋは、車輌のＣｄ値、前方投影面積Ａおよび空気密度ρを用いて、ｋ＝Ｃｄ×ρ×Ａ／２により定義される値である。

なお、車種特性量データは、データ入出力制御部２１６の処理により、ＤＶＤ５などの可搬記憶メディアのメディアドライブ２６、または、通信装置２７を介して、あらかじめ外部から入力され、車種特性量記憶部２１９に記憶されているものとする。

ドライバは、車載端末装置２から燃費最小経路の提供を受けるには、自車の車種を選択しておく必要がある。そこで、ドライバが入力装置２５などから車種選択開始の指示情報を入力すると、カーナビ処理装置２１のＣＰＵ（以下、単に、ＣＰＵという）は、図８に示す車種選択処理を開始する。

車種選択処理において、ＣＰＵは、まず、車種特性量記憶部２１９から車種特性量のデータを読み込み（ステップＳ１１）、図９に示すような車種選択画面２４１を表示装置２４に表示する（ステップＳ１２）。その車種選択画面２４１には、車種名、メーカ名、モデル名、年式などの一覧表が表示される。その一覧表にはドライバが車種を選択するためのチェック欄２４１１が設けられている。そこで、ドライバが入力装置２５を介して自車の車種を選択すると、ＣＰＵは、その車種選択情報を入力して（ステップＳ１３）、その入力した車種選択情報により指定される車種の車種特性量を、自車特性量として記憶装置に記憶する（ステップＳ１４）。

なお、車種特性量における車重Ｗは、車両本来の車体重量にドライバの重量として成人の平均体重を加算したものが設定されているものとする。あるいは、搭乗人員入力画面などを設けることにより、ドライバが必要に応じて搭乗人員や荷物の重量を直接数値として入力し、車重Ｗを修正できるようにしてもよい。また、車両に車重を検知するセンサが備わっている場合は、そのセンサの出力を車重Ｗとしてもよい。

以上の車種選択処理により、車載端末装置２は、様々な車種に対して、より精度の高い燃費最小経路をドライバに提供できるようになる。

続いて、図１０ないし図１３を参照して、カーナビ処理装置２１における燃料消費予測処理について説明する。燃料消費予測処理は、燃料消費予測部２１５の処理として実行され、道路リンクにおける自車の燃料消費量を予測する。

ここで、図１０は、統計交通情報記憶部２１７に記憶された統計交通情報のレコード構成の例を示した図、図１１は、燃料消費予測処理に含まれる走行パターン予測処理の処理フローの例を示した図、図１２は、道路リンクにおける車両の走行パターンの例を示した図、図１３は、燃料消費予測処理に含まれる燃料消費量計算処理の処理フローの例を示した図である。

統計交通情報は、図１０に示すように、各道路リンクにおける過去の旅行時間の統計値を、日種（平日、休日など）別や時間帯別に、統計交通情報記憶部２１７に記憶した情報である。なお、統計交通情報は、あらかじめ、データ入出力制御部２１６の処理により、ＤＶＤ５などの可搬記憶メディアのメディアドライブ２６、または、通信装置２７を介して外部から入力され、統計交通情報記憶部２１７に記憶されているものとする。

次に、ドライバにより入力装置２５を介して燃費最小経路探索の指示情報が入力されたときなどには、カーナビ処理装置２１のＣＰＵは、旅行時間予測部２１１の処理として、統計交通情報記憶部２１７に記憶された統計交通情報や現在の交通情報に基づき、前記の指示情報により指定された日種および時間帯におけるリンク旅行時間を予測する。その予測方法については、様々な公知技術があるので、ここでは、その説明を割愛する。なお、リンク旅行時間の最も簡単な予測方法によれば、指定された日種および時間帯における統計交通情報に記憶されているリンク旅行時間を、そのまま予測値とすることができる。

続いて、ＣＰＵは、走行パターン予測部２１５１の処理として、図１１に示す走行パターン予測処理を開始する。まず、ＣＰＵは、旅行時間予測部２１１によって予測されたリンク旅行時間Ｔを取得し（ステップＳ２１）、さらに、道路地図記憶部２１８から予測の対象となる道路リンクのリンク長Ｌを取得する（ステップＳ２２）。

次に、ＣＰＵは、渋滞予測処理を実行する（ステップＳ２３）。渋滞予測処理においてＣＰＵは、ステップＳ２１で取得したリンク旅行時間Ｔと、ステップＳ２２で取得したリンク長Ｌと、に基づき、その道路リンクにおける車両の平均速度Ｖａ（＝Ｌ／Ｔ）を算出し、その平均速度Ｖａに基づき、道路リンクの渋滞度Ｊを算出する。なお、渋滞度Ｊは、一般道では、例えば、Ｖａ≧３０ｋｍ／ｈのときＪ＝１、３０ｋｍ／ｈ＞Ｖａ≧１０ｋｍ／ｈのときＪ＝２、１０ｋｍ／ｈ＞ＶａのときＪ＝３と定める。同様に、高速道路では、渋滞度Ｊは、例えば、Ｖａ≧６０ｋｍ／ｈのときＪ＝１、６０ｋｍ／ｈ＞Ｖａ≧４０ｋｍ／ｈのときＪ＝２、４０ｋｍ／ｈ＞ＶａのときＪ＝３と定める。

次に、ＣＰＵは、加減速予測処理を実行する（ステップＳ２４）。加減速予測処理は、各道路リンクにおける車両の加減速の回数Ｎを予測する処理である。ここでは、加減速の回数ＮをＮ＝Ｔ／Ｃの式により予測する。この式で、Ｃは、道路種別により決まる定数であるとする。ちなみに、一般道では信号機などの影響を多く受けるので、高速道路に比べ、加減速が多く発生する。従って、一般道でのＣをＣ_Ａ、高速道路でのＣをＣ_Ｂとすると、Ｃ_Ａ＜Ｃ_Ｂとなる。

このＮ＝Ｔ／Ｃの式は、リンク旅行時間Ｔが長くなるほど、そのリンク旅行時間Ｔに応じて速度の揺らぎや信号機の影響が多くなるため、加減速が多く発生することを表している。また、同じ道路リンクであっても、リンク旅行時間Ｔが大きくなるほど、つまり、渋滞度が高まるほど、加減速が多く発生することをも表している。

なお、ここでは、リンク旅行時間Ｔでのみ、加減速の回数Ｎを予測しているが、この予測された加減速の回数Ｎを、３次元道路地図における道路リンクの補間点の数によって、補正するようにしてもよい。すなわち、補間点が設けられることが多い道路リンクの屈曲点、カーブ、勾配の変化点などにおいては、加減速されることが多いので、加減速の回数Ｎを補間点の数や密度に応じて増減させてもよい。

次に、ＣＰＵは、加減速確率予測処理を実行する（ステップＳ２５）。ここで、加減速確率とは、道路リンク内で加速走行した距離の割合Ｐ_Ａ、減速走行した距離の割合Ｐ_Ｄを意味している。従って、一定速度走行した距離の割合は、１-Ｐ_Ａ-Ｐ_Ｄとなる。

ＣＰＵは、当該リンクの渋滞度Ｊを求め、その渋滞度Ｊでの最高速度を、Ｖ_MAXに設定する。ただし、その道路リンクに規制速度が設定されていた場合には、渋滞度Ｊでの最高速度または規制速度のうち小さい方をＶ_MAXに設定する。例えば、当該リンクが一般道であり、Ｖａ＝２５ｋｍ／ｈ、規制速度＝５０ｋｍ／ｈの場合には、渋滞度Ｊ＝２となり、Ｊ＝２における最高速度ステップは、ステップＳ２３の説明で示したように３０ｋｍ／ｈであることから、Ｖ_MAX＝３０ｋｍ／ｈとなる。

次に、ＣＰＵは、Ｐ_ＡおよびＰ_Ｄを算出する。このとき、一定速度走行は、速度Ｖ_MAXでの走行、加速走行は、その速度を速度０ｋｍ／ｈから一定加速度Ｇで速度Ｖ_MAXに加速するための走行、減速走行は、その速度を速度Ｖ_MAXから一定加速度Ｇで速度０ｋｍ／ｈに減速するための走行であるとする。なお、このＧの値は、センタ処理装置１１でのリンク形状集約処理（図５参照）で用いた加減速の加速度Ｇの値と同じであるとする。

例えば、一定速度走行している車両が、ある道路リンクで２回の加減速を繰り返した場合、走行速度とリンク始端からの距離との関係を示す走行パターンは、図１２に示すようなパターンになる。ここでは、加減速の加速度は同じ値Ｇであるので、図１２において、１回の加速または減速に要した距離Ｌ_Ａは、それぞれ等しく（Ｌ_Ａ＝Ａ＝Ｂ＝Ｃ＝Ｄ）、その距離Ｌ_Ａは、Ｌ_Ａ＝Ｖ_MAX ^２／２Ｇによって計算される。

そこで、ＣＰＵは、その距離Ｌ_Ａ、当該道路リンクのリンク長Ｌ、ステップＳ２４で求めた加減速の回数Ｎを用い、Ｐ_Ａ＝Ｐ_Ｂ＝Ｌ_Ａ×Ｎ／Ｌの式により、Ｐ_ＡおよびＰ_Ｄを計算する。

また、車両が高速道路を順調走行する場合、図１２に示した走行パターンのように、速度がＶ_MAXと０ｋｍ／ｈとを行き来するような加減速走行は発生しない。しかしながら、速度揺らぎの現象は見られるので、それを、速度Ｖ_MAXと速度Ｖ_LOWとを行き来する加減速走行とみなせば、高速道路の順調走行でも、図１２に類似する走行パターンのモデルを適用することは可能である。

以上までの走行パターン予測処理（図１１参照）により、加減速の回数Ｎ、最大走行速度Ｖ_MAX、加減速確率Ｐ_Ａ，Ｐ_Ｄが算出されたことになる。以下、これらの情報を走行パターン予測情報と呼び、その走行パターン予測情報を燃料消費量計算部２１５２に引き渡す（図１１、ステップＳ２６）。

次に、ＣＰＵは、燃料消費量計算部２１５２の処理として、図１３に示す燃料消費量計算処理を実行する。ＣＰＵは、まず、走行パターン予測部２１５１によって算出された走行パターン予測情報を取得し（ステップＳ３１）、また、地形特徴量記憶部２２０から当該道路リンクの地形特徴量Ｍ_Ｂ，Ｍ_ＣおよびＭ_Ｄを取得する（ステップＳ３２）。

さらに、ＣＰＵは、車種選択部２１４により選択した自車の車種特性量の車重Ｗ、エンジン基礎消費量Ｆ、力学エネルギー当量Ｅ、空気抵抗係数ｋを用いて、次の計算式に基づき、燃料消費量予測値Ｑを算出する（ステップＳ３３）。
Ｑ＝Ｆ×Ｔ＋Ｅ×［Ｗ×｛Ｍ_Ｂ×Ｐ_Ａ＋Ｍ_Ｃ×（１−Ｐ_Ａ）＋Ｍ_Ｄ｝
＋Ｅ_AIR＋Ｅ_ACC］ （式２）

式２において、その第１項（Ｆ×Ｔ）は、エンジンの基礎消費量である。また、式２の［ ］内の各項のうち、地形特徴量Ｍ_Ｂ，Ｍ_ＣおよびＭ_Ｄに関する部分（｛ ｝内の各項）は、左側より順にそれぞれ加速走行による摩擦と位置エネルギーの損失、一定走行による摩擦と位置エネルギーの損失、および、減速走行による摩擦と位置エネルギーの損失である。また、式２の［ ］内の各項のうち、後部の２項は、それぞれ、Ｅ_AIRが空気抵抗損失であり、Ｅ_ACCが加速に伴う運動エネルギーによる加速損失である。

なお、空気抵抗損失Ｅ_AIRは、Ｅ_AIR＝ｋ×Ｖ_AVE ^２×Ｌによって定義され、また、加速損失Ｅ_ACCは、加減速の回数Ｎを用いて、Ｅ_ACC＝Ｎ×Ｗ×Ｖ_MAX ^２／２によって定義される。ここで、Ｖ_AVEは、車両の平均走行速度である。

次に、ＣＰＵは、ステップＳ３３で算出した燃料消費量予測値を経路探索部２１２に引き渡す（ステップＳ３４）。

カーナビ処理装置２１のＣＰＵは、以上に説明した走行パターン予測処理および燃料消費量計算処理により、指定された日種、時間帯および道路リンクに対する燃料消費量予測値Ｑを得ることができる。

以上、カーナビ処理装置２１において燃料消費量予測値Ｑを得るまでの処理においては、３次元道路地図は必要でなく、代りに、各道路リンクの地形特徴量Ｍ_Ｂ，Ｍ_ＣおよびＭ_Ｄが利用されている。従って、カーナビ処理装置２１は、３次元道路地図を保持する必要がないので、その分、カーナビ処理装置２１の記憶装置の記憶容量は小さくて済む。また、燃料消費量予測値Ｑを計算するために、それぞれの道路リンクごとにわずか３つの地形特徴量Ｍ_Ｂ，Ｍ_ＣおよびＭ_Ｄだけしか使用していない。これは、燃料消費量計算処理の処理量も削減されていることを意味し、カーナビ処理装置２１におけるＣＰＵの計算処理負担が軽減されたことを意味する。

続いて、図１４および図１５を参照して、カーナビ処理装置２１における経路探索処理および経路誘導処理について説明する。経路探索処理および経路誘導処理は、それぞれ、経路探索部２１２および経路誘導部２１３の処理として実行される。ここで、図１４は、経路探索処理の処理フローの例を示した図、図１５は、経路誘導処理によって表示装置２４に表示される表示画面の例を示した図である。

ＣＰＵは、ドライバにより入力装置２５を介して燃費最小経路探索の指示情報が入力されたとき、または、燃費最小経路での経路誘導処理中にリルート要求が発生したときなどに、経路探索処理を開始する。ＣＰＵは、まず、入力装置２５、ＧＰＳ受信機２２などから、目的地、自車位置の情報を取得し（ステップＳ４１）、さらに、旅行時間予測部２１１から自車位置から目的地に到る経路の周辺道路のリンクの旅行時間の予測値を取得する（ステップＳ４２）。

次に、ＣＰＵは、燃料消費量計算部２１５２に対し、前記周辺道路についての道路リンクの燃料消費量の予測計算を要求し（ステップＳ４３）、燃料消費量計算部２１５２により燃料消費量予測値が計算されると、燃料消費量計算部２１５２から燃料消費量予測値を取得し（ステップＳ４４）、さらに、その燃料消費量予測値を用いて経路探索用のリンクコストを設定する（ステップＳ４５）。

次に、ＣＰＵは、燃料消費量予測値が設定されたリンクコストに基づき、経路探索を実行し（ステップＳ４６）、その経路探索結果を経路誘導部２１３に引き渡す（ステップＳ４７）。なお、経路探索は、ダイクストラ法などの周知の経路探索のアルゴリズムを用いて行うことができ、そのとき得られる経路探索結果は、燃費最小経路である。

続いて、ＣＰＵは、経路誘導部２１３の処理に移行し、経路探索結果を表示装置２４に表示する。その場合、表示装置２４には、誘導経路として燃費最小経路だけを表示してもよいが、例えば、図１５の誘導経路表示画面２４２に示すように、自車位置２４２１から目的地２４２２までの経路として、燃費最小経路２４２３と最短時間経路２４２４とを併せて表示するようにしてもよい。ただし、その場合には、経路探索部２１２の処理で、最短時間経路をも探索しておくものとする。

また、その表示に際しては、誘導経路表示画面２４２内に経路の概要を示す表示ウィンドウ２４２５を設け、その表示ウィンドウ２４２５に、それぞれの経路についての燃料消費量や所要時間などを表示するようにしてもよい。さらに、その表示ウィンドウ２４２５内に、誘導経路を選択するチェックボックス２４２６を設け、ドライバが、誘導経路の種類を、適宜、選択できるようにしてもよい。

なお、図１５では、燃費最小経路と最短時間経路とを表示装置２４に表示するとしているが、最短時間経路に代えて最短距離経路を表示するとしてもよく、最短時間経路や最短距離経路に限らず、適宜、他のコスト関数で探索した複数の最小コスト経路を燃費最小経路と併せて表示してもよい。

また、カーナビ処理装置２１の構成としては、燃費最小経路を含め複数の最小コスト経路を探索し、その複数の経路を並列表示した上で、ドライバに誘導経路を選択させる（図１５の場合）のではなく、あらかじめドライバに経路探索のコスト関数を選択させておき、そのコスト関数を最小にする経路のみを探索し、その探索した経路を誘導経路として表示するようにしてもよい。

なお、以上に説明した実施形態では、地形特徴量は、道路地図とは別個の情報として地形特徴量記憶部２２０（図１参照）に記憶されるものとしたが、道路地図記憶部２１８の道路リンク情報が地形特徴量を含む構成であってもよい。図１６は、道路リンク情報が地形特徴量を含む場合の道路リンクデータのレコード構成の例を示した図である。図１６に示すように、道路リンクデータは、道路リンクの位置および形状を表す座標点列、接続リンクの情報、リンクの属性情報など通常のリンクの属性データのほかに、地形特徴量を含んでいる。

この場合には、カーナビ処理装置２１は、燃料消費予測部２１５などにおける処理において、道路地図記憶部２１８のデータと地形特徴量記憶部２２０のデータとの対応関係をとる必要がなくなるので、その関連する処理を高速化することができる。さらに、通信ネットワーク３やＤＶＤ５などを介して、地図および地形特徴量の情報を更新する場合、それらを同時に更新することができるようになるので、更新作業の手数が低減されることになる。

本発明の実施形態に係るカーナビゲーションシステムの機能ブロックの構成の例を示した図。 ３次元道路地図記憶部に記憶される３次元道路地図のレコード構成の例を示した図。 複数の小区間に分割された道路リンクの高さ方向のリンク形状の例を示した図。 リンク形状集約処理の概念を説明するための（ａ）力学エネルギー変化量、（ｂ）小区間分類、（ｃ）地形特徴量の例を示した図。 リンク形状集約処理の処理フローの例を示した図。 地形特徴量記憶部に記憶される地形特徴量のレコードの構成の例を示した図。 車種特性量記憶部に記憶される車種特性量データの構成の例を示した図。 車種選択処理の処理フローの例を示した図。 表示装置に表示される車種選択画面の例を示した図。 統計交通情報記憶部に記憶された統計交通情報のレコード構成の例を示した図。 燃料消費予測処理に含まれる走行パターン予測処理の処理フローの例を示した図。 道路リンクにおける車両の走行パターンの例を示した図。 燃料消費予測処理に含まれる燃料消費量計算処理の処理フローの例を示した図。 経路探索処理の処理フローの例を示した図。 経路誘導処理によって表示装置に表示される表示画面の例を示した図。 道路リンク情報が地形特徴量を含む場合の道路リンクデータのレコード構成の例を示した図。

符号の説明

１ センタ装置
２ 車載端末装置
３ 通信ネットワーク
４ 基地局
５ ＤＶＤ
１０ カーナビゲーションシステム
１１ センタ処理装置
１２ 通信装置
１３ メディアドライブ
２１ カーナビ処理装置
２２ ＧＰＳ受信機
２３ 方向センサ
２４ 表示装置
２５ 入力装置
２６ メディアドライブ
２７ 通信装置
１１１ リンク形状集約部
１１２ データ入出力制御部
１１３ ３次元道路地図記憶部
１１４ 地形特徴量記憶部
２１１ 旅行時間予測部
２１２ 経路探索部
２１３ 経路誘導部
２１４ 車種選択部
２１５ 燃料消費予測部
２１６ データ入出力制御部
２１７ 統計交通情報記憶部
２１８ 道路地図記憶部
２１９ 車種特性量記憶部
２２０ 地形特徴量記憶部
２１５１ 走行パターン予測部
２１５２ 燃料消費量計算部
２４１１ チェック欄
２４２１ 自車位置
２４２２ 目的地
２４２３ 燃費最小経路
２４２４ 最短時間経路
２４２５ 表示ウィンドウ
２４２６ チェックボックス

Claims (6)

1. 道路地図データを記憶した道路地図データ記憶手段と、
   前記道路地図データに含まれる各道路リンクについて、その道路リンクを分割した各小区間の高度情報を含む座標情報に基づき算出された各小区間の車両走行時の摩擦損失エネルギーおよび位置エネルギーの変化量を用いて、前記車両が前記小区間を加速走行、減速走行および一定速走行をそれぞれ行った場合の前記力学エネルギーの変化量を算出するとともに、そのそれぞれの場合の燃料消費の有無により、その小区間を分類し、前記道路リンクを構成するそれぞれの小区間の一定速走行時の前記力学エネルギー変化量を、前記小区間の分類ごとに集計して得られる前記小区間の分類ごとの集計値を、前記道路リンクの地形特徴量として記憶した地形特徴量記憶手段と、
   前記地形特徴量記憶手段に記憶されている道路リンクの地形特徴量に基づき、前記道路リンクの車両走行時の燃料消費量を予測し、その予測した道路リンクの車両走行時の燃料消費量に基づき、目的地までの燃料消費量が少なくなるような誘導経路を探索する経路探索手段と、
   を備えたことを特徴とするカーナビゲーション装置。
2. 前記経路探索手段は、
   道路リンクのリンク旅行時間を取得するリンク旅行時間取得手段を有し、
   前記リンク旅行時間取得手段によって取得された前記道路リンクのリンク旅行時間と、前記道路地図データ記憶手段から取得された前記道路リンクのリンク長と、に基づき、前記車両が前記道路リンクを走行するときの加速走行、減速走行および一定速走行の走行パターンを予測し、
   前記予測した前記車両の走行パターンと前記地形特徴量とに基づき、前記車両が前記道路リンクを走行した場合の燃料消費量を推定すること
   を特徴とする請求項１に記載のカーナビゲーション装置。
3. 前記経路探索手段は、
   前記車両の車種に依存する車両情報を入力する入力手段を有し、
   前記入力手段から入力された車両情報に応じた車両の燃料消費量を推定すること
   を特徴とする請求項１に記載のカーナビゲーション装置。
4. 道路地図データを記憶した道路地図データ記憶手段と、
   前記道路地図データに含まれる各道路リンクについて、その道路リンクを分割した各小区間の高度情報を含む座標情報に基づき算出された各小区間の車両走行時の摩擦損失エネルギーおよび位置エネルギーの変化量を用いて、前記車両が前記小区間を加速走行、減速走行および一定速走行をそれぞれ行った場合の前記力学エネルギーの変化量を算出するとともに、そのそれぞれの場合の燃料消費の有無により、その小区間を分類し、前記道路リンクを構成するそれぞれの小区間の一定速走行時の前記力学エネルギー変化量を、前記小区間の分類ごとに集計して得られる前記小区間の分類ごとの集計値を、前記道路リンクの地形特徴量として記憶した地形特徴量記憶手段と、
   を備えたカーナビゲーション装置のカーナビゲーション方法であって、
   前記カーナビゲーション装置は、
   前記地形特徴量記憶手段に記憶されている道路リンクの地形特徴量に基づき、前記道路リンクの車両走行時の燃料消費量を予測し、その予測した道路リンクの車両走行時の燃料消費量に基づき、目的地までの燃料消費量が少なくなるような誘導経路を探索すること
   を特徴とするカーナビゲーション方法。
5. 前記カーナビゲーション装置は、
   道路リンクのリンク旅行時間を取得するリンク旅行時間取得手段を有しており、
   前記目的地までの誘導経路を探索するとき、
   前記リンク旅行時間取得手段によって取得された前記道路リンクのリンク旅行時間と、前記道路地図データ記憶手段から取得された前記道路リンクのリンク長と、に基づき、前記車両が前記道路リンクを走行するときの加速走行、減速走行および一定速走行の走行パターンを予測し、
   前記予測した前記車両の走行パターンと前記地形特徴量とに基づき、前記車両が前記道路リンクを走行した場合の燃料消費量を推定すること
   を特徴とする請求項４に記載のカーナビゲーション方法。
6. 前記カーナビゲーション装置は、
   前記車両の車種に依存する車両情報を入力する入力手段を有しており、
   前記目的地までの誘導経路を探索するとき、
   前記入力手段から入力された車両情報に応じた車両の燃料消費量を推定すること
   を特徴とする請求項４に記載のカーナビゲーション方法。

Images