JP6484361B2 - 車両エネルギー管理および自律運転のためのリアルタイム車両状態軌道予測 - Google Patents

Description

本開示は一般には車両システムを対象とし、より詳細には予測された車両軌道および速度に基づいて車両を制御するためのシステムおよび方法に関する。

従来技術の実装では、道路プレビュー情報がＡＤＡＳ（先進運転支援システム：ａｄｖａｎｃｅｄ ｄｒｉｖｅｒ ａｓｓｉｓｔａｎｃｅ ｓｙｓｔｅｍ）などのシステム用の自動車アプリケーションに適用される。そのようなプレビュー情報のタイムスケールは比較的短期間（たとえば、約５０〜４００秒）である。関連技術の実装は、短期間の道路プレビュー情報を利用して車両エネルギー消費を削減している。

本開示の例示的実装は、たとえば、クラウドサーバ、車両−その他間通信（Ｖ２Ｘ：Ｖｅｈｉｃｌｅ ｔｏ ｏｔｈｅｒ ｃｏｍｍｕｎｉｃａｔｉｏｎ）、および全地球測位衛星（ＧＰＳ：Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓａｔｅｌｌｉｔｅ）デバイスなどのシステムと通信して、経路選択、天気、今後の交通速度、交通信号フェーズおよびタイミング、ならびに所与の経路のイベント情報を受信するように構成される車載型車両デバイスを含む。経路を走行した車両または他の車両（たとえば、同一のタイプの車両または異なるタイプの車両）についての以前の過去の運転データを併せたそのような情報を利用して、エレクトロニックホライズンなどの事前定義されたまたは動的なホライズンにおける将来の車両速度などの将来の車両状態を予測する。車両エネルギー消費削減の問題は、都市および高速道路の運転の運転履歴の変動を含めて現実世界のドライビングスケジュール／サイクルで実現されるエネルギー利用を最適化することによって対処される。

本開示の例示的実装は、運転プレビューの短期および長期の道路プレビュー情報（たとえば、１０秒〜３０分）の取得を容易化する。長期プレビュー情報を利用することによって、本明細書に記載の例示的実装は、パワートレイン−車両システム挙動の最適なスケジューリングによって燃料の大幅な節減を達成することができる。例示的実装では、所与の経路に関するプレビュー道路情報を利用して、運転効率の悪い領域への脱線を最小化し、パワートレイン（たとえば、ディーゼル、ガソリン、電気自動車、後処理）、および充電式エネルギー貯蔵システムの前向きな事前にスケジュールされた動作を提供する。

例示的実装は機械学習ベースの車両速度予測を利用して、エレクトリックホライズンを決定する。ＧＰＳおよび交通流速からの入力を利用して、所与の経路における車両速度を予測するための人工ニューラルネットワーク（ＡＮＮ：ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）モデルを訓練する。モデルを利用して試験経路についての車両速度を予測し、予測された速度および試験車両経路速度は良好な相関をもたらし得る。推定速度軌道／ドライブサイクルを使用してドライブサイクルを分類し、過去の運転データから同等物または同等なドライブサイクルを決定することができる。

将来のホライズンにおける車両状態軌道予測は車両エネルギー管理システムにとって重要なステップであり得、接続された車両および自律車両のより安全な制御を提供することができる。予測された車両速度軌道を利用して、効率的なギアシフト戦略、ハイブリッド車両のトポロジ制御、車両隊列制御、エンジン制御および後処理制御などを開発することができる。また、予測された車両速度軌道は、パワートレインシステムの経年劣化を考慮したエレクトリックホライズンにおける最適なパワートレイン性能を容易化することができる。さらに、予測された車両状態は、クラウド内でまたは電力処理能力コントローラを用いて車載でホストされる車両およびパワートレインモデルへの入力として提供される。

本開示の態様は、１つまたは複数のセンサと、プロセッサとを有する車両を含むことができる。プロセッサは、経路の１つまたは複数の部分についての車両の予想速度を決定することと、経路の１つまたは複数の部分についての予想速度を、１つまたは複数のセンサから受信されたデータに基づいて修正することと、修正された予想速度に基づいて車両の後処理システムおよびギアシフトシステムの少なくとも１つを制御することとを行う。

本開示の態様は、１つまたは複数の車両から経路情報を受信することと、１つまたは複数の車両のそれぞれの予想速度を、１つまたは複数の車両のそれぞれに関連する経路情報から決定される経路の１つまたは複数の部分について決定することと、１つまたは複数の車両のそれぞれの予想速度を送信することとを含み得る、方法をさらに含むことができる。

本開示の態様は、処理を実行するための命令を記憶する非一時的コンピュータ可読媒体をさらに含むことができ、命令は、１つまたは複数の車両から経路情報を受信することと、１つまたは複数の車両のそれぞれの予想速度を、１つまたは複数の車両のそれぞれに関連する経路情報から決定される経路の１つまたは複数の部分について決定することと、１つまたは複数の車両のそれぞれの予想速度を送信することとを含むことができる。

本開示の態様は、１つまたは複数の車両から経路情報を受信するための手段と、１つまたは複数の車両のそれぞれの予想速度を、１つまたは複数の車両のそれぞれに関連する経路情報から決定される経路の１つまたは複数の部分について決定するための手段と、１つまたは複数の車両のそれぞれの予想速度を送信するための手段とを含み得る、システムをさらに含むことができる。

本開示の態様は、経路情報を提供するように構成される１つまたは複数の車両と、１つまたは複数の車両から経路情報を受信することと、１つまたは複数の車両のそれぞれの予想速度を、１つまたは複数の車両のそれぞれに関連する経路情報から決定される経路の１つまたは複数の部分について決定することと、１つまたは複数の車両のそれぞれの予想速度を送信することとを行うように構成されるプロセッサを含む管理装置とを含み得る、システムをさらに含むことができる。

一例示的実装による１つまたは複数の車両および管理装置を含むシステムの図である。 一例示的実装による一例示的車両システムの図である。 一例示的実装による推定速度に基づいて車両を制御するための一例示的フローである。 一例示的実装による例示的管理情報の図である。 一例示的実装による例示的管理情報の図である。 一例示的実装による機械学習処理の態様の図である。 一例示的実装による機械学習処理の態様の図である。 一例示的実装による推定速度軌道に基づく車両制御の態様の図である。 一例示的実装による推定速度軌道に基づく車両制御の態様の図である。 一例示的実装による推定速度軌道に基づく車両制御の態様の図である。 いくつかの例示的実装での使用に適した一例示的コンピュータデバイスを有する一例示的コンピューティング環境の図である。

以下の詳細な説明は、図のさらなる詳細と、本出願の例示的実装とを与える。図の間の冗長な要素の参照番号および説明は明確さのために省略されている。説明全体にわたって使用される用語は例として与えられており、限定するものではない。たとえば、「自動」という用語の使用は、本出願の実装を実施する当業者の所望の実装に応じて、実装の特定の態様へのユーザまたは管理者の制御を含む、全自動または半自動の実装を含むことができる。選択は、ユーザによりユーザインターフェースまたは他の入力手段を介して行われ得、または所望のアルゴリズムを介して実装され得る。本明細書に記載の例示的実装は単独でまたは組み合わせて使用され得、例示的実装の機能は所望の実装に応じて任意の手段を介して実装され得る。

例示的実装は機械学習ベースのアルゴリズムの利用を対象とする。関連技術では、広範囲にわたる機械学習ベースのアルゴリズムが、画像またはパターン認識、たとえば、障害物もしくは他の車の交通信号の認識、または特定の訓練に基づく要素のカテゴリ化に適用されている。電力計算の進歩を考慮して、例示的実装は所与の経路についての車両の予想速度をモデル化することに機械学習を利用することができる。

例示的実装は車両の接続および車載センサの使用に基づいて車両の効率化を容易にすることを対象とする。本明細書に記載の例示的実装には複数の態様が存在し得る。第１の態様では、ベクトル軌道推定が存在し、これは車両が次の期間（たとえば、１０分、２０分）に何をするかを決定することを対象とする。そのような推定は車両速度、ドライブサイクル、および他のパラメータを所望の実装に応じて含むことができる。車両軌道推定は、経路の１つまたは複数の部分（たとえば、道路区間）に関する過去の運転データ、ならびに車両−インフラストラクチャ間推定、および車両−車両間推定からの他の入力に適用される機械学習から決定される。推定速度軌道／ドライブサイクルを使用してドライブサイクルを分類し、過去の運転データから同等なドライブサイクルを決定する。

推定が取得されると、車両コントローラは車両速度プロファイルに基づいて制御の最適化を実施することができる。したがって、例示的実装では、車両軌道推定は機械学習を使用する。そのため、その経路、その道路区間に関する過去の運転データからの情報を、車両−インフラストラクチャ間通信および車両−車両間通信からの他の入力と融合させる。車載センサは推定の任意の誤差を補正して、機械学習予測を車両の現在の状況に適用することができる。車載センサによって検出された誤差はクラウドサーバに折り返し報告され、これは推定を改善するために使用される。

図１は一例示的実装による１つまたは複数の車両および管理装置を含むシステムを示す。１つまたは複数の車両または車両システム、たとえば、車載診断（ＯＢＤ：ｏｎ ｂｏａｒｄ ｄｉａｇｎｏｓｔｉｃｓ）１０１−１、１０１−２、１０１−３、および１０１−４は、ネットワーク１００に通信可能に結合され、これは管理装置１０２に接続される。管理装置１０２はデータベース１０３を管理し、これはネットワーク１００内の車両および車両システムから集約されたデータフィードバックを含む。例示的実装では、車両および車両システム１０１−１、１０１−２、１０１−３、および１０１−４からのデータフィードバックは、企業資源計画システムまたはクラウドストレージシステムなどの車両または車両システムからデータを集約する独自のデータベースなどの中央リポジトリまたは中央データベースに集約され得、管理装置１０２は中央リポジトリまたは中央データベースからデータにアクセスするまたは検索することができる。

図１の一例示的実装では、車両システム１０１−１、１０１−２、１０１−３、および１０１−４は、経路情報（たとえば、車両が通過することになるＧＰＳ経路）を管理装置１０２に提供するように構成され得る。図４（ｂ）に示されるように、管理装置１０２は、１つまたは複数の車両から経路情報を受信することと、１つまたは複数の車両のそれぞれの予想速度を、１つまたは複数の車両のそれぞれに関連する経路情報から決定される経路の１つまたは複数の部分について決定することと、１つまたは複数の車両のそれぞれの予想速度を送信することとを行うように構成される。所望の実装に応じて、図３（ａ）および図３（ｂ）に示されるように、管理装置１０２は、１つまたは複数の車両のそれぞれの予想速度を、１つまたは複数の車両のそれぞれに入力されたＧＰＳ経路および過去のトリップ情報に基づいて決定するように構成され得る。１つまたは複数の車両は、１つまたは複数の車両の１つまたは複数のセンサから受信されたデータに基づいて経路の１つまたは複数の部分についての予想速度を修正するように構成され得る。

一例示的実装では、図４（ａ）および図４（ｂ）に示されるように、管理装置１０２は、機械学習処理から経路の１つまたは複数の部分についての車両の予想速度を決定するための速度軌道推定関数を構築することであって、機械学習処理が、１つまたは複数の過去の経路についての過去のＧＰＳ情報および過去の交通情報を入力として処理することと、予想速度を決定するために入力として１つまたは複数の車両のそれぞれの経路を処理するように構成される速度軌道推定関数を生成することとを行うように構成される、構築することを行うように構成され得る。

一例示的実装では、管理装置１０２は、図５（ａ）のフロー図を実行して、経路情報に基づいて１つまたは複数の車両から隊列に参加可能な車両を特定することと、１つまたは複数の車両の推定速度に基づいて特定された車両に関する経路情報の１つまたは複数の道路区間についての隊列構成を決定することと、隊列構成に入るための命令を特定された車両に送信することであって、命令が１つまたは複数の道路区間についての速度および軌道を含む、送信することとを行うように構成される。

一例示的実装では、図５（ｂ）に示されるように、管理装置１０２は、後処理システム、ギア制御システムおよびパワートレイン制御システムの少なくとも１つについてのモデルを１つまたは複数の車両に提供することであって、モデルのそれぞれが、経路情報の１つまたは複数の道路区間についての推定速度の入力に基づいて車両を制御するように構成される、提供することを行うように構成される。

図２は一例示的実装による一例示的車両システム１０１を示す。車載システム１０１は、センサ、すなわち、全地球測位衛星（ＧＰＳ）１１０、交通情報１１１、速度計１１２、１つまたは複数のカメラ１１３、および車載診断（ＯＢＤ）インターフェースまたはカーエリアネットワーク（ＣＡＮ）インターフェースを介した車両内の通信を容易化するだけでなく、無線または他の方法でクラウドまたは管理装置１０２と通信するように構成されるネットワークインターフェース（Ｉ／Ｆ）１１５を所望の実装に応じて含むことができる。また、車両システム１０１は、所望の実装に基づいて、車両システム１０１の機能を管理するだけでなく、本明細書に記載の例示的実装を実行するように構成される車載コンピュータ（ＯＢＣ：ｏｎ ｂｏａｒｄ ｃｏｍｐｕｔｅｒ）１１４を含むことができる。また、車両システム１０１は、センサデータ１２０および所与の経路についての速度推定１２１、ならびに後処理、ギアシフトおよびパワートレイン機能のモデルを提供するように構成され得る車両モデル１２２を記憶するように構成され得る。

図３（ａ）に示されるように、ＯＢＣ１１４は、経路の１つまたは複数の部分についての車両の予想速度を決定することと、経路の１つまたは複数の部分についての予想速度を、１つまたは複数のセンサから受信されたデータに基づいて修正することと、修正された予想速度に基づいて車両の後処理システムおよびギアシフトシステムの少なくとも１つを制御することとを行うように構成される１つまたは複数のプロセッサによって構成され得る。図３（ｂ）に示されるように、ＯＢＣ１１４は、車両の予想速度を、車両に入力されたＧＰＳ経路および過去のトリップ情報に基づいて決定するように構成され得、１つまたは複数のセンサから受信されたデータは経路に沿った交通情報を含む。

所望の実装に応じて、ＯＢＣ１１４は、機械学習処理から経路の１つまたは複数の部分についての車両の予想速度を決定するための速度軌道推定関数を構築することであって、機械学習処理が、図３（ｂ）に示されるように１つまたは複数の過去の経路についての過去のＧＰＳ情報および過去の交通情報を入力として処理することと、図４（ａ）および図４（ｂ）に示されるように予想速度を決定するために入力として車両の経路を処理するように構成される速度軌道推定関数を生成することとを行うように構成される、構築することを行うように構成され得る。

ＯＢＣ１１４は、図３（ａ）に示されるように車両隊列システムに従事することと、修正された予想速度に基づいた経路の１つまたは複数の部分の中の部分についての車両隊列命令を受信することと、修正された予想速度に基づいた経路の１つまたは複数の部分の中の部分についての車両隊列命令と、経路の１つまたは複数の部分の中の部分について決定された軌道とに従って車両を制御することとを行うように構成され得る。

図５（ｂ）に記載されたように、ＯＢＣ１１４は、修正された予想速度に基づいてＮＯ_Ｘを発生させるように車両の後処理システムを制御し、修正された予想速度に基づいて経路の１つまたは複数の部分についての後処理システムのＮＯ_Ｘ発生を決定するように構成され得る。同様に、ＯＢＣ１１４は、修正された予想速度に基づいて経路の１つまたは複数の部分について車両のギアシフトおよびギア比の少なくとも１つを制御することを行うように構成され得る。

図３（ａ）は一例示的実装による推定速度に基づいて車両を制御するための一例示的フローを示す。車両システム１０１において、車両が運転中である場合、センサデータ（たとえば、ＧＰＳ１１０、交通情報１１１、速度計１１２、カメラ１１３）などの情報は、３００において車両システム１０１のメモリに記録および記憶される。次いで、３０１において、過去の交通情報および現在の経路と併せたセンサデータは速度推定１２１に提供され、速度推定は（たとえば、次のｘ期間の）現在の経路に沿った今後の速度を予測するように構成される。そのような推定は、所望の実装に応じて、経路の１つまたは複数のセクションまたは道路区間（たとえば、特定の直線、ブロックごと、信号機ごと、など）について提供され得る。次いで、そのような情報を推定補正３０２に提供して、現在のセンサ情報に基づいて予測速度を修正する。たとえば、問題の道路区間が交通事故または工事によって混乱している場合、現在のセンサデータ（たとえば、更新された交通情報）を利用して、所望の実装に応じて影響を受けた区間についての推定速度を更新することができる。

修正された推定速度が決定された後、そのような情報は車両の制御システム３１０に提供され、これは隊列制御システム３１１、エンジン制御システム３１２、ギアシフト／制御システム３１３、および電源制御３１４にパラメータ／命令を供給するように構成され得る。また、車両の他の機能も所望の実装に応じて制御され得、本開示は図３（ａ）の例に特に限定されない。

一例示的実装では、車両隊列制御システム３１１は、車両の領域内の車両間の車両隊列を容易化するための命令を管理装置１０２または他の車両１０１から受信する。そのような命令は、車両軌道の変更、近隣の車両間の車間距離の維持、近隣の車両に基づく速度の調整などを所望の実装に応じて含むことができる。そのような例示的実装では、管理装置１０２は、所望の実装に応じて、予測された車両軌道に基づいて車両に近接するまたは近接すると予測される車両から推定速度を受信し、隊列命令を提供するように構成され得る。また、そのような分析は隊列に参加する車両によって側端で実施され得、そのような通信はネットワークＩ／Ｆ１１５から車両−車両間（Ｖ２Ｖ：ｖｅｈｉｃｌｅ ｔｏ ｖｅｈｉｃｌｅ）インターフェースを介して車両間で伝送され得る。

一例示的実装では、エンジン制御システム３１２はエンジンおよび後処理システムの態様を制御するように構成され得る。車両軌道推定からの予測速度が与えられた場合、エンジン制御システム３１２はエンジン速度および燃料噴射タイミングを変更して、許可されたＮＯ_Ｘ発生の制約内で、ＮＯ_Ｘの発生を最適化、たとえば、最大化しつつ、発生したＮＯ_Ｘに基づいて燃料消費を最適化、たとえば、最小化するように構成され得る。それによって、そのような例示的実装は、後処理システムの経年劣化を管理し、システムの寿命を伸ばすことができる。所望の実装に応じて、たとえば、排気温度、始動／停止制御など、他の態様はエンジン制御システム３１２によって制御され得る。

一例示的実装では、ギア制御３１３は推定速度軌道に基づいてギア変更および制動イベントを制御するように構成され得る。たとえば、今後の道路区間についての今後の予想速度に基づいて、ギアがシフトされ得、および／またはギア比が変更され得、同様に回生制動がかけられ得る。ギア制御３１３は、車両隊列制御システム３１３から生成されたスタガード隊列（ｓｔａｇｇｅｒｅｄ ｐｌａｔｏｏｎ）に基づいてギアシフトタイミングまたはギア比を制御するように構成され得、これはスタガード隊列に入ることを見据えてギア制御３１３に隊列構成を提供する。

一例示的実装では、電力制御システム３１４は、車両およびパワートレインの他の機能への電力入力を制御するために使用され得る。そのような機能は、エンジン電力入力、エンジン始動−停止、ならびに暖房、換気および空調（ＨＶＡＣ：ｈｅａｔｉｎｇ，ｖｅｎｔｉｌａｔｉｎｇ，ａｎｄ ａｉｒ ｃｏｎｄｉｔｉｏｎｉｎｇ）負荷などを所望の実装に応じて含むことができる。

図３（ｂ）および図３（ｃ）は一例示的実装による例示的管理情報を示す。具体的には、図３（ｂ）は機械学習処理において利用され得る例示的な過去の情報を示す。そのような情報は、車両または他の車両が走行した過去の経路（たとえば、車両Ｘについての地点Ａから地点Ｂへの経路）、経路に関連するＧＰＳデータ、経路に沿った交通情報（たとえば、渋滞度、気象データ、道路種別、道路等級など）などを所望の実装に応じて含むことができる。同様に含まれ得る他の情報は、経路のトリップ時間、車両の平均速度、および機械学習のために考慮され得る他の情報を含む。

図３（ｃ）は一例示的実装による、機械学習により生成された関数の実行に基づく例示的管理データを示す。車両がある地点から他の地点へ走行するための経路が選択された場合、経路は道路区間に分割され得、そのそれぞれが速度軌道に関連付けられる。速度軌道は車両の予測速度を車両の予想方向と共に含むことができる。また、車両軌道は車両の１つまたは複数のセンサから受信されたセンサ情報に基づいて修正され得る。たとえば、通常の交通量より高いために速度が高くなるとは予想されないことを現在の交通情報が示す場合、速度は交通量レベルに基づいて下方に修正され得る。

速度軌道情報が決定されると、速度軌道情報を後処理およびギア制御に関連するモデルに適用して、道路区間ごとの制御システムのパラメータを生成することができる。そのようなモデルは、車両モデル１２２に記憶された道路区間のそれぞれについてのギアシフトまたはギア比、ならびに道路区間のそれぞれについてのＮＯ_Ｘの発生を決定することを含むことができる。モデルは所望の実装に応じて、管理装置１０２から提供され得、または車両内に事前に構成され得る。

図４（ａ）および図４（ｂ）は一例示的実装による一例示的機械学習処理を示す。図４（ａ）に示されるように、例示的実装は機械学習ベースの車両速度予測を利用してエレクトリックホライズンを決定する。ＧＰＳおよび交通流速からの入力を利用して、所与の経路についての車両速度を予測するための人工ニューラルネットワーク（ＡＮＮ）モデルを訓練することができる。モデルを利用して、十分な相関が満足されるまで試験経路についての車両速度を予測する。図４（ａ）に示されるように、入力は、車両のＧＰＳ（緯度／経度）、１つまたは複数の経路のそれぞれについての車両の現在の速度および１つまたは複数の過去の経路のそれぞれについての自由流速を含む交通情報を含むことができる。ＡＮＮモデルが所望の誤差範囲内の所与の試験経路についての推定速度を提供するように構成されるまで、ＡＮＮモデルを訓練するために入力が訓練処理に供給される。ＡＮＮモデルは、生成されると、現在の経路（たとえば、経路のＧＰＳ情報）および過去の交通情報が与えられた場合に車両の推定速度を決定するために利用され得る。

図４（ｂ）は一例示的実装による機械学習処理を適用するための一例示的フロー図を示す。例示的実装では、機械学習を適用して、図４（ａ）に示されたように経路が与えられた場合に車両軌道を推定するための関数を生成する。所望の実装に応じて、図４（ｂ）のフローは車両システム１０１、管理装置１０２において実装され得、または図４（ｂ）に記載の機能は両方のシステム間で分割され得る。

４０１において、フローは過去の経路情報を処理する。過去のデータはデータベース１０３に記憶されたデータおよび／または図２に示されたセンサデータ１２０を含むことができる。４０２において、フローは図４（ａ）に示されたように機械学習を過去の経路情報に適用することから速度軌道推定関数を生成する。所望の実装に応じて、速度軌道推定関数は、選択された試験経路について特定の相関内で推定速度を提供するように最適化され得る。それによって、車両軌道推定関数は、図４（ｂ）に示されるように所与の経路の１つまたは複数の道路区間についての今後の速度および軌道を予測し、次いでそのような推定を車両の様々な機能を制御する車両コントローラに提供するように構成される。

４０３において、運転中の所与の車両について、フローは車両に入力されたまたは運転中の車両に関連する経路についての速度軌道を決定する。そのような経路情報は、所望の実装に応じて、運転者によって車両に入力されるＧＰＳ情報を含むことができ、モバイルデバイス上のアプリケーションまたは他の方法を介して伝達され得る。過去の運転データに基づいて、運転の目的地が推定され得、運転者は目的地を確認するよう求められ得る。一例示的実装では、ＯＢＣは、次の「ｘ」時間（秒／分）の間の経路を、明示的な運転者の入力なしで過去の運転データに基づいて継続的に推定する。

４０４において、車両が運転中である間にセンサデータ１２０が記録され、車両が運転中である間に推定速度および軌道を更新するために利用される。さらに、そのようなデータは記憶され、図４（ａ）に示された機械学習処理を再生成または更新するために機械学習処理に適用される過去のセンサデータとして利用され得るセンサデータ１２０となる。

図５（ａ）および図５（ｂ）は一例示的実装による推定速度軌道に基づく車両制御の態様を示す。図５（ａ）の例は隊列構成システム３１１に従事するための一例示的フローを示すが、フローの１つまたは複数は所望の実装に応じて管理装置１０２においても実行され得る。５０１において、フローは経路情報に基づいて隊列に参加することが可能な車両を特定する。そのような特定は、所望の実装に応じて、所与の道路区間について互いの近傍にあると判定されたまたは近傍となる車両に基づくことができ、または他の方法によるものとすることができる。５０２において、フローは隊列に入る資格がある特定された車両全ての推定速度軌道を取得する。推定速度軌道はネットワーク１００を介して各車両に伝達され得る。５０３において、フローは取得された推定速度軌道に基づいて隊列構成を決定する。そのような構成は、所望の実装に応じて構築された１つまたは複数のモデルの実装を介して隊列構成システム３１１に基づいて、または管理装置１０２によって決定され得る。次いで、５０４において、隊列を形成するために指定された道路区間について指定された速度および軌道で運転する命令が、隊列内の車両に提供される。命令は隊列構成システムに提供され得、これは次いで隊列を容易化するように車両を制御することができる。

図５（ｂ）は車両モデル１２２に適用される推定速度に基づく車両制御の態様を示す。車両モデルは、エンジン制御システム３１２によって利用される後処理モデル、ギア制御３１３によって利用されるギアモデル、および電力制御３１４によって利用される電力モデルを含むことができる。５１１において、車両は管理装置１０２から車両モデル１２２を更新するように構成される。そのようなモデルはエンジン制御システム３１２のための後処理システム、ギア制御システム３１３およびパワートレイン制御３１４を含むことができ、モデルのそれぞれが所与の経路の１つまたは複数の道路区間についての推定速度の入力に基づいて車両を制御するように構成される。利用され得る他のモデルは、制御およびプラントモデル、ならびに最適化されるシステム／サブシステムのための一般的な較正パラメータ／マップを含む。

５１２において、修正された予想速度軌道は、エンジン制御システム３１２によって利用される後処理モデルに提供され得る。後処理システムは燃料消費を最小化するための関数に基づいて車両のＮＯ_Ｘの発生を制御するように構成され得る。そのような関数の一例は次式とすることができる：

ここで、ｘは車両システムの様々な状態を表現可能な状態変数（たとえば、エンジンオンまたはオフ、バッテリー充電状態（ＳＯＣ：ｓｔａｔｅ ｏｆ ｃｈａｒｇｅ））であり、ｕは制御入力（たとえば、噴射の開始、ギア数、スロットル、燃圧など）であり、

は燃料流速であり、Ｐｐｏｗｅｒｔｒａｉｎはパワートレインシステムからの電力であり、Ｐ_{ｄｒｉｖｅｒ}は運転者の電力需要である。

したがって、エンジン制御システムは修正された予想速度軌道に応じてトルクおよびエンジン速度を修正するように構成され得る。

５１３において、修正された予想速度軌道をギア制御システム３１３に適用してギア比またはギアシフトを変更することができる。たとえば、車両がより低い速度になることを今後の道路区間が示す場合、所望の実装に応じて、反応的な行動ではなく予測的な方法でギアが下方にシフトされ得、逆も同様であり、これによってシステムの応答および効率を向上させる。

５１４において、修正された予想車両軌道がパワートレイン制御３１４に適用され得る。そのような電力制御は、ＨＶＡＣ、エンジンへの電力入力、バッテリー制御、および他の動作を所望の実装に応じて含むことができる。

図５（ｃ）は一例示的実装によるエンジン制御システム３１２の一例示的フローを示す。エンジン制御システム３１２はエンジンコントローラ５２０、エンジン５２１、後処理５２２、および後処理制御５２３を含むことができる。予測速度に基づいて、後処理制御５２３は、消費燃料５２０を最小化しながらエンジンからの排気化学種または排気ガス（たとえば、ＮＯ_Ｘ）の発生を増加または減少させ、後処理５２２への尿素（ｕｒｅａ）注入を管理するための命令を発行するように構成される。エンジンコントローラ５２０はエンジン５２１からのセンサデータおよび後処理制御５２３からのフィードバックを処理して、エンジン５２１の空気経路アクチュエータに命令を送信する。次いで、エンジン５２１はエンジン５２１のアクチュエータ制御に基づいて後処理５２２のＮＯ_Ｘ発生を容易化し、次いで後処理５２２は、規制された限度内となるように関心対象の排気化学種（目的に応じて、ＮＯ_Ｘ、ＨＣ、ＣＯなど）を酸化または還元する。

図６は、たとえば、図１に示された管理装置１０２および／または図２に示された車両システム１０１／ＯＢＣ１１４など、いくつかの例示的実装での使用に適した一例示的コンピュータデバイスを有する一例示的コンピューティング環境を示す。本明細書に記載の機能は所望の実装に応じて、管理装置１０２、車両システム１０１、ＯＢＣ１１４において実装され得、またはそのような要素の何らかの組み合わせに基づくシステムを介して容易化することができる。

コンピューティング環境６００内のコンピュータデバイス６０５は、１つまたは複数の処理ユニット、コア、またはプロセッサ６１０、メモリ６１５（たとえば、ＲＡＭ、ＲＯＭ、および／または同様のもの）、内部ストレージ６２０（たとえば、磁気、光学、ソリッドステートストレージ、および／またはオーガニック）、ならびに／あるいはＩ／Ｏインターフェース６２５を含むことができ、これらはいずれも情報を伝達するための通信メカニズムもしくはバス６３０上で結合され得、またはコンピュータデバイス６０５に組み込まれ得る。Ｉ／Ｏインターフェース６２５はまた、所望の実装に応じて、カメラから画像を受信する、またはプロジェクタもしくはディスプレイに画像を提供するようにさらに構成される。

コンピュータデバイス６０５は、入力／ユーザインターフェース６３５および出力デバイス／インターフェース６４０に通信可能に結合され得る。入力／ユーザインターフェース６３５および出力デバイス／インターフェース６４０の一方または両方は、有線または無線インターフェースとすることができ、取り外し可能にすることができる。入力／ユーザインターフェース６３５は、入力を与えるのに使用され得る物理的または仮想的な任意のデバイス、コンポーネント、センサ、またはインターフェース（たとえば、ボタン、タッチスクリーンインターフェース、キーボード、ポインティング／カーソルコントロール、マイクロフォン、カメラ、点字、モーションセンサ、光学リーダ、および／または同様のもの）を含むことができる。出力デバイス／インターフェース６４０は、ディスプレイ、テレビジョン、モニタ、プリンタ、スピーカー、点字などを含むことができる。いくつかの例示的実装では、入力／ユーザインターフェース６３５および出力デバイス／インターフェース６４０は、コンピュータデバイス６０５に組み込まれ得、または物理的に結合され得る。他の例示的実装では、他のコンピュータデバイスは、コンピュータデバイス６０５に対して入力／ユーザインターフェース６３５および出力デバイス／インターフェース６４０として機能する、またはそれらの機能を提供することができる。

コンピュータデバイス６０５の例は、限定はされないが、高移動性のデバイス（たとえば、スマートフォン、車両および他の機械内のデバイス、人間および動物によって持ち運ばれるデバイスなど）、移動性のデバイス（たとえば、タブレット、ノートブック、ラップトップ、パーソナルコンピュータ、ポータブルテレビジョン、ラジオなど）、ならびに移動用に設計されていないデバイス（たとえば、デスクトップコンピュータ、他のコンピュータ、情報キオスク、１つまたは複数のプロセッサが組み込まれたおよび／または結合されたテレビジョン、ラジオなど）を含むことができる。

コンピュータデバイス６０５は、外部ストレージ６４５と、同一のまたは異なる構成の１つまたは複数のコンピュータデバイスを含む、任意数のネットワーク化されたコンポーネント、デバイス、およびシステムと通信するためのネットワーク６５０とに（たとえば、Ｉ／Ｏインターフェース６２５を介して）通信可能に結合され得る。コンピュータデバイス６０５または任意の接続されたコンピュータデバイスは、サーバ、クライアント、シンサーバ、汎用マシン、専用マシン、または他のラベルとして機能することができ、これらのサービスを提供することができ、またはこれらと称され得る。

Ｉ／Ｏインターフェース６２５は、限定はされないが、コンピューティング環境６００内の少なくとも全ての接続されたコンポーネント、デバイス、およびネットワークへ、および／またはこれらから情報を伝達するための任意の通信またはＩ／Ｏプロトコルまたは規格（たとえば、イーサネット（登録商標）、８０２．１１ｘ、ユニバーサルシリアルバス、ＷｉＭａｘ、モデム、セルラーネットワークプロトコルなど）を使用する有線および／または無線インターフェースを含むことができる。ネットワーク６５０は、任意のネットワークまたはネットワークの組み合わせ（たとえば、インターネット、ローカルエリアネットワーク、ワイドエリアネットワーク、電話ネットワーク、セルラーネットワーク、衛星ネットワークなど）とすることができる。

コンピュータデバイス６０５は、一時的媒体および非一時的媒体を含むコンピュータ使用可能またはコンピュータ可読媒体を使用する、および／またはこれらを使用して通信することができる。一時的媒体は、伝送媒体（たとえば、メタルケーブル、光ファイバ）、信号、搬送波などを含む。非一時的媒体は、磁気媒体（たとえば、ディスクおよびテープ）、光学媒体（たとえば、ＣＤ ＲＯＭ、デジタルビデオディスク、ブルーレイディスク）、ソリッドステートメディア（たとえば、ＲＡＭ、ＲＯＭ、フラッシュメモリ、ソリッドステートストレージ）、および他の不揮発性ストレージまたはメモリを含む。

コンピュータデバイス６０５は、いくつかの例示的コンピューティング環境において、技法、方法、アプリケーション、処理、またはコンピュータ実行可能命令を実施するために使用され得る。コンピュータ実行可能命令は、一時的媒体から取り出され、非一時的媒体に記憶されこれから取り出され得る。実行可能命令は、任意のプログラミング言語、スクリプティング言語、および機械語（たとえば、Ｃ、Ｃ＋＋、Ｃ＃、Ｊａｖａ（登録商標）、Ｖｉｓｕａｌ Ｂａｓｉｃ、Ｐｙｔｈｏｎ、Ｐｅｒｌ、ＪａｖａＳｃｒｉｐｔ（登録商標）など）の１つまたは複数から生じ得る。

プロセッサ６１０は、ネイティブまたは仮想環境において任意のオペレーティングシステム（ＯＳ）（図示せず）の下で実行することができる。論理ユニット６６０、アプリケーションプログラミングインターフェース（ＡＰＩ）ユニット６６５、入力ユニット６７０、出力ユニット６７５、ならびに異なるユニットが互いと、ＯＳと、および他のアプリケーション（図示せず）と通信するためのユニット間通信メカニズム６９５を含む１つまたは複数のアプリケーションが配備され得る。記載のユニットおよび要素は、設計、機能、構成、または実装が変更され得、与えられた記載に限定されない。

いくつかの例示的実装では、情報または実行命令がＡＰＩユニット６６５によって受信された場合、１つまたは複数の他のユニット（たとえば、論理ユニット６６０、入力ユニット６７０、出力ユニット６７５）に伝達され得る。いくつかの例では、論理ユニット６６０は、ユニット間の情報フローを制御し、上述のいくつかの例示的実装においてＡＰＩユニット６６５、入力ユニット６７０、出力ユニット６７５によって提供されるサービスを管理するように構成され得る。たとえば、１つまたは複数の処理または実装のフローは、論理ユニット６６０によって単独で、またはＡＰＩユニット６６５と連携して制御され得る。入力ユニット６７０は、例示的実装に記載された計算のための入力を取得するように構成され得、出力ユニット６７５は、例示的実装に記載された計算に基づいて出力を提供するように構成され得る。

メモリ６１５は、図３（ｂ）に示された過去の交通情報と、経路が車両１０１のＧＰＳ１１０に与えられた場合は、図３（ｃ）に示された道路区間、推定速度軌道、および車両パラメータに関する経路の１つまたは複数の部分についての管理情報とを記憶するように構成され得る。

詳細な説明の一部は、アルゴリズムと、コンピュータ内の動作のシンボル表現との観点で提示されている。これらのアルゴリズム的記述およびシンボル表現は、データ処理技術の当業者によって、彼らの革新の本質を他の当業者に伝えるために使用される手段である。アルゴリズムは、所望の終了状態または結果をもたらす一連の定義されたステップである。例示的実装では、実施されるステップは、有形の結果を実現するために有形の量の物理的操作を必要とする。

特記しない限り、本議論から明らかなように、本説明全体にわたって、「処理」、「コンピューティング」、「計算」、「決定」、「表示」などの用語を使用する議論が、コンピュータシステムのレジスタおよびメモリ内の物理（電子）量として表現されるデータを、コンピュータシステムのメモリもしくはレジスタまたは他の情報記憶、伝送もしくは表示デバイス内の物理量として同様に表現される他のデータに操作および変換するコンピュータシステムまたは他の情報処理デバイスの行動および処理を含むことができることは理解されよう。

また、例示的実装は本明細書の動作を実施するための装置に関することができる。この装置は必要な目的のために特別に構築され得、あるいは１つまたは複数のコンピュータプログラムによって選択的にアクティブ化または再構成される１つまたは複数の汎用コンピュータを含むことができる。そのようなコンピュータプログラムは、コンピュータ可読媒体、たとえば、コンピュータ可読記憶媒体またはコンピュータ可読信号媒体に記憶され得る。コンピュータ可読記憶媒体は、有形媒体、たとえば、限定はされないが、光ディスク、磁気ディスク、読み出し専用メモリ、ランダムアクセスメモリ、ソリッドステートデバイスおよびドライブ、または電子情報を記憶するのに適した任意の他のタイプの有形もしくは非一時的媒体を含むことができる。コンピュータ可読信号媒体は、搬送波などの媒体を含むことができる。本明細書で提示されたアルゴリズムおよびディスプレイは、任意の特定のコンピュータまたは他の装置に本質的に関連するものではない。コンピュータプログラムは、所望の実装の動作を実施する命令を含む純粋なソフトウェア実装を含むことができる。

様々な汎用システムは、本明細書の例に従うプログラムおよびモジュールと共に使用され得、または所望の方法ステップを実施するためのより特化した装置を構築することが好都合であるとわかる場合がある。加えて、例示的実装は、任意の特定のプログラミング言語に関して記載されていない。種々のプログラミング言語が本明細書に記載の例示的実装の教示を実装するために使用され得ることは理解されよう。プログラミング言語の命令は、１つまたは複数の処理デバイス、たとえば、中央処理装置（ＣＰＵ）、プロセッサまたはコントローラによって実行され得る。

当技術分野で知られているように、上述の動作は、ハードウェア、ソフトウェア、またはソフトウェアおよびハードウェアの何らかの組み合わせによって実施され得る。例示的実装の様々な態様は回路および論理デバイス（ハードウェア）を使用して実装され得、他の態様は、プロセッサによって実行された場合に、プロセッサに本出願の実装を実施するための方法を実行させる、機械可読媒体に記憶された命令（ソフトウェア）を使用して実装され得る。さらに、本出願のいくつかの例示的実装はハードウェアのみで実施され得、他の例示的実装はソフトウェアのみで実施され得る。その上、記載の様々な機能は単一のユニットで実施され得、または任意数の方法でいくつかのコンポーネントにわたって拡散され得る。ソフトウェアによって実施される場合、本方法は、コンピュータ可読媒体に記憶された命令に基づいて汎用コンピュータなどのプロセッサによって実行され得る。所望であれば、命令は媒体に、圧縮および／または暗号化された形式で記憶され得る。

その上、本出願の他の実装は、本明細書を考察し、本出願の教示を実践することから当業者に明らかとなろう。記載された例示的実装の様々な態様および／またはコンポーネントは、単一でまたは任意の組み合わせで使用され得る。本明細書および例示的実装が単なる例とみなされ、本出願の真の範囲および精神が以下の特許請求の範囲によって示されることが意図されている。

Claims (6)

1. 車両であって、
   １つまたは複数のセンサと、
   プロセッサと
   を備え、
   前記プロセッサが、経路の１つまたは複数の部分についての前記車両の予想速度を決定するための速度軌道推定関数を、機械学習処理から構築し、
   前記機械学習処理は、１つまたは複数の過去の経路についての過去の全地球測位衛星（ＧＰＳ）情報および過去の交通情報の他に、前記１つまたは複数のセンサからの過去のセンサデータを、車両速度を予想するための人工ニューラルネットワーク（ＡＮＮ）モデルの訓練のために当該ＡＮＮモデルに入力することを含み、
   前記プロセッサが、
   経路の１つまたは複数の部分についての前記車両の予想速度を、前記速度軌道推定関数を用いて決定することと、
   前記経路の前記１つまたは複数の部分についての前記予想速度を、前記１つまたは複数のセンサから受信されたセンサデータに基づいて修正し、且つ、当該受信されたセンサデータを前記機械学習処理の後の機械学習処理において過去のセンサデータとして利用されるために当該受信されたセンサデータを格納することと、
   前記修正された予想速度に基づいて、前記車両の後処理システムおよびギアシフトシステムを制御するために、当該後処理システムおよびギアシフトシステムについて、後処理およびギア制御に関連するモデルを用いて、前記経路の前記１つまたは複数の部分についてのギアシフトまたはギア比、ならびに、前記経路の前記１つまたは複数の部分についてのＮＯｘといった制御パラメータを生成することと
   を行う、車両。
2. 前記プロセッサが、
   前記修正された予想速度に基づいた前記経路の前記１つまたは複数の部分の中の部分についての車両隊列命令を受信することと、
   前記修正された予想速度に基づいた前記経路の前記１つまたは複数の部分の中の前記部分についての前記車両隊列命令と、前記経路の前記１つまたは複数の部分の中の前記部分について決定された軌道とに従って前記車両を制御することと
   を行う、
   請求項１に記載の車両。
3. １つまたは複数の車両の経路の１つまたは複数の部分についての前記車両の予想速度を決定するための速度軌道推定関数を、機械学習処理から構築するステップと、
   前記機械学習処理は、１つまたは複数の過去の経路についての過去の全地球測位衛星（ＧＰＳ）情報および過去の交通情報の他に、前記１つまたは複数のセンサからの過去のセンサデータを、車両速度を予想するための人工ニューラルネットワーク（ＡＮＮ）モデルの訓練のために当該ＡＮＮモデルに入力することを含み、
   １つまたは複数の車両から経路情報を受信するステップと、
   前記１つまたは複数の車両のそれぞれの予想速度を、前記速度軌道推定関数を用いて、前記１つまたは複数の車両の前記それぞれに関連する経路情報から決定される経路の１つまたは複数の部分について決定するステップと、
   前記経路の前記１つまたは複数の部分についての前記予想速度を、前記１つまたは複数の車両のセンサから受信されたセンサデータに基づいて修正し、且つ、当該受信されたセンサデータを前記機械学習処理の後の機械学習処理において過去のセンサデータとして利用されるために当該受信されたセンサデータを格納するステップと、
   前記１つまたは複数の車両の前記それぞれの前記修正された予想速度を送信するステップと
   を有し、
   前記１つまたは複数の車両のそれぞれは、前記修正された予想速度に基づいて、当該車両の後処理システムおよびギアシフトシステムを制御するために、当該後処理システムおよびギアシフトシステムについて、後処理およびギア制御に関連するモデルを用いて、前記経路の前記１つまたは複数の部分についてのギアシフトまたはギア比、ならびに、前記経路の前記１つまたは複数の部分についてのＮＯｘといった制御パラメータを生成するようになっている、
   方法。
4. 前記経路情報に基づいて前記１つまたは複数の車両から隊列に参加可能な車両を特定するステップと、
   前記１つまたは複数の車両の前記推定速度に基づいて前記特定された車両に関する前記経路情報の１つまたは複数の道路区間についての隊列構成を決定するステップと、
   前記１つまたは複数の道路区間についての速度および軌道に関する、前記隊列構成に入るための命令を、前記特定された車両に送信するステップと
   をさらに有する、
   請求項３に記載の方法。
5. 経路情報を提供するように構成される１つまたは複数の車両と、
   管理装置と
   を備え、
   前記管理装置が、前記１つまたは複数の車両の経路の１つまたは複数の部分についての前記車両の予想速度を決定するための速度軌道推定関数を、機械学習処理から構築し、
   前記機械学習処理は、１つまたは複数の過去の経路についての過去の全地球測位衛星（ＧＰＳ）情報および過去の交通情報の他に、前記１つまたは複数のセンサからの過去のセンサデータを、車両速度を予想するための人工ニューラルネットワーク（ＡＮＮ）モデルの訓練のために当該ＡＮＮモデルに入力することを含み、
   前記管理装置が、
   １つまたは複数の車両から前記経路情報を受信することと、
   前記１つまたは複数の車両のそれぞれの予想速度を、前記速度軌道推定関数を用いて、前記１つまたは複数の車両の前記それぞれに関連する経路情報から決定される経路の１つまたは複数の部分について決定することと、
   前記経路の前記１つまたは複数の部分についての前記予想速度を、前記１つまたは複数の車両のセンサから受信されたセンサデータに基づいて修正し、且つ、当該受信されたセンサデータを前記機械学習処理の後の機械学習処理において過去のセンサデータとして利用されるために当該受信されたセンサデータを格納することと、
   前記１つまたは複数の車両の前記それぞれの前記予想速度を送信することと
   を行い、
   前記１つまたは複数の車両のそれぞれは、前記修正された予想速度に基づいて、当該車両の後処理システムおよびギアシフトシステムを制御するために、当該後処理システムおよびギアシフトシステムについて、後処理およびギア制御に関連するモデルを用いて、前記経路の前記１つまたは複数の部分についてのギアシフトまたはギア比、ならびに、前記経路の前記１つまたは複数の部分についてのＮＯｘといった制御パラメータを生成するようになっている、
   システム。
6. 前記管理装置が、
   前記経路情報に基づいて前記１つまたは複数の車両から隊列に参加可能な車両を特定することと、
   前記１つまたは複数の車両の前記推定速度に基づいて前記特定された車両に関する前記経路情報の１つまたは複数の道路区間についての隊列構成を決定することと、
   前記特定された車両に、前記１つまたは複数の道路区間についての速度および軌道に関する、前記隊列構成に入るための命令を、送信することと、
   を行う、
   請求項５に記載のシステム。

Images