WO2024029257A1 - 検証サイクル生成方法、検証サイクル生成システム、及び、検証サイクル生成プログラム - Google Patents

検証サイクル生成方法、検証サイクル生成システム、及び、検証サイクル生成プログラム Download PDF

Info

Publication number
WO2024029257A1
WO2024029257A1 PCT/JP2023/024823 JP2023024823W WO2024029257A1 WO 2024029257 A1 WO2024029257 A1 WO 2024029257A1 JP 2023024823 W JP2023024823 W JP 2023024823W WO 2024029257 A1 WO2024029257 A1 WO 2024029257A1
Authority
WO
WIPO (PCT)
Prior art keywords
verification
data sets
verification cycle
cycles
cycle
Prior art date
Application number
PCT/JP2023/024823
Other languages
English (en)
French (fr)
Inventor
ルーク ベイツ
邦夫 田畑
フィリップ ロバーツ
スティーブ ウィーラン
Original Assignee
株式会社堀場製作所
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 株式会社堀場製作所 filed Critical 株式会社堀場製作所
Publication of WO2024029257A1 publication Critical patent/WO2024029257A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles

Definitions

  • the present invention relates to a verification cycle generation method, a verification cycle generation device, and a verification cycle generation program used in automobile development.
  • Non-Patent Document 1 confirmation tests under conditions (boundary conditions) that are considered unfavorable to automobiles on actual roads are conducted using transient test cycles (verification cycles). It is being done. The quality of automobile development is judged based on the results of this confirmation test. Usually, this verification cycle is often created based on data obtained from actual road driving using a specific vehicle.
  • the present invention was made to solve the above problems, and its main objective is to generate a realistic verification cycle that satisfies the boundary conditions for a plurality of vehicles.
  • the verification cycle generation method is a verification cycle generation method for generating a verification cycle for automobile development, which inputs a plurality of data sets regarding driving cycles, clusters each of the plurality of data sets, and generates a plurality of verification cycles.
  • a plurality of verification cycles related to automobile development are generated based on the plurality of clustered data sets, and each of the plurality of verification cycles is executed using a simulation device, an actual machine, or a combination thereof, and the It is characterized by selecting a representative cycle that most satisfies criteria defined by the user from among a plurality of verification cycles.
  • the present invention generates a plurality of verification cycles related to automobile development, and executes each of the plurality of verification cycles using a simulation device, an actual machine, or a combination thereof, so as to best match the criteria defined by the user from among the plurality of verification cycles. Since a representative cycle that satisfies the boundary conditions is selected, it is possible to generate a more realistic verification cycle (representative cycle) that satisfies the boundary conditions for a plurality of vehicles.
  • the plurality of data sets may include vehicle speed information regarding vehicle speed and load information regarding load.
  • the plurality of data sets further include brake information regarding brakes or environmental factor information regarding environmental factors.
  • each of the plurality of data sets is clustered and classified into a plurality of data sets, and one verification cycle related to automobile development is determined based on the plurality of clustered data sets. It is possible to generate a plurality of verification cycles by performing a series of steps for generating verification cycles multiple times.
  • the criteria defined by the user are criteria for selecting the worst verification cycle among the plurality of verification cycles, criteria for selecting the best verification cycle, or criteria for selecting the verification cycle most frequently used by the user. This is desirable.
  • the one that satisfies the criteria for selecting the worst verification cycle is the worst-case verification cycle.
  • this is the cycle with the highest fuel consumption or CO2 emissions
  • this is the cycle with the lowest power consumption (hydrogen consumption in the case of an FCV).
  • the verification cycle is related to the on-road exhaust gas test, and the plurality of input data sets include the vehicle speed information and the load information in the on-road exhaust gas test. It is desirable that the
  • the verification cycle is related to the on-road battery evaluation test, and the plurality of input data sets include the vehicle speed information, the load information, and the like in the on-road battery evaluation test. It is desirable that the information includes deceleration information and deceleration information regarding deceleration.
  • the deceleration information includes the amount of regeneration.
  • the verification cycle generation device is a verification cycle generation device that generates a verification cycle for automobile development, and includes a data set reception unit that receives a plurality of data sets regarding driving cycles, and a data set reception unit that receives a plurality of data sets regarding driving cycles, and a data set reception unit that receives a plurality of data sets regarding driving cycles.
  • a clustering unit that clusters and classifies the data into a plurality of data sets
  • a verification cycle generation unit that generates a plurality of verification cycles related to automobile development based on the plurality of clustered data sets, and executes each of the plurality of verification cycles.
  • the invention is characterized by comprising a simulation device, an actual device (test equipment), or a combination thereof.
  • the verification cycle generation program is a verification cycle generation program that generates a verification cycle for automobile development, and includes a data set reception unit that receives a plurality of data sets regarding driving cycles, and a data set reception unit that receives each of the plurality of data sets.
  • a clustering unit that performs clustering and classification into a plurality of data sets, a verification cycle generation unit that generates a plurality of verification cycles related to automobile development based on the plurality of clustered data sets, and a verification cycle generation unit that executes each of the plurality of verification cycles. It is characterized by having a computer perform the function of a simulation section.
  • FIG. 1 is a diagram schematically showing the configuration of a verification cycle generation device according to an embodiment of the present invention. It is a figure which shows the example of clustering of the same embodiment.
  • FIG. 2 is a schematic diagram showing a verification cycle generation method using a Markov chain according to the embodiment. It is a schematic diagram which shows the generation method of the verification cycle of the same embodiment.
  • FIG. 7 is a schematic diagram showing a verification cycle generation method according to a modified embodiment.
  • FIG. 2 is a distribution diagram showing the distribution of CO 2 emissions in a plurality of driving cycles.
  • the verification cycle generation system 100 of this embodiment generates a verification cycle used in automobile development (including adaptation).
  • the automobile includes, for example, an engine automobile, a hybrid automobile, an electric automobile, a fuel cell automobile, and the like.
  • the verification cycle generation system 100 includes a data set reception unit 2 that receives a plurality of data sets regarding driving cycles, a clustering unit 3 that clusters each of the plurality of data sets and classifies them into a plurality of data sets.
  • the present invention includes a verification cycle generation unit 4 that generates a plurality of verification cycles related to automobile development based on a plurality of data sets, and a simulation device 5 that executes each of the plurality of verification cycles.
  • the dataset reception unit 2, clustering unit 3, and verification cycle generation unit 4 are operated by a cycle generation device 10 (a computer having a CPU, internal memory, input/output interface, etc.) different from the simulation device 5. It is configured. Note that the dataset receiving section 2, clustering section 3, and verification cycle generating section 4 may be configured by a common computer with the simulation device, or the dataset receiving section 2, clustering section 3, and verification cycle generating section 4 may be configured by each other. It may be configured by separate computers.
  • a cycle generation device 10 a computer having a CPU, internal memory, input/output interface, etc.
  • the data set reception unit 2 accepts multiple data sets regarding driving cycles.
  • the plurality of data sets include data sets acquired in the past and/or data sets of simulation results obtained by a simulation device such as a digital twin.
  • multiple data sets meet the standards for those whose driving cycles are determined by laws and regulations, etc. For example, if the driving cycle is determined by RDE, they meet the RDE test standards. It is something that
  • each data set includes vehicle speed information regarding vehicle speed and load information regarding load.
  • the vehicle speed information is, for example, vehicle speed, engine rotation speed, or motor rotation speed.
  • the load information includes factors that determine the load amount, such as accelerator depression amount (accelerator position), throttle opening amount, fuel injection amount, torque demand amount, electric power demand amount, hydrogen demand amount, or air (oxygen) demand amount.
  • each data set may further include brake information regarding brakes or environmental factor information regarding environmental factors.
  • the brake information is, for example, the amount of depression of the brake (brake position).
  • the environmental factor information is, for example, atmospheric pressure, pressure, temperature, humidity, road surface condition (road surface ⁇ , road surface roughness), or road condition (traffic congestion amount).
  • the clustering unit 3 clusters each of the plurality of data sets received by the data set reception unit 2 and classifies them into a plurality of data sets.
  • the clustering method of the clustering unit 3 non-hierarchical clustering such as the k-means method and the Fussy clustering (set) method can be used.
  • Figure 2 shows a graph clustered using the k-means method. In this graph, the vertical axis is the engine rotation speed (vehicle speed), and the horizontal axis is the accelerator opening.
  • the clustering unit 3 also processes multiple data sets such as "Hard Acceleration,” “Mild Acceleration,” “Constant Speed,” and “Mild Acceleration.” Clustering into multiple categories: ⁇ Deceleration'', ⁇ Hard Acceleration'', and/or ⁇ Stop''.
  • the verification cycle generation unit 4 generates a verification cycle related to automobile development based on a plurality of data sets clustered by the clustering unit. Specifically, the verification cycle generation unit 4 generates a verification cycle from a plurality of clustered data sets using a Markov chain.
  • this verification cycle generation unit 4 calculates the probability that the next node will occur from one node, and creates the most likely driving pattern by connecting the nodes with the highest probability. do.
  • each node is one piece of data indicating "engine rotation speed - accelerator opening", and has multiple clustered categories ("Hard Acceleration”, “Mild Acceleration”). , “Constant Speed,” “Mild Acceleration,” “Hard Acceleration,” and/or “Stop.” Then, transition probabilities between a plurality of nodes are calculated, and based on these transition probabilities, each node is connected to generate the most likely driving pattern (verification cycle). Furthermore, Figure 3 shows the transition probability matrix for transitioning from (i) to (j) for each node included in the above six categories, and the transition probability matrix for transitioning from “Hard Acceleration” to “Hard Acceleration”. A numerical example is shown when transitioning to a node of ⁇ sudden acceleration)''.
  • the verification cycle generated by the verification cycle generation section 4 described above is verified by the simulation device 5.
  • this simulation device 5 for example, a simulation device called a digital twin can be used. Note that this simulation device 5 has the following functions in order to make the verification cycle executable. Data such as the driving environment, traffic conditions, route, driving style, or vehicle specifications are input in advance.
  • a plurality of data sets of various driving cycles in the on-road exhaust gas test are input to the data set reception unit 2.
  • the plurality of data sets include actual data sets acquired in the past and/or virtual data sets of simulation results obtained by a simulation device such as a digital twin.
  • the plurality of data sets of this embodiment include an actual data set in a cycle with the highest amount of CO 2 emissions (bad case actual data set), and/or a virtual data set in the cycle with the highest amount of CO 2 emissions ( A virtual dataset of bad cases).
  • the clustering unit 3 clusters each of the plurality of data sets and classifies them into a plurality of data sets.
  • the verification cycle generation unit 4 generates one verification cycle for an on-road exhaust gas test related to automobile development using a Markov-Chain based on the plurality of clustered data sets.
  • the verification cycle generated by the verification cycle generation unit 4 is the verification cycle that is expected to have the largest amount of CO 2 emissions.
  • each of a plurality of data sets is clustered and classified into a plurality of data sets, and one verification cycle related to automobile development is generated based on the plurality of clustered data sets. By performing the steps multiple times, multiple verification cycles are generated.
  • each of the plurality of verification cycles is executed by the simulation device 5, and a representative cycle that most satisfies the criteria defined by the user is selected from among the plurality of verification cycles.
  • the user-defined criteria of this embodiment are criteria for selecting the worst verification cycle among a plurality of verification cycles. That is, a plurality of verification cycles are executed on the simulation, and the verification cycle with the largest amount of CO 2 emissions is selected as the representative cycle.
  • ⁇ Effects of this embodiment> According to the verification cycle generation method of this embodiment, multiple data sets regarding driving cycles are input, each of the multiple data sets is clustered and classified into multiple data sets, and the multiple data sets are classified into multiple clustered data sets. Since a verification cycle related to automobile development is generated based on the above, it is possible to generate a realistic verification cycle that satisfies the boundary conditions for multiple vehicles.
  • a plurality of verification cycles related to automobile development are generated, each of the plurality of verification cycles is executed by the simulation device 5, and a representative cycle that most satisfies the criteria defined by the user is selected from among the plurality of verification cycles. Since this selection is made, it is possible to generate a more realistic verification cycle (representative cycle) that satisfies the boundary conditions for a plurality of vehicles.
  • simulation data obtained by digital twins, etc. are used to match the vehicle to be evaluated by using probabilistic methods such as clustering and Markov chains. You can create more realistic verification cycles that satisfy arbitrary boundary conditions. Vehicles evaluated using this verification cycle can then be more robust than evaluations performed using conventional empirical verification cycles. Furthermore, according to the present embodiment, it is possible to use the simulation device to execute driving under environmental conditions and driving styles that cannot be implemented in reality, and to incorporate this into the input data set.
  • the generated verification cycle is executed by the simulation device 5 to determine whether the cycle best satisfies the criteria defined by the user.
  • a verification cycle may be executed using a combination of the simulator 5 and the simulation device 5, and it may be determined whether the cycle best satisfies the criteria defined by the user.
  • the actual machine includes a chassis dynamometer, an engine dynamometer, a motor dynamometer, a driveline dynamometer, and the like.
  • the data set may be adjusted by adding a predetermined adjustment factor to the input data set.
  • This configuration not only allows for more data to be input, but also allows adjustment factors to be adjusted to help generate cycles that best meet user-defined criteria (e.g., cycles with worse outcomes). .
  • the verification cycles generated by the verification cycle generation section 4 may be input to the data set reception section 2 as multiple data sets, or the representative cycles may be input as multiple data sets. It may also be input to the set reception section 2. By inputting the verification cycle generated in this way again, it is possible to make the representative cycle more consistent with the above criteria.
  • the worst verification cycle is selected from a plurality of verification cycles, but the verification cycle with the best result may be selected, or the verification cycle most frequently used by the user may be selected. , or a verification cycle with an average result may be selected.
  • the verification cycle most frequently used by the user is included in the range of CO 2 emissions most frequently used in the distribution of CO 2 emissions in a plurality of driving cycles.
  • the exhaust gas test in the embodiment described above measures carbon dioxide (CO 2 )
  • the exhaust gas test measures carbon monoxide (CO), nitrogen oxides (NO x ), hydrocarbons (CH), Exhaust gas contains total hydrocarbons (THC), ammonium (NH 3 ), formaldehyde (HCHO), dinitrogen monoxide (N 2 O), particulate matter (PM), and/or PM particle number (PN), etc. It may also be one that measures components.
  • a verification cycle related to an exhaust gas test is generated, but a verification cycle related to an on-road battery evaluation test may also be generated.
  • the plurality of data sets to be input include vehicle speed information, load information, and/or deceleration information regarding deceleration in the road battery evaluation test. Further, the deceleration information includes the amount of depression of the brake, the amount of regeneration, and the like. Additionally, there is a verification cycle for fuel consumption evaluation tests, a verification cycle for power consumption evaluation tests, a verification cycle for hydrogen consumption evaluation tests, a verification cycle for brake dust evaluation tests, or a verification cycle for tire dust evaluation tests. etc. may be generated.
  • a verification cycle that can be considered as an example of the worst case will be described.
  • As a verification cycle related to the on-road battery evaluation test for example, it is possible to generate a verification cycle with the highest power consumption.
  • As a verification cycle related to a fuel consumption evaluation test for example, a verification cycle with the highest fuel consumption may be generated.
  • As a verification cycle related to a power consumption evaluation test for example, a verification cycle with the highest power consumption may be generated.
  • a verification cycle related to the hydrogen consumption evaluation test for example, it is possible to generate a verification cycle with the highest hydrogen consumption.
  • As a verification cycle related to an evaluation test of brake dust or tire dust for example, it is possible to generate a verification cycle with the largest amount of brake dust or tire dust.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Of Engines (AREA)

Abstract

本発明は、複数の自動車における境界条件を満たす現実的な検証サイクルを生成するものであり、自動車開発の検証サイクルを生成する検証サイクル生成方法であって、運転サイクルについての複数のデータセットをインプットし、複数のデータセットそれぞれをクラスタリングして複数のデータ集合に分類し、クラスタリングされた複数のデータ集合に基づいて、自動車開発に関する複数の検証サイクルを生成し、複数の検証サイクルそれぞれをシミュレーション上又は実機で実行して、複数の検証サイクルの中からユーザが定義する基準を最も満たす代表サイクルを選定する。

Description

検証サイクル生成方法、検証サイクル生成システム、及び、検証サイクル生成プログラム
　本発明は、自動車開発に用いられる検証サイクル生成方法、検証サイクル生成装置、及び、検証サイクル生成プログラムに関するものである。
　従来、自動車開発においては、例えば非特許文献１に示すように、実路にて想定される自動車にとって不利な条件（境界条件）での確認試験が、過渡的な試験サイクル（検証サイクル）を用いて行われている。そして、この確認試験の結果により、自動車開発の良し悪しが判断されている。通常、この検証サイクルは、特定の自動車を用いた実路走行によって取得されたデータに基づいて作成されることが多い。
　しかしながら、実路走行においては、走行する環境、交通状況、ルート、ドライビングスタイル、又は、パワートレイン等の自動車の仕様等により、実路にて想定される自動車にとって不利な条件（境界条件）は変化する。例えばＲＤＥ試験（Real Driving Emission）では、走行する環境、交通状況、ルート、ドライビングスタイル、又は、自動車の仕様等によって、排ガスにおけるワーストケース（境界条件）は変化する。したがって、過去のデータや経験に基づく単一の検証サイクルでは、多くの自動車における境界条件を網羅することは事実上不可能である。
Michael Gorgen et al. "Holistic Hybrid RDE Calibration Methodology for EU7" FEV Engine Congress 2021 paper 14
　そこで本発明は上記問題点を解決すべくなされたものであり、複数の自動車における境界条件を満たす現実的な検証サイクルを生成することをその主たる課題とするものである。
　すなわち本発明に係る検証サイクル生成方法は、自動車開発の検証サイクルを生成する検証サイクル生成方法であって、運転サイクルについての複数のデータセットをインプットし、前記複数のデータセットそれぞれをクラスタリングして複数のデータ集合に分類し、クラスタリングされた複数のデータ集合に基づいて、自動車開発に関する複数の検証サイクルを生成し、前記複数の検証サイクルそれぞれをシミュレーション装置、実機又はこれらの組み合わせで実行して、前記複数の検証サイクルの中からユーザが定義する基準を最も満たす代表サイクルを選定することを特徴とする。
　このようなものであれば、運転サイクルについての複数のデータセットをインプットし、それら複数のデータセットそれぞれをクラスタリングして複数のデータ集合に分類し、クラスタリングされた複数のデータ集合に基づいて、自動車開発に関する検証サイクルを生成しているので、複数の車両における境界条件を満たす現実的な検証サイクルを生成することができる。
　特に、本発明では、自動車開発に関する複数の検証サイクルを生成し、複数の検証サイクルそれぞれをシミュレーション装置、実機又はこれらの組み合わせで実行して、複数の検証サイクルの中からユーザが定義する基準を最も満たす代表サイクルを選定しているので、複数の車両における境界条件を満たすより一層現実的な検証サイクル（代表サイクル）を生成することができる。
　運転サイクルのデータセットの具体的な実施の態様としては、前記複数のデータセットは、車速に関する車速情報、及び、負荷に関する負荷情報を含むことが考えられる。
　運転サイクルのデータセットの具体的な実施の態様としては、前記複数のデータセットは、ブレーキに関するブレーキ情報、又は、環境因子に関する環境因子情報をさらに含むことが考えられる。
　複数の検証サイクルを生成する具体的な実施の態様としては、前記複数のデータセットそれぞれをクラスタリングして複数のデータ集合に分類し、クラスタリングされた複数のデータ集合に基づいて、自動車開発に関する１つの検証サイクルを生成するという一連の工程を複数回行うことにより、複数の検証サイクルを生成することが考えられる。
　尤もらしい検証サイクルを生成するための具体的な実施の態様としては、前記クラスタリングされた複数のデータ集合からマルコフ連鎖を用いて前記検証サイクルを生成することが考えられる。
　データセットの数を増やすとともに、より現実的な検証サイクルを生成できるようにするためには、インプットする前記データセットに所定の調整ファクタを付与して前記データセットを調整することが望ましい。
　前記ユーザが定義する基準は、前記複数の検証サイクルのうち最も悪い検証サイクルを選定する基準、最も良い検証サイクルを選定する基準、又は、最もユーザの使用頻度の高い検証サイクルを選定する基準であることが望ましい。
　この構成であれば、最も悪い検証サイクルを選定する基準を満たすものは、ワーストケースの検証サイクルとなる。例えば、エンジン自動車の場合には、燃料消費量又はＣＯ２排出量が最も多くなるサイクルであり、電気自動車の場合には、電力消費量（ＦＣＶの場合は水素消費量）が最も悪くなるサイクルである。
　また、最も良い検証サイクルを選定する基準をみたすものは、ベストケースの検証サイクルとなる。例えば、エンジン自動車の場合には、燃料消費量又はＣＯ２排出量が最も少なくなるサイクルであり、電気自動車の場合には、電力消費量（ＦＣＶの場合は水素消費量）が最も良くなるサイクルである。
　ＲＤＥ等の路上排ガス試験に好適に用いるためには、前記検証サイクルは、路上排ガス試験に関するものであり、インプットする複数のデータセットは、路上排ガス試験における前記車速情報、及び、前記負荷情報を含むものであることが望ましい。
　バッテリーを有する自動車の路上バッテリー評価試験に好適に用いるためには、前記検証サイクルは、路上バッテリー評価試験に関するものであり、インプットする複数のデータセットは、路上バッテリー評価試験における前記車速情報、前記負荷情報、及び、減速に関する減速情報を含むものであることが望ましい。
　また、路上バッテリー評価試験に好適に用いるためには、前記減速情報は、回生量を含むことが望ましい。
　また、本発明に係る検証サイクル生成装置は、自動車開発の検証サイクルを生成する検証サイクル生成装置であって、運転サイクルについての複数のデータセットを受け付けるデータセット受付部と、前記複数のデータセットそれぞれをクラスタリングして複数のデータ集合に分類するクラスタリング部と、クラスタリングされた複数のデータ集合に基づいて、自動車開発に関する複数の検証サイクルを生成する検証サイクル生成部と、前記複数の検証サイクルそれぞれを実行するシミュレーション装置、実機（試験設備）又はこれらの組み合わせとを備えることを特徴とする。
　さらに、本発明に係る検証サイクル生成プログラムは、自動車開発の検証サイクルを生成する検証サイクル生成プログラムであって、運転サイクルについての複数のデータセットを受け付けるデータセット受付部、前記複数のデータセットそれぞれをクラスタリングして複数のデータ集合に分類するクラスタリング部、クラスタリングされた複数のデータ集合に基づいて、自動車開発に関する複数の検証サイクルを生成する検証サイクル生成部、及び、前記複数の検証サイクルそれぞれを実行するシミュレーション部としての機能をコンピュータに発揮させることを特徴とする。
　以上に述べた本発明によれば、複数の自動車における境界条件を満たす現実的な検証サイクルを生成することができる。
本発明の一実施形態に係る検証サイクル生成装置の構成を模式的に示す図である。 同実施形態のクラスタリングの例を示す図である。 同実施形態のマルコフ連鎖を用いた検証サイクルの生成方法を示す模式図である。 同実施形態の検証サイクルの生成方法を示す模式図である。 変形実施形態の検証サイクルの生成方法を示す模式図である。 複数の運転サイクルにおけるＣＯ２排出量の分布を示す分布図である。
　以下、本発明の一実施形態に係る検証サイクル生成方法及び検証サイクル生成システムについて、図面を参照しながら説明する。
＜検証サイクル生成システムの装置構成＞
　本実施形態の検証サイクル生成システム１００は、自動車開発（適合を含む。）に用いられる検証サイクルを生成するものである。ここで、自動車には、例えば、エンジン自動車、ハイブリッド自動車、電気自動車、又は燃料電池自動車などを含む。
　具体的に検証サイクル生成システム１００は、運転サイクルについての複数のデータセットを受け付けるデータセット受付部２と、複数のデータセットそれぞれをクラスタリングして複数のデータ集合に分類するクラスタリング部３と、クラスタリングされた複数のデータ集合に基づいて、自動車開発に関する複数の検証サイクルを生成する検証サイクル生成部４と、複数の検証サイクルそれぞれを実行するシミュレーション装置５とを備えている。
　本実施形態では、データセット受付部２、クラスタリング部３及び検証サイクル生成部４が、シミュレーション装置５とは異なる別のサイクル生成装置１０（ＣＰＵ、内部メモリ、入出力インターフェイル等を有するコンピュータ）により構成されている。なお、データセット受付部２、クラスタリング部３及び検証サイクル生成部４がシミュレーション装置と共通のコンピュータにより構成されても良いし、データセット受付部２、クラスタリング部３及び検証サイクル生成部４それぞれが互いに別々のコンピュータにより構成されても良い。
　データセット受付部２は、運転サイクルについての複数のデータセットを受け付けるものである。ここで、複数のデータセットは、過去に取得されたデータセット、及び／又は、デジタルツイン（Digital Twin）等のシミュレーション装置により得られたシミュレーション結果のデータセットを含む。また、複数のデータセットは、運転サイクルが法規等で基準が決まっているものに関しては基準を満たしたものであり、例えば運転サイクルがＲＤＥで定められたものであれば、ＲＤＥの試験基準を満たしたものである。
　また、各データセットは、車速に関する車速情報、及び、負荷に関する負荷情報を含んでいる。ここで、車速情報は、例えば車速、エンジン回転数又はモータ回転数である。また、負荷情報は、例えばアクセル踏み込み量（アクセル位置）、スロットル開度、燃料噴射量、トルク要求量、電力要求量、水素要求量、又は空気（酸素）要求量等の負荷量を決定する因子である。さらに、各データセットは、ブレーキに関するブレーキ情報、又は、環境因子に関する環境因子情報をさらに含んでも良い。ここで、ブレーキ情報は、例えばブレーキの踏み込み量（ブレーキ位置）である。また、環境因子情報は、例えば気圧、圧力、温度、湿度、路面状況（路面μ、路面粗さ）、又は道路状況（渋滞量）である。
　クラスタリング部３は、データセット受付部２が受け付けた複数のデータセットそれぞれをクラスタリングして複数のデータ集合に分類するものである。クラスタリング部３のクラスタリング手法としては、例えばk-means法、Fussyクラスタリング（集合）法などの非階層クラスタリングを用いることができる。図２にk-means法を用いてクラスタリングしたグラフを示している。このグラフにおいて縦軸は、エンジン回転数（車速）であり、横軸は、アクセル開度である。また、クラスタリング部３は、複数のデータセットを、例えば、「Hard Acceleration（急な加速）」、「Mild Acceleration（緩やかな加速）」、「Constant Speed（定速）」、「Mild Acceleration（緩やかな減速）」、「Hard Acceleration（急な減速）」及び／又は「Stop（停止）」の複数のカテゴリにクラスタリングする。
　検証サイクル生成部４は、クラスタリング部によりクラスタリングされた複数のデータ集合に基づいて、自動車開発に関する検証サイクルを生成するものである。具体的に検証サイクル生成部４は、クラスタリングされた複数のデータ集合からマルコフ連鎖（Markov-Chain）を用いて検証サイクルを生成する。
　この検証サイクル生成部４は、図３に示すように、あるノードから次のノードが起こり得る確率を算出し、最も確率の高いノードを繋いでいくことで、最も起こり得そうな運転パターンを作成する。
　ここで、各ノードは、「エンジン回転数－アクセル開度」を示す１つのデータであり、クラスタリングされた複数のカテゴリ（「Hard Acceleration（急な加速）」、「Mild Acceleration（緩やかな加速）」、「Constant Speed（定速）」、「Mild Acceleration（緩やかな減速）」、「Hard Acceleration（急な減速）」及び／又は「Stop（停止）」）に分類されたものである。そして、複数のノード間の遷移確率が算出されており、それらの遷移確率に基づいて各ノードが繋がれて最も起こり得そうな運転パターン（検証サイクル）が生成される。なお、図３には、上記６つのカテゴリに含まれる各ノードの（ｉ）から（ｊ）に遷移する場合の遷移確率マトリックスと、「Hard Acceleration（急な加速）」のノードから「Hard Acceleration（急な加速）」のノードに遷移する場合の数値例を示している。
　そして、上記の検証サイクル生成部４により生成された検証サイクルは、シミュレーション装置５によって検証される。このシミュレーション装置５は、例えばデジタルツイン（Digital Twin）と呼ばれるシミュレーション装置を用いることができる。なお、このシミュレーション装置５には、検証サイクルを実行可能にするために、
走行する環境、交通状況、ルート、ドライビングスタイル、又は、自動車の仕様等のデータが予め入力されている。
＜検証サイクル生成方法＞
　次に、本実施形態の検証サイクル生成システムを用いた検証サイクル生成方法について図４を参照して説明する。以下では、路上排ガス試験において、ＣＯ２排出量が最も多い検証サイクル（ワーストケースの検証サイクル）を生成する例について説明する。
　路上排ガス試験における種々の運転サイクルの複数のデータセットを、データセット受付部２にインプットする。ここで、複数のデータセットには、過去に取得された実データセット、及び／又は、デジタルツイン（Digital Twin）等のシミュレーション装置により得られたシミュレーション結果の仮想データセットを含む。また、本実施形態の複数のデータセットは、ＣＯ２排出量が最も多いサイクルにおける実データセット（バッドケースの実データセット）、及び／又は、ＣＯ２排出量が最も多いサイクルにおける仮想データセット（バッドケースの仮想データセット）を含む。
　そして、クラスタリング部３により、複数のデータセットそれぞれをクラスタリングして複数のデータ集合に分類する。この例では、「Hard Acceleration（急な加速）」、「Mild Acceleration（緩やかな加速）」、「Constant Speed（定速）」、「Mild Acceleration（緩やかな減速）」、「Hard Acceleration（急な減速）」及び「Stop（停止）」の６つのカテゴリにクラスタリングする。
　次に、検証サイクル生成部４は、クラスタリングされた複数のデータ集合に基づいて、マルコフ連鎖（Markov-Chain）を用いて、自動車開発に関する路上排ガス試験の１つの検証サイクルを生成する。検証サイクル生成部４により生成される検証サイクルは、ＣＯ２排出量が最も多いと予想される検証サイクルである。
　本実施形態では、上述したように、複数のデータセットそれぞれをクラスタリングして複数のデータ集合に分類し、クラスタリングされた複数のデータ集合に基づいて、自動車開発に関する１つの検証サイクルを生成するという一連の工程を複数回行うことにより、複数の検証サイクルを生成する。
　そして、複数の検証サイクルそれぞれをシミュレーション装置５で実行して、複数の検証サイクルの中からユーザが定義する基準を最も満たす代表サイクルを選定する。本実施形態のユーザが定義する基準は、複数の検証サイクルのうち最も悪い検証サイクルを選定する基準である。つまり、複数の検証サイクルをシミュレーション上で実行して、ＣＯ２排出量が最も多い検証サイクルを代表サイクルとして選定する。
＜本実施形態の効果＞
　本実施形態の検証サイクル生成方法によれば、運転サイクルについての複数のデータセットをインプットし、それら複数のデータセットそれぞれをクラスタリングして複数のデータ集合に分類し、クラスタリングされた複数のデータ集合に基づいて、自動車開発に関する検証サイクルを生成しているので、複数の車両における境界条件を満たす現実的な検証サイクルを生成することができる。
　特に、本実施形態では、自動車開発に関する複数の検証サイクルを生成し、複数の検証サイクルそれぞれをシミュレーション装置５で実行して、複数の検証サイクルの中からユーザが定義する基準を最も満たす代表サイクルを選定しているので、複数の車両における境界条件を満たすより一層現実的な検証サイクル（代表サイクル）を生成することができる。
　また、本実施形態では、過去に取得したデータセットに加え、デジタルツイン等による得られたシミュレーションデータを用いて、クラスタリングとマルコフ連鎖の確率論的手法を用いることで、評価対象である自動車に合致した任意の境界条件を満たす、より現実的な検証サイクルを作成することができる。そして、この検証サイクルによって評価された自動車は、従来の経験的な検証サイクルで実施される評価に比べてよりロバストなものとすることができる。さらに、本実施形態によれば、現実に実施不可能な環境条件やドライビングスタイルでの走行をシミュレーション装置で実行し、インプットされるデータセットに組み込むことが可能となる。
＜その他の変形実施形態＞
　なお、本発明は前記実施形態に限られるものではない。
　例えば、前記実施形態では、生成された検証サイクルをシミュレーション装置５により実行して、ユーザが定義する基準を最も満たすサイクルか否かを判定しているが、例えば実機（試験設備）、又は、実機及びシミュレーション装置５の組み合わせを用いて検証サイクルを実行し、ユーザが定義する基準を最も満たすサイクルか否かを判定しても良い。ここで、実機（試験設備）には、シャシダイナモメータ、エンジンダイナモメータ、モータダイナモメータ、又はドライブラインダイナモメータ等が含まれる。
　また、図５に示すように、インプットするデータセットに所定の調整ファクタを付与してデータセットを調整しても良い。この構成であれば、インプットするデータ数を増やすことができるだけでなく、調整ファクタを調整することによって、ユーザが定義する基準を最も満たすサイクル（例えば、より悪い結果となるサイクル）を生成しやすくできる。
　さらに、図６に示すように、検証サイクル生成部４により生成された検証サイクルを複数のデータセットとしてデータセット受付部２にインプットするようにしても良いし、代表サイクルを複数のデータセットとしてデータセット受付部２にインプットするようにしても良い。このように生成された検証サイクルを再度インプットに回すことにより、代表サイクルを前記基準により合致したものにすることができる。
　前記実施形態では、複数の検証サイクルのうち最も悪い検証サイクルを選定する例であったが、最も結果が良い検証サイクルを選定するものであってもよいし、最もユーザの使用頻度の高い検証サイクル、又は結果が平均である検証サイクルを選定するものであってもよい。ここで、最もユーザの使用頻度の高い検証サイクルは、図６に示すように、複数の運転サイクルにおけるＣＯ２排出量の分布において、最も頻度が高いＣＯ２排出量の範囲に含まれる。
　その上、前記実施形態の排ガス試験は、二酸化炭素（ＣＯ２）を測定するものであったが、排ガス試験は一酸化炭素（ＣＯ）、窒素酸化物（ＮＯＸ）、炭化水素（ＣＨ）、全炭化水素（ＴＨＣ）、アンモニウム（ＮＨ３）、ホルムアルデヒド（ＨＣＨＯ）、一酸化二窒素（Ｎ２Ｏ）、粒子状物質（ＰＭ）、及び／又はＰＭ粒子数（ＰＮ）等を排ガスに含まれる成分を測定するものであっても良い。
　また、前記実施形態では、排ガス試験に関する検証サイクルを生成するものであったが、路上バッテリー評価試験に関する検証サイクルを生成するものであっても良い。この場合、インプットする複数のデータセットは、路上バッテリー評価試験における車速情報、負荷情報、及び／又は、減速に関する減速情報を含むものとなる。また、減速情報には、ブレーキの踏み込み量又は回生量等を含む。また、燃料消費量の評価試験に関する検証サイクル、電力消費量の評価試験に関する検証サイクル、水素消費量の評価試験に関する検証サイクル、ブレーキダストの評価試験に関する検証サイクル、又はタイヤダストの評価試験に関する検証サイクル等を生成するものであっても良い。
　これらの評価試験に関する検証サイクルにおいてもユーザが定義する基準を満たす様々な検証サイクルを作成することができるが、ワーストケースの一例として考えられる検証サイクルについて説明する。路上バッテリー評価試験に関する検証サイクルとしては、例えば、電力消費量が最も多い検証サイクルを生成することが考えられる。燃料消費量の評価試験に関する検証サイクルとしては、例えば、燃料消費量が最も多い検証サイクルを生成することが考えられる。電力消費量の評価試験に関する検証サイクルとしては、例えば、電力消費量が最も多い検証サイクルを生成することが考えられる。水素消費量の評価試験に関する検証サイクルとしては、例えば、水素消費量が最も多い検証サイクルを生成することが考えられる。ブレーキダスト又はタイヤダストの評価試験に関する検証サイクルとしては、例えば、ブレーキダスト量又はタイヤダスト量が最も多い検証サイクルを生成することが考えられる。
　その他、本発明の趣旨に反しない限りにおいて様々な実施形態の変形や組み合わせを行っても構わない。
　本発明によれば、複数の自動車における境界条件を満たす現実的な検証サイクルを生成することができる。
１００・・・検証サイクル生成システム
１０　・・・サイクル生成装置
２　　・・・データセット受付部
３　　・・・クラスタリング部
４　　・・・検証サイクル生成部
５　　・・・シミュレーション装置

 

Claims (12)

  1. 　自動車開発の検証サイクルを生成する検証サイクル生成方法であって、
    　運転サイクルについての複数のデータセットをインプットし、
    　前記複数のデータセットそれぞれをクラスタリングして複数のデータ集合に分類し、
    　クラスタリングされた複数のデータ集合に基づいて、自動車開発に関する複数の検証サイクルを生成し、
    　前記複数の検証サイクルそれぞれをシミュレーション装置、実機又はこれらの組み合わせで実行して、前記複数の検証サイクルの中からユーザが定義する基準を最も満たす代表サイクルを選定する、検証サイクル生成方法。
  2. 　前記データセットは、車速に関する車速情報、及び、負荷に関する負荷情報を含む、請求項１に記載の検証サイクル生成方法。
  3. 　前記データセットは、ブレーキに関するブレーキ情報、又は、環境因子に関する環境因子情報をさらに含む、請求項２に記載の検証サイクル生成方法。
  4. 　前記複数のデータセットそれぞれをクラスタリングして複数のデータ集合に分類し、クラスタリングされた複数のデータ集合に基づいて、自動車開発に関する１つの検証サイクルを生成するという一連の工程を複数回行うことにより、複数の検証サイクルを生成する、請求項１乃至３の何れか一項に記載の検証サイクル生成方法。
  5. 　前記クラスタリングされた複数のデータ集合からマルコフ連鎖を用いて前記検証サイクルを生成する、請求項１乃至４の何れか一項に記載の検証サイクル生成方法。
  6. 　インプットする前記データセットに所定の調整ファクタを付与して前記データセットを調整する、請求項１乃至５の何れか一項に記載の検証サイクル生成方法。
  7. 　前記ユーザが定義する基準は、前記複数の検証サイクルのうち最も悪い検証サイクルを選定する基準、最も良い検証サイクルを選定する基準、又は、最もユーザの使用頻度の高い検証サイクルを選定する基準である、請求項１乃至６の何れか一項に記載の検証サイクル生成方法。
  8. 　前記検証サイクルは、路上排ガス試験に関するものであり、
    　インプットする複数のデータセットは、路上排ガス試験における前記車速情報、及び、前記負荷情報を含むものである、請求項１乃至７の何れか一項に記載の検証サイクル生成方法。
  9. 　前記検証サイクルは、路上バッテリー評価試験に関するものであり、
    　インプットする複数のデータセットは、路上バッテリー評価試験における前記車速情報、前記負荷情報、及び、減速に関する減速情報を含むものである、請求項１乃至７の何れか一項に記載の検証サイクル生成方法。
  10. 　前記減速情報は、回生量を含む、請求項９に記載の検証サイクル生成方法。
  11. 　自動車開発の検証サイクルを生成する検証サイクル生成システムであって、
    　運転サイクルについての複数のデータセットを受け付けるデータセット受付部と、
    　前記複数のデータセットそれぞれをクラスタリングして複数のデータ集合に分類するクラスタリング部と、
    　クラスタリングされた複数のデータ集合に基づいて、自動車開発に関する複数の検証サイクルを生成する検証サイクル生成部と、
    　前記複数の検証サイクルそれぞれを実行するシミュレーション装置、実機又はそれらの組み合わせを備える、検証サイクル生成システム。
  12. 　自動車開発の検証サイクルを生成する検証サイクル生成プログラムであって、
    　運転サイクルについての複数のデータセットを受け付けるデータセット受付部、
    　前記複数のデータセットそれぞれをクラスタリングして複数のデータ集合に分類するクラスタリング部、
    　クラスタリングされた複数のデータ集合に基づいて、自動車開発に関する複数の検証サイクルを生成する検証サイクル生成部、及び、
    　前記複数の検証サイクルそれぞれを実行するシミュレーション部としての機能をコンピュータに発揮させることを特徴とする、検証サイクル生成プログラム。

     
PCT/JP2023/024823 2022-08-01 2023-07-04 検証サイクル生成方法、検証サイクル生成システム、及び、検証サイクル生成プログラム WO2024029257A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2022122839 2022-08-01
JP2022-122839 2022-08-01

Publications (1)

Publication Number Publication Date
WO2024029257A1 true WO2024029257A1 (ja) 2024-02-08

Family

ID=89849181

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/024823 WO2024029257A1 (ja) 2022-08-01 2023-07-04 検証サイクル生成方法、検証サイクル生成システム、及び、検証サイクル生成プログラム

Country Status (1)

Country Link
WO (1) WO2024029257A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170132117A1 (en) * 2015-11-06 2017-05-11 Ford Global Technologies, Llc Method and device for generating test cases for autonomous vehicles
JP6414247B2 (ja) * 2016-03-18 2018-10-31 トヨタ自動車株式会社 クラウドソースを利用した車両シミュレーション装置
US20190265128A1 (en) * 2016-10-20 2019-08-29 Technische Universität Darmstadt Method for Determining Support Points of a Test Plan
JP2021107782A (ja) * 2019-12-27 2021-07-29 日産自動車株式会社 設計支援方法及び設計支援装置
WO2021186673A1 (ja) * 2020-03-19 2021-09-23 日本電気株式会社 処理装置、処理方法及びプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170132117A1 (en) * 2015-11-06 2017-05-11 Ford Global Technologies, Llc Method and device for generating test cases for autonomous vehicles
JP6414247B2 (ja) * 2016-03-18 2018-10-31 トヨタ自動車株式会社 クラウドソースを利用した車両シミュレーション装置
US20190265128A1 (en) * 2016-10-20 2019-08-29 Technische Universität Darmstadt Method for Determining Support Points of a Test Plan
JP2021107782A (ja) * 2019-12-27 2021-07-29 日産自動車株式会社 設計支援方法及び設計支援装置
WO2021186673A1 (ja) * 2020-03-19 2021-09-23 日本電気株式会社 処理装置、処理方法及びプログラム

Similar Documents

Publication Publication Date Title
Nyberg et al. Using real-world driving databases to generate driving cycles with equivalence properties
US20170050590A1 (en) System for assessing and/or optimising the operating behaviour
Abas et al. Development of Malaysian urban drive cycle using vehicle and engine parameters
Zhang et al. High-efficiency driving cycle generation using a Markov chain evolution algorithm
Nyberg et al. Driving cycle equivalence and transformation
Barth et al. Analysis of modal emissions from diverse in-use vehicle fleet
JP2017522212A (ja) 車両のエネルギー効率を分析するためのシステムおよび方法
KR20200066348A (ko) 자동차의 배기가스 배출량 계산
CN111552926A (zh) 基于车联网的驾驶行为评价方法、系统及存储介质
CN114595508A (zh) 对载具操作轮廓进行建模
Balau et al. Stochastic real-world drive cycle generation based on a two stage Markov chain approach
Mafi et al. Developing local driving cycle for accurate vehicular CO2 monitoring: A case study of Tehran
WO2024029257A1 (ja) 検証サイクル生成方法、検証サイクル生成システム、及び、検証サイクル生成プログラム
Shi et al. Low-cost reconstruction of typical driving cycles based on empirical information and low-frequency speed data
WO2022168917A1 (ja) 路上走行試験評価方法、車両試験システム及び路上走行試験評価用プログラム
Anida et al. Driving cycle analysis for fuel economy and emissions in Kuala Terengganu during peak time
JP2022120757A (ja) 路上走行試験評価方法、車両試験システム及び路上走行試験評価用プログラム
Khemri et al. Developing a Real-World, Second-by-Second Driving Cycle Database through Public Vehicle Trip Surveys
Dietrich et al. A Combined Markov Chain and Reinforcement Learning Approach for Powertrain-Specific Driving Cycle Generation
Corpus et al. A Comparison of the Fuel Economy Estimates of a Drive Cycle Developed Using the Road Load Energy Criterion and the Actual On-Road Fuel Economy in a Private Vehicle in the Philippines
Cho et al. A methodology of real-world fuel consumption estimation: Part 1. drive cycles
Anida et al. Driving cycle analysis for fuel rate and emissions in Kuala Terengganu city during go-to-work time
Mouzouras New methodologies for assessing the behavior of vehicles under real driving emissions testing regimes
EP4379344A1 (en) Vehicle element response learning method, vehicle element response calculation method, vehicle element response learning system, and vehicle element response learning program
Kibalama et al. Route Generation Methodology for Energy Efficiency Evaluation of Connected and Automated Vehicles⋆

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23849816

Country of ref document: EP

Kind code of ref document: A1