JP4200863B2 - 走行速度パターン推定装置、及びハイブリッド車両の駆動制御装置 - Google Patents

Description

本発明は走行速度パターン推定装置、及びハイブリッド車両の駆動制御装置に係り、例えば、頻繁に走行する経路に対する走行速度パターンの推定、及び推定した走行速度パターンに基づく、エンジンとモータの運転スケジュールの設定に関する。

車両の動力源として内燃機関等のエンジンと、バッテリ（蓄電池等の二次電池）などの蓄電手段から供給される電力によって回転する交流モータやブラシレスＤＣモータ等のモータとを併用したハイブリッド車両が広く実用化されている。
このハイブリッド車両における、エンジンの燃焼消費量を低減する技術が特許文献１で提案されている。

特開２０００−３３３３０５公報

この特許文献１記載の技術では、目的地までの経路を、発進と停止が予測される地点で複数の区間に分割し、ナビゲーション装置から道路データと走行履歴とを取得して各区間毎の走行速度パターンを推定し、推定した走行速度パターンとエンジンの燃料消費特性とに基づいて、目的地までの燃料消費量が最少となるように、エンジン及びモータの運転スケジュールを設定するようになっている。

特許文献１記載技術では、走行経路を分割するための発進、停止予測地点を交差点や合流点等とすると、分割地点としては明瞭であり、道路情報データと連結して容易に判断することができる。
しかし、発進、停止予測地点で走行経路を分割すると、走行予測という観点からは次のような問題がある。
（１）交差点等の発進、停止予測地点は、車両の走行制御からすると束縛、制約要素であり、走行状態が様々に変動する地点である。
すなわち、交差点等は、青信号であればそのまま通過、赤であれば手前で停止し、発進途中で通過する地点である。また、発進しても右左折時に歩行横断者がいれば一旦停止後、再発進することがある。渋滞があれば停止位置が交差点から離れる場合がある。さらに、交差点の手前で数回の停止をし、発進後に通過する場合がある。
（２）走行速度パターンを予測する場合に、各区間毎に区切って走行データを解析する必要性があるが、各区間両端の走行状態が様々に変動することになり解析処理が複雑化する。例えば、分割区間の始点、終点の各々に対して、通過、停止、発進途中が考えられるので、その組み合わせの場合を考える必要が生じる。
（３）また、解析・分類が出来たとして走行予測をする場合に、前後の隣接区間との予測を接続する際に互いに関連付ける必要があり、区間毎に独立して解析することができない。このため、走行経路に複数の区間を考えればその組み合わせは膨大な数になる。

そこで本発明は、走行経路の走行速度のパターンを容易に推定することが可能な走行速度パターン推定装置を提供することを第１の目的とする。
また、エンジンとモータの運転スケジュールを容易に設定することが可能なハイブリッド車両の駆動制御装置を提供することを第２の目的とする。

請求項１記載の発明では、走行経路に対する走行データを記憶する走行情報記憶手段と、走行経路を特定する走行経路特定手段と、前記走行データに基づいて、走行の安定が想定される走行安定地点で前記特定された走行経路を小区間に分割する区間分割手段と、前記走行データに基づいて、前記分割された小区間毎に走行速度パターン候補を生成する走行速度パターン候補生成手段と、前記小区間毎に、前記生成した走行速度パターン候補から１の走行パターン候補を抽出して、これから走行する前記特定された走行経路の推定走行速度パターンを出力する推定走行速度パターン出力手段と、を備え、前記区間分割手段は、「所定車速以上が所定時間以上継続する区間内の地点」、「所定車速以上が所定距離以上継続する区間内の地点」、「速度変動範囲が所定範囲内で、所定時間以上継続する区間内の地点」、又は「速度変動範囲が所定範囲内で、所定距離以上継続する区間内の地点」を走行の安定が想定される走行安定地点として、前記特定した走行経路を小区間に分割する、ことを特徴とする走行速度パターン推定装置を提供する。
請求項２記載の発明では、前記走行経路特定手段は、前記走行データに基づいて車両が頻繁に走行する経路を頻発経路として特定することを特徴とする請求項１記載の走行速度パターン推定装置を提供する。
請求項３記載の発明では、前記走行情報記憶手段は、走行経路に対する走行データ及び走行環境データを相互に対応付けて記憶し、前記推定走行速度パターン出力手段は、現在の走行環境データに合致する走行速度パターン候補を前記小区間毎に抽出して、これから走行する前記特定された走行経路の推定走行速度パターンを出力する、ことを特徴とする請求項１又は請求項２に記載の走行速度パターン推定装置を提供する。
請求項４記載の発明では、駆動力の一部又は全部が車両の駆動又は発電に使用されるエンジンと、車両の駆動力を発生させるモータとを備え、前記エンジンとモータの少なくとも一方の駆動力により走行するハイブリッド車両であって、前記エンジンの駆動による発電及び回生により充電され、前記モータに電力を供給する蓄電手段と、前記蓄電手段の蓄電量を検出する蓄電量検出手段と、請求項１から請求項３のうちのいずれか１の請求項に記載した前記走行速度パターン推定装置と、前記走行速度パターン推定装置で出力した前記特定された経路の推定走行速度パターンと、前記蓄電手段の蓄電量とに基づいて、前記特定された経路における燃料消費量が最少となるように、前記エンジンと前記モータの運転スケジュールを設定する運転スケジュール設定手段と、を具備することを特徴とするハイブリッド車両の駆動制御装置を提供する。

請求項１から請求項３に記載した本発明によれば、走行状態が不定である交差点で分割せずに、走行の安定が予想される走行安定地点、すなわち「所定車速以上が所定時間以上継続する区間内の地点」、「所定車速以上が所定距離以上継続する区間内の地点」、「速度変動範囲が所定範囲内で、所定時間以上継続する区間内の地点」、又は「速度変動範囲が所定範囲内で、所定距離以上継続する区間内の地点」で、特定された走行経路を分割しているので、走行経路の走行速度のパターンを容易に推定することができる。
また、請求項４に記載した本願発明によれば、走行の安定が予想される走行安定地点で分割した特定された走行経路に対する推定走行速度パターンを使用するので、エンジンとモータの運転スケジュールを容易に設定することができる。

以下、本発明の走行速度パターン推定装置、及びハイブリッド車両の駆動制御装置における好適な実施の形態について、図１から図１７を参照して詳細に説明する。
（１）実施形態の概要
本実施形態では、走行経路に対する走行データと走行環境データを相互に対応付けて記憶し、所定回数以上走行した経路を頻発経路として特定する。「頻発経路」とは通勤路のように運転者が良く利用する経路のことであり、このように過去の走行データから「頻発経路」を自動的に特定することで、利用者は何ら操作をすることなしに「頻発経路」すなわち良く利用する経路が特定され、以下説明するようにその特定された経路の特徴に合わせたモータ、エンジンの運転スケジュールが設定され、燃費効果の高い走行が実現される。
特定した頻発経路は、走行が安定すると想定される地点を走行データから特定して複数の小区間に分割し、各小区間毎に走行速度パターン候補を作成する。そして、現在の走行環境データに合致する走行速度パターン候補を各小区間毎に抽出することで、これから走行する頻発経路の推定走行速度パターンを出力する。
ここで、「走行の安定」とは、所定車速以上が所定時間若しくは所定距離以上継続すること、又は、速度変動範囲が所定範囲内で所定時間若しくは所定距離以上継続することをいう。
本実施形態では、走行の安定が想定される地点として、所定車速以上が所定時間以上継続して走行した区間を含む交差点間の中間地点を採用し、この走行安定地点で頻発経路を分割する。
このように、走行状態が不定である交差点で分割せずに、走行安定地点で分割しているので、分割した各小区間の両端の走行状態が安定する。その結果、小区間両端の条件を揃えた状態で考えることができ、前後の区間の走行状態の影響を考える必要が無くなり、各小区間だけを独立して解析することが可能になる。
小区間内の中間交差点近傍の走行状態変化がパターンとして把握でき、分類がしやすくなる。
また、走行ルートに沿った複数の連続した区間で、それぞれ独立に分析し独立に予測し、その結果を制約なしに接続することが出来る。

（２）実施形態の詳細
図１は本発明の実施の形態における走行速度パターン推定装置、及びハイブリッド車両の駆動制御装置が適用されるハイブリッド車両の駆動制御システムの構成を示す概念図である。
図１において、１０は本実施の形態における走行速度パターン推定装置としてのハイブリッド車両の駆動制御システムであり、２０は駆動装置である。ここで、２１はガソリン、軽油等の燃料によって駆動される内燃機関等のエンジンであり、図示されないＥＣＵ等のエンジン制御装置を備え、乗用車、バス、トラック等の車両用の動力源として使用される。そして、エンジン２１の駆動力は、図示されない変速機（多段変速機又は無段変速機）、駆動軸、駆動輪等を備える駆動力伝達装置２５に伝達され、駆動輪が回転することによって車両が駆動される。なお、駆動力伝達装置２５にはドラムブレーキ、ディスクブレーキ等の制動装置を配設することもできる。
本実施形態におけるハイブリッド車両では、エンジン２１の駆動力の一部を駆動用に出力し、駆動力の残りで発電機２２の駆動に使用して発電するようにしてもよい。そのための構成として、例えば、プラネタリギヤを使用し、エンジン２１、発電機２２、モータ２４の各軸を連結することで実現される。

ここで、車両は、ハイブリッド車両であり、電力によって回転するモータ２４（交流モータ、ＤＣブラシレスモータ等）を有し、車両用の動力源としてエンジン２１とモータ２４とを併用する。そして、該モータ２４は蓄電手段としてのバッテリ２３から供給される電力によって駆動力を発生し、該駆動力は駆動力伝達装置２５の駆動輪に伝達される。
また、駆動力伝達装置２５には、交流発電機等の発電機２２が接続され、車両の減速運転時に回生電流を発生するようになっている。そして、発電機２２が発生した回生電流はバッテリ２３に供給され、該バッテリ２３が充電される。また、エンジン２１の駆動力によって発電機２２に電流を発生させることもできる。なお、モータ２４は交流モータであることが望ましく、この場合、図示されないインバータを備える。同様に、発電機２２も交流発電機であることが望ましく、この場合、図示されないインバータを備える。さらに、バッテリ２３は、蓄電量であるＳＯＣ（Ｓｔａｔｅ Ｏｆ Ｃｈａｒｇｅ）を検出するための図示されない容量検出センサを備える。この容量検出センサは、蓄電量検出手段として機能する。

なお、モータ２４は、発電機２２と一体的に構成されたものであってもよい。この場合、モータ２４は、バッテリ２３から電力が供給されるときは駆動力を発生して動力源として機能し、車両の制動時等のように駆動力伝達装置２５によって回転させられるときは回生電流を発生する発電機２２として機能する。
また、発電機２２はエンジン２１の駆動力による発電を行い、車両の減速運転時における回生電力の発生をモータ２４で行うようにしてもよい。

バッテリ２３は充電と放電とを繰り返すことができる蓄電手段としての二次電池であり、鉛蓄電池、ニッケルカドミウム電池、ニッケル水素電池等が一般的であるが、電気自動車等に使用される高性能鉛蓄電池、リチウムイオン電池、ナトリウム硫黄電池等であってもよい。なお、蓄電手段は、必ずしもバッテリ２３でなくてもよく、電気二重層コンデンサのようなコンデンサ（キャパシタ）、フライホイール、超伝導コイル、蓄圧器等のように、エネルギーを電気的に蓄積し放電する機能を有するものであれば、いかなる形態のものであってもよい。さらに、これらの中のいずれかを単独で使用してもよいし、複数のものを組み合わせて使用してもよい。例えば、バッテリ２３と電気二重層コンデンサとを組み合わせて、蓄電手段として使用することもできる。

そして、２６はメイン制御装置であり、図示されないＣＰＵ、ＭＰＵ等の演算手段、半導体メモリ、磁気ディスク等の記憶手段、通信インターフェイス等を備える一種のコンピュータであり、走行パターン予測部１１、容量検出センサ及び走行データ取得部１３の各種センサからの信号に基づいて、エンジン２１、エンジン制御装置、モータ２４，発電機２２及びインバータの動作を制御する。ここで、センサは、アクセルセンサ、ブレーキセンサ等であり、車両の運転者の操作に関連した情報を検出してメイン制御装置２６に送信する。

なお、該メイン制御装置２６は、通常、車両の走行状況とバッテリーの蓄電状態によってエンジン２１とモータ２４との使用割合を制御する。例えば、発進時や低速走行時などのエンジン効率が低い場合はモータ走行とし、所定車速以上や所定負荷以上の場合はエンジン走行とする。バッテリーの蓄電状態が低い場合には、効率の良いエンジン状態で発電しバッテリーに蓄電することもある。減速時や降坂時には回生を行い、バッテリーに蓄電する。 本実施形態では、走行安定地点に基づいて頻発経路を小区間に分割して推定走行速度パターンを決定し、決定した推定走行速度パターンに基づいて、各小区間ごとにエンジン２１の燃料消費量が最小となる運転スケジュールを設定する。そして、頻発経路を走行する場合、設定した運転スケジュールに従ってエンジン２１とモータ２４を駆動する。

また、図１において、１２は、地図データ、道路データ、探索データ等の通常のナビゲーション装置におけるナビゲーション処理に使用されるデータとしてのナビゲーション情報が格納されているナビゲーションデータベース、１４は時刻、日時、渋滞情報、気象情報等の車両の走行環境に関するデータを取得する走行環境データ取得部である。なお、走行データ取得部１３は、各種センサを備え、車速、ブレーキの作動状態、アクセル開度等の車両の走行状態に関するデータを取得する。
そして、走行パターン予測部１１は、図示されないＣＰＵ、ＭＰＵ等の演算手段、半導体メモリ（ＲＯＭ、ＲＡＭ等）、磁気ディスク等の記憶手段、通信インターフェイス等を備える一種のコンピュータであり、ナビゲーションデータベース１２，走行データ取得部１３及び走行環境データ取得部１４からデータを取得し、車両の現在位置の表示、目的地までの経路探索等のナビゲーション処理を実行する。
また、走行パターン予測部１１は、安定走行地点に基づく分割点設定処理、頻発経路の分割化処理を含む、運転者の運転特性を反映した走行速度パターンを推定する走行速度パターン推定処理を実行する。
なお、走行パターン予測部１１は、図示されない操作キー、押しボタン、ジョグダイヤル、十字キー、リモートコントローラ等を備える入力部、ＣＲＴディスプレイ、液晶ディスプレイ、ＬＥＤ（Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ）ディスプレイ、プラズマディスプレイ、フロントガラスのホログラムを投影するホログラム装置等を備える表示部、マイクロホン等によって構成される音声入力部、音声合成装置、スピーカ等を備える音声出力部、及び、ＦＭ送信装置、電話回線網、インターネット、携帯電話網等との間で各種データの送受信を行う通信部を有することが望ましい。

そして、ナビゲーションデータベース１２は、各種のデータファイルから成るデータベースを備え、経路を探索するための探索データの他、表示部の画面に、探索された経路に沿って案内図を表示したり、交差点又は経路における特徴的な写真、コマ図等を表示したり、次の交差点までの距離、次の交差点における進行方向等を表示したり、他の案内情報を表示したりするために、地図データ、施設データ等の各種のデータを記録する。なお、ナビゲーションデータベース１２には、所定の情報を音声出力部によって出力するための各種のデータも記録される。

ここで、探索データには、交差点データ、道路データ、交通規制データ及び経路表示データが含まれる。そして、交差点データには、データが格納されている交差点の数に加え、それぞれの交差点に関するデータが交差点データとして、識別するための番号が付与されて格納されている。さらに、それぞれの交差点データには、該当する交差点に接続する道路、すなわち、接続道路の数に加え、それぞれの接続道路を識別するための番号が付与されて格納されている。なお、交差点データには、交差点の種類、すなわち、交通信号灯器の設置されている交差点であるか、又は、交通信号灯器の設置されていない交差点であるかの区別が含まれていてもよい。

また、道路データには、データが格納されている道路の数に加え、それぞれの道路に関するデータが道路データとして、識別するための番号が付与されて格納されている。そして、それぞれの道路データには、道路種別、それぞれの道路の長さとしての距離、それぞれの道路を走行するのに要する時間としての施工時間等が格納されている。さらに、道路種別には、国道、県道、主要地方道、一般道、高速道路等の行政道路属性が含まれる。

なお、道路データには、道路自体について、幅員、勾配、カント、高度、バンク、路面の状態、中央分離帯があるか否か、道路の車線数、該車線数の減少する地点、幅員の狭くなる地点等のデータが含まれることが望ましい。そして、高速道路や幹線道路の場合、対向方向の車線のそれぞれが別個の道路データとして格納され、二条化道路として処理される。例えば、片側二車線以上の幹線道路の場合、二条化道路として処理され、上り方向の車線と下り方向の車線とは、それぞれ、独立した道路として道路データに格納される。さらに、コーナについては、曲率半径、交差点、Ｔ字路、コーナの入口等のデータが含まれることが望ましい。また、踏切、高速道路出入口ランプウェイ、高速道路の料金所、降坂路、登坂路等の道路属性が含まれていてもよい。

ナビゲーションデータベース１２の有するデータは、半導体メモリ、磁気ディスク等の記憶手段に格納されている。そして、該記憶手段は、磁気テープ、磁気ディスク、磁気ドラム、フラッシュメモリ、ＣＤ−ＲＯＭ、ＭＤ、ＤＶＤ−ＲＯＭ、光ディスク、ＭＯ、ＩＣカード、光カード、メモリカード等、あらゆる形態の記憶媒体を含むものであり、取り外し可能な外部記憶媒体を使用することもできる。

また、走行データ取得部１３は、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ ｓｙｓｔｅｍ）衛生からのＧＰＳ情報を受信するＧＰＳセンサ、車両の向いている方位を検出する方位センサ、アクセル開度を検出するアクセル開度センサ、運転者が操作するブレーキペダルの動きを検出するブレーキスイッチ、運転者が操作するステアリングの舵角を検出するステアリングセンサ、運転者が操作するウィンカスイッチの動きを検出するウィンカセンサ、運転者が操作する変速機のシフトレバーの動きを検出するシフトレバーセンサ、車両の走行速度、すなわち、車速を検出する車速センサ、車両の加速度を検出する加速度センサ、車両の向いている方位の変化を示すヨーレイトを検出するヨーレイトセンサ等を有する。そして、走行データは、車両の現在位置、アクセル開度、運転者が操作するブレーキペダルの動き、運転者が操作するステアリングの舵角、運転者が操作するウィンカスイッチの動き、運転者が操作する変速機のシフトレバーの動き、車速、車両の加速度、車両の向いている方位の変化を示すヨーレイト等を含んでいる。

ここで、走行データ取得部１３は、車両が出発地点で始動してから目的地点で停止するまでの間、所定間隔で車両の現在位置、走行速度等の走行データを取得する。すなわち、所定時間間隔（例えば、１００［ｍｓｅｃ］、１［ｓｅｃ］等の所定時間毎）、又は、所定距離間隔（例えば、１００［ｍ］、５００［ｍ］等の所定距離毎）で走行データを取得する。又は、不定間隔ではあるが道路のノード点（道路のデータベース上での区切り点）毎や交差点等の位置が特定できる地点に対応させて走行データを取得しても良い。このように、所定間隔で走行データを取得することによって、車両の走行した軌跡やその時々の走行速度の変化、すなわち、走行速度パターンを得ることができ、走行パターン予測部１１において走行速度パターンを生成したり推定したりするために利用することができる

そして、走行環境データ取得部１４は、時計、カレンダー等を備え、現在の時刻、日付、曜日、車両が出発した日にちと時刻等の日時情報を取得して格納する。また、走行環境データ取得部１４は、例えば、ＶＩＣＳ（Ｒ）（Ｖｅｈｉｃｌｅ Ｉｎｆｏｒｍａｔｉｏｎ ＆ Ｃｏｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍ）と称される道路交通情報通信システムにおいて、警察、日本道路公団等の交通管制システムの情報を収集して作成した道路の渋滞等に関する情報、交通規制情報、道路工事等に関する工事情報等の道路交通情報を取得して格納する。さらに、走行環境データ取得部１４は、祭り、パレード、花火大会等のイベントの開催予定場所、予定日時等のイベント情報、例えば、駅周辺や大型商業施設周辺の道路には週末を除く毎日の特定時刻に渋滞が発生するとか、海水浴場周辺の道路には夏期休暇時期に渋滞が発生する等の統計的渋滞情報、気象庁が作成する天気予報等の気象情報等も取得して格納することが望ましい。走行環境データ取得部１４が取得して格納する車両が走行する環境に関する情報としての走行環境情報は、現在の時刻、日付、曜日、車両が出発した日時、天気、道路の渋滞情報、交通規制情報、道路工事情報、イベント情報等を含んでいる。

また、走行環境データ取得部１４は、日時、曜日、ワイパー、ヘッドライト、エアコン、デフロスタなどの車両搭載機器の作動状況のデータ、及び、雨滴センサ、気温センサ等の車両搭載センサのセンシングデータを取得する。車両搭載機器の作動状況のデータ及びセンシングデータは、走行パターン予測部１１において、その時の天候を推定するために利用することができる。

なお、走行データ記憶部１５には、走行データ取得部１３が取得した走行データ、及び走行環境データ取得部１４が取得した走行環境データが記憶される。この場合、車両の１回の走行における走行データと走行環境データとは、相互に対応付けられて記憶される。
走行速度パターン候補機億部１６には、後述される過去の走行データから生成される走行速度パターンが記憶される。

また、分割点記憶部１７には、分割点設定処理で設定された各分割点のデータが、各走行経路毎に記憶される。この分割点データは、走行経路を特定するための走行経路特定データ（出発点、走行経路上に存在する交差点、到着点を特定する各地点データからなるデータ列）毎に、記憶される。

本実施の形態のハイブリッド車両の駆動制御システム１０においては、走行パターン予測部１１が走行速度パターン推定処理を実行して走行速度パターンを推定すると、メイン制御装置２６は、走行速度パターンに基づいて、エンジン２１とモータ２４との使用割合のスケジュールを設定し、該スケジュールに従ってエンジン２１及びモータ２４の運転状態並びにバッテリ２３のＳＯＣを制御するようになっている。

そして、走行速度パターン推定装置としてのハイブリッド車両の駆動制御システム１０は、機能の観点から、走行情報記憶手段と、頻発経路特定手段と、区間分割手段と、走行速度パターン候補生成手段と、推定走行速度パターン出力手段と、運転スケジュール設定手段とを有する。
本実施形態では、走行データ記憶部１５が走行情報記憶手段として機能し、走行経路に対する走行データを記憶する。また走行データ記憶部１５は、走行環境データを走行データに対応付けて記憶する。
走行パターン予測部１１は、頻発経路特定手段、区間分割手段、走行速度パターン候補生成手段、及び推定走行速度パターン出力手段として機能する。
走行パターン予測部１１は、頻発経路特定手段として機能する場合、走行データに基づいて頻発経路を特定し、区間分割手段として機能する場合、走行データに基づいて走行の安定が想定される走行安定地点で前記頻発経路を小区間に分割する。また、走行速度パターン候補生成手段として機能する場合、走行データに基づいて走行速度パターン候補を生成し、推定走行速度パターン出力手段として機能する場合、現在の走行環境データに合致する走行速度パターン候補を抽出して、これから走行する経路の推定走行速度パターンを出力する。
メイン制御部２６が運転スケジュール設定手段として機能し、頻発経路の推定走行速度パターンと、蓄電手段の蓄電量とに基づいて、頻発経路における燃料消費量が最少となるように、エンジンとモータの運転スケジュールを設定する。

以上のように構成された本実施形態の走行速度パターン推定装置により、所定の出発地から目的地までの経路を、安定走行点に基づいて小区間に分割する分割化処理について説明する。
図２は、分割化処理を説明するための走行ルートを例示したものである。
なお、図２に示した走行ルートは、自宅から勤務先まで、一般的な通勤者の走行時に遭遇するであろう状況を想定し、ある日の走行状態を簡略的に表したものである。
図２に示すように、出発点の自宅をＰ０とし、走行経路に存在する各交差点をそれぞれＰ１〜Ｐ７とし、到着地点（目的地）の勤務先をＰ８とする。
そして、以下のような走行が行われたものとする。
（ａ）Ｐ０−Ｐ３間
自宅Ｐ０を出発して、住宅地を走り、交差点Ｐ３で幹線道路に抜ける。Ｐ０〜Ｐ３までは、殆どの場合は狭い、見通しの悪い路地で、通学する児童や、出勤する車が車庫から出てくる等があり、停止・発進を繰り返し低速で走行する。
（ｂ）Ｐ３−Ｐ５間
郊外の幹線道路を比較的順調に走る。この日はＰ４の信号の繋がりが良く、走り抜けることができたが、交差点Ｐ５手前は相変わらずの渋滞で、信号待ち４回の停止をした。
（ｃ）Ｐ５−Ｐ６間
途中順調に走行するが、交差点Ｐ６の信号は相変わらず、必ず停止することになる。
（ｄ）Ｐ６−Ｐ８
交差点Ｐ６を抜ければ、次の交差点Ｐ７の信号は前の信号と連動しているので、殆どの場合に停止することなく、勤務先Ｐ８に到着するが、出勤車が集中し駐車場入口が混雑する。

図３は、図２に例示した走行ルートにおける、ある日の走行パターンを表したものである。
この図３を参照して、本実施形態における走行安定区間と区間分割点の設定について説明する。
本実施形態では、走行状態が比較的安定する走行安定地点で区間分割点を設定し、この分割点に基づいて以後の走行解析を行うことが重要になる。そこで、本実施形態では、同一の走行経路に対して次回以降の走行で走行パターンが多少変動した場合でも変更しないことが、解析を複雑化させないためにも必要である。このような前提で走行解析を行い、日にちや曜日、出発時刻、天候等々の要因について走行パターンへの影響度等を分析できることになる。

（１）走行安定区間の選定
本実施形態では、走行安定区間で分割するため、走行経路における走行安定区間を選定する。
走行安定区間の選定条件である走行安定条件は、「所定車速Ｖｂ以上で、所定時間Ｔｂ（又は所定距離Ｌｂ）以上連続走行した場合」である。
なお、本実施形態における所定車速Ｖｂは時速４０ｋｍであるが、５０ｋｍ等の他の速度でもよく、また、ユーザが任意に設定できるようにしてもよい。また、予め設定されている走行地域（住宅地、郊外等）や、道路の種別（一般道、高速道路等）に応じて車速Ｖｂを変更するようにしてもよい。
また、走行安定区間を「速度変動範囲が所定範囲内で所定時間以上、又は所定距離以上継続する区間」とすることも可能である。

図３に例示した走行パターンの場合、所定速度Ｖｂを超える区間は、ｔ１２（この区間の走行時間もｔ１２で表す。以下同じ）、ｔ２３、ｔ３５、ｔ５６、ｔ６８が該当する。
このうち、所定時間ｔｂ以上連続してＶｂを超える区間ｔ２３、ｔ３５、ｔ５６、ｔ６８が走行安定区間に該当する。

（２）区間分割点の設定
図３はある日の走行例であり、通勤走行のように日常同じルートを、ほぼ同じ時間帯に長期間に渡り繰り返し走行する場合は、ほぼ同じ走行パターンながら、毎日走れば少しずつ違いがあり、バラつくのが自然である。例えば、図３の例では交差点Ｐ４交差点をＶｂ以上で走り抜けているが、日によっては停止することもあり、交差点Ｐ３も日によっては信号に掛からずに、通過できる。一方、交差点Ｐ１，Ｐ２は一旦停止交差点なので毎日ほぼ同じ走行パターンになる。
以上の点を考慮して、本実施形態では、選定した走行安定区間内に交差点がある場合は、走行安定区間を交差点で区切って表示している。

まず、出発点Ｐ０、目的地Ｐ８は走行ルートの両端であり、それぞれ無条件に分割点ＰＤ０、ＰＤ８とする。
交差点Ｐ０−Ｐ１間は車速条件Ｖｂ以上を満たさず、Ｐ１−Ｐ２間は一時的に車速条件を満たすものの、時間条件Ｔｂ以下であるため、分割点設定条件を満たさない。すなわち、Ｐ０−Ｐ１間とＰ１−Ｐ２間は、走行安定区間ではないため、この間には分割点は設定しない。
一方、交差点Ｐ２−Ｐ３間では、走行安定条件（車速、時間条件）を満たすことになる。そこで、その走行安定区間ｔ２３を含む交差点Ｐ２と交差点Ｐ３との中間点を区間分割点（走行安定地点）ＰＤ２３とする。

交差点Ｐ３−Ｐ５間で、比較的長い走行安定区間ｔ３５が存在する。
しかし、上述したように、日によってはＰ４に信号で停止したり、時には渋滞があり停止・発進を繰り返す場合もある。
そこでＴｂより大きな新たな閾値Ｔｂｂ（Ｔｂｂ＞Ｔｂ）を設け、走行安定区間ｔ３５内の交差点Ｐ４までの時間ｔ３４がＴｂｂ以上である場合は、仮に交差点Ｐ４で停止した場合でも走行安定時間がＴｂとほぼ同じ時間か大きく下回ることが無いように設定する。
例えば、図３の走行パターンの場合、走行安定区間ｔ３５を交差点Ｐ４で区切った場合の、区間ｔ３４がｔ３４≧Ｔｂｂであるので、交差点Ｐ３と交差点Ｐ４の中間に区間分割点ＰＤ３４を設定する。
同様に、走行安定区間ｔ３５を交差点Ｐ４で区切った場合の、区間ｔ４５がｔ４５≧Ｔｂｂなので、交差点Ｐ４と交差点Ｐ５の中間に区間分割点ＰＤ４５を設ける。

交差点Ｐ５−Ｐ６間はこの区間だけで独立に走行安定条件を満たす走行安定区間ｔ５６が存在している、交差点Ｐ５と交差点Ｐ６の中間にＰＤ５６を設ける。
交差点Ｐ６−Ｐ８間には、走行安定区間ｔ６８が存在し、走行安定区間ｔ６８には交差点Ｐ７が存在する。そこで、走行安定区間ｔ３５と同様に、走行安定区間ｔ６８を交差点Ｐ７で区分する。この場合、交差点Ｐ６−Ｐ７間の区間Ｔ６７は、交差点Ｐ７を停止することなく通り抜けた場合であっても、ｔ６７＜Ｔｂ（ｔ６７＜Ｔｂｂ）なので、分割点を設定しない。
一方、交差点Ｐ７で区分した、区分ｔ７８はｔ７８≧Ｔｂｂなので、交差点Ｐ７とＰ８の中間に区間分割点ＰＤ６８を設定する。

次に本実施形態による、走行経路の分割点設定処理の具体的な処理動作について説明する。
本実施形態では、走行経路について初回走行時の後に区間分割点を設定する。
図４は、分割点設定処理の処理動作を表したフローチャートである。
まず、走行パターン予測部１１は、分割化に必要なＲＡＭのエリア確保等の初期設定を行う（ステップ５０）。
そして、走行パターン予測部１１は、走行した走行経路が走行第１回目か否かを判断し（ステップ５１）、第２回目以降である場合（；Ｎ）には処理を終了する。
一方、第１回目の走行である場合（ステップ５１；Ｙ）、走行パターン予測部１１は、走行時に走行データ取得部１３で取得し、走行終了後に走行データ記憶部１５に格納するためにＲＡＭに格納されている走行データを取得する（ステップ５２）。すなわち、走行パターン予測部１１は、ＲＡＭに格納されている出発地から目的地まで、所定間隔（距離、時間等）毎に検出した車両現在位置とその位置での走行速度等を含む走行データを取得する。なお、本実施形態では、初回の走行経路に対して分割点設定処理を行うため、走行データがＲＡＭに格納されている。そこで、ＲＡＭから走行データを取得するが、走行データ記憶部１５から取得するようにしてもよい。

そして、走行パターン予測部１１は、ＲＡＭに確保したｎの値をｎ＝０に設定する（ステップ５３）。
また、走行パターン予測部１１は、走行経路を特定するデータと、その走行経路に対する分割点を格納するための分割点格納エリアをＲＡＭに確保し、出発地点を分割点ＰＤ０に、目的地を分割点ＰＤＮに設定し、ＲＡＭに格納する（ステップ５４）。ここで、Ｎの値は、出発地と目的地（到着地点）との間に存在する交差点数をＰとした場合、Ｐに出発地と目的地（到着地点）の数２を加えた値で、Ｎ＝Ｐ＋２である。また、走行経路を特定するデータとして、出発点、走行経路上に存在する交差点データ（本実施形態では交差点番号であるが、座標値でもよい）、及び到着点の各地点データ列とする。この地点データ列を比較することで、走行した経路が、初めての経路か、以前走行した経路かを判断することができる。なお、出発点と到着点の地点データとしては、目的地や出発地としてナビゲーションＤＢ１２に登録されている場合（自宅や会社のようにユーザが個人的に地点登録した場合の地点データも含む）にはその地点データを使用し、登録されていない場合には座標値が使用される。

次に、走行パターン予測部１１は、取得した走行データから、走行安定条件の１つである所定車速Ｖｂ以上で走行した区間が交差点Ｐｎ−Ｐｎ＋１の区間に存在するか否かを判断する（ステップ５５）。
車速Ｖｂ以上での走行区間が存在しない場合（ステップ５５；Ｎ）、ｎに１を加えて（ステップ５８）、ステップ５５に戻り、次の交差点区間について判断する。図３の例では、交差点Ｐ０−Ｐ１間が該当する。

一方、車速Ｖｂ以上での走行区間が存在する場合（ステップ５５；Ｙ）、車速Ｖｂ以上で連続して走行していた時間ｔｎ（ｎ＋１）が、もう１つの走行安定条件である、所定時間Ｔｂ以上であるか判断する（ステップ５７）。
車速Ｖｂ以上での連続走行時間が所定時間Ｔｂ未満である場合（ステップ５７；Ｎ）、例えば図３における交差点Ｐ１−Ｐ２間の区間ｔ１２、交差点Ｐ６−Ｐ７間の区間ｔ６７が該当し、この場合走行安定条件を満たしていないので、ステップ５６に移行し次の区間について判断する。

車速Ｖｂ以上での連続走行時間ｔｎ（ｎ＋１）が所定時間Ｔｂ以上である場合（ステップ５７；Ｙ）、走行パターン予測部１１は、交差点Ｐ（ｎ＋１）の地点での車速ｖがｖ≧Ｖｂであるか否かを判断する（ステップ５８）。これにより交差点Ｐ（ｎ＋１）が走行安定区間内の交差点か否かを判断する。
交差点Ｐ（ｎ＋１）での車速ｖがＶｂ以上でない場合（ステップ５８；Ｎ）、交差点Ｐ（ｎ＋１）は走行安定区間内の交差点ではないので、交差点Ｐｎと交差点Ｐ（ｎ＋１）間の中間点を区間分割点ＰＤｎ（ｎ＋１）として設定し、区間分割点ＰＤｎ（ｎ＋１）の座標（緯度、経度）を、ＲＡＭに確保した分割点格納エリアに格納する（ステップ５９）。図３の例示では、交差点Ｐ２−Ｐ３間（走行安定区間ｔ２３が存在）の中間地点に設定した分割点ＰＤ２３、交差点Ｐ４−Ｐ５間に設定した分割点ＰＤ４５が該当する。

交差点Ｐ（ｎ＋１）での車速ｖがＶｂ以上である場合（ステップ５８；Ｙ）、この交差点Ｐ（ｎ＋１）は走行安定区間内での交差点なので、走行パターン予測部１１は、当該交差点Ｐ（ｎ＋１）で区切り、走行安定区間のうち交差点Ｐ（ｎ＋１）までの走行時間ｔｎ（ｎ＋１）がＴｂｂ以上であるか否かを判断する（ステップ６０）
ｔｎ（ｎ＋１）≧Ｔｂｂである場合（ステップ６０；Ｙ）、仮に交差点Ｐｎ（ｎ＋１）で停止した場合でも走行安定時間がＴｂにほぼ同じ時間か大きく下回ることが無いので、走行パターン予測部１１は、ステップ５９に移行する。すなわち、走行パターン予測部１１は、交差点ＰｎとＰ（ｎ＋１）間の中間点を区間分割点ＰＤｎ（ｎ＋１）として設定し、区間分割点ＰＤｎ（ｎ＋１）の座標（緯度、経度）を、ＲＡＭに確保した分割点格納エリアに格納する。図３の例示では、交差点Ｐ３−Ｐ４間（走行安定区間ｔ３５のうちの区間ｔ３４≧Ｔｂｂが存在）の中間地点に設定した分割点ＰＤ３４が該当する。

一方、ｔｎ（ｎ＋１）＜Ｔｂｂである場合（ステップ６０；Ｎ）、交差点Ｐ（ｎ＋１）で停止する場合に走行安定区間が存在しなくなる可能性が存在するため、走行パターン予測部１１は、その交差点Ｐｎ−Ｐ（ｎ＋１）間では分割点を設定せずに、ステップ５６に移行し、その後次の交差点間に対する分割点設定の可否について判断する。

ステップ５９において、設定した分割点の座標をＲＡＭの分割点格納エリアに格納した後、走行パターン予測部１１は、ｎを（Ｎ−１）と比較し（ステップ６１）、ｎが（Ｎ−１）未満（Ｎ＝Ｐ（交差点数）＋２）であれば（；Ｎ）、ステップ５６に移行し、次の交差点間に対する分割点設定の可否について判断する。
一方、ｎ≧（Ｎ−１）である場合（ステップ６１；Ｙ）、到着点ＰＮまでの各交差点間の分割点設定の可否が終了しているので、走行パターン予測部１１は、ＲＡＭの分割点格納エリアに格納した、分割点データと、分割した走行経路の走行経路特定データ（出発点、走行経路上に存在する交差点、到着点を特定する各地点データからなるデータ列）を対応させて、分割点記憶部１７に格納して（ステップ６２）、分割点設定処理を終了する。

以上説明したように、本実施形態によれば、同一の走行経路であっても走行する毎に車速、加減速状態に変動が存在するが、交差点のように走行状態が大きく変動する点ではなく、毎回走行が安定している地点を分割点としており、この分割点では、ほぼ同様の走行状態（車速等）、すなわち通常の速度変動範囲内である。これにより、走行経路を分割点で分割した場合の、各小区間の両端（分割点）の走行状態が安定している、という条件を満たすことが可能になる。
その結果、分割した小区間両端の条件を揃えた状態で考えれば前後の区間の走行状態の影響を考える必要が無くなり、各小区間だけを独立に解析することが可能となる。
また、分割点で分割した小間内の中間交差点近傍の走行状態変化がパターンとして把握でき、分類がしやすくなる。
さらに、走行経路に沿った複数の連続した小区間に対してそれぞれ走行速度パターン等を独立に分析と予測をし、その結果を制約なしに接続することができる。

次に、走行安定区間に基づいて設定した分割点を使用して、走行速度パターンを推定する動作の全体的な流れについて説明する。
図５は本発明の実施の形態における走行速度パターン推定装置の全体的な動作を示すフローチャートである。

まず、走行パターン予測部１１は、通常のナビゲーション装置がナビゲーション処理を実行する場合と同様に、走行データ取得部１３が取得した走行データを走行データ記憶部１５に送信し、記憶させて蓄積させる（ステップＳ１）。また、走行パターン予測部１１は、走行環境データ取得部１４が取得した走行環境データを走行データ記憶部１５に送信して、記憶させる。
この場合、走行パターン予測部１１は、車両の１回の走行における走行データと走行環境データとを相互の対応付けてＲＡＭの所定エリアに格納し、車両の１回の走行が終了した時点で、ＲＡＭに格納した走行データと走行環境データとを走行データ記憶部１５に記憶させる。なお、車両の１回の走行とは、一旦（たん）車両が始動してから停止するまで、すなわち、駆動装置２０が始動してから停止するまでの走行である。

続いて、走行パターン予測部１１は、走行データ記憶部１５に記憶されて蓄積された走行データに基づいて、頻繁に走行する経路を頻発経路として特定するための頻発経路特定処理を実行する（ステップＳ２）。この場合、車両が所定回数以上走行したことのある経路が頻発経路として特定されて登録される。

続いて、走行パターン予測部１１は、走行速度パターン候補を生成するための走行速度パターン候補生成処理を実行する（ステップＳ３）。この場合、走行パターン予測部１１は、頻発経路の各地点データ（出発点データ、途中の交差点データ、到着点データの各地点データ列）から、頻発経路を特定し、該頻発経路（走行経路）に対して設定されている分割点データを分割点記憶部１７から読み出す。
そして、走行パターン予測部１１は、読み出した分割点データにより、頻発経路を複数の小区分に分割し、各小区間における過去の走行データを通常複数の分類に分類分けし、分類分けされた走行データに基づいて各分類毎に代表的な走行速度パターンを生成して、走行速度パターン候補とする。そのため、各小区間毎に通常複数の走行速度パターン候補が生成される。なお、単一の分類しか該当せず、単一の走行速度パターン候補だけが生成される小区間も存在し得る。

続いて、走行パターン予測部１１は、これから走行すると推定される経路における走行速度パターンを推定するための走行速度パターン推定処理を実行する（ステップＳ４）。この場合、走行パターン予測部１１は、走行データ記憶部１５に蓄積された走行データの中から、現在の走行環境データに合致する走行データを抽出し、小区間毎に、抽出された過去の走行データが最も多く属する走行速度パターン候補を推定走行速度パターンとして選択する。そして、小区間毎に選択された推定走行速度パターンを繋（つな）ぎ合わせて、これから走行すると推定される経路における走行速度パターンとして出力する。

次に、頻発経路特定処理について詳細に説明する。
図６は本発明の実施の形態における頻発経路特定処理の動作を示すフローチャートである。

まず、走行パターン予測部１１は、車両の１回の走行における走行データの取得が終了すると、取得された今回の走行データを走行データ記憶部１５に蓄積されている過去の走行データと照合して、今回走行した経路と同じ経路を走行した回数が過去何回あるかを確認する（ステップＳ２−１）。この場合、今回の走行データと過去の走行データとを直接比較するよりも、ナビゲーション処理において利用されるマップマッチング機能によって、今回の走行データをナビゲーションデータベース１２に格納されているデータと照合させて今回走行した経路を特定し、該経路を走行した回数が過去何回あるかを確認する方が効率的である。

続いて、走行パターン予測部１１は、今回走行した経路と同じ経路を走行した回数が所定回数（例えば、１０回）以上であるか否かを判断する（ステップＳ２−２）。そして、所定回数以上である場合、走行パターン予測部１１は、今回走行した経路を頻発経路として特定して登録し、処理を終了する（ステップＳ２−３）。また、所定回数以上でない場合には、今回走行した経路を頻発経路とすることなく、処理を終了する。
なお、本実施形態では１０回の走行で頻発経路に登録するが、頻発経路に該当するための登録条件として他の回数１５回、２０回等の他の回数でもよく、また、ユーザが変更可能な任意のｎ回（デフォルト値は、例えば１０回）としてもよい。

次に、走行速度パターン候補生成処理について説明する。
図７（Ａ）は本実施形態における頻発経路を複数の小区間に分割する例を示す図、図７（Ｂ）は本実施形態における小区間の走行データの例を示す図、図８は本実施形態における分類分けされた各小区間の走行データの例を示す図、図９は本実施形態における分類分けされた小区間の代表走行速度パターンの例を示す図、図１０は本発明の実施の形態における頻発経路のすべての小区間についての走行データの分類分けの例を示す図、図１１は本発明の実施の形態における走行速度パターン候補生成処理の動作を示すフローチャートである。

まず、走行速度パターン候補生成処理（図１１）において、走行パターン予測部１１は、登録された頻発経路の蓄積された走行データを走行データ記憶部１５から取得する（ステップＳ３−１）。
また、走行パターン予測部１１は、頻発経路（走行経路）に対して上述した分割点設定処理（図４参照）において設定されている分割点データを分割点記憶部１７から取得し、分割点毎に頻発経路を複数の小区分に分割する（ステップＳ３−２）。

本実施の形態において、走行パターン予測部１１は、走行が安定する走行安定区間内に設定された分割点毎の小区間に分割することで、他の小区間を考慮せずに各小区間毎に走行速度パターン候補を生成し選択することができ、選択した各走行速度パターン候補を接続するだけで推定走行速度パターンを決定することができる。
そこで走行パターン予測部１１は、頻発経路は、図７（Ａ）に例示されるように、各分割点毎に複数、例えば、４つの小区間Ａ〜Ｄに分割する。
なお、図におけるＳは頻発経路の始点であり、Ｇは頻発経路の終点である。また、小区間Ｂに対応する分割された走行データは、例えば、図７（Ｂ）に示されるようになっている。図７（Ｂ）において、横軸は小区間Ｂの始点からの距離、縦軸は各距離における速度（車速）であり、各曲線は、それぞれの走行データに対応する走行速度パターンを示している。

続いて、走行パターン予測部１１は、頻発経路に対して蓄積された走行データに基づいて、頻発経路の各小区間における区間全体平均走行速度を算出する（ステップＳ３−３）。この場合、該区間全体平均走行速度は、小区間全体での平均走行速度であり、それぞれの走行データについて算出される。走行データは頻発経路を走行した度に取得され蓄積されるので、頻発経路を走行した回数に等しい数の走行データのそれぞれについて、各小区間における区間全体平均走行速度が算出される。

そして、走行パターン予測部１１は、走行データの中から近い値の区間全体平均走行速度を備えるものを抽出して１つの集合とすることによって、走行データを区間全体平均走行速度に基づいた集合に分類分けする（ステップＳ３−４）。なお、走行データの分類分けは、頻発経路の各小区間について行われる。この場合、走行データの分類分けは、例えば、ｋ平均法と呼ばれるクラスタリング手法を使用することによって行われる。

例えば、図７（Ｂ）に示されるような小区間Ｂに対応する走行データは、図８（Ａ）〜（Ｃ）に示されるように、３つの集合に分類分けされる。図８において、横軸は小区間Ｂの始点からの距離、縦軸は各距離における速度であり、各曲線は、それぞれの走行データに対応する走行速度パターンを示している。
この場合、図７（Ｂ）に示される各曲線について小区間Ｂ全体での平均走行速度としての区間全体平均走行速度を算出し、該区間全体平均走行速度に基づいて、ｋ平均法と呼ばれるクラスタリング手法を使用して分類分けすると、図８（Ａ）〜（Ｃ）に示されるような分類Ｂ−１、分類Ｂ−２及び分類Ｂ−３に分けられる。図８（Ａ）〜（Ｃ）から、区間全体平均走行速度に基づいて分類分けされた各集合における走行データは、概ね似た走行速度パターンを有することが分かる。

続いて、走行パターン予測部１１は、分類分けされた集合毎に、集合に属する走行データを用いて、各小区間の始点から終点までの範囲における各地点での地点平均走行速度を算出する。該地点平均走行速度は、例えば、始点から所定距離毎に定められた各地点における、それぞれの走行データに対応する走行速度の平均である。続いて、走行パターン予測部１１は、各地点での地点平均走行速度を小区間の始点から終点まで連続するように繋げたもの、すなわち、地点平均走行速度の遷移を生成して、該地点平均走行速度の遷移を集合の代表走行速度パターンとする（ステップＳ３−５）。

例えば、図８（Ａ）〜（Ｃ）に示されるような分類Ｂ−１、分類Ｂ−２及び分類Ｂ−３の集合に属する走行データに基づいて、それぞれ、図９（Ａ）〜（Ｃ）に示されるような代表走行速度パターンが生成される。
図９において、横軸は小区間Ｂの始点からの距離、縦軸は各距離における速度であり、各線は、代表走行速度パターンを示している。該代表走行速度パターンは、各地点における走行データに対応する走行速度を単純平均して地点平均走行速度を算出し、該地点平均走行速度を小区間Ｂの始点から終点まで連続するように繋げたものである。

なお、各地点での地点平均走行速度を算出する場合に、各地点におけるそれぞれの走行データに対応する走行速度を単純平均して算出してもよいし、新しい走行データほど影響が大きくなるような重み係数を付加して、重み付けを行うこともできる。ところで、代表走行速度パターンは、走行速度パターン推定処理において、小区間毎に走行速度パターンを推定する際に、候補として取り扱われるので、本実施の形態においては、以降、代表走行速度パターンを走行速度パターン候補と称することとする。なお、生成された走行速度パターン候補は、走行速度パターン候補機億部１６に送信されて記憶される。

また、走行データを集合に分類分けする方法としては、前述されたような区間全体平均走行速度に基づいた方法の他に、走行速度パターンの類似度に基づいた方法を利用することもできる。ここで、「走行速度パターンの類似度」とは、各小区間毎に走行データを、図７（Ｂ）に示されるように、横軸を小区間の始点からの距離、縦軸を各距離における速度とした二次元空間における走行速度パターンを示す曲線として描いたときの、該曲線の形状が類似している度合いである。そして、走行速度パターンを示す曲線が互いに類似している走行データを抽出して１つの集合として分類分けするようになっている。この場合、走行パターン予測部１１は、次の（１）及び（２）の動作を行う。
（１）まず、任意にいくつかの走行データを選択する。
（２）続いて、選択された走行データのそれぞれに関し、
（２−１）小区間の始点から終点までの範囲における各地点での、選択された走行データと他の走行データとの速度の差の二乗（すなわち二乗誤差）を算出する。
（２−２）各地点での二乗誤差が所定範囲である場合、他の走行データを、選択された走行データと同じ集合に属するものと判断する。
以降、（１）及び（２）の動作を各小区間毎に繰り返して行う。

前述されたような区間全体平均走行速度に基づいた方法が、それぞれの走行データを区間全体平均走行速度というスカラー量で代表させ、該スカラー量に対してｋ平均法を適用することで走行データを分類分けする方法であるのに対し、走行速度パターンの類似度に基づいた方法は、走行データを各地点での速度列というベクトル量で表し、該ベクトル量に対してｋ平均法を適用して分類分けする方法である。そのため、走行速度パターンの類似度に基づいた方法によれば、計算量は増加するが、類似した走行速度パターンを有する走行データをより適切に分類分けすることができる。

図１０は、このようにして頻発経路の全ての小区間について分類分けした結果を例示したものである。この場合、走行データは、小区間Ａにおいて１つの集合（Ａ−１）に、小区間Ｂにおいて３つの集合（Ｂ−１、Ｂ−２、Ｂ−３）に、小区間Ｃにおいて２つの集合（Ｃ−１、Ｃ−２）に、小区間Ｄにおいて２つの集合（Ｄ−１、Ｄ−２）に分類分けされている。図において、各小区間における集合は、それぞれ、楕（だ）円で示されている。なお、図示されていないが、それぞれの集合に対応した走行速度パターン候補が生成されている。

また、相互に隣接する上流側（図における左側で、出発地側）の小区間における集合と下流側（図における右側で、到着点側）の小区間における集合との関係は、集合同士を結ぶ線分で表され、該線分上において丸で囲まれた数字は、上流側の小区間における集合に属する走行データの中で下流側の小区間における集合に属する走行データの数を示している。

図１２に示される例において、走行データの総数は５０であり、小区間Ａにおいては、すべての走行データが１つの集合Ａ−１に属することが分かる。そして、集合同士を結ぶ線分及び該線分上において丸で囲まれた数字から、次の小区間Ｂにおいては、集合Ａ−１に属する５０の走行データの中の１０の走行データが集合Ｂ−１に属し、１５の走行データが集合Ｂ−２に属し、２５の走行データが集合Ｂ−３に属することが分かる。同様に、小区間Ｃにおいては、集合Ｂ−１に属する１０の走行データの中の８の走行データが集合Ｃ−１に属し、２の走行データが集合Ｃ−２に属している。また、集合Ｂ−２に属する１５の走行データの中の８の走行データが集合Ｃ−１に属し、７の走行データが集合Ｃ−２に属している。なお、集合Ｂ−３に属する２５の走行データはすべて集合Ｃ−２に属している。さらに、小区間Ｄにおいては、集合Ｃ−１に属する１６の走行データの中の３の走行データが集合Ｄ−１に属し、１３の走行データが集合Ｄ−２に属している。また、集合Ｃ−２に属する３４の走行データの中の２４の走行データが集合Ｄ−１に属し、１０の走行データが集合Ｄ−２に属している。

なお、本実施の形態における走行速度パターン候補生成処理においては、走行環境データは使用されない。すなわち、走行パターン予測部１１は、走行データ記憶部１５から、走行環境データを取得することなく、走行データを取得して、該走行データに基づいて、走行速度パターン候補を生成する。そのため、１つの集合に属する走行データに、例えば、雨の日の走行データと晴れの日の走行データとが混在することもあり得る。

このように、走行速度パターン候補を走行環境データに基づくことなく、走行データにのみ基づいて生成するのは、曜日や天候のような走行環境が異なっていても、その道路の状況によっては、走行環境に依存せずに同じような走行速度パターンとなる可能性があるためである。そして、このような状況下では、走行環境を考慮することなく、走行データにのみ基づいて走行速度パターン候補を生成することによって、多くの走行データに基づいて走行速度パターン候補を生成することができ、生成された走行速度パターン候補の信頼性を高めることができる。例えば、走行環境が雨である走行データ、すなわち、雨の日の走行データの数が一つである場合、その１つの走行データに基づいて、次の雨の日の走行速度パターンを推定しても信頼性が低くなってしまう。これに対し、雨の日の走行データとともに、雨の日の走行データではないが、同じような走行速度パターンを有する走行データが９つあった場合に、合計１０個の走行データに基づいて、次の雨の日の走行速度パターンを推定する本実施形態の方が信頼性が向上する。

次に、走行速度パターン推定処理について説明する。
図１２は本発明の実施の形態のおける頻発経路のすべての小区間についての走行データ推定の例を示す図、図１３は本発明の実施の形態のおける走行速度パターン推定処理の動作を示すフローチャートである。

まず、走行パターン予測部１１は、駆動装置２０が始動したか否かを判断し（ステップＳ４−１）、始動した場合には、車両の現在位置と現在の時刻とを取得する。なお、駆動装置２０が始動していない場合には、処理を終了する。そして、走行パターン予測部１１は、取得した車両の現在位置と現在の時刻とに基づいて、走行データ記憶部１５に蓄積された走行データを参照し、これから頻発経路を走行することが予測されるか否かを判断する（ステップＳ４−２）。例えば、通勤の場合、現在位置が自宅であり、時刻が朝の通勤時間帯であれば、蓄積された走行データを参照することによって、頻発経路として登録された通勤経路を走行しようとしていることが判断できる。また、頻発経路の場合には余りないが、目的地が設定されている場合や、目的地までの走行経路が探索された場合には、車両現在地（出発地）から目的地まで想定される走行経路、又は探索した走行経路から頻発経路か否かを判断することができる。

そして、走行パターン予測部１１は、これから頻発経路を走行することが予想されない場合には処理を終了するが、予想される場合には、曜日、ワイパー作動状況等の現在の走行環境データを走行環境データ取得部１４から取得する（ステップＳ４−３）。続いて、走行パターン予測部１１は、走行環境データ取得部１４から取得した現在の走行環境データに合致する過去の走行データを走行データ記憶部１５から抽出する（ステップＳ４−４）。この場合、車両の１回の走行における走行データと走行環境データとは、相互に対応付けられて記憶されているので、走行環境データを条件として検索することによって、現在の走行環境データに合致する走行環境データに対応付けられた走行データを、現在の走行環境データに合致する走行データとして抽出することができる。

続いて、走行パターン予測部１１は、図１０に示される例のように、頻発経路の全ての小区間について分類分けした走行データの集合の中から、現在の走行環境データに合致する走行データが最も多く属する集合を特定する（ステップＳ４−５）。

図１０に示される例に基づいて説明すると、例えば、現在の走行環境データとしてワイパー作動中というデータが取得されたものとする。そして、ワイパー作動中という走行環境データに対応づけられた走行データが、総数５０の走行データの中で３つあるものとする。さらに、該３つの走行データは、小区間Ａにおいては集合Ａ−１にすべて属し、小区間Ｂにおいては集合Ｂ−１に２つ、集合Ｂ−２に１つ属し、小区間Ｃにおいては集合Ｃ−１に１つ、集合Ｃ−２に２つ属し、小区間Ｄにおいては集合Ｄ−１に２つ、集合Ｄ−２に１つ属するものとする。この場合、現在の走行環境データに合致する走行データが最も多く属する集合は、集合Ａ−１、集合Ｂ−１、集合Ｃ−２及び集合Ｄ−１となる。そのため、これから走行する頻発経路の走行速度パターンは、図１２において太線で示される線分で結ばれた集合に属する可能性が最も高いと推定することができる。

続いて、走行パターン予測部１１は、各小区間において特定された集合の走行速度パターン候補を走行速度パターン候補記憶部１６から抽出する（ステップＳ４−６）。そして、走行パターン予測部１１は、抽出した走行速度パターン候補を推定走行速度パターンとして出力して（ステップＳ４−７）、処理を終了する。

このように、走行速度パターン推定処理においては、現在の走行環境データに合致する走行データを抽出し、該走行データが最も多く属する集合の走行速度パターン候補を抽出して推定走行速度パターンとするようになっている。
そのため、現在の走行環境データに合致する適切な推定走行速度パターンを出力することができる。ここで、現在の走行環境データに合致する推定走行速度パターンとは、現在の走行環境データに合致する走行データが最も多く属する集合の走行速度パターン候補である。

また、走行速度パターン候補は、前述したように、走行環境データに基づかず、走行データにのみ基づいて生成されたものであり、多くの走行データに基づいて生成されたものである。そのため、例えば、雨の日のようなある特定の走行環境データに合致する走行データの数が少ない場合であっても、精度の高い推定走行速度パターンを出力することができる。

なお、走行速度パターンに影響を及ぼす走行環境としては、通常、天候、時間帯、曜日、決済日、期末等が考えられる。天候の場合、一般的に雨天であると交通の流れが遅くなり、同じ経路であっても走行速度が低くなる、というような影響を及ぼす。また、時間帯の場合、朝夕の通勤時間帯は渋滞が発生して走行速度が低くなり、夜中等は交通量が少ないので走行速度が高くなる、というような影響を及ぼす。また、曜日の場合、日曜日には交通量が少ないので走行速度が高くなる、また朝の通勤時間帯の例をとると、いつもより５分早く出発すると１０分早く到着できるというような影響を及ぼす。なお、決済日とは世間一般に取引上、会計上の締切として設定される五十日（ごとおび）や晦日（みそか）等の日であり、交通量が多くなるので走行速度が低くなる。また、期末とは世間一般に決済期として設定される３月末、年末等の期間であり、同様に、交通量が多くなるので走行速度が低くなる。さらに、突発的な交通事故、原因不明の渋滞、祭り、デモンストレーション等のイベントや消火活動等による一時的な通行止め、道路工事等による所定期間の通行止めや通行規制等も、走行速度パターンに影響を及ぼす走行環境として考えることができる。

次に、推定走行速度パターンに基づいた駆動装置２０の動作について説明する。
図１４は本実施形態において設定されたスケジュールの例を示す第１の図、図１５は本実施形態において設定されたスケジュールの例を示す第２の図、図１６は本発明の実施の形態におけるスケジューリング処理の動作を示すフローチャートである。

まず、メイン制御装置２６は、走行パターン予測部１１から推定走行速度パターンを取得する（ステップＳ１１）と、該推定走行速度パターンに基づいて、エンジン２１及びモータ２４の運転状態並びにバッテリ２３のＳＯＣを制御するための運転スケジュールを設定するためのスケジューリング処理を実行する。そして、運転スケジュールを設定すると、メイン制御装置２６は、運転スケジュールに従ってエンジン２１、エンジン制御装置、モータ２４、発電機２２及びインバータの動作を制御して、車両を走行させる走行処理を実行する。

そして、メイン制御装置２６は、推定走行速度パターンを取得した後、バッテリ２３の容量検出センサが検出した現在のＳＯＣを取得する（ステップＳ１２）。この場合、スケジューリング処理が頻発経路を走行する直前に行われるので、現在のＳＯＣは頻発経路の始点、すなわち、出発地におけるＳＯＣである。

続いて、メイン制御装置２６は頻発経路の終点、すなわち、目的地におけるＳＯＣを設定する（ステップＳ１３）。この場合、目的地におけるＳＯＣは、例えば、頻発経路の出発地におけるＳＯＣと等しい値であるが、ＳＯＣの管理幅内であれば任意に設定することができる。

ところで、本実施の形態のハイブリッド車両の駆動制御システム１０においても、通常のハイブリッド車両と同様に、バッテリ２３の蓄電量であるＳＯＣの管理幅があらかじめ設定されており、ＳＯＣが管理幅内に収まるようにして運転スケジュールを設定している。バッテリ２３は、通常のバッテリと同様に、電圧−電流特性がＳＯＣによって変動し、また、寿命もＳＯＣが大き過ぎたり小さ過ぎたりすると短くなってしまう。例えば、過充電されると、バッテリ２３が破壊してしまうこともある。そこで、あらかじめ設定されている管理幅が、例えば、最大値を６０〔％〕、最小値を４０〔％〕程度となるように設定され、バッテリ２３のＳＯＣが管理幅を超えないように制御される。

しかし、管理幅を固定すると、長い下り坂のように、発電機２２が回生電流を発生する機会が多い場合、回生電流を十分にバッテリ２３に回収することができず無駄にしてしまう。そのため、発電機２２が回生電流を発生する機会が多いにも拘わらず、燃料消費量を十分に低減することができなくなってしまう。

一方、本実施形態では、頻発経路を走行する場合に、これから走行する頻発経路での走行速度パターンが推定されているので、バッテリ２３が過放電、過充電状態とならないように、運転スケジュールを設定することができる。
そこで、メイン制御装置２６は、ＳＯＣ管理幅の上限値又は下限値を調整し、管理幅を必要に応じて広げることによって、ＳＯＣが過放電、過充電とならないようにしつつ、回生電流を十分にバッテリ２３に回収して、燃料消費量を十分に低減することができるように、効率の良い運転スケジュールを設定する（ステップＳ１４）。すなわち、推定走行速度パターンに基づいて、エンジン２１の燃料消費量が最小となる運転スケジュールを設定する。

続いて、メイン制御装置２６は、取得された推定走行速度パターンに従って、エンジン２１及びモータ２４の運転状態並びにバッテリ２３のＳＯＣを制御するための運転スケジュールを設定する。そして、設定された運転スケジュールに異常があるか否かを判断する（ステップＳ１５）。ここで、異常とは、設定された運転スケジュールに含まれる目的地のＳＯＣの値が当初に設定された値と相違したり、設定された運転スケジュールに含まれるＳＯＣが管理幅を超えたりすることである。そして、異常がある場合、メイン制御装置２６は、再度運転スケジュールを設定する。なお、燃料消費量や車両システムの情報を運転スケジュールに含ませて、燃料消費量や車両システムの情報に基づいて、運転スケジュールに異常があるか否かを判断するようにしてもよい。

例えば、渋滞区間においてはエンジン２１による走行の効率が悪いので、モータ２４による走行を行うことが望ましい。そこで、図１４（ａ）に示されるように、走行パターン予測部１１によって出力された推定走行速度パターンに渋滞区間が含まれる場合、すなわち、あらかじめ渋滞の発生が予測される場合、メイン制御装置２６は、渋滞区間の手前で十分にバッテリ２３に充電するように駆動方法を設定する。

ここで、ＳＯＣの管理幅の上限値又は下限値を調整しない従来制御ではＳＯＣは図１４（ｂ）のＳ１０に示すように変化する。この場合ＳＯＣが安定走行時の発電によりＳＯＣが上限近くに達しており、その後のＥ部での減速時回生の余力がなく、折角の回生エネルギーを無駄に捨てている。本実施形態ではＥ部の回生が予測できるので、安定走行時の発電を必要最小限に留め無駄な発電をやめ、ＳＯＣをＳ１１とし、Ｅ部での余力を残しておいて減速エネルギーを回収する。その後Ｆ部も同様に従来制御の場合のＳ２０を本実施形態ではＳ２１に事前に設定することができる。
さらに、従来制御のＳＯＣの管理幅の上限値又は下限値を調整しない場合、ＳＯＣは図１４（ｂ）に示されるように変化する。すなわち、渋滞区間におけるモータ２４による走行距離が長く、電流の消費量が多いので、ＳＯＣが下限値を割り込まないようにするために、Ａで示されるように、エンジン２１を作動させて発電機２２に発電を行わせる発電走行を行う必要がある。そのため、燃料消費量を十分に低減することができない。また、渋滞区間を過ぎるとすぐに目的地に到着するので、十分に発電を行うことができず、目的地におけるＳＯＣを出発地におけるＳＯＣと等しい値とすることもできない。

これに対し、渋滞区間等の原因でバッテリ消費量が多いことが予め予想される場合に、バッテリ消費量が多いと予想される区間（渋滞区間等）の手前の区間において、ＳＯＣの管理幅の上限値を調整して適切な値、例えば、従来の図１４（ｂ）のｓｕ０で示す値から図１４（ｃ）のｓｕ１で示す値にまで上昇させておくことができる。
例えば、ＳＯＣは図１４（ｃ）に示されるように変化させることができる。この場合、渋滞区間の手前の区間に安定走行区間や、また図１４のＥ区間、Ｆ区間のように大きな減速が推定されて回生電流を発生する回生区間があることが、推定速度パターンの減速箇所や、ナビゲーションＤＢ１２における道路データの勾配から検出される場合には、該走行安定区間や回生区間においてバッテリ２３に十分に充電しておくことができる。これにより、渋滞区間におけるモータ２４による走行距離が長く、電流の消費量が多くても、図１４（ｃ）のＢで示されるように、エンジン２１を作動させることなく、ＳＯＣを適切な値に保つことができる。そのため、燃料消費量を十分意低減することができる。そして、目的地におけるＳＯＣを出発地におけるＳＯＣと等しい値とすることもできる。さらに図１４（ｃ）のようにＳＯＣ管理幅を拡大した後に前述と同様に減速によりエネルギーの回生が期待できる区間ＥおよびＦで回生エネルギーを蓄積できるようにその前の区間において、ＳＯＣをＳ１２、Ｓ２２のように設定することでエネルギー効率をより向上させることができる。

一方、渋滞区間の手前に回生区間が存在しない場合、渋滞区間でのバッテリ消費量が多いことと、その後の充電が充分にできないことがわかっているので、渋滞区間の手前にある安定的に走行する区間において、エンジン２１を燃焼効率がよい領域（回転数とトルク）で駆動して発電機２２により発電し、バッテリ２３のＣＯＣが過充電にならない範囲で充電する。これにより、渋滞区間でエンジン２１を駆動することなく、走行が安定している区間で効率的にエンジン２１を駆動して発電及び充電をすることができる。

また、例えば、加減速や発進停止が多い区間においてもエンジン２１による走行の効率が悪いので、モータ２４による走行を行うことが望ましい。そこで、図１５（ａ）に示されるように、走行パターン予測部１１によって出力された推定走行速度パターンに加減速や発進停止が多い区間が含まれ、かつ、該区間の直後に安定的に走行できる区間が含まれる場合、メイン制御装置２６は加減速や発進停止が多い区間を通過した後でバッテリ２３に充電するように駆動方法を設定する。

ここで、ＳＯＣの管理幅の上限値又は下限値を調整しない場合、ＳＯＣは図１５（ｂ）に示されるように変化する。すなわち、加減速や発進停止が多い区間におけるモータ２４による走行距離が長く、電流の消費量が多いので、ＳＯＣが下限値を割り込まないようにするために、Ｃで示されるように、エンジン２１を作動させて発電機２２に発電を行わせる発電走行を行う必要がある。そのため、燃料消費量を十分に低減することができない。

これに対し、ＳＯＣの管理幅の下限値を調整して適切な値にまで下降させると、ＳＯＣは図１５（ｃ）に示されるように変化する。この場合、加減速や発進停止が多い区間の直後に回生区間が存在する場合には、その回生区間の始点までに回生電流をバッテリ２３に回収可能な状態になっている。また、回生区間が存在しない場合には、その後の走行が安定している区間においてエンジン２１を燃焼効率がよい領域（回転数、トルク）で駆動して発電する。これにより、回生区間、又は走行が安定している区間においてバッテリ２３に十分に充電することができるので、加減速や発進停止が多い区間におけるモータ２４による走行距離が長く、電流の消費量が多くても、図１５（ｃ）のＤで示されるように、エンジン２１を作動させることなく、ＳＯＣを管理幅内に保つことができる。そのため、燃料消費量を十分に低減することができる。そして、加減速や発進停止が多い区間の直後の区間において、バッテリ２３に十分に充電してＳＯＣを回復することができる。
なお、図１５（ｃ）に示される例においては、ＳＯＣの管理幅の上限値も上昇させているが、これは、図１４（ｃ）に示される例と同様に、頻発経路に渋滞区間が含まれているためである。頻発経路に渋滞区間が含まれていない場合にはＳＯＣの管理幅の下限値だけを調整すればよい。

このように、メイン制御装置２６は、推定走行速度パターンに基づいて、回生区間を検出し、該回生区間の始点までに回生電流をバッテリ２３に回収可能な状態とするように運転スケジュールを設定するので、回生電流を無駄にすることがない。また、回生区間において発生するすべての回生電流をバッテリ２３に回収可能な状態とするように運転スケジュールを設定するので、燃料消費量を十分に低減することができる。

次に、走行処理の動作について説明する。
図１７は本発明の実施の形態における走行処理の動作を示すフローチャートである。

車両が頻発経路上の走行を開始すると、メイン制御装置２６は、設定された運転スケジュールに従ってエンジン２１、エンジン制御装置、モータ２４、発電機２２及びインバータの動作を制御する。この場合、メイン制御装置２６は、バッテリ２３の容量検出センサが検出するＳＯＣ、すなわち、実際のＳＯＣをリアルタイムで取得し、運転スケジュールに含まれるＳＯＣと比較（ステップＳ２１）し、異常があるか否かを判断する（ステップＳ２２）。

経路上を実際に走行した場合の走行速度パターンは、推定走行速度パターンと完全に同一にならないので、実際のＳＯＣの変化が運転スケジュールに含まれるＳＯＣの変化と相違することが考えられる。そこで、実際のＳＯＣと運転スケジュールに含まれるＳＯＣとの相違があらかじめ設定された閾（しきい）値を越える状態がしばらく継続した場合、メイン制御装置２６は、異常があると判断し、その時点における車両の現在位置から目的地までの運転スケジュールを再度設定する（ステップＳ２５）。なお、異常がない場合には、メイン制御装置２６は、運転スケジュールに従った制御を継続する（ステップＳ２３）。また、実際のＳＯＣが管理幅の上限値又は下限値を超えた場合にも、異常があると判断して、車両の現在位置から目的地までの運転スケジュールを再度設定するようにしてもよい。さらに、実際のＳＯＣが管理幅の上限値又は下限値を超えた場合には、ＳＯＣが管理幅内に戻るように、エンジン２１，エンジン制御装置、モータ２４、発電機２２及びインバータの動作を制御して、バッテリ２３に充電したり該バッテリ２３から放電するようにしてもよい。

また、車両の現在位置が頻発経路から外れた状態がしばらく継続した場合、メイン制御装置２６は、車両が頻発経路上を走行していないと判断し、ナビゲーションデータベース１２からナビゲーション情報等を取得して、車両の現在位置から目的地までの運転スケジュールを再度設定する。さらに、一時的な迂（う）回等によって車両の現在位置が頻発経路から外れた場合も、車両の現在位置から目的地までの運転スケジュールを再度設定する。なお、車両の現在位置が頻発経路から大きく外れていない場合には、実際のＳＯＣと運転スケジュールに含まれるＳＯＣとの相違があらかじめ設定された閾値以下である場合と同様に、メイン制御装置２６は、設定された運転スケジュールに従った制御を継続する。

続いて、メイン制御装置２６は、車両が目的地に到着したか否かを判断し（ステップＳ２４）、到着していない場合には、前述された動作を繰り返す。

このように、本実施の形態において、ハイブリッド車両の駆動制御システム１０の走行パターン予測部１１は、通勤、通学、買い物等のために頻繁に走行する頻発経路を走行する場合の走行データを解析して走行速度パターン候補を生成し、頻発経路を走行する際に、現在の走行環境データに応じた適切な推定走行速度パターンを出力するようになっている。そして、メイン制御装置２６は、推定走行速度パターンに基づいて運転スケジュールを設定し、該運転スケジュールに従って、エンジン２１、エンジン制御装置、モータ２４、発電機２２及びインバータの動作を制御する。そのため、ＳＯＣを適切に保つことができ、かつ、エンジン２１の燃料消費量を十分に低減することができる。

この場合、走行パターン予測部１１は、頻発経路を小区間に分割し、日時、曜日、天候等の走行環境データに基づくことなく、走行データにのみ基づいて、各小区間の走行速度パターン候補を生成する。そのため、多くの走行データに基づいて走行速度パターン候補を生成することができるので、走行速度パターン候補の精度を高くすることができる。

また、走行パターン予測部１１は、現在の走行環境データに合致する走行データを抽出し、該走行データが最も多く属する集合の走行速度パターン候補を抽出して推定走行速度パターンとする。そのため、現在の走行環境データに応じた適切な推定走行速度パターンを出力することができる。

すなわち、走行速度パターン候補を生成する場合には、走行環境データに基づくことなく、同一の頻発経路を走行したときの走行データのみに基づいて走行速度パターン候補を生成し、これから走行する頻発経路の推定走行速度パターンを出力する場合には、現在の走行環境データに合致する過去の走行データが最も多く属する集合の走行速度パターン候補を選択する。そのため、走行速度パターン候補の生成にはより多くの走行データを使用し、かつ、推定走行速度パターンの出力には走行環境データに基づいて、適切に走行データの絞込みを行うことができる。

さらに、走行パターン予測部１１は、過去の走行データを小区間毎にいくつかの走行速度パターン候補として走行速度パターン候補記憶部１６に記憶するので、データを集約することができ、記憶容量を少なくすることができる。

さらに、走行パターン予測部１１は、これから走行しようとする際の走行環境データに合致する走行速度パターン候補を抽出することで推定走行速度パターンを出力するので、過去の膨大な走行データに基づいて推定走行速度パターンを出力するよりも、演算処理負担が軽減され、推定走行速度パターンを迅速に出力することができる。

さらに、メイン制御装置２６は、経路上を効率良く走行するためのスケジュールを設定する場合に、ＳＯＣの管理幅の上限値又は下限値を調整し、管理幅を必要に応じて広げて、駆動方法を設定する。そのため、ＳＯＣが管理幅を超えないようにしつつ、回生電流を十分にバッテリ２３に回収して、燃料消費量を十分に低減することができるように、効率の良い駆動方法を設定することができる。

なお、以上説明した実施形態において、推定走行速度パターン出力手段は、小区間毎に現在の走行環境データに合致する走行データを抽出し、該走行データが最も多く属する集合を代表する走行速度パターン候補を抽出して、推定走行速度パターンを出力するようにしてもよい。

以上詳細に説明したように、本実施形態によれば、走行速度パターン推定装置においては、走行データ及び走行環境データを相互に対応付けて記憶する走行情報記憶手段と、走行データに基づいて走行速度パターン候補を生成する走行速度パターン候補生成手段と、現在の走行環境データに合致する走行速度パターン候補を抽出して、これから走行する経路の推定走行速度パターンを出力する推定走行速度パターン出力手段とを有する。

この場合、走行速度パターン候補を生成する場合には、走行環境データに基づくことなく走行データのみに基づいて走行速度パターン候補を生成し、これから走行する経路の推定走行速度パターンを出力する場合には、現在の走行環境データに合致する走行速度パターン候補を選択するので、軽い演算処理負担によって精度の高い推定走行速度パターンを迅速に出力することができる。

他の走行速度パターン推定装置においては、さらに、走行データに基づいて、頻発経路を特定する頻発経路特定手段と、頻発経路を小区間に分割する区間分割手段とを有し、走行速度パターン候補生成手段は、小区間毎に走行速度パターン候補を生成し、推定走行速度パターン出力手段は、小区間毎に走行速度パターン候補を抽出して、これから走行する頻発経路の推定走行速度パターンを出力する。

この場合、頻繁に走行する頻発経路の推定走行速度パターンを出力するので、精度の高い推定走行速度パターンを迅速に出力することができる。また、頻発経路を小区間に分割して、該小区間毎に走行速度パターン候補を抽出するので、さらに精度の高い推定走行速度パターンを迅速に出力することができる。

更に他の走行速度パターン推定装置においては、さらに、走行速度パターン候補生成手段は、小区間毎の走行データを、小区間毎の平均走行速度又は小区間毎の走行速度パターンの類似度に基づいて分類分けし、分類分けされた小区間毎の走行データの集合を代表する走行速度パターンを走行速度パターン候補として生成する。

以上、本発明の１実施形態について説明したが、本発明は説明した実施形態に限定されるものではなく、各請求項に記載した範囲において各種の変形を行うことが可能である。
例えば、説明した実施形態では、分割点設定処理において、走行が安定している走行安定区間として、「所定車速Ｖｂ以上が所定時間Ｔｂ以上継続する区間」を走行が安定している走行安定区間としたが、本願発明では、これに限定されるものではなく、他の区間を走行安定区間として選定してもよい。例えば、「所定車速Ｖｂ以上が所定距離以上継続する区間」「速度変動範囲が所定範囲内で、所定時間以上継続する区間」「速度変動範囲が所定範囲内で、所定距離以上継続する区間」等を走行安定区間として選定するようにしてもよい。

また、本実施形態では、走行安定区間を含む各交差点Ｐｎ−Ｐ（ｎ＋１）間の中間点を分割点としたが、上記実施形態及び変形例の場合を含めて、分割点を以下のように設定することも可能である。
（１）走行安定区間の中間地点
（２）走行安定区間を走行するのに要する時間の中間時間地点。この場合、１回、又は複数回の平均で中間時間地点を決定する
（３）走行安定区間において、一定車速継続範囲の中間地点又は中間時間地点
（４）走行安定区間において、加速時、減速時に所定車速を通過する地点
（５）走行安定区間における最高速度地点
（６）交差点の中間地点（走行安定区間の有無に拘わらず）
（７）交差点間で渋滞範囲を除いた中間点
（８）交差点間の走行時間の中間時間地点
（９）交差点間における最高速度地点
（１０）交差点から所定時間経過後の車両地点
ここに「中間点」とは、時間もしくは区間における厳密に半分の地点である必要はなく、当該時間もしくは区間の範囲における任意の地点としても良い。

なお、説明した実施形態及び説明した各変形例において、各交差点を基準にして分割点設定処理における走行安定区間を選定する場合、交差点に対して次のような処理をするようにしてもよい。
（１）交差点間隔が短い場合には後の交差点の影響が出てくる場合があるので、手前の交差点は次の交差点に含めて選定する。
（２）住宅地等から幹線道に出るような場合、交差点間隔が短く一旦停止の必要箇所が多く、後の交差点とは無関係に停止・発進が行われることが多い。このような場合の交差点も後の交差点に含めて選定をする。
（３）交差点間隔が長くても、次の交差点の渋滞範囲に含まれてしまう場合には、次の交差点に含めて選定する。
以上の（１）、（２）の判断はナビゲーションＤＢ１２の道路データに基づいて行い、（３）の判断は複数回走行した各走行データから行うことが可能である。

本実施形態では、走行経路について初回走行時の後に分割点設定処理により区間分割点を設定するようにしたが、初回以外でも可能である。
例えば、走行経路が頻発経路と認定された走行（頻発経路認定条件を満たした走行）の後に分割点設定処理を行うようにしてもよい。このように、頻発経路と認定される走行では、同走行経路について複数回走行しているため、初回走行時よりもより走行し慣れており、安定した走行、平均的な走行になっている。このため、走行経路に対して運転が慣れた時点での走行データを使用して分割点設定処理を行うことで、より安定した点を分割点として設定することができる。

本実施形態では、走行速度パターン候補生成処理（図１１参照）において、分割点設定処理で設定した分割点データを使用して頻発経路を分割するようにし、使用する分割点データを固定していたが、分割点データは適宜変更するようにしてもよい。
すなわち、頻発経路における走行安定区間は、短期的にはほぼ一定しているが、長期的に考えると交通流は変化していくのが常であり、以下のような状況が存在する。
（ａ）交差点の改良や信号機の新設調整で流れがスムースになる。
（ｂ）交差点間でも信号機の連動方法が変更されれば、上記の走行区間が合体したり、分離する必要性がでてくる。
（ｃ）バイパスが出来て、分散しスムースになる。
（ｄ）工場の新設や増設、廃止、学校や施設の設置・廃止等々で車の流れが大きく変わる。
（ｅ）ドライバー本人が新ルートを開拓する。

以上のような場合には分割点を見直すことが必要となり、次の方法により変更を行う。
（Ａ）ルートが変わった場合
この場合は変わった部分だけ新たに分割点設定処理を行い、分割点データを変更する。ドライバーが新しいルートを入れ変えたり、走りながら自車の位置情報と道路情報を比較することによりルートの変更を判断できる。
なお、ルートの変更については、変更後のルートを複数回走行した場合に変更と判断するようにしてもよい。
（Ｂ）例えば、常時停止していた交差点Ｐｎの信号機が、その手前の交差点Ｐ（ｎ−１）の信号機と連動したために、交差点Ｐｎで停止することが殆どなくなった場合、両交差点間の分割点ＰＤ（ｎ−１）ｎとＰＤｎ（ｎ＋１）とを合体したほうがシンプルになる。この場合、合体する分割点と合体の指示をユーザが入力したり、道路情報から走行パターン予測部１１が判断することにより分割点を変更する。また、走行パターン予測部１１は、交差点Ｐｎでの走行状態を監視し、例えば、Ｄ回以上交差点Ｐｎで停止することが無かった場合には、分割点ＰＤ（ｎ−１）ｎとＰＤｎ（ｎ＋１）とを合体させるようにしてもよい。

（Ｃ）また、走行パターン予測部１１は、頻発経路をＦ回走行する毎等のように定期的に分割点設定処理を行い、分割点記憶部１７の分割点データを更新するようにしてもよい。この場合走行パターン予測部１１は、頻発経路の登録後においても、各頻発経路毎に走行回数を計数しておき、走行回数がＦ回になる毎に分割点設定処理を行った後に、当該頻発経路に対する計数値を０にする。

また、前述の実施形態では、走行経路に対して走行データが複数回蓄積した時点で、「頻発経路」を特定するようにしたが、１回でも走行データがある経路を「頻発経路」として特定しても良い。過去のデータが１回のみでは走行パターンの推定結果の信頼性が低くなることは否めないが、通勤経路などは毎日ほぼ同じような走行パターンとなることが発明者らは実地調査から知見を得ているので、例え過去の走行データが１であったとしても走行パターンの推定の効果があると考えられるからである。さらに前述の実施形態では、過去の走行データから装置が自動的に「頻発経路」を特定するようにしたが、利用者が直接、通勤経路などの特定の経路を入力して登録する、あるいは一度走行した経路を利用者が頻発経路として登録させ、登録した経路を「特定した経路」として、以後当該特定した経路を走行する際に走行パターンを推定するようにしてもよい。この場合、利用者に「特定経路」を入力・登録させ、記録する処理が走行経路を特定する手段に相当する。

本発明の１実施形態における走行速度パターン推定装置、及びハイブリッド車両の駆動制御装置が適用される、ハイブリッド車両の駆動制御システムの構成を示す概念図である。 同上実施形態における、分割化処理を説明するための走行ルートを例示した図である。 同上実施形態における、走行ルートのある日の走行パターンを表した図である。 同上実施形態における、分割点設定処理の処理動作を表したフローチャートである。 同上実施形態における走行速度パターン推定装置の全体的な動作を示すフローチャートである。 同上実施形態における頻発経路特定処理の動作を示すフローチャートである。 同上実施形態における頻発経路を複数の小区間に分割する例と、小区間の走行データの例を示す図である。 本発明の実施の形態における分類分けされた小区間の走行データの例を示す図である。 同上実施形態における分類分けされた小区間の代表走行速度パターンの例を示す図である。 同上実施形態における頻発経路のすべての小区間についての走行データの分類分けの例を示す図である。 同上実施形態における走行速度パターン候補生成処理の動作を示すフローチャートである。 同上実施形態における頻発経路のすべての小区間についての走行データ推定の例を示す図である。 同上実施形態における走行速度パターン推定処理の動作を示すフローチャートである。 同上実施形態における設定されたスケジュールの例を示す第１の図である。 同上実施形態における設定されたスケジュールの例を示す第２の図である。 同上実施形態におけるスケジューリング処理の動作を示すフローチャートである。 同上実施形態における走行処理の動作を示すフローチャートである。

符号の説明

１０ ハイブリッド車両の駆動制御システム
１１ 走行パターン予測部
１３ 走行データ取得部
１４ 走行環境データ取得部
１５ 走行データ記憶部
１７ 分割点記憶部
２１ エンジン
２２ 発電機
２３ バッテリ
２４ モータ
２６ メイン制御装置

Claims (4)

1. 走行経路に対する走行データを記憶する走行情報記憶手段と、
   走行経路を特定する走行経路特定手段と、
   前記走行データに基づいて、走行の安定が想定される走行安定地点で前記特定された走行経路を小区間に分割する区間分割手段と、
   前記走行データに基づいて、前記分割された小区間毎に走行速度パターン候補を生成する走行速度パターン候補生成手段と、
   前記小区間毎に、前記生成した走行速度パターン候補から１の走行パターン候補を抽出して、これから走行する前記特定された走行経路の推定走行速度パターンを出力する推定走行速度パターン出力手段と、を備え、
   前記区間分割手段は、「所定車速以上が所定時間以上継続する区間内の地点」、「所定車速以上が所定距離以上継続する区間内の地点」、「速度変動範囲が所定範囲内で、所定時間以上継続する区間内の地点」、又は「速度変動範囲が所定範囲内で、所定距離以上継続する区間内の地点」を走行の安定が想定される走行安定地点として、前記特定した走行経路を小区間に分割する、
   ことを特徴とする走行速度パターン推定装置。
2. 前記走行経路特定手段は、前記走行データに基づいて車両が頻繁に走行する経路を頻発経路として特定することを特徴とする請求項１記載の走行速度パターン推定装置。
3. 前記走行情報記憶手段は、走行経路に対する走行データ及び走行環境データを相互に対応付けて記憶し、
   前記推定走行速度パターン出力手段は、現在の走行環境データに合致する走行速度パターン候補を前記小区間毎に抽出して、これから走行する前記特定された走行経路の推定走行速度パターンを出力する、
   ことを特徴とする請求項１又は請求項２に記載の走行速度パターン推定装置。
4. 駆動力の一部又は全部が車両の駆動又は発電に使用されるエンジンと、車両の駆動力を発生させるモータとを備え、前記エンジンとモータの少なくとも一方の駆動力により走行するハイブリッド車両であって、
   前記エンジンの駆動による発電及び回生により充電され、前記モータに電力を供給する蓄電手段と、
   前記蓄電手段の蓄電量を検出する蓄電量検出手段と、
   請求項１から請求項３のうちのいずれか１の請求項に記載した前記走行速度パターン推定装置と、
   前記走行速度パターン推定装置で出力した前記特定された経路の推定走行速度パターンと、前記蓄電手段の蓄電量とに基づいて、前記特定された経路における燃料消費量が最少となるように、前記エンジンと前記モータの運転スケジュールを設定する運転スケジュール設定手段と、
   を具備することを特徴とするハイブリッド車両の駆動制御装置。

Images