JP2009014502A - 走行関連情報学習システム及び車両制御システム - Google Patents

走行関連情報学習システム及び車両制御システム Download PDF

Info

Publication number
JP2009014502A
JP2009014502A JP2007176491A JP2007176491A JP2009014502A JP 2009014502 A JP2009014502 A JP 2009014502A JP 2007176491 A JP2007176491 A JP 2007176491A JP 2007176491 A JP2007176491 A JP 2007176491A JP 2009014502 A JP2009014502 A JP 2009014502A
Authority
JP
Japan
Prior art keywords
learning
detection value
learning information
information
frequency distribution
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
JP2007176491A
Other languages
English (en)
Inventor
Junichiro Funabashi
淳一郎 舩橋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Denso Corp
Original Assignee
Denso Corp
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 Denso Corp filed Critical Denso Corp
Priority to JP2007176491A priority Critical patent/JP2009014502A/ja
Publication of JP2009014502A publication Critical patent/JP2009014502A/ja
Pending legal-status Critical Current

Links

Images

Landscapes

  • Instructional Devices (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

【課題】車両の走行中に取得した検出情報の統計的特徴を保存可能な態様にて学習情報を蓄積する。また、学習情報を位置情報に対応させながらも、道路地図には依存させない態様にて記憶する。
【解決手段】位置座標に対応する座標平面を所定範囲ごとに分割した個々の分割領域に対応付けて学習情報を記憶する学習情報データベース１７を備える。この学習情報データベース１７に記憶される学習情報は、走行中に取得した種々の検出値を変量とする度数分布で構成されている。情報処理装置１８は、車両の走行中に各センサ類１１〜１４からの検出信号を基に車両の走行位置及び所定の事象に対する検出値を取得し、学習情報データベース１７に記憶されている各度数分布のうち、取得した走行位置に該当する分割領域に対応する度数分布に前記取得した検出値を記録することで学習情報を蓄積する。
【選択図】図１

Description

本発明は、車両の走行中に取得した検出情報に基づいて当該検出対象の事象に関する学習情報を蓄積する走行関連情報学習システムに関する。
従来、地図情報及びこれに関連付けられた道路情報等を用いて車両制御を行う技術が知られている。また、この種の技術として、特許文献１では、道路情報データベースを道路地図情報に関連付けて記憶可能であると共に、車両に搭載されたセンサ等により検出した道路情報を道路情報データベースの平均値及び標準偏差に基づく基準範囲に対する適否によって選別し、この選別された道路情報を用いて道路情報データベースの更新を行う道路情報学習システムが開示されている。
特開２００５−９１０７１号公報
特許文献１に記載の技術では、走行中に検出した道路情報を用いて道路情報データベースを更新する際、検出した道路情報をデータベースの平均値及び標準偏差に基づく基準範囲によって選別することで、ばらつきの大きいデータを排除している。このような対応は、検出値が正規分布を呈するような事象であれば、ある程度検出結果の実態に即した統計的特徴を道路情報データベースに保存することが可能であるが、検出値が正規分布を示さない事象に対しては統計的特徴を十分に保存することはできない。
よって、後者の場合、学習した道路情報データベースは当該事象の統計的特徴を十分に表してはいないため、この道路情報データベースの平均値とった場合、誤差が大きくなったり、無意味な値となったりして道路状況の実態とかけ離れた値となることがある。
例えば、ある道路における平均速度を学習する場合、実際には同じ道路であっても曜日や時間帯によって速度の分布は大きくばらつき、速度分布は標準偏差を示さないことがある。このような事象に対して、特許文献１に記載の如く平均値や標準偏差を選別基準としてデータの蓄積を行えば、実態に即した速度の値を得ることは難しい。
また、道路情報データベースを、例えば、ナビゲーションシステムで用いるデジタル道路地図データ等、特定の道路地図に対応付けて記憶するため、この道路情報データベースが、対応付けられた道路地図のデータ形式やバージョンに依存したものとなってしまう問題もある。このような構成では、道路地図データの更新時に蓄積した道路情報データベースを新たな道路地図データに引き継いだり、他の車両との間で道路情報データベースを交換・共有して互いに利用しようとする場合、特定の道路地図に対する依存が道路情報を利用する際の障害となる。
本発明は、上述のような問題を解決するためになされたものであり、車両の走行中に取得した検出情報の統計的特徴を保存可能な態様にて学習情報を蓄積するための技術を提供し、また、学習情報を位置情報に対応させながらも、道路地図には依存させないで記憶するための技術を提供することを目的とする。
上記目的を達成するためになされた請求項１に記載の走行関連情報学習システムは、自車両の走行に関する所定の事象に対する検出結果の学習情報として、当該事象の検出値を変量とする度数分布を所定の位置ごとに対応付けて記憶する学習情報記憶手段と、学習情報記憶手段に記憶されている度数分布のうち、検出した位置に対応する当該事象の度数分布に対して、取得した検出値に該当する変量の度数を記録する記録手段とを備えることを特徴とする。
このように構成された走行関連情報学習システムによれば、度数分布により検出結果の散らばり具合や検出値の出現頻度といった統計的特徴を表すことが可能であり、検出値のばらつきが大きい事象に対しても、その統計的特徴を学習結果に保存でき、学習情報の精度を向上させることができる。
一方、上記目的を達成するためになされた請求項２に記載の走行関連情報学習システムは、位置検出手段によって検出される位置座標に対応する座標平面を所定範囲ごとに分割した分割領域ごとに学習情報を記憶する学習情報記憶手段と、学習情報記憶手段に記憶されている学習情報のうち、検出した位置が属する分割領域に対応する学習情報に対して、取得した検出値を記録する記録手段とを備えることを特徴とする。
このように構成された走行関連情報学習システムによれば、学習情報を道路地図に依らない分割領域ごとに対応付けて記憶することで、学習情報の地域的特徴を保存しつつも、デジタル道路地図データのような道路地図情報に依存しない態様で学習情報を蓄積可能であり、好適である。さらに、学習情報を道路地図に依存させないで記憶することで、地図に存在しない道路を走行した場合でも、走行時に取得した検出情報に基づいて学習情報の精度を向上させることができる。
さらに、上記目的を達成するためになされた請求項３に記載の走行関連情報学習システムは、位置検出手段によって検出される位置座標に対応する座標平面を所定範囲ごとに分割した分割領域ごとに、個々の分割領域における学習情報として、自車両の走行に関する所定の事象に対する検出値を変量とする度数分布を記憶する学習情報記憶手段と、学習情報記憶手段に記憶されている度数分布のうち、検出した位置が属する分割領域に対応する当該事象の度数分布に対して、取得した検出値に該当する変量の度数を記録する記録手段とを備えることを特徴とする。
このように構成された走行関連情報学習システムによれば、度数分布により検出結果の散らばり具合や検出値の出現頻度といった統計的特徴を表すことが可能である。さらに、学習情報を道路地図に依らない分割領域ごとに対応付けて記憶することで、学習情報の地域的特徴を保存しつつも、デジタル道路地図データのような道路地図情報に依存しない態様で学習情報を蓄積可能である。このように、学習情報の統計的特徴を保存可能な点と、学習情報を道路地図に依存しないで保存可能な点とを兼ね備えることで、学習情報の精度をより一層向上させることができる。
つぎに、請求項４に記載の走行関連情報学習システムは、車両の走行に関する事象に対する検出値として走行中の地点の高度を取得し、取得した高度を変量とする度数分布を学習情報として記憶することを特徴とする。
このように構成された走行関連情報学習システムによれば、走行中に収集・蓄積した高度に関する学習情報を、例えば車両のエンジン制御や蓄電池の充電制御等の車両制御に利用できる。
また、請求項５に記載の走行関連情報学習システムは、車両の走行に関する事象に対する検出値として、道路地図情報に基づいて現在位置を地図の道路上へ補正するマップマッチングによって得られた補正位置を取得し、取得した補正位置を変量とする度数分布を学習情報として記憶することを特徴とする。
このように構成された走行関連情報学習システムによれば、走行中にナビゲーションシステム等で行われたマップマッチングによる補正位置に関する学習情報を、例えばナビゲーションシステムにおける経路案内等に利用できる。
ところで、学習情報として記憶する度数分布として、複数変量を持つ多次元の度数分布を用いるような構成であってもよい。具体的には、請求項６に記載のように構成すればよい。つまり、学習情報記憶手段は、複数の事象の検出値に基づく複数変量を持つ多次元の度数分布を記憶する。そして、記録手段は、学習情報記憶手段に記憶されている多次元の度数分布のうち、検出した位置に対応する当該事象の度数分布に対して、取得した複数の検出値にそれぞれ該当する変量の組み合わせの度数を記録する。
このように構成された走行関連情報学習システムによれば、多次元の度数分布を用いることで、車両の走行に関する相関する複数の事象に対する検出結果の統計的特徴を保存可能であり、より高度な学習情報を蓄積可能である。
なお、車両の走行に関する複数の事象に対する検出値として、請求項７に記載のように、所定の区間を通過した際の進行方向、時間帯、及び所要時間を取得し、この取得した進行方向、時間帯、及び所要時間を変量とする多次元の度数分布を学習情報として記憶するように構成することが考えられる。
このように構成された走行関連情報学習システムによれば、走行中に収集・蓄積した進行方向、時間帯、及び所要時間に関する学習情報を、例えば、目的地までの経路として選択された区間の予想行程時間を算出する等といった車両制御に利用できる。
また、車両の走行に関する複数の事象に対する検出値として、請求項８に記載のように、走行中における速度及び時間帯を取得し、この取得した速度及び時間帯を変量とする多次元の度数分布を学習情報として記憶するように構成することが考えられる。
このように構成された走行関連情報学習システムによれば、走行中に収集・蓄積した速度及び時間帯に関する学習情報を、例えば、現在の速度とその時間帯における平均速度との比較の結果に基づいて運転者に対して情報提供を行う等といった車両制御に利用できる。
つぎに、請求項９に記載の走行関連情報学習システムは、学習情報記憶手段に記憶されている学習情報を用いた所定の統計的計算によって当該事象に関する推定値を算出し、この算出した推定値を出力する出力手段を備えることを特徴とする。
このように構成された走行関連情報学習システムによれば、精度の向上した学習情報に基づいて算出した推定値を種々の車両制御に利用でき、実際の走行状況に即した適切な車両制御が実現する。
例えば、請求項１０に記載のように、学習情報記憶手段に記憶されているマップマッチングの補正位置の度数分布を用いた所定の統計的計算によって、マップマッチングにより得られた補正位置の確からしさを算出し、これを出力する出力手段を備えるように構成することが考えられる。
このようすることで、マップマッチングで得られた補正位置の確からしさに応じて、例えば、ナビゲーションシステムで行われる経路案内の態様を変更する等といった車両制御を実現可能である。具体的には、マップマッチングで得られた補正位置の確からしさが高い場合、その補正位置に関するより詳細な情報を提示するが、補正位置の確からしさが低い場合、その補正位置に関する詳細な情報の提示は行わないといった具合に、補正位置の確からしさに応じて経路案内の強度を切り替えるといった制御が挙げられる。
ところで、上述した走行関連情報学習システムは、請求項１１に記載のように、車載機器に対する所定の制御を行う車両制御装置の一部として構成することが考えられる。
このように構成された車両制御装置によれば、上述の走行関連情報学習システムにより蓄積した精度の高い学習情報に基づいて算出された推定値を利用することで、例えば、エンジンＥＣＵや、トランスミッションＥＣＵ、ナビゲーションシステム等の種々の装置に対して、精度の高い制御を実現可能である。
以下、本発明の一実施形態を図面に基づいて説明する。なお、本発明は下記の実施形態に何ら限定されるものではなく、本発明の技術的範囲に属する限り様々な態様にて実施することが可能である。
［１．走行関連情報学習システムの構成の説明］
図１は、本発明の実施形態である走行関連情報学習システムの概略構成を示すブロック図である。
図１に示すように、走行関連情報学習システムは、ナビゲーション装置１０を主要な構成要素としている。このナビゲーション装置１０は、ＧＰＳ受信装置１１と、車速センサ１２と、ジャイロセンサ１３と、加速度センサ１４と、道路地図データベース１５と、ユーザインタフェース１６と、学習情報データベース１７と、情報処理装置１８とを備える。
ＧＰＳ受信装置１１は、ＧＰＳ（Global Positioning System）用の人工衛星かの送信電波をアンテナを介して受信し、車両の現在位置や高度等を検出する。車速センサ１２は、車両の速度に応じた検出信号を出力する。ジャイロセンサ１３は、車両に加わる回転運動の角速度に応じた検出信号を出力する。加速度センサ１４は、車両に加わる加速度に応じた検出信号を出力する。これらの各センサ類１１〜１４から出力される各種信号は、情報処理装置１８に入力され、車両の現在位置の取得や走行軌跡の生成に用いられる。
道路地図データベース１５は、いわゆるマップマッチング用データ、地図データや経路案内用データ、ナビゲーション装置１０の作動のためのプログラム等を含む各種データを不揮発性記憶媒体に記憶し、これらのデータを情報処理装置１８に入力するものである。これらのデータを記憶するための記憶媒体としては、ハードディスク、ＤＶＤ、ＣＤ−ＲＯＭ、半導体メモリ、各種メモリカード等を用いることができる。
ユーザインタフェース１６は、ナビゲーション装置１０とユーザとの間での情報をやりとりするためのインタフェースであり、ユーザが操作指示を入力するための入力装置や、ユーザに対して情報を提示するための表示装置及び音声出力装置からなる。
このうち、入力装置は、表示装置と一体に構成され表示面上に設置されるタッチパネルや表示装置の周囲に設けられたメカニカルなキースイッチ等が用いられる。
表示装置は、液晶ディスプレイ等の表示面を有するカラー表示装置である。表示装置は、情報処理装置１８からの映像信号の入力に応じて各種情報を表示面に入力可能である。例えば、車両が走行中においては、ナビゲーション画面として各センサ類１１〜１４にて検出した車両の現在位置と道路地図データベース１５により入力された地図データとから特定した現在位置を示すマーク、目的地までの誘導経路、名称、目印、各種ランドマークのシンボル等の付加データとが重ねて表示される。
音声出力装置は、各種情報を音声にてユーザに報知できるように構成されている。これによって、表示装置による表示と音声出力装置からの音声出力との両方でユーザに対して経路案内等の各種案内をすることができる。
学習情報データベース１７は、各センサ類１１〜１４によって検出される位置（例えば、緯度・経度）に対応する座標平面と、この座標平面を所定範囲ごとに分割した分割領域とを示す情報と、個々の分割領域における車両の走行に関する各種学習情報とを記憶するためのものである。この記憶する学習情報は、走行中に取得した種々の検出値を変量とする度数分布で構成されており、高度、所定区間を通過するのに要した区間所要時間、マップマッチングによる補正位置、及び速度といった学習対象の事象ごとに対応する各度数分布を、それぞれ学習情報として各分割領域に対応付けて記憶する。なお、学習情報として記憶される度数分布には、その学習対象の事象に応じて変量が１つのもの（一次元）と変量が複数あるもの（多次元）とがある。
また、学習情報としての度数分布を保持する各分割領域のサイズは、座標平面全体において一律のものではなく、地域によって分解度（例えば、低、中、高）が異なる。具体的には図２に示すように、座標平面１７１上において、領域Ａは低分解度の地域に設定されており、この領域Ａ全体につき上述の高度、区間所要時間、補正位置、速度といった各事象に対応する度数分布がそれぞれ１つずつ保持されている。これに対して、領域Ｂは中分解度の地域に設定されており、この領域Ｂを４分割した中領域ごとに上記各事象に対応する度数分布がそれぞれ保持されている。さらに、領域Ｃは高分解度の地域に設定されており、領域Ｃを１６分割した小領域ごとに上記各事象に対応する度数分布がそれぞれ保持されている。このような要領で、地域ごとに設定されている分解度に応じたサイズで座標平面１７１全体を分割した個々の分割領域ごとに、上記各事象に対応する度数分布がそれぞれ保持されている。
図１の説明に戻る。情報処理装置１８は、ＣＰＵ，ＲＯＭ，ＲＡＭ，Ｉ／Ｏ及びこれらの構成を接続するバスライン等からなる周知のコンピュータを中心に構成されており、上述した各部構成を制御する。この情報処理装置１８は、ＲＯＭや道路地図データベース１５等から読み込んだプログラムに従って、ナビゲーション関係の処理や、学習情報データベース１７への学習情報の蓄積に関する処理、蓄積した学習情報を利用した車両制御等の各種処理を実行する。
例えば、ナビゲーション関係の処理としては、地図表示処理や経路案内処理等が挙げられる。地図表示処理は、各センサ類１１〜１４からの各検出信号に基づく走行軌跡と地図データに基づく道路形状とのマッチングを行うことで車両の現在位置を算出し、道路地図データベース１５を介して読み込んだ現在位置付近の地図等を表示装置に表示する処理である。また、経路案内処理は、ユーザからの操作に従って設定された目的地に基づいて、現在位置から目的地までの最適な経路である目的地経路を算出し、現在位置と目的地経路との関係を考慮して目的までの走行案内を行う処理である。このように自動的に最適な経路を設定する手法として、ダイクストラ法によるコスト計算等の手法が知られている。
また、学習情報の蓄積に関する処理では、車両の走行中に取得した高度、所定の区間を通過するのに要した区間所要時間、マップマッチングによる補正位置、速度といった学習対象の事象に対する検出結果を、車両の走行位置が属する分割領域に対応する度数分布に記録する。この学習情報の蓄積に関する処理についての詳細な説明は後述する。
また、学習情報を利用した車両制御では、学習情報データベース１７に蓄積されている学習情報を用いて種々の推定値を算出し、この算出した推定値に基づいてナビゲーションに関する処理や、内燃機関（エンジン）と電動機（モータ）とを動力源に持ついわゆるハイブリッドカーに搭載されている蓄電池の充放電制御等といった各種車両制御を行う。この学習情報を利用した車両制御についての具体的な説明は後述する。
無線通信装置２０は、外部の通信装置と無線通信を行うためのものである。情報処理装置１８は、この無線通信装置２０を介して、他の車両に搭載されたナビゲーション装置１０との間で学習情報データベース１７の内容を互いに授受することで、他の車両との間で学習情報を共有できる。また、学習対象の事象に関する検出値を、この無線通信装置２０を介して外部から取得するような構成であってもよい。
車両走行制御装置３０は、情報処理装置１８から走行経路に関する制御情報を受け取り、これに基づいて学習情報を利用した車両制御を実行するものである。この車両走行制御装置３０としては、例えばエンジンＥＣＵ、トランスミッションＥＣＵ、走行用の蓄電池の充放電制御用のＥＣＵ等が該当し、情報処理装置１８から得た制御情報に基づいて、エンジンの出力の制御、シフトポジションの制御、ハイブリッドカーの蓄電池の充放電制御等を行う。
［２．情報処理装置１８が実行する処理の説明］
つぎに、ナビゲーション装置１０の情報処理装置１８が実行する各処理の詳細な内容について、図３〜図１２に基づいて説明する。
［２−１．「高度学習処理」の説明］
図３は、情報処理装置１８が実行する「高度学習処理」の手順を示すフローチャートである。この処理は、車両が走行状態の時に所定間隔で逐次実行される。
情報処理装置１８は処理を開始すると、まず、ＧＰＳ受信装置１１、車速センサ１２、ジャイロセンサ１３、加速度センサ１４の各センサ類からの検出信号に基づいて、車両の現在位置ｐを検出する（Ｓ１０１）。つぎに、ＧＰＳ受信装置１１によって受信した測位信号から、現在位置における高度ｈを検出する（Ｓ１０２）。
つぎに、前回高度の度数分布を学習情報データベース１７に保存した時から、車両が所定距離以上移動したか否かを判定する（Ｓ１０３）。ここで、前回の保存時から所定距離以上移動したと判定した場合（Ｓ１０３：ＹＥＳ）、Ｓ１０４へ移行する。一方、前回の保存時から所定距離以上移動していないと判定した場合（Ｓ１０３：ＮＯ）、「高度学習処理」を終了する。
Ｓ１０４では、学習情報データベース１７内を検索し、現在位置ｐが属する分割領域Ｒmを決定する。そして、学習情報データベース１７から、この分割領域Ｒmに対応する高度の度数分布Ｆm(Ｈ)を読み出す（Ｓ１０５）。この高度の度数分布は、高度Ｈを変量とする一次元の度数分布であり、高度Ｈの最大値ｈmaxと最小値ｈminの間を、ｈmin＝ｈ1＜ｈ2＜…＜ｈk＜ｈk+1＝hmaxのようにk個に区切った各階級の範囲に含まれる高度の検出値が現れた回数（度数）を示すものである。
読み出した高度の度数分布Ｆm(Ｈ)において、検出した高度ｈが属する階級ｃを決定する（Ｓ１０６）。ここでは、階級ｃの下限値をｈc、階級ｃ＋１の下限値をｈC+1とするときに、高度ｈが下記式（１）を満たすときの階級ｃを高度ｈが属する階級として決定する。
hc≦h＜hC+1…（１）
つづいて、下記式（２）に示すように、高度の度数分布Ｆm(Ｈ)における階級ｃの度数に１を加算する（Ｓ１０７）。
Fm(H=c)←Fm(H=c)+1…（２）
そして、学習情報データベース１７に対し、Ｓ１０７で更新した高度の度数分布Ｆm(Ｈ)を当該分割領域Ｒmに対応付けて記録する（Ｓ１０８）。
なお、上述の「高度学習処理」におけるＳ１０１の処理が、特許請求の範囲における位置検出手段に相当する。また、Ｓ１０２の処理が、特許請求の範囲における検出値取得手段に相当する。また、Ｓ１０４〜Ｓ１０８の処理が、特許請求の範囲における記録手段に相当する。
［２−２．「高度推定処理」の説明］
つぎに、上述の「高度学習処理」（図３参照）によって蓄積された高度の学習情報を用いて、ある地点における推定高度を算出する「高度推定処理」の手順を説明する。なお、この「高度推定処理」は、特許請求の範囲における出力手段に相当する。
図４は、情報処理装置１８が実行する「高度推定処理」の手順を示すフローチャートである。この処理は、情報処理装置１８が実行する学習情報を利用した車両制御のプロセスにおいて、ある地点の推定高度が必要とされるときに実行される。
情報処理装置１８は処理を開始すると、まず、推定高度を取得すべき注目地点ｐを設定する（Ｓ２０１）。この注目地点ｐは、学習情報を利用した車両制御を行う際に車両が通過する地点に設定されるものであり、例えば、経路探索によって算出された目的地までの経路上の地点等が該当する。
つぎに、学習情報データベース１７内を検索し、注目位置ｐが属する分割領域Ｒmを決定する（Ｓ２０２）。そして、学習情報データベース１７内に分割領域Ｒmに対応する高度の度数分布Ｆm(Ｈ)が存在するか否かを判定する（Ｓ２０３）。
ここで、分割領域Ｒmに対応する高度の度数分布Ｆm(Ｈ)が存在すると判定した場合（Ｓ２０３：ＹＥＳ）、Ｆm(Ｈ)の累積度数を計算し、そこから高度の中央値が属する階級ｃを決定する（Ｓ２０４）。そして、この階級ｃの下限値ｈcを注目地点ｃの推定高度として出力する（Ｓ２０５）。なお、ここでは、高度の中央値が属する階級ｃの下限値ｈcを推定高度として出力する代わりに、高度の中央値を算出し、これを推定高度として出力するような構成であってもよい。
一方、Ｓ２０３で分割領域Ｒmに対応する高度の度数分布Ｆm(Ｈ)が存在しないと判定した場合（Ｓ２０３：ＮＯ）、Ｒmの周辺に存在する分割領域のうち、高度の度数分布を保持し、かつ、それぞれの分割領域の重心が注目地点ｐを含む三角形を構成する３つの分割領域をＲm1、Ｒm2、Ｒm3を選択する（Ｓ２０６）。そして、分割領域Ｒm1，Ｒm2，Ｒm3の重心の三次元座標を通る下記式（３）の平面方程式Ｅpを算出する（Ｓ２０７）。
Ｅｐ：ax+by+cz+d=0…（３）
なお、分割領域Ｒm1，Ｒm2，Ｒm3の重心の高さ（ｚ座標）については、Ｓ２０４及びＳ２０５と同様の手順によって、それぞれの分割領域に対応する高度の度数分布から推定高度を算出し、これを各分割領域の重心の高さとする。
つぎに、平面方程式Ｅpに対して、分割領域Ｒmの重心の二次元座標（ｘｙ座標）を代入し、これを高度ｚについて解き（Ｓ２０８）、この算出したｚを推定高度として出力する（Ｓ２０９）。
［２−３．「区間所要時間学習処理」の説明］
図５は、情報処理装置１８が実行する「区間所要時間学習処理」の手順を示すフローチャートである。この処理は、車両が走行状態の時に所定間隔で逐次実行される。
情報処理装置１８は処理を開始すると、まず、ＧＰＳ受信装置１１、車速センサ１２、ジャイロセンサ１３、加速度センサ１４の各センサ類からの検出信号に基づいて、車両の現在位置ｐを検出する（Ｓ３０１）。つぎに、ＧＰＳ受信装置１１によって受信した測位信号、あるいは情報処理装置内の内部時計（図示なし）から、現在の時刻ｔを検出する（Ｓ３０２）。
つぎに、学習情報データベース１７内を検索し、現在位置ｐが属する分割領域Ｒmを決定する（Ｓ３０３）。そして、この分割領域Ｒmが、前回現在位置を検出したときの地点が属する分割領域Ｒnと異なるか否かを判定する（Ｓ３０４）。ここで、分割領域Ｒmが、前回検出時の分割領域Ｒnと異なると判定した場合（Ｓ３０４：ＹＥＳ）、Ｓ３０５へ移行する。一方、分割領域Ｒmが、前回検出時の分割領域Ｒnと同一であると判定した場合（Ｓ３０４：ＮＯ）、「区間所要時間学習処理」を終了する。
Ｓ３０５では、前回検出時の分割領域Ｒnへの進入位置と退出位置とを車両の走行軌跡から求め、これに基づいて分割領域Ｒn通過した際の離散化した進行方向ｄを決定する。つぎに、所定の時間ごとに区切られた時間帯の中から、時刻ｔに該当する時間帯ｓを決定する（Ｓ３０６）。そして、分割領域Ｒnへの進入時刻と退出時刻との差から、分割領域Ｒnを通過した際の離散化した所要時間ｔtripを決定する（Ｓ３０７）。
つぎに、学習情報データベース１７から、この分割領域Ｒnに対応する区間所要時間の多次元度数分布Ｆn(D,S,T)を読み出す（Ｓ３０８）。この区間所要時間の度数分布は、当該分割領域を通過する際の離散化した進行方向Ｄ、所定の時間ごとに区切られた時間帯Ｓ、及び当該分割領域を通過する際の離散化した所要時間（区間所要時間）Ｔを変量とする三次元の度数分布であり、各変数の検出値の組み合わせが現れた回数（度数）を示すものである。
つづいて、下記式（４）に示すように、読み出した区間所要時間の度数分布Ｆn(D,S,T)において、進行方向Ｄ＝ｄ、時間帯Ｓ＝ｓ、所要時間Ｔ＝ｔtripの組み合わせに該当する階級の度数に１を加算する（Ｓ３０９）。
Ｆn(D=d,S=s,T=ttrip)←Ｆn(D=d,S=s,T=ttrip)+1…（４）
そして、学習情報データベース１７に対し、Ｓ３０９で更新した区間所要時間の度数分布Ｆn(D,S,T)を当該分割領域Ｒnに対応付けて記録する（Ｓ３１０）。
なお、上述の「区間所要時間学習処理」におけるＳ３０１の処理が、特許請求の範囲における位置検出手段に相当する。また、Ｓ３０２，Ｓ３０５，Ｓ３０６，Ｓ３０７の各処理が、特許請求の範囲における検出値取得手段に相当する。また、Ｓ３０８〜Ｓ３１０の処理が、特許請求の範囲における記録手段に相当する。
［２−４．「経路所要時間推定処理」の説明］
つぎに、上述の「区間所要時間学習処理」（図５参照）によって蓄積された区間所要時間の学習情報を用いて、目的地までの経路の推定所要時間を算出する「経路所要時間推定処理」の手順を説明する。なお、この「経路所要時間推定処理」は、特許請求の範囲における出力手段に相当する。
図６は、情報処理装置１８が実行する「経路所要時間推定処理」の手順を示すフローチャートである。この処理は、情報処理装置１８が実行する学習情報を利用した車両制御や経路案内処理のプロセスにおいて、目的地までの経路の所要時間が必要とされるときに実行される。
情報処理装置１８は処理を開始すると、まず、現在位置から目的地までの経路探索を行う（Ｓ４０１）。そして、学習情報データベース１７内を検索し、探索された経路が通る分割領域の集合｛Ｒm｝を決定する（Ｓ４０２）。つぎに、ＧＰＳ受信装置１１によって受信したＧＰＳ衛星からの信号、あるいは情報処理装置内の内部時計（図示なし）から、現在の時刻ｔを検出する（Ｓ４０３）。
そして、目的地までの経路の所要時間ｔtripを０にセットする（Ｓ４０４）。つぎに、分割領域の集合｛Ｒm｝内から、未処理の分割領域Ｒmを選択し（Ｓ４０５）、この選択した分割領域Ｒmに対応する区間所要時間の多次元度数分布Ｆm(D,S,T)を読み出す（Ｓ４０６）。
つぎに、学習情報データベース１７内を検索し、目的地までの経路が分割領域Ｒmを通過する際の離散化した進行方向ｄを決定する（Ｓ４０７）。さらに、時刻ｔと現時点の所要時間ｔtripとから、車両が分割領域Ｒmを通過すると推定される時間帯ｓを決定する（Ｓ４０８）。そして、読み出した区間所要時間の度数分布Ｆm(D,S,T)において、進行方向Ｄ＝ｄかつ時間帯Ｓ＝ｓのである階級における区間所要時間Ｔの平均値〈ｔm〉を算出する（Ｓ４０９）。この算出した区間所要時間Ｔの平均値〈ｔm〉を、下記式（５）に示すように、現時点での所要時間ｔtripに加算する（Ｓ４１０）。
ttrip←ttrip+〈tm〉…（５）
なお、ここでは、区間所要時間の平均値の代わりに中央値を算出し、これを所要時間ｔtripに加算するような構成であってもよい。
つぎに、分割領域の集合｛Ｒm｝の全要素について処理を行ったか否かを判定する（Ｓ４１１）。ここで、未処理の要素があると判定した場合（Ｓ４１１：ＮＯ）、Ｓ４０５の処理へ戻る。その後、Ｓ４０５〜Ｓ４１０の処理を順次繰り返し、Ｓ４１１で分割領域の集合｛Ｒm｝の全要素について処理を行ったと判定した場合（Ｓ４１１：ＹＥＳ）、現時点での所要時間ｔtripを目的地までの経路の推定所要時間として出力する（Ｓ４１２）。
［２−５．「補正位置学習処理」の説明］
図７は、情報処理装置１８が実行する「補正位置学習処理」の手順を示すフローチャートである。この処理は、車両が走行状態の時に所定間隔で逐次実行される。
情報処理装置１８は処理を開始すると、まず、ＧＰＳ受信装置１１、車速センサ１２、ジャイロセンサ１３、加速度センサ１４の各センサ類からの検出信号に基づいて、現時刻ｔにおける車両の位置ｐ（ｔ）を検出する（Ｓ５０１）。そして、この検出した位置ｐ（ｔ）をリングバッファＡに書き込む（Ｓ５０２）。
つぎに、リングバッファＡに保持されている位置ｐ（ｔ）以前の走行軌跡と、地図データに基づく道路形状との比較によるマップマッチングを行い、位置ｐ（ｔ）に対する補正位置ｕ（ｔ）を計算し（Ｓ５０３）、この計算したｕ（ｔ）をリングバッファＢに書き込む（Ｓ５０４）。
なお、Ｓ５０３で行うマップマッチングは、通常のナビゲーション装置で行われるリアルタイムのマップマッチングと同様のものである。具体的には、図８（ａ）に示すように、時刻Ｔにおける検出位置を、時刻Ｔ以前の走行軌跡と道路形状とのパターンマッチングによって道路上に補正するものである。このようなマップマッチングの手法においては、図８（ａ）に示すように、経路が分岐Ａで道路Ｂと道路Ｃとに分かれているような場合、分岐Ａ通過直後においては、時刻Ｔ以前の走行軌跡だけでは時刻Ｔの時点で道路Ｂ，Ｃのどちらの道路上を走行しているのかを判断するのは難しい。したがって、実際に走行している道路とは異なる道路上に走行位置を補正してしまう可能性がある。つまり、上記Ｓ５０３で計算される補正位置ｕ（ｔ）は、場合によっては実際に走行している場所とは離れた場所に特定されている可能性もあり、ある程度の誤差を含んだ位置である。
図７の説明に戻る。つぎに、Ｓ５０５では、リングバッファＡに保持されている全要素を用いて、過去の時刻ｔ−ｋ（ｋ＞０）における過去位置ｐ（ｔ−ｋ）以前及び以降の走行軌跡と地図データに基づく道路形状との比較によるマップマッチングを行い、過去位置ｐ（ｔ−ｋ）に対するより確かな補正位置ｖ（ｔ−ｋ）を計算する。
なお、Ｓ５０５で行うマップマッチングは、図８（ｂ）に示すように、過去の時刻Ｔにおける検出位置を、時刻Ｔ以前及び以降の走行軌跡と道路形状とのパターンマッチングによって道路上に補正するものである。このようなマップマッチングの手法においては、図８（ｂ）に示すように、分岐Ａ通過直後の時刻Ｔの検出位置に対して、時刻Ｔ以前の走行軌跡だけでは道路Ｂ，Ｃのどちらの道路上を走行しているのかを判断するのが難しい状況であっても、時刻Ｔ以降の走行軌跡によって時刻Ｔ以降にどちらの方向へ進行したかが明らかになり、時刻Ｔの時点でどちらの道路を走行していたかを容易に判断できる。つまり、上記Ｓ５０５で計算された補正位置ｖ（ｔ−ｋ）は、それ以前にＳ５０３で計算された同時刻の補正位置ｕ（ｔ−ｋ）よりも正確な位置を示すものである。
図７の説明に戻る。Ｓ５０６では、学習情報データベース１７内を検索し、補正位置ｖ（ｔ−ｋ）が属する分割領域Ｒmを決定する。そして、この分割領域Ｒmに対応する補正位置の度数分布Ｆm(Ｒ)を読み出す（Ｓ５０７）。この補正位置の度数分布は、リアルタイムのマップマッチングより得られた誤差を含む補正位置が属する分割領域Ｒを変量とする度数分布であり、車両の正確な走行位置が属する分割領域に対してマップマッチングによる補正位置が属する分割領域が現れた回数（度数）を示すものである。
つぎに、リングバッファＢから時刻ｔ−ｋにおける補正位置ｕ（ｔ−ｋ）を読み出す（Ｓ５０８）。そして、学習情報データベース１７を検索し、補正位置ｕ（ｔ−ｋ）が属する分割領域Ｒnを決定する（Ｓ５０９）。
つづいて、下記式（６）に示すように、読み出した補正位置の度数分布Ｆm(Ｒ)において、補正位置Ｒ＝Ｒnに該当する階級の度数に１を加算する（Ｓ５１０）。さらに、下記式（７）に示すように、Ｆm(Ｒ)の全階級の度数の合計Ｎmに１を加算する（Ｓ５１１）。
Fm(R=Rn)←Fm(R=Rn)+1…（６）
Nm←Nm+1…（７）
そして、学習情報データベース１７に対し、Ｓ５１０，Ｓ５１１で更新した補正位置の度数分布Ｆm(Ｒ)及び度数の合計Ｎmを当該分割領Ｒmに対応付けて記録する（Ｓ５１２）。
なお、上述の「補正位置学習処理」におけるＳ５０５の処理が、特許請求の範囲における位置検出手段に相当する。また、Ｓ５０３の処理が、特許請求の範囲における検出値取得手段に相当する。また、Ｓ５０６〜Ｓ５１２の各処理が、特許請求の範囲における記録手段に相当する。
［２−６．「現在位置確率演算処理」の説明］
つぎに、上述の「補正位置学習処理」（図７参照）で蓄積された補正位置の学習情報を用いて、マップマッチングにより得られる現在位置の確からしさを示す現在位置確率を算出する「現在位置確率演算処理」の手順を説明する。なお、この「現在位置確率演算処理」は、特許請求の範囲における出力手段に相当する。
図９は、情報処理装置１８が実行する「現在位置確率演算処理」の手順を示すフローチャートである。この処理は、情報処理装置１８が実行する経路案内処理のプロセスにおいて、マップマッチングによる補正位置の確からしさを示す情報が必要とされるときに実行される。なお、本処理では、マップマッチングによる補正位置の確からしさを示す情報として、ベイズの定理により「マップマッチングによる補正位置がＡであるときに正しい現在位置がＢである」という事象の事後確率を計算する。
情報処理装置１８は処理を開始すると、まず、ＧＰＳ受信装置１１、車速センサ１２、ジャイロセンサ１３、加速度センサ１４の各センサ類からの検出信号に基づいて、現時刻ｔにおける車両の位置ｐ（ｔ）を検出する（Ｓ６０１）。そして、位置ｐ（ｔ）以前の走行軌跡と、地図データに基づく道路形状との比較によるマップマッチングを行い、位置ｐ（ｔ）に対する補正位置ｕ（ｔ）を計算する（Ｓ６０２）。
つぎに、学習情報データベース１７内を検索し、補正位置ｕ（ｔ）が属する分割領域Ｒmを決定する（Ｓ６０３）。さらに、学習情報データベース１７内を検索し、この分割領域Ｒmを中心とする所定範囲内に存在する全ての分割領域の集合｛Ｒz｝を決定する（Ｓ６０４）。
そして、分割領域の集合｛Ｒz｝の全要素（すなわち、全てのｚ）について、正確な現在位置（すなわち、上述の「補正位置学習処理」（図７参照）のＳ５０５で行うマップマッチングで得られた補正位置）が、Ｒz内に存在する事前確率Ｐ（Ｒz）を、下記式（８）によって計算する（Ｓ６０５）。
P(Rz）←Nz/ΣzNz…（８）
なお、Ｎzは、分割領域Ｒzに対応する補正位置の度数分布Ｆz(Ｒ)における全階級の度数の合計を示す。また、ここでは、Σzはｚの全ての場合についての和を示す記号である（以下、同様）。つまり、例えばｚ＝１，２，３…ｎである場合、ΣzＮz＝Ｎ1＋Ｎ2＋Ｎ3…＋Ｎnである。
つぎに、分割領域の集合｛Ｒz｝の全要素（すなわち、全てのｚ）について、正しい現在位置が分割領域Ｒz内にあるときに、マップマッチングによって補正位置が分割領域Ｒn（ｎ：全てのｚ内の任意の値）内に検出される事象の尤度Ｐ（Ｒn｜Ｒz）を、下記式（９）に基づいて計算する（Ｓ６０６）。
P(Rn|Rz)←Fz(R=Rn)/Nz…（９）
そして、マップマッチングによって補正位置が分割領域Ｒm内に検出されたときに、正確な現在位置が分割領域Ｒn内存在する事後確率Ｐ（Ｒn｜Ｒm）を、下記式（１０）によって計算し（Ｓ６０７）、この計算した事後確率Ｐ（Ｒn｜Ｒm）を現在位置確率として出力する（Ｓ６０８）。
P(Rn|Rm)←P(Rm|Rn)P(Rn)/ΣzP(Rm|Rz)P(Rz)…（１０）
［２−７．「速度学習処理」の説明］
図１０は、情報処理装置１８が実行する「速度学習処理」の手順を示すフローチャートである。この処理は、車両が走行状態の時に所定間隔で逐次実行される。
情報処理装置１８は処理を開始すると、まず、ＧＰＳ受信装置１１、車速センサ１２、ジャイロセンサ１３、加速度センサ１４の各センサ類からの検出信号に基づいて、車両の現在位置ｐを検出する（Ｓ７０１）。また、車速センサ１２からの検出信号に基づいて、車両の現在の速度ｖを検出する（Ｓ７０２）。また、ＧＰＳ受信装置１１によって受信した測位信号、あるいは情報処理装置内の内部時計（図示なし）から、現在の時刻ｔを検出する（Ｓ７０３）。
つぎに、学習情報データベース１７内を検索し、現在位置ｐが属する分割領域Ｒmを決定する（Ｓ７０４）。そして、この分割領域Ｒmが、前回現在位置を検出したときの地点が属する分割領域Ｒnと異なるか否かを判定する（Ｓ７０５）。ここで、分割領域Ｒmが、前回検出時の分割領域Ｒnと異なると判定した場合（Ｓ７０５：ＹＥＳ）、Ｓ７０６へ移行する。一方、分割領域Ｒmが、前回検出時の分割領域Ｒnと同一であると判定した場合（Ｓ７０５：ＮＯ）、「速度学習処理」を終了する。
Ｓ７０６では、後述の時間帯速度の度数分布の変量の一つである時間帯Ｓの階級の中から、時刻ｔに該当する階級ｓを決定する。つづいて、後述の時間帯速度の度数分布の変量の一つである速度Ｖの階級の中から、検出した速度ｖが属する階級ｃを決定する（Ｓ７０７）。ここでは、速度の最大値Ｖmaxと最小値Ｖminの間を、Ｖmin＝Ｖ1＜Ｖ2＜…＜Ｖk＜Ｖk+1＝Ｖmaxのようにk個に区切った各階級のうち、ある階級ｃの下限値をＶc、階級ｃ＋１の下限値をＶC+1とするときに、速度ｖが下記式（１１）を満たすときの階級ｃを速度ｖが属する階級として決定する。
Vc≦v＜VC+1…（１１）
そして、学習情報データベース１７から、分割領域Ｒmに対応する時間帯速度の多次元度数分布Ｆm(S,V)を読み出す（Ｓ７０８）。この時間帯速度の度数分布は、所定の時間ごとに区切られた時間帯Ｓ、及び当該分割領域を通行中における速度Ｖを変量とするニ次元の度数分布であり、各変数の検出値の組み合わせが現れた回数（度数）を示すものである。
つぎに、下記式（１２）に示すように、読み出した時間帯速度の度数分布Ｆm(S,V)において、時間帯Ｓ＝ｓ、速度Ｖ＝ｃの組み合わせに該当する階級の度数に１を加算する（Ｓ７０９）。
Fm(S=s,V=c)←Fm(S=s,V=c)+1…（１２）
そして、学習情報データベース１７に対し、Ｓ７０９で更新した時間帯速度の度数分布Ｆm(S,V)を当該分割領域Ｒmに対応付けて記録する（Ｓ７１０）。
なお、上述の「速度学習処理」におけるＳ７０１の処理が、特許請求の範囲における位置検出手段に相当する。また、Ｓ７０２及びＳ７０３の処理が、特許請求の範囲における検出値取得手段に相当する。また、Ｓ７０６〜Ｓ７１０の各処理が、特許請求の範囲における記録手段に相当する。
［２−８．「平均速度推定処理」の説明］
つぎに、上述の「速度学習処理」（図１０参照）によって蓄積された速度の学習情報を用いて、ある地点における推定平均速度を算出する「平均速度推定処理」の手順を説明する。なお、この「平均速度推定処理」は、特許請求の範囲における出力手段に相当する。
図１１は、情報処理装置１８が実行する「平均速度推定処理」の手順を示すフローチャートである。この処理は、情報処理装置１８が実行する学習情報を利用した車両制御のプロセスにおいて、ある地点の推定平均速度が必要とされるときに実行される。
情報処理装置１８は処理を開始すると、まず、推定平均速度を取得すべき注目地点ｐを設定する（Ｓ８０１）。この注目地点ｐは、学習情報を利用した車両制御を行う際に車両が通過する地点に設定されるものであり、例えば、経路探索によって算出された目的地までの経路上の地点等が該当する。つづいて、どの時刻における推定平均速度を取得するかを示す注目時刻ｔを設定する（Ｓ８０２）。この注目時刻ｔは、当該注目地点ｐを走行することが予想される時刻に設定されるものである。
そして、学習情報データベース１７内を検索し、注目位置ｐが属する分割領域Ｒmを決定する（Ｓ８０３）。そして、学習情報データベース１７内に分割領域Ｒmに対応する時間帯速度の度数分布Ｆm(S,V)が存在するか否かを判定する（Ｓ８０４）。ここで、分割領域Ｒmに対応する時間帯速度の度数分布Ｆm(S,V)が存在すると判定した場合（Ｓ８０４：ＹＥＳ）、Ｓ８０５へ移行する。一方、分割領域Ｒmに対応する時間帯速度の度数分布Ｆm(S,V)が存在しないと判定した場合（Ｓ８０４：ＮＯ）、「平均速度推定処理」を終了する。
Ｓ８０５では、所定の時間ごとに区切られた時間帯の中から、注目時刻ｔに該当する時間帯ｓを決定する。つぎに、学習情報データベース１７から、分割領域Ｒmに対応する時間帯速度の度数分布Ｆm(S,V)を読み出す（Ｓ８０６）。そして、下記式（１３）に示すように、この読み出した時間帯速度の度数分布Ｆm(S,V)において、時間帯Ｓ＝ｓに該当する各階級の標本数の合計Ｎを計算する（Ｓ８０７）。
N←ΣvFm(S=s,V)…（１３）
つづいて、下記式（１４）に示すように、時間帯Ｓ＝ｓに該当する各階級の平均速度〈Ｖ〉を計算し（Ｓ８０８）、この計算した平均速度〈Ｖ〉を、分割領域Ｒmにおける推定平均速度として出力する（Ｓ８０９）。
〈V〉←｛ΣvV*Fm(S=s,V)｝/N…（１４）
なお、Ｓ８０８において、時間帯Ｓ＝ｓに該当する各階級の平均速度〈Ｖ〉を計算する代わりに、時間帯Ｓ＝ｓに該当する各階級における速度の中央値を算出し、これを分割領域Ｒmにおける推定速度として出力するような構成であってもよい。
［２−９．「充放電制御処理」の説明］
つぎに、上述の各処理によって蓄積した学習情報を利用する車両制御の一例として、ハイブリッドカーに搭載された蓄電池の充放電制御を行う「充放電制御処理」について説明する。なお、この「充放電制御処理」は、特許請求の範囲における制御手段に相当する。
図１２は、情報処理装置１８が実行する「充放電制御処理」の手順を示すフローチャートである。この処理は、学習情報データベース１７に蓄積された学習情報に基づいて各種推定値を取得し、これにより目的地までの経路上における蓄電池の充放電スケジュールを設定し、この設定したスケジュールに沿って蓄電池の充放電を行う処理である。
情報処理装置１８は処理を開始すると、まず、ユーザインタフェース１６を介して受け付けたユーザからの指示に応じて目的地を設定し（Ｓ９０１）、現在位置からこの目的地までの経路探索を行う（Ｓ９０２）。
そして、この探索した経路上における所定間隔ごとの各地点について、上述の「高度推定処理」（図４参照）により高度の学習情報に基づく推定高度を取得する（Ｓ９０３）。つぎに、探索した経路について、上述の「経路所要時間推定処理」（図６参照）により区間所要時間の学習情報に基づく推定所要時間を取得する（Ｓ９０４）。つぎに、探索した経路上における所定間隔ごとの各地点について、上述の「平均速度推定処理」（図１１）により時間帯平均速度の学習情報に基づく現在の時間帯の推定平均速度を取得する（Ｓ９０５）。
つぎに、Ｓ９０３，Ｓ９０４，Ｓ９０５で取得した、経路上の高度、所要時間、平均速度に基づき、目的地までの予想運転パターンを計算する（Ｓ９０６）。具体的には、高度の推移に基づく勾配や平均速度、所要時間に基づき、アクセルの開度やブレーキ使用の頻度、使用するギア段等のパターンを予測する。
そして、この計算した予測運転パターンに適合する蓄電池の充放電スケジュールを計算する（Ｓ９０７）。具体的には、アクセルの開度やブレーキ使用の頻度、使用するギア段等のパターンに基づき、モータを動力として使うモード（すなわち、放電）と、モータを発電機として使い回生充電を行うモードとの切り替えや、経路の所要時間と蓄電池の容量、モータの発電能力及び消費電力等との関係に基づき、蓄電池の充電・放電を行うタイミングや期間の設定等といったスケジューリングを行う。
そして、車両の走行に伴い、この計算した充放電スケジュールに沿った充放電制御を車両走行制御装置３０の充放電制御用のＥＣＵに対して実行する（Ｓ９０８）。
つぎに、車両の実際の運転パターンが、Ｓ９０６で計算した予想運転パターンから逸脱したか否かを判定する（Ｓ９０９）。ここで、実際の運転パターンが予想運転パターンと適合していると判定した場合（Ｓ９０９：ＮＯ）、車両の現在位置が目的地までの経路から逸脱しているか否かを判定する（Ｓ９１０）。ここで、車両の現在位置が目的地までの経路上にあると判定した場合（Ｓ９１０：ＮＯ）、車両が目的地に到着したか否かを判定する（Ｓ９１１）。ここで、車両が未だ目的地に到着していないと判定した場合（Ｓ９１１：ＮＯ）、Ｓ９０８の処理へ戻り充放電制御を継続する。
一方、Ｓ９０９で実際の運転パターンが予想運転パターンから逸脱したと判定した場合（Ｓ９０９：ＹＥＳ）、Ｓ９０３の処理へ戻る。また、Ｓ９１０で現在位置が目的地までの経路から逸脱したと判定した場合（Ｓ９１０：ＹＥＳ）、Ｓ９０２の処理へ戻る。
そして、Ｓ９１１で車両が目的地に到着したと判定した場合（Ｓ９１１：ＹＥＳ）、充放電スケジュールに沿った充放電制御を終了する（Ｓ９１２）。
［３．効果］
上記実施形態の走行関連情報学習システムによれば、以下のような効果を奏する。
（１）走行中に取得した検出値を度数分布として蓄積することで、検出結果の散らばり具合や検出値の出現頻度といった統計的特徴を表すことが可能であり、検出値のばらつきが大きい事象に対しても、その統計的特徴を学習結果に保存でき、学習情報の精度を向上させることができる。
（２）走行中に取得した検出値に基づく度数分布を、道路地図に依らない座標平面の分割領域ごとに対応付けて記憶することで、学習情報の地域的特徴を保存しつつも道路地図データに依存しない態様で学習情報を蓄積可能である。このように、学習情報を度数分布蓄積することで、学習情報の統計的特徴を保存可能な点と、学習情報を道路地図に依存しないで保存する点とを兼ね備えることで、学習情報の精度をより一層向上させることができる。
（３）上述の「高度学習処理」（図３参照）、「区間所要時間学習処理」（図５参照）、「補正位置学習処理」（図７参照）、「速度学習処理」（図１０参照）等により、種々の事象に対する高精度の学習情報を蓄積可能である。
（４）上述の「高度推定処理」（図４参照）、「経路所要時間推定処理」（図６参照）、「現在位置確率演算処理」（図８参照）、「平均速度推定処理」（図１１参照）等により、蓄積した高精度の学習情報に基づいて種々の推定値を算出可能である。
（５）上述の「充放電制御処理」（図１２参照）により、蓄積した精度の高い学習情報に基づいて算出された推定値を、ハイブリッドカーの蓄電池の充放電制御に利用することが可能である。
実施形態の走行関連情報学習システムの概略構成を示すブロック図である。 学習情報データベース１７における学習情報（度数分布）の記憶態様の一例を模式的に示す説明図である。 「高度学習処理」の手順を示すフローチャートである。 「高度推定処理」の手順を示すフローチャートである。 「区間所要時間学習処理」の手順を示すフローチャートである。 「経路所要時間推定処理」の手順を示すフローチャートである。 「補正位置学習処理」の手順を示すフローチャートである。 マップマッチングの手法を模式的に示す説明図である。 「現在位置確率演算処理」の手順を示すフローチャートである。 「速度学習処理」の手順を示すフローチャートである。 「平均速度推定処理」の手順を示すフローチャートである。 「充放電制御処理」の手順を示すフローチャートである。
符号の説明
１０…ナビゲーション装置、１１…ＧＰＳ受信装置、１２…車速センサ、１３…ジャイロセンサ、１４…加速度センサ、１５…道路地図データベース、１６…ユーザインタフェース、１７…学習情報データベース、１８…情報処理装置、２０…無線通信装置、３０…車両走行制御装置

Claims (11)

  1. 自車両が走行中の位置を検出する位置検出手段と、
    自車両の走行に関する所定の事象に対する検出値を取得する検出値取得手段と、
    前記所定の事象に対する検出結果の学習情報として、当該事象の検出値を変量とする度数分布を所定の位置ごとに対応付けて記憶する学習情報記憶手段と、
    前記検出値取得手段によって取得された検出値と、位置検出手段によって検出された位置とに基づき、前記学習情報記憶手段に記憶されている度数分布のうち、検出した位置に対応する当該事象の度数分布に対して、取得した検出値に該当する変量の度数を記録する記録手段とを備えること
    を特徴とする走行関連情報学習システム。
  2. 自車両の位置を検出する位置検出手段と、
    自車両の走行に関する所定の事象に対する検出値を取得する検出値取得手段と、
    前記位置検出手段によって検出される位置座標に対応する座標平面を所定範囲ごとに分割した分割領域ごとに、個々の分割領域における前記所定の事象に対する検出結果の統計である学習情報を記憶する学習情報記憶手段と、
    前記検出値取得手段によって取得された検出値と、位置検出手段によって検出された位置とに基づき、前記学習情報記憶手段に記憶されている学習情報のうち、検出した位置が属する前記分割領域に対応する学習情報に対して、取得した検出値を記録する記録手段とを備えること
    を特徴とする走行関連情報学習システム。
  3. 自車両の位置を検出する位置検出手段と、
    自車両の走行に関する所定の事象に対する検出値を取得する検出値取得手段と、
    前記位置検出手段によって検出される位置座標に対応する座標平面を所定範囲ごとに分割した分割領域ごとに、個々の分割領域における前記所定の事象に対する検出結果の学習情報として、当該事象の検出値を変量とする度数分布を記憶する学習情報記憶手段と、
    前記検出値取得手段によって取得された検出値と、位置検出手段によって検出された位置とに基づき、前記学習情報記憶手段に記憶されている度数分布のうち、検出した位置が属する前記分割領域に対応する当該事象の度数分布に対して、取得した検出値に該当する変量の度数を記録する記録手段とを備えること
    を特徴とする走行関連情報学習システム。
  4. 請求項１又は請求項３に記載の走行関連情報学習システムにおいて、
    前記検出値取得手段は、前記所定の事象に対する検出値として走行中の地点の高度を取得し、
    前記学習情報記憶手段は、前記検出値取得手段によって取得される高度を変量とする度数分布を前記学習情報として記憶すること
    を特徴とする走行関連情報学習システム。
  5. 請求項１，３，４の何れか１項に記載の走行関連情報学習システムにおいて、
    前記検出値取得手段は、前記所定の事象に対する検出値として、道路地図情報に基づいて現在位置を地図の道路上へ補正するマップマッチングによって得られた補正位置を取得し、
    前記学習情報記憶手段は、前記検出値取得手段によって取得される補正位置を変量とする度数分布を前記学習情報として記憶すること
    を特徴とする走行関連情報学習システム。
  6. 請求項１，３，４，５の何れか１項に記載の走行関連情報学習システムにおいて、
    前記検出値取得手段は、複数の事象についてそれぞれ検出値を取得可能に構成されており、
    前記学習情報記憶手段は、前記複数の事象の検出値に基づく複数変量を持つ多次元の度数分布を記憶可能に構成されており、
    前記記録手段は、前記学習情報記憶手段に記憶されている多次元の度数分布のうち、検出した位置に対応する当該事象の度数分布に対して、前記検出値取得手段によって取得された複数の検出値にそれぞれ該当する変量の組み合わせの度数を記録すること
    を特徴とする走行関連情報学習システム。
  7. 請求項６に記載の走行関連情報学習システムにおいて、
    前記検出値取得手段は、前記所定の事象に対する検出値として、所定の区間を通過した際の進行方向、時間帯、及び所要時間を取得し、
    前記学習情報記憶手段は、前記検出値取得手段によって取得される進行方向、時間帯、及び所要時間を変量とする多次元の度数分布を前記学習情報として記憶すること
    を特徴とする走行関連情報学習システム。
  8. 請求項６又は請求項７に記載の走行関連情報学習システムにおいて、
    前記検出値取得手段は、前記所定の事象に対する検出値として、走行中における速度及び時間帯を取得し、
    前記学習情報記憶手段は、前記検出値取得手段によって取得される速度及び時間帯を変量とする多次元の度数分布を前記学習情報として記憶すること
    を特徴とする走行関連情報学習システム。
  9. 請求項１ないし請求項８の何れか１項に記載の走行関連情報学習システムにおいて、
    前記学習情報記憶手段に記憶されている学習情報を用いた所定の統計的計算によって当該事象に関する推定値を算出し、この算出した推定値を出力する出力手段を備えること
    を特徴とする走行関連情報学習システム。
  10. 請求項５に記載の走行関連情報学習システムにおいて、
    前記学習情報記憶手段に記憶されている補正位置の度数分布を用いた所定の統計的計算によって、マップマッチングにより得られた補正位置の確からしさを算出し、これを出力する出力手段を備えること
    を特徴とする走行関連情報学習システム。
  11. 請求項９又は請求項１０に記載の走行関連情報学習システムと、
    前記走行関連情報学習システムが備える出力手段からの出力結果に応じて、車載機器に対する所定の制御を行う制御手段とを備えること
    を特徴とする車両制御装置。
JP2007176491A 2007-07-04 2007-07-04 走行関連情報学習システム及び車両制御システム Pending JP2009014502A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2007176491A JP2009014502A (ja) 2007-07-04 2007-07-04 走行関連情報学習システム及び車両制御システム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2007176491A JP2009014502A (ja) 2007-07-04 2007-07-04 走行関連情報学習システム及び車両制御システム

Publications (1)

Publication Number Publication Date
JP2009014502A true JP2009014502A (ja) 2009-01-22

Family

ID=40355590

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2007176491A Pending JP2009014502A (ja) 2007-07-04 2007-07-04 走行関連情報学習システム及び車両制御システム

Country Status (1)

Country Link
JP (1) JP2009014502A (ja)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012233801A (ja) * 2011-05-02 2012-11-29 Toyota Central R&D Labs Inc 存在確率分布推定装置及びプログラム
JP2015021419A (ja) * 2013-07-18 2015-02-02 三菱自動車工業株式会社 エンジンの制御装置
KR20170045009A (ko) * 2015-10-16 2017-04-26 현대모비스 주식회사 차량용 항법 기기 제어 장치 및 방법
CN109147088A (zh) * 2018-07-17 2019-01-04 苏州车付通信息科技有限公司 智能驾驶行为数据采集器及采集方法
CN109164788A (zh) * 2018-09-05 2019-01-08 苏州车付通信息科技有限公司 驾驶行为采集系统及其采集方法
JP2021051638A (ja) * 2019-09-26 2021-04-01 いすゞ自動車株式会社 モデル作成装置、データ生成装置、モデル作成方法及びデータ生成方法
WO2021108743A1 (en) * 2019-11-27 2021-06-03 Lyft, Inc. Systems and methods for improving vehicle predictions using point representations of scene
US20210291802A1 (en) * 2020-03-17 2021-09-23 Toyota Jidosha Kabushiki Kaisha Non-transitory storage medium, vehicle control device, and method for generating data structure

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0816991A (ja) * 1994-07-05 1996-01-19 Alpine Electron Inc 誘導経路探索方法
JPH0872591A (ja) * 1994-09-05 1996-03-19 Nissan Motor Co Ltd 車両用駆動力制御装置
JPH11153446A (ja) * 1997-11-19 1999-06-08 Nissan Motor Co Ltd 車載情報装置
JPH11339174A (ja) * 1998-05-29 1999-12-10 Fujitsu Social Science Laboratory Ltd 車の運行状況の提示方法と最適経路の探索提示方法及び記録媒体
JP2001093077A (ja) * 1999-09-22 2001-04-06 Fujitsu Ltd データベース作成方法及びその装置とプログラム記録媒体と速度実績情報表示装置と走行時間算出装置と経路探索装置
JP2006282073A (ja) * 2005-04-01 2006-10-19 Fujitsu Ten Ltd 車両制御装置，車両制御システム及び車両制御方法
JP2007003195A (ja) * 2005-06-21 2007-01-11 Seiko Epson Corp 位置検出装置
JP2007047271A (ja) * 2005-08-08 2007-02-22 Denso Corp 地図情報更新システム
JP2007149054A (ja) * 2005-10-26 2007-06-14 Toyota Motor Corp 車両用運転支援システム

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0816991A (ja) * 1994-07-05 1996-01-19 Alpine Electron Inc 誘導経路探索方法
JPH0872591A (ja) * 1994-09-05 1996-03-19 Nissan Motor Co Ltd 車両用駆動力制御装置
JPH11153446A (ja) * 1997-11-19 1999-06-08 Nissan Motor Co Ltd 車載情報装置
JPH11339174A (ja) * 1998-05-29 1999-12-10 Fujitsu Social Science Laboratory Ltd 車の運行状況の提示方法と最適経路の探索提示方法及び記録媒体
JP2001093077A (ja) * 1999-09-22 2001-04-06 Fujitsu Ltd データベース作成方法及びその装置とプログラム記録媒体と速度実績情報表示装置と走行時間算出装置と経路探索装置
JP2006282073A (ja) * 2005-04-01 2006-10-19 Fujitsu Ten Ltd 車両制御装置，車両制御システム及び車両制御方法
JP2007003195A (ja) * 2005-06-21 2007-01-11 Seiko Epson Corp 位置検出装置
JP2007047271A (ja) * 2005-08-08 2007-02-22 Denso Corp 地図情報更新システム
JP2007149054A (ja) * 2005-10-26 2007-06-14 Toyota Motor Corp 車両用運転支援システム

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012233801A (ja) * 2011-05-02 2012-11-29 Toyota Central R&D Labs Inc 存在確率分布推定装置及びプログラム
JP2015021419A (ja) * 2013-07-18 2015-02-02 三菱自動車工業株式会社 エンジンの制御装置
KR102460234B1 (ko) * 2015-10-16 2022-10-28 현대모비스 주식회사 차량용 항법 기기 제어 장치 및 방법
KR20170045009A (ko) * 2015-10-16 2017-04-26 현대모비스 주식회사 차량용 항법 기기 제어 장치 및 방법
CN109147088A (zh) * 2018-07-17 2019-01-04 苏州车付通信息科技有限公司 智能驾驶行为数据采集器及采集方法
CN109164788A (zh) * 2018-09-05 2019-01-08 苏州车付通信息科技有限公司 驾驶行为采集系统及其采集方法
JP2021051638A (ja) * 2019-09-26 2021-04-01 いすゞ自動車株式会社 モデル作成装置、データ生成装置、モデル作成方法及びデータ生成方法
JP7226226B2 (ja) 2019-09-26 2023-02-21 いすゞ自動車株式会社 モデル作成装置、データ生成装置、モデル作成方法及びデータ生成方法
WO2021108743A1 (en) * 2019-11-27 2021-06-03 Lyft, Inc. Systems and methods for improving vehicle predictions using point representations of scene
US11354913B1 (en) 2019-11-27 2022-06-07 Woven Planet North America, Inc. Systems and methods for improving vehicle predictions using point representations of scene
JP2021148022A (ja) * 2020-03-17 2021-09-27 トヨタ自動車株式会社 情報処理装置、及び車両制御システム
US20210291802A1 (en) * 2020-03-17 2021-09-23 Toyota Jidosha Kabushiki Kaisha Non-transitory storage medium, vehicle control device, and method for generating data structure
US11945429B2 (en) 2020-03-17 2024-04-02 Toyota Jidosha Kabushiki Kaisha Non-transitory storage medium, vehicle control device, and method for generating data structure

Similar Documents

Publication Publication Date Title
US8332138B2 (en) Road information acquisition device and road information acquisition method
EP2453207B1 (en) Travel guidance device, travel guidance method, and computer program
US8786632B2 (en) Map image display system, map image display device, map image display method, and computer program
EP2280242B1 (en) Map information guidance device, map information guidance method, and computer program
JP2009014502A (ja) 走行関連情報学習システム及び車両制御システム
US8706408B2 (en) Navigation system and route search method
US20070005235A1 (en) Navigation system
US20110004397A1 (en) Traveling information creating device, traveling information creating method and program
US20130304382A1 (en) Navigation device, navigation method, and program
US7961114B2 (en) Weather information notification apparatus and program storage medium
WO2014103400A1 (ja) 車両用情報提供装置
CN106662457A (zh) 目的地推测系统及目的地推测方法
JP4863086B2 (ja) 運転支援装置及びナビゲーション装置及びコンピュータプログラム
EP4099725B1 (en) Method, apparatus, and computer program product for anonymizing trajectories and stay points
JP2011235695A (ja) 車載勾配推定装置、勾配推定方法
JP5032592B2 (ja) 経路探索装置、経路探索方法、経路探索プログラムおよび記録媒体
JP4652472B2 (ja) ナビゲーション装置、ナビゲーション方法、ナビゲーションプログラム、および記録媒体
EP1865287A1 (en) Guide device, guide method, guide program, and recording medium
JP2011122844A (ja) ナビゲーション装置、ナビゲーション方法、及びナビゲーションプログラム
JP2010216831A (ja) ナビゲーション装置及び走行速度情報調整方法
JP4833570B2 (ja) 車載用情報処理装置、その制御方法及び制御プログラム
KR20120029707A (ko) 교통예측정보 표시방법 및 교통예측정보를 표시하는 내비게이션 장치
CN110892229B (zh) 通知控制装置及通知控制方法
JP2008082884A (ja) ナビゲーション装置
EP2040034A1 (en) Navigation device and method, navigation program, and storage medium

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20100216

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20110825

A131 Notification of reasons for refusal

Effective date: 20110913

Free format text: JAPANESE INTERMEDIATE CODE: A131

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20120124