JP7035059B2 - ハイブリッド車の燃料および電力消費を管理する管理設定値を演算する演算方法 - Google Patents

Description

本発明は一般的に、充電式ハイブリッド車に関する。

より詳細に、本発明は、トラクションバッテリにより電流が供給される少なくとも１つの電気モータと、燃料が供給される内燃機関とを備えたハイブリッド動力車の燃料および電流消費を管理する設定値を演算する方法に関する。

本発明は、バッテリ寿命が長いハイブリッド車すなわち少なくとも１０キロメートル超の距離にわたって電気モータだけを使用して走行可能な車両に特に有利に適用できる。

充電式ハイブリッド車は、（内燃機関および燃料タンクを含む）従来の内燃駆動系ならびに（電気モータおよび電源プラグを介して充電可能なトラクションバッテリを含む）電気駆動系を備える。

このようなハイブリッド車は、その電気駆動系のみによる駆動、その内燃駆動系のみによる駆動、またはその電気駆動系および内燃駆動系の両者による同時駆動が可能である。また、内燃機関あるいは制動中の動力車が生じる運動エネルギーの取り込みにより生成された電力を用いてトラクションバッテリを再充電することができる。

車両の将来のルートの知識が無いため、駆動系それぞれの使用に関して現在実現されている方策では、最小エネルギーレベルに達するまで、ルートの始点でトラクションバッテリの放電を体系的に開始した後、内燃駆動系を使用する。このように、運転者が短いルートを運転して、トラクションバッテリを規則的に再充電し得る場合は、電気駆動系の使用が最大化されるため、車両の汚染排出物が少なくなる。

ただし、この方策では常に、最小の燃料消費が保証されるわけではない。これは特に、ユーザのルートが高速道路部で始まり、都市部で終了となる場合に当てはまる。具体的に、高速道路では、トラクションバッテリが急速に放電するため、電気駆動系の使用に適さず、都市環境では、内燃機関の効率が高速道路上よりも都市部で低くなるため、内燃駆動系の使用に適さない。

この欠点を軽減する目的で、米国特許第８，８２５，２４３号公報は、ナビゲーションシステムが分かっているルート予測に基づいて、「理想的」なバッテリ放電カーブを構築することを提案している。このカーブは、バッテリの充電状態がルートの最後だけでその最小許容値に達するように構築される。そして、この放電カーブに最も追従するように、ハイブリッドシステムがこのルート予測に従って駆動され得る。このような解決手段の欠点として、ルート上の道路状況が実質的に多様である場合（たとえば、ルートが都市の第１の部分で始まった後、高速道路の第２の部分へと続き、最後に都市の第３の部分で終了となる単純ながら非常に一般的な場合）、エネルギー消費の観点から、ルートの走行が最適とはならない。

さらに、都市部での内燃駆動系の使用は、運転者にとって、電気駆動系の使用よりも快適性に劣る。

最後に、都市部での内燃機関の使用が法律により妨げられている場合もあり、もはや都市部では内燃機関を使用できないことを意味する。

これらさまざまな欠点に対処するため、本出願人は、参照番号ＦＲ１５５６２７１（この出願は、本特許出願の出願時点で公開されていない）としてＩＮＰＩに出願された特許出願に詳しく記載された第１の技術的解決手段を開発した。

この第１の技術的解決手段では概して、
ナビゲーションシステムによって、入力ルートの各セグメントの特徴となるものを決定し、
セグメントそれぞれについて、内燃機関の燃料消費を電気モータの電流消費に関連付ける数学的関係となるものを決定し、
走行するルートに対して燃料消費プロファイルが最適化されるように、各セグメントの数学的関係の最適点を選定する。

言い換えると、この第１の技術的解決手段によれば、下り部、上り部、高速道路部、および都市部等の道路関連のイベントを予測するとともに、ルートの全体を通して車両の燃料消費を少なくするための電気的リソースの最良の使用方法を前もって演算することができる。

この第１の技術的解決手段の欠点として、予想外の因子が車両のエネルギー消費を増大させるため、予測燃料消費プロファイルが不正確となってしまう場合がある。そのリスクとして、バッテリが所望量の電気エネルギーを供給できなくなり、結果としてエンジンの燃料消費が増大する。

従来技術の前述の欠点を取り除くため、本発明は、車両のエネルギー消費を修正する予想外の因子に関連する摂動に対してシステムをより堅牢にすることを提案する。

より詳細に、本発明によれば、導入部において規定したような演算方法であって、
ａ）ナビゲーションシステムにより、走行するルートを取得するステップと、
ｂ）前記ルートを連続したセグメントに分割するステップと、
ｃ）各セグメントについて、前記セグメントを特徴付ける属性を取得するステップと、
ｄ）前記セグメントそれぞれについて、その属性を考慮することにより、セグメントにおけるハイブリッド動力車の推定燃料消費をその推定電気エネルギー消費に関連付ける関係を取得するステップと、
ｅ）動力車の実際の燃料消費および実際の電気エネルギー消費を測定するステップと、
ｆ）前記実際の燃料消費および前記実際の電気エネルギー消費を考慮することにより、各関係を修正するステップと、
ｇ）修正した関係それぞれにおいて最適な消費点を決定するステップと、
ｈ）前記最適点の座標に応じて、ルート全体のエネルギー管理設定値を生成するステップと、
を含む、演算方法が提案される。

車両の実際のエネルギー消費（燃料および電気エネルギー）の測定によれば、残りのルート全体にわたるエネルギー消費の予測を「実時間」で修正可能となる。

この修正によれば、より良好な予測が得られるが、この予測は、たとえば
（車両の乗員数、トランクの中身、トレーラのヒッチング等による）車両の負荷の増大、
（車両のルーフへの荷物の載置、開いた窓、または空気の抜けたタイヤ等による）車両の前進に抗する力の増大、
（内燃機関、トラクションバッテリ、電気モータ等の劣化による）車両のコンポーネントの経年劣化、
トラクションバッテリおよび内燃機関の効率に影響することが知られている温度変化、
等の予想外の因子により見当違いとなることはない。

したがって、本発明によれば、外部の摂動および車両のコンポーネントの経年劣化に対して、システムをより堅牢にすることができる。

さらに、ルートの始点で運転者に表示される推定消費と目的地に到達した際に表示される実際の消費との差を小さくすることができる。

したがって、この解決手段によれば、このシステムに対する運転者の信頼が高まるため、運転者は場合により、そのエネルギー消費をさらに抑えようとする。

最後に、公害をもたらす車両の通行が禁止されたゾーンを動力車が通過しなければならない場合、この解決手段によれば、電気モータだけを使用することにより、これらのゾーンの通過に対して十分に充電されたトラクションバッテリでこれらのゾーンに到達することができる。

以下は、本発明に係る演算方法の他の利点および非限定的な特徴である。
ステップｄ）は、燃料消費値を電気エネルギー消費値に関連付ける複数の所定関係から、前記セグメントを特徴付ける属性に対応する関係を選択することを含む。
所定関係は多項式であり、ステップｆ）においては、選択した多項式の原点における縦座標の値を訂正する。
選択した多項式の縦座標の値は、走行済みセグメントの少なくとも１つの部分にわたりハイブリッド車の実燃料消費を実電気エネルギー消費に関連付ける多項式の原点における縦座標の値と、走行済みセグメントの前記少なくとも１つの部分にわたりハイブリッド車の推定燃料消費を推定電気エネルギー消費に関連付ける多項式の原点における縦座標の値との差に等しい変数を加算することにより訂正される。
多項式は２次であり、トラクションバッテリの充電および放電の変化は、最小閾値と最大閾値との間に境界を有する。
前記多項式は、２つの一定係数と、多項式ごとに変化する原点における縦座標値とを有する。
ステップｄ）において、上記関係は、前記セグメントの勾配とは独立に選択され、ステップｆ）の前に、前記関係を修正して前記勾配を考慮に入れるステップｄ１）が実施される。
ステップｄ）において、上記関係は、運転者が車を運転する方法とは独立に選択され、ステップｆ）の前に、前記関係を修正して、運転者が車を運転する前記方法を考慮に入れるステップｄ３）が実施される。
ステップｄ）において、上記関係は、電気モータとは異なり、トラクションバッテリにより電流が供給される補助装置の電流消費とは独立に選択され、ステップｆ）の前に、前記関係を修正して、補助装置の前記電流消費を考慮に入れるステップｄ２）が実施される。
ステップｇ）において、最適点は、ルートの全体にわたってハイブリッド車の燃料消費を最小化し、前記ルートの最後にトラクションバッテリの放電を最大化するように選定される。

非限定的な例として与えられる添付の図面を参照して与えられる以下の説明によれば、本発明の構成およびその実装方法を明確に理解可能となる。

車両が走行する必要のあるルートのセグメントを特徴付ける属性の値を示したテーブルである。 走行するルートのセグメントを特徴付ける基準カーブのパラメータを示したテーブルである。 テスト走行中に取得された個別消費カーブの分布を示したグラフである。 複数の基準カーブを示したグラフである。 セグメントに割り当てられた各属性値に対して、このセグメントが図４の基準カーブのいずれかと関連付けられる確率を関連付けるテーブルである。 車両の補助装置の電気消費を考慮するため、基準カーブに対して行われる修正を示したグラフである。 ルートの対応するセグメントの勾配または運転者の挙動を考慮するため、基準カーブに対して行われる修正を示したグラフである。 各セグメントと関連付けられた各基準カーブのさまざまな点と、これら基準カーブの最適点を通過するカーブとを示したグラフである。 本発明に係る演算方法を実現可能な方法を示したフローチャートである。

従来、動力車は、パワートレイン、本体要素、および乗員室要素を特に支持するシャシーを備える。

充電式ハイブリッド車において、パワートレインは、内燃駆動系および電気駆動系を備える。

内燃駆動系は特に、燃料タンクと、燃料タンクにより供給される内燃機関とを備える。

電気駆動系としては、トラクションバッテリと、トラクションバッテリにより電流が供給される１つまたは複数の電気モータとを備える。

また、この動力車は、たとえば住居の幹線電源またはその他任意の電気網を介してトラクションバッテリをローカルに充電可能な電源プラグを備える。

また、動力車は、補助装置を備えるが、ここではトラクションバッテリにより電流が供給される電気装置として規定される。

これらの補助装置としては、エアコンのモータ、パワーウィンドウのモータ、あるいは地理定位－ナビゲーションシステムが挙げられる。

この地理定位－ナビゲーションシステムは従来、動力車の地理位置に関する信号を受信可能なアンテナと、国または地域のマップを格納可能なメモリと、車両の位置をこのマップ上に表示可能なスクリーンとを備える。

ここでは、このスクリーンが運転者による情報入力を可能にするタッチスクリーンである場合について考える。当然のことながら、それ以外も可能である。

最後に、地理定位－ナビゲーションシステムは、運転者により入力された情報、メモリに格納されたマップ、および動力車の位置を考慮に入れて、走行するルートを演算可能なコントローラを備える。

動力車１は、特に前述の２つの駆動系（特に、電気モータおよび内燃機関が生じる動力）を制御可能な電子制御ユニット（すなわち、ＥＣＵ）をさらに備える。

本発明に関連して、このＥＣＵは、地理定位－ナビゲーションシステムのコントローラに接続されているため、これら２つの要素は、互いに情報を伝え合うことができる。

ここで、上記要素は、車両の主要な装置間通信ネットワークによって（通常は、ＣＡＮバスを介して）、一体的に接続されている。

ＥＣＵは、プロセッサおよびメモリユニット（以下、メモリと称する）を備える。

このメモリは、以下に記載の方法に関連して用いられるデータを格納する。

特に、図５に示すようなテーブル（以下により詳しく説明する）を格納する。

また、プロセッサによる実行によって以下に記載の方法をＥＣＵにより実現可能な命令を含むコンピュータプログラムから成るコンピュータアプリケーションを格納する。

ここで、本発明の実施のため、ＥＣＵは複数のセンサに接続されているが、これにより特に、内燃機関の瞬時燃料消費、１つもしくは複数の電気モータの瞬時電流消費、補助装置の瞬時電流消費、ならびに動力車の運転者の運転スタイル（派手、普通、平穏等）を把握可能となる。

まず、以下に記載の方法の説明において使用する複数の考え方について規定する。

たとえば、用語「ルート（ｒｏｕｔｅ）」は、目的地点に到達するために動力車が走行する必要のある経路として規定されていてもよい。

この目的地点（ルートの最後）には、車両に装備された電源プラグを介してトラクションバッテリを再充電可能な充電所が存在するものと考えられる。

各ルートは、「隣接レグ」または「隣接セグメント」に分割可能である。

レグの考え方は、地理定位－ナビゲーションシステムに装備されたコントローラが本来使用するものということになる。

実際、各レグは、２つの道路交差点間に存在するルートの部分に対応する。最短または最速のルートを規定するため、コントローラは、ルートが通過する必要のある道路のレグを決定することになる。

セグメントの考え方は異なる。これについては、以下に詳しく規定する。簡素化のため、ルートの各セグメントは、ルートの１つの部分に対応し、その部分で道路の特性が大きく変化することはない。これにより、一例として、ルートは、それぞれにおいて最大許容速度が不変の複数のセグメントに分割することも可能である。

ここで、ルートは、Ｎ個のセグメントＴ^ｉ（ｉは、１～Ｎの範囲の整数）により構成されると考えられる。

これらのセグメントは、「属性ｃｒ」と称するパラメータを特徴とする。以下は、各セグメントを特徴付け得る属性ｃｒの例である。

第１の属性は、「道路カテゴリＦＣ」となる。地理定位－ナビゲーションシステムに装備されたコントローラは一般的に、この種のカテゴリを使用して、さまざまな種類の道路を区別する。ここで、このカテゴリは、（たとえば）１～６の範囲の整数値を取り得る。たとえば、１に等しい属性が高速道路に対応し、２に等しい属性が幹線道路に対応していてもよい。

第２の属性は、度またはパーセントで表されるセグメントの「勾配ＲＧ」となる。

第３、第４、第５、および第６の属性は、セグメント上の車両の固有速度に対するものとなる。

第３の属性は、セグメントの「速度カテゴリＳＣ」となる。また、地理定位－ナビゲーションシステムに装備されたコントローラは一般的に、この種のカテゴリを使用して、さまざまな種類の道路を区別する。ここで、このカテゴリは、１～６の範囲の整数値を取り得る。たとえば、１に等しい属性が超高速の道路（速度制限が１２０ｋｍ／ｈ超）に対応し、２に等しい属性が高速の道路（速度制限が１００～１２０ｋｍ／ｈの範囲）に対応していてもよい。

第４の属性は、セグメント上の「最大許容速度ＳＬ」となる。

第５の属性は、セグメント上で観測される「平均速度ＳＭＳ」となる（その値は、各道路に実行された統計的測定の結果である）。

第６の属性は、セグメント上で観測される「瞬時速度ＴＳ」となる（その値は、交通状況に関する情報を実時間で提供するシステムから得られる）。

第７の属性は、セグメントの「長さＬＬ」となる。

第８の属性は、セグメントの「平均曲率半径ＬＣ」となる。

第９の属性は、車両の走行方向にセグメントが有する「車線数ＮＬ」となる。

以下の説明においては、これら９つの属性を用いて、ルートの各セグメントを特徴付ける。

一変形例として、ルートの各セグメントは、より多数または少数の属性ｃｒを特徴としていてもよい。

さらに、トラクションバッテリのエネルギー状態（ＳＯＥ）は、このトラクションバッテリに残っているエネルギーを特徴付け得るパラメータとして規定されることになる。一変形例としては、バッテリの充電状態（ＳＯＣ）等の別のパラメータまたは同種のその他任意のパラメータ（バッテリの内部抵抗、バッテリの端子間電圧等）が用いられるようになっていてもよい。

そして、トラクションバッテリの充電または放電ΔＳＯＥは、２つの別個の時間に考えられる２つのエネルギー状態間の差に等しいものと考えられる。

そして、所与のセグメント上の車両の「個別消費カーブ」は、車両の各燃料消費値ＣＣに対して、トラクションバッテリの充電または放電の値ΔＳＯＥを関連付けるカーブとして規定される。具体的に、所与のセグメント上では、車両の燃料消費ＣＣ（走行キロメートル当たりのリットル）ならびにトラクションバッテリの充電もしくは放電（キロメートル当たりのワット時）を推定することができる。これら２つの値は、車両を前進させるのに電気駆動系が用いられるか内燃駆動系が用いられるかに応じて変化するため、カーブにより関連付けられることになる。

個別消費カーブは無限に存在するため、最後に、特性がよく知られており、各個別消費カーブを近似し得る特定の個別消費カーブとして「基準カーブ」が規定される。言い換えると、以下の説明で明らかとなる通り、ルートの各セグメントは、１つの個別消費カーブではなく、（個別消費カーブの最良近似である）１つの基準カーブと関連付けられる。

以下の説明においては、添え字「ｅｓｔ」を伴う推定情報と添え字「ｍｅｓ」を伴う測定情報とをさらに区別する。このため、情報は、一方では推定され、他方では測定されるようになっていてもよい。

地理定位－ナビゲーションシステムのコントローラおよび車両のＥＣＵの協働により実現される方法は、車両の燃料および電流消費を管理する設定値を演算する方法である。

この方法では、より厳密に、たとえばルートの全体にわたる車両の燃料消費およびその汚染排出物を可能な限り少なくするため、所定のルート上で電気駆動系および内燃駆動系をどのように使用する必要があるかを決定する。

本発明の特に有利な一特徴によれば、この方法は概して、
走行するルートを取得するステップと、
ルートを連続した隣接セグメントＴ^ｉに分割するステップと、
各セグメントＴ^ｉについて、このセグメントＴ^ｉを特徴付ける属性（ＦＣ、ＳＣ、ＳＬ、ＴＳ、ＲＧ、ＬＬ、ＮＬ、ＳＭＳ）を取得するステップと、
セグメントＴ^ｉそれぞれについて、このセグメントＴ^ｉの属性（ＦＣ、ＳＣ、ＳＬ、ＴＳ、ＲＧ、ＬＬ、ＮＬ、ＳＭＳ）を考慮することにより、セグメントにおけるハイブリッド動力車の各燃料消費値ＣＣをトラクションバッテリの放電または充電の値ΔＳＯＥに関連付ける関係（ここでは、基準カーブＣＥ_ｊと称する）を決定するステップと、
動力車の実際の燃料消費ＣＣ_ｍｅｓおよび実際の電気エネルギー消費ΔＳＯＥ_ｍｅｓを測定するステップと、
前記実際の燃料消費ＣＣ_ｍｅｓおよび前記実際の電気エネルギー消費ΔＳＯＥ_ｍｅｓを考慮することにより、前記基準カーブＣＥ_ｊを修正するステップと、
修正した各基準カーブＣＥ_ｊの最適点Ｐ_ｉを決定する（たとえば、ルートの全体にわたるハイブリッド動力車の燃料消費の最小化および前記ルートの最後におけるトラクションバッテリの完全放電を可能にする）ステップと、
前記最適点Ｐ_ｉの座標に応じて、エネルギー管理設定値を生成するステップと、
を主に含む。

これらステップの詳細を以下に示す。その一部は、たとえば車両のルートに沿った一定の時間間隔での規則的な実施により、ルートの少なくとも１つの走行済み部分で観測されるエネルギー消費に応じて、エネルギー消費予測を可能な限り修正するようにしてもよい。

図９に示すように、第１のステップ１００では、動力車が走行する必要のあるルートを取得する。

このステップは場合により、動力車が始動した場合は、地理定位－ナビゲーションシステムに組み込まれたコントローラにより実行されることになる。

そして、このステップは、従来通り実行される。

したがって、運転者が地理定位－ナビゲーションシステムのタッチスクリーンを用いて目的地点を規定した場合、このシステムのコントローラは、特に運転者が選択したルートパラメータ（最速ルート、最短ルート等）に応じて、走行するルートを演算する。

この段階において、地理定位－ナビゲーションシステムによる規定と異なるルートを車両が走行し始めた場合あるいは状況（たとえば、交通状況）が変化した場合は、この方法の全体の再設定が必要となることに留意する。

一変形例として、この第１のステップ１００は、別の方法で実行されるようになっていてもよい。

したがって、運転者がタッチスクリーンを介して目的地点を入力することが不要となり得る。コントローラは、運転者のルーチンを検出して、そこから目的地点を自動的に推論可能であってもよい。

たとえば、運転者が毎日同じルートを通って働く場合、このルートは、地理定位－ナビゲーションシステムのタッチスクリーンを介して運転者が情報を入力する必要なく、自動的に取得されるようになっていてもよい。

この第１のステップの最後に、地理定位－ナビゲーションシステムに組み込まれたコントローラは、上述の通り２つの道路交差点間でそれぞれ延びる複数の隣接レグで構成された車両のルートを把握する。

第２のステップ１０１では、ルートをセグメントＴ^ｉに分割する。

ルートをレグではなくセグメントに再分割する利点として、第一に、ルートの細分割数が少なくなる。具体的に、２つの連続したレグの属性は、同一であることが多い。これら２つの連続したレグが別個に処理されるなら、演算の継続時間が無駄に長くなることになる。同じセグメント内で同一のレグを一体的にグループ化することにより、演算の継続時間を短くすることができる。

別の利点として、所与のレグにわたる道路の特性は、著しく変化し得る（レグの一部分がゼロ勾配の道路に対応し、このレグの別の部分が高勾配の道路に対応していてもよい）。ここでは、それぞれにおいて道路の特性が同じままとなるセグメントにルートを分割するのが望ましい。

ここで、各セグメントＴ^ｉは、その全長にわたって変化しない少なくとも１つの属性を含むルートの部分として規定されることになる。

この属性は、勾配ＲＧ、速度カテゴリＳＣ、および／または道路カテゴリＦＣであってもよい。

ここで、このステップは、地理定位－ナビゲーションシステムに組み込まれたコントローラにより実行されることになる。このため、コントローラは、前述の３つの属性（ＲＧ、ＳＣ、ＦＣ）が一定である最大長のセグメントＴ^ｉにルートを切断することになる。

この第２のステップの最後に、コントローラは、このようにしてＮ個のセグメントを規定していることになる。

第３のステップ１０３では、各セグメントＴ^ｉの属性ｃｒ^ｉ _ｅｓｔを取得する。

対象のセグメント全体で属性のうちの１つが可変である場合は、セグメントの全体にわたるこの属性の平均値について考える。

実際のところ、この第３のステップは、以下のように実行される。

第一に、地理定位－ナビゲーションシステムに組み込まれたコントローラは、新たなルートが演算されたことをＥＣＵに知らせる。そして、ＥＣＵは、たとえば図１に示すようなテーブルの形態で、各セグメントの属性の送信を要求する。

その後、コントローラは、以下のように各セグメントの属性を取得する。

コントローラは、その一部、特に、セグメントの長さＬＬを演算する。

コントローラは、地理定位－ナビゲーションシステムのメモリから、その他、特に、道路カテゴリＦＣ、勾配ＲＧ、速度カテゴリＳＣ、最大許容速度ＳＬ、平均速度ＳＭＳ、平均曲率半径ＬＣ、および車線数ＮＬを読み出す。

これらの属性の残りは、別の装置によってコントローラに伝達されるが、特に瞬時速度ＴＳは、交通状況に関する情報を実時間で提供するシステムにより伝達される。

その後、コントローラは、ＣＡＮバスを介して、この情報をすべて車両の主ＥＣＵに送信する。

３つの第１のステップを実行するのに車両の主ＥＣＵではなく地理定位－ナビゲーションシステムに組み込まれたコントローラを使用する利点として、ＣＡＮバスを介してＥＣＵに送信される情報の量が少なくなる。具体的には、同じ属性を有するルートの隣接レグを統合することにより、送信データの量が少なくなるため、ＣＡＮバスを介したデータの送信が加速される。

これらの属性ｃｒ^ｉ _ｅｓｔが受信されたら、ＥＣＵは、この方法の残りのステップを実行する。

第４のステップ１０３では、セグメントＴ^ｉそれぞれについて、対象のセグメントＴ^ｉ上の車両のエネルギー消費（燃料および電流消費）を可能な限り良好に推定し得る関係を決定する。

ここで、この第４のステップ１０３は、
ＥＣＵのメモリに格納された基準カーブＣＥ_ｊから、対象のセグメントＴ^ｉ上の車両のエネルギー消費を可能な限り良好に推定し得るカーブを選択することと、その後
選択した基準カーブＣＥ_ｊを修正して、この方法が十分な信頼性を有することを保証するのに必要なすべてのデータを考慮に入れることと、
によって実行される。

この第４のステップ１０３によれば、属性による各セグメントの特徴付けから、エネルギーコストによる特徴付けへと移行可能となる。

ここでは、５つの連続する動作によって実行される。

例示的な本実施形態の第１の動作において、ＥＣＵは、そのメモリに格納された図５に示すテーブルＴＡＢを使用することになる。

図５に示すように、このテーブルＴＡＢは、それぞれが属性の値（または、値の区間）に対応する各行を含む。また、それぞれが基準カーブＣＥ_ｊのうちの１つに対応する各列を含む。図示の例において、ＥＣＵのメモリは、Ｍ個の基準カーブＣＥ_ｊを格納すると考えられる（ここで、Ｍは１１に等しい）。したがって、添え字ｊは、１～１１の範囲の整数である。

図５においては、テーブルＴＡＢのセルに含まれる値が車両の特性によって決まることから、各セルは空白のままとなっている。

実際、このテーブルＴＡＢは、これらのセルそれぞれに値を入れた状態でＥＣＵのメモリに格納されることになる。

これらの値は、各属性値が基準カーブＣＥ_ｊのいずれかと対応する確率に対応した確率値（０～１の範囲）となる。

一例として、セグメントＴ^ｉの道路カテゴリＦＣが２に等しい値を有する場合は、このテーブルにおいて、たとえばこのセグメントがエネルギーコストに関して基準カーブＣＥ１により十分に特徴付けられる確率がａ_１に等しくなり、このセグメントがエネルギーコストに関して基準カーブＣＥ２により十分に特徴付けられる確率がａ_２に等しくなるものと読み取れるようになる。

勾配および長さの属性（それぞれ、ＲＧおよびＬＬ）の値は、このテーブルＴＡＢにおいて意図的に使用されていないことに留意する。

この段階において、ＥＣＵはその後、対象のセグメントＴ^ｉの各属性の値に対応する各確率値を識別するようにしてもよい。

図示の例において、属性ＦＣは２に等しいと考えられ、属性ＳＣは６に等しいと考えられ、属性ＳＬは３０に等しいと考えられ、属性ＮＬは２に等しいと考えられ、属性ＳＭＳは６０～８０の範囲にあると考えられ、属性ＴＳは４０～６０の範囲にあると考えられ、ＥＣＵは、ａ_１～ａ_１１、ｂ_１～ｂ_１１、ｃ_１～ｃ_１１、ｄ_１～ｄ_１１、ｅ_１～ｅ_１１、およびｆ_１～ｆ_１１で表される値を識別する。

その後、ＥＣＵは、対象のセグメントＴ^ｉがエネルギーコストに関して１１個の基準カーブＣＥ_ｊそれぞれにより十分に特徴付けられる確率を合計する。

このため、図示の例において、ＥＣＵは、ａ_１～ｆ_１、次いでａ_２～ｆ_２等で表された値を合計する。

最後に、ＥＣＵは、１１個の合計のうち、結果が最大となるものを決定する。

そして、この最大の確率合計が関連付けられる基準カーブＣＥ_ｊが、エネルギーコストに関してセグメントＴ^ｉを最も特徴付けていると結論付ける。

その後、ＥＣＵは、そのメモリから、この基準カーブＣＥ_ｊを特徴付けるパラメータの値を取得するようにしてもよい。

この説明の段階においては、これらの基準カーブを求めてモデル化する方法をより詳細に論じることができる。

車両モデル（または、エンジン／モータモデル、自動車モデルの範囲、エンジン／モータモデルの範囲）ごとに、道路のさまざまな地理定位セグメント上で多くのテスト走行（または、テスト走行のシミュレーション）を実行する必要がある。

これらのテスト走行によれば、属性が既知のさまざまなセグメント上で、車両の燃料および電流消費を決定することができる。このため、電気モータによりもたらされる推進力の割合を毎回大きくして、各セグメント上で車両を多数回走行させる。

これにより、各セグメントの個別消費カーブＣＣＳを生成することができる。これらの個別消費カーブは、図４に示すようなものである。

これらのカーブそれぞれにおいては、電気エネルギーの使用が増えると（すなわち、ΔＳＯＥ＜０の場合）、燃料消費が減って、電気駆動系のみを使用してセグメントを走行する場合には０に達することが分かる。逆に、内燃機関によるバッテリの再充電がより多く必要になると（ΔＳＯＥ＞０）、燃料消費が増える。最後に、上述の通り、各個別消費カーブＣＣＳは、補助装置が電気を一切消費することなく水平の道路（ゼロ勾配）を走行する状況に関して、車両の平均エネルギー消費を表す。

これらのテスト走行によれば、テストしたセグメントと同数の個別消費カーブＣＣＳが見出される。

各個別消費カーブＣＣＳは、トラクションバッテリの充電および放電の変化ΔＳＯＥが最小閾値ΔＳＯＥ_ｍｉｎと最大閾値ΔＳＯＥ_ｍａｘとの間に境界を有する２次多項式によりモデル化されるようになっていてもよく、以下のように記述できる。

ここで、Ψ_０、Ψ_１、Ψ_２は、多項式の係数である。

図４のカーブに示すように、このモデル化を簡素化するため、２つの係数Ψ_１、Ψ_２がカーブごとに同一となるように近似することができる。また、最小閾値ΔＳＯＥ_ｍｉｎが多項式の３つの係数によって決まることを観測可能である。このため、係数Ψ_０および最大閾値ΔＳＯＥ_ｍａｘのみが変動する。したがって、各個別消費カーブＣＣＳを特徴付けられるのは、これら２つの値である。

図３は、座標がこれら２つの変数Ψ_０およびΔＳＯＥ_ｍａｘに対応する点を示している。この図は、実行されたテスト走行中に得られた個別消費カーブＣＣＳの分布を示している。ここで、これらの点は、１１個の異なるゾーンに分布していると考えられる。各ゾーンは、その重心により規定される。

このため、上述の通り、この方法においては、対象のセグメントに厳密に対応する個別消費カーブが取得されず、変数Ψ_０およびΔＳＯＥ_ｍａｘがこれら１１個のゾーンのうちの１つの重心に対応する１１個の基準カーブのうちの１つが考慮される。

そして、第１の動作の最後に、前述のパラメータΨ_０、Ψ_１、Ψ_２、ΔＳＯＥ_ｍｉｎ、ΔＳＯＥ_ｍａｘ、各セグメントＴ^ｉの長さＬＬ_ｉ、およびその勾配ＲＧ_ｉによって、図２に示すように各セグメントＴ^ｉが規定される。

上記説明の通り、選択されたエネルギーカーブＣＥ_ｉは、セグメントＴ^ｉの勾配も、補助装置（エアコンのモータ等）の電流消費も、運転者の運転スタイル（派手、平穏等）も、その他の如何なる未知の因子（タイヤの圧力の低下、車両の過積載等）も考慮に入れない。

道路の勾配を考慮に入れるため、セグメントの勾配ＲＧに応じて各選択基準カーブＣＥ_ｉ（すなわち、各セグメントＴ^ｉに割り当てられた基準カーブＣＥ_ｉ）を修正する第２の動作が提供される。

図７に明示するように、この修正する第２の動作では、勾配ＲＧによって決まる値だけ、セグメントＴ^ｉと関連付けられた基準カーブＣＥ_ｉを単に上方または下方へ（すなわち、一定の充電または放電ΔＳＯＥで）シフトさせる。

具体的には、対象の道路セグメントが上り坂である場合、燃料消費が最初の予想よりも多くなることが了解される。これに対して、対象の道路セグメントが下り坂である場合、燃料消費が最初の予想よりも少なくなる。

さらに、制動が掛けられたフェーズにおいては、上り坂よりも下り坂でより多くの電気エネルギーを取り込めるようになる。

実際、この修正する第２の動作では、以下の式を用いてパラメータΨ_０を修正することになる。
Ψ_０＋Ｋ．ＲＧ^ｉ＝＞Ψ_０
ここで、Ｋは、対象の車両モデルおよびその特性によって値が決まる係数である（一例として、ここでのＫは、０．０１３２７ｌ．ｋｍ^－１に等しいと考えられる）。

動力車の運転者の運転スタイルを考慮に入れるため、各基準カーブＣＥ_ｉを修正する第３の動作が提供される。

運転スタイルは、たとえば変数ｄｓ_ｍｅｓによりパラメータ化されていてもよい。この変数は、たとえば最初はゼロに等しく設定されていてもよく、また、運転スタイルが平穏よりも派手である場合に正の値を取り、運転スタイルが派手よりも平穏である場合に負の値を取るようになっていてもよい。

図７に明示するように、各基準カーブＣＥ_ｉを修正する動作では、変数ｄｓ_ｍｅｓによって決まる値だけ、セグメントＴ^ｉと関連付けられた基準カーブＣＥ_ｉを単に上方または下方へ（すなわち、一定の充電または放電ΔＳＯＥで）シフトさせる。

具体的には、運転スタイルが派手である場合、燃料消費が最初の予想よりも多くなることが了解される。これに対して、運転スタイルが平穏である場合、燃料消費が最初の予想よりも少なくなる。

実際、この修正する第３の動作では、以下の式を用いてパラメータΨ_０を修正することになる。
Ψ_０＋ｄｓ_ｍｅｓ＝＞Ψ_０

補助装置の電流消費を考慮に入れるため、補助装置が消費する電力ｐａｕｘ_ｍｅｓに応じて各基準カーブＣＥ_ｉを修正する第４の動作が提供される。

図６に明示するように、この修正する動作では単に、電力ｐａｕｘ_ｍｅｓに応じた値だけ、セグメントＴ^ｉと関連付けられた基準カーブＣＥ^ｉ _ｉを左方へ（すなわち、一定の燃料消費で）シフトさせる。

具体的には、電気装置が用いられている場合、バッテリの充電が予想よりも遅くなり、このバッテリの放電が予想よりも速くなることが了解される。

実際、この修正するステップでは、以下により演算される値Ｅ_ＡＵＸだけ、基準カーブＣＥ_ｊをシフトさせることになる。

ここで、

は、セグメント全体での平均速度（単位：ｋｍ／ｈ）である。この値は、地理定位－ナビゲーションシステムによって直接供給され得るが、交通の速度の値、統計的平均速度、または最大許容速度に等しいものと推定されることになる。

そして、この第４の動作の最後には、パラメータΨ^ｉ _{０，ｅｓｔ}、Ψ^ｉ _{１，ｅｓｔ}、Ψ^ｉ _{２，ｅｓｔ}、ΔＳＯＥ^ｉ _ｍｉｎ、ΔＳＯＥ^ｉ _ｍａｘによって、各セグメントＴ^ｉが規定される。

この段階において、これらのパラメータを求める前述の方法は、一例として示しているに過ぎないことに留意する。特に、図５に示すようなテーブルを用いない解決手段の提供も可能である。

このため、より一般的な一変形例においては、方策（オフライン）の開発のフェーズにおいて校正されたエネルギーモデルを用いて、係数Ψ^ｉ _{０，ｅｓｔ}、Ψ^ｉ _{１，ｅｓｔ}、Ψ^ｉ _{２，ｅｓｔ}を演算することも可能であり、以下のように書くことができる。

関係ｆ_０、ｆ_１、およびｆ_２は、たとえば一組のエネルギー消費のカテゴリのモデル化により導出されるようになっていてもよく、この場合のカテゴリの選定は、（前述の場合と同様に）道路のレグが属する確率によって決まるものの、これらのカテゴリはその他任意の性質であってもよい。

後述の通り、車両がルートを走行し始めたら、それまでに推定されたパラメータを修正して、その他任意の未知の因子（タイヤの圧力の低下、車両の過積載等）を考慮に入れる第５の動作が提供されることになる。

この段階においては、車両がまだ出発していないと考えられることから、この第５の動作が実行されることはないため、説明しない。ただし、以下で詳細に説明する。

そして、この方法の第５のステップ１０４では、修正した各基準カーブＣＥ_ｊにおいて、ルートの全体にわたるハイブリッド動力車の燃料消費の最小化および前記ルートの最後におけるトラクションバッテリの完全放電を可能にする最適点Ｐ_ｉを決定する。

ここで、このステップは、Ａ^＊最適化アルゴリズムにより実行される。これは、当技術分野において知られているアルゴリズムに関するため、ここでは詳しく説明しない。ただし、その動作について簡単に説明する。

このため、図８を参照する。

この図においては、セグメントＴ^ｉごとに、車両の位置とセグメントの終点との間の距離に等しい（単位：キロメートル）横座標において、縦座標軸と平行なエネルギー状態ＳＯＥを通過する一連の点が描かれていることが分かる。この線上の各点は、このセグメントＴ^ｉと関連付けられた基準カーブＣＥ_ｊから推論される実現可能なエネルギー状態ＳＯＥに対応する。エネルギー状態ＳＯＥの空間は、有限個の点へと離散化される。

そして、各点の縦座標は、トラクションバッテリに適用される充電または放電を所与として、基準カーブＣＥ_ｊの対応点に従って車両が走行する場合にセグメントＴ^ｉの最後に残ることになるトラクションバッテリのエネルギー状態ＳＯＥに等しい。

したがって、各点は、ノードｎを構成する。

そして、Ａ^＊アルゴリズムの目的は、車両の燃料消費を最小化可能となる経路ＣＩを見つけることである。

ノードｎの探索順序の選定は、以下の式に示すように、コスト関数ｇおよびヒューリスティック関数ｈの合計である関数ｋを最小化する試行によって決まる。
ｋ（ｎ）＝ｇ（ｎ）＋ｈ（ｎ）
ここで、ｇ（ｎ）は、先行セグメントにわたってバッテリに適用される充電または放電ΔＳＯＥに関しての選定に応じて、最も利用可能な軌跡上の始点ノード（ルートの始点）からノードｎに達するのに要する燃料の量であり、
ｈ（ｎ）は、ノードｎから終点ノードまで通過するのにトラクションバッテリに適用可能な充電または放電ΔＳＯＥでの消費に残る燃料の量の楽観的推定である（ノードｎからのトラクションバッテリの放電は、線形と考えられる）。

関数ｋによれば、アルゴリズムが各演算ループにおいて、現在のノードに達するコストおよびこのノードからルートの終点に達するコストの両者を最小化する軌跡を探索することができる。

このため、関数ｋの使用により、このアルゴリズムは、最適な軌跡に近い軌跡のみを探索しようとすることから、準最適な軌跡の探索が制限され、最小回数の演算ループで良好な結果が得られる。

図８に示す関数は、基準カーブＣＥ_ｊの最適点Ｐ^ｉを通過する最適な経路を示しており、ルートの始点からの走行距離をｄとして、ＳＯＥ＝ｆ（ｄ）と表される。

最適な経路（すなわち、最適点Ｐ^ｉを通過する経路）が見つかったら、ＥＣＵは、最適点Ｐ^ｉの座標に応じて、エネルギー管理設定値ＳＯＥ_ｒｅｆを生成する。

そして、これらのエネルギー管理設定値がルートの全体を通してＥＣＵにより軌跡の追跡に使用されるため、トラクションバッテリのエネルギー状態ＳＯＥは、図８に示す経路ＣＩに従う。

複数の方法によって、このような追跡を実行可能である。一例は、本出願人により出願された特許出願ＦＲ２９８８６７４のほか、文献ＷＯ２０１３１５０２０６およびＷＯ２０１４００１７０７に特によく示されている。

地理定位－ナビゲーションシステムにより示されたルートを車両が走行し始めたら、ＥＣＵは、以下に詳しく説明するステップ１０５～１０９と併せて、前述のステップ１０３および１０４を何度も繰り返す。

このステップ１０３および１０４の繰り返しによれば、特にステップ１０３で実行される第５の動作により、走行するルートの残りでの車両のエネルギー消費の推定の品質を最適化することができる。

このため、第６のステップ１０５において、ＥＣＵは、過去および現在の時間窓における車両のエネルギー消費ＣＣ_ｅｓｔおよび電気消費ΔＳＯＥ_ｅｓｔの推定値を決定する。

この時間窓は、たとえばルートのセグメントＴ^ｉのうちの１つ、セグメントのうちの１つの一部、または複数のセグメントを走行するのに要した時間間隔に対応し得る。

一例として、説明を明瞭化するため、この時間窓は、Ｔ^ｔ－２、Ｔ^ｔ－１（Ｔ^ｔは、車両が走行中のセグメントを示す）と表される２つの先行セグメントを走行するのに要した時間に対応するものと考えられる。

ただし、窓のサイズは、セグメントの長さとは独立に選定されるのが好ましい。これは、十分に安定した平均エネルギー消費を記録可能で、予測エネルギーモデルのダイナミックレンジと互換の時間長となる。

この時間窓において車両のエネルギー消費ＣＣ_ｅｓｔおよび電気消費ΔＳＯＥ_ｅｓｔの推定値を平均で演算するため、ＥＣＵは、これらのセグメントと関連付けられた最適点Ｐ^ｉの値を使用する。そして、ＥＣＵは、選定された時間窓全体において車両のエネルギー消費ＣＣ_ｅｓｔの推定値および電気消費ΔＳＯＥ_ｅｓｔの推定値を関連付ける個別消費カーブを決定することができる。

そして、Ψ^＊ _{０，ｅｓｔ}と表されるこの個別消費カーブの原点における縦座標が以下の数学的関係により演算されるようになっていてもよい。
Ψ^＊ _{０，ｅｓｔ}＝ＣＣ_ｅｓｔ－（Ψ_{２，ｍｅｓ}．ΔＳＯＥ_ｅｓｔ ^２ _＋Ψ_{１，ｍｅｓ}．ΔＳＯＥ_ｅｓｔ）

次に、車両に装備されたセンサにより、ステップ１０７、１０８、および１０９においては、ＥＣＵが、
補助電気装置が消費する電力ｐａｕｘ_ｍｅｓおよび運転者が車両を運転するスタイルに対するパラメータｄｓ_ｍｅｓの新たな測定結果と、
選定された時間窓における内燃機関の実際の燃料消費ＣＣ_ｍｅｓの平均と、
前記時間窓における車両の実際の電気消費ΔＳＯＥ_ｍｅｓの平均と、
を得られる。

上記説明の通り、ステップ１０６において、ＥＣＵは、実際の燃料消費ＣＣ_ｍｅｓおよび実際の電気消費ΔＳＯＥ_ｍｅｓのこれら２つの推定値を関連付ける個別消費カーブを決定することができる。

そして、Ψ^＊ _{０，ｍｅｓ}と表されるこのカーブの原点における縦座標が以下の数学的関係により演算されるようになっていてもよい。
Ψ^＊ _{０，ｍｅｓ}＝ＣＣ_ｍｅｓ－（Ψ_{２，ｍｅｓ}．ΔＳＯＥ_ｍｅｓ ^２ _＋Ψ_{１，ｍｅｓ}．ΔＳＯＥ_ｍｅｓ）

この場合も、係数Ψ_{２，ｍｅｓ}およびΨ_{１，ｍｅｓ}が一定かつ既知であるため、パラメータΨ^＊ _{０，ｍｅｓ}を容易に演算可能である。

そして、ステップ１０３および１０４で推定した値と測定値との誤差ΔΨ_{０，ｅｘｔ}を演算することができる。この誤差は、以下の数学的関係により求められる。
ΔΨ_{０，ｅｘｔ}＝Ψ^＊ _{０，ｍｅｓ}－Ψ^＊ _{０，ｅｓｔ}

この誤差は場合により、後続の時間間隔、より厳密には、次にステップ１０３がＥＣＵにより実行される機会に使用されることになる。

このため、上記規定の第５の動作においては、前記誤差ΔΨ_{０，ｅｘｔ}に応じて、各基準カーブＣＥ^ｉが修正されることになる。

図７に明示するように、この第５の動作では、誤差ΔΨ_{０，ｅｘｔ}によって決まる値だけ、セグメントＴ^ｉと関連付けられた基準カーブＣＥ_ｊを単に上方または下方へ（すなわち、一定の充電または放電ΔＳＯＥで）シフトさせることになる。

実際、この修正する第２の動作では、以下の式を用いてパラメータΨ_０を修正することになる。
Ψ_０＋ΔΨ_{０，ｅｘｔ}＝＞Ψ_０

本発明は、記載および図示の実施形態に何ら限定されず、当業者であれば、本発明に係る多くの変形例に想到し得るであろう。

特に、地理定位－ナビゲーションシステムがルートのセグメントの属性の値を把握していない場合は、
この属性に割り当てられた確率の値を考慮しない確率の合計の演算、または
予め設定された値で未知の値を置き換える演算、
が場合により提供されることになる。

Claims (9)

1. トラクションバッテリにより電流が供給される少なくとも１つの電気モータと、燃料が供給される内燃機関とを備えたハイブリッド車の燃料および電流の消費を管理する設定値を演算するための演算方法であって、
   ａ）ナビゲーションシステムから、走行するルートを取得するステップと、
   ｂ）前記ルートを連続したセグメント（Ｔ ^ｉ 、ｉ∈｛１．．．Ｎ｝）に分割するステップと、
   ｃ）セグメント（Ｔ ^ｉ ）毎に、セグメント（Ｔ ^ｉ ）を特徴付ける属性（ＦＣ、ＳＣ、ＳＬ、ＴＳ、ＲＧ、ＬＬ、ＮＬ、ＳＭＳ）を取得するステップと、
   ｄ）セグメント（Ｔ ^ｉ ）毎に、セグメント（Ｔ ^ｉ ）を特徴付ける属性（ＦＣ、ＳＣ、ＳＬ、ＴＳ、ＲＧ、ＬＬ、ＮＬ、ＳＭＳ）を考慮して、セグメント（Ｔ ^ｉ ）における前記ハイブリッド車の推定燃料消費（ＣＣ _ｅｓｔ ）を推定電気エネルギー消費（ΔＳＯＥ _ｅｓｔ ）に関連付ける所定関係（ＣＥ _ｊ ）を取得するステップと、
   ｅ）前記ハイブリッド車の実燃料消費（ＣＣ _ｍｅｓ ）および実電気エネルギー消費（ΔＳＯＥ _ｍｅｓ ）を測定するステップと、
   ｆ）セグメント（Ｔ ^ｉ ）毎に、前記実燃料消費（ＣＣ _ｍｅｓ ）および前記実電気エネルギー消費（ΔＳＯＥ _ｍｅｓ ）を考慮して、前記所定関係（ＣＥ _ｊ ）を修正するステップと、
   ｇ）修正した前記所定関係（ＣＥ _ｊ ）毎に、消費の最適点（Ｐ _ｉ ）を決定するステップと、
   ｈ）前記最適点（Ｐ _ｉ ）の座標に応じて、ルート全体のエネルギー管理設定値を生成するステップと、
   を含み、
   前記所定関係（ＣＥ_ｊ）は選択した多項式であり、選択した前記多項式の原点における縦座標の値をステップｆ）において訂正する、演算方法。
2. ステップｄ）は、燃料消費値（ＣＣ）を電気エネルギー消費値（ΔＳＯＥ）に関連付ける複数の前記所定関係（ＣＥ_ｊ、ｊ∈｛１．．．Ｍ｝）のなかから、前記セグメント（Ｔ^ｉ）を特徴付ける前記属性（ＦＣ、ＳＣ、ＳＬ、ＴＳ、ＲＧ、ＬＬ、ＮＬ、ＳＭＳ）に対応する前記所定関係（ＣＥ_ｊ）を選択することを含む、請求項１に記載の演算方法。
3. 選択した前記多項式の縦座標の値は、走行済みセグメントの少なくとも１つの部分（Ｔ^{ｔ－２，ｔ－１}）にわたる前記ハイブリッド車の実燃料消費（ＣＣ_ｍｅｓ）を実電気エネルギー消費（ΔＳＯＥ_ｍｅｓ）に関連付ける多項式の原点における縦座標の値（Ψ^＊ _{０，ｍｅｓ}）と、前記走行済みセグメントの前記少なくとも１つの部分（Ｔ^{ｔ－２，ｔ－１}）にわたる前記ハイブリッド車の推定燃料消費（ＣＣ _ｅｓｔ ）を推定電気エネルギー消費（ΔＳＯＥ _ｅｓｔ ）に関連付ける多項式の原点における縦座標の値（Ψ ^＊ _{０，ｅｓｔ} ）との差に等しい変数（ΔΨ_{０，ｅｘｔ}）を加算することにより訂正される、請求項２に記載の演算方法。
4. 前記多項式は２次多項式であり、前記トラクションバッテリの充電および放電の変動範囲（ΔＳＯＥ）は、最小閾値（ΔＳＯＥ_ｍｉｎ）から最大閾値（ΔＳＯＥ_ｍａｘ）までの範囲である、請求項２または３に記載の演算方法。
5. 前記多項式は、変化しない２つの係数（Ψ_１、Ψ_２）と、多項式ごとに変化する、原点における縦座標値（Ψ_０）とを有する、請求項４に記載の演算方法。
6. ステップｄ）において、前記所定関係（ＣＥ_ｊ）は、前記セグメント（Ｔ_ｉ）の勾配（ＲＧ）とは独立に選択され、ステップｆ）の前に、前記勾配（ＲＧ）を考慮に入れて前記所定関係（ＣＥ_ｊ）を修正するステップｄ１）が実施される、請求項２から５のいずれか一項に記載の演算方法。
7. ステップｄ）において、前記所定関係（ＣＥ_ｊ）は、運転者が前記ハイブリッド車を運転する態様とは独立に選択され、ステップｆ）の前に、運転者が前記ハイブリッド車を運転する態様に関連するパラメータ（ｄｓ _ｍｅｓ ）を考慮に入れて前記所定関係（ＣＥ_ｊ）を修正するステップｄ３）が実施される、請求項２から６のいずれか一項に記載の演算方法。
8. ステップｄ）において、前記所定関係（ＣＥ_ｊ）は、前記電気モータとは別の補助装置であって前記トラクションバッテリにより電流が供給される補助装置の電流消費とは独立に選択され、ステップｆ）の前に、前記補助装置の電流消費に関連するパラメータ（ｐａｕｘ _ｍｅｓ ）を考慮に入れて前記所定関係（ＣＥ_ｊ）を修正するステップｄ２）が実施される、請求項２から７のいずれか一項に記載の演算方法。
9. ステップｇ）において、前記最適点（Ｐ_ｉ、ｉ∈｛１．．．Ｎ｝）は、前記ルート全体にわたって前記ハイブリッド車の燃料消費を最小化し、かつ前記ルートの最後に前記トラクションバッテリの放電を最大化するように選定される、請求項１から８のいずれか一項に記載の演算方法。
   

Images