JP7798010B2 - 車両の制御装置 - Google Patents

Description

本開示は、車両の制御装置に関する。

特許文献１は、車両の電費及び電池残量に基づいて走行可能距離を演算する技術を開示している。この電費は、より詳細には実電費であり、走行中に車両が実際に消費する実電力とともに電装品の消費電力を考慮して演算される。

特開２０１８－０６４３２９号公報

上述の特許文献１に記載の技術は、充電時等の車両の走行期間ではない時に、将来の走行における電費の予測を空調装置の使用を考慮しつつ行うことはできない。このように、上記技術は、走行期間外における予測電費の算出への適用において改善の余地がある。

本開示は、上述のような課題に鑑みてなされたものであり、走行期間ではない時に将来の走行における予測電費を空調装置の使用を考慮しつつ適切に算出できるようにした車両の制御装置を提供することを目的とする。

本開示に係る車両の制御装置は、バッテリからの電力によって駆動される電動機と、バッテリからの電力によって作動する空調装置と、を備える車両を制御する。制御装置は、プロセッサを備える。プロセッサは、車両の走行期間ではない時に、将来の走行における車両の予測電費を算出する算出処理を実行するように構成されている。算出処理において、プロセッサは、車両、及び１又は複数の他車両の少なくとも一方の過去の空調操作情報に基づいて、予測電費の基本値を補正する。

本開示によれば、車両の走行期間ではない時に、将来の走行における予測電費を空調装置の使用を考慮しつつ適切に算出できるようになる。

実施の形態に係る車両の構成を概略的に示す図である。 実施の形態に係る予測電費Ｅｐの算出及びこれに基づく航続可能距離Ｌの表示に関する処理の一例を示すフローチャートである。

１．車両の構成例
図１は、実施の形態に係る車両１０の構成を概略的に示す図である。車両１０は、バッテリ電気車両（ＢＥＶ）であり、バッテリ１２と、電動機１４と、を備えている。車両１０は、バッテリ１２からの電力によって駆動される電動機１４を用いた電気走行（ＥＶ走行）を行うことができる。本開示に係る「車両」は、電気走行を実行可能であればよく、例えば、プラグインハイブリッド電気車両（ＰＨＥＶ）であってもよい。

車両１０は、さらに、空調装置１６と、電力制御ユニット（ＰＣＵ）１８と、電子制御ユニット（ＥＣＵ）２０と、センサ類２２と、ナビゲーション装置２４と、表示装置２６と、を備えている。

空調装置１６は、バッテリ１２からの電力によって作動し、車両１０の室内の空気調和、より詳細には冷房及び暖房の少なくとも一方を行う。ＰＣＵ１８は、電動機１４を駆動するためのインバータを含む電力変換装置である。ＰＣＵ１８は、ＥＣＵ２０からの指令に基づき、バッテリ１２の電力を利用して電動機１４を制御する。

ＥＣＵ２０は、車両１０を制御するコンピュータであり、本開示に係る「車両の制御装置」の一例に相当する。ＥＣＵ２０は、プロセッサ２８と記憶装置３０とを含んでいる。プロセッサ２８は、各種処理を実行する。各種処理は、電動機１４及び空調装置１６の制御に関する処理と、後述の予測電費Ｅｐ及びこれに基づく航続可能距離Ｌの表示に関する処理と、を含む。記憶装置３０は、プロセッサ２８による処理に必要な各種情報を格納する。プロセッサ２８がコンピュータプログラムを実行することにより、ＥＣＵ２０による各種処理が実現される。コンピュータプログラムは、記憶装置３０に格納されている。あるいは、コンピュータプログラムは、コンピュータ読み取り可能な記録媒体に記録されてもよい。ＥＣＵ２０は、例えば、図示しない補機用バッテリからの電力によって作動する。なお、ＥＣＵ２０は、複数のＥＣＵを組み合わせて構成されていてもよい。

センサ類２２は、例えば、外気温度センサ、車室内温度センサ、バッテリ電流センサ、及び電力センサを含む。バッテリ電流センサは、バッテリ１２の充放電電流を検出する。ＥＣＵ２０は、検出された充放電電流に基づいて、バッテリ１２の充電率（ＳＯＣ：State Of Charge）を算出する。電力センサは、空調装置１６の消費電力（空調消費電力）Ｐａｃを検出する。また、ナビゲーション装置２４は、無線通信ネットワークを介して外部システムと互いに通信可能に構成されており、外部システムから様々な情報を取得できる。

上述の各種情報は、空調の使用に関係する車両環境情報Ｉ２を含む。具体的には、車両環境情報Ｉ２は、車両、走行環境、及び走行条件などの車両１０を取り巻く環境を示す各種パラメータに関する情報である。各種パラメータは、例えば、センサ類２２及びナビゲーション装置２４を用いて取得され、例えば、外気温度、曜日、時間、及び、車室内温度を含む。付け加えると、各種パラメータは、車両１０の搭乗者による空調操作に関する説明変数に相当する。

表示装置２６は、例えば、車両１０のインストルメントパネルに搭載されたメータパネル等のディスプレイである。表示装置２６は、例えば、航続可能距離Ｌを表示する。なお、本開示に係る「表示装置」は、必ずしも車両に搭載されていなくてもよく、例えば、車両の搭乗者によって操作される通信端末であってもよい。

２．予測電費の算出、及びこれに基づく航続可能距離表示
本実施形態では、車両１０の走行期間ではない時に航続可能距離Ｌを表示装置２６に表示させるために、ＥＣＵ２０（プロセッサ２８）は、「算出処理ＰＲ１」を実行する。ここでいう「走行期間ではない時」とは、車両１０のシステムが起動していない時であり、例えば、以下に例示されるように車両１０（バッテリ１２）の充電中である。また、充電中ではない停車中も、「走行期間ではない時」の他の例に相当する。航続可能距離Ｌは、バッテリ１２の残電池容量Ｗｂを用いた電気走行によって走行可能な距離（航続距離）を意味する。

算出処理ＰＲ１は、車両１０のシステムが起動していない時に、補機用バッテリによって作動するＥＣＵ２０によって実行される。算出処理ＰＲ１によれば、将来の走行における車両１０の予測電費Ｅｐが算出される。「電費」は、電力消費率であり、例えば、単位距離当たりの電力量［Ｗｈ／ｋｍ］として特定される。ここでいう「将来の走行」とは、例えば、予定されている次回の走行のことである。

算出処理ＰＲ１において、ＥＣＵ２０は、車両１０の過去の走行中の空調操作情報Ｉに基づいて、予測電費Ｅｐの基本値Ｅｐｂを補正する。より詳細には、「空調操作情報Ｉ」は、例えば、車両１０の過去の１又は複数のトリップにおける運転者等の搭乗者による空調装置１６の操作に関する情報である。

より具体的には、空調操作情報Ｉは、空調操作結果情報Ｉ１と上述の車両環境情報Ｉ２とを含む。ＥＣＵ２０は、空調操作結果情報Ｉ１及び車両環境情報Ｉ２に基づいて、将来の走行中（より詳細には、将来のトリップ中）に空調操作が行われる確率である空調操作確率Ｘを学習する「学習処理ＰＲ２」を実行する。空調操作確率Ｘは、例えば、０以上１以下の数値、換言すると０％以上１００％以下の数値である。

そのうえで、算出処理ＰＲ１において、ＥＣＵ２０は、学習処理ＰＲ２によって学習される空調操作確率Ｘと空調消費電力との積に基づいて、空調装置１６の電費Ｅａｃに関する補正量である空調電費補正量Ｃａｃを算出する。そして、ＥＣＵ２０は、予測電費Ｅｐの基本値Ｅｐｂを空調電費補正量Ｃａｃによって補正する。

図２は、実施の形態に係る予測電費Ｅｐの算出及びこれに基づく航続可能距離Ｌの表示に関する処理の一例を示すフローチャートである。このフローチャートの処理は、車両１０のシステムが起動された時、すなわち、運転者によって車両１０のパワースイッチ（イグニッションスイッチ）がＯＮとされた時に開始される。

ステップＳ１００において、ＥＣＵ２０（プロセッサ２８）は、空調操作結果情報Ｉ１と車両環境情報Ｉ２とを取得する。

空調操作結果情報（又は、単に操作結果情報）Ｉ１は、車両システムがＯＮである時、すなわち、車両１０の今回のトリップ中に搭乗者によって行われる空調操作の結果に関する情報である。例えば、操作結果情報Ｉ１は、搭乗者によって操作される空調装置１６の操作器からの信号（例えば、空調のＯＮ／ＯＦＦを示す信号）である。あるいは、操作結果情報Ｉ１は、例えば、上述の電力センサによって検出される空調消費電力Ｐａｃ、又は空調消費電力Ｐａｃの時間積算値であってもよい。本ステップＳ１００の処理は、車両システムがＯＮである間（Ｓ１０２；Ｎｏ）、繰り返し実行される。このため、操作結果情報Ｉ１は、今回のトリップ中に繰り返し取得される。その結果、搭乗者による今回のトリップ中の空調の使用履歴に関する情報が操作結果情報Ｉ１として取得される。

また、車両環境情報Ｉ２に含まれる外気温度、曜日、時間、及び、車室内温度等の各種パラメータの取得は、必ずしも今回のトリップ中に繰り返し行われなくてもよく、例えば、今回のトリップ中に一度だけ行われてもよい。付け加えると、取得される車両環境情報Ｉ２は、車両１０の運転者等の搭乗者を特定する情報を含んでもよい。その理由は、空調の使用の仕方は、搭乗者によって異なるためである。搭乗者の特定は、例えば、車室内カメラの画像を利用して行うことができる。

一方、ステップＳ１０２において車両システムがＯＦＦとされたこと（イグニッションＯＦＦ）がＥＣＵ２０によって判定された場合、処理はステップＳ１０４に進む。ステップＳ１０４では、ＥＣＵ２０は、上述の学習処理ＰＲ２を実行する。学習処理ＰＲ２による空調操作確率Ｘの学習の手法は特に限定されないが、当該学習は、例えば、空調操作確率モデルを用いて行うことができる。この空調操作確率モデルは、車両環境情報Ｉ２に含まれる上述の各種パラメータ（複数のパラメータ）を入力とし、空調操作確率Ｘを出力として構築された機械学習モデルである。空調操作確率モデルの学習は、ステップＳ１００において直近のトリップ中に取得された学習データ、すなわち、説明変数（入力）である上述の各種パラメータと目的変数である操作結果情報Ｉ１とを用いて行われる。

上述のステップＳ１０４の処理によれば、車両１０のトリップが終了する度に、空調操作確率モデルの学習が進んでいく。このように、空調操作確率モデルの学習は、過去の複数のトリップの操作結果情報Ｉ１及び車両環境情報Ｉ２を用いて行われる。

ステップＳ１０４に続くステップＳ１０６において、ＥＣＵ２０は、車両１０が充電中であるか否かを判定する。この判定は、例えば、上述のバッテリ電流センサにより検出されるバッテリ１２の充放電電流に基づいて行うことができる。その結果、車両１０が充電中でなければ（ステップＳ１０６；Ｎｏ）、処理はエンドに進む。一方、車両１０が充電中であれば（ステップＳ１０６；Ｙｅｓ）、処理はステップＳ１０８に進む。

ステップＳ１０８において、ＥＣＵ２０は、次回の走行予定時の空調操作確率Ｘを算出する。具体的には、ＥＣＵ２０は、空調操作確率モデルと、次回の走行予定時の上記の各種パラメータの予測値とから、空調操作確率Ｘを算出する。ここでいう「パラメータの予測値」は、例えば次のような手法を用いて取得される次回の走行予定時の外気温度、曜日、時間、及び車室内温度等の予測値である。

ここで、ナビゲーション装置２４は、車両１０のユーザから次回の走行計画に関する情報の入力を受け付けている。当該入力情報は、例えば、車両１０の使用を予定する曜日及び出発時刻、並びに、出発地及び目的地を含む。ナビゲーション装置２４は、上記の入力情報に基づいて、出発地から目的地までの走行経路情報を生成する。走行経路情報は、例えば、目的地への到着予測時刻、並びに、出発地から目的地までの距離（トリップ距離）及び時間（トリップ時間）を含む。そして、このような次回の走行予定時の走行経路情報に基づいて、ナビゲーション装置２４は、例えば、次回予定している走行の時間帯を取得するとともに、当該時間帯の天気予報情報（例えば、気温及び日射量）から当該時間帯の外気温度及び車室内温度を取得（推定）する。そして、ＥＣＵ２０は、ナビゲーション装置２４から外気温度等の各種パラメータの予測値を取得する。

なお、ユーザからの入力情報は、例えば、ユーザの携帯端末を利用して取得されてもよい。また、当該入力情報に基づく上記の予測値の算出に関する処理の少なくとも一部は、ナビゲーション装置２４又は携帯端末に代え、ナビゲーション装置２４又は携帯端末から入力情報を取得したＥＣＵ２０によって実行されてもよい。

次いで、ステップＳ１１０において、ＥＣＵ２０は、ステップＳ１０８において算出された空調操作確率Ｘと、空調消費電力Ｐａｃとの積に基づいて、空調電費補正量Ｃａｃを算出する。具体的には、この算出に用いられる空調消費電力Ｐａｃは、例えば、空調装置１６の定格消費電力等の予め計算された値である。あるいは、空調消費電力Ｐａｃは、例えば、学習値であってもよい。空調操作確率Ｘと同様に、当該学習値は、例えば、上述の車両環境情報に含まれる各種パラメータと操作結果情報Ｉ１とに基づいて学習される空調消費電力モデルを利用して算出されてもよい。すなわち、当該学習値は、空調消費電力モデルと、次回の走行予定時の上記各種パラメータの予測値とから算出されてもよい。

そして、ステップＳ１１０では、ＥＣＵ２０は、空調操作確率Ｘ（０≦Ｘ≦１）と空調消費電力Ｐａｃ［Ｗ］との積に対して換算のための係数ｋ１を乗じることによって、空調電費補正量Ｃａｃ［Ｗｈ／ｋｍ］を算出する。係数ｋ１は、例えば、ステップＳ１０８において用いられる走行経路情報に含まれるトリップ時間をトリップ距離で除して得られる。

次いで、ステップＳ１１２において、ＥＣＵ２０は、予測電費Ｅｐを算出する。予測電費Ｅｐは、例えば、予測電費Ｅｐの基本値Ｅｐｂから空調電費補正量Ｃａｃを減じることによって算出される。すなわち、予測電費Ｅｐは、基本値Ｅｐｂを空調電費補正量Ｃａｃで補正することによって算出される。基本値Ｅｐｂの算出手法は特に限定されるものではなく、例えば、次回予定している走行経路の走行負荷の情報を含む走行経路情報を用いて算出されてもよい。なお、予測電費Ｅｐは、空調電費補正量Ｃａｃとともに他の１又は複数の補正量を用いて補正されてもよい。

次いで、ステップＳ１１４において、ＥＣＵ２０は、航続可能距離Ｌを算出する。具体的には、ＥＣＵ２０は、バッテリ１２の現在の充電率ＳＯＣ［％］に満充電時のバッテリ１２の電池容量を乗じることによって残電池容量（現在の電池容量）Ｗｂ［Ｗｈ］を算出する。次いで、ＥＣＵ２０は、ステップＳ１１２において算出された予測電費Ｅｐで残電池容量Ｗｂを除することにより、航続可能距離Ｌを算出する。そして、ＥＣＵ２０は、算出された航続可能距離Ｌを表示装置２６に表示させる。

なお、空調操作結果情報Ｉ１及び車両環境情報Ｉ２を含む空調操作情報Ｉは、必ずしも車両１０（すなわち、自車両）において取得されたものに限られない。すなわち、空調操作情報Ｉは、車両１０に代え、あるいはそれとともに、例えば、１又は複数の他車両において集められ且つ上記外部システムを介して取得可能なものであってもよい。

以上説明したように、本実施形態によれば、算出処理ＰＲ１において、車両１０の過去の走行中の空調操作情報Ｉに基づいて、予測電費Ｅｐの基本値Ｅｐｂが補正される。これにより、走行期間ではない時に、将来の走行における予測電費Ｅｐを空調装置１６の使用を考慮しつつ適切に算出できるようになる。

より詳細には、本実施形態によれば、学習処理ＰＲ２において、空調操作結果情報Ｉ１及び車両環境情報Ｉ２に基づいて、将来の走行中の空調操作確率Ｘが学習される。そのうえで、算出処理ＰＲ１において、学習処理ＰＲ２によって学習される空調操作確率Ｘと空調消費電力との積に基づいて、空調電費補正量Ｃａｃが算出される。そして、予測電費Ｅｐの基本値Ｅｐｂが空調電費補正量Ｃａｃによって補正される。これにより、空調装置１６の電費を考慮しつつ予測電費Ｅｐを適切に補正することができる。

さらに、学習処理ＰＲ２では、空調操作結果情報Ｉ１及び車両環境情報Ｉ２に基づいて、車両環境情報Ｉ２に含まれる複数のパラメータを入力とし、空調操作確率Ｘを出力とする空調操作確率モデルの学習が行われる。そして、空調電費補正量Ｃａｃの算出に用いられる空調操作確率Ｘは、空調操作確率モデルと、将来の走行の一例に相当する次回の走行の予定時の複数のパラメータの予測値とから算出される。これにより、走行期間ではない時に、次回の走行における予測電費Ｅｐを、学習された空調操作確率モデルを利用して適切に算出できる。

そして、本実施形態によれば、上述のように算出される予測電費Ｅｐとバッテリ１２の残電池容量Ｗｂとから航続可能距離Ｌが算出される。算出された航続可能距離Ｌは、表示装置２６に表示される。これにより、予測電費Ｅｐに基づいて適切に算出される航続可能距離Ｌを表示できるようになる。

３．予測電費Ｅｐの補正手法の他の例
上述した補正手法（ステップＳ１１０参照）によれば、予測電費Ｅｐの補正のための空調電費補正量Ｃａｃは、０以上１以下の範囲内の値として算出される空調操作確率Ｘに応じた値となるように決定される。このような例に代え、空調電費補正量Ｃａｃの算出に用いられる空調操作確率Ｘは、次のように決定されてもよい。

すなわち、ステップＳ１０８の処理により算出される空調操作確率Ｘが所定の閾値ＴＨ（例えば、０．５）以上であるか否かが判定されてもよい。そして、算出された空調操作確率Ｘが閾値ＴＨ以上である場合には、空調電費補正量Ｃａｃの算出において空調消費電力Ｐａｃに掛け合わされる空調操作確率Ｘとして１が用いられてもよい。そして、算出された空調操作確率Ｘが閾値ＴＨ未満である場合には、空調消費電力Ｐａｃに掛け合わされる空調操作確率Ｘとして０が用いられてもよい。

このような手法によれば、将来の走行における空調装置１６の使用の有無が、空調操作確率Ｘに基づいて判定（予測）されることになる。そして、空調装置１６の使用ありと判定された場合には、空調電費補正量Ｃａｃによる予測電費Ｅｐの基本値Ｅｐｂの補正が行われる。一方、空調装置１６の使用なしと判定された場合には、空調電費補正量Ｃａｃによる基本値Ｅｐｂの補正は行われない。

１０ 車両、 １２ バッテリ、 １４ 電動機、 １６ 空調装置、 １８ 電力制御ユニット（ＰＣＵ）、 ２０ 電子制御ユニット（ＥＣＵ）、 ２２ センサ類、 ２４ ナビゲーション装置、 ２６ 表示装置、 ２８ プロセッサ、 ３０ 記憶装置

Claims (4)

1. バッテリからの電力によって駆動される電動機と、前記バッテリからの電力によって作動する空調装置と、を備える車両を制御する制御装置であって、
   前記車両のシステムが起動していない時に、将来の走行における前記車両の予測電費を算出する算出処理を実行するプロセッサを備え、
   前記算出処理において、前記プロセッサは、前記車両、及び１又は複数の他車両の少なくとも一方の過去の空調操作情報に基づいて、前記予測電費の基本値を補正する
   車両の制御装置。
2. 前記空調操作情報は、空調操作結果情報と車両環境情報とを含み、
   前記プロセッサは、前記空調操作結果情報及び前記車両環境情報に基づいて、前記将来の走行中に前記車両の搭乗者による空調操作が行われる確率である空調操作確率を学習する学習処理を実行し、
   前記算出処理において、前記プロセッサは、
   前記学習処理によって学習される前記空調操作確率と空調消費電力との積に基づいて、前記空調装置の電費に関する補正量である空調電費補正量を算出し、
   前記空調電費補正量によって前記基本値を補正する
   請求項１に記載の車両の制御装置。
3. 前記学習処理において、前記プロセッサは、前記車両環境情報に含まれる複数のパラメータを入力とし、前記空調操作確率を出力とする空調操作確率モデルを、前記空調操作結果情報及び前記車両環境情報に基づいて学習し、
   前記空調電費補正量の算出に用いられる前記空調操作確率は、前記空調操作確率モデルと、前記将来の走行に相当する次回の走行の予定時の前記複数のパラメータの予測値とから算出される
   請求項２に記載の車両の制御装置。
4. 前記プロセッサは、
   前記算出処理により算出される前記予測電費と前記バッテリの残容量とから、前記残容量で走行可能な距離である前記車両の航続可能距離を算出し、
   算出された前記航続可能距離を表示装置に表示させる
   請求項１から３の何れか１つに記載の車両の制御装置。