特許 6205919 電気自動車用情報の推定装置、経路探索システム、及びコンピュータプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6205919

(24)【登録日】2017年9月15日

(45)【発行日】2017年10月4日

(54)【発明の名称】電気自動車用情報の推定装置、経路探索システム、及びコンピュータプログラム

(51)【国際特許分類】

   G08G 1/00 20060101AFI20170925BHJP

   G08G 1/01 20060101ALI20170925BHJP

   G08G 1/13 20060101ALI20170925BHJP

   G08G 1/137 20060101ALI20170925BHJP

   G01C 21/34 20060101ALI20170925BHJP

   B60L 3/00 20060101ALI20170925BHJP

   G09B 29/00 20060101ALI20170925BHJP

   G09B 29/10 20060101ALI20170925BHJP

【ＦＩ】

   G08G1/00 C

   G08G1/01 A

   G08G1/13

   G08G1/137

   G01C21/34

   B60L3/00 S

   G09B29/00 F

   G09B29/10 A

【請求項の数】7

【全頁数】23

(21)【出願番号】特願2013-144870(P2013-144870)

(22)【出願日】2013年7月10日

(65)【公開番号】特開2015-18392(P2015-18392A)

(43)【公開日】2015年1月29日

【審査請求日】2016年2月25日

(73)【特許権者】

【識別番号】000002130

【氏名又は名称】住友電気工業株式会社

(74)【代理人】

【識別番号】110000280

【氏名又は名称】特許業務法人サンクレスト国際特許事務所

(72)【発明者】

【氏名】矢野 純史

【審査官】 田中 純一

(56)【参考文献】

【文献】 特開２０１１−０５９９２１（ＪＰ，Ａ）

【文献】 特開２００１−１８３１５０（ＪＰ，Ａ）

【文献】 特開２０１２−０９３２９７（ＪＰ，Ａ）

【文献】 特開２０１３−０５３９９９（ＪＰ，Ａ）

【文献】 特開２００６−０２３１７６（ＪＰ，Ａ）

【文献】 米国特許出願公開第２００８／０２２１７８７（ＵＳ，Ａ１）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０８Ｇ １／００ − ９９／００

Ｇ０１Ｃ ２１／００ − ２１／３６

Ｇ０１Ｃ ２３／００ − ２５／００

Ｇ０９Ｂ ２３／００ − ２９／１４

(57)【特許請求の範囲】

【請求項1】

電気自動車の消費電力に対応するコスト値を推定する装置であって、
前記電気自動車が道路区間を走行する際の態様を示す基礎となる走行モデルを当該道路区間における停止回数毎に複数種類について記憶する第一の記憶部と、
前記道路区間毎における前記電気自動車の停止回数を推定する停止回数推定部と、
前記停止回数推定部が推定した停止回数に対応しかつ複数種類の前記走行モデルの中から選択した特定走行モデルを用いて、前記道路区間を前記電気自動車が走行するために要する前記コスト値を求める処理部と、
前記走行モデルが示す前記電気自動車の走行状態の時間割合を調整する調整部と、
を備え、
前記第一の記憶部は、前記道路区間における停止回数毎に、複数種類の前記走行モデルを一つの群として、記憶しており、
前記処理部は、前記停止回数毎の複数の前記群の中から、前記停止回数推定部によって推定された前記停止回数に対応する群を決定し、
前記調整部は、決定された前記群に含まれる複数種類の前記走行モデルそれぞれについて、各走行モデルが示す前記走行状態の時間割合を調整して、複数種類の調整走行モデルを得て、
前記処理部は、複数種類の前記調整走行モデルそれぞれに対応する評価指標値を求め、当該評価指標値に基づいて複数種類の前記調整走行モデルの中から一つの前記特定走行モデルを選択する、電気自動車用情報の推定装置。

【請求項2】

前記電気自動車の速度に関する情報を含む車両情報を前記道路区間毎に収集する収集部を更に備え、
前記調整部は、前記道路区間毎に収集された前記車両情報に応じて、複数種類の前記走行モデルを調整する請求項１に記載の電気自動車用情報の推定装置。

【請求項3】

前記調整部は、前記道路区間毎に収集された前記車両情報を、当該車両情報に基づいて得られる走行速度の変化を基準として複数のグループに分類し、前記グループそれぞれに分類された前記車両情報の数の割合に応じて、前記走行モデルが示す前記走行状態の時間割合を調整する請求項２に記載の電気自動車用情報の推定装置。

【請求項4】

前記処理部は、前記電気自動車の前記コスト値についての過去の実績値を取得可能であると共に、複数種類の前記走行モデルそれぞれを用いて前記走行モデル毎の前記コスト値の参考値を求め、前記実績値と前記参考値との比較結果を前記評価指数値とし、前記実績値に最も近い前記参考値を求めるために用いた走行モデルを、前記特定走行モデルとして選択する請求項１〜３のいずれか一項に記載の電気自動車用情報の推定装置。

【請求項5】

前記道路区間を走行する前記電気自動車の停止回数と、当該道路区間を当該停止回数の停止を経て走行した際の実速度から得られる速度情報と、を対応付けた対応情報を、前記道路区間毎に記憶している第二の記憶部を更に備え、
前記停止回数推定部は、前記電気自動車が所定の道路区間を走行する際の走行速度の予測値である予測走行速度を取得すると、前記対応情報を参照して、当該予測走行速度に対応する前記速度情報を選び、当該速度情報に対応する停止回数を、当該所定の道路区間における前記電気自動車の停止回数として推定する請求項１〜４のいずれか一項に記載の電気自動車用情報の推定装置。

【請求項6】

電気自動車のための経路を探索する経路探索システムであって、
前記電気自動車が消費する電力に対応するコスト値を推定する推定部と、
推定した前記コスト値を用いて前記電気自動車のための経路を探索する経路探索部と、を備え、
前記推定部は、
前記電気自動車が道路区間を走行する際の態様を示す基礎となる走行モデルを当該道路区間における停止回数毎に複数種類について記憶する記憶部と、
前記道路区間毎における前記電気自動車の停止回数を推定する停止回数推定部と、
前記停止回数推定部が推定した停止回数に対応しかつ複数種類の前記走行モデルの中から選択した特定走行モデルを用いて、前記道路区間を前記電気自動車が走行するために要する前記コスト値を求める処理部と、
前記走行モデルが示す前記電気自動車の走行状態の時間割合を調整する調整部と、
を有し、
前記記憶部は、前記道路区間における停止回数毎に、複数種類の前記走行モデルを一つの群として、記憶しており、
前記処理部は、前記停止回数毎の複数の前記群の中から、前記停止回数推定部によって推定された前記停止回数に対応する群を決定し、
前記調整部は、決定された前記群に含まれる複数種類の前記走行モデルそれぞれについて、各走行モデルが示す前記走行状態の時間割合を調整して、複数種類の調整走行モデルを得て、
前記処理部は、複数種類の前記調整走行モデルそれぞれに対応する評価指標値を求め、当該評価指標値に基づいて複数種類の前記調整走行モデルの中から一つの前記特定走行モデルを選択する、経路探索システム。

【請求項7】

電気自動車の消費電力に対応するコスト値を推定する装置として、コンピュータを機能させるコンピュータプログラムであって、
前記コンピュータが情報を読み取り可能である記憶部に、前記電気自動車が道路区間を走行する際の態様を示す基礎となる走行モデルが、停止回数毎に複数種類について記憶されており、
前記推定する装置は、
前記道路区間毎における前記電気自動車の停止回数を推定する停止回数推定部と、
前記停止回数推定部が推定した停止回数に対応しかつ複数種類の前記走行モデルの中から選択した特定走行モデルを用いて、前記道路区間を前記電気自動車が走行するために要する前記コスト値を求める処理部と、
前記走行モデルが示す前記電気自動車の走行状態の時間割合を調整する調整部と、
を有し、
前記記憶部は、前記道路区間における停止回数毎に、複数種類の前記走行モデルを一つの群として、記憶しており、
前記処理部は、前記停止回数毎の複数の前記群の中から、前記停止回数推定部によって推定された前記停止回数に対応する群を決定し、
前記調整部は、決定された前記群に含まれる複数種類の前記走行モデルそれぞれについて、各走行モデルが示す前記走行状態の時間割合を調整して、複数種類の調整走行モデルを得て、
前記処理部は、複数種類の前記調整走行モデルそれぞれに対応する評価指標値を求め、当該評価指標値に基づいて複数種類の前記調整走行モデルの中から一つの前記特定走行モデルを選択する、コンピュータプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、電気自動車の消費電力に対応するコスト値を推定する電気自動車用情報の推定装置、この推定装置を備えている経路探索システム、及びコンピュータを前記推定装置として機能させるコンピュータプログラムに関する。

【背景技術】

【0002】

近年、自然環境に対する意識の高まりにより、走行時に窒素酸化物や二酸化炭素等のガスを排出しない電気自動車（ＥＶ）が注目されている。しかし、電気自動車の航続距離がガソリンを燃料として走行する自動車（ガソリン車）と比較して短いこと、及び、電気自動車のバッテリに充電を行う充電ステーション（充電設備）が充分に普及していないことが、現在、電気自動車における大きな課題となっている。

【0003】

また、このような電気自動車が、例えば現在地から目的地へ向かって走行するために、その目的地までの推奨経路をコンピュータに探索させることが行われている。このような経路の探索技術（ナビゲーション装置）として特許文献１に記載の装置があり、この装置は、電気自動車（これに搭載のバッテリ）の電力残量（充電率）に基づいて経路探索を行うことが可能である。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０１１−７５３８２号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

前記のように、電気自動車のためにコンピュータを用いて目的地までの経路探索を行う場合において、その目的地における電気自動車の電力残量を算出（予測）するために、目的地までの各道路区間を走行するために要する旅行時間の推定が行われる。この旅行時間は、既に蓄積されている統計情報や、現在の道路状況（渋滞状況等）を反映させたリアルタイム情報を用いて推定することができるが、いずれの場合であっても、各道路区間の旅行時間は、各道路区間の距離と、各道路区間を電気自動車が通過する平均速度とから算出される。このため、各道路区間の平均速度は、旅行時間の推定精度に影響を与える。

【0006】

また、電気自動車の場合、例えば２つの異なる道路区間で平均速度が近似していても、消費電力が大きく異なり、この結果、電力残量が大きく異なる場合がある。これは、道路区間が異なると、電気自動車の走行態様も異なるためである。すなわち、２つの道路区間で平均速度が近似していても、電気自動車が加速（減速）する頻度が多い道路区間では、消費電力が大きくなり、加速（減速）する頻度が少なく電気自動車がほぼ等速で走行する道路区間では、消費電力は小さくなる。
つまり、ある道路区間において、平均速度が同じであっても、電気自動車の場合には、その道路区間を走行することで消費される電力量が異なるおそれがあることから、その消費電力量を求めることは困難である。

【0007】

そこで、本発明の目的は、電気自動車の消費電力に対応するコスト値を正確に求めることを可能とする。

【課題を解決するための手段】

【0008】

前記のとおり、電気自動車の場合、加速・減速の頻度によって、消費電力量は異なる。そして、加速・減速が発生する大きな要因の一つとして、各道路区間に設置されている交通信号灯器の赤信号による停止発生が挙げられる。そこで、電気自動車の消費電力量を求めるためには、電気自動車の停止回数を考慮する必要があることに着目し、本発明を得た。
すなわち、本発明は、電気自動車の消費電力に対応するコスト値を推定する装置であって、前記電気自動車が道路区間を走行する際の態様を示す走行モデルを当該道路区間における停止回数毎に複数種類について記憶する第一の記憶部と、前記道路区間毎における前記電気自動車の停止回数を推定する停止回数推定部と、前記停止回数推定部が推定した停止回数に対応しかつ複数種類の前記走行モデルの中から選択した特定走行モデルを用いて、前記道路区間を前記電気自動車が走行するために要する前記コスト値を求める処理部と、を備えている。

【0009】

また、本発明は、電気自動車のための経路を探索する経路探索システムであって、前記電気自動車が消費する電力に対応するコスト値を推定する推定部と、推定した前記コスト値を用いて前記電気自動車のための経路を探索する経路探索部と、を備え、前記推定部は、前記電気自動車が道路区間を走行する際の態様を示す走行モデルを当該道路区間における停止回数毎に複数種類について記憶する記憶部と、前記道路区間毎における前記電気自動車の停止回数を推定する停止回数推定部と、前記停止回数推定部が推定した停止回数に対応しかつ複数種類の前記走行モデルの中から選択した特定走行モデルを用いて、前記道路区間を前記電気自動車が走行するために要する前記コスト値を求める処理部と、を有している。

【0010】

また、本発明は、電気自動車の消費電力に対応するコスト値を推定する装置として、コンピュータを機能させるコンピュータプログラムであって、前記コンピュータが情報を読み取り可能である記憶部に、前記電気自動車が道路区間を走行する際の態様を示す走行モデルが、停止回数毎に複数種類について記憶されており、前記推定する装置は、前記道路区間毎における前記電気自動車の停止回数を推定し、この推定した停止回数に対応しかつ複数種類の前記走行モデルの中から選択した特定走行モデルを用いて、前記道路区間を前記電気自動車が走行するために要する前記コスト値を求めるように構成されている。

【発明の効果】

【0011】

本発明の電気自動車用情報の推定装置及びコンピュータプログラムによれば、道路区間における電気自動車の停止回数が推定され、この推定された停止回数に対応しかつ複数種類の走行モデルの中から選択された特定走行モデルを用いて、道路区間を電気自動車が走行するために要する消費電力に対応するコスト値が求められることから、正確なコスト値を求めることが可能となる。
本発明の経路探索システムによれば、電気自動車が道路区間を走行するために要する消費電力に対応するコスト値を正確に求めることが可能となるので、そのコスト値を用いて電気自動車のための経路の探索処理が行われることで、精度の良い探索結果を得ることが可能となる。

【図面の簡単な説明】

【0012】

【図1】経路探索システムの一例を示すブロック図である。

【図2】プローブ情報の一例を示す説明図である。

【図3】収集部が行う処理の説明図である。

【図4】リンクＩＤが「Ｘ」である情報群の一例を示している。

【図5】停止回数別パラメータ用のデータベースに蓄積されている情報の一例を示す説明図である。

【図6】リンクＩＤが「Ｘ」である道路リンクにおける消費電力量を推定する処理のフロー図である。

【図7】停止回数を推定する処理のフロー図である。

【図8】停止回数を推定する処理の説明図である。

【図9】基礎となる走行モデルの説明図である。

【図10】特定走行モデルを選択する処理を説明するフロー図である。

【図11】基礎となる走行モデルを調整する処理の説明図である。

【発明を実施するための形態】

【0013】

〔本発明の実施形態の説明〕
最初に本発明の実施形態の内容を列記して説明する。
（１）本発明は、電気自動車の消費電力に対応するコスト値を推定する装置であって、前記電気自動車が道路区間を走行する際の態様を示す走行モデルを当該道路区間における停止回数毎に複数種類について記憶する第一の記憶部と、前記道路区間毎における前記電気自動車の停止回数を推定する停止回数推定部と、前記停止回数推定部が推定した停止回数に対応しかつ複数種類の前記走行モデルの中から選択した特定走行モデルを用いて、前記道路区間を前記電気自動車が走行するために要する前記コスト値を求める処理部と、を備えている。
電気自動車の場合、異なる道路区間で平均速度が近似していても、停止回数が異なることによって、これら道路区間それぞれを走行することによる消費電力に対応するコスト値が大きく異なる場合があるが、本発明によれば、電気自動車が道路区間を走行する際の態様を示す走行モデルが停止回数毎に複数種類について記憶されており、道路区間における電気自動車の停止回数が推定されると、推定した停止回数に対応しかつ複数種類の前記走行モデルの中から選択された特定走行モデルを用いて、前記道路区間を電気自動車が走行するために要するコスト値が求められることから、正確なコスト値を求めることが可能となる。
なお、実施形態では、前記コスト値は、消費電力量［Ｗｈ］であるが、その他として消費電力［Ｗ］であってもよい。

【0014】

（２）また、前記電気自動車の速度に関する情報を含む車両情報を前記道路区間毎に収集する収集部と、前記道路区間毎に収集された前記車両情報に応じて、前記第一の記憶部に記憶されている複数種類の前記走行モデルを調整する調整部と、更に備えているのが好ましい。
この場合、記憶部は、全ての道路区間毎に、複数種類の走行モデルを記憶していなくても、複数種類の基礎となる走行モデルを記憶していればよい。すなわち、この基礎となる走行モデルを、道路区間毎に収集された車両情報に応じて調整することで、各道路区間に対応した走行モデルを得ることができる。このため、複数種類の走行モデルを道路区間毎に異ならせることが可能となる。そして、処理部は、この調整した複数種類の走行モデルの中から選択した特定走行モデルを、消費電力に対応するコスト値を求める処理に活用することで、より一層正確なコスト値を求めることが可能となる。

【0015】

（３）また、前記（２）の推定装置において、前記調整部は、前記道路区間毎に収集された前記車両情報を、当該車両情報に基づいて得られる走行速度の変化を基準として複数のグループに分類し、前記グループそれぞれに分類された前記車両情報の数の割合に応じて、前記走行モデルを調整するのが好ましい。
この場合、第一の記憶部に記憶されている各走行モデル（基礎となる各走行モデル）を、電気自動車が道路区間を走行した際の走行速度の変化に応じた走行モデルに調整することができる。

【0016】

（４）また、前記処理部は、前記電気自動車の前記コスト値についての過去の実績値を取得可能であると共に、複数種類の前記走行モデルそれぞれを用いて前記走行モデル毎の前記コスト値の参考値を求め、前記実績値に最も近い前記参考値を求めるために用いた走行モデルを、前記特定走行モデルとして選択するのが好ましい。
この場合、電気自動車のコスト値についての過去の実績値に最も近い参考値を求めるために用いた走行モデルが、特定走行モデルとして選択されるので、精度の高いコスト値を求めることが可能となる。

【0017】

（５）また、前記道路区間を走行する前記電気自動車の停止回数と、当該道路区間を当該停止回数の停止を経て走行した際の実速度から得られる速度情報と、を対応付けた対応情報を、前記道路区間毎に記憶している第二の記憶部を更に備え、前記停止回数推定部は、前記電気自動車が所定の道路区間を走行する際の走行速度の予測値である予測走行速度を取得すると、前記対応情報を参照して、当該予測走行速度に対応する前記速度情報を選び、当該速度情報に対応する停止回数を、当該所定の道路区間における前記電気自動車の停止回数として推定するのが好ましい。
同じ道路区間であっても、停止回数が様々になることが考えられるが、このような場合であっても、前記予測走行速度に対応する停止回数を推定することができ、その結果、処理部は、その停止回数に応じた消費電力に対応するコスト値を求めることが可能となる。なお、前記第二の記憶部は、前記走行モデルを記憶する記憶部と同じハードディスクや内部メモリ等の記憶装置から成るものであってもよい。

【0018】

なお、この場合において、前記速度情報は、前記実速度のグループの分布を示す分布情報、及びその分布の代表値の情報を含むのが好ましい。これにより、各道路区間を各停止回数の停止を経て走行した際の実速度（速度の実際値）の分布を考慮して、前記予測走行速度に対応する停止回数を推定することができる。すなわち、前記停止回数推定部は、停止回数毎に停止回数と対応付けられている前記速度情報の中から、前記所定の道路区間の前記予測走行速度との隔たりが最も小さい前記実速度のグループを示す速度情報を選び、その選んだ速度情報に対応する停止回数を、当該所定の道路区間における停止回数として推定することができる。

【0019】

（６）また、本発明は、電気自動車のための経路を探索する経路探索システムであって、前記電気自動車が消費する電力に対応するコスト値を推定する推定部と、推定した前記コスト値を用いて前記電気自動車のための経路を探索する経路探索部と、を備え、前記推定部は、前記電気自動車が道路区間を走行する際の態様を示す走行モデルを当該道路区間における停止回数毎に複数種類について記憶する記憶部と、前記道路区間毎における前記電気自動車の停止回数を推定する停止回数推定部と、前記停止回数推定部が推定した停止回数に対応しかつ複数種類の前記走行モデルの中から選択した特定走行モデルを用いて、前記道路区間を前記電気自動車が走行するために要する前記コスト値を求める処理部と、を有している。
電気自動車の場合、異なる道路区間で平均速度が近似していても、停止回数が異なることによって、これら道路区間それぞれを走行することによる消費電力に対応するコスト値が大きく異なる場合があるが、本発明によれば、電気自動車が道路区間を走行する際の態様を示す走行モデルが停止回数毎に複数種類について記憶されており、道路区間における電気自動車の停止回数が推定されると、推定した停止回数に対応しかつ複数種類の前記走行モデルの中から選択された特定走行モデルを用いて、前記道路区間を電気自動車が走行するために要するコスト値が求められることから、正確なコスト値を求めることが可能となる。
このため、求めたコスト値を用いて、電気自動車のための経路を探索することが可能となる。

【0020】

（７）また、本発明は、電気自動車の消費電力に対応するコスト値を推定する装置として、コンピュータを機能させるコンピュータプログラムであって、前記コンピュータが情報を読み取り可能である記憶部に、前記電気自動車が道路区間を走行する際の態様を示す走行モデルが、停止回数毎に複数種類について記憶されており、前記推定する装置は、前記道路区間毎における前記電気自動車の停止回数を推定し、この推定した停止回数に対応しかつ複数種類の前記走行モデルの中から選択した特定走行モデルを用いて、前記道路区間を前記電気自動車が走行するために要する前記コスト値を求めるように構成されている。
本発明によれば、前記（１）に記載の電気自動車用情報の推定装置と同様の作用効果を奏することができる。

【0021】

〔本発明の実施形態の詳細〕
本発明の実施形態の具体例を、以下に図面を参照しつつ説明する。
〔１． 経路探索システムについて〕
図１は、経路探索システムの一部を示すブロック図である。このシステムには、電気自動車２、電気自動車２に搭載されている車載装置３、車載装置３と無線通信する路側通信装置４、及び路側通信装置４と通信可能なサーバ装置５が含まれる。

【0022】

サーバ装置５は、複数の車載装置３（電気自動車２）から送信された各種情報を、道路の各所に設置された路側通信装置４を通じて収集する。また、サーバ装置５は、電気自動車２のために、目的地までの推奨経路や到達可能となる位置までの経路探索の処理を行い、探索した経路の情報を生成し、その情報を、路側通信装置４を通じて車載装置３へ送信する。

【0023】

本実施形態の車載装置３は、電気自動車２に固定された装置であるが、それ以外に、例えばドライバ（搭乗者）が携帯しているスマートフォン等の携帯端末であってもよい。車載装置３が携帯端末の場合、路側通信装置４は、この携帯端末と無線通信を行う基地局装置となる。

【0024】

路側通信装置４は、各地域の道路等に多数設置されている。各路側通信装置４は、通信機能を備えており、各地域の道路を走行する電気自動車２に搭載の車載装置３と無線通信可能であり、また、有線（又は無線）によりサーバ装置５と通信可能である。

【0025】

電気自動車２は、充電可能なバッテリ７と、このバッテリ７の電力によって駆動するモータ１０と、車輪１２の回転を制動するブレーキ装置１１とを備えており、モータ１０の出力軸の回転力が、ドライブシャフト等の動力伝達部を介して、車輪１２に伝達される。つまり、電気自動車２は、搭載するモータ１０の駆動力によって各地域の道路を走行可能である。
また、ブレーキ装置１１は、モータ１０を発電機として作動させることで運動エネルギー（走行エネルギー）を電気エネルギーに変換して、電気エネルギーをバッテリ７に回収する回生ブレーキからなる。このために、電気自動車２に搭載の電子制御ユニット（ＥＣＵ）６は、ブレーキ装置１１による回生制御を行う。

【0026】

また、電気自動車２には、モータ１０以外の電気機器である補機が搭載されている。補機には、例えば、空調設備、ヘッドライト、ワイパー、デフォッガー等が含まれる。これら各補機は、モータ１０と同じバッテリ７から電力の供給を受け稼働する電気機器である。本実施形態では、電気自動車２に、３つの補機４１，４２，４３が搭載されている。これら補機４１，４２，４３それぞれには、識別番号として補機ＩＤが付されている。これら補機４１，４２，４３の補機ＩＤをそれぞれ、ＩＤ１，ＩＤ２，ＩＤ３とする。

【0027】

車載装置３は、コンピュータからなり、この車載装置３を搭載している電気自動車２の車両情報としてプローブ情報を生成し、プローブ情報を、路側通信装置４を通じてサーバ装置５へ無線送信する。また、車載装置３は、サーバ装置５が生成し送信した情報を、路側通信装置４を通じて受信する。
車載装置３は、ドライバ（搭乗者）の操作により各種の情報を入力可能でかつドライバに対して情報を出力可能である入出力部３ａと、現在位置の情報を取得可能な測位部３ｂとを有している。

【0028】

入出力部３ａは、例えばドライバが操作するタッチパネル及びその制御部からなり、タッチパネルを通じて文字入力や選択操作を行う等により例えば目的地を制御部へ入力可能である。目的地が入力されると、その目的地を示す目的地情報が制御部によって生成され、目的地情報は、電気自動車２の識別情報（車両ＩＤ）と共に送信情報に含められてサーバ装置５へ送信される。また、タッチパネルは、ドライバに対して情報を表示（出力）するモニタとしても機能する。

【0029】

本実施形態では、電気自動車２のための経路探索を行う機能を、サーバ装置５が備えており、前記目的地情報を含む前記送信情報は、サーバ装置５に対する経路の探索要求信号となる。
測位部３ｂは、例えばＧＰＳ機能を有した測位装置からなり、現在位置の情報を取得する。取得した現在位置の情報は前記送信情報や前記プローブ情報に含められ、サーバ装置５へ送信される。

【0030】

プローブ情報（フローティングカー情報ともいう）について説明する。
車載装置３は、プローブ情報を周期的に（１秒毎や数秒毎に）生成して送信する。プローブ情報には、図２に示すように、車種コード、車両ＩＤ、年月日及び時刻、位置、リンクＩＤ、速度［ｍ／秒］、乗車人数［人］、総消費電力量［ｋＷｈ］、バッテリ７の充電率［％］及び残量［ｋＷｈ］、補機情報［オン又はオフ］等の各種情報が含められる。なお、図２に示す表は、周期的に生成されたプローブ情報を複数まとめて記載したものであり、各列の情報が、一つのプローブ情報に相当する。

【0031】

車種コードは、電気自動車２の種類（車種）を識別するための識別情報であり、車体が異なっていても車種が同じであれば、同じ車種コードとなる。
車両ＩＤは、車体毎に付与された識別情報である。
年月日及び時刻の情報は、周期的に生成される各プローブ情報が生成された年月日及び時刻を示す情報である。

【0032】

位置は、周期的に生成される各プローブ情報が生成された際の位置を示す情報であり、測位部３ｂ（図１参照）が測位して得た情報である。
また、各道路は複数の道路区間に設定（区画）されており、本実施形態では、この道路区間を道路リンクとしている。そして、リンクＩＤは、プローブ情報の生成時点で走行していた道路リンクの識別情報であり、測位部３ｂが測位して得た位置情報に基づいて設定される。なお、プローブ情報にリンクＩＤが含まれていなくても、測位部３ｂが測位して得た位置情報を含むプローブ情報を取得したサーバ装置５が、例えば道路地図情報とマップマッチングを行って、その位置情報（プローブ情報）に対応するリンクＩＤを生成してもよい。

【0033】

速度は、プローブ情報の生成周期間における平均速度であり、測位部３ｂが測位して得た位置情報とその測位時の時刻の情報とに基づいて算出される。
乗車人数は、電気自動車２の乗車人数であり、例えば、シートベルトの装着状態の情報を電子制御ユニット（ＥＣＵ）６が監視し、この情報を、電子制御ユニット６を通じて車載装置３は取得し、プローブ情報に含ませることができる。

【0034】

総消費電力量は、単位時間あたりのバッテリ７の総消費電力量［ｋＷｈ］である。本実施形態の場合、単位時間はプローブ情報の生成周期（又は送信周期）であることから、前記総消費電力量は、プローブ情報の生成周期（又は送信周期）毎のバッテリ７の総消費電力量［ｋＷｈ］である。なお、この総消費電力量の値は、生成周期間でモータ１０及び全ての補機４１，４２，４３が消費したバッテリ７の電力量である。この値は、バッテリ７に付属のバッテリ管理装置（計測器）によって計測される。
バッテリ７の充電率［％］及びバッテリ７の残量（残りの充電量）［ｋＷｈ］は、バッテリ７に付属のバッテリ管理装置が計測して得た値であり、プローブ情報の生成時点における値である。
なお、本実施形態では、電気自動車２が消費する電力は、搭載しているバッテリ７による電力である場合を説明するが、電気自動車２に搭載した発電用エンジン等により生み出される電力であってもよい。

【0035】

補機情報は、プローブ情報の生成時点における補機４１，４２，４３それぞれの稼働（オン）又は非稼働（オフ）の稼働状態を示す情報であり、この情報を、電子制御ユニット６を通じて車載装置３は取得し、プローブ情報に含ませることができる。なお、本実施形態では、補機４１，４２，４３は全て非稼働の状態としており、総消費電力量は、モータ１０による消費電力量となる。

【0036】

〔２． サーバ装置５（経路探索システム）〕
〔２．１ 全体構成〕
図１において、サーバ装置５は、コンピュータからなり、ハードディスク等からなる記憶装置１５と、路側通信装置４と通信を行うための通信インタフェースからなる通信装置１６と、演算等の処理を行う機能を有する演算処理装置１７とを備えている。通信装置１６は、車載装置３から送信されたプローブ情報を受信し、プローブ情報に含まれている各種の情報を演算処理装置１７へ与える。記憶装置１５には、後に説明する経路探索のために用いられるデータベース５１，５２が設けられている。なお、記憶装置１５は、コンピュータ（サーバ装置５）の内部バスまたは外部インタフェースを介して演算処理装置１７が情報を読み取り可能（演算処理装置１７が情報を取得可能）なものであればよく、コンピュータに内蔵されている必要はない。

【0037】

演算処理装置１７は、様々な機能を奏する機能部を有しており、これら機能部として、経路探索部２０、及び消費電力量推定部２１を有している。具体的に説明すると、演算処理装置１７は、ＣＰＵ及び内部メモリ等を有し、この演算処理装置１７を経路探索部２０、及び消費電力量推定部２１として機能させるためのコンピュータプログラムを、記憶装置１５又は前記内部メモリが記憶している。そして、演算処理装置１７が有している各機能部（経路探索部２０、及び消費電力量推定部２１）は、前記コンピュータプログラムが実行されることで動作する。なお、消費電力量推定部２１は、電気自動車２のバッテリ７の消費電力量を推定する処理部２２と、この消費電力量の推定のために必要となる処理として電気自動車２の停止回数を推定する停止回数推定部２３と、電気自動車２からのプローブ情報を道路リンク毎に収集する収集部２４と、この道路リンク毎に収集されたプローブ情報に応じて後述する走行モデルを調整する調整部２５とを備えている。また、このコンピュータプログラムは、磁気ディスク、光学ディスク又は半導体メモリ等からなる記憶媒体に記憶させることができる。

【0038】

演算処理装置１７が有する各機能部について説明する。
〔２．２ 経路探索部２０について〕
経路探索部２０は、車載装置３から送信された前記探索要求信号に基づいて、その車載装置３を搭載している電気自動車２のための経路（推奨経路や到達可能な経路範囲等）を探索する。
電気自動車２（車載装置３）それぞれは、現時点におけるバッテリ７の情報を、経路の探索要求信号に含めて、サーバ装置５へ送信する。本実施形態における前記バッテリ７の情報は、探索要求信号を送信する時点での、バッテリ７の充電率［％］及び残量［ｋＷｈ］である。このバッテリ７の情報をサーバ装置５の通信装置１６が受信すると、経路探索部２０は、このバッテリ７の情報、及び記憶装置１５が有しているデータベース５１，５２中の様々な情報等を用いて、この電気自動車２のために、バッテリ７の残量［ｋＷｈ］（又は前記充電率［％］）によって到達可能となる経路を探索する処理を行う。

【0039】

経路探索部２０は、第１の地点（例えば出発地又は現在地）から第２の地点（例えば目的地）まで電気自動車２が走行すべき経路を、道路リンクのリンクコストを用いて所定の探索アルゴリズムに従って探索する機能を有している。探索アルゴリズムは、様々なアルゴリズムを採用可能であるが、本実施形態はダイクストラ法である。経路探索部２０は、道路リンクのリンクコストの総和が小さくなる（最小となる）経路を探すシミュレーションを行う。リンクコストを旅行時間とすることにより、第１の地点から第２の地点まで、できるだけ旅行時間が短くなる経路が探索される。なお、各道路リンクのリンクコストは、記憶装置１５が有するリンク情報用のデータベース５１に蓄積されており、経路探索部２０は、このデータベース５１を参照して、経路探索を行う。

【0040】

また、道路の特性は、道路リンク毎に異なることから、電気自動車２が消費するバッテリ７の電力量は、道路リンクに応じて異なる。例えば、同じ直線道路であっても、路面の勾配（道路の特性）は道路リンク毎で異なることがあるため、電気自動車２が消費するバッテリ７の電力量は、道路リンクに応じて異なると考えられる。このため、経路探索部２０は、道路リンクを、経路探索処理のための一単位として用い経路探索を行う。
つまり、経路探索部２０は、経路探索を行う際、道路リンクの起点（ノード）におけるバッテリ７の電力残量（残り電力量）から、その道路リンクを走行することにより消費される電力量を差し引いた、残り電力量を算出する。そして、算出した残り電力量が所定の値（例えば充電率に換算して２０％）以上であることを条件として、次の道路リンクを探索し続け、第２の地点までの経路探索を行う。算出した残り電力量が所定の値未満になると、航続不可能と判定される。

【0041】

そして、経路探索部２０は、経路探索の処理により推奨する経路を決定すると、その経路の情報を、通信装置１６（図１参照）から路側通信装置４を通じて、車載装置３へ送信する。車載装置３は、この経路の情報を、入出力部３ａ（タッチパネル）に出力し、ドライバに推奨経路の情報を表示する。

【0042】

このように、経路探索部２０は、道路リンク毎にバッテリ７の電力残量を求めつつ、その電力残量に基づいて電気自動車２のための経路の探索を行う。そして、道路リンク毎のバッテリ７の電力残量を求めるためには、各道路リンクを走行することによるバッテリ７の消費電力量の情報が必要であり、この情報は、消費電力量推定部２１によって求められる。

【0043】

〔２．３ 消費電力量推定部２１が行う準備処理について〕
消費電力量推定部２１は、電気自動車２の走行によるバッテリ７の消費電力量を推定する機能を有している他に、この推定を行うために必要となる情報を予め生成する準備処理の機能を有している。なお、消費電力量推定部２１によって予め生成される情報は、後に説明するが、図５に示す「道路リンク（リンクＩＤ）毎の停止回数別パラメータ」の情報である。
以下、消費電力量推定部２１による準備処理の機能について説明する。

【0044】

前記のとおり、電気自動車２が送信するプローブ情報には、各種情報が含まれている（図２参照）。通信装置１６を通じて演算処理装置１７がプローブ情報を取得すると、収集部２４は、そのプローブ情報に含まれている前記各種情報を取得する。
プローブ情報には、リンクＩＤが含まれていることから、収集部２４は、図３に示すように、プローブ情報を、道路リンク（リンクＩＤ）毎に区分（分類）して収集し、複数のプローブ情報を含む情報群Ｄ１を、道路リンク（リンクＩＤ）毎に区分して生成する。図４は、リンクＩＤが「Ｘ」である情報群Ｄ１の一例を示している。

【0045】

このような情報群Ｄ１は、全ての道路リンク（図３の場合、ＩＤ１〜１００）について生成され、記憶装置１５に記憶させる。なお、前記のとおり、プローブ情報に、リンクＩＤが含まれていない場合、収集部２４は、プローブ情報を収集する際に、各プローブ情報に含まれている位置情報に基づいて、当該位置情報が示す位置を含む道路リンク（リンクＩＤ）を判別することにより、各プローブ情報を道路リンク（リンクＩＤ）毎に区分することができる。

【0046】

そして、処理部２２は、プローブ情報に含まれている、車両ＩＤ、位置情報及び時刻情報に基づいて、道路リンク（リンクＩＤ）毎に、各車載装置３の道路地図上における所定時間毎の位置（軌跡点）を取得することができ、また、この車載装置３についての連続する複数の位置（複数の軌跡点）から、その車載装置３（その車載装置３を搭載している電気自動車２）の各道路リンクにおける走行軌跡を取得することができる。
このため、処理部２２は、道路リンク毎に区分された複数のプローブ情報を用いて、その道路リンクにおいて、各車載装置３（その車載装置３を搭載している電気自動車２）が停止した位置、停止した時刻、及び停止した回数（以下、停止回数ともいう）を取得することができる。

【0047】

また、リンクＩＤが「Ｘ」である道路リンク（以下、道路リンクＸという）についての情報群Ｄ１には、車両ＩＤが異なる複数の電気自動車２からのプローブ情報が含まれており、各プローブ情報には速度の情報が含まれている。このため、処理部２２は、取得した前記停止回数毎に、次の処理を行う。
例えば、道路リンクＸを、停止回数が１回で走行した複数の電気自動車２のプローブ情報が収集され、これら収集されたプローブ情報それぞれから得られる実速度を、一つのグループ（停止１回の際の実速度のグループ）と定義する。そして、このグループに含まれる実速度をデータ（統計データ）として用い、このグループの代表値として平均速度（平均実速度）を求め、さらに、このグループの分布を示す分布情報として当該グループに含まれる実速度に関する標準偏差を求める。図５に示すように、本実施形態では、道路リンクＸを１回の停止回数で走行した電気自動車２のプローブ情報から得られる実速度の平均速度が７．０［ｍ／秒］であり、その標準偏差が、０．５である。なお、ここで用いられるプローブ情報から得られる実速度は、巡行状態（加速度の変化が所定の値以下）での実速度である。
このように、道路リンクＸに関して、停止１回の際の実速度のグループについての平均速度の情報と標準偏差の情報とが得られる。これら平均速度及び標準偏差は、停止１回の際の実速度のグループ（前記グループの範囲）を示す情報であり、これら平均速度及び標準偏差の情報をまとめて速度情報と呼ぶ。

【0048】

そして、道路リンクＸに関して、以上の処理を、他の停止回数（０回、２回、３回、・・・）についても行う。
この結果、停止０回の際の実速度のグループを示す速度情報、停止１回の際の実速度のグループを示す速度情報、停止２回の際の実速度のグループを示す速度情報・・・のように、道路リンクＸを各停止回数の停止を経て走行した際の実速度のグループを示す速度情報が、停止回数毎に、算出され取得される。

【0049】

そして、これら速度情報は、停止回数毎に、記憶装置１５が有する停止回数別パラメータ用のデータベース５２に蓄積される。つまり、データベース５２には、道路リンクＸを走行する電気自動車２の停止回数と、この道路リンクＸをその停止回数の停止を経て走行した際の実速度から得られた速度情報（平均速度及び標準偏差の情報）と、を停止回数毎に対応付けた対応情報Ｋ２が記憶される。
この対応情報Ｋ２が、前記停止回数別パラメータであり、停止回数別パラメータ（対応情報Ｋ２）として、「停止０回」「停止１回」「停止２回」「停止３回」「停止４回」・・・、及びこれら停止回数それぞれの場合の平均速度とその平均速度に対応する標準偏差を含む速度情報が、記憶装置１５に蓄積される。

【0050】

そして、このような対応情報Ｋ２は、他の道路リンクについても生成され、データベース５２に蓄積される。図５に示す本実施形態では、リンクＩＤが「Ｘ」「Ｙ」「Ｚ」「Ｌ」「Ｍ」・・・の道路リンクそれぞれに関して対応情報Ｋ２が生成され、データベース５２に蓄積される。

【0051】

以上が、消費電力量推定部２１によって行われる準備処理であり、図５に示す「道路リンク毎の停止回数別パラメータ」の情報が生成される。
そして、消費電力量推定部２１が、この準備処理によって生成された情報を用いて、各道路リンクにおけるバッテリ７の消費電力量を推定し、経路探索部２０が、この推定された消費電力量の値を用いて、例えば目的地までの経路の探索処理を行う。

【0052】

〔２．４ 経路探索部２０が行う探索処理について〕
前記のとおり、経路探索部２０は、道路リンク毎にバッテリ７の電力残量を求めつつ、その電力残量に基づいて電気自動車２のための経路の探索を行う。このため、経路探索部２０にとって、各道路リンクを走行することによるバッテリ７の消費電力量の情報（消費電力量の値）が必要である。特に、経路探索部２０が、目的地までの経路探索を行う場合、その目的地までの経路に含まれる複数の道路リンクそれぞれにおけるバッテリ７の消費電力量が必要となる。

【0053】

そこで、以下の説明では、目的地までの経路に含まれる複数の道路リンクのうち、リンクＩＤが「Ｘ」である道路リンクＸを代表とし、この道路リンクＸにおけるバッテリ７の消費電力量を、消費電力量推定部２１が推定する処理（つまり、消費電力量の推定値を求める処理）について説明する。
図６は、道路リンクＸにおけるバッテリ７の消費電力量を推定する処理のフロー図である。なお、図６（及び後の図７）では、消費電力量を推定する対象となる道路リンクを、計算対象リンクと記載している。

【0054】

〔２．４．１ 予測走行速度の取得〕
まず、消費電力量推定部２１の停止回数推定部２３は、道路リンクＸの予測走行速度を取得する（図６のステップＳ１）。予測走行速度は、前記目的地までの経路に含まれる道路リンクＸ（計算対象リンク）をこれから通過すると予測される時間帯における、当該道路リンクＸの走行速度の予測値（予測通過速度）である。予測走行速度は、道路リンクＸについて、過去に取得されているプローブ情報から得られた走行速度（実績値）に基づいて得ることができ、例えば、実績値の平均値とすることができる。なお、これら実績値はサーバ装置５に蓄積されている。または、道路の各所に設置されている車両感知器からの情報に基づいて生成される現在の道路状況（渋滞状況等）が反映されたリアルタイム情報を用いて、予測走行速度（予測値）を取得してもよい。なお、本実施形態では、道路リンクＸの予測走行速度が８［ｍ／秒］であるとする。

【0055】

〔２．４．２ 停止回数の推定〕
停止回数推定部２３は、道路リンクＸの予測走行速度（８［ｍ／秒］）を取得すると、この予測走行速度（８［ｍ／秒］）に基づいて、道路リンクＸにおける停止回数を推定する（図６のステップＳ２）。このために停止回数推定部２３は、図５に示す、道路リンク（リンクＩＤ）毎の停止回数別パラメータとして記憶されている対応情報Ｋ２を参照する。

【0056】

ここで、各道路リンクに関して取得される予測走行速度の多くは、図５に示す停止回数別パラメータの情報中に含まれる平均速度と同じにならないと考えられる。本実施形態の場合、道路リンクＸの予測走行速度は８．０［ｍ／秒］であるが、道路リンクＸに関する停止回数別パラメータの情報の中に、これにやや近い値（停止０回の平均速度：９．０［ｍ／秒］、停止１回の平均速度：７．０［ｍ／秒］）は存在しているが、同じ値を有する平均速度は存在していない。
仮に、予測走行速度と、同じ値を有する平均速度が、図５に示す情報中に含まれている場合、その予測走行速度で走行する道路リンクＸの停止回数は、当該予測走行速度と値が同じである平均速度に対応付けられている停止回数の値となる。つまり、道路リンクＸの予測走行速度が、仮に７．０［ｍ／秒］である場合、図５によれば、停止回数は１回であると停止回数推定部２３によって推定される。
しかし、本実施形態では、予測走行速度が８．０［ｍ／秒］であり、この値は、停止０回の平均速度：９．０［ｍ／秒］と、停止１回の平均速度：７．０［ｍ／秒］との間（ちょうど中間値）であるため、停止回数は、０回であるのか、１回であるのか判らない。そこで、停止回数推定部２３は、以下のようにして停止回数を推定する。

【0057】

図７は、停止回数を推定する処理のフロー図である。
停止回数推定部２３は、道路リンクＸにおける予測走行速度（８．０［ｍ／秒］）を取得すると（図７のステップＳ１１）、前記対応情報Ｋ２（図５参照）に含まれる道路リンクＸに関する停止回数毎の前記速度情報（平均速度と標準偏差）を参照する。そして、この予測走行速度（８．０［ｍ／秒］）に対応する速度情報（平均速度と標準偏差）を選び、選んだ速度情報に対応する停止回数を、道路リンクＸにおける停止回数として推定する。
つまり、本実施形態では、図５に示すように、停止回数毎に（停止０回、停止１回、停止２回・・・）、道路リンクＸを各停止回数の停止を経て走行した際の実速度のグループ（の範囲）を示す速度情報として、平均速度及び標準偏差が記憶されている〔（平均速度，標準偏差）＝（９．０，１．０）、（７．０，０．５）、（２．２，０．９）・・・〕。そこで、このように停止回数毎に、停止回数と対応付けられているこれら速度情報の中から、予測走行速度（８．０［ｍ／秒］）との隔たりが最も小さい実速度のグループ（の範囲）を示す速度情報を選び、その選んだ速度情報に対応する停止回数を、道路リンクＸにおける停止回数として推定する。

【0058】

ここで、前記「隔たり」とは、道路リンクＸを、各停止回数の停止を経て走行した複数の電気自動車のプローブ情報から得られた実速度のデータの分布を考慮した距離（マハラノビス距離）である。つまり本実施形態では、マハラノビス距離に基づく判別分析によって、予測走行速度に最も近いグループ（の範囲）を示す速度情報を選び、この速度情報に対応する停止回数を、道路リンクＸの停止回数として推定している（図７のステップＳ１２，Ｓ１３）。

【0059】

この停止回数の推定処理について更に具体的に説明する。
図８は、停止回数を推定する処理の説明図である。この図８において、予測走行速度の値（８．０［ｍ／秒］）には、破線による丸印が付されている。また、停止回数が「０」である場合の平均速度９．０［ｍ／秒］を正規分布の中心として、標準偏差（σ＝１．０）の範囲、及び標準偏差の２倍（２σ＝２．０）の範囲を、矢印Ａ０により示している。更に、停止回数が「１」である場合の平均速度７．０［ｍ／秒］を正規分布の中心として、標準偏差（σ＝０．５）の範囲、及び標準偏差の２倍（２σ＝１．０）の範囲を、矢印Ａ１で示している。

【0060】

この図８から明らかなように、予測走行速度８．０［ｍ／秒］は、停止回数が「１」である場合の平均速度の分布の中心（７．０［ｍ／秒］）よりも、停止回数が「０」である場合の平均速度の分布の中心（９．０［ｍ／秒］）に近い（マハラノビス距離が近い）ことから、予測走行速度が８．０［ｍ／秒］である場合の停止回数を、平均速度９．０［ｍ／秒］に対応している停止回数０と同じ数として決定する。つまり、２つの前記グループのうち、予測走行速度が含まれる確率が高い方のグループに対応する停止回数を、その予測走行速度で走行する場合の停止回数であると推定する。
以上より、道路リンクＸを予測走行速度８．０［ｍ／秒］で走行する場合の停止回数は０回であると推定することができる。

【0061】

〔２．４．３ 消費電力量の算出の概要〕
そして、図６に戻って、道路リンクＸにおける停止回数が推定されると（図６のステップＳ２）、処理部２２は、道路リンクＸを電気自動車２が走行するために要するバッテリ７の消費電力量を求める。
ここで、サーバ装置５には、停止回数毎に「複数種類の走行モデル」が設定されており（図９参照）、処理部２２は、停止回数推定部２３によって推定された停止回数に対応し、かつ、前記「複数種類の走行モデル」の中から一つ選択した「特定走行モデル」を用いて、前記消費電力量を求める（図６のステップＳ３）。なお、この「複数種類の走行モデル」の中から「特定走行モデル」を一つ選択する処理については、後に説明する。

【0062】

〔２．４．４ 走行モデルについて〕
各走行モデルは、電気自動車２が道路リンクを走行する際の態様を示すものであり、図９の各グラフに示すように、道路リンクの進入から退出までの時間を示す横軸と、その道路リンクにおける電気自動車２の走行速度を示す縦軸とによるグラフとして表現することができる。例えば、停止を少なくとも１回含む走行モデルは、その停止までにどのような態様で減速したか、及びその停止後にどのような態様で加速したかを定義することができ、また、停止が０回である走行モデルは、停止しないが減速と加速とをどのような態様で行なって走行したかを定義することができる。
各走行モデルを定義するデータは、サーバ装置５が備えている記憶装置１５（図１参照）に記憶させることができるが、本実施形態では、演算処理装置１７の内部メモリからなる記憶部１９に記憶させる。記憶部１９には、図９（Ａ）（Ｂ）（Ｃ）に示すように、停止回数毎に、複数種類の走行モデルが記憶される。図９の（Ａ）は、停止回数が０回の場合の３種類の走行モデル、（Ｂ）は、停止回数が１回の場合の３種類の走行モデル、及び、（Ｃ）は、停止回数が２回の場合の３種類の走行モデルについての具体例を示している。なお、停止回数毎の走行モデルの種類は、３種類に限らない。

【0063】

また、図９に示す各走行モデルは、基礎となる走行モデルである。この基礎となる走行モデルそれぞれは、代表する道路リンクにおける電気自動車２の走行態様を簡略化したモデルである。つまり、基礎となる走行モデルそれぞれは、道路リンク毎に設定されているものではなく、全ての道路リンクに対して共通して用いられるものである。
このため、ある道路リンク（道路リンクＸ）の消費電力量を求めるために用いる特定走行モデルを一つ選択するためには、後にも説明するが、まず、停止回数毎に設定されている複数種類の基礎となる走行モデルのグループから、前記停止回数推定部２３が推定した停止回数に対応する複数種類の走行モデルのグループが決定される。次に、この決定されたグループに含まれる複数種類の走行モデルそれぞれが調整部２５によって調整される。そして、調整された複数種類の基礎となる走行モデル（以下、これを調整走行モデルという。）の中から、一つの特定走行モデルが選択される。そして、選択された特定走行モデルが用いられて、前記消費電力量が求められる。

【0064】

〔２．４．５ 特定走行モデルの選択について〕
図１０は、道路リンクＸの消費電力量を推定するために用いる特定走行モデルを選択する処理を説明するフロー図である。
処理部２２（図１参照）は、推定された停止回数に基づいて、適用する基礎となる走行モデルのグループを決定する。本実施形態では、停止回数が０回であると推定されているため、図９（Ａ）に示す複数種類の基礎となる走行モデルのグループが該当する。そして、このグループに含まれる複数種類の基礎となる走行モデルのうちの、任意の一つを決定する（図１０のステップＳ２１）。ここでは、図９（Ａ）の中央に示す基礎となる走行モデルを、まず適用する走行モデルとして決定する。

【0065】

ここで、サーバ装置５（演算処理装置１７）は、通信装置１６を通じて各道路リンク（道路リンクＸ）を走行する複数の電気自動車２それぞれから送信されたプローブ情報を取得しており、収集部２４は、これらプローブ情報を道路リンク毎に収集している。なお、ここでのプローブ情報の収集は、既に説明した前記準備処理の一部である収集処理（図３参照）と兼ねていてもよい。
収集されたプローブ情報それぞれには、電気自動車２の速度に関する情報が含まれていることから、調整部２５は、これら道路リンクＸに関するプローブ情報それぞれを、加速状態に対応する加速プローブ情報（加速車両情報）、減速状態に対応する減速プローブ情報（減速車両情報）、及び等速状態に対応する等速プローブ情報（等速車両情報）に分類する。なお、ここで、用いられるプローブ情報は、電気自動車２のために前記目的地までの経路探索の処理を行う時刻から、過去に向かって所定時間（例えば１時間）までの間に収集されたプローブ情報である。
そして、調整部２５は、前記適用する走行モデル（図９（Ａ）の中央に示す基礎となる走行モデル）を、これら加速プローブ情報、減速プローブ情報、及び等速プローブ情報それぞれが占める割合に応じて調整する。
なお、前記等速には、速度が一定である場合（速度変化率が０の場合）の他に、走行状態（例えば、走行速度）によっては、速度変化率が微小の値となる場合も含む。例えば、走行状態が加速状態であって、速度変化率が微小の値である場合は、等速であるとみなすが、走行状態が減速状態であって、速度変化率が微小の値である場合は、等速とみなさず、減速とすることができる。なお、速度変化率に関して前記微小の値の例としては、１０％である。また、他の例としては、走行速度が時速２０ｋｍ未満では、速度変化率が１０％以下の場合も等速とみなすが、時速２０ｋｍ以上では、速度変化率が０の場合のみ等速とみなすようにしてもよい。

【0066】

これを具体的に説明すると、道路リンクＸを走行する複数の電気自動車２から送信された複数のプローブ情報が取得され、一つのデータ群とされる。なお、プローブ情報に加速度の情報が含まれている場合には、その情報を用いればよいが、加速度については、プローブ情報に含まれている速度情報から算出することができる。そこで、調整部２５は、道路リンクＸのデータ群に含まれるプローブ情報それぞれを、加速している際に取得された加速プローブ情報、減速している際に取得された減速プローブ情報、及び等速の際に取得された等速プローブ情報に分類することができる。
そして、調整部２５は、分類した加速プローブ情報、減速プローブ情報、及び等速プローブ情報それぞれの数を求め、これら数の割合を求める（図１０のステップＳ２２）。ここで、加速プローブ情報、減速プローブ情報、及び等速プローブ情報の割合（比）が、３：２：５であったとする。

【0067】

すると、調整部２５は、この割合に応じて、前記適用する走行モデル（図９（Ａ）の中央に示す基礎となる走行モデル）を、変形させる処理（調整する処理）を行う。図１１（Ａ）は、図９（Ａ）の中央に示す基礎となる走行モデルを調整する（変形させる）場合の説明図である。図１１（Ａ）に示すように、基礎となる走行モデルの加速している時間、等速の時間、及び減速している時間の割合（比）は、１：１：１であるが、調整部２５は、この割合が
３：５：２となるように走行モデルを変形させる（図１０のステップＳ２３）。これにより、基礎となる走行モデルを、電気自動車２が道路リンクＸを走行した際の加速、減速、及び等速の各走行状態の割合に応じた走行モデルに調整することができる。
なお、図１１（Ｂ）（Ｃ）それぞれは、本実施形態では採用されていない、停止回数が１回の場合、及び２回の場合の説明図である。
停止回数が複数回（つまり、停止回数がＮ回、Ｎ＝２以上の整数である）の場合、加速の時間帯と減速の時間帯とは、それぞれＮ回出現することから、例えば図１１（Ｃ）に示すように、加速の時間帯をＮ等分し、減速の時間帯もＮ等分した走行モデルへと調整する。

【0068】

そして、図１１（Ａ）の右側に示す調整走行モデルを用いて道路リンクＸの消費電力量の「参考値」を求める（図１０のステップＳ２４）。この参考値の計算は、例えば、走行モデル中の加速状態、等速状態、及び減速状態それぞれに対応して設定されている数式（関数）を用いて行われる。この数式は、基礎となる走行モデルそれぞれと対応付けられて記憶部１９に記憶されており、この数式には、パラメータとして、速度、加速度、及び車両重量等が含まれる。調整部２５による走行モデルの調整に応じて、この数式も調整され、パラメータとして用いる速度、加速度の値は、収集部２４が収集した過去のプローブ情報の実績データに基づき、また、車両重量は、経路探索を行う対象とする電気自動車２の車両重量であり、これは、この電気自動車２のプローブ情報に含まれている車種コードに基づいて、調整部２５が取得することができる。このように、使用する調整走行モデルが決定されると、この調整走行モデルに対応する数式に、実測値に基づくパラメータを適用して、消費電力量の参考値を求めることができる。

【0069】

また、収集部２４が収集したプローブ情報には、図３に示すように、電気自動車２の消費電力量の情報が含まれている。この消費電力量は実績値である。そこで、処理部２２は、道路リンクＸを走行した電気自動車２の消費電力量についての過去の実績値を取得可能である。そこで、処理部２２は、道路リンクＸにおける消費電力量の、前記参考値と、前記実績値とを比較し（図１０のステップＳ２５）、比較結果として評価指標値を求める。評価指標値は、参考値と実績値との差であってもよく、決定係数等の指標であってもよい。

【0070】

以上のステップＳ２１〜ステップＳ２５は、停止回数が０回の場合に対応する、図９（Ａ）の中央に示す基礎となる走行モデルについての処理である。そこで、これらステップＳ２１〜ステップＳ２５を、停止回数が０回の場合に対応する、他の基礎となる走行モデル、つまり、図９（Ａ）の左側、及び右側に示す基礎となる走行モデルそれぞれについても実行する（図１０のステップＳ２６）。
そして、停止回数が０回の場合に対応する全ての基礎となる走行モデルについて評価指標値が求められると、処理部２２は、評価指標値が最も優れている基礎となる走行モデルを調整した調整走行モデルを、特定走行モデルとして選択する（図１０のステップＳ２７）。

【0071】

以上のように、処理部２２は、電気自動車２の消費電力量についての過去の実績値を取得可能であると共に、複数種類の調整走行モデルそれぞれを用いて調整走行モデル毎の消費電力量の参考値を求める。そして、処理部２２は、前記実績値に最も近い前記参考値を求めるために用いた調整走行モデルを、特定走行モデルとして選択している。これにより、電気自動車２の消費電力量についての過去の実績値に最も近い参考値（つまり、過去の実績値との関係で信頼性が最も高いと予想される参考値）を求めるために用いた調整走行モデルが、特定走行モデルとして選択されることとなる。

【0072】

〔２．４．６ 消費電力量の算出の詳細〕
以上より、一つの特定走行モデルが選択される。
そこで、処理部２２は、この特定走行モデルを用いて、当該特定走行モデルの走行態様（速度変化）で電気自動車２が道路リンクＸを走行した場合に消費する電力量（予測値）を、計算により求める。

【0073】

なお、この消費電力量（予測値）の算出は、様々な手段によることができるが、例えば、走行モデル中の加速状態、等速状態、及び減速状態それぞれに対応して設定されている数式（関数）を用いて行われる。この数式は、パラメータとして、速度、加速度、及び車両重量等を含み、記憶部１９に記憶されている。
そして、調整部２５によって調整され処理部２２によって特定された特定走行モデルに応じて前記パラメータを変更し、この変更して得た値（加速度、速度）を、加速状態、等速状態、及び減速状態の走行状態毎に設定されている前記数式に代入し、消費電力量（予測値）を算出する。変更される前記パラメータとしては、加速度、加速開始時の速度及び加速して到達した速度、等速走行の際の速度等が含まれる。また、変更しない前記パラメータとして車両重量は、経路探索を行う対象とする電気自動車２の車両重量であり、これは、この電気自動車２のプローブ情報に含まれている車種コードに基づいて、処理部２２が取得することができる。このように、特定走行モデルが選択されると、この特定走行モデルに対応する数式にパラメータを適用して消費電力量（予測値）を求めることができる。

【0074】

そして、このように道路リンクＸについての消費電力量を求めるのと同様に、目的地までの経路に含まれる他の道路リンクそれぞれにおけるバッテリ７の消費電力量も求めることで、経路探索部２０は、各道路リンクの消費電力量を用いることができる。そして、経路探索部２０は、道路リンクを経路探索処理のための一単位として、各道路リンクにおける消費電力量に基づいて道路リンク毎のバッテリ７の電力残量を求め、その電力残量に基づいて電気自動車２のための経路の探索を行うことができる。

【0075】

以上のように、サーバ装置５において、記憶部１９には、基礎となる走行モデルが、道路リンクにおける停止回数毎に複数種類について記憶されており、停止回数推定部２３によって、各道路リンクにおける電気自動車２の停止回数が推定されると、推定された停止回数に対応し、かつ、複数種類の前記基礎となる走行モデルを調整して得た調整走行モデルの中から選択した特定走行モデルを用いて、処理部２２が、各道路リンクを電気自動車２が走行するために要するバッテリ７の消費電力量を求める。
したがって、電気自動車２の場合、異なる道路リンクで平均速度が近似していても、停止回数が異なることによって、これら道路リンクそれぞれを走行することによるバッテリ７の消費電力が大きく異なる場合があるが、このように、停止回数毎に複数種類の走行モデルが記憶されており、各道路リンクにおける電気自動車２の停止回数を推定すると、推定した停止回数に対応し、かつ、複数種類の中から選択された特定走行モデルを用いて、各道路リンクを電気自動車２が走行するために要するバッテリ７の消費電力量を求めるから、正確な消費電力量を求めることが可能となる。

【0076】

なお、仮に、基礎となる走行モデルが一つのみ設定されており、この走行モデルを用いて消費電力量を算出する場合、経路探索を行う時間帯（例えば、朝、昼、夜）の違いや、突発事象の発生により、その走行モデルが相応しくなく、算出される消費電力量が実際と乖離するおそれがある。また、一つの基礎となる走行モデルでは走行態様を表現しきれない道路リンクも存在する可能性がある。
しかし、本実施形態のように、複数種類の基礎となる走行モデルから、複数種類の調整走行モデルを生成し、これら複数種類の調整走行モデルの中から一つの特定走行モデルを選択することにより、できるだけ相応しい走行モデルが選択されることから、消費電力量の算出結果の精度を高めることが可能となる。また、様々な走行態様をとり得る道路リンクについても対応することができる。

【0077】

そして、本実施形態の経路探索システムによれば、各道路リンクのバッテリ７の消費電力量を正確に求めることが可能となるので、その消費電力量を用いて電気自動車２のための経路の探索処理が行われることで、精度の良い探索結果を得ることが可能となる。

【0078】

また、道路リンクが異なれば電気自動車２の走行態様（走行モデル）は異なるが、本実施形態では、道路リンク毎に収集したプローブ情報に基づいて、調整部２５が基礎となる走行モデルを調整（編集）することにより、その道路リンクに応じた複数種類の走行モデル（調整走行モデル）を生成することができる。このため、記憶部１９は、全ての道路リンク毎に、複数種類の基礎となる走行モデルを記憶していなくても、複数種類の基礎となる走行モデルを記憶していればよい。
そして、これら複数種類の調整走行モデルの中から、最もふさわしい調整走行モデルを特定走行モデルとして選択し、その特定走行モデルを、処理部２２によるバッテリ７の消費電力量を求める処理に活用することで、より一層正確な消費電力量を求めることが可能となる。

【0079】

〔付記〕
前記実施形態では、調整部２５は、道路リンク（Ｘ）に関するプローブ情報を、加速状態に対応する加速プローブ情報のグループ、減速状態に対応する減速プローブ情報のグループ、及び等速状態に対応する等速プローブ情報のグループに分類し、基礎となる走行モデルを、これら加速プローブ情報、減速プローブ情報、及び等速プローブ情報それぞれが占める割合に応じて調整する場合について説明したが、これ以外であってもよい。例えば、前記プローブ情報を、加速情報のグループ、減速情報のグループ、及び等速情報のグループの内の少なくとも２つのグループに分類し、そして、分類した前記グループそれぞれに含まれるプローブ情報の数の割合に応じて、基礎となる走行モデルを調整してもよい。つまり、調整部２５は、道路リンク毎に収集したプローブ情報を、そのプローブ情報に基づいて得られる走行速度の変化（加速度）を基準として複数のグループに分類し、分類したグループそれぞれに含まれるプローブ情報の数の割合に応じて、走行モデルを調整すればよい。

【0080】

なお、今回開示した実施形態は、すべての点で例示であって制限的なものではない。本発明の権利範囲は、上述の実施形態に限定されるものではなく、特許請求の範囲に記載された構成と均等の範囲内でのすべての変更が含まれる。
前記実施形態では、サーバ装置５が、経路探索の処理を行う経路探索装置として機能し、また、サーバ装置５が、バッテリ７の消費電力量を推定する電気自動車用情報の推定装置（消費電力量推定装置）として機能する場合について説明したが、経路探索装置又は電気自動車用情報の推定装置は、サーバ装置５以外であってもよく、例えば、車載装置３が電気自動車用情報の推定装置として機能してもよい。
また、本発明は、前記電気自動車用情報の推定装置（電気自動車用情報の推定部）、又は前記経路探索システムが行う処理をステップとする電気自動車用情報の推定方法（消費電力量推定方法）、又は経路探索方法とすることもできる。また、前記のとおり説明した各構成の一部を組み合わせた装置やシステムとすることもできる。

【符号の説明】

【0081】

２ 電気自動車
３ 車載装置
３ａ 入出力部
３ｂ 測位部
４ 路側通信装置
５ サーバ装置
６ 電子制御ユニット
７ バッテリ
１０ モータ
１１ ブレーキ装置
１２ 車輪
１５ 記憶装置
１６ 通信装置
１７ 演算処理装置
１９ 記憶部
２０ 経路探索部
２１ 消費電力量推定部
２２ 処理部
２３ 停止回数推定部
２４ 収集部
２５ 調整部
４１，４２，４３ 補機
５１ データベース
５２ データベース

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】