CN116234736A - 车辆控制装置及数据库的数据调整方法 - Google Patents

车辆控制装置及数据库的数据调整方法 Download PDF

Info

Publication number
CN116234736A
CN116234736A CN202180065982.0A CN202180065982A CN116234736A CN 116234736 A CN116234736 A CN 116234736A CN 202180065982 A CN202180065982 A CN 202180065982A CN 116234736 A CN116234736 A CN 116234736A
Authority
CN
China
Prior art keywords
database
vehicle
time
data
acceleration
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
CN202180065982.0A
Other languages
English (en)
Inventor
奥田雄希
冈田隆
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.)
Hitachi Astemo Ltd
Original Assignee
Hitachi Astemo Ltd
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 Hitachi Astemo Ltd filed Critical Hitachi Astemo Ltd
Publication of CN116234736A publication Critical patent/CN116234736A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/0205—Diagnosing or detecting failures; Failure detection models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W20/00—Control systems specially adapted for hybrid vehicles
    • B60W20/10—Controlling the power contribution of each of the prime movers to meet required power demand
    • B60W20/12—Controlling the power contribution of each of the prime movers to meet required power demand using control strategies taking into account route information
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W40/09—Driving style or behaviour
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097—Predicting future conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2477—Temporal data queries
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B60W2520/105—Longitudinal acceleration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/043—Identity of occupants
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/10—Historical data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/65—Data transmitted between vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10—Longitudinal speed
    • B60W2720/106—Longitudinal acceleration

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Probability & Statistics with Applications (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Fuzzy Systems (AREA)
  • Human Computer Interaction (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Control Of Vehicle Engines Or Engines For Specific Uses (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明的目的在于提供一种车辆控制装置及数据库的数据调整方法，在考虑驾驶员和自动驾驶***的驾驶特性的基础上控制发动机以改善燃料消耗率的车辆控制装置中，能够将由交通环境的不同引起的驾驶员或自动驾驶***的驾驶特性适当地反映到控制中。该车辆控制装置具备：时间序列数据库(3)，其按时间序列保持至少包含本车辆的加速度的车辆状态；统计数据库(4)，其将车辆状态分割为多个等级，并保持属于所分割的等级中的任一个等级的车辆状态的出现次数；以及车辆状态预测部(2)，其根据保持在所述时间序列数据库(3)和所述统计数据库(4)中的与车辆状态相关的信息、和在本车辆的行驶中新获取的车辆状态，预测将来的车辆状态。

Description

车辆控制装置及数据库的数据调整方法
技术领域
本发明涉及一种在考虑驾驶员和自动驾驶***的驾驶特性的基础上控制发动机以改善燃料消耗率的车辆控制装置，特别涉及一种为了将驾驶员和自动驾驶***的驾驶特性反映到控制中而实施必要的数据库的数据调整的车辆控制装置及数据库的数据调整方法。
背景技术
作为与车辆控制装置相关的现有技术，例如有专利文献1所记载的技术。
在专利文献1所记载的现有技术中，在电动机驱动的行驶中使发动机起动并通过发动机驱动使其行驶时，在预想发动机在发动机起动之后立即停止的情况下抑制发动机的起动。
根据该专利文献1，通过设置发动机起动抑制单元，能够改善由发动机起动和停止的反复引起的燃料消耗率变差，进而得到良好的加速性能，该发动机起动抑制单元在探测到***本车前方的车辆的情况下，在根据驾驶员是否进行减速操作的预测而预想到减速的情况下，使从电动机模式向发动机使用模式的切换中断。
作为在控制中反映驾驶员和自动运转***的运转特性的现有技术，例如有专利文献2所记载的技术。
在专利文献2中记载的现有技术中，根据过去的转向角预测误差数据计算出长时间的转向角预测误差分布，根据最近的转向角预测误差数据计算出当前的转向角预测误差分布。根据这两个分布判断为当前的驾驶操作是不稳定的状态并输出警报。
根据该专利文献2，通过设置根据由行驶状态检测单元检测出的行驶状态数据来计算多个行驶状态分布的行驶状态分布计算单元、计算由行驶状态分布计算单元计算出的多个行驶状态分布之间的差异量的分布差异量计算单元、以及根据由分布差异量计算单元计算出的差异量的大小来判定不稳定驾驶状态的不稳定驾驶状态检测单元，能够与交通环境的差异无关地高精度地检测不稳定的状态。
现有技术文献
专利文献
专利文献1：日本特开2018-118690号公报
专利文献2：日本特开2009-9495号公报
发明内容
本发明要解决的课题
但是，在专利文献1中记载的现有技术中，燃料消耗率改善的机会限于***车辆的检测时，在扩大取得的效果的机会上有改善的余地。另外，在专利文献2中记载的现有技术中，虽然可以不依赖于交通环境的变化而判断是否为不稳定的状态，但仅通过基于多个行驶状态分布的相对比较的相对特性的不同，不能得到依赖于交通环境的驾驶员的普遍的驾驶特性，在将它们反映到控制中还有改善的余地。
当驾驶员或代替驾驶员的自动驾驶***向车辆要求加减速时,如果能够反映驾驶员具有的意向或习惯等,则能够更高精度地预测与加减速相关的要求驱动力或制动力、或加速度。
由此，在并用电动机和发动机的车辆中，能够适当分配驱动力，能够提高电池的输出限制和发动机起动判定的正确性。或者，在以发动机为主要动力源的车辆中，对于响应延迟比较大的伴随EGR或增压的控制，能够不牺牲其响应性而扩大控制的执行机会。
即，本发明的目的在于提供一种车辆控制装置及数据库的数据调整方法，在考虑驾驶员或自动驾驶***的驾驶特性的基础上，控制发动机以改善燃料消耗率的车辆控制装置中，能够将由交通环境的不同引起的驾驶员或自动驾驶***的驾驶特性适当地反映到控制中。
解决课题的技术手段
本发明的车辆控制装置具备：时间序列数据库，其按时间序列保持至少包含本车辆的加速度的车辆状态；统计数据库，其将车辆状态分割为多个等级，并保持属于所分割的等级中的任一个等级的车辆状态的出现次数；以及车辆状态预测部，其根据保持在所述时间序列数据库和所述统计数据库中的与车辆状态相关的信息、和在本车辆的行驶中新获取的车辆状态，预测将来的车辆状态。
另外，在本发明的数据库的数据调整方法中，所述数据库至少包括时间序列数据库或统计数据库中的一个，所述时间序列数据库按时间序列保持至少包含本车辆的加速度的车辆状态，所述统计数据库将车辆状态分割为多个等级，并保持属于所分割的等级中的任一个等级的车辆状态的出现次数，在所述数据调整方法中,为了提高根据保持在所述时间序列数据库和所述统计数据库中的与车辆状态相关的信息、和在本车辆的行驶中新获取的车辆状态而预测的将来的车辆状态的预测精度,调整所述至少一方的数据库的数据。
发明效果
根据本发明，在考虑驾驶员或自动驾驶***的驾驶特性的基础上，控制发动机以改善燃料消耗率的车辆控制装置中，能够将由交通环境的不同引起的驾驶员或自动驾驶***的驾驶特性适当地反映到控制中，能够与交通环境无关地考虑驾驶员或自动驾驶***的驾驶特性的基础上，控制发动机以改善燃料消耗。
上述以外的课题、构成及效果通过以下的实施方式的说明而明确。
附图说明
图1是搭载作为实施例1的车辆控制装置的车辆控制单元的车辆的概略构成图。
图2是表示实施例1的车辆控制单元的主要部分的框图。
图3是表示实施例1的车辆状态预测部的框图。
图4是说明实施例1的先行车状态的预测结果的一例的图。
图5是表示实施例1的本车状态预测的运算流程的图。
图6是说明实施例1的本车的将来的加速度的导出过程的概念图。
图7是说明实施例1的先行车状态和本车状态的预测过程的一例的图。
图8是整理了实施例1的推定加速度与要求驱动力的关系的映射图的例子。
图9是表示实施例1的时间序列数据库的一例的表。
图10是说明实施例1的向时间序列数据库保持数据的过程的图。
图11是表示实施例1的统计数据库的一例的表。
图12是说明向实施例1的统计数据库保持数据的过程的图。
图13是说明实施例1的统计数据库中产生的数据的偏差的图。
图14是说明修正实施例1的统计数据库的偏差的步骤的一例的图。
图15是比较实施例1和比较例中的加速度推定误差的图。
图16是比较实施例1和比较例中的加速度推定误差的图。
图17是表示实施例2的车辆控制单元的主要部分的框图。
图18是说明将实施例4的数据库设置在车辆以外的场所的例子的车辆的概略构成图。
具体实施方式
以下，参照附图对本发明的车辆控制装置的实施例进行说明。另外，在附图中，对相同的要素赋予相同的符号，并省略其重复说明。
[实施例1]
首先，使用图1至图16说明本发明的实施例1。
《车辆构成》
图1表示搭载作为实施例1的车辆控制装置的车辆控制单元1(以下简称为控制单元1)的车辆100的概略构成图。
图1所示的车辆100是仅通过电动机106的驱动力驱动车辆的串联式的混合动力式电动汽车，通过发动机102(内燃机)将储存在燃料箱101中的燃料通过燃烧从化学能变换为热、压力能，再经由未图示的活塞机构或曲柄机构变换为动能(旋转力)，驱动发电机103。发电机103通过发动机102的旋转力使输入轴旋转，且未图示的磁铁旋转，通过电磁感应产生电力。由发电机103产生的电力除了向电池104充电以外，还经由逆变器105由电动机106转换为动能(旋转力)。另外，在发动机102处于停止状态时，仅将电池104的电力经由逆变器105输入到电动机106，将电力变换为动能。另外，当发动机102处于停止状态且电动机106需要额外的电力时，使用电池104的电力驱动发电机103的马达以启动发动机102。
由电动机106变换的动能成为用于使车辆100行驶的驱动力，通过行驶装置107使车轮108旋转而使车辆100前进或后退，由此使车辆100行驶。另外，通过由转向装置109改变车轮108的角度而车辆100左右转弯。制动致动器110通过将摩擦材料压靠在与车轮108一起旋转的鼓轮或盘上而将动能转换为热能，从而对车辆100进行制动。如上所述，车辆100通过上述构成能够实现行驶、转弯、停止这样的运动。
控制单元1以加速踏板111的操作量的方式接收来自驾驶员的加速请求，并通过未图示的加速踏板位置传感器对其进行检测。将制动的要求作为制动踏板112的操作量并作为未图示的制动开关或未图示的制动液压来检测。通过转向角传感器113检测驾驶员操作转向装置109的量，检测车辆100有转弯要求。车速传感器114检测车轮108的转速，将其作为车辆100的行驶速度进行检测。另外，通过前方识别传感器115，对在车辆100的前方行驶的其他车辆、步行者、道路上的障碍物等进行探测，对移动速度或到物体的距离进行测距来检测。进而，设置有导航装置116，该导航装置116通过驾驶员设定目的地，搜索到目的地的推荐路径，通过显示或声音进行路径引导。GPS(Global Positioning System)天线117连接到导航装置116。通过GPS天线117接收多个GPS卫星发射的电波，根据电波的传播时间来测量本车位置。
导航装置116根据通过GPS得到的本车位置信息参照地图将车辆100行驶的道路的信息和导航装置116的动作状况向控制单元1输出。另外，作为本车位置的测量例示出了GPS，但不限于此，也可以通过补充GPS的信息的其他测位卫星信息或从地上设施提供的信息来确定本车位置，并参照地图。
对于前方识别传感器115，可以优选使用摄像装置、雷达装置、声纳或激光扫描仪。例如，摄像装置通过使用了CCD(Charge Coupled Device)或CMOS(Complementary MetalOxide Semiconductor)等固体摄像元件的单眼摄像机或立体摄像机而构成，通过检测可见光、红外光，来获取本车前方的道路状态、包含先行车的障碍物的状况、限制信息、环境状态等。在检测可见光的情况下，基于色差或亮度差提取与物体的形状相关的特征量。在检测红外光的情况下，通过红外光检测放射，根据温度差提取与物体的形状相关的特征量。
例如，立体摄像机以任意的间隔设置这样能够提取特征的摄像元件，并且使快门同步，例如对左右偏移的图像求出像素偏移量作为视差，计算距离。此外，基于关于特征量存在于像素上的何处的信息来计算目标方向。这样，将获取的信息输出到控制单元1。
例如，雷达装置检测存在于本车的前方、侧方、后方等的其他车辆等障碍物，获取本车与障碍物的距离、其他车辆的识别信息和相对速度vd等信息。雷达装置具有振荡电波的振荡器和接收电波的接收部，将由振荡器振荡的电波向外部空间发送。振荡的电波的一部分到达物体，作为反射波在接收部被检测。通过对发送的电波的振幅、频率或相位施加适当的调制，根据发送的电波与由接收部检测到的信号的相关而求出检测到的发送接收的时间差，将其变换为距离。
另外，仅在有限的方向上发送电波，通过变更为扫描发送方向，能够检测物体存在的角度(方向)。将获取的信息输出到控制单元1。在前方识别传感器115是声纳的情况下，通过将电波替换为声波，能够同样地进行检测。另外，在使用激光扫描仪的情况下，通过将电波替换为激光，也能够同样地进行检测。
控制单元1检测发动机102、发电机103、电池104、逆变器105和电动机106的控制状态，并控制发动机102、发电机103、电池104、逆变器105和电动机106，以如上所述实现驾驶员的加速、制动或转弯请求。
虽然在图1中部分地示出了没有与控制单元1连接的部件，但是基本上所有元件可以以某种方式连接。虽然不对本发明进行特征说明，但在控制单元1中，为了执行为了运行车辆100而需要的处理，控制单元1与没有连接的要素、与未图示的要素之间的连接并不限定于此，另外，控制单元1也可以执行本发明的公开中包含的处理以外的处理。
控制单元1由进行运算的微型计算机或中央处理运算装置(Central ProcessingUnit：CPU)、存储记述了运算处理的程序的非易失性存储器(Read Only Memory：ROM)、用于存储运算过程中的信息的主存储装置(Radom Access Memory：RAM)、量化传感器信号的模拟量并将其转换为程序中可用的信息的A/D转换器(Analog-to-Digital-Converter)或其他与控制单元1进行通信的通信端口等构成，执行用于运用车辆100的各种处理。
《控制单元构成》
图2是表示实施例1的控制单元1的主要部分的框图。如图2所示,本实施例的控制单元1具备：预测将来的车辆状态的车辆状态预测部2；时间序列数据库3；统计数据库4；对这些数据库进行管理/操作的数据库控制部6；以及为了使车辆状态预测部2利用数据库中保持的数据而对数据库进行再构成的数据库再构成部5。
＜车辆状态预测部2＞
图3是表示实施例1的车辆状态预测部2的框图。如图3所示,车辆状态预测部2还具备先行车状态预测部11和本车状态预测部12。
＜先行车状态预测部11＞
先行车状态预测部11基于先行车和本车的车间距离xd、先行车和本车的相对速度vd以及本车速度ve，预测将来的先行车状态。这里所说的将来的先行车状态是预测在5秒后或20秒后的将来时刻，先行车和本车的位置关系(车间距离xd)或相对速度vd如何变化的信息。这例如可以使用下面的式1来确定。
[算式1]
Figure BDA0004146019570000071
另外，在式1中，τ表示假想的时间轴τaxis上的任意时刻，k+1表示从时间步k起经过一个时间步。另外，每经过一个时间步，假想的时刻经过时间步长δτ。该时间步长δτ是考虑假想的时间轴上的时间经过时的时间步长，例如为0.1秒或1秒。另外，xp是先行车位置，vp是先行车速度，αp是先行车加速度。某时间步k的下一个计算步k+1中的先行车速度vp[k+1]可以根据先行车速度vp[k]和先行车加速度αp[k]如式2那样求出。
[算式2]
vp[k+1]＝vp[k]+αp[k]δτ，τ＝kδτ...式2
式1或式2的先行车速度vp的初始值vp[0]例如可以如式3那样计算。
[算式3]
vp[0]＝ves+vds...式3
另外，在式3中，ves是由速度传感器(例如车速传感器114)测量的本车速度，vds是先行车和本车的实际时间中的当前时刻的相对速度。式1或式2的先行车加速度αp使用由式3求出的先行车速度vp[0]和在实际时间中的控制单元1的1个处理周期tjob前由式3求出的先行车速度vpold，如式4那样求出。
[算式4]
Figure BDA0004146019570000081
图4表示该关系的模式。在该图中，taxis是实际时间轴，τaxis是假想时间轴，vaxis是速度轴。另外，实际时间轴taxis的一个刻度是控制单元1的处理周期tjob，假想时间轴τaxis的一个刻度是能够任意设定的时间步δτ(例如0.1秒或1秒)。
在有先行车的情况下，先行车状态预测部11对每个处理周期tjob进行以下运算。即，首先，使用式3运算先行车速度vp[0](参照图4中的黑圆点)。接着，将该先行车速度vp[0]作为初始值，使用式2，每隔假想的时间步δτ(例如，0.1秒或1秒)运算到规定时间后(例如，5秒后)的先行车状态(参照图4中的用虚线连结的白圈)。由此，能够对每个处理周期tjob进行基于先行车状态的检测结果的先行车状态的预测。
另一方面,在不存在先行车的情况下,输出无效值作为先行车状态预测结果,能够实施不存在先行车的状态的本车状态预测。
由于先行车速度vp或先行车加速度αp的运算值或测量值包含量化误差或传感器误差，所以也可以应用适当的滤波器。作为这样的滤波器，可以优选使用低通滤波器或卡尔曼滤波器。另外，先行车速度的初始值vp[0]或先行车加速度αp除了如上所述通过运算求出以外，也可以使用传感器直接检测，还可以使用经由通信装置等从先行车提供的值。
＜本车状态预测部12＞
本车状态预测部12根据车间距离xd、相对速度vd、本车速度ve、先行车加速度αp来推定本车产生的加速度^αe，根据加速度的推定结果来预测本车产生的驾驶员的要求驱动力。
通过图5的流程图说明由本车状态预测部12实施的处理(本车状态预测处理)。
当开始本车状态预测处理时，首先，在步骤S1中，获取本车速度ve、本车加速度αe。本车加速度αe可以根据由速度传感器测量的当前时刻的本车速度ves和在其以前的时刻由速度传感器测量的本车速度veold，如式5那样进行计算，或者也可以使用由直接测量本车产生的加速度的加速度传感器得到的加速度。另外，也可以对计算结果或测量结果实施适当的滤波处理，仅取出低频成分。
[算式5]
Figure BDA0004146019570000091
另外，在式5中，veold例如是1个处理周期tjob前的本车速度ves。
在步骤S2中，判定是否为检测出先行车的状态(即，先行车状态预测部11的输出是否为有效值)。如果是检测到先行车的状态，则进入步骤S3，否则进入步骤S7。
在步骤S3中，根据由距离传感器测量的当前时刻的车间距离xds和由速度传感器测量的本车速度ves，测量车间时间THW。车间时间THW是预想在继续当前的本车速度ves的情况下到达先行车位置的时间，如式6所示进行计算。
[算式6]
Figure BDA0004146019570000101
在步骤S4中，比较在步骤S3中求出的车间时间THW和阈值THWth，推测本车是追随行驶还是实质上单独行驶。在车间时间THW小于阈值THWth而能够视为追踪行驶的情况下进入步骤S5，在车间时间THW为阈值THWth以上而能够视为实质上单独行驶的情况下进入步骤S7。
一般的驾驶员在追随先行车时，大多从先行车延迟2～3秒而行驶，在这种情况下，车间时间THW变得比较小。另一方面，即使在存在先行车的情况下，在车间距离xd极大的情况下，由于与先行车速度vp的大小无关地决定本车速度ve的情况较多，因此需要将该状态判定为实质的单独行驶。因此，用于识别追踪行驶和实质的单独行驶的阈值THWth需要设定为大于2～3秒且不会过大的值。因此，阈值THWth优选为5秒至20秒的范围，例如特别优选设定为10秒至15秒左右。
另外，阈值THWth也可以基于车速而变化。例如，可以考虑在低速行驶时预先将阈值THWth设定为15秒左右，随着车速变为高速而减小到5秒左右等方法。这样，能够抑制在实质的单独行驶时进行假定为追踪行驶的方式的本车举动的推定。
在步骤S4中判定为追踪行驶中的情况下，转移到步骤S5，对假定为追踪行驶状态的本车的将来加速度进行推定。在步骤S4中判定为实际的单独行驶中的情况下，转移到步骤S7，对假定为单独行驶状态的本车的将来加速度进行推定。以后，在步骤S5或步骤S7中，将为了推定本车的将来加速度而参照的信息定义为加速度决定因素。
首先,在步骤S5a中从数据库中取出本车速度历史。接着,在步骤S5b中从数据库中取出车间距离历史,在步骤S5c中从数据库中取出相对速度历史。进而,在步骤S5d中,从数据库中取出先行车加速度历史。此外,除了这些以外,也可以在步骤S5e中取出追加的加速度决定因素信息的历史，其能够成为驾驶本车的驾驶员决定自己驾驶的车辆的加速度的加速度决定因素。这样的追加的加速度决定因素例如可以举出行驶的道路的车道数或限制速度、本车和信号的位置关系、处于前方的本车应遵循的信号的显示颜色等。由于信号的显示颜色是蓝(绿)、黄、红等种类量，所以可以适当地变换为0、1、2等数值。然后,在步骤S5f中,从数据库中取出本车加速度历史。
另外，从该数据库中取出诸量的历史的顺序没有特别限定，另外，如步骤S5e所示，存储在数据库中的信息只要是与驾驶本车的驾驶员的加速度的决定相关的信息，就不限于此。通过增加存储在数据库中的信息，说明加速度期望值的信息量增加，本车加速度的预测精度提高。另一方面，通过减少存储在数据库中的信息，能够期望计算处理的高速化和存储器消耗量的降低。另外，关于数据库，优选至少具备时间序列数据库和统计数据库，对此在后面叙述。
在步骤S6中，使用在步骤S5中获取的信息，推定驾驶本车的驾驶员要求的加速度(加速度期望值)。
在步骤S5中参照的数据库保持有过去的某个时刻的加速度决定因素和由该加速度决定因素决定的加速度，在步骤S6中根据当前时刻(也包括假想的时间轴上的当前时刻)的信息和在数据库中保持的过去的加速度决定因素和彼时得到的加速度的关联来推定将来的加速度。
在步骤S5中参照的数据库，由于保持了与某个加速度决定因素给定时所决定的加速度的关联，所以在得到类似的加速度决定因素时，根据在步骤S5中参照的数据库的信息来推定可能发生的加速度的概率分布。在步骤S5中参考的数据库可以认为是从未知概率密度的未知概率分布获得的样本被保持，并且根据该样本推定(未来加速度的)概率密度分布。在基于这样的样本的概率密度的推定中,可以优选使用柱状图法、帕森窗法、核密度推定法、最近邻密度推定法等非参数法。
图6是在这样的概率密度推定中使用了核密度推定的将来加速度期望值的导出过程的概念图。为了简化说明而二维地表现，但不限于此。在步骤S5中参照的数据库的信息是图6的(a)的淡色的一个个点，作为加速度决定因素和加速度的关系在空间中展开。通过使用核密度推定，能够以填埋这些点之间的方式推定概率密度，如图6的(a)的等高线那样，得到加速度决定因素和加速度的同时概率分布函数。在此，通过得到当前时刻的加速度决定因素，能够得到图6的(a)的等高线中用粗线表示的加速度的带条件概率分布。
如图6的(b)所示，推定加速度的带条件概率分布，通过对该分布函数利用以逆采样法为代表的各种采样法生成多个将来的加速度候选，来近似将来的本车状态的概率密度，或者计算针对将来的加速度的概率分布的期望值，由此计算将来的加速度候选中可能性高的加速度候选作为本车加速度的推定结果。
即，本车状态预测部12基于存储在数据库中的加速度决定因素和彼时的加速度的组合，基于在控制装置的每个运算周期得到的本车状态、或者在假想的时间轴上更新的本车状态，根据类似的状态下的加速度的产生历史，计算概率高的加速度作为推定值，由此将其推定为本车的加速度。
根据推定的加速度，计算假想的时间轴上的本车位置、本车速度。本车状态的计算方法与先行车状态预测部11所示的方法同样，通过按每个时间步更新状态来进行计算。本车位置使用式7，本车速度使用加速度的推定结果如式8那样计算。
[算式7]
Figure BDA0004146019570000121
[算式8]
Figure BDA0004146019570000122
式7和式8中的下标k表示计算步，i表示各个整体。xe是本车位置，ve是本车速度，^αe是本车加速度的推定值。δτ是假想时间轴上的时间步长。通过递归地重复上述的加速度的推定和基于式7及式8的本车状态的更新，能够推定到将来的规定时间之前的加速度，并基于得到的加速度进行驾驶员要求的驱动力的推定。
图7是说明由车辆状态预测部2进行的先行车状态和本车状态的导出过程的概略图。
在图7的(a)中，taxis是实际时间轴，τaxis是假想时间轴，vaxis是速度轴。从该图可知，用黑圆点表示的各时刻的先行车速度vp和用黑四边形表示的各时刻的本车速度ve被标绘在实际时间轴taxis、速度轴vaxis平面上。另外，将当前时刻tnow的先行车速度vp[0]作为初始值，将先行车状态预测部11预测到的、用白圈表示的将来的先行车速度vp[k]在假想时间轴τaxis方向上以时间步δτ间隔标绘。进而，将当前时刻tnow的本车速度ve[0]＝ves作为初始值，在假想时间轴τaxis方向上以时间步δτ间隔标绘由白四边形表示的本车速度ve[k]，该本车速度ve[k]是本车状态预测部12一边预测本车的加速度和要求驱动力一边推定的。另外，图7的(a)表示本车速度ve[k]的运算中途的状态，因此仅显示到ve[2]，ve[3]以后也将进行运算并标绘。
同样，在图7的(b)中，taxis是实际时间轴，τaxis是假想时间轴，xaxis是位置轴。用黑圆点表示的各时刻的先行车位置xp和用黑四边形表示的各时刻的本车位置xe被标绘在实际时间轴taxis、位置轴xaxis平面上。另外，将当前时刻tnow的先行车位置xp[0]作为初始值，将先行车状态预测部11预测到的、用白圈表示的将来的先行车位置xp[k]在假想时间轴τaxis方向上以时间步δτ间隔标绘。进而，将当前时刻tnow的本车位置xe[0]＝0作为初始值，另外，在假想时间轴τaxis方向上以时间步δτ间隔标绘由白三角表示的本车位置xe[k]，该本车位置xe[k]是本车状态预测部12一边预测本车的加速度和要求驱动力一边推定的。另外，图7的(b)表示本车位置xe[k]的运算中途的状态，因此仅显示到xe[2]，xe[3]以后也将进行运算并标绘。
本实施例的控制单元1中的车辆状态预测部2实施假想时间轴τaxis方向的本车的举动预测、驱动力要求的预测处理，因此以下以当前时刻tnow的假想时间轴τaxis方向的预测为焦点进行说明。
图7的(c)是提取三维表现的图7的(a)的当前时刻tnow的假想时间轴τaxis方向的速度预测结果而进行二维表现的曲线图，图7的(d)是提取三维表现的图7的(b)的当前时刻tnow的假想时间轴τaxis方向的位置预测结果而进行二维表现的曲线图。
在图7的(c)、图7的(d)中，为了推定k为k＝1以上的任意时间中的本车速度ve[k]或本车位置xe[k]，从式1或式2可知，作为其前提，需要预先预测本车加速度^αe[k]。该本车加速度^αe[k]如针对本车状态预测部12的动作所述，针对数据库中保持的过去的本车状态和加速度的关系，计算概率高的加速度作为推定值。另外，在τ＝0即k＝1时，采用通过式5求出的加速度作为初始值^αe[0]。
根据这里求出的加速度^αe[k]，如式8那样依次推定下一个时间步的速度ve[k+1]。使本车状态在假想时刻上变化，基于通过使其变化而得到的本车状态，通过参照数据库来推定要求加速度。
根据得到的加速度的期望值^αe[k]，推定车辆所要求的驱动力。驱动力的推定可以如式7所示，通过使用将车辆的运动置换为质点系的运动的运动模型来换算加速度来实施，也可以仅对加速度和车辆的速度准备整理了要求驱动力的映射图。
说明使用将车辆的运动置换为质点系的运动的运动模型的例子。
[算式9]
Fd[k]-Ra[k]-Rr[k]-Rs[k]-Racc[k]-Rc[k]＝0...式9
在式9中，Fd[k]是求出的驱动力。另外，Ra[k]是空气阻力，Rr[k]是滚动阻力，Rs[k]是爬坡阻力，Racc[k]是加速阻力，Rc[k]是伴随转弯的阻力成分，分别由下式求出。
[算式10]
Figure BDA0004146019570000141
式10中的ρ是空气密度，可以假设25℃、1个气压，设定1.1841kg/m3等规定值，也可以根据环境温度或气压进行修正。Cd是阻力系数，可以根据搭载本实施例的控制单元1的车辆的各要素设定0.3或0.25、0.35等的值。A是车辆的前方投影面积,可以根据车辆的各种因素来决定,可以决定为2m2～10m2等。ve[k]是如式8所示计算出的各时刻的车辆速度的推定值。
[算式11]
Rr[k]＝μMg cos(θ[k])...式11
[算式12]
Rs[k]＝Mgsin(θ[k])...式12
式11中的μ是滚动阻力系数，可以根据车辆100所安装的车轮或行驶路面的状态来决定，可以设定0.02或0.005等的值。M是车辆100的重量，可以在车辆的干燥重量上设定与燃料的重量、乘员的人数、装载量相应的值。在车辆无法掌握乘员的人数、装载量、燃料重量的情况下，也可以将在干燥重量上加上规定的重量而得到的规定值或车辆的干燥重量设定为代表性的规定值。g是重力加速度,设定9.80665m/s2或9.8m/s2或10m/s2等的规定值即可。θ[k]是如式7所示推定的车辆位置处的路面坡度。式12也相同。
[算式13]
Figure BDA0004146019570000152
式13中的ΔM是车辆的惯性重量，可以设定车辆重量M的3％或8％这样的规定值，或者也可以使用测量的值。其中，^α[k]是加速度的期望值。
[算式14]
Figure BDA0004146019570000151
式14中，l是轴距长度，lf是从车辆重心到前轮轴中心的距离，同样，lr是从车辆重心到后轮轴中心的距离，Cf是前轮、Cr是后轮的侧偏刚度，δs是车轮的舵角。
另外，由式9～式14定义的各阻力成分不一定需要全部准确地导出，例如在路径的斜度为未知数的情况下，可以代替为一定值，或者考虑为平面的移动而将其设为0，但在该情况下驱动力的推定变差。对于伴随着转弯的阻力，也可以将车辆的运动仅考虑为前后的运动而设为0，但此时驱动力的推定精度也会变差。不言而喻，越能够准确地设定各参数，驱动力的推定精度越提高。
以上叙述了使用质点系的运动模型的例子，但也可以使用整理了通过图8那样的预测得到的加速度、车辆速度、要求驱动力的关系的映射图。
这样，通过得到将来驱动力的预测，为了应对将来预想的驱动力增加，如果是车辆100那样的混合动力式电动汽车，则通过预先进行发动机起动，能够进行没有迟滞感的加速，此外，在预见到驱动力减少的情况下，能够使发动机提前停止而仅作为电动行驶来进行燃料消耗的削减，由此，车辆100的燃料消耗率提高。
或者，在车辆100进行基于排气涡轮的增压的情况下，通过与驱动力的增加相应地提高增压压力来进行控制以提高发动机的转矩响应性，从而能够消除到排气涡轮的做功能够用于增压的延迟，即所谓的涡轮滞后。
进而，在导入外部EGR的发动机中，能够根据驱动力的预测来增减外部EGR量，通过与要求驱动力的增加相应地增加被冷却的外部EGR量，从而能够抑制由缸内温度的上升引起的早燃，此外，能够与要求驱动力的减少相应地减少外部EGR导入量，避免低负荷时的燃烧不稳定等。
即，即使对于对增压或EGR等节气门操作或点火时期操作、或者燃料喷射量的操作响应比较低的致动器，也能够不牺牲其响应性而得到它们所具备的省燃料费或转矩增加这样的效用。
以上，说明了在步骤S6中根据从数据库中取出的信息和本车的状态得到追踪行驶时的加速度期望值的方法(图5)。
另外，在步骤S2或步骤S4中判定为本车处于单独行驶的状态的情况下，仅在步骤S7(步骤S7a、S7b、S7c)中通过参照数据库而获取的加速度决定因素的组合不同，步骤S8中的加速度的期望值的导出可以与步骤S6所示的方法同样地计算。
由本实施例的本车状态预测部12进行的加速度的推定方法不限于上述方法，本车的状态与由驾驶员的操作产生的加速度的关联被保持在数据库中，只要是通过使用该关联来预测加速度的方式，就能够期望相同的效果。例如，如上所述，也可以考虑使用加速度的检测结果和对其进行说明的说明变量，利用本车速度ve、相对速度vd、车间距离xd等说明变量乘以系数的线性结合的式子通过多项近似来求出目标变量即本车的加速度。或者，也可以作为按照混合高斯分布的概率模型，将本车状态和加速度的关系模型化，作为用于生成这些分布的信息参照数据库。
或者，也可以如下求出驾驶员要求加速度，即，测量驾驶员的车间时间THW、加速侧和减速侧的加速度，在当前时刻的车间时间THW大于得到的车间时间的平均值的情况下，以加速侧的平均加速度进行加速，另一方面，在当前时刻的车间时间THW小于得到的车间时间的平均值的情况下，以减速侧的平均加速度进行减速，也可以采用将加速度的平均值、平均车间时间、或者平均碰撞余量时间和加速度存储在数据库中的方式。
以下，对保持加速度期望值等用于预测本车状态的信息(换言之，为了预测本车状态而参照)的数据库进行说明。
＜时间序列数据库3＞
时间序列数据库3(图2)是如图9所示的、在控制单元1的每个处理周期tjob中存储由本车状态预测部12参照的本车速度ve或车间距离xd这样的加速度决定因素，并作为能够追溯并参照规定时间量的阵列或列表结构而能够保持的数据库，作为这样的时间，优选设定1分钟、5分钟或10分钟左右的时间。另外，也可以不按每个处理周期tjob进行向时间序列数据库3的存储，例如，也可以如每1秒或每5秒那样，以比处理周期tjob大的时间宽度在规定时间间隔下采样。在这种情况下，可以以使采样的数据的件数为500件、1000件、10000件、或者其以上的件数的方式规定向数据库存储的数据的件数。通过下采样，能够构成对比上述的1分钟、5分钟或10分钟等时间实质更长的(更过去的)时间进行追溯并参照的数据库。也可以进行与每行驶5m或每行驶10m这样的行驶距离相应的采样,进而也可以进行本车速度ve每变动1km/h或5km/h这样的采样,也可以将它们组合使用。
根据搭载在控制单元1上的存储器的大小，对能够保持的数据的件数设置上限(相当于图9的表的高度)。
在达到所保持的数据的上限件数后，从最旧的数据开始，每次保持新的数据时都进行删除，保持在现实的时间上最近的数据。
图10示意性地示出了在这样的时间序列数据库3中存储数据的过程。先行车1002在本车1001的前方行驶，从未图示的检测先行车状态的传感器获取本车1001和先行车1002之间的车间距离xd、先行车1002的速度vp、加速度αp。另外，获取本车1001的速度ve、加速度αe，根据本车速度ve和先行车速度vp计算相对速度vd。将它们按时间序列存储在时间序列数据库3中。
在时间序列数据库3中已经保持有作为数据保持的上限件数的n件数据，在将新测量的数据作为样本编号0保持在时间序列数据库3中时，删除作为超过n件的旧数据的第n+1件数据。
＜统计数据库4＞
统计数据库4(图2)在图11所示的控制单元1的每个处理周期tjob中，存储由本车状态预测部12参照的本车速度ve和车间距离xd这样的加速度决定因素历史，这与时间序列数据库3相同，只是通过判定在每个处理周期tjob中获取的本车速度ve和车间距离xd属于预先设定的等级划分(详细地说是车辆状态的等级的组合)中的哪一个，并计算该组合的出现次数(也称为出现频度)，来保持行驶实际情况。上述的时间序列数据库3每隔规定时间间隔或规定行驶距离存储加速度决定因素历史。向统计数据库4的数据的存储可以以比处理周期tjob大的时间宽度在规定时间间隔下采样,或者，也可以进行与每行驶5m或每行驶10m这样的行驶距离相应的采样,进而也可以进行本车速度ve每变动1km/h或5km/h这样的采样,也可以将它们组合使用。另外，即使是与上述时间序列数据库3不同的规定时间间隔、或者行驶距离间隔、速度变动的时刻也没有问题。
统计数据库4与上述的时间序列数据库3不同，保持的数据的件数(相当于图11的表的高度)由每个等级的组合的数量决定，不变化。统计数据库4具有如下特征：与时间序列数据库3相比，能够延长在某个时刻保持的数据从数据库上被删除为止的期间，因此与时间序列数据库3相比，能够保持时间上、空间上过去或者远的信息。另一方面，虽然表示属于各加速度决定因素的等级中的某一个，但由于以具体的数值那样的信息缺少的状态保持，所以与时间序列数据库3相比，成为对量化误差大的信息进行保持的方式。
图12示意性地示出了在统计数据库4中存储数据的过程。与图10所示的时间序列数据库3的过程同样，先行车1002在本车1001的行进方向上行驶，从未图示的检测先行车状态的传感器，获取本车1001和先行车1002之间的车间距离xd、先行车1002的速度vp、加速度αp。另外，获取本车1001的速度ve、加速度αe，根据本车速度ve和先行车速度vp计算相对速度vd。根据得到的数据构成数据组，搜索在统计数据库4中设定的等级的组合。例如，在图12中，作为本车速度ve得到11.1m/s，同样，如果车间距离xd为33.4m，相对速度vd为0.3m/s，先行车加速度αp为-0.1m/s 2，本车加速度αe为0.3m/s2，则作为包含它们的等级的组合，作为符合统计数据库4的组合编号p而返回搜索结果。其结果，通过在组合编号p的出现次数(出现频度)上加1来更新。这样，统计数据库4存储基于本车和先行车的状态的加速度决定因素历史。
另外，图11或图12所示的统计数据库4的等级的范围或各等级的宽度不限于此，可以采取任意的方式。例如，本车速度ve或相对速度vd根据搭载控制单元1的车辆的性能或运用控制单元1的国家或地域，其范围或等级宽度可以变更，同样地，先行车加速度αp或本车加速度αe可以是能够产生的加速度、或者在车辆的通常使用的范围内能够取得的范围或等级宽度。例如，在作为车辆的最大加速度或最大制动力能够实现1G(＝9.8m/s 2)这样的加速度的情况下，可以以包含它的方式设定组合的范围，也可以设定为不包含它们的范围。具备能保持被认为是稀少情况的条件组合的数据库，能够在各种场景中提高本车加速度的推定精度，另一方面，用于保持它们的存储器使用量增大。另外,等级宽度也可以采用作为本车状态预测部12所示的加速度推定的一例而列举的核密度推定中的带宽的1倍或2倍这样的值,或者将获取加速度决定因素的等级范围分割为10份或100份这样的等级来进行值的设定。等级设定得越细，越能够减小量化误差而存储加速度决定因素历史，另一方面，存储器使用量增大。
以上，对时间序列数据库3和统计数据库4进行了说明。
本发明的控制单元1的特征在于，具有这样的时间序列数据库3和统计数据库4这样的特性不同的数据库。
＜数据库再构成部5＞
数据库再构成部5(图2)将保持在上述时间序列数据库3和统计数据库4中的方式不同的数据变换为在车辆状态预测部2中容易运用的方式。保持在时间序列数据库3中的数据能够直接用于作为加速度推定的一例而表示的式子的计算，另一方面，保持在统计数据库4中的数据不能直接用于式子的计算。因此，将保持在统计数据库4中的数据变形为可用于式子的计算的形式。
例如，可以以代表每个加速度决定因素的等级的中间值的方式恢复数据。在这种情况下，以特定的组合的出现次数、将具有各加速度决定因素的等级的中间值的数据暂时追加到时间序列数据库3中的方式进行恢复。或者，也可以随机选择各加速度决定因素的等级宽度中的任意值来恢复数据。
这样，数据库再构成部5的特征在于，使用保持在时间序列数据库3以及统计数据库4中的数据，对车辆状态预测部2中的本车状态预测部12用于加速度的推定的数据库进行再构成。
＜数据库控制部6＞
数据库控制部6(图2)具有如下特征：为了进一步提高车辆状态预测部2的本车状态预测部12中的加速度的推定精度，针对时间序列数据库3和统计数据库4，基于本车的位置信息(行驶位置)、或行驶的持续时间、或统计数据库4内的保持数据的偏差，对时间序列数据库3进行数据的删除操作或对统计数据库4进行数据的调整。这里所说的数据的调整是指对时间序列数据库3删除数据的一部分或全部，或者通过减少统计数据库4内的组合的出现次数极多的组合的出现次数来消除偏差，进而减少组合的出现次数，减小其合计。
(时间序列数据库3的数据调整处理)
数据库控制部6基于本车的位置信息(行驶位置)，在判断为保持在时间序列数据库3中的数据是不适合当前的行驶环境的信息的情况下，将它们删除，并指令重构数据库。
例如，通过GPS等获取位置信息，通过参照地图来判断车辆行驶的道路的类别。或者,也可以根据入场门或收费站的通过、通过光信标等的道路基础设施的信息提供,来检测道路种类的变化。
这里所说的道路的类别是指高速汽车国道或汽车专用道路、一般道路、设在私人土地等上的道路这样的不同，如果考虑到在高速道路上行驶的情况和在一般道路上行驶的情况下，驾驶员对车辆要求的行驶特性发生变化，则在车辆从一般道路向高速汽车国道移动时，难以认为基于通过一般道路的行驶而积蓄的加速度决定因素历史的预测是适当的。
因此，不是等待经过某种程度的时间而存储在时间序列数据库3中的加速度决定因素被置换为通过高速汽车国道行驶而得到的加速度决定因素，而是数据库控制部6根据位置信息判断行驶环境发生了变化，从而删除保持在时间序列数据库3中的信息(删除与以前的行驶环境有关的一部分信息或全部信息)，能够抑制由在以前的行驶环境(一般道路的行驶)中存储的加速度决定因素进行不适当的加速度的预测，能够提高本车状态预测部12中的加速度推定精度。
另外,在这样删除存储在时间序列数据库3中的加速度决定因素时,也可以采用与在数据库再构成部5中将保持在统计数据库4中的数据向时间序列数据库3恢复的操作相同的方法,向时间序列数据库3恢复数据。在这种情况下，对于本车的速度，优选通过从统计数据库4中选择性地仅恢复至少属于与当前时刻获取的速度相同等级的数据，从而在时间序列数据库3中保持与本车的行驶状态相似的方式的数据。
(统计数据库4的数据调整处理)
另外，数据库控制部6根据保持在统计数据库4中的数据的偏差，进行对保持在统计数据库4中的数据的偏差加以修正的调整。
图13是示意性地表示在统计数据库4中保持的数据中产生了偏差的状态的图。如图11所示，虽然保持在统计数据库4中的加速度决定因素由多维的状态变量构成，但为了说明的简化、可视化的方便，以二维的数据库构成为例。
图13所示的长方体的高度表示组合的出现次数的大小。此时，图13的(a)的以深色涂满的长方体的组合被较多地保持，成为在数据库中产生了偏差的状态。通过数据库控制部6修正统计数据库4的数据的偏差，例如以成为图13的(b)所示的出现次数的分布的方式调整偏差。
对数据库控制部6中的保持在统计数据库4中的数据的偏差的调整方法的几个例子进行说明。
第一种方法如下：在统计数据库4中，通过减少产生偏差的组合的出现次数，以使统计数据库4的信息熵最大(换言之，使其增加)的方式调整偏差。
数据库控制部6计算保持在统计数据库4中的组合的出现次数的合计。接着，计算各组合的出现次数相对于组合的出现次数的合计的比例。在此，对于该出现次数的比例超过规定比例的组合，通过减少组合的出现次数，通过减少作为对象的组合的出现次数使统计数据库4的信息熵最大(换言之，使其增加)的方式来调整偏差。这样的规定比例例如可以设定为1％或3％这样的值，优选基于统计数据库4所保持的组合的数量，组合数量越多越使比例变小。对于超过5000的组合数，也可以是将组合数的倒数乘以100或50的值。或者也可以计算统计数据库4的信息熵，将其低于规定值作为契机。
信息熵可以通过式15来确定。
[算式15]
Figure BDA0004146019570000231
在式15中，X是保持在统计数据库4中的出现次数的集合，xi是各组合编号中的出现概率、即出现次数相对于出现次数的合计的比例。
例如，信息熵的最大值(最大熵)可以基于包含在统计数据库4中的组合的数量来计算，可以通过式16来计算。
[算式16]
Em＝log(n)...式16
在式16中，n是统计数据库4中的等级组合的数目。
也可以以统计数据库4的信息熵降低到这样求出的最大熵的0.7倍或0.75倍左右为契机，作为在统计数据库4中产生了偏差的情况来进行偏差的修正。另外，这样的偏差的调整优选以保持在统计数据库4中的组合的出现次数的合计超过规定量为一个条件来判断是否需要修正偏差。这是因为，在统计数据库4中组合的出现次数没有某种程度地保持的情况下，信息熵容易降低。作为这样的出现次数的合计值，可以设定10000件或组合数的5倍或10倍等的值。
第二种方法如下：对于相对于保持在统计数据库4中的组合的出现次数超过平均的出现次数，将该组合的出现次数减少平均的超过部分乘以小于1的值的数量。与第一种方法相比，统计数据库4的偏差可以更快地校正。图14是说明基于该方法的统计数据库4的偏差调整的概要的图。图14示出了为了简化说明而二维展开的、非常简单的统计数据库4的一个例子。
在图14中，对于表示车辆状态的变量x和变量y分别各有3级，其组合的数量为9。另外，图4的(a)的表中的18或20这样的数是x1≤x＜x2且y1≤y＜y2、或x2≤x＜x3且y 1≤y＜y2这样的组合的出现次数。另外，表的右上方所示的E＝2.954的数值是信息熵(E)。
图14的(a)中，x2≤x＜x3且y2≤y＜y3的等级的组合的出现次数为40，例如在该状态下判断为在统计数据库4中产生了偏差。在此，对于相对于所保持的组合的出现次数超过平均的出现次数，作为将该组合的出现次数减少平均的超过部分乘以小于1的值的数量的校正量，如图14的(b)所示，通过式17决定校正量，如式18所示，通过由式17计算出的校正量来减少原来的出现次数，由此，如图14的(c)所示，x2≤x＜x3且y2≤y＜y3的等级的组合的出现次数减少到22，统计数据库4的偏差被消除，信息熵(E)增加。
[算式17]
Figure BDA0004146019570000241
[算式18]
Figure BDA0004146019570000242
在式17中，F是舍入函数，将计算结果舍入为负的无穷大方向的整数。κ是相对于出现次数的平均值的误差的修正量的计算系数，使用小于1的值。例如为0.4、0.5或0.8这样的值。Pf是等级的组合的出现次数，Mb是组合的数量(在此为9)。式17、式18中的Pf的上标意味着是图14的二维表示的等级的组合中的x和y的等级的第i个和第k个的组合。
作为修正统计数据库4的偏差的方法列举了几个例子，但不限于此，只要能够以统计数据库4内的组合的出现次数产生偏差为契机，以至少增加统计数据库4的信息熵的方式来调整组合的出现次数即可。主要说明了通过减少出现次数来增加信息熵的方法，但也可以通过加上出现次数来增加信息熵。但是，在数据库再构成部5中，在根据统计数据库4的数据暂时向时间序列数据库3恢复数据时，数据件数增加，因此运算负荷增加。因此，从运算负荷的观点出发，优选通过减少保持在统计数据库4内的组合的出现次数来增加信息熵。
另外，即使在统计数据库4内不产生偏差，在组合的出现次数的合计超过组合的数量的50倍或100倍的数量、或超过10000次或100000次这样的规定次数的情况下，也可以通过将统计数据库4内的全部组合的出现次数乘以不足1的数量、例如0.5等并舍入为负的无穷大方向的整数等方法，以使统计数据库4内的组合的出现次数的合计减少的方式，数据库控制部6调整保持在统计数据库4内的数据。这样，在数据库再构成部5中，在将统计数据库4内的数据暂时保持到时间序列数据库3时，能够抑制数据件数过度增加，实现计算负荷的降低。
进而，也可以通过每当车辆行驶1000km或每当经过10小时行驶时间的累积时统计数据库4内的全部组合的出现次数乘以小于1的数、例如0.5等并舍入为负的无穷大方向的整数等方法，以使统计数据库4内的组合的出现次数的合计减少的方式，数据库控制部6调整保持在统计数据库4内的数据。同样，在将统计数据库4内的数据暂时保持到时间序列数据库3时，不需要抑制数据件数过度增加或增大用于保持出现次数的数据长度，控制单元1的存储器效率得到改善。
这样，数据库控制部6对时间序列数据库3和统计数据库4，根据本车的位置信息(行驶位置)、或行驶的持续时间、或统计数据库4内的保持数据的偏差，进行对时间序列数据库3的数据的删除操作或对统计数据库4的数据的偏差的调整。
(时间序列数据库3的数据调整效果)
图15是比较实施了本发明的实施例1中的时间序列数据库3的调整的例子(实施例1)和不进行时间序列数据库3的调整的例子(比较例)中的加速度推定误差的图。图15的上段的图表表示本车的速度变化，下段的图表表示加速度的实测值和比较例以及实施例1的加速度推定的误差。
在图15所示的例子中，在时刻t1的时刻，行驶环境从一般道路变化为高速道路。
在此,在没有进行时间序列数据库3的删除处理的比较例中,存在从时刻t2所示的附近进行加速度的误差变大的推定的情况,尽管行驶环境发生了变化,但由于以往的行驶实绩残留在时间序列数据库3中,所以计算出错误的推定值。另一方面，在进行了时间序列数据库3的更新的实施例1中，与比较例相比，时刻t2以后的加速度推定误差被抑制得较小，即，根据本实施例，能够高精度地实现本车的将来的加速度的推定，进而能够高精度地得到本车的将来的驱动力的预测。
(统计数据库4的数据调整效果)。
图16是比较实施了本发明的实施例1中的统计数据库4的调整的例子(实施例1)和不进行统计数据库4的调整的例子(比较例)中的加速度推定误差的图。图16也与图15同样，上段的图表表示本车的速度变化，下段的图表表示加速度的实测值和比较例以及实施例1的加速度推定的误差。
在时刻t3以前的区间继续定速行驶，由此在统计数据库4中产生偏差。因此，在比较例中，可知在时刻t3以后速度模式变化的场景中预测误差扩大。另一方面，在实施例1中，以统计数据库4产生偏差为契机，在时刻t3调整统计数据库4的偏差。由此，即使在时刻t3以后，实施例1的加速度推定误差也被抑制为比比较例小。
这样，在本发明的实施例中，通过由数据库控制部6适当地进行时间序列数据库3的删除处理和统计数据库4的调整处理，加速度的推定误差降低，能够正确地得到基于此的驱动力的预测。
《实施例1的效果》
如以上说明的那样，本实施例1的控制单元(车辆控制装置)1具备：时间序列数据库3，其将至少包含本车辆的加速度的车辆状态保持为时间序列；统计数据库4，其将车辆状态分割为多个等级，并保持属于所分割的等级中的任一个等级的车辆状态的出现次数；以及车辆状态预测部2，其根据与保持在所述时间序列数据库3和所述统计数据库4中的车辆状态相关的信息、和在本车辆的行驶中新获取的车辆状态，预测将来的车辆状态。
另外，还具有管理所述时间序列数据库3和所述统计数据库4内的数据的数据库控制部6，所述数据库控制部6根据所述本车辆的位置信息(行驶位置)调整所述时间序列数据库3的数据量，和/或根据所述出现次数调整所述统计数据库4内的数据的偏差。
换言之，本实施例1的控制单元(车辆控制装置)1具备：时间序列数据库3，其保持基于时间序列的最近的驾驶特性；统计数据库4，其通过保持驾驶特性的组合的出现次数来反映普遍的驾驶特性；数据库控制部6，其管理时间序列数据库3和统计数据库4内的数据；以及车辆状态预测部2，其基于保持在时间序列数据库3和(或)统计数据库4中的车辆状态来预测将来的本车的车辆状态。
根据本实施例1的控制单元(车辆控制装置)1，能够高精度地实现本车的将来的加速度的推定，进而能够高精度地得到本车的将来的驱动力的预测，因此，在考虑驾驶员或自动驾驶***的驾驶特性的基础上，以改善燃料消耗的方式控制发动机的车辆控制装置中，能够将由交通环境的不同引起的驾驶员或自动驾驶***的驾驶特性适当地反映到控制中，能够与交通环境无关地考虑驾驶员或自动驾驶***的驾驶特性的基础上，以改善燃料消耗的方式控制发动机。
[实施例2]
使用图17描述本发明的实施例2。图17是表示实施例2的车辆控制单元1的主要部分的框图。如图17所示，本发明的实施例2在控制单元1中具备预测性能评价部7，进而具备数据池8。除此之外的构成与实施例1相同，因此省略说明。
预测性能评价部7比较在由数据库控制部6实施时间序列数据库3的删除或统计数据库4的调整的前后，车辆状态预测部2中的本车加速度的推定结果(加速度期望值)和实际在车辆100中产生的加速度。
另外，数据池8复制(复制或保存)由数据库控制部6实施时间序列数据库3的删除或统计数据库4的调整之前的时间序列数据库3的数据和/或统计数据库4的数据。
预测性能评价部7反复计算车辆状态预测部2中的本车加速度的推定结果和与得到本车加速度的推定结果的时刻相当的车辆100已经产生的加速度的误差，并且将其保持一定时间，计算5秒钟、10秒钟、30秒钟这样的区间中的平均绝对误差。
在预测性能评价部7中，比较由数据库控制部6执行时间序列数据库3的删除或统计数据库4的调整前后的平均绝对误差，在由数据库控制部6进行的这些操作以前的平均绝对误差小的情况下(换言之，相对于由数据库控制部6实施这些操作以前的平均绝对误差，由数据库控制部6实施这些操作后的时刻的平均绝对误差更大的情况下)，判定为由数据库控制部6进行的这些操作不适当，向数据库控制部6发送数据的恢复请求。数据库控制部6在接收到来自预测性能评价部7的数据的恢复请求时，将删除或者将调整前的(已经复制的)数据从数据池8恢复到时间序列数据库3或者统计数据库4中。
这样，在由数据库控制部6进行的时间序列数据库3的删除或统计数据库4的调整不适当的情况下，能够抑制加速度的预测精度变差，能够维持高的预测精度。
《实施例2的效果》
如以上说明的那样，本实施例2的控制单元(车辆控制装置)1还具备预测性能评价部7和数据池8，所述预测性能评价部7在实施所述时间序列数据库3或所述统计数据库4的至少一方的数据库的调整的前后，计算由所述车辆状态预测部2预测的所述本车辆的加速度和实际产生的所述本车辆的加速度的误差，在由所述数据库控制部6实施所述至少一方的数据库的调整之前，向所述数据池8复制或保存所述至少一方的数据库的数据,相对于由所述数据库控制部6实施所述至少一方的数据库的调整之前的误差,在由所述数据库控制部6实施所述至少一方的数据库的调整之后的时刻的误差更大的情况下,将向所述数据池8复制或保存的所述至少一方的数据库的数据恢复到所述至少一方的数据库中。
根据本实施例2的控制单元(车辆控制装置)1，在由数据库控制部6进行的时间序列数据库3的删除或统计数据库4的调整不适当的情况下，能够抑制加速度的预测精度变差，能够维持高的预测精度。
[实施例3]
描述本发明的实施例3。本发明的实施例3是关于时间序列数据库3、统计数据库4以及数据库控制部6的实施例。除此之外的构成与实施例1相同，因此省略说明。
在车辆100上搭载有导航装置116(图1)，除了驾驶员指定目的地来实施路线引导之外，还考虑如下情况：在导航装置116中蓄积包含行驶位置的行驶路径等这样的、一边使用导航装置116一边车辆100行驶的情况；以及驾驶者不指定目的地、不实施路线引导这样的、车辆100行驶的情况。
数据库控制部6在导航装置116中设定了路线，根据记录在导航装置116中的车辆100的行驶位置历史，在所设定的行驶路线中包含此前没有车辆100的行驶实绩的区间的情况下，以扩大时间序列数据库3的存储器区域并缩减统计数据库4的存储器区域的方式变更存储器分配。这样，在没有行驶实绩的区间(路径)中，进行相较于统计数据库4的数据更重视时间序列数据库3的数据的预测。
由于时间序列数据库3能够反映最近的行驶实绩，所以即使是行驶实绩缺乏的路径，也能够进行精度比较高的预测。
扩大时间序列数据库3相当于增加图9的表的高度。通过扩大时间序列数据库3，即使追加了新的数据，也能够延长超过能够保持的件数而被删除的时间上、空间上的距离。另一方面，统计数据库4的缩减方法通过减少组合的总数来实现。因此，通过将各加速度决定因素的等级的宽度设定得相对较宽，或者使上限、下限这样的等级的范围相对较窄，能够使统计数据库4的规模缩减，并将存储器区域优先分配给时间序列数据库3。
《实施例3的效果》
如以上说明的那样，本实施例3的控制单元(车辆控制装置)1还具备设定所述本车辆的路径的导航装置116，根据记录在所述导航装置116中的所述本车辆的行驶位置历史，变更所述时间序列数据库3和所述统计数据库4的大小。详细地说，根据记录在所述导航装置116中的所述本车辆的行驶位置历史，在设定了没有行驶实绩的路径的情况下，以使所述时间序列数据库3扩大、另一方面使所述统计数据库4缩减的方式，变更所述时间序列数据库3和所述统计数据库4的大小。
根据本实施例3的控制单元(车辆控制装置)1，即使是行驶实绩缺乏的路径，也能够进行精度比较高的预测。
[实施例4]
使用图18描述本发明的实施例4。本发明的实施例4是关于时间序列数据库3和统计数据库4的实施例。除此之外的构成与实施例1相同，因此省略说明。
在上述的本发明的实施例1中，针对时间序列数据库3或统计数据库4，以在车辆100上搭载的控制单元1内设置的RAM或ROM上构筑为目的进行了说明，但不限于此。
图18是说明将时间序列数据库3或统计数据库4设置在与搭载在车辆200上的控制单元1内不同的场所的例子的车辆的概略构成图。
在与车辆100(图1)同样地、至少具有与本发明的实施例1同等的功能的车辆200中，搭载有作为进行车辆200和车辆200外的通信的通信装置的通信模块202，搭载在该车辆200中的控制单元1能够在通过通信模块202经由无线通信网203、因特网204连接的数据中心205内的数据服务器206中，保持在时间序列数据库3或统计数据库4中保持的数据的一部分或全部，进而保持在时间序列数据库3或统计数据库4中未保持的数据。
这样，能够超过控制单元1的资源，在时间上、空间上较长地保持时间序列数据。
进而，将通过变更道路种类而由数据库控制部6删除的数据保存到数据服务器206中，由此，即使不从统计数据库4恢复数据，也能够迅速地向时间序列数据库3反映适合道路种类的数据，即使行驶环境发生变化，也能够维持高的预测精度。
另外，车辆200还具有作为识别车辆200的驾驶员的认证装置的认证模块207，将由认证模块207识别的驾驶员信息与时间序列数据库3的数据和/或统计数据库4的数据相关联地保持。在驾驶员换乘的情况下，通过认证模块207识别驾驶员个人，由车辆200外的数据中心205内的数据服务器206读出并恢复与驾驶员(信息)对应的时间序列数据库3的数据和/或统计数据库4的数据，由此，即使在车辆200由多个驾驶员运用的情况下，也能够生成反映驾驶员个人的习惯和驾驶风格的时间序列数据库3和统计数据库4，仍然能够提高加速度的预测精度。
《实施例4的效果》
如以上说明的那样，本实施例4的控制单元(车辆控制装置)1还具备进行所述本车辆和所述本车辆外的通信的通信模块(通信装置)202，通过所述通信模块(通信装置)202将所述时间序列数据库3和/或所述统计数据库4的数据的一部分或全部保持在所述本车辆外。
另外，还具备识别所述本车辆的驾驶员的认证模块(认证装置)207，将由所述认证模块(认证装置)207识别的驾驶员信息与所述时间序列数据库3和/或所述统计数据库4相关联地保持，根据保持在所述本车辆外的数据库的数据，恢复与所述驾驶员信息对应的所述时间序列数据库3和/或所述统计数据库4的数据。
根据本实施例4的控制单元(车辆控制装置)1，能够超过控制单元1的资源，在时间上、空间上较长地保持时间序列数据。
另外，即使在车辆200由多个驾驶员运用的情况下，也能够生成反映驾驶员个人的习惯和驾驶风格的时间序列数据库3和统计数据库4，仍然能够提高加速度的预测精度。
[实施例5]
描述本发明的实施例5。本发明的实施例5是对经由了本发明的实施例4的通信模块202的通信对象选择与车辆(本车)200不同的其他车辆即对面车辆或周边车辆的例子。
控制单元1经由通信模块202与和车辆200同样的其他车辆进行通信，将时间序列数据库3、统计数据库4与对方车辆交换，或者向对方车辆供给(发送)，或者从对方车辆接收。这样，例如通过与对面车交换时间序列数据库3，如果考虑对面车经历了与本车即将行驶的预定的道路环境类似的环境，则能够反映本车预定行驶的路径的状态，提高预测精度。
另外，通过从周边车辆接收数据库的供给，或者向周边车辆提供数据库，对于本车来说，能够期望没有行驶实绩的行驶路径上的加速度的预测精度提高。
另外，在这样的情况下，如实施例2所示，使数据库的更换前的数据保存到数据池8中，通过与数据库的更换前的预测性能进行比较，能够在更换不适当的情况下避免加速度的预测精度降低。
《实施例5的效果》
如以上说明的那样，本实施例5的控制单元(车辆控制装置)1还具备进行所述本车辆和所述本车辆外的通信的通信模块(通信装置)202，通过所述通信模块(通信装置)202与不同于所述本车辆的其他车辆交换、或者向不同于所述本车辆的其他车辆发送、或者从不同于所述本车辆的车辆接收所述时间序列数据库3和/或所述统计数据库4的数据。
根据本实施例5的控制单元(车辆控制装置)1，能够期望加速度的预测精度提高。
以上，示出了本发明的优选实施例的一个例子。在本发明的实施例以及在其说明中使用的图中，仅记载了在发明的说明中需要的构成。在实际实施发明的情况下，使用本领域已知的技术自然能实现本发明的某实施例未说明的控制和功能。因此，本发明的特征不是必须包括所说明的所有构成，而是不限于所说明的实施例构成。可以将某实施例的一部分构成置换为其他实施例或以往公知的构成，只要不显著变更其特征，就可以对各实施例的构成的一部分进行其他构成的追加、删除、置换。
另外，本发明不限于上述实施方式，还包括各种变形方式。例如，上述实施方式是为了容易理解地说明本发明而详细说明的方式，不一定限定于具备所说明的全部构成的方式。
另外，上述的各构成、功能、处理部、处理单元等也可以通过例如由集成电路设计它们的一部分或全部等而由硬件来实现。另外，上述的各构成、功能等也可以通过处理器解释并执行实现各自的功能的程序而通过软件来实现。实现各功能的程序、表、文件等信息可以放置在存储器、硬盘、SSD(Solid State Drive)等存储装置、或者IC卡、SD卡、DVD等记录介质中。
另外，控制线和信息线表示在说明上被认为是必要的，在产品上不一定表示全部的控制线和信息线。实际上，可以认为几乎所有构成都相互连接。
符号说明
1…车辆控制单元(车辆控制装置)
2…车辆状态预测部
3…时间序列数据库
4…统计数据库
5…数据库再构成部
6…数据库控制部
7…预测性能评价部
8…数据池
11…先行车状态预测部
12…本车状态预测部
100、200…车辆
101…燃料箱
102…发动机
103…发电机
104…电池
105…逆变器
106…电动机
107…行驶装置
108…车轮
109…转向装置
110…制动致动器
111…加速踏板
112…制动踏板
113…舵角传感器
114…车速传感器
115…前方识别传感器
116…导航装置
117…GPS天线
202…通信模块(通信装置)
203…无线通信网
204…因特网
205…数据中心
206…数据服务器
207…认证模块(认证装置)
1001…本车
1002…先行车。

Claims (13)

1.一种车辆控制装置,其特征在于,具备：
时间序列数据库，其按时间序列保持至少包含本车辆的加速度的车辆状态；
统计数据库，其将车辆状态分割为多个等级，并保持属于所分割的等级中的任一个等级的车辆状态的出现次数；以及
车辆状态预测部，其根据保持在所述时间序列数据库和所述统计数据库中的与车辆状态相关的信息、和在本车辆的行驶中新获取的车辆状态，预测将来的车辆状态。
2.根据权利要求1所述的车辆控制装置,其特征在于，
还具备数据库控制部，所述数据库控制部管理所述时间序列数据库和所述统计数据库内的数据，
所述数据库控制部根据所述本车辆的位置信息调整所述时间序列数据库的数据量。
3.根据权利要求2所述的车辆控制装置,其特征在于，
所述数据库控制部通过删除保持在所述时间序列数据库中的数据的一部分或全部，来调整所述时间序列数据库的数据量。
4.根据权利要求1所述的车辆控制装置,其特征在于，
还具备数据库控制部，所述数据库控制部管理所述时间序列数据库和所述统计数据库内的数据，
所述数据库控制部根据所述出现次数调整所述统计数据库内的数据的偏差。
5.根据权利要求4所述的车辆控制装置,其特征在于，
所述数据库控制部以使所述统计数据库的信息熵增加的方式减少或加上产生偏差的所述出现次数,由此来调整所述统计数据库内的数据的偏差。
6.根据权利要求5所述的车辆控制装置,其特征在于，
对于任意等级的组合的出现次数相对于保持在所述统计数据库中的等级的组合的出现次数的合计的比例超过规定比例的组合，所述数据库控制部减少超过所述规定比例的组合的出现次数，
或者，对于相对于保持在所述统计数据库中的等级的组合的出现次数而超过平均的出现次数，所述数据库控制部将该等级的组合的出现次数减少平均的超过部分乘以小于1的值的数量，
由此，以使所述统计数据库的信息熵增加的方式调整所述统计数据库内的数据的偏差。
7.根据权利要求2所述的车辆控制装置,其特征在于，
还具备预测性能评价部和数据池，
所述预测性能评价部在实施所述时间序列数据库的调整的前后,计算由所述车辆状态预测部预测的所述本车辆的加速度与实际产生的所述本车辆的加速度之间的误差,
在由所述数据库控制部实施所述时间序列数据库的调整之前，向所述数据池复制或保存所述时间序列数据库的数据，
在相对于由所述数据库控制部实施所述时间序列数据库的调整之前的误差，由所述数据库控制部实施所述时间序列数据库的调整之后的时刻的误差更大的情况下，
将向所述数据池复制或保存的所述时间序列数据库的数据恢复到所述时间序列数据库。
8.根据权利要求4所述的车辆控制装置,其特征在于，
还具备预测性能评价部和数据池，
所述预测性能评价部在实施所述统计数据库的调整的前后,计算由所述车辆状态预测部预测的所述本车辆的加速度与实际产生的所述本车辆的加速度之间的误差,
在由所述数据库控制部实施所述统计数据库的调整之前，向所述数据池复制或保存所述统计数据库的数据，
在相对于由所述数据库控制部实施所述统计数据库的调整之前的误差，由所述数据库控制部实施所述统计数据库的调整之后的时刻的误差更大的情况下，
将向所述数据池复制或保存的所述统计数据库的数据恢复到所述统计数据库。
9.根据权利要求1所述的车辆控制装置,其特征在于，
还具备导航装置，所述导航装置设定所述本车辆的路径，
在根据所述导航装置中记录的所述本车辆的行驶位置历史，设定了没有行驶实绩的路径的情况下，
以使所述时间序列数据库扩大、另一方面使所述统计数据库缩减的方式,变更所述时间序列数据库和所述统计数据库的大小。
10.根据权利要求1所述的车辆控制装置,其特征在于，
还具备通信装置，所述通信装置进行所述本车辆与所述本车辆外的通信，
通过所述通信装置将所述时间序列数据库和/或所述统计数据库的数据的一部分或全部保持在所述本车辆外。
11.根据权利要求10所述的车辆控制装置,其特征在于，
还具备认证装置，所述认证装置识别所述本车辆的驾驶员，
将由所述认证装置识别的驾驶员信息与所述时间序列数据库和/或所述统计数据库相关联地保持，
根据保持在所述本车辆外的数据库的数据,恢复与所述驾驶员信息对应的所述时间序列数据库和/或所述统计数据库的数据。
12.根据权利要求1所述的车辆控制装置,其特征在于，
还具备通信装置，所述通信装置进行所述本车辆与所述本车辆外的通信，
通过所述通信装置与不同于所述本车辆的其他车辆进行交换、或者向不同于所述本车辆的其他车辆发送、或者从不同于所述本车辆的车辆接收所述时间序列数据库和/或所述统计数据库。
13.一种数据库的数据调整方法,所述数据库至少包括时间序列数据库或统计数据库中的一个，所述时间序列数据库按时间序列保持至少包含本车辆的加速度的车辆状态，所述统计数据库将车辆状态分割为多个等级，并保持属于所分割的等级中的任一个等级的车辆状态的出现次数，所述数据调整方法的特征在于,
为了提高根据保持在所述时间序列数据库和所述统计数据库中的与车辆状态相关的信息、和在本车辆的行驶中新获取的车辆状态而预测的将来的车辆状态的预测精度,调整至少一方的所述数据库的数据。
CN202180065982.0A 2020-10-30 2021-09-30 车辆控制装置及数据库的数据调整方法 Pending CN116234736A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2020-182612 2020-10-30
JP2020182612 2020-10-30
PCT/JP2021/036230 WO2022091689A1 (ja) 2020-10-30 2021-09-30 車両制御装置及びデータベースのデータ調整方法

Publications (1)

Publication Number Publication Date
CN116234736A true CN116234736A (zh) 2023-06-06

Family

ID=81382382

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180065982.0A Pending CN116234736A (zh) 2020-10-30 2021-09-30 车辆控制装置及数据库的数据调整方法

Country Status (3)

Country Link
US (1) US20230365142A1 (zh)
CN (1) CN116234736A (zh)
WO (1) WO2022091689A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117272699B (zh) * 2023-11-21 2024-02-09 杭州海康威视数字技术股份有限公司 数字路口的在线仿真方法、装置、存储介质和电子设备

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05313899A (ja) * 1992-05-12 1993-11-26 Meidensha Corp 知識処理システム
JPH06187155A (ja) * 1992-12-16 1994-07-08 Meidensha Corp 知識処理システム
JP4997011B2 (ja) * 2007-07-25 2012-08-08 日立オートモティブシステムズ株式会社 自動車の燃料消費量推定システム、経路探索システム、及び運転指導システム
JP2012128739A (ja) * 2010-12-16 2012-07-05 Toyota Central R&D Labs Inc 衝突危険判定装置及びプログラム
JP2013213692A (ja) * 2012-03-30 2013-10-17 Fujitsu Ten Ltd エネルギー消費量算出システム及びエネルギー消費量算出方法
JP6558733B2 (ja) * 2015-04-21 2019-08-14 パナソニックＩｐマネジメント株式会社 運転支援方法およびそれを利用した運転支援装置、運転制御装置、車両、運転支援プログラム
JP6696379B2 (ja) * 2016-09-20 2020-05-20 日産自動車株式会社 運転者意図特定方法及び運転者意図特定装置
JP7084211B2 (ja) * 2018-06-06 2022-06-14 日立Astemo株式会社 車両用制御装置

Also Published As

Publication number Publication date
US20230365142A1 (en) 2023-11-16
JPWO2022091689A1 (zh) 2022-05-05
WO2022091689A1 (ja) 2022-05-05

Similar Documents

Publication Publication Date Title
KR102481638B1 (ko) 위상 코히어런트 라이다 데이터를 사용하여 결정된 환경 객체 분류에 기반한 자율주행 차량 제어
CN112313133A (zh) 基于附加车辆的所确定的横摆参数控制自动驾驶车辆
CN111127329B (zh) 用于重建云层处的车辆场景的方法和***
US10860028B2 (en) Vehicle control apparatus, vehicle control method, and program
US10766485B2 (en) Vehicle control device
US11741720B2 (en) System and method for tracking objects using using expanded bounding box factors
US20230360243A1 (en) System and method to improve multi-camera monocular depth estimation using pose averaging
US11200679B1 (en) System and method for generating a probability distribution of a location of an object
EP4257443A1 (en) Method and system for automatic driving data collection and closed-loop management
US20230046691A1 (en) External environment sensor data prioritization for autonomous vehicle
WO2023273467A1 (zh) 真值数据确定、神经网络训练、行驶控制方法及装置
CN116234736A (zh) 车辆控制装置及数据库的数据调整方法
CN115123257A (zh) 路面减速带位置识别方法、装置、车辆、存储介质及芯片
US10634779B2 (en) Target recognition system, target recognition method, and storage medium
Aditya et al. Collision detection: An improved deep learning approach using SENet and ResNext
CN112710316A (zh) 专注于构造和本地化技术领域的动态地图生成
JP7518914B2 (ja) 車両制御装置
JP7301994B2 (ja) 車両制御装置
WO2019200564A1 (en) Method for evaluating localization system of autonomous driving vehicles
WO2022065045A1 (ja) 自動運転装置
US20230105331A1 (en) Methods and systems for semantic scene completion for sparse 3d data
JP6509279B2 (ja) 物標認識システム、物標認識方法、およびプログラム
EP3995922B1 (en) Method and system for providing perception scan data for controlling a self-driving vehicle
US20230326077A1 (en) System and method for online camera to ground alignment
US20240046656A1 (en) Systems and methods for detecting traffic objects

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination