JP2013002850A

JP2013002850A - Navigation device

Info

Publication number: JP2013002850A
Application number: JP2011131645A
Authority: JP
Inventors: Yasushi Inoue; 裕史井上
Original assignee: Nissan Motor Co Ltd
Current assignee: Nissan Motor Co Ltd
Priority date: 2011-06-13
Filing date: 2011-06-13
Publication date: 2013-01-07

Abstract

PROBLEM TO BE SOLVED: To provide a navigation device which can highly accurately set an energy consumption amount on the basis of driving characteristics of a driver.SOLUTION: A navigation device comprises: a driving tendency learning unit 104 for learning a driving tendency by using a travel history of a vehicle; a link cost setting unit 102 for dynamically setting a link cost from an estimated energy consumption amount based on the driving tendency learned by the driving tendency learning unit 104 and distance information and gradient information of roads; and a route search unit 103 for searching a travel route on the basis of the link cost set by the link cost setting unit 102 and map information. The driving tendency learning unit 104 comprises: a driving learning unit 104a for learning the driving tendency; and a regeneration tendency learning unit 104b for learning an estimated energy regeneration amount on down grade roads on the basis of the driving tendency and the distance information and gradient information of roads.

Description

本発明は、ナビゲーション装置に関し、特に勾配情報を利用したナビゲーション装置に関する。 The present invention relates to a navigation apparatus, and more particularly to a navigation apparatus using gradient information.

道路勾配と走行速度に対応した燃費情報を記録するとともに、現況の交通情報から推定された走行速度と燃費情報とを用いて、燃料消費量の少ない経路を探索するナビゲーション装置が提案されている（例えば、特許文献１参照）。 A navigation apparatus has been proposed that records fuel efficiency information corresponding to road gradient and travel speed, and searches for a route with less fuel consumption using travel speed and fuel efficiency information estimated from current traffic information ( For example, see Patent Document 1).

特開２０１０−３２５４１号公報JP 2010-32541 A

このような従来の技術では道路勾配と走行速度による燃費情報を記録し、この情報に基づいて燃料消費量の少ない経路を探索するが、加速や減速に際しての運転者のアクセル操作の傾向や、勾配の変化に応じたアクセル操作の傾向を考慮していないため、エネルギー消費量を高い精度で設定することができない可能性があった。
本発明は上述した状況に鑑みてなされたものであり、運転者の運転特性に基づいて、エネルギー消費量をより高い精度で設定することができるナビゲーション装置を提供することを目的とする。 In such a conventional technique, fuel consumption information by road gradient and traveling speed is recorded, and a route with less fuel consumption is searched based on this information. Since the tendency of the accelerator operation according to the change of the vehicle is not considered, there is a possibility that the energy consumption cannot be set with high accuracy.
This invention is made | formed in view of the situation mentioned above, and aims at providing the navigation apparatus which can set energy consumption with a higher precision based on a driving | operation characteristic of a driver | operator.

上記課題を解決するために、本発明のナビゲーション装置では、車両の走行履歴を用いて運転特性を学習し、その学習結果の運転特性と、走行経路の距離情報および勾配情報に基づき、予測エネルギー消費量によるリンクコストを動的に設定し、ルート探索をする。 In order to solve the above-described problem, the navigation device of the present invention learns driving characteristics using a vehicle travel history, and predicts energy consumption based on the driving characteristics of the learning result and distance information and gradient information of the travel route. Dynamically set the link cost according to the amount, and search the route.

本発明によれば、運転特性特性を勘案して高い精度でエネルギー消費量を設定することができるナビゲーション装置を提供することができる。 ADVANTAGE OF THE INVENTION According to this invention, the navigation apparatus which can set energy consumption amount with high precision in consideration of a driving characteristic characteristic can be provided.

本発明の第１実施形態としてのナビゲーション装置を表す機能ブロック図である。It is a functional block diagram showing the navigation apparatus as a 1st embodiment of the present invention. 図１のナビゲーション装置における運転傾向の学習処理を表すフローチャートである。It is a flowchart showing the learning process of the driving tendency in the navigation apparatus of FIG. 図１のナビゲーション装置における運動エネルギー回生傾向の学習処理を例示するフローチャートである。It is a flowchart which illustrates the learning process of the kinetic energy regeneration tendency in the navigation apparatus of FIG. 図１のナビゲーション装置におけるリンクコスト算出処理を例示するフローチャートである。It is a flowchart which illustrates the link cost calculation process in the navigation apparatus of FIG. 図１のナビゲーション装置における、道路区分と車速域の区分とに従った、勾配ごとの、単位エネルギー当りの走行距離の学習を例示する図である。It is a figure which illustrates learning of the travel distance per unit energy for every gradient in the navigation apparatus of FIG. 1 according to the road segment and the vehicle speed range segment. 図４の処理によるリンクコスト算出結果を例示する図である。It is a figure which illustrates the link cost calculation result by the process of FIG. 本発明の第２実施形態としてのナビゲーション装置を表す機能ブロック図である。It is a functional block diagram showing the navigation apparatus as 2nd Embodiment of this invention. 第２実施形態の特徴を説明するための図である。It is a figure for demonstrating the characteristic of 2nd Embodiment.

以下、図面を参照して本発明の実施形態について詳述することにより本発明を明らかにする。
尚、以下に説明する本発明の実施形態としてのナビゲーション装置は、回生制動が可能な車両に搭載し、かつ、この車両では、回生エネルギーをバッテリーに回収可能な構成を有するものであることを前提としている。
（ナビゲーション装置の構成）
図１は、本発明の第１実施形態としてのナビゲーション装置を表す機能ブロック図である。
図１のナビゲーション装置１００は、渋滞情報取得装置１０１、リンクコスト設定装置１０２、経路探索装置１０３、運転傾向学習装置１０４、地図データベース１０５、ＧＰＳ装置１０６、車両情報取得装置１０７、および、走行データ保存装置１０８を有する。 Hereinafter, the present invention will be clarified by describing embodiments of the present invention in detail with reference to the drawings.
The navigation device as an embodiment of the present invention described below is mounted on a vehicle capable of regenerative braking, and this vehicle is assumed to have a configuration capable of collecting regenerative energy in a battery. It is said.
(Configuration of navigation device)
FIG. 1 is a functional block diagram showing a navigation device as a first embodiment of the present invention.
1 includes a traffic jam information acquisition device 101, a link cost setting device 102, a route search device 103, a driving tendency learning device 104, a map database 105, a GPS device 106, a vehicle information acquisition device 107, and travel data storage. Device 108.

渋滞情報取得装置１０１は、ＶＩＣＳ（Vehicle Information and Communication System）等の無線通信によって道路の渋滞情報を取得する。
リンクコスト設定装置１０２は、勾配、運転傾向、および、走行時間等に依拠して算出するエネルギー消費量に基づいてリンクコストを設定する。
経路探索装置１０３は、エネルギー消費量を最小化するエネルギー消費量最小経路を探索可能である。尚、モード切り替え操作に応じて、最短時間経路や最短距離経路を探索可能な機能をも併せ持つものであり得る。 The traffic jam information acquisition apparatus 101 acquires road traffic jam information by wireless communication such as VICS (Vehicle Information and Communication System).
The link cost setting device 102 sets the link cost based on the energy consumption calculated based on the gradient, driving tendency, travel time, and the like.
The route search apparatus 103 can search for a minimum energy consumption route that minimizes the energy consumption. In addition, it may have a function that can search for the shortest time path and the shortest distance path in accordance with the mode switching operation.

運転傾向学習装置１０４は、運転者のアクセル操作の仕方や回生の仕方をも学習する機能部である。本例の運転傾向学習装置１０４は、運転学習部１０４ａと回生傾向学習部１０４ｂとを有する。運転学習部１０４ａはアクセル操作の仕方等の運転者の運転傾向を学習する。回生傾向学習部１０４ｂは運転者の回生の仕方に関する傾向を学習する。
地図データベース１０５は、地図情報を保有するが、本例では、この地図情報は勾配情報をも含んでいる。 The driving tendency learning device 104 is a functional unit that also learns how the driver operates the accelerator and how to regenerate. The driving tendency learning device 104 of this example includes a driving learning unit 104a and a regeneration tendency learning unit 104b. The driving learning unit 104a learns the driving tendency of the driver such as how to operate the accelerator. The regeneration tendency learning unit 104b learns a tendency related to how the driver regenerates.
The map database 105 holds map information. In this example, the map information also includes gradient information.

ＧＰＳ装置１０６は、ＧＰＳ（Global Positioning System）衛星から受信した情報に基づいてこのＧＰＳ装置１０６を搭載した車両等の現在位置を測位する。
車両情報取得装置１０７は、ＧＰＳ装置１０６からの位置情報や、図示しないＣＡＮ（Controller Area Network）からの加速度やエネルギー保存量等の車両情報を取得する。
走行データ保存装置１０８は、車両情報取得装置１０７が取得した種々の情報を保存する。
尚、リンクコストは、一般にカーナビゲーションシステム等において、出発地点から目的地点までの経路の所要時間、経路長、エネルギー消費量をコスト関数として算出するに際しての、各道路リンクの所要時間、リンク長、エネルギー消費量等である。 The GPS device 106 measures the current position of a vehicle or the like on which the GPS device 106 is mounted based on information received from a GPS (Global Positioning System) satellite.
The vehicle information acquisition device 107 acquires vehicle information such as position information from the GPS device 106, acceleration from an unshown CAN (Controller Area Network), and energy storage amount.
The travel data storage device 108 stores various information acquired by the vehicle information acquisition device 107.
Note that the link cost is generally calculated by calculating the time required for each road link, the link length, and the time required for calculating the required time, length, and energy consumption of the route from the departure point to the destination point in a car navigation system. Energy consumption.

（運転傾向の学習処理）
図２は、図１のナビゲーション装置における運転学習の処理を表すフローチャートである。運転学習は、アクセル操作の仕方等の運転者の運転傾向の学習である。運転傾向の学習は、図１のナビゲーション装置１００の運転傾向学習装置１０４における運転学習部１０４ａが主体となり、関連部と連携してこの処理を実行する。 (Driving tendency learning process)
FIG. 2 is a flowchart showing driving learning processing in the navigation apparatus of FIG. Driving learning is learning of the driving tendency of the driver, such as how to operate the accelerator. The driving tendency learning is mainly performed by the driving learning unit 104a in the driving tendency learning device 104 of the navigation device 100 in FIG. 1, and this process is executed in cooperation with the related unit.

次に運転傾向の学習に関する処理を、図２のフローチャートを参照して説明する。
先ず、ナビゲーション装置１００は、車両が走行した際の、経路、車速、エネルギー保存量、エネルギー消費量、渋滞状況等の車両情報を車両情報取得装置１０７で取得し、走行データ保存装置１０８で保存する（ステップＳ２０１）。
車両情報取得装置１０７による車両情報の取得は、ＧＰＳ装置１０６や図示しない自律航法装置による測位情報である緯度・経度情報の取得を含む。 Next, processing related to learning of driving tendency will be described with reference to the flowchart of FIG.
First, the navigation device 100 acquires vehicle information such as a route, a vehicle speed, an energy storage amount, an energy consumption amount, and a traffic jam situation when the vehicle travels, by the vehicle information acquisition device 107 and stores it by the travel data storage device 108. (Step S201).
Acquisition of vehicle information by the vehicle information acquisition device 107 includes acquisition of latitude / longitude information which is positioning information by the GPS device 106 or an autonomous navigation device (not shown).

ステップＳ２０１に次いで、当該車両が回生制動可能な車両か否かを判断する（ステップＳ２０２）。
ステップＳ２０２で回生制動可能な車両であると判断した場合には（ステップＳ２０２：Ｙｅｓ）、次いで、エネルギー保存量とエネルギー回生量との各情報を走行データ保存装置１０８に保存する（ステップＳ２０３）。
次いで、当該車両が停止したか否かを判断する（ステップＳ２０４）。尚、ステップＳ２０２で回生制動可能な車両であると判断した場合には（ステップＳ２０２：Ｎｏ）、ステップＳ２０３をスキップしてステップＳ２０４の判断を実行する。 Following step S201, it is determined whether the vehicle is a vehicle capable of regenerative braking (step S202).
If it is determined in step S202 that the vehicle is capable of regenerative braking (step S202: Yes), each information of the energy storage amount and the energy regeneration amount is stored in the travel data storage device 108 (step S203).
Next, it is determined whether or not the vehicle has stopped (step S204). If it is determined in step S202 that the vehicle is capable of regenerative braking (step S202: No), step S203 is skipped and the determination in step S204 is executed.

ステップＳ２０４で車両が停止したと判断すると（ステップＳ２０４：Ｙｅｓ）、この判断を行ったタイミングで当該車両の起動から停止までの一連の走行データを走行データ保存装置１０８に保存する（ステップＳ２０５）。
次いで、走行データ保存装置１０８に蓄積がある各一連の走行データに係る経路の勾配データおよび勾配ごとの道路区分を地図データベースから取得する（ステップＳ２０６）。
そして、ステップＳ２０６で取得した勾配ごとに、道路区分と車速域の区分とに従って、単位エネルギーあたりの走行距離を学習する（ステップＳ２０７）。 If it is determined in step S204 that the vehicle has stopped (step S204: Yes), a series of travel data from start to stop of the vehicle is stored in the travel data storage device 108 at the timing when this determination is made (step S205).
Next, the gradient data of the route and the road segment for each gradient relating to each series of traveling data accumulated in the traveling data storage device 108 are acquired from the map database (step S206).
Then, for each gradient acquired in step S206, the travel distance per unit energy is learned according to the road segment and the vehicle speed range segment (step S207).

道路区分と車速域の区分とに従った、勾配ごとの、単位エネルギー（ｋｗｈ）あたりの走行距離（ｋｍ）を図５に例示したように学習する。
また、ステップＳ２０７での学習では、運転者の運転傾向を学習するために勾配変化地点（たとえば＋勾配、−勾配）を抽出するが、渋滞による影響を除くため、渋滞時のデータは解析範囲から除外する（ステップＳ２０８）。
勾配変化地点では加速・減速・一定速の割合やそれぞれでの運転者の運転傾向を学習する。例えば、＋勾配では、加速が７０％、減速が１０％、一定速が２０％であるなどして運転傾向を学習する。また、−勾配では、加速１０％、減速７０％などであるなどして運転傾向を学習する。 The travel distance (km) per unit energy (kwh) according to the road segment and the vehicle speed range segment is learned as illustrated in FIG.
In the learning in step S207, gradient change points (for example, + gradient and -gradient) are extracted in order to learn the driving tendency of the driver. However, in order to exclude the influence of traffic jams, the data at the time of traffic jams from the analysis range. Exclude (step S208).
At the slope change point, learn the ratio of acceleration / deceleration / constant speed and the driving tendency of each driver. For example, in the case of + gradient, the driving tendency is learned such that acceleration is 70%, deceleration is 10%, and constant speed is 20%. In the case of -gradient, the driving tendency is learned by 10% acceleration, 70% deceleration, and the like.

勾配変化の閾値としては、例えば、±２％を超えれば勾配変化地点とみなす（ステップＳ２０９）。そして、上り勾配および下り勾配の何れに該当するかを判断する（ステップＳ２１０）。
ステップＳ２１０で上り勾配と判断したときには（ステップＳ２１０：上り勾配）、勾配変化前後での車速の変化が±５ｋｍ/ｈ以内であるか否かを判断する（ステップＳ２１１ｕ）。
ステップＳ２１１ｕで、車速の変化が±５ｋｍ/ｈ以内であると判断したときには（ステップＳ２１１ｕ：Ｙｅｓ）一定速の走行とみなして一定速の走行回数としてカウントする（ステップＳ２ｕｆ）。 As the gradient change threshold, for example, if it exceeds ± 2%, it is regarded as a gradient change point (step S209). And it is judged whether it corresponds to an uphill grade or a downhill grade (Step S210).
When it is determined in step S210 that the vehicle is going uphill (step S210: uphill), it is determined whether the change in vehicle speed before and after the change in gradient is within ± 5 km / h (step S211u).
When it is determined in step S211u that the change in the vehicle speed is within ± 5 km / h (step S211u: Yes), the vehicle is regarded as traveling at a constant speed and counted as the number of travelings at a constant speed (step S2uf).

一方、ステップＳ２１１ｕで、車速の変化が＋５ｋｍ/ｈ以上である場合には（ステップＳ２１１ｕ：Ｎｏ、＋５ｋｍ以上）、加速の走行とみなして、加速回数としてカウントする（ステップＳ２ｕａ）。
他方、ステップＳ２１１ｕで、車速の変化が−５ｋｍ/ｈ以下である場合には（ステップＳ２１１ｕ：Ｎｏ、−５ｋｍ以下）、減速の走行とみなして、減速回数としてカウントする（ステップＳ２ｕaｓ）。
ステップＳ２ｕｆ、ステップＳ２ｕａ、ステップＳ２ｕａｓは、これらを択一的に実行する。そして、これらを択一的に実行の後、次の勾配変化地点の有無を判断する（ステップＳ２１３ｕ）。 On the other hand, when the change in the vehicle speed is +5 km / h or more in step S211u (step S211u: No, +5 km or more), it is regarded as acceleration travel and counted as the number of accelerations (step S2ua).
On the other hand, when the change in the vehicle speed is -5 km / h or less in step S211u (step S211u: No, -5km or less), it is regarded as a deceleration travel and counted as the number of decelerations (step S2uas).
Step S2uf, step S2ua, and step S2uas are alternatively executed. Then, after alternatively executing these, it is determined whether there is a next gradient change point (step S213u).

ステップＳ２１３uで次の勾配変化地点が有ると判断した場合には（ステップＳ２１３ｕ：Ｙｅｓ）、ステップＳ２１０に戻る。
一方、ステップＳ２１３ｕで次の勾配変化地点が無いと判断した場合には（ステップＳ２１３u：Ｎｏ）、既述のようにカウントした、加速回数、一定回数、および、減速回数のそれぞれについて、カウント回数の総和に対する割合を算出する（ステップＳ２１４ｕ）。 If it is determined in step S213u that there is a next gradient change point (step S213u: Yes), the process returns to step S210.
On the other hand, when it is determined in step S213u that there is no next gradient change point (step S213u: No), the number of counts is counted for each of the acceleration count, the fixed count, and the deceleration count counted as described above. The ratio to the sum is calculated (step S214u).

上述のステップＳ２１０で下り勾配と判断したときには（ステップＳ２１０：下り勾配）、勾配変化前後での車速の変化が±５ｋｍ/ｈ以内であるか否かを判断する（ステップＳ２１１ｄ）。
ステップＳ２１１ｄで、車速の変化が±５ｋｍ/ｈ以内であると判断したときには（ステップＳ２１１ｄ：Ｙｅｓ）一定速の走行とみなして一定速の走行回数としてカウントする（ステップＳ２ｄｆ）。
一方、ステップＳ２１１ｄで、車速の変化が＋５ｋｍ/ｈ以上である場合には（ステップＳ２１１ｄ：Ｎｏ、＋５ｋｍ以上）、加速の走行とみなして、加速回数としてカウントする（ステップＳ２ｄａ）。 When it is determined in step S210 described above that the vehicle has a downward gradient (step S210: downward gradient), it is determined whether or not the change in vehicle speed before and after the gradient change is within ± 5 km / h (step S211d).
When it is determined in step S211d that the change in the vehicle speed is within ± 5 km / h (step S211d: Yes), the vehicle is regarded as traveling at a constant speed and counted as the number of travelings at a constant speed (step S2df).
On the other hand, if the change in the vehicle speed is +5 km / h or more in step S211d (step S211d: No, +5 km or more), it is regarded as acceleration running and counted as the number of accelerations (step S2da).

他方、ステップＳ２１１ｄで、車速の変化が−５ｋｍ/ｈ以下である場合には（ステップＳ２１１ｄ：Ｎｏ、−５ｋｍ以下）、減速の走行とみなして、減速回数としてカウントする（ステップＳ２ｄaｓ）。
ステップＳ２ｄｆ、ステップＳ２ｄａ、ステップＳ２ｄａｓは、これらを択一的に実行する。そして、これらを択一的に実行の後、次の勾配変化地点の有無を判断する（ステップＳ２１３ｄ）。 On the other hand, if the change in the vehicle speed is -5 km / h or less in step S211d (step S211d: No, -5km or less), the vehicle is regarded as decelerating and counted as the number of decelerations (step S2das).
Step S2df, step S2da, and step S2da execute these alternatively. Then, after alternatively executing these, it is determined whether there is a next gradient change point (step S213d).

ステップＳ２１３ｄで次の勾配変化地点が有ると判断した場合には（ステップＳ２１３ｄ：Ｙｅｓ）、ステップＳ２１０に戻る。
一方、ステップＳ２１３ｄで次の勾配変化地点が無いと判断した場合には（ステップＳ２１３ｄ：Ｎｏ）、既述のようにカウントした、加速回数、一定回数、および、減速回数のそれぞれについて、カウント回数の総和に対する割合を算出する（ステップＳ２１４ｄ）。 When it is determined in step S213d that there is a next gradient change point (step S213d: Yes), the process returns to step S210.
On the other hand, if it is determined in step S213d that there is no next gradient change point (step S213d: No), the number of counts is counted for each of the acceleration count, the fixed count, and the deceleration count counted as described above. A ratio to the sum is calculated (step S214d).

（運動エネルギー回生傾向の学習処理）
運動エネルギーの回生が可能な車両では回生量の学習を行う。次に、この運動エネルギーの回生に関する学習における処理の例を図面を参照して説明する。
回生傾向の学習は、図１のナビゲーション装置１００の運転傾向学習装置１０４における回生傾向学習部１０４ｂが主体となり、関連部と連携してこの処理を実行する。
図３は、図１のナビゲーション装置における運動エネルギー回生傾向の学習処理を例示するフローチャートである。 (Kinematic energy regeneration tendency learning process)
For vehicles that can regenerate kinetic energy, the amount of regeneration is learned. Next, an example of processing in learning related to regeneration of kinetic energy will be described with reference to the drawings.
The regeneration tendency learning is performed mainly by the regeneration tendency learning unit 104b in the driving tendency learning device 104 of the navigation device 100 in FIG. 1, and this process is executed in cooperation with the related unit.
FIG. 3 is a flowchart illustrating the learning process of the kinetic energy regeneration tendency in the navigation device of FIG.

走行データ保存装置１０８に蓄積してある一連の走行データより勾配範囲のデータを抽出する（ステップＳ３０１）。次いで、ステップＳ３０１で抽出したデータのうち下り勾配範囲のデータを抽出する（ステップＳ３０２）。
そして、ステップＳ３０２で抽出したデータのうち渋滞時や停止時に該当するデータを当該学習での解析対象範囲から除外する。また、バッテリーのＳＯＣが回生によるエネルギーを蓄積することが出来ない水準域にある時のデータを当該学習での解析対象範囲から除外する（ステップＳ３０３）。 The slope range data is extracted from the series of travel data stored in the travel data storage device 108 (step S301). Next, the data of the downward gradient range is extracted from the data extracted in step S301 (step S302).
In the data extracted in step S302, data corresponding to the time of traffic jam or stop is excluded from the analysis target range in the learning. Further, data when the SOC of the battery is in a level range in which energy due to regeneration cannot be accumulated is excluded from the analysis target range in the learning (step S303).

ステップＳ３０３に次いで、下り勾配の測定範囲で車速を既定値と仮定して回収できる予測回収エネルギー量を算出する。この算出に際しては、車両特性に応じた複数通りの既定の車速ごとの性能を表すデータを予め用意しておき、該用意したデータを参照する。また、上記算出以前に取得していた予測回収エネルギー量があれば上記算出した値に加算する（ステップＳ３０４）。実際にエネルギー回収した量も積算し、既得のエネルギー回収量がある場合にはこれも積算しておく（ステップＳ３０５）。ステップＳ３０４で算出したエネルギー量とステップＳ３０５で算出したエネルギー量とを比較することによって、運転者が大体何割回生ができているのかを算出する（ステップＳ３０６）。 Subsequent to step S303, a predicted recovery energy amount that can be recovered is calculated by assuming that the vehicle speed is a predetermined value in the measurement range of the downward gradient. In this calculation, data representing performance for each predetermined vehicle speed corresponding to vehicle characteristics is prepared in advance, and the prepared data is referred to. Further, if there is a predicted recovery energy amount acquired before the calculation, it is added to the calculated value (step S304). The actual amount of energy recovered is also integrated, and if there is an already acquired energy recovery amount, this is also integrated (step S305). By comparing the energy amount calculated in step S304 with the energy amount calculated in step S305, it is calculated what percentage of regeneration the driver is performing (step S306).

（リンクコスト算出処理）
次に、経路探索時に利用するリンクごとのリンクコスト算出処理の例を図面を参照して説明する。
リンクコスト算出は、図１のナビゲーション装置１００のリンクコスト設定装置１０２が主体となり、関連部と連携してこの処理を実行する。
図４は、図１のナビゲーション装置におけるリンクコスト算出処理を例示するフローチャートである。
先ず、リンクの道路区分と渋滞情報より予測走行速度を設定する（ステップＳ４０１）。 (Link cost calculation process)
Next, an example of link cost calculation processing for each link used during route search will be described with reference to the drawings.
The link cost calculation is performed mainly by the link cost setting device 102 of the navigation device 100 of FIG. 1, and this process is executed in cooperation with the related unit.
FIG. 4 is a flowchart illustrating link cost calculation processing in the navigation device of FIG.
First, the predicted travel speed is set from the road classification of the link and the traffic jam information (step S401).

次いで、当該リンク内に既得の補間点があるか否かを判断する（ステップＳ４０２）。
補間点がある場合には（ステップＳ４０２：Ｙｅｓ）その補間点に関する予測速度・道路勾配・補間点間距離を算出し、或いは、既述のデータを読み出す等して取得する（ステップＳ４０３）。
ステップＳ４０３に次いで、学習しておいた単位エネルギー当りの走行距離のデータの有無を判断する（ステップＳ４０４）。
ステップＳ４０４で、学習しておいた単位エネルギー当りの走行距離のデータが有ると判断したときには（ステップＳ４０４：Ｙｅｓ）この学習値によりエネルギー消費量を算出する（ステップＳ４０５）。 Next, it is determined whether there is an already obtained interpolation point in the link (step S402).
If there is an interpolation point (step S402: Yes), the predicted speed, road gradient, and distance between the interpolation points for the interpolation point are calculated or acquired by reading the data described above (step S403).
Following step S403, the presence / absence of learned data on travel distance per unit energy is determined (step S404).
If it is determined in step S404 that there is travel distance data per unit energy learned (step S404: Yes), the energy consumption is calculated from the learned value (step S405).

一方、ステップＳ４０４で、学習しておいた単位エネルギー当りの走行距離のデータが無いと判断したときには（ステップＳ４０４：Ｎｏ）、既定の標準的な値を用いてエネルギー消費量を算出する（ステップＳ４０６）。
ステップＳ４０５またはステップＳ４０６の処理を実行の後、既得の補間点またはノードのデータとの比較において勾配が変化しているかを判断する（ステップＳ４０７）。
ステップＳ４０７で勾配が変化していると判断したときには（ステップＳ４０７：Ｙｅｓ）、学習した勾配ごとの運転特性値の有無を判断する（ステップＳ４０８）。 On the other hand, when it is determined in step S404 that there is no learned data of the travel distance per unit energy (step S404: No), the energy consumption is calculated using a predetermined standard value (step S406). ).
After executing the processing of step S405 or step S406, it is determined whether the gradient has changed in comparison with the data of the already obtained interpolation points or nodes (step S407).
When it is determined in step S407 that the gradient has changed (step S407: Yes), it is determined whether or not there is an operation characteristic value for each learned gradient (step S408).

ステップＳ４０８で、学習した勾配ごとの運転特性値が既に存在すると判断したときには（ステップＳ４０８：Ｙｅｓ）、運転特性値に合わせてエネルギー消費量に係数を掛けることによってエネルギー消費量を実態に合わせて補正する（ステップＳ４０９）。
ステップＳ４０９における補正も、運転傾向学習装置１０４（その運転学習部１０４ａ）による機能である。
ステップＳ４０９におけるエネルギー消費量に係数を掛ける処理では、例えば、＋勾配での加速に関しては、エネルギ消費量を増加させる。増加の程度の具体例としては、勾配変化後の５０ｍ分又は補間点間の距離のエネルギー消費量×１．２とする。 If it is determined in step S408 that the learned driving characteristic value for each gradient already exists (step S408: Yes), the energy consumption amount is corrected according to the actual condition by multiplying the energy consumption amount by a coefficient according to the driving characteristic value. (Step S409).
The correction in step S409 is also a function by the driving tendency learning device 104 (the driving learning unit 104a).
In the process of multiplying the energy consumption amount by a coefficient in step S409, for example, the energy consumption amount is increased with respect to acceleration at the + gradient. As a specific example of the degree of increase, it is 50 m after the gradient change or the energy consumption amount of the distance between interpolation points × 1.2.

また、＋勾配での減速に関しては、エネルギ消費量を減少させる。減少の程度の具体例としては、勾配変化後の５０ｍ分のエネルギー消費量×０．８とする。
一方、−勾配での加速に関しては、エネルギ消費量を増加させる。増加の程度の具体例としては、勾配変化後の５０ｍ分のエネルギー消費量×１．１とする。
また、―勾配での減速に関しては、一定速と同じで変化がないものとして扱う。 In addition, the energy consumption is reduced with respect to the deceleration at the + gradient. As a specific example of the degree of decrease, the energy consumption for 50 m after the gradient change is set to 0.8.
On the other hand, for acceleration at -gradient, the energy consumption is increased. As a specific example of the degree of increase, the energy consumption for 50 m after the gradient change × 1.1.
Also, regarding the deceleration at -gradient, it is assumed that there is no change as it is at a constant speed.

即ち、運転傾向学習部１０４の運転学習部１０４ａでは、学習により取得している運転傾向に応じてエネルギー消費量に係数を掛けて予測エネルギー消費量を補正する。
ステップＳ４０９に次いで、当該車両が下り勾配で運動エネルギーを回生可能であるか否かを判断する（ステップＳ４１０）。
ステップＳ４０７で、勾配が変化していないと判断したとき、（ステップＳ４０７：Ｎｏ）、および、ステップＳ４０８で、学習した勾配ごとの運転特性値が存在しないと判断したときににも（ステップＳ４０８：Ｎｏ）、上述のステップＳ４１０に移行する。 That is, the driving learning unit 104a of the driving tendency learning unit 104 corrects the predicted energy consumption by multiplying the energy consumption by a coefficient in accordance with the driving tendency acquired by learning.
Following step S409, it is determined whether or not the vehicle can regenerate kinetic energy on a downward slope (step S410).
When it is determined in step S407 that the gradient has not changed (step S407: No), and also when it is determined in step S408 that there is no driving characteristic value for each learned gradient (step S408: No), the process proceeds to step S410 described above.

下り勾配で運動エネルギーを回生可能であると判断したときには（ステップＳ４１０：Ｙｅｓ）、下り勾配部分の距離と予測走行速度より予測回収エネルギー量を算出する（ステップＳ４１１）。
ステップＳ４１１で予測回収エネルギー量を算出した後、運動エネルギーの回生が学習できているか否かを判断する（ステップＳ４１２）。
運動エネルギーの回生が学習できている場合には（ステップＳ４１３：Ｙｅｓ）、予測回収エネルギー量に学習した割合を掛ける（ステップＳ４１３）。 When it is determined that kinetic energy can be regenerated on a downward slope (step S410: Yes), a predicted recovered energy amount is calculated from the distance of the downward slope portion and the predicted traveling speed (step S411).
After calculating the predicted recovered energy amount in step S411, it is determined whether kinetic energy regeneration has been learned (step S412).
When regeneration of kinetic energy has been learned (step S413: Yes), the learned ratio is multiplied by the predicted recovery energy amount (step S413).

即ち、運転傾向学習部１０４の回生傾向学習部１０４ｂでは、学習により取得している運動エネルギーの回生傾向に応じてエネルギー消費量に係数を掛けて予測回収エネルギー量を補正する。
このステップＳ４１３における補正も運転傾向学習部１０４による機能であるが、特にその回生傾向学習部１０４ｂがこのように機能する。
次いで、エネルギー消費量よりも回収エネルギーが多いか否かを判断する（ステップＳ４１４）。 That is, the regeneration tendency learning unit 104b of the driving tendency learning unit 104 corrects the predicted recovered energy amount by multiplying the energy consumption amount by a coefficient according to the regeneration tendency of the kinetic energy acquired by learning.
The correction in step S413 is also a function by the driving tendency learning unit 104. In particular, the regeneration tendency learning unit 104b functions in this way.
Next, it is determined whether there is more recovered energy than energy consumption (step S414).

エネルギー消費量よりも回収エネルギーが多い場合には（ステップＳ４１４：Ｙｅｓ）、直前の処理サイクルで取得したエネルギー保存量の予測値または直前のノードにおけるエネルギー保存量の予測値が回生によるエネルギーを回収することが出来ない程度に高い水準域にあるか否かを判断する（ステップＳ４１５）。
ステップＳ４１５で、エネルギー保存量の予測値が、回生によるエネルギーを回収することが出来ない程度に高い水準域にあると判断したときには（ステップＳ４１５：Ｙｅｓ）、当該補間点間での走行によるエネルギー消費量より予測回収エネルギー量の方が現実には大きいとしても、予測回収エネルギー量はエネルギ消費量までとして扱う（ステップＳ４１６）。 When the recovered energy is greater than the energy consumption (step S414: Yes), the predicted value of the energy storage amount acquired in the immediately preceding processing cycle or the predicted value of the energy storage amount in the immediately preceding node recovers energy by regeneration. It is determined whether or not it is in a high level range that cannot be performed (step S415).
In step S415, when it is determined that the predicted value of the energy storage amount is in a high level range such that energy cannot be recovered by regeneration (step S415: Yes), energy consumption due to travel between the interpolation points Even if the predicted recovered energy amount is actually larger than the amount, the predicted recovered energy amount is handled as up to the energy consumption amount (step S416).

ステップＳ４１６で予測回収エネルギー量はエネルギ消費量までとして扱った場合には、エネルギー消費量から予測回収エネルギー量を差し引いた値を補間点間のエネルギ消費量、即ち、補間点間コストとする（ステップＳ４１７）。
また、ステップＳ４１５で、エネルギー保存量の予測値が回生によるエネルギーを回収することが出来ない水準域未満であると判断した場合にも（ステップＳ４１５：Ｎｏ）、ステップＳ４１７に移行する。 When the predicted recovered energy amount is handled up to the energy consumption amount in step S416, the value obtained by subtracting the predicted recovered energy amount from the energy consumption amount is the energy consumption amount between the interpolation points, that is, the inter-interpolation point cost (step). S417).
In addition, when it is determined in step S415 that the predicted value of the energy storage amount is less than a level range in which energy due to regeneration cannot be recovered (step S415: No), the process proceeds to step S417.

ステップＳ４１７に次いで、予測エネルギー消費量からエネルギー消費量を減算した値に回収エネルギー量を加算する（ステップＳ４１８）。
他に補間点がなくなり（ステップＳ４０２：Ｎｏ）、次のノードまで計算した場合、ステップＳ４１８で算出したリンク内補間コストを積算してリンクコストとする（ステップＳ４１９）。
ステップＳ４１８でのリンクコストの算定対象とするリンクが残っているか否かを判断する（ステップＳ４２０）。
リンクコストの算定対象とするリンクが残っていないと判断したときには（ステップＳ４２０：Ｎｏ）、補間点リンクコストの積算値をリンクコストとして用いる。 Following step S417, the recovered energy amount is added to a value obtained by subtracting the energy consumption amount from the predicted energy consumption amount (step S418).
When there is no other interpolation point (step S402: No) and the calculation is performed up to the next node, the intra-link interpolation cost calculated in step S418 is added to obtain the link cost (step S419).
It is determined whether or not there remains a link for which the link cost is to be calculated in step S418 (step S420).
When it is determined that there is no link to be calculated for the link cost (step S420: No), the interpolated point link cost integrated value is used as the link cost.

ステップＳ４２０で、リンクコストの算定対象とするリンクが残っていると判断したときには（ステップＳ４２０：Ｙｅｓ）、ステップＳ４０１に戻る。
一方、ステップＳ４１０で、当該車両が下り勾配で運動エネルギーを回生できないと判断したときにも（ステップＳ４１０：Ｎｏ）、ステップＳ４０２に移行する。
更に、ステップＳ４１４で、エネルギー消費量よりも回収エネルギーが多い場合にも（ステップＳ４１４：Ｙｅｓ）ステップＳ４０２に移行する。
既述のように、ステップＳ４０２で他に補間点がなくなったと判断したときに（ステップＳ４０２：Ｎｏ）、ステップＳ４１９に移行してリンクコストを得る。 If it is determined in step S420 that there is still a link for which a link cost is to be calculated (step S420: Yes), the process returns to step S401.
On the other hand, when it is determined in step S410 that the vehicle cannot regenerate kinetic energy on a downward slope (step S410: No), the process proceeds to step S402.
Furthermore, when the recovered energy is larger than the energy consumption in step S414 (step S414: Yes), the process proceeds to step S402.
As described above, when it is determined in step S402 that there are no other interpolation points (step S402: No), the process proceeds to step S419 to obtain the link cost.

図４のフローチャートを参照して例示したようなリンクコスト算出処理により、例えば図６に示したようにリンクコストを顕在化することができる。
図６（ａ）はエネルギー保存量が１００％である場合のリンクコストである。また、図６（ｂ）はエネルギー保存量が７０％である場合のリンクコストである。
図６（ａ）と図６（ｂ）とを対比して明瞭であるとおり、リンクコストがマイナスであるところがエネルギー保存量に応じてリンクコストが変化していく。また、経路の選び方により予測エネルギー保存量も回生などに依存して変化する。このため、同じリンクについて、走る向きやそれまでの経路に応じて動的にリンクコストが変化する。 By the link cost calculation process illustrated with reference to the flowchart of FIG. 4, for example, the link cost can be realized as shown in FIG.
FIG. 6A shows the link cost when the energy storage amount is 100%. FIG. 6B shows the link cost when the energy storage amount is 70%.
As is clear by comparing FIG. 6A and FIG. 6B, the link cost changes depending on the energy storage amount where the link cost is negative. In addition, the predicted energy storage amount varies depending on the regeneration and the like depending on how the route is selected. For this reason, the link cost dynamically changes in accordance with the running direction and the route up to that point for the same link.

即ち、図１におけるリンクコスト設定装置１０２は、リンクコストを設定するに際し、現在蓄えているエネルギー保存量に基づいてエネルギー回生の可否を判断し、この判断により経路順にリンクコストを算出して該設定を行う。
上述において、運転傾向学習装置１０４（その運転学習部１０４ａ）が運転傾向学習部対応する。また、リンクコスト設定装置１０２がリンクコスト設定部に対応する。さらに、経路探索装置１０３が経路探索部に対応する。 That is, when setting the link cost, the link cost setting device 102 in FIG. 1 determines whether energy regeneration is possible based on the currently stored energy storage amount, and by this determination, calculates the link cost in order of the route. I do.
In the above description, the driving tendency learning device 104 (the driving learning unit 104a) corresponds to the driving tendency learning unit. The link cost setting device 102 corresponds to a link cost setting unit. Furthermore, the route search device 103 corresponds to a route search unit.

（第１実施形態のナビゲーション装置の効果）
（１−１）第１実施形態としてのナビゲーション装置１００は、運転傾向学習装置１０４が車両の走行履歴を用いて運転傾向を学習する。また、リンクコスト設定装置１０２が運転傾向学習装置１０４で学習した運転傾向と道路の距離情報および勾配情報とに基づく予測エネルギー消費量からリンクコストを動的に設定する。さらに、経路探索装置１０３がリンクコスト設定装置１０２で設定したリンクコストと地図情報に基づいて走行経路を探索をする。 (Effect of the navigation device of the first embodiment)
(1-1) In the navigation device 100 as the first embodiment, the driving tendency learning device 104 learns a driving tendency by using the traveling history of the vehicle. The link cost setting device 102 dynamically sets the link cost from the predicted energy consumption based on the driving tendency learned by the driving tendency learning device 104 and road distance information and gradient information. Further, the route search device 103 searches for a travel route based on the link cost set by the link cost setting device 102 and the map information.

上記（１−１）のナビゲーション装置１００における運転傾向学習装置１０４での学習では、道路勾配の変化とともに、例えば、アクセル操作や加速度の変化に現われる運転傾向を読む。より具体的に例示するなら、上り勾配に入る場合に積極的にアクセルを踏んでいく傾向や、下り勾配でもブレーキをあまり踏まずに位置エネルギーを加速に用いる傾向があるか等を学習する。
従って、上記（１−１）のナビゲーション装置１００では、このような学習によって取得した運転特性特性を勘案して高い精度でエネルギー消費量を設定することができるナビゲーション装置を提供できる。 In the learning by the driving tendency learning device 104 in the navigation device 100 of (1-1) above, for example, a driving tendency that appears in an accelerator operation or a change in acceleration is read together with a change in road gradient. More specifically, it learns the tendency to actively step on the accelerator when entering an ascending slope, or the tendency to use potential energy for acceleration without stepping on the brake even on a descending slope.
Therefore, the navigation apparatus 100 of (1-1) can provide a navigation apparatus that can set the energy consumption with high accuracy in consideration of the driving characteristic acquired by such learning.

（１−２）上記（１−１）のナビゲーション装置１００において特に、運転傾向学習装置１０４の回生傾向学習部１０４ｂが、運転傾向と道路の距離情報および勾配情報とに基づく下り勾配の道路での予測エネルギー回生量を学習する。
また、リンクコスト設定装置１０２は、回生傾向学習部１０４ｂによる予測エネルギー回生量の学習結果を用いてリンクコストを動的に設定する。
従って、上記（１−２）のナビゲーション装置１００では、運動エネルギーの回生が可能な車両において、下り勾配はエネルギーをほぼ使わず走ることができるだけではなく、運動エネルギーを回生して蓄えることができる場合に、蓄えられる量を算出することができる。このため、運動エネルギーの回生が可能な車両におけるエネルギー消費量をより高い精度で設定することができる。 (1-2) Particularly in the navigation device 100 of (1-1) above, the regeneration tendency learning unit 104b of the driving tendency learning device 104 performs a downhill road based on driving tendency and road distance information and gradient information. Learn the predicted energy regeneration.
In addition, the link cost setting device 102 dynamically sets the link cost using the learning result of the predicted energy regeneration amount by the regeneration tendency learning unit 104b.
Therefore, in the navigation device 100 of (1-2) above, in a vehicle capable of regenerating kinetic energy, the downhill can not only run with almost no energy, but also can regenerate and store kinetic energy. The amount stored can be calculated. For this reason, the energy consumption in the vehicle which can reproduce | regenerate kinetic energy can be set with a higher precision.

（１−３）上記（１−２）のナビゲーション装置１００において特に、リンクコスト設定装置７０２は、当該リンクコストを動的に設定するに際し、現在蓄えているエネルギー保存量に基づいてエネルギー回生の可否を判断し、この判断により経路順にリンクコストを算出して該設定を行う。
従って、上記（１−３）のナビゲーション装置１００では、例えば、現在のエネルギー保存量に応じて実態に即した予測回収エネルギーの補正値を勘案してリンクごとにリンクコストを動的に設定できる。このため、それぞれのノードで現在時点でのエネルギー保存量を算出することによって、リンクコストをより高い精度で設定することができる。 (1-3) Particularly in the navigation device 100 of (1-2) above, the link cost setting device 702 determines whether or not energy regeneration is possible based on the currently stored energy storage amount when dynamically setting the link cost. The link cost is calculated in the order of the route according to this determination, and the setting is performed.
Therefore, in the navigation device 100 of (1-3) above, for example, the link cost can be dynamically set for each link in consideration of the correction value of the predicted recovered energy according to the actual state according to the current energy storage amount. For this reason, the link cost can be set with higher accuracy by calculating the energy storage amount at the current time in each node.

（１−４）運転傾向学習装置１０４は、学習した運転傾向に基づいて予測エネルギー消費量と予測回収エネルギーを補正し、リンクコスト設定装置１０２は、当該リンクコストを動的に設定するに際し、前記運転傾向学習装置１０４が補正した予測エネルギー消費量と予測エネルギー回生量に基づいてリンクコストを動的に設定する。
従って、回生の行えるような勾配であっても、運転傾向によって運動エネルギー回生の可否が分かれるが、その下り勾配での運転傾向の学習結果を反映して運動エネルギー回生の可否を適確に判断することができる。従って、実態に即してより高い精度でリンクコストを設定することができる。 (1-4) The driving tendency learning device 104 corrects the predicted energy consumption and the predicted recovered energy based on the learned driving tendency, and the link cost setting device 102 dynamically sets the link cost. The link cost is dynamically set based on the predicted energy consumption corrected by the driving tendency learning device 104 and the predicted energy regeneration amount.
Therefore, even if the gradient is such that regeneration can be performed, the propriety of kinetic energy regeneration depends on the driving tendency, but the learning result of the driving tendency on the descending gradient is reflected to accurately determine the propriety of kinetic energy regeneration. be able to. Therefore, the link cost can be set with higher accuracy according to the actual situation.

（第２実施形態）
次に、図面を参照して、本発明の第２実施形態について説明する。
（第２実施形態の構成）
図７は、本発明の第２実施形態としてのナビゲーション装置を表す機能ブロック図である。
図７のナビゲーション装置７００は、図１のナビゲーション装置１００の構成に加えて、車両内機器動作状態取得装置７１０および外気温センサー７０９を備える。車両内機器動作状態取得装置７１０は、エアコン等の車室内ユニットの動作状態の情報を取得する。また、外気温センサー７０９は、外気温を取得する。
車両内機器動作状態取得装置７１０は、また、外気温センサー７０９からの外気温の情報に基づいて環境温度に依存する車両内機器について、現在の環境温度に応じた状態を検知する。この検知の態様については後述する。 (Second Embodiment)
Next, a second embodiment of the present invention will be described with reference to the drawings.
(Configuration of Second Embodiment)
FIG. 7 is a functional block diagram showing a navigation device as a second embodiment of the present invention.
The navigation device 700 of FIG. 7 includes an in-vehicle device operation state acquisition device 710 and an outside air temperature sensor 709 in addition to the configuration of the navigation device 100 of FIG. The in-vehicle equipment operation state acquisition device 710 acquires information on the operation state of the vehicle interior unit such as an air conditioner. The outside air temperature sensor 709 acquires the outside air temperature.
The in-vehicle equipment operation state acquisition device 710 also detects a state corresponding to the current environmental temperature for the in-vehicle equipment that depends on the environmental temperature based on the information on the outside air temperature from the outside air temperature sensor 709. This detection mode will be described later.

ナビゲーション装置７００における渋滞情報取得装置７０１、リンクコスト設定装置７０２、および、経路探索装置７０３は、ナビゲーション装置１００における渋滞情報取得装置１０１、リンクコスト設定装置１０２、および、経路探索装置１０３に各対応する。
同様に、ナビゲーション装置７００における運転傾向学習装置７０４、地図データベース７０５、および、ＧＰＳ装置７０６、は、ナビゲーション装置１００における運転傾向学習装置１０４、地図データベース１０５、および、ＧＰＳ装置１０６に各対応する。 The traffic jam information acquisition device 701, the link cost setting device 702, and the route search device 703 in the navigation device 700 correspond to the traffic jam information acquisition device 101, the link cost setting device 102, and the route search device 103 in the navigation device 100, respectively. .
Similarly, the driving tendency learning device 704, the map database 705, and the GPS device 706 in the navigation device 700 correspond to the driving tendency learning device 104, the map database 105, and the GPS device 106 in the navigation device 100, respectively.

尚、運転傾向学習装置７０４は、運転学習部７０４ａと回生傾向学習部７０４ｂとを有する。これは、第１の実施形態における運転傾向学習装置１０４が運転学習部１０４ａと回生傾向学習部１０４ｂとを有する構成に対応している。
また、ナビゲーション装置７００における車両情報取得装置７０７、および、走行データ保存装置７０８は、ナビゲーション装置１００における車両情報取得装置１０７、および、走行データ保存装置１０８に各対応する。
ナビゲーション装置７００におけるナビゲーション装置１００と上述のように各対応する装置はナビゲーション装置１００におけるものと略同様に機能するものであるため、それら各個の説明はナビゲーション装置１００の対応する各装置の説明を援用する。 The driving tendency learning device 704 includes a driving learning unit 704a and a regeneration tendency learning unit 704b. This corresponds to the configuration in which the driving tendency learning device 104 in the first embodiment includes the driving learning unit 104a and the regeneration tendency learning unit 104b.
In addition, the vehicle information acquisition device 707 and the travel data storage device 708 in the navigation device 700 correspond to the vehicle information acquisition device 107 and the travel data storage device 108 in the navigation device 100, respectively.
Since the navigation device 100 in the navigation device 700 and each corresponding device as described above function in substantially the same manner as in the navigation device 100, the description of each of them corresponds to the description of each corresponding device in the navigation device 100. To do.

図８は、第２実施形態の特徴を説明するための図である。
図８（ａ）は、環境温度と容量変化係数との対応関係を表す図である。ここに容量変化係数とは、バッテリーの既定の基準容量に対する当該温度で使用可能な容量値の相対値である。図示のように−３０度から１０度ずつの幅で４０度までの８つの温度域の区分に応じて、１．０以下の係数が対応している。図示のように−３０度のような極寒の環境では相対的に係数が低い。 FIG. 8 is a diagram for explaining the features of the second embodiment.
FIG. 8A is a diagram illustrating a correspondence relationship between the environmental temperature and the capacity change coefficient. Here, the capacity change coefficient is a relative value of a capacity value usable at the temperature with respect to a predetermined reference capacity of the battery. As shown in the figure, a coefficient of 1.0 or less corresponds to the division of the eight temperature ranges from −30 degrees to 10 degrees and 40 degrees. As shown in the figure, the coefficient is relatively low in an extremely cold environment such as −30 degrees.

図８（ｂ）は、容量変化係数を用いて利用可能最大エネルギー保存量を算出するための処理を表すフローチャートである。この処理は、車両内機器動作状態取得装置７１０が外気温センサー７０９からの外気温の情報に基づいて環境温度に依存する車両内機器について現在の環境温度に応じた状態を検知する場合の該検知の一例である。
図８（ｂ）の処理では、先ず、最大エネルギー保存量を取得する（ステップＳ８０１）。 FIG. 8B is a flowchart showing a process for calculating the maximum available energy storage amount using the capacity change coefficient. This processing is performed when the in-vehicle device operation state acquisition device 710 detects a state according to the current environmental temperature for the in-vehicle device that depends on the environmental temperature based on the information on the outside air temperature from the outside air temperature sensor 709. It is an example.
In the process of FIG. 8B, first, the maximum energy storage amount is acquired (step S801).

次いで、図８（ａ）の容量変化係数を用いて、環境温度に応じて利用可能な最大エネルギ保存量を算出する（ステップＳ８０２）。
電池系のエネルギー源の場合、非常に寒い環境下では、エネルギーを引き出し難くなる現象が生じるため、上述のように、車両内機器動作状態取得装置７１０が環境温度に応じて利用可能な最大エネルギー保存量の補正値を算出してこの現象に対応する。
また、車両内機器動作状態取得装置７１０は、環境温度（外気温）と、エアコン等の車室内ユニットの動作による負荷の推移を監視し、恒常的なエネルギー消費量を設定する。 Next, using the capacity change coefficient of FIG. 8A, the maximum energy storage amount that can be used according to the environmental temperature is calculated (step S802).
In the case of a battery-type energy source, a phenomenon that makes it difficult to extract energy occurs in a very cold environment. Therefore, as described above, the maximum energy storage that can be used by the in-vehicle device operation state acquisition device 710 according to the environmental temperature. The amount correction value is calculated to deal with this phenomenon.
The in-vehicle device operation state acquisition device 710 monitors the environmental temperature (outside temperature) and the transition of the load due to the operation of the vehicle interior unit such as an air conditioner, and sets a constant energy consumption.

上述のように、第２実施形態では、車両内機器動作状態取得装置７１０が環境温度を勘案した最大エネルギー保存量の補正値を算出し、リンクコスト設定装置７０２が、該算出結果を取得し、該取得した値を用いてリンクコストの計算を実行する。車両内機器動作状態取得装置７１０は、更に、車両内機器の動作状態の動作による負荷の推移に係る情報をリンクコスト設定装置７０２に供給する。該供給を受けたリンクコスト設定装置７０２が、車両内機器の動作状態による実際の負荷状況を反映させてリンクコストの計算を実行する。従って、リンクコスト設定装置７０２は、より実態に即したリンクコストの計算ができる。 As described above, in the second embodiment, the in-vehicle equipment operation state acquisition device 710 calculates a correction value of the maximum energy storage amount considering the environmental temperature, and the link cost setting device 702 acquires the calculation result, The link cost is calculated using the acquired value. The in-vehicle device operation state acquisition device 710 further supplies the link cost setting device 702 with information related to the transition of the load due to the operation state of the in-vehicle device. The link cost setting device 702 that has received the supply executes the calculation of the link cost by reflecting the actual load status according to the operation state of the in-vehicle device. Therefore, the link cost setting device 702 can calculate a link cost that is more realistic.

特に、ＥＶなどのエネルギー保存量が少ない車種では、上述のように実態に即したリンクコストを、到達可能範囲の推定に反映させることができる。尚、車両重量が推定できない場合には、車両重量＋乗員１名の場合と車両総重量の場合の２種類でリンク計算を行い、到達可能範囲の幅が認識できるように計算する。
上述における到達可能範囲の推定は、例えば、経路探索装置７０３（１０３）に設けた到達可能範囲演算部によって行うことができる。
上述において、運転傾向学習装置７０４（その運転学習部７０４ａ）が運転傾向学習部に対応する。また、リンクコスト設定装置７０２がリンクコスト設定部に対応する。さらに、経路探索装置７０３が経路探索部に対応する。 In particular, in a vehicle type with a small energy storage amount such as EV, the link cost in accordance with the actual situation can be reflected in the estimation of the reachable range as described above. When the vehicle weight cannot be estimated, link calculation is performed with two types of vehicle weight + one occupant and total vehicle weight so that the width of the reachable range can be recognized.
The reachable range estimation described above can be performed, for example, by a reachable range calculation unit provided in the route search device 703 (103).
In the above description, the driving tendency learning device 704 (the driving learning unit 704a) corresponds to the driving tendency learning unit. The link cost setting device 702 corresponds to a link cost setting unit. Furthermore, the route search device 703 corresponds to a route search unit.

（第２実施形態のナビゲーション装置の効果）
第２実施形態としてのナビゲーション装置７００は、第１実施形態のナビゲーション装置１００と同様の効果を奏するに加えて、次のような効果を奏する。
（２−１）第２実施形態としてのナビゲーション装置７００は、運転傾向学習装置７０４が車両の走行履歴を用いて運転傾向を学習する。また、リンクコスト設定装置７０２が運転傾向学習装置７０４で学習した運転傾向と道路の距離情報および勾配情報とに基づく予測エネルギー消費量からリンクコストを動的に設定する。さらに、経路探索装置７０３がリンクコスト設定装置７０２で設定したリンクコストと地図情報に基づいて走行経路を探索をする。 (Effect of the navigation device of the second embodiment)
The navigation device 700 as the second embodiment has the following effects in addition to the same effects as the navigation device 100 of the first embodiment.
(2-1) In the navigation device 700 as the second embodiment, the driving tendency learning device 704 learns the driving tendency using the traveling history of the vehicle. The link cost setting device 702 dynamically sets the link cost from the predicted energy consumption based on the driving tendency learned by the driving tendency learning device 704 and road distance information and gradient information. Further, the route search device 703 searches for a travel route based on the link cost set by the link cost setting device 702 and the map information.

また、運転傾向学習装置７０４の回生傾向学習部７０４ｂが、運転傾向と道路の距離情報および勾配情報とに基づく下り勾配の道路での予測エネルギー回生量を学習する。
また、リンクコスト設定装置７０２は、回生傾向学習部７０４ｂによる予測エネルギー回生量の学習結果を用いてリンクコストを動的に設定する。
また、リンクコスト設定装置７０２は、当該リンクコストを動的に設定するに際し、現在蓄えているエネルギー保存量に基づいてエネルギー回生の可否を判断し、この判断により経路順にリンクコストを算出して該設定を行う。 In addition, the regeneration tendency learning unit 704b of the driving tendency learning device 704 learns a predicted energy regeneration amount on a downhill road based on the driving tendency and road distance information and gradient information.
The link cost setting device 702 dynamically sets the link cost using the learning result of the predicted energy regeneration amount by the regeneration tendency learning unit 704b.
Further, when dynamically setting the link cost, the link cost setting device 702 determines whether or not energy regeneration can be performed based on the currently stored energy storage amount. Set up.

更に、運転傾向学習装置７０４は、学習した運転傾向に基づいて予測エネルギー消費量と予測回収エネルギーを補正する。
また、リンクコスト設定装置７０２は、当該リンクコストを動的に設定するに際し、運転傾向学習装置７０４が補正した予測エネルギー消費量と予測エネルギー回生量に基づいてリンクコストを動的に設定する。
そして、特に、リンクコスト設定装置７０２は、環境温度に依存したエネルギー消費に関係する情報に基づいて到達可能範囲の推定を行う
従って、上記（２−１）のナビゲーション装置７００では、実態に即したリンクコストを到達可能範囲の推定に反映させることができる。従って、より高い精度で到達可能範囲を推定することができる。 Furthermore, the driving tendency learning device 704 corrects the predicted energy consumption and the predicted recovered energy based on the learned driving tendency.
The link cost setting device 702 dynamically sets the link cost based on the predicted energy consumption and the predicted energy regeneration amount corrected by the driving tendency learning device 704 when dynamically setting the link cost.
In particular, the link cost setting device 702 estimates the reachable range based on the information related to the energy consumption depending on the environmental temperature. Therefore, the navigation device 700 of the above (2-1) matches the actual situation. The link cost can be reflected in the estimation of the reachable range. Therefore, the reachable range can be estimated with higher accuracy.

１００、７００………………ナビゲーション装置
１０１、７０１………………渋滞情報取得装置
１０２、７０２………………リンクコスト設定装置
１０３、７０３………………経路探索装置
１０４、７０４………………運転傾向学習装置
１０４ａ、７０４ａ…………運転学習部
１０４ｂ、７０４ｂ…………回生傾向学習部
１０５、７０５………………地図データベース
１０６、７０６………………ＧＰＳ装置
１０７、７０７………………車両情報取得装置
１０８、７０８………………走行データ保存装置
７０９…………………………外気温センサー
７１０…………………………車両内機器動作状態取得装置 100, 700 ... Navigation devices 101, 701 ... Congestion information acquisition devices 102, 702 ... Link cost setting devices 103, 703 ... Route search device 104 , 704 ……………… Driving tendency learning devices 104 a, 704 a ...... Driving learning unit 104 b, 704 b ............ Regenerative tendency learning unit 105, 705 ............ Map database 106, 706 ...... ………… GPS device 107, 707 ……………… Vehicle information acquisition device 108,708 …………… Running data storage device 709 ………………………… Outside air temperature sensor 710 ………… ……………… In-vehicle equipment operating state acquisition device

Claims

車両の走行履歴を用いて運転傾向を学習する運転傾向学習部と、
前記運転傾向学習部で学習した運転傾向と道路の距離情報および勾配情報とに基づく車両の予測エネルギー消費量からリンクコストを動的に設定するリンクコスト設定部と、
前記リンクコスト設定部で設定したリンクコストと地図情報に基づいて走行経路を探索をする経路探索部と、
を備えていることを特徴とするナビゲーション装置。 A driving tendency learning unit that learns driving tendency by using the driving history of the vehicle;
A link cost setting unit that dynamically sets the link cost from the predicted energy consumption of the vehicle based on the driving tendency and road distance information and gradient information learned by the driving tendency learning unit;
A route search unit that searches for a travel route based on the link cost and map information set by the link cost setting unit;
A navigation device comprising:

回生制動が可能な車両に搭載したナビゲーション装置であって、
前記運転傾向学習部で学習した運転傾向と道路の距離情報および勾配情報とに基づく下り勾配の道路での予測エネルギー回生量を学習する回生傾向学習部を更に有し、
前記リンクコスト設定部は、前記回生傾向学習部による予測エネルギー回生量と前記予測エネルギー消費量とを用いてリンクコストを動的に設定することを特徴とする請求項１に記載のナビゲーション装置。 A navigation device mounted on a vehicle capable of regenerative braking,
A regenerative tendency learning unit that learns a predicted energy regeneration amount on a downhill road based on the driving tendency and road distance information and gradient information learned by the driving tendency learning unit;
The navigation apparatus according to claim 1, wherein the link cost setting unit dynamically sets a link cost using a predicted energy regeneration amount and the predicted energy consumption amount by the regeneration tendency learning unit.

前記リンクコスト設定部は、当該リンクコストを動的に設定するに際し、現在蓄えているエネルギー保存量に基づいて回生実施の可否を判断し、この判断により経路順にリンクコストを設定して該設定を行うことを特徴とする請求項２に記載のナビゲーション装置。 When dynamically setting the link cost, the link cost setting unit determines whether or not regeneration can be performed based on the energy storage amount currently stored, and sets the link cost in order of the route by this determination. The navigation device according to claim 2, wherein the navigation device is performed.

前記運転傾向学習部は、学習した運転傾向に基づいて予測エネルギー消費量の補正値を取得し、
前記回生傾向学習部は、学習したエネルギー回収割合に基づいて予測エネルギー回生量の補正値を取得し、
前記リンクコスト設定部は、当該リンクコストを動的に設定するに際し、前記予測エネルギー消費量の補正値と前記予測エネルギー回生量の補正値に基づいてリンクコストを動的に設定することを特徴とする請求項２または３に記載のナビゲーション装置。 The driving tendency learning unit acquires a correction value of the predicted energy consumption based on the learned driving tendency,
The regeneration tendency learning unit acquires a correction value of the predicted energy regeneration amount based on the learned energy recovery rate,
The link cost setting unit dynamically sets the link cost based on the correction value of the predicted energy consumption amount and the correction value of the predicted energy regeneration amount when dynamically setting the link cost. The navigation device according to claim 2 or 3.

前記経路探索装置は、前記リンクコスト設定部で得た環境温度に依存したエネルギー消費に関係する情報に基づいて車両の到達可能範囲の設定を行うことを特徴とする請求項１ないし４の何れか一項に記載のナビゲーション装置。 5. The route search apparatus according to claim 1, wherein the reachable range of the vehicle is set based on information related to energy consumption depending on an environmental temperature obtained by the link cost setting unit. The navigation device according to one item.