JP2020170244A - 情報処理システム、情報処理装置、方法及びプログラム - Google Patents
情報処理システム、情報処理装置、方法及びプログラム Download PDFInfo
- Publication number
- JP2020170244A JP2020170244A JP2019069954A JP2019069954A JP2020170244A JP 2020170244 A JP2020170244 A JP 2020170244A JP 2019069954 A JP2019069954 A JP 2019069954A JP 2019069954 A JP2019069954 A JP 2019069954A JP 2020170244 A JP2020170244 A JP 2020170244A
- Authority
- JP
- Japan
- Prior art keywords
- information
- energy supply
- information processing
- charging
- virtual
- 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
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 118
- 238000000034 method Methods 0.000 title claims abstract description 90
- 238000004891 communication Methods 0.000 claims abstract description 38
- 230000008569 process Effects 0.000 claims description 50
- 238000012545 processing Methods 0.000 abstract description 18
- 238000007726 management method Methods 0.000 description 108
- 238000010586 diagram Methods 0.000 description 62
- 238000011156 evaluation Methods 0.000 description 27
- 238000003066 decision tree Methods 0.000 description 20
- 238000012549 training Methods 0.000 description 20
- 230000005611 electricity Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 230000006866 deterioration Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000012790 confirmation Methods 0.000 description 5
- 230000001186 cumulative effect Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 208000033748 Device issues Diseases 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004138 cluster model Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/16—Information or communication technologies improving the operation of electric vehicles
- Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
- Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
- Y04S30/12—Remote or cooperative charging
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
Description
同様に、外部EVであっても、簡易な手続きで効率的なSA/PAにおける充電設備の利用が行えることが望まれる。
以下の説明においては、移動体としてEVを例に説明するが、EV以外の移動体でも同様に適用が可能である。他の移動体としては、例えば、電車、ハイブリッド車、燃料電池車、飛行機、ドローン、電動バイク、ディーゼル機関を持つ車、船などが移動体として挙げられる。
EVの地点としては、エネルギー供給地点に限られずに、地図上の任意の地点で構わず、例えば自宅でもよいし、飲食店でもよいし、販売店でもよいし、EVのユーザが任意に指定した地点でもよいが、本実施形態のEVの地点としては、EVが充電を行う地点であるエネルギー供給地点を扱うものとする。
通信部11は、通信ネットワークを介して、種々の情報装置や種々のサーバ等と通信を行う。
情報処理システム100は、大別すると、情報処理装置101、情報装置201A〜201N、211A〜211N及び通信ネットワーク220を備えている。
図2は、実施形態に係る情報処理装置のブロック図である。
情報処理装置101は、図2に示すように、通信部11、ユーザID登録部12、EVナビ利用登録部13、ユーザデータベース(DB)14、地図情報管理部15、道路管制情報管理部16、充電器情報管理部17、気象情報管理部18、車両情報管理部19、システムデータベース(DB)20、制御部21を備える。
その他、情報処理装置は、オペレータが本装置に指示またはデータを入力する入力装置、データをオペレータに表示する表示装置を備えていてもよい。
また、表示装置の例としては、例えば、LCD(液晶ディスプレイ)、CRT(ブラウン管)、及びPDP(プラズマディスプレイ)等がある。
また、情報処理装置101は、一例として、施設管理会社または交通管制局などに設置される。ただし、本情報処理装置101は、EVのカーナビゲーションシステム(以下、カーナビ)に組み込まれるようすることや、路側に設置されることも可能である。路側に配置される場合、オペレータは本情報処理装置をリモート操作する構成を採ることも可能である。
この場合において、地図情報は、地図要素の位置(緯度、経度)やサイズ、範囲等の情報を表した情報である。例えば地図上の各位置に関連づけられた標高情報、各経路(高速道路の各経路、一般道等の各経路)の距離情報、勾配、カーブの角度、路線、方向、KP(キロポスト)、JCT(ジャンクション)の形状、トンネル、明かり部(トンネル以外の場所)、路面の状況(舗装状況等)を含む。
また、地図情報は、上記の地図要素として、供給地点やSA/PA地点、ICやJCT地点の情報を含む。
本実施形態の情報処理システム100は、EV向け情報提供ナビシステムとして機能している。このため、図3中、情報処理システムをEV充電ナビと表記している。
ステップS15の判断において、充電の順番待ちがある場合には(ステップS15;Yes)、情報処理装置101は、より待ち順番の少ない場所(到達可能、かつ、充電設備の利用が可能なSA/PA)を推奨して提示するとともに、順番を取得して(ステップS16)、順番管理用データベースを更新する(ステップS18)。
図4は、現地の情報装置の初期表示画面の一例に説明図である。
ここでは、現地の情報装置201Nには、操作部及び表示部として機能するタッチパネルディスプレイが設けられているものとして説明する。
これにより現地の情報装置201Nの表示画面は、充電順番管理システムのメニュー画面G11から充電順番状況確認画面G12に表示が遷移する。
充電順番状況確認画面G12には、当該時点における順番待ち組数(図5の例の場合、2台)及び確認時刻及び複数組(図5の例の場合、8組の順番待ち情報が表示され、メニュー画面G11に表示を戻すための戻るボタンB21が表示されている。
この場合において、ユーザは、当該充電装置において、充電の順番待ちがあるか否かを判断する(ステップS33)。
これにより現地の情報装置201Nの表示画面は、充電順番管理システムのメニュー画面G11から充電受付画面G13に表示が遷移する。
充電受付画面G13には、当該充電装置における受付順番(図13の例の場合「3番」=エネルギー供給順番待ち情報)を表示し、受付を完了するための暗証番号(図13の例の場合、4桁の任意の番号)の入力を促すメッセージが表示されている。
この状態で、ユーザが表示画面をタッチすると、充電受付画面G13から暗証番号入力画面G14に表示が遷移し、暗証番号を入力するための数字入力パネルP31と、入力した暗証番号の表示領域D31と、暗証番号を確定するための受付ボタンB31と、が表示される。
これにより現地の情報装置201Nの表示画面は、充電順番管理システムのメニュー画面G11から充電の受付変更・取消画面G15に表示が遷移し、暗証番号を入力するための数字入力パネルP41と、入力した暗証番号の表示領域D41と、暗証番号を確定するための受付ボタンB41と、が表示される。
充電開始画面G16においては、受付番号(図15の例の場合「125」)、暗証番号を入力するための数字入力パネルP41と、入力した暗証番号の表示領域D41と、充電の開始を指示するための充電開始指示ボタンB41と、が表示される。
そして、当該ユーザは、充電が完了した場合には、再走行を行うこととなる(ステップS21)。
そして、ユーザが充電用のコネクタを接続させ(有線の場合)、あるいは、受電ユニットを送電ユニットに対向させ(無線の場合)、上述したのと同様の操作を行って、上述した充電開始画面G16を表示する。
供給地点間の経路情報としては、図3に示すように、一の供給地点に対し隣接する供給地点を特定する情報、当該隣接する供給地点までの距離情報、当該隣接する供給地点までの勾配差情報、当該隣接する供給地点までの標高差情報、当該隣接する供給地点までの所要時間(所要走行時間)情報、当該隣接する供給地点までに必要とされる所要エネルギー情報、当該隣接する供給地点までの電費情報等が一例として挙げられる。
図11は、供給地点間の経路情報の一例を、ネットワーク構造で表した場合の説明図である。
この場合において、供給地点Q1〜Qnに相当するノードの間が、破線で示すような経路に相当するリンクにより結合されている。
従って、例えば、供給地点Q1は、供給地点Q3と、Q2にそれぞれ隣設していることが分かる。また、供給地点Q1から供給地点Q3への経路は1つであり、供給地点Q1から供給地点Q2への経路も1つであることが分かる。
トラフィックカウンタ管理情報(以下、TC管理情報という)は、供給地点データ、隣設供給地点データ及び供給地点間に存在するトラフィックカウンタの情報を表すトラフィックカウンタデータである。
また、予測情報の例として、渋滞予測、事故発生予測、ゲリラ豪雨予測、土砂災害予測などもある。トラフィックカウンタの設置位置は上記の地図情報(図5参照)において予め分かっている。
トラフィックカウンタ情報は、例えば速度情報[km/h]、占有率(オキュパンシー)情報[%]、交通量情報[台/h]、車両密度情報[台/km]などの情報が取得時間順で格納されている。
上記構成において、速度情報は、例えば一定時間毎の、平均速度、最高速度、最低速度などとして表されている。
充電器情報は、例えば、図14に示すように、充電器で充電を行ったユーザ(EVナビのユーザ)のユーザID(EV_ID)、供給地点ID、開始充電量、終了充電量、充電開始時刻、充電終了時刻を含む。その他、充電効率、充電回数などの情報が保持されてもよい。
終了充電量は、充電器での充電終了時刻でEVのバッテリーに蓄積されている電力量である。終了充電量と開始充電量との差分がEVで充電された電力量である。
気象情報は、例えば予め定めた各地域および各日時の
気温、降雨有無、降水量、風速、風向、総日射量、降雪量、路面温度、光度、視程(霧)、放射線、ゲリラ豪雨などの情報を含む。気象情報は、過去および現在までの気象情報のほか、将来の予測の気象情報が取得可能な場合は、予測の気象情報を含んでもよい。気象情報管理部18は、サーバ211から一定時間ごとまたはリアルタイムに気象情報を取得してもよい。
車種IDは、車種ごとに異なる値を有する。
車両情報を管理するサーバ211は、EVメーカーのサーバでもよいし、複数のEVメーカーの車種情報をまとめて管理するサーバでもよい。車両情報管理部19は、サーバ211から一定時間ごとに車種情報を取得してもよい。あるいは、車種情報をサーバ211ではなく、情報装置201から取得してもよい。
ある同一のEVについての充電器情報から、ある区間の移動の消費電力量を計算する例を示す。ある供給地点(1番目のエントリの供給地点)での充電終了時刻に最も近い充電開始時刻を有する別の供給地点(2番目のエントリの供給地点)を、次の供給地点として特定している。
図18の例では、情報装置(スマートフォン)から取得した情報を用いる。この情報は、ユーザを識別するID(EV_ID)と、GPS情報地点と、充電量とを表している。
この場合、ある地点での充電量を、次の地点での充電量から減算することで、消費電力量を計算している。GPS情報地点は、GPSにより取得した座標でもよいし、地図情報において当該座標に対応づけられた場所・施設等の名称でもよい。
ここで、学習データは、一例として、消費履歴情報(充電器情報)、気象情報、地理情報、車両情報、道路管制情報、情報装置(スマートフォン、カーナビなど)から取得した情報の全部または一部を用いて生成する。これらの情報は、地理情報管理部15、道路管制情報管理部16、充電器情報管理部17、気象情報管理部18、車両情報管理部19、情報装置201から取得する。
ここで学習用に生成する走行データと、走行状態管理部51で管理する走行データは同じでも異なってもよい。
学習データとしては、図19に示すように、例えば、履歴ID、消費電力量、距離、速度、走行時間、電池容量、エアコン運転有無、気温、車種のデータを含んでいる。
履歴IDは、学習用データを識別するための識別子である。
距離は、走行した走行区間の距離である。
速度は走行の平均速度である。
走行時間は走行区間の走行に要した時間である。
エアコン運転有無は、EVが走行中にエアコンをオンしていたか否かである。
気温は、走行時の気温を示す。
車種は、ユーザが登録したEVの種類を示す。
上述の例の場合、速度(平均速度)、距離、走行時間、消費電力量、エアコン運転有無等はEVの動作状況を表し、電池残量、電池の劣化度合い等はEVの特性を表し、気温や勾配等は、EVの走行環境を表す。
分類ルールは、例えば、走行距離、走行時間、走行速度、電池残量、勾配情報、気温、車種などの少なくとも1つに基づく基準を有する。
また、分類ルールは、オペレータの操作によって更新されてもよい。また、分類ルールは、後述する処理により作成または更新されてもよい。分類ルールの構造は、決定木、クラスタモデルなど適宜選択することが可能である。
図20に示すこの分類ルールは、決定木の例である。
特徴量が割り当てられたノード(非末端ノード)301、302と、グループA、グループB、グループCが割り当てられた末端ノード303、304、305とを含む。ノード301、302には特徴量の条件(分岐条件)が設定されており、満たす分岐条件によって、下位のノードに分岐される。学習データは、このような構造によって最終的に末端ノード303〜305に対応するグループA、グループB、グループCのいずれかに分類される。
従って、決定木は、特徴量の複数の条件と、複数の予測モデルとを対応づけた分類ルールである。
また、モデル管理部31は、生成した予測モデルをモデルデータベース32に格納する。モデルデータベース32は、グループ毎の予測モデルを格納する。
回帰モデル及びスペックモデルは、特徴量として連続値を扱う連続値モデルの一例である。
離散値モデルは、特徴量として離散値を扱う離散値モデルの一例である。
一例として、サブモデル^y1は回帰モデル、サブモデル^y2はスペックモデル、サブモデル^y3は離散値モデルである。
入力変数の一例としては、距離、所要時間、外気温などがある。これらは、学習データに含まれる項目である。
例えば、x1は距離、x2は所要時間、x3は外気温である。入力変数は、学習データに含まれる複数の項目から計算される別の値でもよい。例えば距離を所要時間で除算することにより得られる速度を、入力変数としてもよい。
特徴量xが距離(km)/電費(km/kWh)でもよい。この場合、電費は例えばカタログスペックの値でもよいし、推定すべき係数でもよい。
係数wが電費比(車種Aの電費/車種Bの電費)、特徴量xが車種Bの消費電力量(回帰モデルで求めた値)でもよい。電費比は推定すべき係数でもよい。この場合、モデルが車種Aと車種Bとが属するグループに対応するモデルであることが考えられる。
バッテリーの劣化度合いは、例えば、EVのバッテリーのSoH/平均SoHでもよいし、EVの累積走行距離/平均累積走行距離でもよい。SoH(State of Health)は、バッテリーの劣化度合いを表す指標である。
EVと荷物の総重量/車の総重量(または平均総重量)は、カタログ値に基づき決定してもよいし、学習により推定する係数でもよい。EVと荷物の総重量は、例えば、EVに許可された最大の人数と荷物を載せたときの重量である。
特徴量xがエアコン使用時間(h)であり、係数wは推定すべき係数であり、単位は、kWh/hである。
特徴量xが温度差(Δ℃)であり、係数wは推定すべき係数であり、単位はkWh/Δ℃でもよい。
特徴量xがワイパー使用時間(h)であり、係数wは推定すべき係数であり、単位はkWh/hである。
特徴量が複数の値を持つ離散値の場合(例えば、特徴量を季節とした春、夏、秋、冬等)、一般的に公知であるダミー変数化を行うことで、2値の離散値と同じように扱うことができる。
予測モデル^yはグループごとに生成する。生成した予測モデル^yは、モデルデータベース32に格納する。
例えばグループAの予測モデルに含まれる離散化モデルは、エアコンの消費電力量であり、グループBの予測モデルに含まれる離散化モデルは、スマートフォン充電量でもよい。
なお少数しか学習データのないグループについては、回帰モデルについても転移学習を利用してもよい。
各グループについて図21に示すフローチャートにしたがって動作を行う。
対象となるグループについて予測モデルの構築方法の候補を1つまたは複数決定する(ステップS101)。
構築方法の例として、回帰モデルとスペックモデルと離散値モデルの合計を表すモデル、回帰モデルとスペックモデルの合計を表すモデル、ニューラルネットワークとスペックモデルと離散値モデルの合計を表すモデル等がある。個々のサブモデルの型をさらに変更することで、より多くの構築方法が考えられる。
各構築方法で構築した予測モデルを仮モデルとしてモデルデータベース32に登録する(ステップS103)。
一例として、仮モデルの出力値と実際の値との誤差(予測誤差)の総和により評価値(モデル評価値)を計算する。最も評価の高い(モデル評価値が最も小さい)仮モデルを予測モデルとして選択する(ステップS105)。なお、選択されなかった仮モデルはモデルデータベース32から消去してもよい。
例えば、以下の式(5)で評価してもよい。ここでは回帰式の例を示しているが、回帰モデルとスペックモデルの合計を用いる場合、下記式に、スペックモデルの実際の値と、推定値との差分を、学習データのサンプル数に応じて正規化した値を加算すればよい。
つまり、親グループを2つのグループ(左グループ、右グループ)に分割することで、分類ルールを成長させていく(決定木の深さを深くしていく)。親ノードにどの特徴量を割り当て、分岐の条件となる特徴量の値を決める際に、SDR(Standard Deviation Reduction:標準誤差減少量)を用いる。
まず分割数を決定する(ステップS201)。ここでは分割数を2とする。分割数は所定値でもよいし、分割対象となるノードに属する学習データの数や学習データに含まれる項目数に応じて決まる値でもよい。
SDRは、一例として以下の式(6)で表される。この例では特徴量として消費電力量を用いている。また、親ノードと子ノードに対して先に予測モデルを構築し、その予測値と実測値の誤差をSDRの特徴量としても構わない。
そして、最もSDRが大きい特徴量と、特徴量の条件との組を選択する。このようにして親ノードに2つの子ノードを仮生成する。なお、3つ以上に分割する場合も同様にして、SDRを計算できる。なお、3つの分割の場合、条件の候補となる特徴量の値は例えば2つ存在する。
そして、ステップS204の判断において、分割条件を満たす場合は(ステップS204;Yes)、親ノードの分割を確定し、仮生成した2つの子ノードを採択する(ステップS205)。
なお、再びステップS202の処理を行うに際して、各子ノードに割り当てる候補となる特徴量を決める際は、上位ノード(親ノードを含む)に既に割り当てられた特徴量を除外してもよい。
消費電力量および電池容量等の特徴量(入力変数)ごとに、使用する係数の値が示されている。値が0の特徴量は、使用されないことを意味する。また、分類ルールは、一般的な木構造を実装する形式(図20参照)でモデルデータベース32に保持してもよいし、プログラムの形で保持してもよい。また、モデル管理部31は、モデルデータベース32に各予測モデルのプログラムコード(予測モデルを構成する関数のプログラムコード)を保持してもよい。
ただし、サブモデルで使用する項目が、他のサブモデルの出力値である場合もある。予測対象の走行区間は、例えば、次の充電候補となる供給地点までの区間である。
走行データは、各管理部15〜19やEVナビ利用登録部13で取得されるデータに基づき生成される。
走行管理データベース52は、例えば、各EVについて、1回目充電地点と、2回目充電地点と、各種変数とを管理する。3回以上充電を行った場合は、1回目充電地点の列に2回目の充電地点の値が、2回目の充電地点の列に3回目の充電池点の値が入る。4回以上の充電を行った場合も同様の方法で値が更新されつつ、入れられる。
したがって、実際に情報処理システム100のサービスを利用していない外部EVが充電装置において、充電を行ったとしても、情報処理システム100のサービスを利用しているEVの走行計画への影響を低減する走行計画を作成することができるのである。
本動作は、例えば、一定時間行ってもよい。
仮想EV管理部61は、仮想EVを生成するか否かを判断し、仮想EVを生成する場合には、生成する仮想EVの台数を決定する(ステップS301)。
仮想EV管理部61は、仮想EVの生成条件が成立した場合は、仮想EVを生成すると判断し、それ以外の場合は、作成しないと判断する。
あるいはランダムに決定した時刻で仮想EVを生成することを決定してもよい。
この場合において、利用率は一定時間単位(例えば1時間単位)で計算してもよい。当該利用率が大きいほど、高速道路または供給地点が混雑しているといえる。一例として、利用率または平均が閾値以上になった場合に、仮想EVを作成することを決定する。利用率またはその平均が大きいほど、作成する仮想EVの台数を大きくしてもよい。
例えば、推奨成功率が閾値未満になった場合に、仮想EVを生成することを決定する。推奨成功率が小さいほど、作成する仮想EVの台数を大きくしてもよい。推奨成功率は時間帯ごとに計算してもよい。ここで推奨が成功するとは、ユーザに推奨した供給地点で実際にユーザが充電したことである。充電の時間を指定した場合は、当該指定した時間、若しくはそれにマージンを含めた時間で充電を行ったことを成功の要件としてもよい。
ステップS301の判断において、仮想EVを生成することを決定した場合は(ステップS301;Yes)、作成する台数分の仮想EVのID(仮想EV_ID)を発行する(ステップS302)。
これにより、仮想EVが生成される。仮想EV_IDは、ユーザ登録済みのEVのID及び他の仮想EVと重複しない限り何でもよい。
ここで、出発時刻は、例えば、出発ICに到着する時刻(すなわち出発ICから高速道路に入る時刻)である。ここで挙げた項目は一例であり、車種、走行速度(平均走行速度)、エアコンの使用状況(オン/オフ、暖房/冷房、設定温度、風量等)、累積走行距離、タイヤタイプ、総重量、仮想EVが目的地まで走行するのに使用する経路、充電箇所、充電開始時刻、充電量、充電終了時刻、休憩箇所、休憩開始時間、休憩時間など、様々な項目が考えられる。
図26においては、基本的な項目のみ示すが、その他、様々な項目を走行計画に含めることが可能である。
この仮想EV_データベース62には、仮想EVが生成されるごとに、作成された仮想EVの走行計画が格納される。
走行計画を作成された仮想EVはその後、その走行計画で目的地まで上記の走行速度で移動するものとして扱われる。
仮想EVの出発時刻が過去の時刻の場合は、出発時刻から現在時刻まで移動を模擬し、その位置に仮想EVが存在するとして、その後の動作を模擬してもよい。
また、後述のように仮想EVの充電計画が作成された場合は、その充電計画にも従うとして動作を模擬する。また、仮想EVの位置を先に決定し、その後で出発時刻を決めても良い。
また、仮想EVの出発時刻が未来の時刻が場合は、未来の時刻が到来したときに出発位置に仮想EVが存在すると扱えばよい。
また、仮想EVを生成するか否かの判断を区間毎に行ってもよい。例えば、交通状況を区間毎に調べ、区間毎に仮想EVを生成するかを判断する。仮想EVを生成することを決定した区間に仮想EVを配置する。すなわち、当該区間内に仮想EVが配置するように出発時刻、出発地、目的地等を決定する(あるいは出発時刻を省略してもよい)。
また、仮想EVを生成する区間をランダムに決めるようにすることも可能である。
例えば、供給地点毎に、供給地点(充電器)の利用率またはその平均に基づき、仮想EVを生成するか否かの判断を行えばよい。そして、利用率またはその平均が閾値以上の場合、その供給地点に仮想EVを配置すればよい。
また、出発時刻は、配置した仮想EVの位置と時刻に整合するように決めればよい(あるいは出発時刻を省略してもよい)。
図27(A)に、EV向け情報提供システムに利用登録しているEV(システム登録EV)が走行している道路を示す。
この場合において、供給地点K、L、M、Nが、高速道路に配置されており、これらの地点K〜Nは、充電器が配置されたSA/PAである。
区間KLと、区間LMにそれぞれ1台のEV402、403が走行している。供給地点Kに1台のEV401、供給地点Mに2台のEV404、405、供給地点Nに1台のEV406が滞在しているものとする(これらのEVの滞在目的については、充電、休憩、買い物等のいずれの目的でもかまわない)。
図27(B)に図27(A) の道路に仮想EVを配置した例を示す。
図27(B)の例では、インターチェンジIC01を出発地として仮想EV411が配置されている。また、区間MNに仮想EV412が配置されている。さらに供給地点Nに仮想EV413が配置されている。
そして、仮想EVは、この外部EVを模擬したものに相当する。
例えば、走行計画を作成する日(当日)に関連する期間を特定し、特定した期間の複数台のEV(EV向け情報提供システムに登録しているEV(システム登録EV))の走行履歴を利用して、仮想EVの走行計画を作成する。
そして、選択した走行履歴から、走行計画に必要な項目を抽出し、抽出した項目の値を利用して仮想EVの走行計画を作成する。
図28の上部には、走行履歴から選択した過去のEVの走行履歴が示されており、図28の下部には、過去のEVの走行履歴に基づいて作成した仮想EVの走行計画を示している。
図28の例においては、作成した仮想EVの走行計画は、走行計画の項目のうち、出発時刻における出発日以外の項目は、過去のEVの走行履歴の値と同じとしている(出発の年月と時分秒も同じである)。
すなわち、過去のEVの走行履歴の出発日は“DD1”であるが、仮想EVの走行計画では出発日は“DD1”より後の日付の“DD2”となっている点が異なっている。
走行計画に含める各項目(出発時刻、出発地、目的地、出発地点における電池残量等)について、各項目が取り得る複数の属性の確率を保持しておく。当該確率に基づき、作成する走行計画に含める各項目の値を決定する。
本例における出発地(出発IC)を決定する例を示す。
図29(A)は、高速道路に設けられた複数のIC(属性)について、確率が保持されたテーブル(確率テーブル)の例を示している。
この確率テーブルは、仮想EV_DV62に保持されている。なお、インターチェンジICは、一般のICでも、スマートICでもよい。図の例では、インターチェンジIC01の確率は0.42、インターチェンジIC02の確率は0.55である。これらの確率でそれぞれのインターチェンジICが選択されるように、乱数等を用いて、出発インターチェンジICを決定する。ここでは出発地の場合を示したが、他の項目ついても同様の確率テーブルを用意すればよい。
ここでは各インターチェンジICが出発インターチェンジICとして用いられる頻度または確率または確率分布を表す確率情報を生成する例を示している。しかしながら、その他の項目も同様の方法で確率情報を生成可能である。
続いて、対象とする時間種別の各属性に1から始まるインデックスiを付与する(ステップS403)。
これにより、例えば時間種別が曜日であれば、日曜日から土曜日までの各曜日の頻度または確率または確率分布を表す確率情報が得られる。得られた確率情報を仮想EV_データベース62に格納する(ステップS406)。
パラメータj=2以降のインターチェンジICについても同様の処理を繰り返す(ステップS402〜S406)。これにより各インターチェンジICについて曜日別の確率情報が得られる。
システム登録EVが使用する経路は、情報装置201から通知されてもよいし、本装置が出発地と、目的地とから推定してもよい。推定には、前述した最短経路を推定する方法などが挙げられる。
この場合において、システム登録EVが推奨通りに充電しない場合を考慮して、仮想EVとシステム登録EVと、を同一に扱って、充電計画を立案してもよい。
この場合において、対象となるEVは、システム登録EVまたは仮想EVである。
これらの地点A〜Gは、EVの目的地(目的IC)までのある経路に沿って配置された充電可能なSA/PAである。
充電計画部71は、区間CD、区間DE、区間EF、区間FGの消費電力量を計算し、供給地点C、D、E、F、GにおけるEVの電池残量(ここではSoC(State of Charge))を計算する。
この場合において、現在位置は、例えば、情報装置とリアルタイムの通信により取得する情報(GPS情報等)から判断すればよい。
予測モデルが走行速度等を変数として含む場合、例えば、トラフィックカウンタ情報が示す区間CD間の速度など、外部から得られる情報を利用すればよい。
よって、この場合、地点Eを充電地点に決定する。充電計画部7
1は、仮想EVはこの地点で充電すると決定し、仮想EVが充電地点に到着する時刻を計算する(例えば、仮想EVの走行速度と充電地点までの距離から計算)。
この場合において、到着時刻に応じた時刻(到着時刻でもよいし、到着時刻の5分後などでもよい)に仮想EVが割り当てられていない充電器が存在すれば、到着時刻が最早利用可能時刻に一致すると判断してもよい。
そして、充電後のSOCは、充電時間に応じた電力量を、充電開始時の電池残量に加算することで算出すればよい。
例えば、閾値がSOC=30であれば、候補地点は、地点E、F、Gとなる。
例えば、下限値がSOC=18であれば、候補地点は、地点E、Fとなる。そして、複数の候補地点から充電地点を選択する。選択の方法は、ランダムでもよい。または、候補地点の混雑状況または周囲の交通状況(渋滞の有無等)に基づき、選択を行ってもよい。
また、全体充電計画データには、後述するようにシステム登録EVの充電計画も追加される。充電計画部71は全体充電計画データを充電計画データベース72に格納する。
図32の全体充電計画データは、グラフィカルデータの形態を有するが、テーブル形式やリスト形式など、他の形式で構成してもよい。
そして、充電計画部71は、各候補地点への到着予測時刻を計算する。
到着予測時刻またはそれに応じた時刻から、充電器が空いていればシステム登録EVは充電可能であるとする。
充電後のSOCは、充電時間に応じた電力量を、充電開始時の電池残量に加算することで算出すればよい。あるいはユーザが充電時間長を決定してもよい。
充電計画部71は、決定したシステム登録EVの充電時間の予測データを、システム登録EVの充電計画として、全体充電計画データに追加する。
図33に示すように、システム登録EV(図のEV11)の充電計画が供給地点Eに追加されている。システム登録EVに決定された時間が、当該システム登録EVを表す白抜きの矩形で表されている。また上記と同様の処理を繰り返し行うことで、システム登録EV11について、次の供給地点Gが推奨地点として決定され、供給地点Gに対しても充電計画が追加されている。
推奨データには、当該推奨地点の到着予測時刻や、推奨地点での充電開始までの待ち時間に関する情報(○分待ち、待ち時間無しなど)を含めてもよい。ここでは推奨地点を2回分(次の供給地点と、さらにその次の供給地点)示したが、1回分のみ(次の供給地点のみ)でもよい。
この際も、最新の全体充電計画データに基づき、仮想EVのみならず、システム登録EVについても推奨した供給地点で充電を行うと仮定し、これらを制約条件として、当該他のシステム登録EVの推奨地点を決定する。このようにして仮想EVおよび他のシステム登録EVについて充電を計画することで、システム登録EVについて待ち時間がない、あるいは、少ない供給地点の推奨が可能となる。
この場合において、例えば、出発時刻の早い順に充電計画を行ってもよいし、ランダムに順番を決定してもよい。また、特許第5364768号で記載されている方法のように、ピークとなる待ち時間や負荷が最少となるように、山崩し法等や他の数理最適化手法を活用してシステム登録EVと仮想EVを併せて全体最適となるように計画を策定する方法も可能である。
充電計画部71は、システム登録EVの情報や、サーバ211からリアルタイムに得られる情報(交通管制情報、充電器情報など)に基づき、仮想EV_データベース62における仮想EVのデータを更新してもよい。
リアルタイムに得られる充電器情報に基づき、ある供給地点のある時間帯(例えば13〜15時など。1回の充電時間よりも十分長い時間)に充電を計画された仮想EVを特定する。当該時間帯内で実際に充電されたEVの台数を計算する。
ETC情報(流入台数、流出台数、EVの車種、EVの電池残量など)を利用して、ある時間帯のある場所(例えば、IC、供給地点)における実際の流入台数を計算する。
所定の長さの期間(1年間など)について、ある時間帯のある場所についてある事象(インターチェンジへの流入、充電など)の頻度(流入台数、充電台数)の統計値を計算する。統計値は、例えば平均値、中央値、最大値などがあるが、ここでは平均値とする。
そして、平均値が閾値以上であれば、その時間帯のその場所については仮想EVの確度が高いと判断する。その場合、その時間帯およびその場所について上記事象に関連する仮想EVは有効であると判断し、上記の第1の例および第2の例における削除の対象から除外してもよい。
上述した実施形態において、上述した各種の確率または頻度に関する情報(確率情報)は、その時点で得られている過去のデータに基づき計算したが、その後に収集される新規のデータと、過去のデータとに基づき、確率情報を再計算してもよい。または、過去のデータに基づき計算した確率情報を、新規のデータを用いて、ベイズ更新により更新してもよい。
上述した実施形態においてシステム登録EVのうち本情報処理システム100の推奨に従わないEV(推奨された供給地点で充電を行わないEV)もしくは従わない確率が高いEVは、本EV向け情報提供システムの推奨に従うEVまたは従う確率の高いEVにとってスケジュールを乱す要因となる。そこで、そのようなEV(外乱EV)を模した仮想EVを生成してもよい。
本EV向け情報提供システムの過去の走行履歴に基づき、各出発地から各目的地までの走行パターンとその確率を計算する。走行パターンは、一例として、出発地と、目的地と、充電に使用した供給地点と、移動に使用した経路(走行区間)等を含む。その他、車種や、タイヤの種類、気温、傾斜などの項目を含んでもよい。これらの走行パターンの中から確率に従って走行パターンを選択し、選択した走行パターンを用いて仮想EVを生成する。
なお、本フローチャートの繰り返し毎に、本ステップを行って、予測した消費電力量を逐次更新してもよい。なお、目的地までの経路は、例えば最短経路を探索するなどの方法で推定して決めてもよいし、EVのユーザの情報装置から目的地までの経路の情報を取得して、この情報に基づき目的地までの経路を特定してもよい。
次に生成した仮想EVの出発時刻、出発地、目的地、残存電力量、目的地までの移動に使用する経路などの項目を決定する。また、仮想EVについて、予測部41を用いて、目的地までの間の各区間(例えば供給地点間の区間)の消費電力量を予測する(ステップS506)。
この場合において、一定数先までの区間の消費電力量を予測してもよいし、目的地までのすべての区間の消費電力量を予測してもよい。なお、本フローチャートの繰り返し毎に、ステップS506の処理を行って、予測した消費電力量を逐次更新してもよい。
すなわち、各仮想EVの充電計画を作成する。充電時間は、例えば仮想EVが充電地点に到着する予測時刻および電池残量等に基づき決定する。この際、他の仮想EVに決定した充電時間(および充電計画を作成済みのシステム登録EVが存在する場合は、当該充電計画の充電時間も)に重ならないように充電時間を決定する。
これにより、充電計画部71は、各仮想EVの充電計画を含む全体充電スケジュールデータを生成する。
さらに、充電計画部71は、決定した推奨地点を含む推奨データをユーザの情報装置に送信する(ステップS509)。
例えば、オペレータが終了指示を入力した場合に、終了条件が成立したと判断する。
そして、新たに登録済みのEVが発生している場合は、発生したEVについて上記と同様の処理を繰り返す。
なお、ステップS505の処理において、仮想EVの生成条件が満たされている場合は、仮想EVを生成し、前回生成した仮想EVは、前述した方法で削除されない限りまたは走行が完了しない限り、そのまま引き継がれる。
本実施形態に係る情報処理装置101は、コンピュータ装置100により構成される。コンピュータ装置100は、CPU151と、入力インタフェース152と、表示装置153と、通信装置154と、主記憶装置155と、外部記憶装置156とを備え、これらはバス157により相互に接続されている。
ここで、表示装置153は、例えば、LCD(液晶ディスプレイ)、有機ELディスプレイ等が挙げられるが、これに限られない。
また、コンピュータ装置100から出力されたデータまたは情報は、この表示装置153により表示することができる。
通信装置154を介して外部装置から情報を入力することができる。外部装置から入力した情報を、各種データベース(DB)に格納することができる。通信部11は、通信装置154上に構築されることができる。
さらに、各実施形態における記憶部は、外部記憶装置156上に構築されてもよい。
12:ユーザID登録部
13:EVナビ利用登録部
14:ユーザデータベース(DB)
15:地図情報管理部
16:道路管制情報管理部
17:充電器情報管理部
18:気象情報管理部
19:車両情報管理部
20:システムデータベース(DB)
21:制御部
31:モデル管理部
32:モデルデータベース(DB)
41:予測部
51:走行状態管理部
52:走行管理データベース(DB)
61:仮想EV管理部
62:仮想EV_データベース(DB)
71:充電計画部
72:充電計画DB
100:情報処理システム
101:情報処理装置
201A〜201N:情報装置
211A〜211N:サーバ
220:通信ネットワーク
Claims (10)
- 複数のエネルギー供給地点を含む交通路を移動する移動体のうち、管理対象となる前記移動体である第1移動体の前記エネルギー供給地点を経由したエネルギー供給計画を含む走行計画を作成する情報処理装置と、前記情報処理装置と通信ネットワークを介して接続され、前記エネルギー供給地点に設けられて当該エネルギー供給地点において、非管理対象の移動体である第2移動体に対するエネルギー供給を受けつける情報装置と、を備えた情報処理システムであって、
前記情報処理装置は、前記情報装置において一の前記第2移動体に対するエネルギー供給の受付処理がなされた場合に、前記走行計画に基づいて、一の前記第2移動体に対する当該情報装置が設けられた前記エネルギー供給地点におけるエネルギー供給順番待ち情報を提示する、
情報処理システム。 - 前記情報処理装置は、前記エネルギー供給地点毎の前記第1移動体及び前記第2移動体に対する前記エネルギー供給順番待ち情報を記憶する順番管理用データベースを備える、
請求項1記載の情報処理システム。 - 前記情報処理装置は、前記走行計画を作成するに際し、前記交通路を移動する仮想的な移動体である第3移動体の前記エネルギー供給地点を経由したエネルギー供給計画を含む走行計画の作成を行う、
請求項1記載の情報処理システム。 - 前記情報処理装置は、前記第3移動体のエネルギー供給計画を制約条件として、前記第1移動体のエネルギー供給計画を作成する、
請求項3記載の情報処理システム。 - エネルギー供給地点に設けられて当該エネルギー供給地点において、非管理対象の移動体である第2移動体に対するエネルギー供給を受けつける情報装置を備えた情報処理システムで用いられる情報処理装置であって、
前記情報処理装置は、前記情報装置と通信ネットワークを介して接続され、
複数の前記エネルギー供給地点を含む交通路を移動する移動体のうち、管理対象となる前記移動体である第1移動体の前記エネルギー供給地点を経由したエネルギー供給計画を含む走行計画を作成し、前記情報装置において一の前記第2移動体に対するエネルギー供給の受付処理がなされた場合に、前記走行計画に基づいて、一の前記第2移動体に対する当該情報装置が設けられた前記エネルギー供給地点におけるエネルギー供給順番待ち情報を提示するする、
情報処理装置。 - 前記情報処理装置は、前記エネルギー供給地点毎の前記第1移動体及び前記第2移動体に対する前記エネルギー供給順番待ち情報を記憶する順番管理用データベースを備える、
請求項5記載の情報処理装置。 - 前記情報処理装置は、前記走行計画を作成するに際し、前記交通路を移動する仮想的な移動体である第3移動体の前記エネルギー供給地点を経由したエネルギー供給計画を含む走行計画を作成を行う、
請求項5又は請求項6記載の情報処理装置。 - 前記情報処理装置は、前記第3移動体のエネルギー供給計画を制約条件として、前記第1移動体のエネルギー供給計画を作成する、
請求項7記載の情報処理装置。 - 複数のエネルギー供給地点を含む交通路を移動する移動体のうち、管理対象となる前記移動体である第1移動体の前記エネルギー供給地点を経由したエネルギー供給計画を含む走行計画を作成する情報処理装置において実行される方法であって、
前記情報処理装置と通信ネットワークを介して接続され、前記エネルギー供給地点に設けられて当該エネルギー供給地点において、非管理対象の移動体である第2移動体に対するエネルギー供給を受けつける情報装置において一の前記第2移動体に対するエネルギー供給の受付処理がなされたことを検出する過程と、
前記受付処理がなされた場合に、前記走行計画に基づいて、一の前記第2移動体に対する当該情報装置が設けられた前記エネルギー供給地点におけるエネルギー供給順番待ち情報を生成する過程と、
前記エネルギー供給順番待ち情報を提示する過程と、
を備えた方法。 - 複数のエネルギー供給地点を含む交通路を移動する移動体のうち、管理対象となる前記移動体である第1移動体の前記エネルギー供給地点を経由したエネルギー供給計画を含む走行計画を作成する情報処理装置をコンピュータにより制御するためのプログラムであって、
前記情報処理装置と通信ネットワークを介して接続され、前記エネルギー供給地点に設けられて当該エネルギー供給地点において、非管理対象の移動体である第2移動体に対するエネルギー供給を受けつける情報装置において一の前記第2移動体に対するエネルギー供給の受付処理がなされたことを検出する手段と、
前記受付処理がなされた場合に、前記走行計画に基づいて、一の前記第2移動体に対する当該情報装置が設けられた前記エネルギー供給地点におけるエネルギー供給順番待ち情報を生成する手段と、
前記エネルギー供給順番待ち情報を提示する手段と、
を備えたプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019069954A JP2020170244A (ja) | 2019-04-01 | 2019-04-01 | 情報処理システム、情報処理装置、方法及びプログラム |
JP2023142216A JP7551874B2 (ja) | 2019-04-01 | 2023-09-01 | 情報処理システム、情報処理装置、情報処理方法及び情報処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019069954A JP2020170244A (ja) | 2019-04-01 | 2019-04-01 | 情報処理システム、情報処理装置、方法及びプログラム |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023142216A Division JP7551874B2 (ja) | 2019-04-01 | 2023-09-01 | 情報処理システム、情報処理装置、情報処理方法及び情報処理プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2020170244A true JP2020170244A (ja) | 2020-10-15 |
Family
ID=72746719
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019069954A Pending JP2020170244A (ja) | 2019-04-01 | 2019-04-01 | 情報処理システム、情報処理装置、方法及びプログラム |
JP2023142216A Active JP7551874B2 (ja) | 2019-04-01 | 2023-09-01 | 情報処理システム、情報処理装置、情報処理方法及び情報処理プログラム |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023142216A Active JP7551874B2 (ja) | 2019-04-01 | 2023-09-01 | 情報処理システム、情報処理装置、情報処理方法及び情報処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP2020170244A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102413399B1 (ko) * | 2020-12-22 | 2022-06-28 | 전북대학교산학협력단 | 기계 학습 기반의 해양 플랜트 파이프라인 누출 진단 시스템 |
JP7512171B2 (ja) | 2020-11-02 | 2024-07-08 | 株式会社デンソーテン | 管理装置および管理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012019658A (ja) * | 2010-07-09 | 2012-01-26 | Alpha Corp | 電気自動車の充電ステーション管理システム |
JP2012128633A (ja) * | 2010-12-15 | 2012-07-05 | Aisin Seiki Co Ltd | 電気自動車の充電予約方法および充電予約装置 |
WO2013035493A1 (ja) * | 2011-09-05 | 2013-03-14 | 日立オートモティブシステムズ株式会社 | 予約管理装置、予約管理プログラム、予約管理システム |
JP2014110667A (ja) * | 2012-11-30 | 2014-06-12 | Toshiba Corp | 充電管理装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5986749B2 (ja) | 2012-01-18 | 2016-09-06 | クラリオン株式会社 | 予約システム、ナビゲーション装置、充電器およびサーバ |
US9779365B2 (en) | 2012-09-21 | 2017-10-03 | Conduent Business Services, Llc | Computer-implemented system and method for managing interchangeable EV charging-capable parking spaces |
JP6218269B2 (ja) | 2013-05-16 | 2017-10-25 | 昭和シェル石油株式会社 | 電気自動車用充電スタンド案内システム |
JP6081899B2 (ja) | 2013-11-13 | 2017-02-15 | 三菱重工業株式会社 | 充電式自動車用経路検索装置、充電式自動車用経路検索方法、充電式自動車管理システム、およびプログラム |
-
2019
- 2019-04-01 JP JP2019069954A patent/JP2020170244A/ja active Pending
-
2023
- 2023-09-01 JP JP2023142216A patent/JP7551874B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012019658A (ja) * | 2010-07-09 | 2012-01-26 | Alpha Corp | 電気自動車の充電ステーション管理システム |
JP2012128633A (ja) * | 2010-12-15 | 2012-07-05 | Aisin Seiki Co Ltd | 電気自動車の充電予約方法および充電予約装置 |
WO2013035493A1 (ja) * | 2011-09-05 | 2013-03-14 | 日立オートモティブシステムズ株式会社 | 予約管理装置、予約管理プログラム、予約管理システム |
JP2014110667A (ja) * | 2012-11-30 | 2014-06-12 | Toshiba Corp | 充電管理装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7512171B2 (ja) | 2020-11-02 | 2024-07-08 | 株式会社デンソーテン | 管理装置および管理方法 |
KR102413399B1 (ko) * | 2020-12-22 | 2022-06-28 | 전북대학교산학협력단 | 기계 학습 기반의 해양 플랜트 파이프라인 누출 진단 시스템 |
Also Published As
Publication number | Publication date |
---|---|
JP2023155476A (ja) | 2023-10-20 |
JP7551874B2 (ja) | 2024-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7163099B2 (ja) | エネルギー管理装置、モデル管理方法及びコンピュータプログラム | |
US10639995B2 (en) | Methods, circuits, devices, systems and associated computer executable code for driver decision support | |
Adler et al. | Online routing and battery reservations for electric vehicles with swappable batteries | |
JP7062553B2 (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
TWI638328B (zh) | 電力需求預測裝置、電力供給系統、電力需求預測方法、程式、供給電力管理裝置 | |
Merchant et al. | A model and an algorithm for the dynamic traffic assignment problems | |
JP7551874B2 (ja) | 情報処理システム、情報処理装置、情報処理方法及び情報処理プログラム | |
TW201901116A (zh) | 用於數位路線規劃的系統以及方法 | |
JP2023175992A (ja) | エネルギー供給システムおよび情報処理装置 | |
JP7280672B2 (ja) | 情報処理装置、情報処理方法、およびコンピュータプログラム | |
Hu et al. | Simulation-assignment-based travel time prediction model for traffic corridors | |
CN109741626A (zh) | 停车场停车情况预测方法、调度方法和系统 | |
JP2020135231A (ja) | 交通需要予測装置及び交通需要予測システム | |
JP2019028526A (ja) | 混雑予測装置 | |
JP2019046106A (ja) | 経路推定装置、経路推定方法およびコンピュータプログラム | |
CN109583708B (zh) | 多智能体微观交通配流模型的建立方法 | |
CN112183871A (zh) | 基于空气指数的城市交通诱导系统 | |
JP2019101445A (ja) | Od交通量推定装置及びod交通量推定システム | |
Lv et al. | Optimization of dynamic parking guidance information for special events | |
JP7312898B2 (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
Yeo et al. | Real-Time Operations of Autonomous Mobility-on-Demand Services with Inter-and Intra-Zonal Relocation | |
Ghandeharioun | Optimization of shared on-demand transportation | |
Tamin et al. | Public Transport Demand Estimation by Calibrating the Combined Trip Distribution-Mode Choice (TDMC) Model From Passenger Counts | |
Yoon | Route Design with Optimal Learning | |
Wilbur | Data-Driven Algorithms for Smart Transportation Systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220202 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221227 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230117 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230320 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230704 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20231226 |