JP7393458B2

JP7393458B2 - Ｅｖ車両の稼働状況監視システム、ｅｖ車両の稼働状況監視プログラム

Info

Publication number: JP7393458B2
Application number: JP2022050379A
Authority: JP
Inventors: 通保田野
Original assignee: 株式会社データ・テック
Priority date: 2022-03-25
Filing date: 2022-03-25
Publication date: 2023-12-06
Anticipated expiration: 2042-03-25
Also published as: JP2023143153A

Description

本発明は、ＥＶ車両の稼働状況監視システム、ＥＶ車両の稼働状況監視プログラムに関する。

近年、高価なＥＶ（Electric Vehicle）車両が中古車市場では値崩れを起こしている。これはＥＶ車に搭載された電池の適正な残存価値が分からないことが原因となっている。このため、例えば特許文献１に示すような電池の適正な残存価値を把握するための技術が注目されている。

特許文献１では、電気的移動性の世界に関与するすべての他の当事者に有利なように、旅行中に必要な充電の操作の効果的な計画を可能にする電動車両の充電の制御および管理のためのシステムが開示されている。

特表２０２２－５１２２５２号公報

一方、バッテリーの適正な残存価値を把握するためには、従来のＧＰＳ位置情報又は車両運転挙動管理システム等の車載管理システムに加え、電池残電圧、急速充電回数、及び普通充電回数等のバッテリーに関連する情報が必要とされている。

これらの情報を取得するために、ＣＡＮ（Controller Area Network）やＯＢＤ（On-board diagnostics）等のＥＶ車に取り付けられたＥＣＵ（Electrical Control Unit）が利用されている。

また、これらのＣＡＮやＯＢＤは、メーカの固有のものである場合が多く、メーカの固有のＣＡＮやＯＢＤは、互換性に乏しく、多様性のある処理ができない。このため、ＥＶ車両メーカ固有のＣＡＮやＯＢＤ等の情報によらずにＥＶ車両の稼働状況を監視することが必要とされる。

また、ＥＶ車に搭載される電池は、車種により異なるため、メーカの固有のＣＡＮやＯＢＤを用いて情報を分析することは困難である。

しかしながら、特許文献１に開示されている電動車両の充電の制御および管理のためのシステムでは、ＣＡＮやＯＢＤ等の情報によらずにＥＶ車両の稼働状況を監視すること想定していない。このため、互換性に乏しく、多様性のある処理ができないという問題点があった。

そこで本発明は、上述した問題点を解決するために導出されたものであり、その目的とするところは、ＥＶ車両メーカ固有のＣＡＮやＯＢＤ等の情報によらずに、多様性のある処理が可能なＥＶ車両の稼働状況監視システム、ＥＶ車両の稼働状況監視プログラムを提供することにある。

第１発明に係るＥＶ車両の稼働状況監視システムは、ＥＶ車に搭載された電池の残量を示すバッテリー情報を含むバッテリー画像を取得する画像取得手段と、前記ＥＶ車の走行距離を示す距離情報を取得する走行距離取得手段と、前記画像取得手段により取得されたバッテリー画像と前記走行距離取得手段により取得された距離情報とに基づいて、前記バッテリー情報と前記距離情報との対応関係を算出する第１算出手段と、前記第１算出手段により算出された対応関係に基づいて、前記電池の負荷を推定する推定手段とを備えることを特徴とする。

第２発明に係るＥＶ車両の稼働状況監視システムは、第１発明において、前記画像取得手段は、前記距離情報を含む走行距離画像を取得し、前記走行距離取得手段は、前記画像取得手段により取得された走行距離画像に基づいて、前記距離情報を取得することを特徴とする。

第３発明に係るＥＶ車両の稼働状況監視システムは、ＥＶ車に搭載された電池の残量を示すバッテリー情報を含むバッテリー画像を取得する画像取得手段と、前記電池の充電時間を示す充電時間情報を取得する時間取得手段と、前記画像取得手段により取得されたバッテリー画像と前記時間取得手段により取得された充電時間情報とに基づいて、前記バッテリー情報と前記充電時間情報との対応関係を算出する第２算出手段と、前記第２算出手段により算出された対応関係に基づいて、前記電池の負荷を推定する推定手段とを備えることを特徴とする。

第４発明に係るＥＶ車両の稼働状況監視システムは、第３発明において、前記画像取得手段は、前記充電時間情報を含む充電時間画像を取得し、前記時間取得手段は、前記画像取得手段により取得された充電時間画像に基づいて、前記充電時間情報を取得することを特徴とする。

第５発明に係るＥＶ車両の稼働状況監視システムは、第３発明において、前記推定手段は、前記第２算出手段により算出された対応関係に基づいて、前記電池の充電の種類を分類し、分類した前記種類に基づいて、前記電池の負荷を推定することを特徴とする。

第６発明に係るＥＶ車両の稼働状況監視システムは、第１発明～第５発明の何れかにおいて、前記推定手段は、前記ＥＶ車に関する車体情報を取得し、取得した前記車体情報と前記対応関係とに基づいて、前記電池の負荷を推定することを特徴とする。

第７発明に係るＥＶ車両の稼働状況監視プログラムは、ＥＶ車に搭載された電池の残量を示すバッテリー情報を含むバッテリー画像を取得する画像取得ステップと、前記ＥＶ車の走行距離を示す距離情報を取得する走行距離取得ステップと、前記画像取得ステップにより取得されたバッテリー画像と前記走行距離取得ステップにより取得された距離情報とに基づいて、前記バッテリー情報と前記距離情報との対応関係を算出する第１算出ステップと、前記第１算出ステップにより算出された対応関係に基づいて、前記電池の負荷を推定する推定ステップとをコンピュータに実行させることを特徴とする。

第８発明に係るＥＶ車両の稼働状況監視プログラムは、ＥＶ車に搭載された電池の残量を示すバッテリー情報を含むバッテリー画像を取得する画像取得ステップと、前記電池の充電時間を示す充電時間情報を取得する時間取得ステップと、前記画像取得ステップにより取得されたバッテリー画像と前記時間取得ステップにより取得された充電時間情報とに基づいて、前記バッテリー情報と前記充電時間情報との対応関係を算出する第２算出ステップと、前記第２算出ステップにより算出された対応関係に基づいて、前記電池の負荷を推定する推定ステップとをコンピュータに実行させることを特徴とする。

第１発明～第８発明によれば、バッテリー画像と距離情報とに基づいて、対応関係を算出し、算出された対応関係に基づいて、電池の負荷を推定する。これにより、例えばユーザのスマートフォン、又はＥＶ車に搭載されたカメラ等により撮像されたＥＶ車の各種計測機器の画像をサーバに送信し、サーバで画像解析を行い、バッテリー情報等の各種情報を取得することが可能であるため、ＥＶＥＶ車両メーカ固有のＣＡＮやＯＢＤ等の情報によらずに、多様性のある処理が可能となる。

特に、第２発明によれば、走行距離画像に基づいて、距離情報を取得する。これにより、走行距離を示すＥＶ車の測定機器から距離情報を取得することが可能となる。

特に、第４発明によれば、充電時間画像に基づいて、充電時間情報を取得する。これにより、充電時間を示すＥＶ車の測定機器から充電時間情報を取得することが可能となる。

特に、第５発明によれば、対応関係に基づいて、電池の充電の種類を分類し、分類した種類に基づいて、電池の負荷を推定する。これにより、例えば対応関係から電池の充電を普通充電又は急速充電等の充電の種類に分類することが可能となる。このため、より精度よく電池の負荷を推定することができる。

特に、第６発明によれば、車体情報と対応関係とに基づいて、電池の負荷を推定する。これにより、これにより、ＥＶ車の車種等の車体情報を考慮して、電池の負荷を推定することが可能となる。このため、より精度よく電池の負荷を推定することができる。

図１は、本実施形態における稼働状況監視システムの構成の一例を示す模式図である。図２（ａ）は、本実施形態における稼働状況監視装置の構成の一例を示す模式図であり、図２（ｂ）は、本実施形態における稼働状況監視装置の機能の一例を示す模式図である。図３は、本実施形態における稼働状況監視システムの動作のフローチャートの一例を示す図である。図４は、バッテリー画像の一例を示す図である。図５は、走行距離に対する電池残量に対応関係を示すグラフである。図６は、充電時間に対する電池残量に対応関係を示すグラフである。図７は、対応関係及び車体情報と電池負荷との対応表を示す図である。図８は、対応関係と電池負荷との連関性を示す図である。図９は、対応関係及び車体情報と電池負荷との連関性を示す図である。

以下、本発明を適用した実施形態における稼働状況監視システムの一例について、図面を用いて説明する。

図１は、稼働状況監視システム１００の構成の一例を示す模式図である。稼働状況監視システム１００は、例えば図１に示すように、稼働状況監視装置１と、サーバ３と、ＥＶ車２と、充電器５とが公共通信網４を介して接続される。

稼働状況監視装置１は、ＥＶ車２の電池の負荷を推定する装置である。稼働状況監視装置１は、ＥＶ車２、充電器５及びサーバ３から出力された各種情報に基づいて、それぞれ処理を行う。稼働状況監視装置１は、例えばパーソナルコンピュータ（ＰＣ）等の電子機器が用いられるほか、例えばスマートフォン、タブレット型端末、ウェアラブル端末、ＩｏＴ（Internet of Things）デバイス等の電子機器、ＲａｓｐｂｅｒｒｙＰｉ（登録商標）等のシングルボードコンピュータが用いられてもよい。また、稼働状況監視１は、ＥＶ車２又は充電器５に内蔵されてもよい。

次に図２を参照して、本実施形態における稼働状況監視装置１の一例を説明する。図２（ａ）は、本実施形態における稼働状況監視装置１の構成の一例を示す模式図であり、図２（ｂ）は、本実施形態における稼働状況監視装置１の機能の一例を示す模式図である。

稼働状況監視装置１は、例えば図２（ａ）に示すように、筐体１０と、ＣＰＵ（Central Processing Unit）１０１と、ＲＯＭ（Read Only Memory）１０２と、ＲＡＭ（Random Access Memory）１０３と、保存部１０４と、Ｉ／Ｆ１０５～１０７とを備える。ＣＰＵ１０１と、ＲＯＭ１０２と、ＲＡＭ１０３と、保存部１０４と、Ｉ／Ｆ１０５～１０７とは、内部バス１１０により接続される。

ＣＰＵ１０１は、稼働状況監視装置１全体を制御する。ＲＯＭ１０２は、ＣＰＵ１０１の動作コードを格納する。ＲＡＭ１０３は、ＣＰＵ１０１の動作時に使用される作業領域である。保存部１０４は、各種情報が保存される。保存部１０４は、例えばＨＤＤ（Hard Disk Drive）の他、ＳＳＤ（Solid State Drive）やＳＤカード、ｍｉｎｉＳＤカード等のデータ保存装置が用いられる。なお、例えば稼働状況監視装置１は、図示しないＧＰＵ（Graphics Processing Unit）を有してもよい。

Ｉ／Ｆ１０５は、公共通信網４を介して各種情報の送受信を行うためのインターフェースである。Ｉ／Ｆ１０６は、入力部１０８との情報の送受信を行うためのインターフェースである。入力部１０８として、例えばキーボードが用いられ、稼働状況監視装置１を利用するユーザ等は、入力部１０８を介して、各種情報又は稼働状況監視装置１の制御コマンド等を入力する。Ｉ／Ｆ１０７は、表示部１０９との各種情報の送受信を行うためのインターフェースである。表示部１０９は、保存部１０４に保存された推定結果等の各種情報、または稼働状況監視装置１の処理状況等を出力する。表示部１０９として、ディスプレイが用いられ、例えばタッチパネル式でもよい。

保存部１０４は、各種情報が記憶されるほか、各種処理に用いるアルゴリズム及びモデル等が記憶される。表示部１０９は、各種情報を表示する。

図２（ｂ）は、稼働状況監視装置１の機能の一例を示す模式図である。稼働状況監視装置１は、取得部１１と、処理部１２と、算出部１３と、記憶部１４と、出力部１５と、推定部１６とを備える。なお、図２（ｂ）に示した取得部１１と、処理部１２と、算出部１３と、記憶部１４と、出力部１５と、推定部１６とは、ＣＰＵ１０１が、ＲＡＭ１０３を作業領域として、保存部１０４等に保存されたプログラムを実行することにより実現され、例えば人工知能により制御されてもよい。

取得部１１は、ＥＶ車２に搭載された電池の残量を示すバッテリー情報を含むバッテリー画像、ＥＶ車２の走行距離を示す距離情報、又は電池の充電時間を示す充電時間情報等の各種情報を取得する。また、取得部１１は、ＥＶ車２に関する車両情報を取得してもよい。取得部１１は、例えば公共通信網４を介して、サーバ３から各種情報を取得してもよい。

処理部１２は、取得部１１により取得された画像の画像解析を行う。処理部１２は、例えば取得部１１により取得されたバッテリー画像を画像解析し、バッテリー情報を取得する。

算出部１３は、取得部１１及び処理部１２により取得された各種情報の対応関係を算出する。算出部１３は、例えば処理部１２により取得されたバッテリー情報と、取得部１１により取得された距離情報との対応関係を算出する。

記憶部１４は、保存部１０４に保存された各種情報を必要に応じて取り出す。記憶部１４は、取得部１１と、処理部１２と、算出部１３とにより取得又は出力された各種情報を、保存部１０４に保存する。

出力部１５は、各種情報を出力する。出力部１５は、Ｉ／Ｆ１０７を介して表示部１０９に結果を送信する。

推定部１６は、算出部１３により算出された対応関係に基づいて、電池の負荷を推定する。

サーバ３は、稼働状況監視装置１、ＥＶ車２、及び充電器５から送信された各種データを記憶する記憶媒体である。また、サーバ３は、必要に応じて記憶した各種データを稼働状況監視装置１、ＥＶ車２、及び充電器５に送信する。サーバ３は、例えば稼働状況監視装置１の備える機能のうち、少なくとも一部の機能を備えてもよく、例えば稼働状況監視装置１の代わりに少なくとも一部の処理を行ってもよい。また、サーバ３は、稼働状況監視システムを利用するユーザが、スマートフォン等で撮像した各種画像を記憶してもよい。

公共通信網４は、例えば稼働状況監視装置１が通信回路を介して接続されるインターネット網等である。公共通信網４は、一部がいわゆる光ファイバ通信網で構成されてもよい。また、公共通信網４は、有線通信網のほか、無線通信網等の公知の通信技術で実現してもよい。

ＥＶ車２は、電池から供給される電力を動力とする電動車両である。ＥＶ車２は、例えばハイブリッド車、プラグインハイブリッド車、燃料電離自動車、クリーンディーゼル車等を含む。また、ＥＶ車２は、ＥＶ車２の状態を測定する各種測定機器を備える。また、ＥＶ車２は、例えば稼働状況監視装置１の備える機能のうち、少なくとも一部の機能を備えてもよく、例えば稼働状況監視装置１の代わりに少なくとも一部の処理を行ってもよい。

充電器５は、ＥＶ車２の電池を充電する機器である。充電器５は、ＥＶ車２の充電の状態を測定する各種測定機器を備える。例えばまた、充電器５は、例えば稼働状況監視装置１の備える機能のうち、少なくとも一部の機能を備えてもよく、例えば稼働状況監視装置１の代わりに少なくとも一部の処理を行ってもよい。

次に、本実施形態における稼働状況監視システム１００の動作の一例について説明する。図３は、本実施形態における稼働状況監視システム１００の動作の一例を示すフローチャートである。

まず、ステップＳ１１０において、取得部１１は、各種画像を取得する。取得部１１は、例えばＥＶ車２に搭載された電池の残量を示すバッテリー情報を含むバッテリー画像、距離情報を含む走行距離画像、充電時間情報を含む充電時間画像等の各種画像を取得する。バッテリー情報は、ＥＶ車２の電池の残量を示す情報であり、例えば電池の充電率等であってもよい。距離情報は、ＥＶ車２の走行距離を示す情報である。充電時間情報は、ＥＶ車２の電池の充電時間を示す画像である。バッテリー画像は、図４に示すように、ＥＶ車２に搭載された電池の残量を示す電池測定器２１等のバッテリー情報を含む画像である。走行距離画像は、ＥＶ車２の走行距離を示す走行距離測定器２２等の距離情報を含む画像である。充電時間画像は、例えば充電器５に搭載された充電時間を示すタイマーの画像等であってもよい。また、ステップＳ１１０において、バッテリー情報を含む複数の情報を含む画像を取得してもよい。例えば、図４に示すように、バッテリー情報を示す電池測定器２１と、ＥＶ車２の距離情報を示す走行距離測定器２２とが含まれる画像を取得してもよい。

また、ステップＳ１１０において、画像を介することなく、距離情報又は充電時間情報を取得してもよい。かかる場合、例えばＥＶ車２に搭載された各種測定器から公共通信網４を介して、ＥＶ車２の速度、距離、位置、加速度、燃費等に関する各種情報を受信してもよい。

また、ステップＳ１１０において、ＥＶ車２に関する車体情報を取得してもよい。車体情報は、例えばＥＶ車２の車種、稼働年数等を示す情報である。ステップＳ１１０において、例えばサーバ３から公共通信網４を介して、車体情報を取得してもよい。また、例えば入力部１０８を介して、ユーザから車体情報を取得してもよい。

次に、ステップＳ１２０において、ステップＳ１１０により取得した各種画像を画像解析し、各種画情報を取得する。ステップＳ１２０において、例えばステップＳ１１０により取得したバッテリー画像を画像解析し、バッテリー情報を取得してもよい。また、ステップＳ１２０において、例えばステップＳ１１０により取得した走行距離画像を画像解析し、距離情報を取得してもよい。また、ステップＳ１２０において、例えばステップＳ１１０により取得した充電時間画像を画像解析し、充電時間情報を取得してもよい。また、ステップＳ１２０において、画像解析は周知のいかなる技術を利用するようにしてもよい。また、ステップＳ１２０において、ステップＳ１１０によりバッテリー情報を含む複数の情報を含む画像を取得した場合、この画像から画像解析を用いて、バッテリー情報を含む複数の情報を取得してもよい。かかる場合、例えばバッテリー情報を示す電池測定器２１と、ＥＶ車２の距離情報を示す走行距離測定器２２とが含まれる画像を取得した場合、この画像から画像解析を用いて、バッテリー情報と距離情報とを取得してもよい。

次に、ステップＳ１３０において、ステップＳ１１０及びステップＳ１２０により取得した各種情報に基づいて対応関係を算出する。対応関係は、例えば図５に示すように、走行距離に対する電池残量を示すグラフであってもよい。また、対応関係は、例えば図６に示すような、充電時間に対する電池残量を示すグラフであってもよい。また、対応関係は、これらのグラフの傾きであってもよい。

また、バッテリー情報と充電時間情報との対応関係は、図６に示すようなグラフの傾きから算出した充電の種類であってもよい。かかる場合、１時間当たりの充電電力量から、充電の種類を算出してもよい。例えば総電力量が４０ｋＷｈの電池を搭載したＥＶ車２において、電池残量が９０％まで充電した場合、図６のグラフＡのように、１時間当たりの充電した電力量が、３～６ｋＷｈであれば充電の種類は普通充電とし、図６のグラフＢのように、１時間当たりの１時間当たりの充電した電力量が、２０～２５０ｋＷｈであれば充電の種類は急速充電としてもよい。また、バッテリー情報と充電時間情報との対応関係は、充電の種類毎の回数であってもよい。かかる場合、バッテリー情報と充電時間情報との対応関係は、急速充電又は普通充電のそれぞれの回数であってもよい。

ステップＳ１３０において、例えばステップＳ１１０及びステップＳ１２０により取得したバッテリー情報と、距離情報とから、バッテリー情報と距離情報との対応を示す対応関係を算出してもよい。また、ステップＳ１３０において、例えばステップＳ１１０及びステップＳ１２０により取得したバッテリー情報と、充電時間情報とから、バッテリー情報と充電時間情報との対応を示す対応関係を算出してもよい。

次に、ステップＳ１４０において、ステップＳ１３０において算出した対応関係に基づいて、ＥＶ車２の電池の負荷を推定する。電池の負荷は、例えば電池負荷の程度を示す値であってもよい。かかる場合、例えば図７に示すような、対応関係と電池負荷との関係を示す対応表を参照し、ステップＳ１３０において算出した対応関係に紐づく電池負荷を推定してもよい。また、ステップＳ１４０において、ステップＳ１３０において算出した対応関係と、ステップＳ１１０において取得した車体情報とに基づいて、図７に示すような対応表を参照し、電池の負荷を推定してもよい。

また、対応表は、図８に示すように、参照用対応関係を含む入力データと電池負荷を含む出力データとの関係を示す学習済みモデルであってもよい。学習済みモデルは、予め取得された参照用対応関係を含む入力データと電池負荷を含む出力データとからなるデータセットを学習データとして用い、入力を参照用対応関係とし、出力を電池負荷として、機械学習により生成された学習済みモデルであってもよい。かかる場合、参照用対応関係は、学習データの入力データとして用いられる対応関係であり、対応関係と同じデータ形式のものを用いてもよい。

学習済みモデルの生成方法として、例えばニューラルネットワークをモデルとした機械学習を用いて、学習済みモデルを生成してもよい。学習済みモデルは、例えばＣＮＮ（Convolution Neural Network）等のニューラルネットワークをモデルとした機械学習を用いて生成されるほか、任意のモデルが用いられてもよい。

かかる場合、学習済みモデルには、入力データと出力データとの間における連関度を有する連関性が記憶される。連関度は、入力データと出力データとの繋がりの度合いを示しており、例えば連関度が高いほど各データの繋がりが強いと判断することができる。連関度は、例えば百分率等の３値以上又は３段階以上で示されるほか、２値又は２段階で示されてもよい。

例えば連関性は、複数の入力データ、対、複数の出力データの間における繋がりの度合いにより構築される。連関性は、機械学習の過程で適宜更新され、例えば複数の入力データ、及び複数の出力データに基づいて最適化された関数を用いた分類器を示す。なお、連関性は、例えば各データの間における繋がりの度合いを示す複数の連関度を有してもよい。連関度は、例えばデータベースがニューラルネットワークで構築される場合、重み変数に対応させることができる。連関性は、例えば複数の入力データと、複数の出力データとの間における繋がりの度合いを示してもよい。この場合、連関性を用いることで、図８の「参照用対応関係Ａ」～「参照用対応関係Ｃ」のそれぞれの入力データに対し、「電池負荷Ａ」～「電池負荷Ｃ」の複数の出力データとの関係の度合いを紐づけて記憶させることができる。このため、例えば連関性を介して、１つの出力データに対して、複数の入力データを紐づけることができる。これにより、入力データに対して多角的な出力データの選択を実現することができる。

連関性は、例えば各出力データと、各入力データとをそれぞれ紐づける複数の連関度を有する。連関度は、例えば百分率、１０段階、又は５段階等の３段階以上で示され、例えば線の特徴（例えば太さ等）で示される。例えば、入力データに含まれる「参照用対応関係Ａ」は、出力データに含まれる「電池負荷Ａ」との間の連関度ＡＡ「７３％」を示し、入力データに含まれる「参照用対応関係Ｂ」との間の連関度ＡＢ「１２％」を示す。すなわち、「連関度」は、各データ間における繋がりの度合いを示しており、例えば連関度が高いほど、各データの繋がりが強いことを示す。例えば、「参照用対応関係Ａ」という入力データと「電池負荷Ｂ」との連関度が「９２％」であり、「参照用対応関係Ａ」という入力データと、「電池負荷Ｃ」という出力データとの連関度が「５％」である場合、「参照用対応関係Ａ」という入力データと「電池負荷Ｃ」との繋がりよりも「参照用対応関係Ａ」という入力データと「電池負荷Ｂ」との繋がりが強いことを示す。

このような図８に示す３段階以上の連関度を予め取得しておく。つまり実際の推定解の判別を行う上で、入力データと、出力データの何れが採用、評価されたか、過去のデータセットを蓄積しておき、これらを分析、解析することで図８に示す連関度を作り上げておく。

例えば、過去において「参照用対応関係Ａ」という入力データに対して、電池負荷Ｂが最も適合性が高いと判断され、評価されたものとする。このようなデータセットを集めて分析することにより、入力データと出力データとの連関度が強くなる。

この分析、解析は人工知能により行うようにしてもよい。かかる場合には、例えば入力された入力データが「参照用対応関係Ａ」である場合に、過去のデータセットに基づいて、電池負荷Ｂが推定される事例が多い場合には、この「参照用対応関係Ａ」と電池負荷Ｂとにつながる連関度をより高く設定する。

また、この連関度は、人工知能におけるニューラルネットワークのノードで構成されるものであってもよい。即ち、このニューラルネットワークのノードが出力に対する重み付け係数が、上述した連関度に対応することとなる。またニューラルネットワークに限らず、人工知能を構成するあらゆる意思決定因子で構成されるものであってもよい。

また、学習済みモデルは、入力データと出力データとの間に少なくとも１以上の隠れ層が設けられ、機械学習させるようにしてもよい。入力データ又は隠れ層データの何れか一方又は両方において上述した連関度が設定され、これが各データの重み付けとなり、これに基づいて出力の選択が行われる。そして、この連関度がある閾値を超えた場合に、その出力を選択するようにしてもよい。

また、学習済みモデルは、図９に示すように、参照用車体情報と参照用対応関係とを含む入力データを学習データとして用いてもよい。かかる場合、参照用車体情報は、学習データの入力データとして用いられる車体情報であり、車体情報と同じデータ形式のものを用いてもよい。

このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから新たに入力データから電池の負荷の推定を行うこととなる。かかる場合には、ステップＳ１３０において算出した対応関係に対する出力データを新たに取得する。新たに取得した入力データに基づいて、これに見合う電池負荷を推定する。推定の際には、例えば予め取得した図８に示す連関度を参照する。例えば、新たに取得した入力データが「参照用対応関係Ａ」と同一かこれに類似するものである場合には、連関度を介して「電池負荷Ａ」との間の連関度ＡＡ「７３％」、「電池負荷Ｂ」との間の連関度ＡＢ「１２％」で関連付けられている。この場合には、連関度の最も高い「電池負荷Ａ」を最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる「電池負荷Ｂ」を最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論であり、連関度に基づくものであれば、その他いかなる優先順位で選択されるものであってもよい。

このような連関度を参照することにより、入力データが、出力データと同一又は類似である場合のほか、非類似である場合においても、入力データに適した出力データを定量的に選択することができるため、入力データがいかなる出力データに該当するものであるのかを精度良く判別することができる。これによって３段階以上の関係を用いて、入力データと出力データを紐づけることが可能となるので、入力データにより適した出力データを選択することができる。また、学習済みモデルは、入力された入力データと、選択された出力データを学習データとして、強化学習を行ってもよい。

これにより、本実施形態における稼働状況監視システム１００の動作が終了する。これにより、ＥＶ車両メーカ固有のＣＡＮやＯＢＤ等の情報によらずに、多様性のある処理が可能となる。

本発明の実施形態を説明したが、この実施形態は例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１：稼働状況監視装置
２：ＥＶ車
３：サーバ
４：公共通信網
５：充電器
１０：筐体
１１：取得部
１２：処理部
１３：算出部
１４：記憶部
１５：出力部
１６：推定部
２１：電池測定器
２２：走行距離測定器
１００：稼働状況監視システム
１０１：ＣＰＵ
１０２：ＲＯＭ
１０３：ＲＡＭ
１０４：保存部
１０５：Ｉ／Ｆ
１０６：Ｉ／Ｆ
１０７：Ｉ／Ｆ
１０８：入力部
１０９：表示部
１１０：内部バス

Claims

ＥＶ車に搭載された電池の残量を示すバッテリー情報を含むバッテリー画像を取得する画像取得手段と、
前記ＥＶ車の走行距離を示す距離情報を取得する走行距離取得手段と、
前記画像取得手段により取得されたバッテリー画像と前記走行距離取得手段により取得された距離情報とに基づいて、前記バッテリー情報と前記距離情報との対応関係を算出する第１算出手段と、
前記第１算出手段により算出された対応関係に基づいて、前記電池の負荷を推定する推定手段とを備えること
を特徴とするＥＶ車両の稼働状況監視システム。
前記画像取得手段は、前記距離情報を含む走行距離画像を取得し、
前記走行距離取得手段は、前記画像取得手段により取得された走行距離画像に基づいて、前記距離情報を取得すること
を特徴とする請求項１に記載のＥＶ車両の稼働状況監視システム。
ＥＶ車に搭載された電池の残量を示すバッテリー情報を含むバッテリー画像を取得する画像取得手段と、
前記電池の充電時間を示す充電時間情報を取得する時間取得手段と、
前記画像取得手段により取得されたバッテリー画像と前記時間取得手段により取得された充電時間情報とに基づいて、前記バッテリー情報と前記充電時間情報との対応関係を算出する第２算出手段と、
前記第２算出手段により算出された対応関係に基づいて、前記電池の負荷を推定する推定手段とを備えること
を特徴とするＥＶ車両の稼働状況監視システム。
前記画像取得手段は、前記充電時間情報を含む充電時間画像を取得し、
前記時間取得手段は、前記画像取得手段により取得された充電時間画像に基づいて、前記充電時間情報を取得すること
を特徴とする請求項３に記載のＥＶ車両の稼働状況監視システム。
前記推定手段は、前記第２算出手段により算出された対応関係に基づいて、前記電池の充電の種類を分類し、分類した前記種類に基づいて、前記電池の負荷を推定すること
を特徴とする請求項３に記載のＥＶ車両の稼働状況監視システム。
前記推定手段は、前記ＥＶ車に関する車体情報を取得し、取得した前記車体情報と前記対応関係とに基づいて、前記電池の負荷を推定すること
を特徴とする請求項１～５の何れか１項に記載のＥＶ車両の稼働状況監視システム。
ＥＶ車に搭載された電池の残量を示すバッテリー情報を含むバッテリー画像を取得する画像取得ステップと、
前記ＥＶ車の走行距離を示す距離情報を取得する走行距離取得ステップと、
前記画像取得ステップにより取得されたバッテリー画像と前記走行距離取得ステップにより取得された距離情報とに基づいて、前記バッテリー情報と前記距離情報との対応関係を算出する第１算出ステップと、
前記第１算出ステップにより算出された対応関係に基づいて、前記電池の負荷を推定する推定ステップとをコンピュータに実行させること
を特徴とするＥＶ車両の稼働状況監視プログラム。
ＥＶ車に搭載された電池の残量を示すバッテリー情報を含むバッテリー画像を取得する画像取得ステップと、
前記電池の充電時間を示す充電時間情報を取得する時間取得ステップと、
前記画像取得ステップにより取得されたバッテリー画像と前記時間取得ステップにより取得された充電時間情報とに基づいて、前記バッテリー情報と前記充電時間情報との対応関係を算出する第２算出ステップと、
前記第２算出ステップにより算出された対応関係に基づいて、前記電池の負荷を推定する推定ステップとをコンピュータに実行させること
を特徴とするＥＶ車両の稼働状況監視プログラム。