WO2017033610A1 - 車両の使用予測システム - Google Patents

車両の使用予測システム Download PDF

Info

Publication number
WO2017033610A1
WO2017033610A1 PCT/JP2016/070763 JP2016070763W WO2017033610A1 WO 2017033610 A1 WO2017033610 A1 WO 2017033610A1 JP 2016070763 W JP2016070763 W JP 2016070763W WO 2017033610 A1 WO2017033610 A1 WO 2017033610A1
Authority
WO
WIPO (PCT)
Prior art keywords
vehicle
state
prediction
home
unit
Prior art date
Application number
PCT/JP2016/070763
Other languages
English (en)
French (fr)
Inventor
伊藤　章
鈴木　達也
伸吉 稲垣
明彦 川島
拓真 山口
勇介 佐々木
Original Assignee
株式会社デンソー
国立大学法人名古屋大学
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 株式会社デンソー, 国立大学法人名古屋大学 filed Critical 株式会社デンソー
Publication of WO2017033610A1 publication Critical patent/WO2017033610A1/ja

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L50/00—Electric propulsion with power supplied within the vehicle
    • B60L50/50—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells
    • B60L50/60—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells using power supplied by batteries
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • 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
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • 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
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • 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
    • Y02T90/14—Plug-in electric vehicles

Definitions

  • the present disclosure relates to a vehicle use prediction system that predicts a use state of a vehicle by a user.
  • V2X vehicle to X
  • a storage battery of a user-owned vehicle is used as a storage battery for adjusting the power supply / demand balance at home.
  • the vehicle is used as energy storage for storing energy.
  • the vehicle in order to use the storage battery of the vehicle with V2X, the vehicle needs to be connected to a power grid such as a house.
  • the storage battery of the vehicle is set to V2X.
  • Patent Document 1 describes a system for predicting the use state of a vehicle.
  • past departure times and return times are tabulated in frequency distribution, and the simultaneous probability of departure time and return times is maximized. It becomes.
  • the stay period and absence period of one vehicle with respect to one house are estimated.
  • the purpose of this disclosure is to increase the usage rate of in-vehicle storage batteries in energy management using in-vehicle storage batteries.
  • the usage prediction system determines whether a vehicle is parked in a parking state in which the vehicle is parked or in a moving state in which the vehicle is not parked. Predict by modeling the stochastic process of vehicle usage. The usage prediction system predicts whether the usage state of a vehicle is in a parking state or a moving state for each of a base setting unit that sets a plurality of bases for a vehicle and a plurality of bases set by the base setting unit. And a use predicting unit.
  • the prediction of the presence or absence of the vehicle can be individually acquired for each of these bases. For this reason, by performing energy management using in-vehicle storage batteries at each of the plurality of bases, the period of not using in-vehicle storage batteries is shortened, and it is possible to appropriately obtain the opportunity to use in-vehicle storage batteries for effective use of energy. it can. In this case, if a plurality of bases are included in the same area, it is possible to suppress the peak of power consumption in the area. As described above, the utilization rate of the in-vehicle storage battery can be increased in the energy management using the in-vehicle storage battery.
  • the area 10 has a plurality of buildings 11 such as houses, buildings, factories, stores, and public facilities.
  • the area 10 is composed of a municipality such as a municipality, a district owned by the municipality, a school district, or the like.
  • commercial power is supplied to each building 11 from a transmission / distribution network included in one power system.
  • Each building 11 is provided with an EMS 12 (Energy Management System) as an energy management system for performing energy management, and a regional management system 13 is constructed including the EMS 12.
  • the region management system 13 is a system that performs energy management in the region 10, and can also be referred to as a region energy management system or a CEMS (Community Energy Management System).
  • the regional management system 13 can predict the usage state of each of the plurality of vehicles 15 used corresponding to the building 11, and can manage the EMS 12 of each building 11 based on the prediction result. Yes.
  • energy management of the area 10 using the area management system 13 is performed by an operator such as an aggregator.
  • the area management system 13 corresponds to a vehicle use prediction system.
  • the description of one vehicle 15 means each vehicle 15 or any one of a plurality of vehicles 15.
  • the description of the vehicle 15a means one target vehicle 15 of the plurality of vehicles 15 as an example.
  • the regional management system 13 has a regional controller 16 as a control device.
  • the regional controller 16 and the EMS 12 can communicate bidirectionally with a communication device or the like.
  • the regional controller 16 is also referred to as an electronic control circuit, and includes a storage device such as a memory described later and each component.
  • the regional controller 16 includes a storage device such as a RAM and a ROM, and a microcomputer including a CPU.
  • a part or all of the configuration may include hardware (for example, an integrated circuit or a wiring logic circuit).
  • Each component can be realized not only with (i) software recorded in a memory combined with hardware, but also (ii) with or without the function of the associated device as hardware. . Further, hardware components can be included in the microcomputer.
  • the building 11 is provided with electrical equipment for constructing a power network in the building 11.
  • the vehicle 15 is an electric vehicle (EV) that runs only by an electric motor, or a plug-in hybrid (PHV) that uses a motor and an internal combustion engine as a driving force, and has an in-vehicle storage battery.
  • EV electric vehicle
  • PSV plug-in hybrid
  • the EMS 12 performs energy management between one vehicle 15 and one building 11 including implementation of V2X (vehicle to X) which is power feeding from the vehicle 15 to the building 11.
  • V2X vehicle to X
  • the EMS 12 uses the vehicle 15 as an energy storage capable of storing electric power, and corresponds to a management unit that performs energy management for the building 11.
  • the vehicle 15 moves between the plurality of buildings 11, energy management by the EMS 12 is performed in each of the buildings 11 during the parking period of the vehicle 15. In this case, the vehicle 15 plays a role of transporting the electric power stored in the in-vehicle storage battery to the plurality of buildings 11.
  • a user's home 11 a and the user's work place 11 b are included in a plurality of buildings 11, and the user commutes using a vehicle 15 a owned by the user. is doing.
  • the vehicle 15a is parked in the home 11a before going to work, after returning home, or on a holiday.
  • the vehicle 15a is parked at the work location 11b during the period in which the user is at the work location 11b after going to work, and the vehicle 15a is parked at either the home 11a or the work location 11b during work or return home.
  • the vehicle 15 is parked in the parking lot in each site or off site.
  • the vehicle 15 belongs to one of a plurality of bases, and the destination is switched as the vehicle 15 moves.
  • the vehicle 15a belongs to the home 11a.
  • the vehicle 15a belongs to the work place 11b.
  • the use state of the vehicle 15 is changed by parking or moving. In this case, the use state of the vehicle 15 is changed from one to the other among the parking state and the moving state. If the movement of the vehicle 15 is accompanied, the state transition of the vehicle 15 occurs not only when the affiliation of the vehicle 15 changes but also when the affiliation of the vehicle 15 does not change.
  • this state transition corresponds to the first transition
  • this state transition Corresponds to the second transition.
  • the transition from the parking state to the moving state occurs regardless of whether the affiliation destination of the vehicle 15 is changed or not, while the transition from the moving state to the parking state is a case where the affiliation destination of the vehicle 15 is not changed. Only occurs.
  • Transitions A1 and A2 are performed.
  • the vehicle 15a uses the transitions B1 and B2 as the first transition in which the affiliation destination is held at the work place 11b. Will do.
  • Transitions A1 and B1 are movement transitions A1 and B1 indicating a state transition from the parking state to the movement state
  • transitions A2 and B2 are parking transitions A2 and B2 indicating a state transition from the movement state to the parking state.
  • the vehicle 15a when the vehicle 15a moves from the work place 11b to the home 11a, the vehicle 15a changes its affiliation from the work place 11b to the home 11a at the timing of leaving the work place 11b, and from the parked state to the moved state.
  • Home transition A3 will be performed as two transitions.
  • the vehicle 15a when the vehicle 15a moves from the home 11a to the work location 11b, the vehicle 15a changes from the home state 11a to the work location 11b at the timing of leaving the home 11a and the second state from the parked state to the moved state.
  • Work location transition B3 will be performed as a transition.
  • a state in which the vehicle 15a is parked at a base such as the home 11a or the work place 11b is referred to as a parking state.
  • the state in which the vehicle 15a is traveling is referred to as a moving state
  • the state in which the vehicle 15a is parked in a place other than the base is also referred to as a moving state.
  • the regional controller 16 uses the acquisition units 21 to 24 (also referred to as acquisition devices or acquisition units) that acquire various types of information as components, and uses the vehicle 15 based on the various types of information.
  • a use prediction unit 30 also referred to as a use prediction device or a use predictor for predicting a state; and a region output unit 50 (region presentation unit, region presentation device or It is also referred to as a regional presenter).
  • the EMS 12 of each building 11 is electrically connected to the output side of the regional output unit 50, and the regional output unit 50 outputs a prediction result to the EMS 12 (prediction presentation unit, prediction presentation device, Alternatively, it is also referred to as a predictive presenter).
  • Various sensors are connected to the regional controller 16, and the acquisition units 21 to 24 can acquire various information based on detection signals of the various sensors.
  • Various sensors include those that are directly connected to the regional controller 16 and those that are indirectly connected via the EMS 12 of the building 11. “Information” is used not only as a countable noun but also as a countable noun, and is equivalent to an information item.
  • One information item is equivalent to one information item, and a plurality of information items are equivalent to a plurality of information items.
  • a time acquisition unit 21 that acquires the current time a current state acquisition unit 22 that acquires the current use state of the vehicle 15, and a latest acquisition unit 23 that acquires the nearest parking place of the vehicle 15; Is connected to the input side of the usage predicting unit 30.
  • the current state acquisition unit 22 acquires that the vehicle 15 is in a moving state and in a parking state. Moreover, when the vehicle 15 is in a parking state, the parking location is acquired.
  • the latest acquisition unit 23 acquires a base parked before the vehicle 15 starts the current movement as the latest parking place. Moreover, the latest acquisition part 23 acquires a continuation period about the present movement based on the time which departed from the latest parking place.
  • the distribution acquisition unit 24 acquires a frequency distribution table showing the usage history of the vehicle 15.
  • a base setting unit 25 that sets a plurality of bases for the vehicle 15 is connected to the input side of the distribution acquisition unit 24.
  • the distribution acquisition unit 24 acquires a frequency distribution table for a plurality of bases set by the base setting unit 25.
  • the site setting unit 25 sets any of the plurality of buildings 11 as a site by a user input operation.
  • the frequency distribution table acquired by the distribution acquisition unit 24 includes data indicating the past use state of the vehicle 15 as a parking period, a moving period, a destination, a departure time for the destination, Information such as arrival time is included in a discretized state.
  • the event such as parking or movement is information indicating the usage state of the vehicle 15, and the frequency distribution table records the duration of the event and the number of occurrences of the event.
  • the distribution acquisition unit 24 inputs the use prediction unit 30 via a model creation unit 26 (also referred to as a model creation device or model creator) that creates a probability model (quasi-Markov model) related to the state transition of the vehicle 15. It is connected to the.
  • the model creation unit 26 creates a Markov model 35 (see FIG. 6) as a probability model by developing a quasi-Markov process as a probability process based on the frequency distribution table acquired by the distribution acquisition unit 24.
  • the model creation unit 26 models the use prediction of the vehicle 15 with respect to both the event occurrence order and the event occurrence time.
  • the state transition probability varies with time.
  • the Markov model 35 corresponds to a prediction model for predicting the usage state of the vehicle 15.
  • both the information on the base set by the base setting unit 25 and the Markov model 35 created by the model creation unit 26 are input to the use prediction unit 30.
  • the usage prediction unit 30 performs prediction for a predetermined prediction period.
  • the prediction result of the usage prediction unit 30 is that the prediction period is discretized into T steps, and the discretization step width ⁇ t in this case is an occurrence interval between events.
  • the usage prediction unit 30 estimates the maximum likelihood solution based on the transition calculation unit 31 that calculates the probability that the usage state of the vehicle 15 transitions as the state transition probability and the Markov model 35 created by the model creation unit 26.
  • an estimation unit 32 also referred to as a maximum likelihood estimation device or a maximum likelihood estimator.
  • the regional controller 16 performs a use prediction process for predicting the use of the vehicle 15.
  • the use prediction process will be described with reference to FIGS.
  • offline processing is performed in S11.
  • the base setting unit 25 sets the base
  • the distribution acquisition unit 24 acquires the frequency distribution table
  • the model creation unit 26 creates the Markov model 35.
  • the offline processing is processing that is performed at the time of initial setting or maintenance.
  • the Markov model 35 includes model units 36 and 37 for predicting the duration of the predetermined state when the vehicle 15 is in the predetermined state.
  • the model unit 36 is a parking model unit 36 for predicting a duration in which the vehicle 15 is in a parking state
  • the model unit 37 is a movement model unit 37 for predicting a duration in which the vehicle 15 is in a moving state. is there.
  • the horizontal axis is time t
  • the future step of ⁇ + T is 24 hours ahead.
  • the vertical axis is the duration u
  • the prediction dot 38 that predicts the usage state of the vehicle 15 has two elements, time and duration.
  • model units 36 and 37 are individually provided for each of a plurality of bases in the Markov model 35.
  • model units 36a and 37a for home use and model units 36b and 37b for work place are provided as the model units 36 and 37, respectively.
  • the process proceeds to S12 and online processing is performed.
  • online processing acquisition of various information by the acquisition units 21 to 23, processing by the transition calculation unit 31, and processing by the maximum likelihood estimation unit 32 are performed in this order.
  • the transition calculation unit 31 calculates a frequency distribution related to the use of the vehicle 15 based on the frequency distribution table acquired by the distribution acquisition unit 24, and calculates an initial state probability and a state transition probability based on the frequency distribution.
  • the frequency distribution As the frequency distribution, the frequency distribution for arrival indicating the relationship between the arrival time of the vehicle 15 at the base and the parking period at the base, and the relationship between the departure time of the vehicle 15 from the base and the movement period after the departure.
  • the starting frequency distribution shown is mentioned.
  • the base of the vehicle 15a is set to the home 11a and the work place 11b, and the frequency distribution for arrival as illustrated in FIG. 7 is obtained for each of the home 11a and the work place 11b.
  • the horizontal axis is the arrival time at the home 11a
  • the vertical axis is the parking period in which the vehicle 15a is continuously parked after arrival.
  • the destination of the vehicle 15 is one of the two bases and a case where the destination is the other base. That is, there are a case where the vehicle 15 belongs to one base and a case where the vehicle 15 belongs to the other base.
  • the vehicle 15a belongs to the home 11a
  • FIG. 8 when the vehicle 15a leaves the home 11a and returns to the home 11a, the vehicle 15a moves from the work place 11b to the home 11a. May move.
  • FIG. 9 when the vehicle 15a belongs to the work place 11b, the vehicle 15a moves from the home 11a to the work place 11b, and the vehicle 15a leaves the work place 11b again. There is a case of returning to the work place 11b.
  • the horizontal axis is the departure time
  • the vertical axis is the movement period until the arrival at the destination.
  • This travel period is the time required to arrive at the destination after departure. For this reason, not only the period during which the vehicle 15 actually travels, but also the period during which the vehicle 15 is parked at a place different from the destination, for example, is included in the movement period.
  • the frequency distributions shown in FIGS. 7 to 9 are obtained by sampling the usage history of the vehicle 15 with the user as the subject. For example, as information on the subject, age, sex, main purpose of use of the vehicle 15, and the like are stored in the storage device of the regional controller 16.
  • the purpose of using the vehicle 15 includes commuting and shopping.
  • the frequency at which an event such as parking or movement occurs is expressed by the shading of the dot display indicating the sampling result, and the initial state probability and the state transition probability are calculated using this frequency.
  • a diagram in which the frequency is quantified is shown in FIG.
  • the state of this travel time is obtained by dividing the occurrence frequency of a predetermined travel time (for example, 50 minutes) by the sum of the occurrence frequencies of all samplings.
  • a transition probability is calculated. For example, when the movement occurrence frequency when moving from the home 11a to the work place 11b is displayed in two dimensions with the movement period, a distribution diagram as shown in FIG. 11 is obtained.
  • the state transition probability regarding the vehicle movement of the home 11a ⁇ the work place 11b the state transition probability regarding the parking of the home 11a and the work place 11b, and the home 11a ⁇ the home 11a, the work place 11b ⁇ the work place 11b, the work place 11b ⁇ the home
  • a state transition probability relating to the movement of 11a is calculated.
  • the initial state probability is also calculated in the same manner as the state transition probability according to the state of the vehicle 15 at the current time.
  • the initial state probability and the state transition probability are individually assigned to each predicted dot 38 of the Markov model 35, and the transition calculation unit 31 performs initial processing for each predicted dot 38 in online processing. Update probabilities and state transition probabilities. In this case, the initial state probability and the state transition probability change with time. In the model portions 36 and 37, the decrease in the duration with the passage of time is indicated by an arrow extending from the prediction dot 38 to the lower right.
  • the maximum likelihood estimation unit 32 uses the prediction problem regarding the usage state of the vehicle 15 as a “combination optimization problem” and estimates a maximum likelihood solution for the “combination optimization problem” using “dynamic programming”.
  • the maximum likelihood estimator 32 divides the prediction problem of the vehicle 15 into a plurality of partial problems on the time axis in the Markov model 35, and uses the calculation results of these partial problems in a forward algorithm, thereby generating a plurality of movement patterns. The occurrence probability is calculated for each of. And based on each occurrence probability of these movement patterns, the maximum likelihood solution about the prediction problem of the vehicle 15 is estimated.
  • the maximum likelihood estimation unit 32 estimates the occurrence probability J of the movement pattern based on an estimation expression such as the following expression (1), using information regarding the current time and information regarding the future.
  • Information on the current time includes the current use state ⁇ of the vehicle 15, the start time t0 of the state ⁇ , and the current affiliation v0 of the vehicle 15. As information about the future, future times t1, t2,... Tk and future affiliations v1, v2,.
  • the maximum likelihood solution X1 is that the vehicle 15a is parked at the home 11a after a certain period of time has elapsed (for example, one hour later) after the vehicle 15a starts moving from the work place 11b to the home 11a. The prediction is shown.
  • the maximum likelihood solution X1 has a home transition A3 accompanied by a movement from the work place 11b to the home 11a and a parking transition A2 with the affiliation destination being the home 11a.
  • the process proceeds to S ⁇ b> 13 and it is determined whether or not the time of the discretization step width ⁇ t has elapsed. In the present embodiment, it is determined whether or not 30 minutes have elapsed since the online processing was executed. If the time of the discretization step width ⁇ t has not elapsed, the process waits as it is, and if the time of the discretization step width ⁇ t has elapsed, the process proceeds to S12 and online processing is performed. In this case, online processing is repeatedly performed at intervals of the discretization step width ⁇ t.
  • the maximum likelihood solution obtained by executing the usage prediction process is not the Markov model 35, but the affiliation model 41 indicating the affiliation of the vehicle 15, the usage model 42 indicating the usage state of the vehicle 15, and the duration of the usage state of the vehicle 15.
  • the continuation model 43 indicating that can be expressed.
  • the maximum likelihood estimation unit 32 estimates the maximum likelihood solution X2 will be described with reference to FIG.
  • the vehicle 15a moves from the home 11a to the work location 11b with the user's attendance and parks, and the vehicle 15a moves from the work location 11b to the home 11a with the user's return after work. It is predicted that the user will park and then go out with the vehicle 15a.
  • the affiliation destination v of the vehicle 15 is the vertical axis
  • the usage model 42 the usage state ⁇ of the vehicle 15 is the vertical axis
  • the duration u is The vertical axis.
  • time t is the horizontal axis.
  • the affiliation model 41 indicates that the vehicle 15a belongs to one of the home 11a and the work place 11b with respect to the maximum likelihood solution X2. More specifically, it is expressed that the affiliation v0 of the vehicle 15a is the home 11a at the current time ⁇ , and that the affiliation of the vehicle 15a is updated every time a state transition occurs. In this case, the affiliations v1 to v4 are set according to the future times t1 to t5. However, as the affiliation destinations v1 and v2 are both set to the work place 11b, the affiliation destination of the vehicle 15a does not change when the use state ⁇ shifts from the movement state to the parking state.
  • the maximum likelihood solution X2 of the usage model 42 has a work place transition B3, a parking transition B2 at the work place 11b, a home transition A3, a parking transition A2 at the home 11a, and a movement transition A1.
  • the usage state ⁇ of the vehicle 15a is in the parking state at the current time ⁇ , and that the state transition of the vehicle 15a occurs by repeating movement and parking in the future.
  • the timing at which the state transition occurs is set to future times t1 to t5.
  • the continuation model 43 indicates the remaining periods of the parking state and the moving state for the maximum likelihood solution X2, and the continuation periods for the future times t1 to t5 are u1 to u5. For example, the duration until the future time t2 is represented by u1.
  • the prediction result of the use predicting unit 30 is output from the regional output unit 50 to each EMS 12 of a plurality of bases.
  • the energy management using the vehicle-mounted storage battery of the vehicle 15 and the energy management which does not use a vehicle-mounted storage battery are implemented.
  • the estimation result by the maximum likelihood estimator 32 is the maximum likelihood solution X2
  • energy using the vehicle 15a as energy storage Management is performed by the EMS 12 of the work place 11b.
  • energy management using the vehicle 15a as the energy storage is performed by the EMS 12 of the home 11a.
  • FIG. 13 shows an affiliation model 41 and a use model 42.
  • the affiliation destination v of the affiliation model 41 the home 11a is indicated by L1, and the work location 11b is indicated by L2.
  • the usage state ⁇ of the usage model 42 the movement state is indicated by “1” and the parking state is indicated by “0”.
  • the maximum likelihood solution X at each prediction timing is different from each other.
  • the prediction timing shifts to 6:00, 6:30, 7:00, 7:30, the difference between the maximum likelihood solution X and the observed value Y for the future times 9:00, 12:00, etc. Is getting smaller.
  • the presence or absence of the vehicle 15 can be individually predicted for each of the bases. Based on the prediction result, the energy management using the on-vehicle storage battery of the vehicle 15 is individually performed for each of the plurality of bases, so that the power usage for the power system that supplies power to each building 11 in the region 10 is targeted. The peak value of the total of can be reduced. In addition, individually performing energy management at a plurality of bases also reduces the burden on the power system in the region 10, so that it is possible to adjust the power supply / demand balance in units of regions.
  • the use prediction of the vehicle 15 is performed with any one of a plurality of bases as the affiliation destination. Therefore, the prediction result regarding the parking or movement of the vehicle 15 is clarified for each affiliation destination. Moreover, since the affiliation is changed with the movement of the vehicle between the bases, unlike the case where the vehicle 15 does not belong to any of the plurality of bases for the movement, the use prediction of the vehicle 15 is made to the plurality of bases. Can be done continuously.
  • the state transition of the vehicle 15 predicted by the use prediction unit 30 includes the first transition (A1, A2, B1, B2) that does not involve the change of the affiliation destination and the change of the affiliation destination.
  • the accompanying second transition (A3, B3) is included. For this reason, the use prediction of the vehicle which considered the movement between several bases can be implemented.
  • the vehicle 15 since the second transition accompanied by the change of the affiliation indicates a state transition from the parking state to the moving state, the vehicle 15 is started at the timing when the vehicle 15 starts moving toward the base. Will be changed.
  • the EMS 12 to which the vehicle 15 belongs can update the energy management using the in-vehicle storage battery according to the current situation at a timing before the vehicle 15 arrives at the destination.
  • the home 11a and the work place 11b are set as the base of the vehicle 15a. For this reason, both the period in which the vehicle 15a is parked in the home 11a and the period in which the vehicle 15a is parked in the work place 11b can be effectively used as an opportunity to utilize the vehicle 15a as energy storage.
  • the use prediction of the vehicle 15 is effectively performed in the energy management related to the building 11. Available. In this case, it is possible to optimize the energy management by the EMS 12 by increasing the prediction accuracy for the use prediction of the vehicle 15.
  • the power supply-demand balance can be adjusted for each region simply by the user going back and forth between a plurality of bases in the region 10.
  • the maximum likelihood estimation unit 32 estimates the maximum likelihood solution based on the Markov model 35, it is possible to reduce the amount of calculation of the prediction problem of use prediction of the vehicle 15. In particular, since dynamic programming is used to estimate the maximum likelihood solution, the prediction time can be shortened.
  • a user's home 11c is set in addition to the home 11a and the work place 11b as three bases for predicting the use of the user's vehicle 15a.
  • the vehicle 15a moves as the first transition in which the home is held in the home 11c. Transition C1 and parking transition C2 will be performed.
  • the home 15c performs the home transition C3 and C4 as the second transition.
  • the vehicle 15a performs home transition A4 as the second transition when moving from the home 11c to the home 11a, and performs work location transition B4 as the second transition when moving from the home 11c to the work location 11b. become.
  • model units 36 and 37 are individually provided for each of the three bases. More specifically, model parts 36c and 37c for a home are added to the Markov model 35 of the present embodiment.
  • This maximum likelihood solution X4 indicates a prediction that the vehicle 15a moves from the work place 11b to the home 11a, parks at the home 11a, and then moves again toward the home 11c.
  • the maximum likelihood solution X4 includes a home transition A3 accompanied by a movement from the work place 11b to the home 11a, a parking transition A2 held in the home 11a, and a home transition C3 accompanied by a movement from the home 11a to the home 11c. Have.
  • the maximum likelihood solution estimated by the maximum likelihood estimation unit 32 can be expressed by the belonging model 41, the use model 42, and the continuation model 43.
  • the maximum likelihood estimation unit 32 estimates the maximum likelihood solution X5 will be described with reference to FIG.
  • the vehicle 15a moves from the home 11a to the work place 11b and parks with the user's attendance, stops at the home 11c with the vehicle 15a after the work ends, and then the user takes the vehicle 15a from the home 11c with the vehicle 15a. It shows the prediction of going out.
  • the affiliation model 41 of the present embodiment a home 11c is added to the vertical axis representing the affiliation destination v of the vehicle 15a.
  • the affiliation model 41 indicates that the vehicle 15a belongs to any one of the home 11a, the work place 11b, and the home 11c with respect to the maximum likelihood solution X5.
  • the affiliation destination v of the vehicle 15a is the parents' home 11c in a period after the future time t3.
  • the maximum likelihood solution X5 of the usage model 42 has a work location transition B3, a parking transition B2 at the work location 11b, a home transition C4, a parking transition C2 and a movement transition C1 at the home 11c.
  • the usage state of the vehicle 15a transitions between the parking state and the movement state while the affiliation v of the vehicle 15a is held in the parents' home 11c in a period equal to or greater than the future time t3.
  • the use prediction of the vehicle 15 is appropriately set by assuming the first transition and the second transition for the third base. It can be carried out. Therefore, for example, even when the home 11a, the work place 11b, and the real home 11c are set as three bases, the use prediction of the vehicle 15a can be continuously performed for the home 11a, the work place 11b, and the real home 11c.
  • the second transition accompanied by the change of the affiliation destination of the vehicle 15 may not be a state transition from the parking state to the moving state but a state transition from the moving state to the parking state.
  • the timing at which the vehicle 15a belongs to the work place 11b from the home 11a is not the time when the vehicle 15a leaves the home 11a, but the vehicle 15a works. It is set as the timing which arrived at the ground 11b.
  • the affiliation destination of the vehicle 15a is not the work place 11b but the home 11a. Even in this case, use prediction of the vehicle 15 can be continuously performed for a plurality of bases.
  • the vehicle 15 when the vehicle 15 is in a moving state, the vehicle 15 does not have to belong to any of a plurality of bases. Even in this configuration, since the parking location and parking period of the vehicle 15 are predicted by the use predicting unit 30, the prediction result can be utilized for EMS energy management.
  • the parking state with respect to the base and the movement state between the bases may be predicted individually.
  • the base is not used as a reference when the usage prediction of the vehicle 15 is performed.
  • the state transition from the parking state to the moving state is not distinguished depending on whether the destination is the home 11a or the work location 11b. That is, there is no distinction between the movement transition A1 when the affiliation is held at the home 11a and the work location transition B3 when the affiliation is changed from the home 11a to the work location 11b.
  • At least one of the home 11a and the work place 11b may not be included in the plurality of bases.
  • the office and business partners are included in a plurality of bases. In this configuration, the vehicle 15 can be effectively used as energy storage during a period in which the vehicle 15 is parked at each of the work place and the business partner.
  • the number of predetermined bases may be more than three. In short, it is sufficient if the number of bases is plural.
  • a plurality of bases may be set by performing a selection process by the base setting unit 25 instead of selecting a plurality of bases by a user input operation.
  • the base setting unit 25 sets two of the plurality of buildings 11 as bases based on the frequency distribution acquired by the distribution acquisition unit 24. Specifically, in the usage history of the vehicle 15, the building 11 having the largest total parking period and the second largest building 11 are set as two bases. According to this configuration, since the two bases are selected based on the length of the parking period, in each of these bases, an appropriate parking period for transferring power between the vehicle 15 and the building 11. Can be secured.
  • the regional controller 16 may have a function of setting the number of bases.
  • this configuration include a configuration in which the use predicting unit 30 has a number setting unit that sets the number of sites, and a configuration in which the site setting unit 25 can set the number of sites.
  • the number setting unit determines how many buildings 11 are set as the base based on the usage history of the vehicle 15. In this configuration, the ratio of the parking period to the total of the past parking period of the vehicle 15 is calculated for each building 11 where the vehicle 15 has been parked in the past, and the ratio has reached a predetermined value (for example, 20%). All buildings 11 are set as bases.
  • the base setting unit 25 may set the land or equipment as a base instead of setting the building 11 as a base. Even in this case, if a power transmission / reception device that enables transmission / reception of electric power to / from the vehicle 15 is provided in the land or facility, the energy management of the base and the vehicle 15 can be performed.
  • the energy management for the building 11 may be performed by the regional controller 16 instead of the EMS 12 of the building 11. Even in this case, energy management can be performed individually for each of the plurality of bases.
  • the building 11 set as the base may not be included in the single region 10.
  • the home 11a and the work place 11b are included in different areas.
  • the prediction period for predicting the usage state of the vehicle 15 is discretized in the Markov process, but the prediction period may not be discretized.
  • an independent incremental process a Gaussian process, or the like may be employed instead of the Markov process as the stochastic process used to predict the use of the vehicle 15.

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Sustainable Energy (AREA)
  • Sustainable Development (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

使用予測システムは、車両を駐車可能な拠点（１１，１１ａ～１１ｃ）について、車両が拠点に駐車された駐車状態及び拠点に駐車されていない移動状態のいずれにあるのかを、ユーザによる車両の使用状態（γ）についての確率過程をモデル化することで予測する。使用予測システムは、車両に対して拠点を複数設定する拠点設定部（２５）と、拠点設定部により設定された複数の拠点のそれぞれについて、車両の使用状態が駐車状態及び移動状態のいずれにあるのかを予測する使用予測部（３０）と、を備えている。

Description

車両の使用予測システム 関連出願の相互参照
　本出願は、２０１５年８月２７日に出願された日本出願番号２０１５－１６８０３６号に基づくもので、ここにその記載内容を援用する。
　本開示は、ユーザによる車両の使用状態を予測する車両の使用予測システムに関する。
　電気自動車（ＥＶ）やプラグインハイブリッド（ＰＨＶ）といった車両については、蓄電池を走行のみならず外部への電力供給に使用するＶ２Ｘ（vehicle to X）に関する研究開発が盛んに行われている。例えば、ユーザが自宅にいる場合に、ユーザ所有の車両の蓄電池を自宅での電力の需給バランスを調整するための蓄電池として活用する、というＶ２Ｘを利用したエネルギーマネージメント手法が提案されている。このエネルギーマネージメント手法においては、車両がエネルギーを貯蔵するエネルギーストレージとして活用されることになる。
　ところが、車両の蓄電池をＶ２Ｘにて活用するためには、車両が住宅等の電力網に接続されている必要があり、ユーザが車両を使用して外出している場合には、車両の蓄電池をＶ２Ｘにて活用することができない。このため、車両の蓄電池を利用したエネルギーマネージメントを行うには、ユーザの出発時刻及び帰宅時刻から蓄電池の使用可否のタイミングを把握し、例えば１日分の蓄電池の充放電計画を立案する必要がある。
　蓄電池の使用可否のタイミングを把握する方法としては、ユーザが車両の使用計画の入力作業を事前に行う方法があるが、この方法はユーザへの負担を強いることになる。そこで、蓄電池の使用可否のタイミングを把握するために、車両の使用状態を予測する方法を採用することが考えられる。
　例えば特許文献１には、車両の使用状態を予測するシステムが記載されており、このシステムにおいては、過去の出発時刻及び帰宅時刻が度数分布表化され、出発時刻及び帰宅時刻の同時確率が最大化される。また、このシステムでは、１軒の住宅に対する１台の車両の滞在期間や不在期間が予測される。
ＪＰ　２０１４－０７５８６１　Ａ
　しかしながら、１台の車両と１軒の住宅を対象にしてエネルギーマネージメントが行われる構成では、エネルギーマネージメントにおいて車載蓄電池を有効に活用することに関して改善の余地がある。例えば、ユーザの通勤に車両が用いられている場合に、ユーザの勤務時間帯においては、住宅にて車両をエネルギーストレージとして活用する機会が失われてしまう。
　本開示の目的は、車載蓄電池を活用したエネルギーマネージメントにおいて車載蓄電池の利用率を高めることにある。
　本開示の一つの観点によれば、使用予測システムは、車両を駐車可能な拠点について、車両が拠点に駐車された駐車状態及び拠点に駐車されていない移動状態のいずれにあるのかを、ユーザによる車両の使用状態についての確率過程をモデル化することで予測する。使用予測システムは、車両に対して拠点を複数設定する拠点設定部と、拠点設定部により設定された複数の拠点のそれぞれについて、車両の使用状態が駐車状態及び移動状態のいずれにあるのかを予測する使用予測部と、を備えている。
　この構成によれば、車両の使用状態の予測についてユーザの車両に対して複数の拠点が設定されるため、これら拠点のそれぞれについて車両の有無の予測を個別に取得することができる。このため、複数の拠点のそれぞれにおいて車載蓄電池を活用したエネルギーマネージメントを行うことで、車載蓄電池を活用しない期間が短縮化され、エネルギーを有効利用する上で車載蓄電池の活用機会を適正に得ることができる。この場合、複数の拠点が同一の地域に含まれていれば、その地域において電力使用量のピーク抑制などを図ることができる。以上のように、車載蓄電池を活用したエネルギーマネージメントにおいて車載蓄電池の利用率を高めることができる。
　本開示についての上記目的およびその他の目的、特徴や利点は、添付の図面を参照しながら下記の詳細な記述により、より明確になる。
第１実施形態における地域管理システムの全体構成を示す図。 地域における車両の移動態様を示す図。 車両の状態遷移を説明するための図。 地域コントローラの機能を示すブロック図。 使用予測処理の手順を示すフローチャート。 マルコフモデルを示す図。 到着用の度数分布を示す図。 車両が自宅に所属している場合の出発用の度数分布を示す図。 車両が勤務地に所属している場合の出発用の度数分布を示す図。 イベントの発生頻度を数値化した度数分布を示す図。 イベントの発生頻度と移動期間との関係を示す図。 所属モデル、使用モデル及び継続モデルを示す図。 リアルタイム予測の結果を示す図。 第２実施形態における車両の状態遷移を説明するための図。 マルコフモデルを示す図。 所属モデル、使用モデル及び継続モデルを示す図。
　以下、本開示の複数の実施形態を図面に基づいて説明する。なお、各実施形態において対応する構成要素には同一の符号を付すことにより、重複する説明を省略する場合がある。各実施形態において構成の一部分のみを説明している場合、当該構成の他の部分については、先行して説明した他の実施形態の構成を適用することができる。また、各実施形態の説明において明示している構成の組み合わせばかりではなく、特に組み合わせに支障が生じなければ、明示していなくても複数の実施形態の構成同士を部分的に組み合せることができる。
　（第１実施形態）
　図１に示すように、地域１０が住宅やビル、工場、店舗、公共施設などの建物１１を複数有している。地域１０は、市町村といった自治体や市町村が有する地区、学区などにより構成されており、この地域１０においては、１つの電力系統に含まれる送配電網から各建物１１に商用電力が供給される。
　各建物１１のそれぞれには、エネルギー管理を行うエネルギーマネージメントシステムとしてＥＭＳ１２（Energy Management System）が設けられており、これらＥＭＳ１２を含んで地域管理システム１３が構築されている。地域管理システム１３は、地域１０のエネルギー管理を行うシステムであり、地域エネルギーマネージメントシステムやＣＥＭＳ（Community Energy Management System）と称することもできる。地域管理システム１３は、建物１１に対応して使用される複数の車両１５のそれぞれの使用状態を予測することや、この予測結果に基づいて各建物１１のＥＭＳ１２を管理することが可能になっている。なお、地域管理システム１３を使用した地域１０のエネルギー管理はアグリゲータ等の事業者により行われる。また、地域管理システム１３が車両の使用予測システムに相当する。
　尚、一台の車両１５と記載の場合は、各車両１５、あるいは、複数車両１５のいずれか一台、を意味する。一方、車両１５ａと記載の場合は、複数車両１５のうち、一例としての一台の対象の車両１５を意味する。
　地域管理システム１３は、制御装置としての地域コントローラ１６を有している。地域管理システム１３においては、地域コントローラ１６とＥＭＳ１２とは通信装置等により双方向の通信が可能になっている。地域コントローラ１６は、電子制御回路とも言及され、後述するメモリ等の記憶器と各構成要素を備える。本実施形態では、一例として、地域コントローラ１６は、ＲＡＭ，ＲＯＭ等の記憶器と、ＣＰＵを含むマイクロコンピュータを備えた構成とされる。一方、一部あるいは全てをハードウエア（例えば、集積回路、配線論理回路）を備えた構成とすることもできる。各構成要素は、(i)ハードウエアと組み合わさった記憶器に記録されたソフトウエアで実現されるのみならず、(ii)ハードウエアとして、関連する装置の機能を含みあるいは含まずに実現できる。さらに、ハードウエアの構成要素は、マイクロコンピュータの内部に含まれることもできる。
　建物１１には、この建物１１での電力網を構築する電気設備が設けられている。車両１５は、電動機のみによって走行する電気自動車（ＥＶ）や、電動機と内燃機関とを併用して走行駆動力とするプラグインハイブリッド（ＰＨＶ）であり、車載蓄電池を有している。車両１５が建物１１の駐車場に駐車され、建物１１の電気設備と車載蓄電池とが専用ケーブルにより電気的に接続された状態では、建物１１と車両１５との間で電力の授受が可能になっている。ＥＭＳ１２は、車両１５から建物１１への給電であるＶ２Ｘ（vehicle to X）の実施も含み、１台の車両１５と１軒の建物１１との間のエネルギーマネージメントを行っている。この場合、ＥＭＳ１２は、車両１５を電力の貯蔵が可能なエネルギーストレージとして活用することになり、建物１１についてのエネルギー管理を行う管理部に相当する。
　車両１５が複数の建物１１の間を移動する場合、これら建物１１のそれぞれにおいて、車両１５の駐車期間においてＥＭＳ１２によるエネルギーマネージメントが行われる。この場合、車両１５は、その車載蓄電池に蓄えた電力を複数の建物１１に運搬する役割を果たしていることになる。
　図２に示すように、地域１０において、ユーザの自宅１１ａと、そのユーザの勤務地１１ｂとが複数の建物１１に含まれており、このユーザは、自身の所有する車両１５ａを使用して通勤している。出勤前や帰宅後、休日などにおいては、車両１５ａが自宅１１ａに駐車されている。一方、ユーザが出勤した後に勤務地１１ｂにいる期間においては、車両１５ａが勤務地１１ｂに駐車されており、出勤中や帰宅中は、車両１５ａが自宅１１ａ及び勤務地１１ｂのいずれにも駐車されていない。なお、自宅１１ａや勤務地１１ｂにおいては、それぞれの敷地内や敷地外の駐車場に車両１５が駐車されることになる。
　地域管理システム１３においては、車両１５が複数の拠点のいずれかに所属しており、その所属先は車両１５の移動に伴って切り替わる。図３に示すように、例えば、車両１５ａが自宅１１ａにて駐車状態にある場合、及び車両１５ａの移動に際して目的地が自宅１１ａになっている場合は、いずれも車両１５ａが自宅１１ａに所属している。また、車両１５ａが勤務地１１ｂにて駐車状態にある場合、及び車両１５ａの移動に際して目的地が勤務地１１ｂになっている場合は、いずれも車両１５ａが勤務地１１ｂに所属している。
　車両１５の使用状態は、駐車や移動を行うことで遷移する。この場合、車両１５の使用状態は、駐車状態及び移動状態のうち一方から他方に遷移することになる。車両１５の移動が伴えば、車両１５の所属先が変わる場合はもちろんのこと、車両１５の所属先が変わらない場合でも、車両１５の状態遷移が生じる。ここで、所属先が変わらずに車両１５の状態遷移が生じた場合、この状態遷移は第１遷移に相当し、所属先の変更を伴って車両１５の状態遷移が生じた場合、この状態遷移は第２遷移に相当する。また、駐車状態から移動状態への遷移は、車両１５の所属先が変更されるか否かに関係なく生じる一方で、移動状態から駐車状態への遷移は、車両１５の所属先が変更されない場合に限って生じる。
　図３に示すように、例えば、車両１５ａが自宅１１ａから出発して勤務地１１ｂに行かずに再び自宅１１ａに戻る場合、この車両１５ａは、所属先を自宅１１ａにて保持した第１遷移として遷移Ａ１，Ａ２を行うことになる。一方、車両１５ａが勤務地１１ｂから出発して自宅１１ａに行かずに再び勤務地１１ｂに戻る場合、この車両１５ａは、所属先を勤務地１１ｂにて保持した第１遷移として遷移Ｂ１，Ｂ２を行うことになる。遷移Ａ１，Ｂ１は、駐車状態から移動状態への状態遷移を示す移動遷移Ａ１，Ｂ１であり、遷移Ａ２，Ｂ２は、移動状態から駐車状態への状態遷移を示す駐車遷移Ａ２，Ｂ２である。
　また、車両１５ａが勤務地１１ｂから自宅１１ａに移動する場合、この車両１５ａは、勤務地１１ｂを出発するタイミングで所属先が勤務地１１ｂから自宅１１ａに変わるとともに、駐車状態から移動状態への第２遷移として自宅遷移Ａ３を行うことになる。一方、車両１５ａが自宅１１ａから勤務地１１ｂに移動する場合、この車両１５ａは、自宅１１ａを出発するタイミングで所属先が自宅１１ａから勤務地１１ｂに変わるとともに、駐車状態から移動状態への第２遷移として勤務地遷移Ｂ３を行うことになる。
　なお、車両１５ａが自宅１１ａや勤務地１１ｂといった拠点に駐車している状態を駐車状態と称する。また、車両１５ａが走行している状態を移動状態と称するのはもちろんのこと、車両１５ａが拠点ではない場所に駐車している状態も移動状態と称する。
　次に、地域コントローラ１６が有する機能について、図４の機能ブロック図を参照しつつ説明する。
　図４に示すように、地域コントローラ１６は、構成要素のそれぞれとして、各種情報を取得する取得部２１～２４（取得デバイスあるいは取得器とも言及される）と、各種情報に基づいて車両１５の使用状態を予測する使用予測部３０（使用予測デバイスあるいは使用予測器とも言及される）と、使用予測部３０の予測結果を外部に出力あるいは提示する地域出力部５０（地域提示部、地域提示デバイスあるいは地域提示器とも言及される）とを有している。地域出力部５０の出力側には、各建物１１のＥＭＳ１２がそれぞれ電気的に接続されており、地域出力部５０は、予測結果をＥＭＳ１２に出力する予測出力部（予測提示部、予測提示デバイス、あるいは予測提示器とも言及される）に相当する。なお、地域コントローラ１６には各種センサが接続されており、取得部２１～２４は各種センサの検出信号に基づいて各種情報を取得可能になっている。各種センサには、地域コントローラ１６に直接的に接続されたものや、建物１１のＥＭＳ１２を介して間接的に接続されたものが含まれている。尚、「情報」は、不可算名詞のみならず、可算名詞としても使用され、情報項目と同等である。一つの情報は一つの情報項目と、複数の情報は、複数の情報項目と同等である。
　取得部２１～２３として、現在時刻を取得する時刻取得部２１と、車両１５の現在の使用状態を取得する現在状態取得部２２と、車両１５の直近の駐車場所を取得する直近取得部２３とが、使用予測部３０の入力側に接続されている。現在状態取得部２２は、車両１５が移動状態にあること及び駐車状態にあることを取得する。また、車両１５が駐車状態にある場合にはその駐車場所を取得する。
　直近取得部２３は、車両１５が移動状態にある場合に、この車両１５が現在の移動を開始する前に駐車していた拠点を直近の駐車場所として取得する。また、直近取得部２３は、直近の駐車場所を出発した時刻に基づいて、現在の移動について継続期間を取得する。
　分布取得部２４は、車両１５の使用履歴が示された度数分布表を取得する。分布取得部２４の入力側には、車両１５について複数の拠点を設定する拠点設定部２５が接続されている。分布取得部２４は、拠点設定部２５により設定された複数の拠点を対象として度数分布表を取得する。拠点設定部２５は、ユーザの入力操作が行われることで複数の建物１１のいずれかを拠点として設定する。
　分布取得部２４により取得された度数分布表には、車両１５の過去の使用状態を示すデータとして、車両１５の駐車期間や移動期間、目的地、目的地に向けた出発時刻、目的地への到着時刻などの情報が離散化された状態で含まれている。なお、駐車や移動といったイベントは、車両１５の使用状態を示す情報であり、度数分布表には、これらイベントの継続期間やイベントの発生回数が記録されている。
　分布取得部２４は、車両１５の状態遷移に関する確率モデル（準マルコフモデル）を作成するモデル作成部２６（モデル作成デバイスあるいはモデル作成器とも言及される）を介して、使用予測部３０の入力側に接続されている。モデル作成部２６は、分布取得部２４により取得された度数分布表に基づいて、確率過程としての準マルコフ過程を展開することで確率モデルとしてのマルコフモデル３５（図６参照）を作成する。この場合、モデル作成部２６は、イベントの生起順序及び生起時刻の両方について車両１５の使用予測をモデル化することになる。準マルコフ過程においては、時刻ごとに状態遷移確率が変動されることになる。なお、マルコフモデル３５が車両１５の使用状態を予測する予測モデルに相当する。
　ちなみに、拠点設定部２５にて設定された拠点に関する情報、モデル作成部２６により作成されたマルコフモデル３５は、いずれも使用予測部３０に入力される。
　使用予測部３０は、あらかじめ定められた予測期間を対象として予測を行うものである。使用予測部３０の予測結果は、予測期間がＴ個のステップに離散化されたものであり、この場合の離散化ステップ幅Δｔは、イベント間の生起間隔になっている。ステップ幅Δｔは、予測期間をＴで除した値になっている。例えば、予測期間を２４時間とし、ステップ幅Δｔを３０分とすると、Ｔ＝４８となる。
　使用予測部３０は、車両１５の使用状態が遷移する確率を状態遷移確率として算出する遷移算出部３１と、モデル作成部２６により作成されたマルコフモデル３５に基づいて最尤解を推定する最尤推定部３２（最尤推定デバイスあるいは最尤推定器とも言及される）とを有している。
　地域コントローラ１６は、車両１５の使用予測を行う使用予測処理を行う。ここでは、使用予測処理について、図５～図１１を参照しつつ説明する。
　図５において、Ｓ１１では、オフライン処理を行う。オフライン処理では、拠点設定部２５による拠点の設定や、分布取得部２４による度数分布表の取得、モデル作成部２６によるマルコフモデル３５の作成を行う。オフライン処理は、初期設定時やメンテナンス時などに合わせて行われる処理である。
　ここで、図６に示すように、マルコフモデル３５は、車両１５が所定状態にある場合にその所定状態の継続期間を予測するためのモデル部３６，３７を有している。モデル部３６は、車両１５が駐車状態にある継続期間を予測するための駐車モデル部３６であり、モデル部３７は、車両１５が移動状態にある継続期間を予測するための移動モデル部３７である。モデル部３６，３７においては、横軸が時刻ｔとされ、ｔ＝τが現在時刻のステップであり、ｔ＝τ＋Ｔが現在時刻から予測期間だけ経過した後の未来のステップである。本実施形態では、τ＋Ｔの未来のステップが２４時間先になっている。また、縦軸が継続期間ｕとされ、ｕ＝Δｔが継続期間の終了を示すステップであり、ｕ＝Ｔが継続期間が予測期間と同じことを示すステップである。この場合、車両１５の使用状態を予測した予測ドット３８は、時刻及び継続期間という２つの要素を有している。
　モデル部３６，３７は、マルコフモデル３５において複数の拠点のそれぞれについて個別に設けられている。本実施形態では、モデル部３６，３７として、自宅用のモデル部３６ａ，３７ａと、勤務地用のモデル部３６ｂ，３７ｂとが設けられている。
　図５に戻り、オフライン処理の終了後、Ｓ１２に進み、オンライン処理を行う。オンライン処理では、取得部２１～２３による各種情報の取得、遷移算出部３１による処理、最尤推定部３２による処理をこの順番で行う。
　ここで、遷移算出部３１による処理について説明する。遷移算出部３１は、分布取得部２４により取得された度数分布表に基づいて、車両１５の使用に関する度数分布を算出し、この度数分布に基づいて初期状態確率及び状態遷移確率を算出する。度数分布としては、拠点への車両１５の到着時刻とその拠点における駐車期間との関係を示す到着用の度数分布、及び拠点からの車両１５の出発時刻とその出発後の移動期間との関係を示す出発用の度数分布が挙げられる。
　本実施形態では、車両１５ａの拠点が自宅１１ａ及び勤務地１１ｂに設定されており、自宅１１ａ及び勤務地１１ｂのそれぞれについて、図７に例示したような到着用の度数分布が得られる。この度数分布においては、横軸が自宅１１ａへの到着時刻になっており、縦軸が到着後に車両１５ａが継続して駐車されている駐車期間になっている。
　出発用の度数分布については、車両１５の目的地が２つの拠点のうち一方の拠点になっている場合と、他方の拠点になっている場合とがある。すなわち、車両１５が一方の拠点に所属している場合と、他方の拠点に所属している場合とがある。例えば、車両１５ａが自宅１１ａに所属している場合としては、図８に示すように、車両１５ａが自宅１１ａを出発して再び自宅１１ａに戻る場合と、車両１５ａが勤務地１１ｂから自宅１１ａに移動する場合とがある。また、車両１５ａが勤務地１１ｂに所属している場合としては、図９に示すように、車両１５ａが自宅１１ａから勤務地１１ｂに移動する場合と、車両１５ａが勤務地１１ｂを出発して再び勤務地１１ｂに戻る場合とがある。
　図８、図９に示す各度数分布においては、横軸が出発時刻になっており、縦軸が目的地に到着するまでの移動期間になっている。この移動期間は、出発後に目的地に到着するまでの所要時間である。このため、車両１５が実際に走行する期間はもちろんのこと、例えば目的地とは異なる場所に駐車している期間も移動期間に含まれる。
　なお、図７～図９に示した各度数分布は、ユーザを被験者として車両１５の使用履歴をサンプリングしたものである。例えば、被験者の情報として、年齢や性別、車両１５の主な使用目的などが地域コントローラ１６の記憶器に記憶されている。また、車両１５の使用目的としては、通勤や買い物などが挙げられる。
　度数分布においては、サンプリングの結果を示すドット表示の濃淡によって駐車や移動といったイベントが発生する頻度が表現されており、この頻度を用いて初期状態確率及び状態遷移確率を算出する。この頻度を数値化した図を図１０に示す。車両１５ａが自宅１１ａから勤務地１１ｂに移動する場合については、全てのサンプリングの発生頻度の合計で、所定の移動時間（例えば５０分）の発生頻度を除することにより、この移動時間についての状態遷移確率が算出される。例えば、自宅１１ａから勤務地１１ｂに移動する場合の移動の発生頻度を移動期間との２次元で表示した場合、図１１に示すような分布図が得られる。
　自宅１１ａ→勤務地１１ｂの車両移動に関する状態遷移確率と同様に、自宅１１ａ及び勤務地１１ｂの駐車に関する状態遷移確率や、自宅１１ａ→自宅１１ａ、勤務地１１ｂ→勤務地１１ｂ、勤務地１１ｂ→自宅１１ａの移動に関する状態遷移確率が算出される。また、初期状態確率も、現在時刻における車両１５の状態に合わせて、状態遷移確率と同様に算出する。
　初期状態確率及び状態遷移確率は、マルコフモデル３５の各予測ドット３８のそれぞれに個別に付与されるものであり、遷移算出部３１は、オンラインでの処理において、各予測ドット３８のそれぞれについて初期状態確率及び状態遷移確率を更新する。この場合、初期状態確率及び状態遷移確率は時間経過に伴って変わることになる。モデル部３６，３７においては、時間経過に伴う継続期間の減少が、予測ドット３８から右斜め下に延びた矢印により示される。
　次に、最尤推定部３２による処理について説明する。最尤推定部３２は、車両１５の使用状態に関する予測問題を「組み合わせ最適化問題」として、この「組み合わせ最適化問題」についての最尤解を「動的計画法」を用いて推定する。この場合、最尤推定部３２は、マルコフモデル３５において、車両１５の予測問題を時刻軸において複数の部分問題に分割し、これら部分問題の計算結果を前向きアルゴリズムに用いることで、複数の移動パターンのそれぞれについて生起確率を算出する。そして、これら移動パターンの各生起確率に基づいて、車両１５の予測問題についての最尤解を推定する。
　最尤推定部３２は、現在時刻に関する情報と未来に関する情報とを用いて、下記の式（１）のような推定式に基づいて移動パターンの生起確率Ｊを推定する。現在時刻に関する情報としては、車両１５の現在の使用状態γτと、この状態γτの開始時刻ｔ０と、車両１５の現在の所属先ｖ０とが挙げられる。未来に関する情報としては、未来時刻ｔ１，ｔ２…ｔｋと、車両１５の未来の所属先ｖ１，ｖ２…ｖｋとが挙げられる。
　Ｊ＝Ｐ（ｔ１，ｔ２…ｔｋ，ｖ１，ｖ２…ｖｋ｜ｔ０，γτ，ｖ０）…（１）
　自宅１１ａ及び勤務地１１ｂに対する車両１５ａの使用予測に関して、最尤推定部３２が最尤解Ｘ１を推定した場合について、図６を参照しつつ説明する。この最尤解Ｘ１は、車両１５ａが勤務地１１ｂから自宅１１ａへの移動を開始し、ある程度の期間が経過した後（例えば１時間後）には車両１５ａが自宅１１ａに駐車している、という予測を示している。
　図６に示すように、最尤解Ｘ１は、勤務地１１ｂから自宅１１ａへの移動を伴う自宅遷移Ａ３と、所属先を自宅１１ａとしたままの駐車遷移Ａ２とを有している。自宅遷移Ａ３は、勤務地用の駐車モデル部３６ｂにおいて、時刻ｔ＝τの現在時刻で継続期間ｕ＝Δｔにあるドットから、自宅用の移動モデル部３７ａにおいて、時刻ｔ＝τ＋Δｔの未来時刻で継続期間ｕ＝Δｔにあるドットへの遷移を示している。駐車遷移Ａ２は、自宅遷移Ａ３が遷移したドットから、自宅用の駐車モデル部３６ａにおいて、時刻ｔ＝τ＋２Δｔの未来時刻で継続期間ｕ＝２Δｔにあるドットへの遷移を示している。
　自宅用の駐車モデル部３６ａにおいて、駐車遷移Ａ２が遷移したドットから右斜め下に延びる矢印は、最尤解Ｘ１が時刻ｔ＝τ＋３Δｔにて再び継続期間ｕ＝Δｔにあるドットに遷移することを示している。この場合、最尤解Ｘ１は、時刻ｔ＝τ＋３Δｔにて再び車両１５ａの状態遷移の発生を予測していることになる。
　図５に戻り、オンライン処理の終了後、Ｓ１３に進み、離散化ステップ幅Δｔの時間が経過したか否かを判定する。本実施形態では、オンライン処理を実行してから３０分経過したか否かを判定する。離散化ステップ幅Δｔの時間が経過していない場合は、そのまま待機し、離散化ステップ幅Δｔの時間が経過した場合は、Ｓ１２に進み、オンライン処理を行う。この場合、離散化ステップ幅Δｔの間隔でオンライン処理を繰り返し行うことになる。
　使用予測処理の実行により得られた最尤解は、マルコフモデル３５ではなく、車両１５の所属を示す所属モデル４１、車両１５の使用状態を示す使用モデル４２、及び車両１５の使用状態の継続期間を示す継続モデル４３でも表現可能になっている。ここでは、車両１５ａの使用予測に関して、最尤推定部３２が最尤解Ｘ２を推定した場合について、図１２を参照しつつ説明する。最尤解Ｘ２は、ユーザの出勤に伴って車両１５ａが自宅１１ａから勤務地１１ｂに移動して駐車し、勤務終了後にユーザの帰宅に伴って車両１５ａが勤務地１１ｂから自宅１１ａに移動して駐車し、その後、ユーザが車両１５ａで出掛ける、という予測である。
　図１２に示すように、所属モデル４１においては車両１５の所属先ｖが縦軸とされ、使用モデル４２においては車両１５の使用状態γが縦軸とされ、継続モデル４３においては継続期間ｕが縦軸とされている。これらモデル４１～４３においては、いずれも時間ｔが横軸とされている。
　所属モデル４１は、最尤解Ｘ２について車両１５ａが自宅１１ａ及び勤務地１１ｂのうち一方に所属することを示している。具体的には、現在時刻τにて車両１５ａの所属先ｖ０が自宅１１ａであること、及び車両１５ａの所属先が状態遷移のたびに更新されることが表現されている。この場合、未来時刻ｔ１～ｔ５に合わせて所属先ｖ１～ｖ４が設定される。ただし、所属先ｖ１，ｖ２がいずれも勤務地１１ｂに設定されているように、使用状態γが移動状態から駐車状態に移行する場合には車両１５ａの所属先が変わらない。
　使用モデル４２の最尤解Ｘ２は、勤務地遷移Ｂ３、勤務地１１ｂでの駐車遷移Ｂ２、自宅遷移Ａ３、自宅１１ａでの駐車遷移Ａ２及び移動遷移Ａ１を有している。使用モデル４２においては、車両１５ａの使用状態γが現在時刻τにて駐車状態にあり、未来において移動と駐車を繰り返すことで車両１５ａの状態遷移が生じることが表現されている。また、状態遷移の生じるタイミングが未来時刻ｔ１～ｔ５とされている。
　継続モデル４３は、最尤解Ｘ２について駐車状態や移動状態の残り期間を、未来時刻ｔ１～ｔ５に対する継続期間がｕ１～ｕ５として示している。例えば、未来時刻ｔ２までの継続期間はｕ１により表現されている。
　ここで、使用予測部３０の予測結果は、地域出力部５０から複数の拠点の各ＥＭＳ１２に対して出力される。これらＥＭＳ１２においては、車両１５の使用状態に関する予測結果に基づいて、車両１５の車載蓄電池を利用したエネルギーマネージメントや、車載蓄電池を利用しないエネルギーマネージメントが実施される。
　例えば、最尤推定部３２による推定結果が最尤解Ｘ２である場合、車両１５ａの所属先が勤務地１１ｂになっている未来時刻ｔ１～ｔ３の期間においては、車両１５ａをエネルギーストレージとしたエネルギー管理が勤務地１１ｂのＥＭＳ１２により実施される。また、車両１５ａの所属先が自宅１１ａになっている未来時刻ｔ３以降の期間においては、車両１５ａをエネルギーストレージとしたエネルギー管理が自宅１１ａのＥＭＳ１２により実施される。
　次に、車両１５ａの使用予測を対象として行われた試験について、図１３を参照しつつ説明する。この試験は、予測期間を２４時間としてリアルタイム予測を行ったものである。なお、図１３においては、地域コントローラ１６により推定された最尤解Ｘ３を予測結果として破線で示し、車両１５ａが実際に使用された場合の観測値Ｙを観測結果として実線で示している。また、図１３には、所属モデル４１及び使用モデル４２を示しており、所属モデル４１の所属先ｖについては、自宅１１ａをＬ１で示し、勤務地１１ｂをＬ２で示している。また、使用モデル４２の使用状態γについては、移動状態を「１」で示し、駐車状態を「０」で示している。
　図１３に示すように、車両１５ａの使用予測が、現在時刻τ＝６：００，６：３０，７：００，７：３０を予測タイミングとして実施されている。上述したように、初期状態確率及び状態遷移確率が時間経過に伴って変わるため、各予測タイミングでの最尤解Ｘは互いに異なっている。ただし、予測タイミングが６：００，６：３０，７：００，７：３０に移行していくにつれて、未来時刻９：００，１２：００などについての最尤解Ｘと観測値Ｙとのずれが小さくなっている。
　ここまで説明した第１実施形態の作用効果を、以下に説明する。
　第１実施形態によれば、１台の車両１５に対して複数の拠点として複数の建物１１が設定されるため、これら拠点のそれぞれについて、車両１５の有無の予測を個別に行うことができる。この予測結果に基づいて、車両１５の車載蓄電池を使用したエネルギーマネージメントを複数の拠点のそれぞれについて個別に実施することで、地域１０の各建物１１に電力を供給する電力系統を対象として電力使用量の総計のピーク値を低減できる。また、複数の拠点でのエネルギーマネージメントを個別に実施することは、地域１０の電力系統にかかる負担を低減することにもなるため、地域単位で電力の需給バランスを調整することができる。また、複数車両１５のそれぞれの車載蓄電池を使用したエネルギーマネージメントを複数の拠点のそれぞれについて個別に実施することも可能である。この場合には、複数の拠点での複数車両１５を包含するエネルギーマネージメントを可能とし、複数車両１５を対象とした、地域１０の電力系統にかかる負担の低減、地域単位での電力の需給バランスの調整を可能とする。
　第１実施形態によれば、複数の拠点のいずれか１つを所属先として車両１５の使用予測が行われるため、車両１５の駐車や移動に関する予測結果が所属先ごとに明確化される。しかも、拠点間の車両の移動に伴って所属先が変更されるため、移動について複数の拠点のいずれにも車両１５が所属していない場合とは異なり、車両１５の使用予測を複数の拠点について連続的に行うことができる。
　第１実施形態によれば、使用予測部３０により予測される車両１５の状態遷移には、所属先の変更を伴わない第１遷移（Ａ１，Ａ２，Ｂ１，Ｂ２）と、所属先の変更を伴う第２遷移（Ａ３，Ｂ３）とが含まれている。このため、複数拠点間の移動を考慮した車両の使用予測を実施できる。
　第１実施形態によれば、所属先の変更を伴う第２遷移は、駐車状態から移動状態への状態遷移を示しているため、車両１５が拠点に向けて移動を開始したタイミングでその車両１５の所属先が変更されることになる。この場合、この車両１５の所属先のＥＭＳ１２では、車両１５が所属先に到着するよりも前のタイミングで、車載蓄電池を利用したエネルギーマネージメントを現在の状況に合わせて更新できる。
　第１実施形態によれば、車両１５ａのユーザを想定した場合に、この車両１５ａの拠点として自宅１１ａ及び勤務地１１ｂが設定されている。このため、車両１５ａが自宅１１ａに駐車されている期間及び勤務地１１ｂに駐車されている期間の両方を、車両１５ａをエネルギーストレージとして活用できる機会として有効利用することができる。
　第１実施形態によれば、車両１５の拠点として設定された建物１１のＥＭＳ１２に対して使用予測部３０の予測結果が出力されるため、建物１１に関するエネルギーマネージメントにおいて車両１５の使用予測を有効に利用できる。この場合、車両１５の使用予測について予測精度が高められることで、ＥＭＳ１２によるエネルギーマネージメントの適正化を図ることができる。
　第１実施形態によれば、複数の拠点が１つの地域１０に含まれているため、この地域１０における車載蓄電池の活用機会が高まることになる。このため、単にユーザが地域１０において複数の拠点を行き来することで、地域単位で電力の需給バランスを調整することができる。
　第１実施形態によれば、最尤推定部３２がマルコフモデル３５に基づいて最尤解を推定するため、車両１５の使用予測という予測問題の計算量を低減することが可能になる。特に、最尤解の推定に動的計画法が用いられているため、予測時間の短縮化を図ることができる。
　（第２実施形態）
　上記第１実施形態では、車両１５の使用予測を行う上で車両１５が所属先になり得る拠点が２つだけ設定されていたが、第２実施形態では、拠点が３つ設定される。本実施形態では、上記第１実施形態との相違点を中心に説明を行う。
　図１４に示すように、本実施形態では、ユーザの車両１５ａの使用予測を行うための３つの拠点として、自宅１１ａ及び勤務地１１ｂに加えてユーザの実家１１ｃが設定されている。例えば、車両１５ａが実家１１ｃから出発して自宅１１ａ及び勤務地１１ｂのいずれにも行かずに再び実家１１ｃに戻る場合、この車両１５ａは、所属先を実家１１ｃにて保持した第１遷移として移動遷移Ｃ１及び駐車遷移Ｃ２を行うことになる。また、車両１５ａは、自宅１１ａ及び勤務地１１ｂから実家１１ｃに移動する場合に、第２遷移として実家遷移Ｃ３，Ｃ４を行うことになる。さらに、車両１５ａは、実家１１ｃから自宅１１ａに移動する場合に、第２遷移として自宅遷移Ａ４を行い、実家１１ｃから勤務地１１ｂに移動する場合に、第２遷移として勤務地遷移Ｂ４を行うことになる。
　図１５に示すように、マルコフモデル３５においては、モデル部３６，３７が３つの拠点のそれぞれについて個別に設けられている。具体的には、本実施形態のマルコフモデル３５に実家用のモデル部３６ｃ，３７ｃが追加されている。
　ここで、車両１５ａの使用予測に関して、最尤推定部３２が最尤解Ｘ４を推定した場合について、図１５を参照しつつ説明する。この最尤解Ｘ４は、車両１５ａが勤務地１１ｂから自宅１１ａに移動し、自宅１１ａに駐車された後に実家１１ｃに向けて再び移動する、という予測を示している。最尤解Ｘ４は、勤務地１１ｂから自宅１１ａへの移動を伴う自宅遷移Ａ３と、所属先を自宅１１ａに保持した駐車遷移Ａ２と、自宅１１ａから実家１１ｃへの移動を伴う実家遷移Ｃ３とを有している。
　また、拠点が３つ設定された場合でも、最尤推定部３２により推定された最尤解を、所属モデル４１、使用モデル４２及び継続モデル４３により表現可能になっている。ここでは、車両１５ａの使用予測に関して、最尤推定部３２が最尤解Ｘ５を推定した場合について、図１６を参照しつつ説明する。この最尤解Ｘ５は、ユーザの出勤に伴って車両１５ａが自宅１１ａから勤務地１１ｂに移動して駐車し、勤務終了後に車両１５ａで実家１１ｃに立ち寄り、その後、ユーザが実家１１ｃから車両１５ａで出掛ける、という予測を示している。
　図１６に示すように、本実施形態の所属モデル４１においては、車両１５ａの所属先ｖを表現する縦軸に実家１１ｃが追加されている。この場合、所属モデル４１は、最尤解Ｘ５について車両１５ａが自宅１１ａ、勤務地１１ｂ及び実家１１ｃのいずれか１つに所属することを示している。所属モデル４１においては、未来時刻ｔ３以降の期間にて、車両１５ａの所属先ｖが実家１１ｃになっている。
　使用モデル４２の最尤解Ｘ５は、勤務地遷移Ｂ３、勤務地１１ｂでの駐車遷移Ｂ２、実家遷移Ｃ４、実家１１ｃでの駐車遷移Ｃ２及び移動遷移Ｃ１を有している。使用モデル４２においては、未来時刻ｔ３以上の期間において、車両１５ａの所属先ｖが実家１１ｃにて保持されたまま車両１５ａの使用状態が駐車状態と移動状態とに遷移している。
　本実施形態によれば、車両１５の使用予測に関して拠点が３つ設定された場合でも、３つ目の拠点について第１遷移及び第２遷移を想定することで、車両１５の使用予測を適正に行うことができる。したがって、例えば自宅１１ａ、勤務地１１ｂ及び実家１１ｃが３つの拠点として設定された場合でも、車両１５ａの使用予測を、これら自宅１１ａ、勤務地１１ｂ及び実家１１ｃについて連続的に行うことができる。
　（他の実施形態）
　以上、本開示の複数の実施形態について説明したが、本開示は、それらの実施形態に限定して解釈されるものではなく、本開示の要旨を逸脱しない範囲内において種々の実施形態及び組み合わせに適用することができる。
　変形例１では、車両１５の所属先の変更を伴う第２遷移が、駐車状態から移動状態への状態遷移ではなく、移動状態から駐車状態への状態遷移とされていてもよい。例えば、車両１５ａが自宅１１ａから勤務地１１ｂに移動する場合、車両１５ａの所属先を自宅１１ａから勤務地１１ｂに変更するタイミングが、車両１５ａが自宅１１ａを出発したタイミングではなく、車両１５ａが勤務地１１ｂに到着したタイミングとされる。この場合、第２遷移としての勤務地遷移Ｂ３について、車両１５ａの所属先が勤務地１１ｂではなく自宅１１ａとされる。この場合でも、車両１５の使用予測を複数の拠点について連続的に行うことができる。
　変形例２では、車両１５の使用予測について、車両１５が移動状態にある場合にはその車両１５が複数の拠点のいずれにも所属していなくてもよい。この構成でも、使用予測部３０により車両１５の駐車場所及び駐車期間は予測されるため、この予測結果をＥＭＳのエネルギーマネージメントに活用できる。
　変形例３では、車両１５の使用予測について、拠点に対する駐車状態と拠点間の移動状態とを個別に予測してもよい。例えば、車両１５の使用予測の実施に際して拠点を基準としない構成とする。この構成では、車両１５ａが自宅１１ａから出発する場合に、その行き先が自宅１１ａである場合と勤務地１１ｂである場合とで、駐車状態から移動状態への状態遷移を区別しないことになる。つまり、所属先が自宅１１ａにて保持される場合の移動遷移Ａ１と、所属先が自宅１１ａから勤務地１１ｂに変更される場合の勤務地遷移Ｂ３とを区別しないことになる。
　変形例４では、複数の拠点に自宅１１ａ及び勤務地１１ｂの少なくとも一方が含まれていなくてもよい。例えば、ユーザの勤務先の企業が所有している車両１５について、勤務先と取引先とが複数の拠点に含まれた構成とする。この構成では、勤務先及び取引先のそれぞれに車両１５が駐車されている期間において、この車両１５をエネルギーストレージとして有効に活用することができる。
　変形例５では、拠点設定部２５が複数の建物１１のいずれを拠点として設定する場合に、あらかじめ定められた拠点の数は３つより多くてもよい。要は、拠点の数が複数であればよい。
　変形例６では、ユーザの入力操作により複数の拠点が選択されるのではなく、拠点設定部２５により選択処理が行われることで複数の拠点が設定されてもよい。例えば、拠点設定部２５が、分布取得部２４により取得された度数分布に基づいて、複数の建物１１のうち２つを拠点として設定する。具体的には、車両１５の使用履歴において、駐車期間の総計が最も大きい建物１１と２番目に大きい建物１１とを２つの拠点として設定する。この構成によれば、２つの拠点は駐車期間の長さに基づいて選ばれているため、これら拠点のそれぞれにおいて、車両１５と建物１１との間で電力の授受を行う上で適正な駐車期間を確保できる。
　変形例７では、地域コントローラ１６が拠点の数を設定する機能を有していてもよい。この構成としては、使用予測部３０が拠点の数を設定する数設定部を有している構成や、拠点設定部２５が拠点の数を設定可能な構成が挙げられる。例えば、使用予測部３０が数設定部を有している構成では、数設定部が、いくつの建物１１を拠点として設定するのかを車両１５の使用履歴に基づいて判定する。この構成では、車両１５が過去に駐車された各建物１１のそれぞれについて、車両１５の過去の駐車期間の総計に対する駐車期間の割合を算出し、その割合が所定値（例えば２０％）に達した建物１１を全て拠点として設定する。
　変形例８では、拠点設定部２５が建物１１を拠点として設定するのではなく、土地や設備を拠点として設定してもよい。この場合でも、車両１５との電力の授受を可能にする電力授受装置が土地や設備に設けられていれば、拠点及び車両１５についてのエネルギーマネージメントを実施可能になっている。
　変形例９では、建物１１についてのエネルギーマネージメントをその建物１１のＥＭＳ１２が行うのではなく、地域コントローラ１６が行ってもよい。この場合でも、複数の拠点のそれぞれについて個別にエネルギー管理を行うことができる。
　変形例１０では、拠点として設定される建物１１が単一の地域１０に含まれていなくてもよい。例えば、自宅１１ａと勤務地１１ｂとが異なる地域に含まれた構成とする。
　変形例１１では、マルコフ過程において、車両１５の使用状態を予測する予測期間が離散化されていたが、この予測期間は離散化されなくてもよい。
　変形例１２では、車両１５の使用予測に用いられる確率過程として、マルコフ過程ではなく独立増分過程やガウス過程などが採用されてもよい。
　本開示は、実施例に準拠して記述されたが、本開示は当該実施例や構造に限定されるものではないと理解される。本開示は、様々な変形例や均等範囲内の変形をも包含する。加えて、様々な組み合わせや形態、さらには、それらに一要素のみ、それ以上、あるいはそれ以下、を含む他の組み合わせや形態をも、本開示の範疇や思想範囲に入るものである。
 

 

Claims (8)

  1. 　車両を駐車可能な拠点（１１，１１ａ～１１ｃ）について、前記車両が前記拠点に駐車された駐車状態及び前記拠点に駐車されていない移動状態のいずれにあるのかを、ユーザによる前記車両の使用状態（γ）についての確率過程をモデル化することで予測する車両の使用予測システムであって、
    　前記車両に対して前記拠点を複数設定する拠点設定部（２５）と、
    　前記拠点設定部により設定された複数の前記拠点のそれぞれについて、前記車両の使用状態が前記駐車状態及び前記移動状態のいずれにあるのかを予測する使用予測部（３０）と、を備えている
    　車両の使用予測システム。
  2. 　前記使用予測部は、複数の前記拠点のいずれか１つを前記車両の所属先（ｖ）として当該車両の使用状態を予測するものであって、複数の前記拠点の間の前記車両の移動を予測することに伴って前記車両の所属先を変更するものである
    　請求項１に記載の車両の使用予測システム。
  3. 　前記使用予測部は、前記車両の使用状態が前記駐車状態及び前記移動状態のうち一方から他方に状態遷移することを予測するものであり、
    　前記使用予測部により予測される前記状態遷移としては、前記車両の所属先を変更せずに前記車両の使用状態が遷移する第１遷移（Ａ１，Ａ２，Ｂ１，Ｂ２，Ｃ１，Ｃ２）と、前記車両の所属先の変更を伴って前記車両の使用状態が遷移する第２遷移（Ａ３，Ａ４，Ｂ３，Ｂ４，Ｃ３，Ｃ４）とがある
    　請求項２に記載の車両の使用予測システム。
  4. 　前記使用予測部は、前記第２遷移として前記車両の使用状態が前記駐車状態から前記移動状態に遷移する場合に、前記車両の所属先を変更するものである
    　請求項３に記載の車両の使用予測システム。
  5. 　前記使用予測部の予測結果に基づいて複数の前記拠点のそれぞれについてのエネルギー管理を行う管理部（１２）に対して前記使用予測部の予測結果を出力する予測出力部（５０）を備えている
    　請求項１～４のいずれか１項に記載の車両の使用予測システム。
  6. 　前記拠点設定部により設定される複数の前記拠点には、前記ユーザの自宅（１１ａ）と、前記ユーザの勤務地（１１ｂ）とが含まれており、
    　前記管理部は、前記自宅及び前記勤務地のそれぞれに個別に設けられている
    　請求項５に記載の車両の使用予測システム。
  7. 　前記拠点設定部により設定される複数の前記拠点は、単一の地域（１０）に含まれている
    　請求項１～６のいずれか１項に記載の車両の使用予測システム。
  8. 　複数の前記拠点のそれぞれについて、前記確率過程をモデル化することで予測モデル（３５）を作成するモデル作成部（２６）と、
    　前記モデル作成部により作成された前記予測モデルに基づいて、前記車両の使用状態についての最尤解を推定する最尤推定部（３２）と、
    を備えている
    　請求項１～７のいずれか１項に記載の車両の使用予測システム。

     
PCT/JP2016/070763 2015-08-27 2016-07-14 車両の使用予測システム WO2017033610A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2015-168036 2015-08-27
JP2015168036A JP6565490B2 (ja) 2015-08-27 2015-08-27 車両の使用予測システム

Publications (1)

Publication Number Publication Date
WO2017033610A1 true WO2017033610A1 (ja) 2017-03-02

Family

ID=58099867

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2016/070763 WO2017033610A1 (ja) 2015-08-27 2016-07-14 車両の使用予測システム

Country Status (2)

Country Link
JP (1) JP6565490B2 (ja)
WO (1) WO2017033610A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112937369A (zh) * 2021-02-01 2021-06-11 合肥国轩高科动力能源有限公司 一种基于马氏过程的动力电池组主动均衡控制方法

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6773099B2 (ja) * 2018-10-30 2020-10-21 トヨタ自動車株式会社 制御装置
CN113227810A (zh) 2018-10-31 2021-08-06 株式会社杰士汤浅国际 蓄电元件评价装置、计算机程序、蓄电元件评价方法、学习方法及生成方法
JP7184716B2 (ja) * 2019-08-30 2022-12-06 株式会社日立製作所 分散リソースの調整力管理装置および調整力管理方法
JP7153278B2 (ja) * 2020-06-22 2022-10-14 Ｂｉｐｒｏｇｙ株式会社 電力管理システムおよび電力管理方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012152100A (ja) * 2011-01-18 2012-08-09 General Electric Co <Ge> 動的な負荷プロファイリング
JP2014501400A (ja) * 2010-12-16 2014-01-20 アルカテル−ルーセント 複数の電気エネルギー自動車のエネルギー必要量を予測するためのシステムおよび方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014501400A (ja) * 2010-12-16 2014-01-20 アルカテル−ルーセント 複数の電気エネルギー自動車のエネルギー必要量を予測するためのシステムおよび方法
JP2012152100A (ja) * 2011-01-18 2012-08-09 General Electric Co <Ge> 動的な負荷プロファイリング

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHEN LIDAN ET AL.: "A Model for Electric Vehicle Charging Load Forecasting Based on Trip Chains", TRANSACTIONS OF CHINA ELECTROTECHNICAL SOCIETY, vol. 30, no. 4, February 2015 (2015-02-01), pages 216 - 226, XP055366161 *
TAKUMA YAMAGUCHI: "Data to Jisho Kudo-gata System Model ni Motozuita Shindan to Yosoku", HEISEI 26 NEN NAGOYA UNIVERSITY GAKUI RONBUN, 25 March 2014 (2014-03-25), pages 63 - 75, Retrieved from the Internet <URL:http://hdl.handle.net/2237/20286> [retrieved on 20160912] *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112937369A (zh) * 2021-02-01 2021-06-11 合肥国轩高科动力能源有限公司 一种基于马氏过程的动力电池组主动均衡控制方法

Also Published As

Publication number Publication date
JP2017046498A (ja) 2017-03-02
JP6565490B2 (ja) 2019-08-28

Similar Documents

Publication Publication Date Title
WO2017033610A1 (ja) 車両の使用予測システム
CN109131345B (zh) 交通工具和控制交通工具的方法和系统
KR101843626B1 (ko) 차량 탑재용 기기 및 ev 관리 시스템
Cao et al. An EV charging management system concerning drivers’ trip duration and mobility uncertainty
CN108074412B (zh) 用于车辆行驶辅助的方法和设备
Liu et al. Electric vehicles en-route charging navigation systems: Joint charging and routing optimization
CN112789193B (zh) 用于预测性地控制机动车辆的电能存储器的充电过程的方法和后端设备
JP6064418B2 (ja) 配車管理装置及び配車管理方法
EP2858208A1 (en) Information processing device, information processing system, control method for information processing system, information processing method, and information processing program
US10801848B2 (en) Crowd sourcing to predict vehicle energy consumption
CN105978139B (zh) 电气设备的控制装置以及能量管理系统
WO2016026865A1 (en) Route planning device and associated method
JP2013051851A (ja) 充放電支援装置
WO2017154760A1 (ja) 充電設備案内システム、充電設備案内方法及びプログラム記憶媒体
EP3110653B1 (en) Self-managing charging poles
JP2017143634A (ja) 充電制御システム
JP2016143245A5 (ja) サーバ装置およびサービス提供方法
Khalid et al. AVPark: Reservation and cost optimization-based cyber-physical system for long-range autonomous valet parking (L-AVP)
US10834736B2 (en) Method of transferring data between vehicles
US11858372B2 (en) Method for processing a predetermined computing task by a distributed, vehicle-based computing system and a corresponding computing system
Sallabi et al. Online scheduling scheme for smart electric vehicle charging infrastructure
Liu et al. Improving bus operations through integrated dynamic holding control and schedule optimization
JP2018061433A (ja) Ｅｖ充電管理方法、ｅｖ充電管理システムおよび充電方法
JP6278372B2 (ja) 電気自動車
US20240174110A1 (en) Augmenting charging station optimization with vehicle telematics

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16838957

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16838957

Country of ref document: EP

Kind code of ref document: A1