JP6672589B2 - Power consumption prediction device, power consumption prediction method, server device - Google Patents
Power consumption prediction device, power consumption prediction method, server device Download PDFInfo
- Publication number
- JP6672589B2 JP6672589B2 JP2015018780A JP2015018780A JP6672589B2 JP 6672589 B2 JP6672589 B2 JP 6672589B2 JP 2015018780 A JP2015018780 A JP 2015018780A JP 2015018780 A JP2015018780 A JP 2015018780A JP 6672589 B2 JP6672589 B2 JP 6672589B2
- Authority
- JP
- Japan
- Prior art keywords
- power consumption
- vehicle
- trip
- prediction
- driver
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 38
- 230000008569 process Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 11
- 230000006866 deterioration Effects 0.000 claims description 7
- 238000012937 correction Methods 0.000 description 31
- 238000004891 communication Methods 0.000 description 8
- 230000007423 decrease Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 230000005611 electricity Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Landscapes
- Electric Propulsion And Braking For Vehicles (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、電気自動車が必要とする消費電力量を予測する技術に関する。 The present invention relates to a technique for estimating the amount of power consumed by an electric vehicle.
近年、自動車を複数の利用者で共用するカーシェアリングが普及している。また、近年、電気自動車の普及が徐々に進んでおり、カーシェアリングにおいても、電気自動車の運用が始まっている。
電気自動車を複数の利用者の間で共有する場合、充電タイミングが問題となる。一般的なカーシェアリングでは、車両の燃料が少なくなると、利用者が自らガソリンスタンドに向かって補給を行うが、電気自動車の場合、充電スポットが限られており、かつ、まとまった充電時間が必要となる。
すなわち、無計画な運用をすると、走行中にバッテリ切れ（以下、電欠）を起こしてしまい、以降の車両運用が不可能となってしまうおそれがある。そこで、貸し出し中に電欠を発生させないような仕組みをカーシェアリング事業者が提供することが検討されている。
2. Description of the Related Art In recent years, car sharing in which an automobile is shared by a plurality of users has become widespread. In recent years, the spread of electric vehicles has been gradually advanced, and the operation of electric vehicles has also started in car sharing.
When an electric vehicle is shared among a plurality of users, charging timing becomes a problem. In general car sharing, when the vehicle's fuel is low, the user himself refuels at the gas station, but in the case of electric vehicles, the charging spot is limited and a large charging time is required. Become.
That is, if the vehicle is operated unplannedly, the battery may run out during running (hereinafter, "power shortage"), which may make it impossible to operate the vehicle thereafter. Therefore, it has been considered that a car sharing company provides a mechanism that does not cause a power shortage during lending.
これに関連する発明として、特許文献１に記載の走行可能距離推定システムがある。当該システムでは、出発地および目的地を取得したうえで車両の走行経路を推定し、道路リンクごとに定義された消費電力量を取得したうえで、現在のバッテリ残量に基づいて、走行可能距離を推定する。
当該システムをカーシェアリングシステムに適用することで、例えば、「現在のバッテリ残量で指定された目的地に到達することが難しい場合、車両の貸し出しを行わない」、「指定された目的地に到達できる車両を検索し、ユーザに提示する」といった対応が可能になる。
As a related invention, there is a travelable distance estimation system described in
By applying the system to a car sharing system, for example, "If it is difficult to reach the destination specified by the current battery level, do not rent a vehicle", "Receive the specified destination A search is made for a vehicle that can be provided and presented to the user. "
特許文献１に記載のシステムでは、現在位置と、カーナビゲーション装置に入力された目的地とを用いて、車両の走行経路を推定している。しかし、電気自動車が消費する電力量は、走行経路の他にも、ドライバー個人の特性、立ち寄り地点、季節（気温）、車両の大きさなどによって大きく変動する。すなわち、走行経路のみでは、正確な走行可能距離を推定することが難しく、推定精度の向上という点において課題があった。
In the system described in
本発明は上記の問題点を考慮してなされたものであり、車両の消費電力量を精度良く予測できる消費電力量予測装置を提供することを目的とする。 The present invention has been made in consideration of the above problems, and has as its object to provide a power consumption prediction device capable of accurately predicting the power consumption of a vehicle.
本発明に係る消費電力量予測装置は、
カーシェアリングシステムにおいて貸し出される電気自動車が走行する際に消費する電力量を予測する消費電力量予測装置であって、利用者が過去に電気自動車で移動した際の、出発地点と、到着地点と、消費電力量を、利用者と関連付けたデータである利用履歴を取得する利用履歴取得手段と、運転者に関する情報と、出発地点と到着地点とを結ぶ区間であるトリップを取得する情報取得手段と、取得した前記トリップと、前記利用履歴に基
づいて、前記運転者が当該トリップを運転した場合の消費電力量を予測する予測手段と、を有し、前記予測手段は、前記利用履歴取得手段から、前記運転者が該当するトリップを走行した際の利用履歴が所定の件数以上取得できた場合に、当該利用履歴を用いて消費電力量を予測する第一の予測処理を行い、前記運転者が該当するトリップを走行した際の利用履歴が所定の件数以上取得できない場合に、他の利用者が当該トリップを走行した際の利用履歴を用いて消費電力量を予測する第二の予測処理を行うことを特徴とする。
The power consumption prediction device according to the present invention,
A power consumption prediction device that predicts the amount of power consumed when an electric vehicle rented out in a car sharing system travels, wherein a user has moved in an electric vehicle in the past, a starting point, an arrival point, Power consumption, use history acquisition means for acquiring a use history that is data associated with the user, information about the driver, information acquisition means for acquiring a trip that is a section connecting the departure point and the arrival point, The obtained trip, based on the usage history, based on the usage history, the driver has a prediction unit for predicting the amount of power consumption when driving the trip, the prediction unit, from the usage history acquisition unit, A first prediction process for predicting power consumption using the usage history when the usage history obtained when the driver travels on the applicable trip is equal to or more than a predetermined number; When the usage history when the driver travels the corresponding trip cannot be obtained for a predetermined number or more, the power consumption is predicted using the usage history when another user travels the trip. A second prediction process is performed.
利用履歴取得手段は、カーシェアリングシステムの利用者が過去に電気自動車で移動した際の消費電力量に関するデータを取得する手段である。具体的には、消費電力量と、出発地点と、到着地点が、利用者ごとに関連付けられたデータ（利用履歴）を取得する。利用履歴は、記憶装置に記憶されたものであってもよいし、ネットワーク等を介して外部から取得したものであってもよい。 The usage history acquisition unit is a unit that acquires data on power consumption when a user of the car sharing system has moved in an electric vehicle in the past. Specifically, data (use history) in which the power consumption, the departure point, and the arrival point are associated for each user is acquired. The usage history may be stored in a storage device, or may be obtained from outside via a network or the like.
情報取得手段は、消費電力量を予測しようとしている走行について、出発地点と到着地点とを結ぶ区間（トリップと称する）と、当該トリップを運転する運転者に関する情報を取得する手段である。出発地点および到着地点は、カーナビゲーション装置等から取得してもよいし、入力手段を介して装置の利用者から取得してもよい。 The information acquisition means is means for acquiring information on a section (referred to as a trip) connecting a departure point and an arrival point, and a driver who drives the trip, for a travel in which power consumption is to be predicted. The departure point and the arrival point may be obtained from a car navigation device or the like, or may be obtained from a user of the device via input means.
予測手段は、取得したトリップと、利用履歴に基づいて、消費電力量を予測する手段である。具体的には、運転者が該当するトリップを走行した利用履歴が所定の件数以上ある場合は、当該利用履歴を用いて消費電力量を予測する。すなわち、同じ運転者が過去に同じトリップを走行した際のデータに基づいて消費電力量を予測する。同じ運転者が同じトリップを走行するということは、今回の走行における消費電力量も、過去の走行における消費電力量と似通ったものになる可能性が高いため、消費電力量を高い精度で予測することができる。
また、該当する運転者が該当するトリップを走行した利用履歴が所定の件数以上無い場合、他の利用者が該当するトリップを走行した際の利用履歴を用いて消費電力量を予測する。
なお、第二の予測処理で利用する利用履歴から、該当する運転者を除外する必要は必ずしも無い。例えば、該当する運転者が該当するトリップを走行した際の利用履歴が所定の件数に満たない場合、当該運転者のデータを優先的に用いたうえで、不足分について、他の利用者のデータで補うようにしてもよい。
The prediction unit is a unit that predicts power consumption based on the acquired trip and the usage history. Specifically, when the usage history of the driver traveling the trip is equal to or more than a predetermined number, the power consumption is predicted using the usage history. That is, the power consumption is predicted based on data obtained when the same driver has traveled the same trip in the past. When the same driver travels on the same trip, it is highly likely that the power consumption in the current driving will be similar to the power consumption in the past driving, so the power consumption is predicted with high accuracy. be able to.
Further, when the usage history of the corresponding driver traveling on the relevant trip is not equal to or more than the predetermined number, the power consumption is predicted using the usage history of another user traveling on the relevant trip.
Note that it is not always necessary to exclude the corresponding driver from the usage history used in the second prediction process. For example, if the usage history when the relevant driver travels on the relevant trip is less than the predetermined number, the data of the relevant driver is used preferentially, and the data of other users is used for the shortage. You may make up for it.
また、本発明に係る消費電力量予測装置は、前記運転者について、電力消費に影響する個人ごとの傾向である電費傾向を取得する傾向取得手段をさらに有し、前記予測手段は、第二の予測処理において、前記電費傾向を加味して消費電力量を予測することを特徴としてもよい。 In addition, the power consumption prediction device according to the present invention further includes, for the driver, a tendency acquisition unit that acquires a power consumption tendency that is a tendency for each individual that affects power consumption, and the prediction unit includes a second estimation unit. In the prediction process, the power consumption may be predicted in consideration of the power consumption tendency.
電気自動車で走行する場合に必要な電力量は、運転者に大きく依存する場合がある。一方、第二の予測処理では、運転者を特定せずに予測を行うため、第一の予測処理と比較すると精度が低下する。そこで、車両を運転する人が、電力消費に関してどのような傾向を持っているかを表すデータ（電費傾向）を取得し、当該運転傾向を加味して、第二の予測処理を行うようにしてもよい。
これにより、例えば、平均よりも多めの電力消費率で運転する利用者であるか、少なめの電力消費率で運転する利用者であるかがわかり、予測結果を適切に補正できるようになる。
The amount of electric power required when traveling on an electric vehicle may greatly depend on the driver. On the other hand, in the second prediction process, since the prediction is performed without specifying the driver, the accuracy is lower than that in the first prediction process. Therefore, even if a person who drives the vehicle acquires data (power consumption tendency) indicating what tendency the power consumption has, the second prediction process may be performed in consideration of the driving tendency. Good.
Thereby, for example, it is possible to determine whether the user is operating at a higher power consumption rate than the average or at a lower power consumption rate, and the prediction result can be appropriately corrected.
また、前記電費傾向は、前記運転者と、前記運転者以外の利用者とが、それぞれ同一のトリップを運転した場合における消費電力量の違いを表す値であることを特徴としてもよい。 Further, the electricity consumption tendency may be a value representing a difference in power consumption when the driver and a user other than the driver drive the same trip.
同一のトリップ同士を比較することで、特定の運転者の、全体における傾向を得ることができる。 By comparing the same trips, the tendency of the specific driver as a whole can be obtained.
また、前記予測手段は、前記トリップに対応する道路の混雑度に基づいて、前記予測した消費電力量を補正することを特徴としてもよい。 In addition, the prediction unit may correct the predicted power consumption based on a degree of congestion of a road corresponding to the trip.
電気自動車が走行する際に消費する電力量は、経路上の道路状況によって変化する。例えば、渋滞が発生しており、停止と発進を繰り返す場合、電費は悪化する。よって、道路の混雑度に基づいて、予測した消費電力量を補正することで、予測精度を向上させることができる。 The amount of power consumed when the electric vehicle travels varies depending on the road conditions on the route. For example, when traffic congestion occurs and stop and start are repeated, the electricity cost deteriorates. Therefore, the prediction accuracy can be improved by correcting the predicted power consumption based on the degree of road congestion.
また、本発明に係る消費電力量予測装置は、前記電気自動車の現在位置情報を取得する位置情報取得手段をさらに有し、前記予測手段は、前記取得した現在位置情報を出発地点として再設定し、消費電力量の予測を周期的に行うことを特徴としてもよい。 Further, the power consumption estimation device according to the present invention further includes position information acquisition means for acquiring current position information of the electric vehicle, wherein the prediction means resets the acquired current position information as a starting point. Alternatively, the power consumption may be predicted periodically.
走行中において、車両の現在位置を更新し、消費電力量の予測をリアルタイムで行うようにしてもよい。このようにすることで、より精度のよい情報を提供することができる。 During traveling, the current position of the vehicle may be updated, and the power consumption may be predicted in real time. By doing so, more accurate information can be provided.
また、前記予測手段は、前記第一または第二の予測処理にて、対象の利用履歴に含まれる消費電力量の平均値または最頻値に基づいて、消費電力を予測することを特徴としてもよい。 Further, the prediction means may predict power consumption in the first or second prediction processing based on an average value or a mode value of power consumption amounts included in a target use history. Good.
利用履歴から得られる消費電力量の平均値や最頻値を用いて予測を行うことで、精度の良い予測を行うことができる。 Prediction is performed using the average value or mode value of the power consumption obtained from the usage history, so that accurate prediction can be performed.
また、本発明に係るサーバ装置は、
カーシェアリングシステムにおいて運用される電気自動車の予約を受け付けるサーバ装置であって、前記消費電力量予測装置と、貸し出し対象である車両が有するバッテリの残量を取得する車両情報取得手段と、前記車両が有するバッテリの残量と、前記前記消費電力量予測装置が予測した消費電力量に基づいて、利用者に対する車両の貸し出し可否を決定する貸出決定手段と、を有することを特徴とする。
Further, the server device according to the present invention includes:
A server device for receiving a reservation of an electric vehicle operated in a car sharing system, wherein the power consumption prediction device, vehicle information obtaining means for obtaining a remaining amount of a battery of a vehicle to be lent, and the vehicle include: A lending determination unit that determines whether or not to lend the vehicle to the user based on the remaining amount of the battery and the power consumption predicted by the power consumption prediction device.
カーシェアリングシステムにおいて電気自動車を運用する場合、利用者が希望するトリップを無充電で走行できるかを判定し、走行が不可能である場合は、貸し出しを行わないようにすることが好ましい。そこで、シェアリング車両の予約を管理するサーバ装置に、消費電力量予測装置を組み込むことで、車両の貸し出し可否を判定することができるようになる。 When operating an electric vehicle in a car sharing system, it is preferable to determine whether or not a user can travel on a desired trip without charging, and if traveling is not possible, it is preferable not to lend. Therefore, by incorporating the power consumption prediction device into the server device that manages the reservation of the sharing vehicle, it is possible to determine whether or not the vehicle can be lent.
また、前記貸出決定手段は、気温、または、貸し出し対象である車両が有するバッテリの劣化度の少なくともいずれかにさらに基づいて、利用者に対する車両の貸し出し可否を決定することを特徴としてもよい。 The lending determination means may determine whether to lend the vehicle to the user based on at least one of the temperature and the degree of deterioration of the battery of the vehicle to be lent.
電気自動車は、外気温やバッテリの経年劣化によって、実質的なバッテリ容量が低下する場合がある。そこで、車両の貸し出し可否を判定する際に、これらを考慮するようにしてもよい。 In an electric vehicle, the actual battery capacity may decrease due to the outside air temperature and the aging of the battery. Therefore, these may be taken into account when determining whether or not to lend a vehicle.
また、前記車両情報取得手段は、貸し出し対象である複数の車両に関する情報を取得し、前記貸出決定手段は、貸し出し可能な車両のうち、最もバッテリの残量が少ない車両を、利用者に貸し出す車両として決定することを特徴としてもよい。 The vehicle information obtaining means obtains information on a plurality of vehicles to be rented, and the lending determining means rents a vehicle having the least remaining battery among the rentable vehicles to a user. It may be characterized in that it is determined as
予測した消費電力量で走行が可能な車両が複数ある場合、最もバッテリの残量が少ない車両を、貸し出す車両として決定する。このようにすることで、車両の運用効率を向上させることができる。 If there are a plurality of vehicles that can run with the predicted power consumption, the vehicle with the least remaining battery is determined as the vehicle to rent. By doing so, the operation efficiency of the vehicle can be improved.
なお、本発明は、上記手段の少なくとも一部を含む、消費電力量予測装置として特定することができる。また、本発明は、上記処理の少なくとも一部を含む消費電力量予測方法として特定することもできる。上記処理や手段は、技術的な矛盾が生じない限りにおいて、自由に組み合わせて実施することができる。 Note that the present invention can be specified as a power consumption prediction device including at least a part of the above means. Further, the present invention can be specified as a power consumption estimation method including at least a part of the above processing. The above processes and means can be freely combined and implemented as long as no technical contradiction occurs.
本発明によれば、車両の消費電力量を精度良く予測できる消費電力量予測装置を提供することができる。 ADVANTAGE OF THE INVENTION According to this invention, the power consumption estimation apparatus which can accurately predict the power consumption of a vehicle can be provided.
（第一の実施形態）
<システム構成>
第一の実施形態に係るカーシェアリング管理システムについて、システム構成図である図１を参照しながら説明する。第一の実施形態に係るカーシェアリング管理システムは、管理サーバ１０、利用者端末２０、車両３０からなる。
(First embodiment)
<System configuration>
The car sharing management system according to the first embodiment will be described with reference to FIG. 1 which is a system configuration diagram. The car sharing management system according to the first embodiment includes a management server 10, a user terminal 20, and a vehicle 30.
管理サーバ１０は、カーシェアリングシステムを管理するサーバであり、車両貸し出しの予約受け付け、シェアリング車両（電気自動車。以下、単に車両と称する）のスケジュール管理や、利用者に対する課金管理などを行うサーバである。また、管理サーバ１０は、車両についての情報と、利用者が車両を利用した際の履歴を記憶し、利用者から新しく車両の貸し出し要求があった場合に、当該貸し出しにおいて電欠が発生する危険性を判定する機能を有している。 The management server 10 is a server that manages a car sharing system, and is a server that receives reservations for renting a vehicle, manages the schedule of a sharing vehicle (electric vehicle; hereinafter, simply referred to as a vehicle), and manages charging for a user. is there. In addition, the management server 10 stores information about the vehicle and a history of when the user has used the vehicle, and when a new vehicle lending request is issued from the user, the risk of a power shortage occurring in the lending. It has a function to determine gender.
利用者端末２０は、カーシェアリングサービスの利用者が操作する端末であり、パーソナルコンピュータ、携帯電話、スマートフォンなどである。利用者端末２０は、管理サーバ１０にアクセスすることで、車両の予約などを行うことができる。
車両３０は、シェアリングの対象となる電気自動車である。車両３０は、無線通信によって、管理サーバ１０と通信可能な構成となっている。なお、車両３０は、利用者端末２０と通信可能に構成されてもよい。
The user terminal 20 is a terminal operated by a user of the car sharing service, and is a personal computer, a mobile phone, a smartphone, or the like. The user terminal 20 can make a reservation for a vehicle or the like by accessing the management server 10.
The vehicle 30 is an electric vehicle to be shared. The vehicle 30 is configured to be able to communicate with the management server 10 by wireless communication. The vehicle 30 may be configured to be able to communicate with the user terminal 20.
第一の実施形態に係る管理サーバ１０は、通信部１１、利用履歴記憶部１２、管理情報記憶部１３、貸出管理部１４、電力量予測部１５からなる。
The management server 10 according to the first embodiment includes a
通信部１１は、管理サーバ１０をネットワーク（例えばインターネットやＶＰＮ）経由で利用者端末２０および車両３０と接続するための通信手段である。通信部１１は、有線ネットワークインタフェースであってもよいし、無線ネットワークインタフェースであってもよい。
The
利用履歴記憶部１２は、利用者が車両の貸し出しを受けた際の履歴（以下、利用履歴）をテーブル形式で記憶する手段である。利用履歴テーブルには、利用者ＩＤ、出発地、到着地、貸し出し中に消費した電力量などが記録され、利用者が車両を返却したタイミングで更新される。利用履歴テーブルの詳細については後述する。
The usage
管理情報記憶部１３は、車両の現在の情報（以下、車両情報）をテーブル形式で記憶する手段である。車両情報テーブルには、車両ＩＤ、現在位置、現在のバッテリ残量などが記録され、利用者が車両を返却したタイミングで更新される。車両情報テーブルの詳細については後述する。なお、以降、電気自動車が搭載しているバッテリの残量レベルをＳＯＣ（State Of Charge）と称する。
The management
貸出管理部１４は、車両の貸し出しを管理する手段である。具体的には、車両の予約受け付け、貸し出しのスケジューリング、利用者端末への通知、車両への開錠信号の送信、利用料金の課金管理などを行う。また、車両の予約を受け付ける際に、車両の貸し出しを希望する利用者のＩＤ、出発地、目的地についての情報（予約リクエスト）を取得したうえで、後述する電力量予測部１５を通して、電欠を発生させることなく車両が目的地に到着可能であるか否かを判断する。
The
電力量予測部１５は、貸出管理部１４が取得した予約リクエストと、記憶されている利用履歴と、車両情報に基づいて、今回の車両貸し出しで消費されるであろう電力量を予測する手段である。予測された電力量は、貸出管理部１４へ送信され、予約可否の判断の用に供される。
The power
<電欠の発生有無判定>
次に、貸出管理部１４が行う、電欠の発生有無判定について説明する。本実施形態に係る管理サーバ１０は、利用者から車両の予約を受け付ける際に、目的地についての情報を入力させ、貸し出そうとしている車両が、出発地（すなわち現在いるステーション）から到着地（目的地であるステーション）まで無充電で走行できるか否かを判定し、走行できない場合に、予約を取らないという機能を有する。
<Judgment of occurrence of electric shortage>
Next, the determination as to whether or not a power shortage has occurred, which is performed by the
最初に、利用履歴テーブルおよび車両情報テーブルについて説明する。
図２（Ａ）は、利用履歴記憶部１２に記憶される利用履歴テーブルの例である。利用履歴テーブルは、利用者と車両のＩＤ、貸し出しおよび返却場所（ステーション）、貸し出しおよび返却時刻、貸し出し時および返却時のＳＯＣが記録される。また、一回の貸し出しで消費した電力（Ｗｈ）が記録される。利用履歴テーブルは、ステーションに車両が返却されるたびに更新される。なお、消費電力は、貸し出し時のＳＯＣと、返却時のＳＯＣと、車両が有するバッテリの容量（後述）から算出される。また、ＳＯＣに関する情報は、車両３０から無線通信によって取得する。
First, the usage history table and the vehicle information table will be described.
FIG. 2A is an example of a usage history table stored in the usage
図２（Ｂ）は、管理情報記憶部１３に記憶される車両情報テーブルの例である。車両情報テーブルは、車両のＩＤ、現在位置、現在のＳＯＣ、バッテリ容量（Ｗｈ）が記録される。車両情報テーブルは、ステーションに車両が返却されるたびに更新される。なお、ＳＯＣに関する情報は、車両３０から無線通信によって取得し、バッテリ容量に関する情報は、事前に定義される。
FIG. 2B is an example of a vehicle information table stored in the management
本実施形態に係る管理サーバは、利用者から予約リクエストを受信すると、リクエストの内容と、前述した二つのテーブルを用いて、以下の二種類の方法で電欠の発生有無を判定する。なお、予約リクエストには、運転者を識別するための利用者ＩＤ、出発地（車両を貸し出すステーション）、目的地（車両を返却するステーション）の最低三つの情報が
含まれる。
When receiving the reservation request from the user, the management server according to the present embodiment determines the presence / absence of power outage by the following two methods using the contents of the request and the two tables described above. Note that the reservation request includes at least three pieces of information: a user ID for identifying a driver, a departure place (a station that rents a vehicle), and a destination (a station that returns a vehicle).
<<方法１>>
予約リクエストに含まれる運転者（以下、対象の車両を運転する利用者を運転者と称する）が、過去に、リクエストした区間（以下、予約区間）と、同じ区間を利用している場合、すなわち、当該運転者が当該予約区間を走行した過去の利用履歴がある場合、当該利用履歴に記録されている消費電力量を用いて、今回の走行における消費電力量を予測する。
具体的には、利用履歴テーブルから、運転者本人の利用履歴であって、今回の予約と同じ区間が記録されているレコードを抽出する。そして、取得したレコードの数が、所定の閾値（例えば５レコード）以上あった場合、当該複数のレコードに記録されている消費電力量の平均値を求め、今回の走行における予想消費電力量とする。
方法１によると、運転者本人の利用履歴に基づいて消費電力量を予測するため、個人の傾向に沿った消費電力量を得ることができる。
<<
When the driver included in the reservation request (hereinafter, the user who drives the target vehicle is referred to as a driver) has used the same section as the requested section (hereinafter, the reserved section) in the past, that is, If there is a past use history in which the driver has traveled in the reserved section, the power consumption in the current travel is predicted using the power consumption recorded in the use history.
Specifically, a record that is the use history of the driver himself and that records the same section as the current reservation is extracted from the use history table. When the number of acquired records is equal to or greater than a predetermined threshold (for example, 5 records), an average value of the power consumption amounts recorded in the plurality of records is obtained, and the average value is set as the estimated power consumption amount in the current traveling. .
According to the
<<方法２>>
方法１では、過去の利用履歴から、運転者本人の利用履歴を抽出し、消費電力量の予測を行った。しかし、当該運転者が、同一の区間を利用した履歴が十分な数存在しない場合、信頼性の高い予測値を得ることができない。そこで、方法１において、算出に必要なレコードが必要な数（例えば５レコード）以上取得できない場合は、運転者による絞り込みを外し、対象の予約区間を利用した他の利用者の履歴を用いて、同様の方法によって消費電力量を予測する。
具体的には、予約区間に対応する全てのレコードを抽出し、当該複数のレコードに記録されている消費電力量の平均値を演算して、今回の走行における予想消費電力量とする。
なお、本例では消費電力量の平均値を求めたが、中央値や最頻値などを用いてもよい。また、想定される誤差を加えるようにしてもよい。このような誤差は、固定値であってもよいし、標準偏差などに基づいて求めたものであってもよい。
<<
In
Specifically, all the records corresponding to the reserved section are extracted, and the average value of the power consumption amounts recorded in the plurality of records is calculated, and the average value is set as the estimated power consumption amount in the current traveling.
In this example, the average value of the power consumption is obtained, but a median value or a mode value may be used. Further, an assumed error may be added. Such an error may be a fixed value or a value obtained based on a standard deviation or the like.
<処理フローチャート>
以上に説明した予測処理について、フローチャート図である図３を参照しながら説明する。図３に示した処理は、管理サーバ１０が、利用者端末２０から車両の予約リクエストを受信すると開始される。
<Processing flowchart>
The prediction processing described above will be described with reference to FIG. 3 which is a flowchart. The process illustrated in FIG. 3 is started when the management server 10 receives a vehicle reservation request from the user terminal 20.
まず、ステップＳ１１で、貸出管理部１４が、予約リクエストを取得する。予約リクエストは、利用者端末２０から送信される情報であり、運転者の利用者ＩＤ、出発地、目的地、利用開始時刻、返却時刻などを含む情報である。本実施形態では、ステーションが複数あるものとし、出発地および目的地としてステーションのＩＤを指定する。
利用者ＩＤ、出発地、目的地についての情報は、電力量予測部１５に送信される。
First, in step S11, the
Information about the user ID, the departure place, and the destination is transmitted to the power
ステップＳ１２〜Ｓ１５は、電力量予測部１５が行う処理である。
ステップＳ１２では、利用履歴テーブルから、運転者の利用者ＩＤ、出発地（貸し出しステーションのＩＤ）、目的地（返却ステーションのＩＤ）をキーとしてレコードを抽出する。
次に、ステップＳ１３で、抽出されたレコードの数が、所定の閾値よりも多いか否かを判定する。この結果、多いと判定された場合、処理をステップＳ１４へ遷移させ、少ないと判定された場合、処理をステップＳ１５へ遷移させる。
Steps S12 to S15 are processing performed by the power
In step S12, a record is extracted from the usage history table using the driver's user ID, departure place (renting station ID), and destination (returning station ID) as keys.
Next, in step S13, it is determined whether the number of extracted records is greater than a predetermined threshold. As a result, when it is determined that the number is large, the process proceeds to step S14, and when it is determined that the number is small, the process proceeds to step S15.
ステップＳ１４では、ステップＳ１２で抽出したレコードに記録されている、複数の消費電力量を取得し、平均値を取ることで予測消費電力量を算出する。
一方、ステップＳ１５では、利用者ＩＤを検索キーから外した状態で、利用履歴テーブ
ルから、該当するレコード（すなわち、出発地と目的地のペアが一致するレコード）を再度抽出する。そして、抽出したレコードに記録されている複数の消費電力量を取得し、平均値を取ることで予測消費電力量を算出する。
予測された消費電力量は、貸出管理部１４へ送信される。
In step S14, a plurality of power consumption amounts recorded in the record extracted in step S12 are obtained, and an average value is calculated to calculate a predicted power consumption amount.
On the other hand, in step S15, with the user ID removed from the search key, a corresponding record (that is, a record in which the pair of the departure place and the destination matches) is extracted again from the use history table. Then, a plurality of power consumption amounts recorded in the extracted record are obtained, and an average value is calculated to calculate a predicted power consumption amount.
The predicted power consumption is transmitted to the
ステップＳ１６では、貸出管理部１４が、予約リクエストと、予測された消費電力量に基づいて、車両の貸し出し可否を判定する。例えば、リクエストされた貸し出し場所がステーションＡである場合、ステーションＡに駐車中の車両のＳＯＣを車両情報テーブルから取得し、予測した消費電力量が無充電で消費可能であるか否かを判定する。ここで、消費可能と判定された場合、貸し出しの予約手続きに入る。
また、ここで、消費不可能と判定された場合、車両が貸し出せない旨の通知を生成し、利用者端末２０に送信する。予測した消費電力量が消費不可能な場合とは、例えば、予測した消費電力量が、該当車両における現在のＳＯＣでは賄えないと判定された場合（返却時に所定の閾値を下回ってしまう場合を含む）である。
In step S16, the
Here, when it is determined that the vehicle cannot be consumed, a notification that the vehicle cannot be lent is generated and transmitted to the user terminal 20. The case where the predicted power consumption cannot be consumed is, for example, a case where it is determined that the predicted power consumption cannot be covered by the current SOC of the corresponding vehicle (a case where the predicted power consumption falls below a predetermined threshold when returned). Including).
以上説明したように、第一の実施形態では、過去の利用履歴を用いて、予約区間を走行するのに必要な消費電力量を予測する。これにより、電欠の危険性を事前に判定し、貸し出しの可否を決定することができる。また、消費電力量を予測する際は、運転者本人の履歴を優先することで、より精度の高い予測を行うことができる。
また、従来技術で行っていたような走行経路の推定を行う必要がなくなり、演算を軽量化することができる。
As described above, in the first embodiment, the power consumption required for traveling in the reserved section is predicted using the past usage history. This makes it possible to determine in advance the danger of an electrical shortage and determine whether or not to lend. Further, when estimating the power consumption, a higher-precision prediction can be performed by giving priority to the history of the driver himself / herself.
Further, it is not necessary to estimate the traveling route as performed in the related art, and the calculation can be reduced in weight.
なお、ステップＳ１３で用いる閾値は、実績に基づいて設定してもよいし、データマイニング等によって得られた値に基づいて、自動的に設定するようにしてもよい。
また、ステップＳ１４では、運転者およびトリップがともに同一であるレコードを抽出して判断を行ったが、運転者本人の利用履歴に基づいて消費電力量の予測が行えれば、他の方法を用いてもよい。
Note that the threshold used in step S13 may be set based on actual results, or may be automatically set based on a value obtained by data mining or the like.
In step S14, a record in which the driver and the trip are the same is extracted to make a determination. However, if the power consumption can be predicted based on the use history of the driver, another method is used. You may.
（第二の実施形態）
第一の実施形態では、ステップＳ１３で、十分な数の履歴が取得できなかった場合に、利用者ＩＤによる限定を解除して予測を行った。しかし、電気自動車を運転する際に必要な消費電力は、運転者の個人差によって大きく変動するため、運転者によっては、実際に必要な消費電力が、予測値よりもかけ離れた値となってしまう場合がある。
例えば、同じ区間を走行する場合であっても、ある運転者が、他の運転者よりも高速で運転する傾向にある場合、電力消費率（以下、電費）が悪化するため、他の運転者と比較してより多くの電力が必要となる。また、同じ区間を走行する場合であっても、ある運転者が独自に寄り道をする傾向がある場合、他の運転者と比較して、より多くの電力を消費することとなる。
(Second embodiment)
In the first embodiment, when a sufficient number of histories could not be obtained in step S13, the restriction based on the user ID was released and prediction was performed. However, the power consumption required when driving an electric vehicle greatly varies depending on the individual differences of the drivers, and therefore, depending on the driver, the power consumption actually required is far from the predicted value. There are cases.
For example, even when traveling in the same section, when a certain driver tends to drive at a higher speed than another driver, the power consumption rate (hereinafter referred to as “power consumption”) deteriorates. Requires more power compared to. In addition, even when traveling in the same section, if a certain driver tends to make a detour on his own, more electric power will be consumed compared to other drivers.
第二の実施形態は、このような個人ごとの傾向に対応するため、運転者ごとの電費に関する傾向を取得し、予測結果を補正する実施形態である。
第二の実施形態に係る管理サーバのシステム構成は、第一の実施形態と同様であるため、説明は省略し、処理の相違点についてのみ説明を行う。
The second embodiment is an embodiment in which in order to cope with such a tendency for each individual, a tendency regarding power consumption for each driver is acquired, and a prediction result is corrected.
Since the system configuration of the management server according to the second embodiment is the same as that of the first embodiment, the description will be omitted, and only the differences between the processes will be described.
図４は、第二の実施形態におけるステップＳ１５の処理の詳細を表したフローチャートである。
まず、ステップＳ１５１で、利用履歴テーブルから、予約区間が一致し、かつ、利用者ＩＤが運転者と一致しない全てのレコードを抽出し、消費電力量の平均値を算出する。
次に、ステップＳ１５２で、利用履歴テーブルから、予約区間が一致し、かつ、利用者ＩＤが運転者と一致するレコードを抽出し、消費電力量の平均値を算出する。
次に、ステップＳ１５３で、ステップＳ１５２で得られた平均値を、ステップＳ１５１で得られた平均値で除し、補正係数とする。
最後に、ステップＳ１５４で、ステップＳ１５１で得られた平均値に、補正係数を乗じて、消費電力量の予測値とする。
FIG. 4 is a flowchart showing the details of the process of step S15 in the second embodiment.
First, in step S151, all records whose reserved sections match and whose user IDs do not match the driver are extracted from the usage history table, and the average value of power consumption is calculated.
Next, in step S152, a record in which the reserved section matches and the user ID matches the driver is extracted from the usage history table, and the average value of the power consumption is calculated.
Next, in step S153, the average value obtained in step S152 is divided by the average value obtained in step S151 to obtain a correction coefficient.
Finally, in step S154, the average value obtained in step S151 is multiplied by a correction coefficient to obtain a predicted value of power consumption.
このように、第二の実施形態では、同じ予約区間を走行した他の利用者との消費電力量の比を算出し、当該比を用いて、予測した消費電力量を補正する。これにより、運転者ごとの電費に関する傾向を反映させることができ、消費電力量の予測精度を向上させることができる。 As described above, in the second embodiment, the ratio of the power consumption to other users who have traveled in the same reserved section is calculated, and the predicted power consumption is corrected using the ratio. As a result, it is possible to reflect the tendency regarding the power consumption of each driver, and it is possible to improve the prediction accuracy of the power consumption.
なお、本実施形態では、同じ予約区間に対応するレコードのみを抽出したが、該当する区間以外のデータを用いて算出を行ってもよい。この場合、区間ごとにそれぞれ上述した処理によって補正係数を算出し、当該複数の補正係数の平均をさらに取得するようにしてもよい。
また、ステップＳ１５２で得られたレコードの数が、所定の数よりも少ない場合、補正係数の算出を省略し、処理を続行するようにしてもよい。
In the present embodiment, only records corresponding to the same reserved section are extracted, but the calculation may be performed using data other than the corresponding section. In this case, a correction coefficient may be calculated for each section by the above-described processing, and an average of the plurality of correction coefficients may be further obtained.
When the number of records obtained in step S152 is smaller than the predetermined number, calculation of the correction coefficient may be omitted and the process may be continued.
また、本実施形態では、消費電力量の平均値を用いて補正係数を求めたが、運転者ごとの電費に関する傾向を取得することができれば、中央値などの他の値を用いてもよい。また、ステップＳ１５１およびＳ１５２で得られた複数のレコードから消費電力量の分布を生成し、当該分布同士を比較した結果に基づいて、補正係数を求めるようにしてもよい。 Further, in the present embodiment, the correction coefficient is obtained by using the average value of the power consumption, but other values such as a median may be used as long as the tendency regarding the power consumption for each driver can be obtained. Alternatively, a distribution of the power consumption may be generated from the plurality of records obtained in steps S151 and S152, and the correction coefficient may be obtained based on a result of comparing the distributions.
また、消費電力量以外を比較することで、補正係数を求めるようにしてもよい。例えば、速度、アクセル開度、減速度などについての、走行に関する情報を車両から収集し、これらの値の最高値、平均値、中央値などを利用履歴テーブルに記録したうえで、当該情報を用いて補正係数を求めてもよい。このように、電費に関する傾向を得ることができる情報であれば、どのような情報を用いてもよい。また、異なる情報を組み合わせてもよい。
また、この他にも、記録された情報に対して、データマイニングや機械学習などを行うことで補正係数を求めるようにしてもよい。
Further, the correction coefficient may be obtained by comparing the values other than the power consumption. For example, information on traveling, such as speed, accelerator opening, deceleration, etc., is collected from the vehicle, and the highest value, average value, median value, and the like of these values are recorded in a use history table, and the information is used. The correction coefficient may be obtained by performing the following. As described above, any information may be used as long as the information can obtain the tendency regarding the electricity consumption. Further, different information may be combined.
In addition, a correction coefficient may be obtained by performing data mining, machine learning, or the like on the recorded information.
（第三の実施形態）
第一および第二の実施形態では、電気自動車の走行における消費電力量を、運転者と走行区間に基づいて予測した。一方で、電気自動車の実際の走行においては、必ずしも消費電力量が理論値と一致しない場合がある。例えば、渋滞に起因する停車が多く発生する場合など、道路環境の違いによって、消費電力量が増加してしまう場合がある。
第三の実施形態は、これに対応するため、電力消費量の増加要因を加味して、予測した消費電力量を補正する実施形態である。
第三の実施形態に係る管理サーバのシステム構成は、第一の実施形態と同様であるため、説明は省略し、処理の相違点についてのみ説明を行う。
(Third embodiment)
In the first and second embodiments, the amount of power consumption in traveling of the electric vehicle is predicted based on the driver and the traveling section. On the other hand, in actual running of the electric vehicle, the power consumption may not always match the theoretical value. For example, the amount of power consumption may increase due to a difference in road environment, such as when a large number of stops occur due to traffic congestion.
In the third embodiment, in order to cope with this, the predicted power consumption is corrected in consideration of an increase factor of the power consumption.
Since the system configuration of the management server according to the third embodiment is the same as that of the first embodiment, the description will be omitted, and only the differences between the processes will be described.
第三の実施形態では、図５に示したような、道路の混雑度と、消費電力量を補正するための係数（補正係数）との対応を定義したテーブルを定義し、道路の混雑度を予測したうえで、対応する補正係数を、予測した消費電力量に乗算する。補正係数は、予測した消費電力量に対する倍率を表す。例えば、補正係数が１．３である場合、通常の走行と比較して、１．３倍の電力量が必要な状態であることを意味する。
なお、予測の前提となる道路混雑度は、装置の外部から取得してもよいし、曜日や時間帯に応じて推定してもよい。
In the third embodiment, as shown in FIG. 5, a table defining the correspondence between the degree of road congestion and a coefficient (correction coefficient) for correcting power consumption is defined, and the degree of road congestion is determined. After the prediction, the corresponding correction coefficient is multiplied by the predicted power consumption. The correction coefficient represents a magnification for the predicted power consumption. For example, when the correction coefficient is 1.3, it means that the amount of electric power is 1.3 times as large as that in normal traveling.
The degree of road congestion, which is a premise for prediction, may be obtained from outside the device, or may be estimated according to a day of the week or a time zone.
第三の実施形態では、前述した補正を行ったうえで、ステップＳ１６の判定を行う。これにより、電力消費量の予測精度を向上させることができる。 In the third embodiment, after performing the above-described correction, the determination in step S16 is performed. As a result, the accuracy of predicting the power consumption can be improved.
なお、消費電力量の変動要因であれば、混雑度以外の他の要因を考慮するようにしてもよい。例えば、車両の大きさ（重量）や、車両の搭乗人数などに応じて、同様の方法によって補正係数を取得し、補正後の消費電力量をさらに補正するようにしてもよい。また、気温に応じて、エアコンやヒーターの使用を表す補正係数を定義し、用いるようにしてもよい。 As long as the power consumption is a variable, factors other than the congestion degree may be considered. For example, a correction coefficient may be obtained by a similar method according to the size (weight) of the vehicle, the number of occupants of the vehicle, and the like, and the corrected power consumption may be further corrected. Further, a correction coefficient indicating the use of an air conditioner or a heater may be defined and used according to the temperature.
また、第三の実施形態では、一律に設定した補正係数を乗算したが、利用履歴に係る走行と、予測対象の走行でと条件が異なる場合、当該条件の差をさらに補正するようにしてもよい。例えば、利用履歴に係る走行が、高い混雑度の中で行われた走行であった場合、乗算する補正係数を少なくするようにしてもよい。 In the third embodiment, the correction coefficient set uniformly is multiplied. However, when the condition is different between the travel related to the use history and the travel to be predicted, the difference between the conditions may be further corrected. Good. For example, when the travel related to the usage history is a travel performed in a high congestion degree, the correction coefficient to be multiplied may be reduced.
（第四の実施形態）
第三の実施形態では、消費電力量の増加要因を考慮して、予測した消費電力量を補正した。一方、気温が著しく低い場合や、車両のバッテリが劣化している場合など、バッテリの実質的な容量が減少してしまう場合がある。
第四の実施形態では、これに対応するため、実効的なバッテリ容量の低下を加味したうえで、車両貸し出しの可否を判定する実施形態である。
第四の実施形態に係る管理サーバのシステム構成は、第一の実施形態と同様であるため、説明は省略し、処理の相違点についてのみ説明を行う。
(Fourth embodiment)
In the third embodiment, the predicted power consumption is corrected in consideration of the power consumption increasing factor. On the other hand, when the temperature is extremely low, or when the battery of the vehicle is deteriorated, the substantial capacity of the battery may decrease.
In the fourth embodiment, in order to cope with this, it is an embodiment in which whether or not the vehicle can be rented is determined in consideration of the effective battery capacity reduction.
Since the system configuration of the management server according to the fourth embodiment is the same as that of the first embodiment, the description is omitted, and only the differences between the processes will be described.
第四の実施形態では、図６に示したような、バッテリの実効容量の低下要因と、補正係数との対応を定義したテーブルを定義し、対応する補正係数を用いて、車両のバッテリ容量を補正することで、バッテリの実効容量の低下に対応させる。ここでは、バッテリの実効容量の低下要因として、気温とバッテリの劣化の二つを例示する。 In the fourth embodiment, as shown in FIG. 6, a table that defines the correspondence between the cause of the decrease in the effective capacity of the battery and the correction coefficient is defined, and the corresponding correction coefficient is used to reduce the battery capacity of the vehicle. The correction is made to cope with a decrease in the effective capacity of the battery. Here, two factors, that is, the temperature and the deterioration of the battery, will be exemplified as the factors for reducing the effective capacity of the battery.
図６（Ａ）に示したテーブルは、気温と、補正係数との対応を表すテーブルである。一般的に、充電池は、環境が低温になるほど実効的な容量が低下する。そこで、本例では、予測の前提となる気温を決定して、当該気温に対応する補正係数を取得し、ステップＳ１６で貸し出し可否判定を行う際の、車両のバッテリ容量に当該補正係数を乗算する。例えば、補正係数が０．７である場合、バッテリの実質的な容量が通常の０．７倍まで低下していることを意味する。
なお、予測の前提となる気温は、例えば天気予報などによって予測された気温を用いてもよいし、季節ごとの平均気温などを用いてもよい。また、利用の直前に予約を行う場合は、現在の気温を用いてもよい。
The table shown in FIG. 6A is a table showing the correspondence between the temperature and the correction coefficient. In general, the effective capacity of a rechargeable battery decreases as the temperature of the environment decreases. Therefore, in this example, the temperature as a premise for prediction is determined, a correction coefficient corresponding to the temperature is obtained, and the battery capacity of the vehicle at the time of determining whether to lend in step S16 is multiplied by the correction coefficient. . For example, when the correction coefficient is 0.7, it means that the substantial capacity of the battery is reduced to 0.7 times the normal capacity.
In addition, the temperature which is a premise of the prediction may be a temperature predicted by, for example, a weather forecast, or an average temperature for each season. When making a reservation immediately before use, the current temperature may be used.
また、図６（Ｂ）に示したテーブルは、車両情報テーブルに、車両ごとのバッテリの劣化度合いについての情報を表すフィールドを追加した例である。一般的に、充電池は、経年劣化によって実効的な容量が低下する。そこで、本例では、車両ごとに、劣化度合いに対応する補正係数を持たせ、同様の方法で演算を行う。例えば、補正係数が０．９である場合、バッテリの実質的な容量が通常の０．９倍まで低下していることを意味する。
なお、補正係数は、車両の経年や走行距離（すなわちバッテリの劣化度合い）に応じて、定期的に更新されることが好ましい。
The table shown in FIG. 6B is an example in which a field indicating information on the degree of battery deterioration for each vehicle is added to the vehicle information table. In general, the effective capacity of a rechargeable battery decreases due to aging. Therefore, in this example, a correction coefficient corresponding to the degree of deterioration is provided for each vehicle, and the calculation is performed in the same manner. For example, when the correction coefficient is 0.9, it means that the substantial capacity of the battery is reduced to 0.9 times the normal capacity.
It is preferable that the correction coefficient is periodically updated in accordance with the age of the vehicle and the traveling distance (that is, the degree of deterioration of the battery).
このように、第四の実施形態では、温度変化やバッテリの劣化に起因する実効的なバッテリ容量の低下に対応した判定を行うことができる。
なお、本実施形態では、車両のバッテリ容量を仮想的に減少させたが、バッテリ容量はそのままにし、消費電力量を仮想的に増加させるようにしてもよい。
As described above, in the fourth embodiment, it is possible to make a determination corresponding to an effective decrease in battery capacity due to a temperature change or battery deterioration.
In the present embodiment, the battery capacity of the vehicle is virtually reduced, but the battery capacity may be kept unchanged and the power consumption may be virtually increased.
（第五の実施形態）
第一ないし第四の実施形態では、予測した消費電力量を用いて、利用者が希望する車両が貸し出し可能であるか否かを判定する例について述べた。これに対し、第五の実施形態は、複数の車両が利用可能である場合に、貸し出す車両を自動で決定する実施形態である。
第五の実施形態に係る管理サーバのシステム構成は、第一の実施形態と同様であるため、説明は省略し、処理の相違点についてのみ説明を行う。
(Fifth embodiment)
In the first to fourth embodiments, an example has been described in which it is determined whether or not a vehicle desired by a user can be rented using the predicted power consumption. On the other hand, the fifth embodiment is an embodiment in which, when a plurality of vehicles are available, the vehicle to rent is automatically determined.
Since the system configuration of the management server according to the fifth embodiment is the same as that of the first embodiment, the description will be omitted, and only the differences in the processing will be described.
第五の実施形態では、ステップＳ１６にて、貸出管理部１４が以下の処理を行う。
まず、車両情報テーブルを参照し、利用者が貸し出しを希望するステーションに駐車中の車両を抽出する。次に、各車両に対応するＳＯＣから、算出した消費電力量を減算し、結果の値がプラスであって、かつ、最も小さい車両を決定する。そして、当該車両を、貸し出す車両として決定し、貸し出しの予約手続きに入る。
もし、全ての車両において結果がマイナスとなる場合、貸し出し不可であると判定し、車両が貸し出せない旨の通知を生成し、利用者端末２０に送信する。
In the fifth embodiment, the
First, referring to the vehicle information table, a vehicle that is parked at a station where the user desires to rent is extracted. Next, the calculated power consumption is subtracted from the SOC corresponding to each vehicle, and the vehicle having a positive value and the smallest value is determined. Then, the vehicle is determined as a vehicle to be rented, and a rental reservation procedure is started.
If the result is negative for all vehicles, it is determined that lending is not possible, a notification that the vehicle cannot be lent is generated, and transmitted to the user terminal 20.
このように、第五の実施形態では、目的地に無充電で到達可能な車両であって、最もＳＯＣの少ない車両を貸し出す車両として決定する。
貸し出す車両を利用者に選択させたり、ランダムに決定した場合、長距離を走行可能な車両であっても、短距離の利用に供されてしまい、結果として、長距離利用者の予約を受けられない状態となってしまう場合がある。これに対し、第五の実施形態では、バッテリ残量が少ない車両から順に車両の割り当てを行うため、効率の高い車両運用が可能になる。
As described above, in the fifth embodiment, the vehicle that can reach the destination without charging and that has the least SOC is determined as the vehicle to be lent.
If you let the user select a vehicle to rent or decide at random, even a vehicle that can travel a long distance will be used for short distance use, and as a result, reservations for long distance users will be accepted In some cases. On the other hand, in the fifth embodiment, vehicles are allocated in order from the vehicle with the lowest remaining battery, so that highly efficient vehicle operation becomes possible.
（変形例）
上記の実施形態はあくまでも一例であって、本発明はその要旨を逸脱しない範囲内で適宜変更して実施しうる。
例えば、各実施形態で説明をしたもの以外の条件を用いて、予測に用いる利用履歴を絞り込んでもよい。例えば、消費電力量の予測に用いるレコードの数に上限を設け、優先度をつけてレコードの抽出を行ってもよい。例えば、ステップＳ１５において、運転者本人に対応するレコードが存在する場合、当該レコードを優先して抽出するようにしてもよいし、より最近の利用履歴を優先するようにしてもよい。
(Modification)
The above embodiment is merely an example, and the present invention can be implemented with appropriate modifications without departing from the scope of the invention.
For example, the usage history used for prediction may be narrowed down using conditions other than those described in each embodiment. For example, an upper limit may be set on the number of records used for estimating power consumption, and records may be extracted with priorities. For example, in step S15, when there is a record corresponding to the driver himself, the record may be preferentially extracted, or a more recent use history may be prioritized.
また、第三および第四の実施形態では、独立した変換テーブルを用いることで消費電力量を補正したが、変換テーブルを用いず、利用履歴を抽出する際に、条件に適合するレコードを抽出するようにしてもよい。例えば、利用履歴テーブルに、道路状況（平均速度など）、搭乗人数、車両の重量、気温に関するフィールドなどを追加し、データを格納したうえで、条件が一致するレコードのみを抽出するようにしてもよい。 In the third and fourth embodiments, the power consumption is corrected by using the independent conversion table. However, when the usage history is extracted without using the conversion table, a record matching the condition is extracted. You may do so. For example, fields such as road conditions (average speed), number of passengers, vehicle weight, and temperature may be added to the usage history table, and data may be stored. Then, only records matching the conditions may be extracted. Good.
また、第一ないし第四の実施形態では、カーシェアリングシステムの管理サーバとして発明を実施したが、本発明は、車載装置として実施することもできる。
また、第一ないし第四の実施形態では、シェアリング車両を予約する際に消費電力量を予測したが、走行中の車両の位置情報を随時取得して、取得した位置を出発地点として再設定しながら、消費電力量の予測を周期的に行うようにしてもよい。また、結果を随時車両側に通知するようにしてもよい。このようにすることで、車両が現在位置から目的地まで到達するのに必要な消費電力量をリアルタイムに算出することができる。
In the first to fourth embodiments, the invention is implemented as the management server of the car sharing system. However, the invention can be implemented as an in-vehicle device.
Further, in the first to fourth embodiments, the power consumption is predicted when the sharing vehicle is reserved.However, the position information of the traveling vehicle is acquired as needed, and the acquired position is reset as the starting point. However, the power consumption may be predicted periodically. Further, the result may be notified to the vehicle at any time. In this way, the power consumption required for the vehicle to reach the destination from the current position can be calculated in real time.
また、各実施形態は、カーシェアリングシステムにおいて、同一車種の電気自動車が運用されることを想定しているため、異なる車種が混在している場合、予測した消費電力量では、想定した距離を走行できない場合が発生しうる。このため、異なる車種が混在している場合、車種の違いなどに応じて演算結果を補正するようにしてもよい。 In addition, since each embodiment assumes that the same type of electric vehicle is operated in the car sharing system, when different types of vehicles are mixed, the vehicle travels the expected distance with the predicted power consumption. In some cases, it may not be possible. Therefore, when different vehicle types are mixed, the calculation result may be corrected according to the difference between the vehicle types.
１０ 管理サーバ
１１ 通信部
１２ 利用履歴記憶部
１３ 管理情報記憶部
１４ 貸出管理部
１５ 電力量予測部
２０ 利用者端末
３０ 車両
DESCRIPTION OF SYMBOLS 10
Claims (7)
利用者が過去に電気自動車で移動した際の、出発地点と、到着地点と、前記出発地点から前記到着地点までの走行に前記電気自動車が要した消費電力量を、利用者と関連付けたデータである利用履歴を取得する利用履歴取得手段と、
運転者に関する情報と、出発地点と到着地点とを結ぶ区間であるトリップと、前記トリップに対応する道路の混雑度と、を取得する情報取得手段と、
取得した前記トリップと、前記利用履歴に基づいて、前記運転者が当該トリップを運転した場合の消費電力量を予測する予測手段と、
を有し、
前記予測手段は、前記利用履歴取得手段が取得した前記利用履歴から、前記運転者が該当するトリップを走行した際の利用履歴を抽出し、
前記運転者が該当するトリップを走行した際の利用履歴が所定の件数以上抽出できた場合に、当該利用履歴に含まれる複数の消費電力量の代表値に基づいて消費電力量を予測する第一の予測処理を行い、
前記運転者が該当するトリップを走行した際の利用履歴が前記所定の件数以上抽出できない場合に、他の利用者が当該トリップを走行した際の利用履歴に含まれる複数の消費電力量の代表値に基づいて消費電力量を予測する第二の予測処理を行い、かつ、
前記情報取得手段が取得した、前記トリップに対応する道路の混雑度が高くなるほど、値がより大きくなるように前記予測した消費電力量を補正する、
消費電力量予測装置。 A power consumption prediction device that predicts the amount of power consumed when an electric vehicle rented out in a car sharing system travels,
When the user traveled by electric vehicle in the past, the departure point, the arrival point, and the amount of power consumed by the electric vehicle to travel from the departure point to the arrival point, with data associated with the user. Use history acquisition means for acquiring a use history,
Information acquisition means for acquiring information about the driver, a trip that is a section connecting the departure point and the arrival point, and a degree of congestion of a road corresponding to the trip ,
Based on the acquired trip and the use history, a prediction unit that predicts power consumption when the driver drives the trip,
Has,
The predicting unit, from the use history acquired by the use history acquisition unit, to extract a use history when the driver travels a corresponding trip,
A first method of predicting power consumption based on a representative value of a plurality of power consumptions included in the usage history when usage histories obtained when the driver travels the corresponding trip can be extracted by a predetermined number or more. Forecasting process,
When the usage history when the driver travels on the applicable trip cannot be extracted more than the predetermined number, the representative values of the plurality of power consumption amounts included in the usage history when another user travels on the trip. Performing a second prediction process of predicting the power consumption based on
The higher the congestion degree of the road corresponding to the trip, the higher the congestion degree of the road corresponding to the trip, and the more the value of the predicted power consumption is corrected.
Power consumption estimation device.
前記予測手段は、前記取得した現在位置情報を出発地点として再設定し、消費電力量の予測を周期的に行う、
請求項１に記載の消費電力量予測装置。 Further having a position information acquisition means for acquiring the current position information of the electric vehicle,
The prediction unit resets the acquired current position information as a starting point, and periodically predicts power consumption.
The power consumption estimation device according to claim 1.
請求項１または２のいずれかに記載の消費電力量予測装置。 In the first or second prediction processing, the prediction unit predicts power consumption based on an average value or a mode value of power consumption included in a target use history,
The power consumption prediction device according to claim 1.
請求項１から３のいずれかに記載の消費電力量予測装置と、
貸し出し対象である車両が有するバッテリの残量を取得する車両情報取得手段と、
前記車両が有するバッテリの残量と、前記消費電力量予測装置が予測した消費電力量に基づいて、利用者に対する車両の貸し出し可否を決定する貸出決定手段と、
を有する、サーバ装置。 A server device for receiving a reservation for an electric vehicle operated in a car sharing system,
A power consumption prediction device according to any one of claims 1 to 3,
Vehicle information acquisition means for acquiring the remaining battery level of the vehicle to be rented,
Lending determination means for determining whether or not to lend a vehicle to a user based on the remaining amount of battery of the vehicle and the power consumption predicted by the power consumption prediction device,
A server device comprising:
請求項４に記載のサーバ装置。 The lending determination means determines whether or not to lend the vehicle to the user based on at least one of the temperature and the degree of deterioration of the battery of the vehicle to be lent,
The server device according to claim 4.
前記貸出決定手段は、貸し出し可能な車両のうち、最もバッテリの残量が少ない車両を、利用者に貸し出す車両として決定する、
請求項４または５に記載のサーバ装置。 The vehicle information obtaining means obtains information on a plurality of vehicles to be rented,
The lending determination means determines a vehicle with the least remaining battery among vehicles that can be lent, as a vehicle to rent to a user.
The server device according to claim 4.
利用者が過去に電気自動車で移動した際の、出発地点と、到着地点と、前記出発地点から前記到着地点までの走行に前記電気自動車が要した消費電力量を、利用者と関連付けたデータである利用履歴を取得する利用履歴取得ステップと、
運転者に関する情報と、出発地点と到着地点とを結ぶ区間であるトリップと、前記トリップに対応する道路の混雑度と、を取得する情報取得ステップと、
取得した前記トリップと、前記利用履歴に基づいて、前記運転者が当該トリップを運転した場合の消費電力量を予測する予測ステップと、
を含み、
前記予測ステップでは、前記利用履歴取得ステップで取得した前記利用履歴から、前記運転者が該当するトリップを走行した際の利用履歴を抽出し、
前記運転者が該当するトリップを走行した際の利用履歴が所定の件数以上抽出できた場合に、当該利用履歴に含まれる複数の消費電力量の代表値に基づいて消費電力量を予測する第一の予測処理を行い、
前記運転者が該当するトリップを走行した際の利用履歴が前記所定の件数以上抽出できない場合に、他の利用者が当該トリップを走行した際の利用履歴に含まれる複数の消費電力量の代表値に基づいて消費電力量を予測する第二の予測処理を行い、かつ、
前記情報取得ステップで取得した、前記トリップに対応する道路の混雑度が高くなるほど、値がより大きくなるように前記予測した消費電力量を補正する、
消費電力量予測方法。 A power consumption prediction method performed by a power consumption prediction device that predicts power consumption when an electric vehicle rented out in a car sharing system travels,
When the user traveled by electric vehicle in the past, the departure point, the arrival point, and the amount of power consumed by the electric vehicle to travel from the departure point to the arrival point, with data associated with the user. A usage history acquisition step for obtaining a usage history;
An information acquisition step of acquiring information about the driver, a trip that is a section connecting the departure point and the arrival point, and a degree of congestion of a road corresponding to the trip ,
A prediction step of predicting power consumption when the driver drives the trip based on the acquired trip and the usage history;
Including
In the prediction step, from the use history acquired in the use history acquisition step, to extract a use history when the driver travels the corresponding trip,
A first method of predicting power consumption based on a representative value of a plurality of power consumptions included in the usage history when usage histories obtained when the driver travels the corresponding trip can be extracted by a predetermined number or more. Forecasting process,
When the usage history when the driver travels on the applicable trip cannot be extracted more than the predetermined number, the representative values of the plurality of power consumption amounts included in the usage history when another user travels on the trip. Performing a second prediction process of predicting the power consumption based on
The higher the degree of congestion of the road corresponding to the trip, the higher the congestion degree of the road corresponding to the trip, and the more the power consumption is corrected.
Power consumption prediction method.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015018780A JP6672589B2 (en) | 2015-02-02 | 2015-02-02 | Power consumption prediction device, power consumption prediction method, server device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015018780A JP6672589B2 (en) | 2015-02-02 | 2015-02-02 | Power consumption prediction device, power consumption prediction method, server device |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2016143246A JP2016143246A (en) | 2016-08-08 |
| JP2016143246A5 JP2016143246A5 (en) | 2018-03-15 |
| JP6672589B2 true JP6672589B2 (en) | 2020-03-25 |
Family
ID=56568733
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2015018780A Active JP6672589B2 (en) | 2015-02-02 | 2015-02-02 | Power consumption prediction device, power consumption prediction method, server device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6672589B2 (en) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6763317B2 (en) * | 2017-02-22 | 2020-09-30 | トヨタ自動車株式会社 | Fuel cell vehicle and its control method |
| JP2019053393A (en) * | 2017-09-13 | 2019-04-04 | 積水化学工業株式会社 | Power self-sufficiency ratio trial calculation method and power self-sufficiency ratio trial calculation device |
| CN109935000A (en) * | 2017-12-17 | 2019-06-25 | 北京嘀嘀无限科技发展有限公司 | A kind of method and system for screening electric car |
| JP6994436B2 (en) * | 2018-07-02 | 2022-01-14 | 本田技研工業株式会社 | Lending system |
| JP7420722B2 (en) * | 2018-07-31 | 2024-01-23 | 本田技研工業株式会社 | Calculation system, calculation method, and server |
| JP7067497B2 (en) * | 2019-01-23 | 2022-05-16 | トヨタ自動車株式会社 | Information processing equipment, vehicle management system, and information processing method |
| WO2021033602A1 (en) * | 2019-08-21 | 2021-02-25 | 株式会社Ｎｔｔドコモ | Shared vehicle management device |
| JP7389608B2 (en) * | 2019-10-18 | 2023-11-30 | パーク二四株式会社 | Vehicle management server and computer program |
| JP2021086191A (en) * | 2019-11-25 | 2021-06-03 | 本田技研工業株式会社 | Rental system, rental method, and program |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7181409B1 (en) * | 1999-07-07 | 2007-02-20 | The Regents Of The University Of California | Shared vehicle system and method involving reserving vehicles with highest states of charge |
| JP5840090B2 (en) * | 2012-08-17 | 2016-01-06 | 株式会社東芝 | Power consumption estimation device |
| JP5928320B2 (en) * | 2012-12-07 | 2016-06-01 | 株式会社日立製作所 | Navigation system for electric vehicles |
| JP6184735B2 (en) * | 2013-05-02 | 2017-08-23 | 株式会社サージュ | Vehicle reservation system, vehicle reservation method, program, and computer-readable recording medium in car sharing system |
-
2015
- 2015-02-02 JP JP2015018780A patent/JP6672589B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2016143246A (en) | 2016-08-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6672589B2 (en) | Power consumption prediction device, power consumption prediction method, server device | |
| JP6603995B2 (en) | Server apparatus and service providing method | |
| US11333513B2 (en) | Route searching apparatus and battery information managing apparatus | |
| CA2951583C (en) | System and method for recommending charging station for electric vehicle | |
| JP6183539B2 (en) | Worker management device, worker management system, and worker management method | |
| JP5857581B2 (en) | Vehicle allocation apparatus and vehicle allocation method | |
| US20170043671A1 (en) | Control system for electric vehicle service network | |
| US9384515B2 (en) | Shared vehicle management | |
| JP5776017B2 (en) | Storage battery charging plan support system | |
| KR20140078623A (en) | Estimation and management of loads in electric vehicle networks | |
| CN111446729A (en) | Control device and computer-readable storage medium | |
| WO2019239175A1 (en) | Vehicle management system and vehicle management method | |
| JP5542284B2 (en) | Vehicle use support device | |
| JP2014219749A (en) | Vehicle reservation system in car sharing system, vehicle reservation method, program, and computer-readable recording medium | |
| JPWO2019197854A1 (en) | Vehicle allocation management device and vehicle allocation management method | |
| WO2015178158A1 (en) | Vehicle management device | |
| JP6428190B2 (en) | Shared vehicle management apparatus and shared vehicle management method | |
| JP5327207B2 (en) | Charging system | |
| CN111256715A (en) | Opportunistic fueling of autonomous vehicles | |
| US20220020082A1 (en) | Rental information generation device, secondary-battery management device, user terminal device, computer program, and rental information generation method | |
| CN115900744A (en) | Charging path planning method and device and server | |
| JP2015171189A (en) | Device and method for charge/discharge management, and program | |
| CN108734875B (en) | WEB reservation car renting method based on estimated electric quantity and waiting time | |
| US20240067039A1 (en) | Server and vehicle management method | |
| JP6428185B2 (en) | Shared vehicle management apparatus and shared vehicle management method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180201 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180201 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181227 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190115 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190318 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190709 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190905 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200204 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200217 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 6672589 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |