JP6890069B2 - 情報処理装置、情報処理方法及びコンピュータプログラム - Google Patents

Description

この発明の実施形態は、経路推定装置、経路推定方法およびコンピュータプログラムに関する。

電気自動車、飛行機、ドローン、電動バイク、ディーゼル機関を持つ車のような移動体は、エネルギー供給地点にてエネルギーの供給を受ける必要がある。移動体は、供給された有限のエネルギーを使用し、次のエネルギー供給地点まで到着することが必要である。エネルギー供給地点は、地理的に限定されているため、移動体の次のエネルギー供給地点を決定するため、移動体の消費エネルギーを予測できることが要求されている。このための手法が多く提案されている。

消費エネルギーを予測する方法は、エネルギー消費モデルを構築し、構築したモデルを用いて予測することが一般的である。モデルの構築のために、モデルのパラメータを推定する必要がある。パラメータを推定する際には、移動体が移動経路を走行した際のエネルギー消費情報と、移動経路に関する情報とを含む履歴情報が、学習データとして必要である。

履歴情報を取得するためには、移動体から直接、履歴情報を取得する方法がある。しかしながら、この方法は、各移動体と個別に通信して履歴情報を取得する必要があるため、移動体との通信コスト、管理コスト、データ収集コストが高くなる。特に、予測精度を良くするためには、多くの移動体から履歴情報を取得する必要がするため、コストは膨大になっていく。

特許第４８８６０９９号 特開２０１５−４６２９号公報 特許第５９２０４５２号

本発明の実施形態は、移動体の移動経路を容易に取得することを可能にする経路推定装置、経路推定方法およびコンピュータプログラムを提供する。

本発明の実施形態としての経路推定装置は、通信ネットワークを介して情報装置から移動体の地点履歴情報を取得する情報通信部と、前記地点履歴情報と、複数の地点間の経路と前記経路の特性とを表す経路情報とを用いて、前記移動体が第１の前記地点から第２の前記地点まで移動するのに使用した移動経路を推定する経路推定部を備える。

本発明の実施形態としての経路推定装置のブロック図。 エネルギー供給履歴データベースの例を示す図。 経路情報データベースの例を示す図。 隣接行列の例を示す図。 エネルギー供給地点のネットワーク構造の例を示す図。 エネルギー消費量を計算する例を示す図。 エネルギー消費量を計算する他の例を示す図。 学習データベースの例を示す図。 経路推定部の詳細構成例を示す図。 クエリの例を示す図。 移動経路推定情報の例を示す図。 推定した移動経路の具体例を示す図。 構築された重回帰モデルの例を示す図。 本実施形態に係る経路推定装置の動作例を示すフローチャート。 経路情報生成装置と交通管制サーバを示す図。 ＴＣ情報ＤＢの例を示す図。 速度情報ＤＢの例を示す図。 ＥＴＣ２．０によりＥＶ移動経路の履歴を取得できる構成例を示す図。 エネルギー供給履歴データを取得するためのシステム構成を示す図。 エネルギー供給履歴データを取得するための別のシステム構成を示す図。 要因分析の結果を示す図。 予測システムの全体構成図。 予測サーバの動作の一例を説明するための図。 経路推定装置のハードウェア構成を示す図。

以下、図面を参照しながら、本発明の実施形態について説明する。以下の説明は、移動体として電気自動車（以下、ＥＶ）の場合を例に説明するが、ＥＶ以外の移動体でも実施できる。そのような移動体の例として、飛行機、ドローン、電動バイク、ディーゼル機関を持つ車などがある。

ＥＶは、バッテリーの充電電力（充電エネルギー）を使用して、道路を走行し、様々な地点に移動する。本実施形態では地点として、特に、ＥＶが充電を行う地点であるエネルギー供給地点を扱う。ただし、本実施形態の地点は、エネルギー供給地点に限られずに、地図上の任意の地点でかわない。例えば自宅でもよいし、飲食店でもよいし、販売店でもよいし、ＥＶのユーザが任意に指定した地点でもよい。

ＥＶは、エネルギー供給地点で電力を供給され、供給された電力をバッテリーに蓄積する。ＥＶはバッテリーに蓄積された電力を使用して移動する。ＥＶは、バッテリーの電力が無くなる前に、次のエネルギー供給地点に移動し、そこで電力の供給を受ける必要がある。このようにＥＶは、各エネルギー供給地点で充電を行いつつ、目的地へ移動する。なお、エネルギー供給地点には１つまたは複数の充電器（エネルギー供給器）が設置されており、ＥＶは、任意の充電器と有線または無線で接続して、電力の供給を受ける。本実施形態では、このような状況を想定する。

なお、本実施形態では移動体がＥＶの場合を想定するため、エネルギー供給は充電、エネルギー供給地点は充電スタンド、エネルギー供給器は充電器になるが、移動体がガソリン車であれば、燃料補給、ガソリンスタンドおよび燃料補給器に読み替えるなど、ＥＶ以外の移動体に対しても、本実施形態と同様の処理が可能である。

（第１の実施形態）
図１は、本発明の実施形態としての経路推定装置のブロック図である。経路推定装置１は、情報取得部１０と、学習データ生成部１１と、消費エネルギーモデル構築部（モデル構築部）１４と、制御部１５と、入力部１６と、出力部１７、情報通信部１８とを備える。学習データ生成部１１は、情報処理部１２と、経路推定部１３とを備える。また、経路推定装置１は、エネルギー供給履歴記憶部２１と、経路情報記憶部２２と、学習データ記憶部２３と、消費エネルギーモデル記憶部（モデル記憶部）２４とを備える。これらの記憶部は、メモリ装置、ハードディスク装置、ＳＳＤ装置など、ハードウェア記憶装置である。

入力部１６は、本装置のユーザ（以下、オペレータ）が本装置の動作に必要なパラメータ設計情報を入力したり、指示を入力したりする入力インタフェースである。

出力部１７は、本装置が生成した情報またはデータを表示する出力インタフェースである。

情報通信部１８は、ＥＶとは異なる１つまたは複数の情報装置１９から、通信ネットワーク２０を介して１つまたは複数のＥＶに関する情報を取得し、取得した情報を、エネルギー供給履歴記憶部２１におけるエネルギー供給履歴データベース（ＤＢ）に格納する。通信ネットワーク２０は、有線または無線またはこれらのハイブリッドのネットワークである。情報装置１９は、一例としてＥＶが充電を行うエネルギー供給地点（以下、供給地点）に設置された充電器、ＥＶのユーザが使用する端末装置（スマートフォン、タブレット装置、ノートＰＣなど）、ＥＴＣ２．０装置である。ＥＴＣ２．０装置は、ユーザの端末装置およびＥＶ（例えばＥＶに搭載されたカーナビゲーション装置など）の少なくとも一方と通信可能なデータ通信装置の一例であり、走行エリア内の複数の所定のスポットに配置される。所定のスポットはＩＴＳスポットでもよいし、経路に沿った箇所でもよいし、高速道路のサービスエリア、建物などでもよい。なお、エネルギー供給地点に設置された１つまたは複数の充電器と通信可能なゲートウェイ装置を設け、当該ゲートウェイ装置から１つまたは複数の充電器の情報を収集する場合も、充電器から情報を収集する動作の一形態に相当する。

エネルギー供給履歴記憶部２１はエネルギー供給履歴データベース（ＤＢ）を格納している。図２は、エネルギー供給履歴ＤＢの例を示す。本例では充電器から情報を取得してエネルギー供給履歴ＤＢに情報を格納する場合を想定するが、ユーザがスマートフォンのアプリケーションに充電スタンドまたは充電器に関する情報を入力し、その情報をスマートフォンから収集して、エネルギー供給履歴ＤＢに格納することも可能である。ＥＴＣ２．０装置から情報を収集する場合も同様である。

エネルギー供給履歴ＤＢは、ＥＶのエネルギー供給履歴情報として、ＥＶの識別子（ＩＤ）と、供給地点ＩＤと、開始充電量と、終了充電量との情報を保持する

ＥＶのＩＤは、個々のＥＶ（ＥＶ１、ＥＶ２、ＥＶ３、・・・、ＥＶｉ）を認識するための識別子である。例えば、ＥＶｉのＩＤは、“１２３４５６”である。

供給地点ＩＤは、ＥＶが充電を行ったエネルギー供給地点（以下、供給地点）を識別する識別子である。供給地点が地図上のどの位置に存在するかは別途、地図情報により把握可能である。例えば地図情報は、供給地点ＩＤと、地図上の座標とを対応づけて保持している。ここではｎ箇所の供給地点を想定し、ｎ個の供給地点のＩＤを、Ｑ１、Ｑ２、Ｑ３、・・・、Ｑｎとする。供給地点は、ＥＶが充電を行うために立ち寄った地点であり、ＥＶが位置した地点の一例である。エネルギー供給履歴情報は、ＥＶが位置した地点の履歴を表す地点履歴情報の一例である。エネルギー供給履歴情報は、充電器から情報を収集する場合、充電器に設定または記録されている情報を収集することで得られる。スマートフォンから収集する場合は、任意の手段で、ユーザがスマートフォンのアプリケーションに、情報を入力し、この情報を収集すればよい。例えば、ユーザが供給地点ＩＤを手入力してもよいし、充電器もしくは供給地点に設置された別の装置から供給地点ＩＤを無線または有線で受信し、受信した情報をスマートフォンのアプリケーションに自動入力してもよい。また、地点は、供給地点ＩＤに限定されず、地図上の座標をＧＰＳで取得して、取得した座標を地点の情報としてもよい。供給地点とは別の種類の地点（例えば自宅、店など）の情報を収集する場合、地図上における当該地点の座標を取得してもよいし、地図情報の対応付けが可能であれば、地図上において当該座標に対応づけられた場所・施設等の名称を取得してもよい。取得した情報は、ユーザがスマートフォンのアプリケーションに手入力してもよいもよい。

開始充電量は、ＥＶが供給地点の充電器で充電を開始する時点のバッテリーの充電量である。終了充電量は、ＥＶが当該充電器で充電を終了した時点のバッテリーの充電量である。開始充電量および終了充電量は、図の例ではｋＷｈで表しているが、別の単位で表してもよい。終了充電量から開始充電量を減算した値は、ＥＶに充電された電力量（エネルギー量）に相当する。

図の例では、ＩＤが１２３４６であるＥＶｉが、供給地点Ｑｊで充電を開始したときの充電量は、３．９ｋＷｈであり、供給地点Ｑｊでの充電が終了したときの充電量は３４．４である。また、このＥＶｉが、次の移動先である供給地点Ｑｊ’で充電を開始したときの充電量は、６．３ｋＷｈであり、供給地点Ｑｊ’での充電が終了したときの充電量は１２．０ｋＷｈである。

開始充電量および終了充電量の代わりに、またはこれらに加えて、開始ＳＯＣ（ＳＯＣ：Ｓｔａｔｅ Ｏｆ Ｃｈａｒｇｅ）および終了ＳＯＣを保持してもよい。ＳＯＣは、バッテリーの容量（満充電量）に対する実際に蓄積されている電力量の割合を表す。

本実施形態に係るＥＶのバッテリー状態情報は、開始充電量、終了充電量、開始ＳＯＣ、終了ＳＯＣ、ＥＶに充電された電力量（エネルギー量）のうちの少なくとも１つを表してもよい。バッテリー状態情報は、ＥＶのバッテリー状態を特定可能であれば、その他の値でもよい。例えばスマートフォンのアプリケーションやＥＴＣ２．０装置でＥＶの情報を取得する場合、その地点またはタイミングにおけるバッテリーの状態（充電量またはＳＯＣ）でもよい。

エネルギー供給履歴ＤＢには、その他に、ＥＶの車種、充電開始日時時、充電終了日時、満充電量の少なくとも１つの情報を保持することも可能である。

エネルギー供給履歴ＤＢに充電開始日時または充電終了日時が存在しない場合は、当該ＤＢの各エントリは時系列に並べられるようにしてもよい。また、エネルギー供給履歴ＤＢの情報は、過去の情報を一括して取得したものでよいし、リアルタイムに情報を取得し、エネルギー供給履歴ＤＢに逐次情報を追加してもよい。

経路情報記憶部２２は、経路情報ＤＢを格納している。図３（Ａ）は、経路情報ＤＢの例を示す。

経路情報ＤＢは、供給地点ＩＤと、隣接する供給地点のＩＤ（隣接供給地点ＩＤ）と、距離情報とを、経路情報として保持する。供給地点が、隣接する供給地点と隣接するとは、供給地点から隣接する供給地点への経路には、別の供給地点が存在しないことを意味する。供給地点から隣接供給地点への実際の経路は、地図情報から特定できる。ＥＶは、供給地点から、隣接する供給地点まで、これらの間の経路を使用して、移動可能である。供給地点に対して、隣接する供給地点が複数存在してもよい。また、供給地点から隣接供給地点への経路は１つでもよいし、隣接する供給地点への経路が複数存在してもよい。以下の説明では、供給地点から隣接する供給地点への経路は１つである場合を想定する。

距離情報は、供給地点から、隣接する供給地点への距離を表す。距離は、経路の特性の一例である。図３（Ｂ）に、経路情報ＤＢの他の例を示す。この例では、距離情報に加えて、別の特性情報が保持されている。すなわち、経路の勾配（累積標高差、あるいは、経路の開始地点と終了地点間の標高差など。以下同様。）の情報が保持されている。また、経路の移動に要する所要時間が保持されている。所要時間は、過去の計測値の平均でもよいし、距離を所定速度で走行した場合に要する走行時間でもよい。また、経路の走行に要する所要エネルギーの情報が保持されている。所要エネルギーは、実績の統計値（平均値、中央値など）でもよいし、計算式またはシミュレーションにより算出した値でもよい。また、経路の気象（気温、湿度、天気など）の情報が保持されている。ここで挙げた以外の特性情報の例として、２つの供給地点間の隣接の有無の情報を保持してもよい。この場合、経路情報ＤＢに、すべての２つの供給地点の組について隣接の有無を表す列を設けてもよい。

図３（Ａ）および図３（Ｂ）の例では、経路情報ＤＢは表形式を有するが、隣接行列の形式でもよい。隣接行列の例を図４に示す。なお、図４の例は、図３とは別の事例に基づいている。隣接行列は、行名と列名にそれぞれ供給地点の識別子を持つ。２つの供給地点が隣接する場合は、該当する行列要素に、２つの供給地点間の経路の特性を設定する。例えば、２つの供給地点間の距離、２つの供給地点間の勾配情報、エネルギー消費量の統計値のうちの少なくとも１つを設定する。２つの供給地点が隣接しない場合は、該当する行列要素にＮＵＬＬ値を設定する。ＮＵＬＬ値は、隣接の有無を表す値の一例である。

隣接行列は、２つの供給地点の一方から他方の経路、他方から一方への経路が異なる場合も対応可能である。例えば、２つの供給地点をＱ２、Ｑｊとすると、供給地点Ｑ２から供給地点Ｑｊへの経路と、供給地点Ｑｊから供給地点Ｑ２への経路が同一でない場合も対応可能である。高速道路の上下線は、このような場合の一例に相当する。図３（Ａ）および図３（Ｂ）の表形式の場合も、同様に、双方向の経路が異なる場合にも対応可能である。

なお、隣接行列では、供給地点ＩＤ以外のものを、行名および列名に持つことも可能である。

経路情報を、一般的なネットワーク構造の記述方法を用いて構成することも可能である。

図５に、経路情報のネットワーク構造の例を示す。供給地点Ｑ１〜Ｑｎを表すノード間が、破線で示すリンクにより結合されている。リンクは、互いに隣接する供給地点同士を結合する。図５の例では、供給地点Ｑ１は、供給地点Ｑ３と、Ｑ２にそれぞれ隣接していることが分かる。また、供給地点Ｑ１から供給地点Ｑ３への経路は１つであり、供給地点Ｑ１から供給地点Ｑ２への経路も１つである。リンクには、結合するノードが表す供給ポイント間の経路の特性が割り当てられる（図５においては経路の特性の表記は省略されている）。

経路情報は、走行エリアを複数に分けた場合に、エリアごとに分けて保持されてもよい。もちろん、走行エリア全体で１つの経路情報を保持することも可能である。

図５のネットワーク構造では、地点が供給地点Ｑ１〜Ｑｎであり、予め決まった地点であった。任意の地点を対象とする場合は（例えばスマートフォンのアプリケーションで取得したＧＰＳ情報を地点とする場合）、ＧＰＳ情報と地図情報を一般的な方法で対応付けたものを経路情報として用いてもよい。

情報取得部１０は、エネルギー供給履歴ＤＢから、少なくとも１つのＥＶｉのエントリ（エネルギー供給履歴情報）を取得する。取得するエネルギー供給履歴情報には、当該ＥＶについて、少なくも２つの供給地点におけるエネルギー供給履歴が保持されている。また、情報取得部１０は、経路情報ＤＢから経路情報を取得する。エリアごとに経路情報が管理されている場合は、取得したエネルギー供給履歴情報に含まれる供給地点が所属する経路情報を取得する。情報取得部１０は、取得したエネルギー供給履歴情報と経路情報とを、情報処理部１２へ渡す。

情報処理部１２は、ＥＶｉのエネルギー供給履歴情報と経路情報を、情報取得部１０より受け取る。情報処理部１２は、これらの情報と、経路推定部１３とを用いて、ＥＶｉの移動経路を推定する。移動経路は、ＥＶｉがある供給地点から別の供給地点へ移動するのに使用した経路または経路の組み合わせである。

情報処理部１２は、まず、受信したエネルギー供給履歴情報を用いて、ある供給地点Ｑｊの次に充電を行った供給地点（以下、次の供給地点）Ｑｊ’を特定する。ある供給地点Ｑｊは、一例として第１の地点に対応し、次の供給地点）Ｑｊ’は一例として第２の地点に対応する。情報処理部１２は、供給地点Ｑｊの終了充電量と、次の供給地点Ｑｊ’での充電における開始充電量との差を算出する。算出した差を、ＥＶｉの１回の移動のエネルギー消費量Ｅｑとする。エネルギー供給履歴ＤＢに充電開始日時、充電終了日時が格納されている場合、次の供給地点Ｑｊ’を高精度に特定できる。

エネルギー消費量Ｅｑを計算する例を図６Ａに示す。ある同一のＥＶについてのエネルギー供給履歴情報から、ある１回分の移動のエネルギー消費量を計算する例を示す。この例では、エネルギー供給履歴に充電開始日時、充電終了日時が含まれている。ある供給地点（１番目のエントリの供給地点）での利用終了日時に最も近い利用開始日時を有する別の供給地点（２番目のエントリの供給地点）を、次の供給地点として特定している。すなわち、３つの黒丸で示す供給地点Ｑｊ（前回供給地点）のＩＤ、３つの△で示す次の供給地点Ｑｊ’（次回供給地点）のＩＤを特定している。また、供給地点Ｑｊでの充電が終了した日時（前回利用終了日時）、供給地点Ｑｊ’での充電の開始日時（次回利用開始日時）、供給地点Ｑｊ’での充電を開始するときの充電量（次回開始充電量）、供給地点Ｑｊでの充電が終了したときの充電量（前回終了充電量）を特定している。前回終了充電量から次回開始充電量を減算することにより、供給地点Ｑｊから供給地点Ｑｊ’への移動で消費したエネルギー消費量を計算している。

エネルギー消費量Ｅｑを計算する他の例を図６Ｂに示す。この例ではスマートフォンから取得したエネルギー供給履歴情報を用いる。このエネルギー供給情報は、ＥＶまたはＥＶのユーザを識別するＩＤと、ＧＰＳ情報地点と、充電量とを表している。この場合、ある地点での充電量を、次の地点での充電量から減算することで、エネルギー消費量を計算している。ＧＰＳ情報地点は、ＧＰＳにより取得した座標でもよいし、地図情報において当該座標に対応づけられた場所・施設等の名称でもよい。また、地点は、エネルギー供給地点でもよいし、他の種類の地点でもよい。他の種類の地点の場合も、以下の説明で、次の供給地点Ｑｊ’を次の地点、供給地点Ｑｊをある地点と読み代えることで、同様の処理が可能である。

情報処理部１２は、供給地点ＱｊのＩＤと、次の供給地点Ｑｊ’のＩＤを含むクエリを生成し、経路推定部１３に渡す。このクエリは、供給地点Ｑｊから次の供給地点Ｑｊ’への移動にＥＶが使用した移動経路を推定することを依頼する。クエリに、識別子（履歴ＩＤ）を含めてもよい。また、情報処理部１２は、情報取得部１０から取得した経路情報を、経路推定部１３に渡す。経路情報は情報処理部１２が渡すのではなく、経路推定部１３が、クエリを受け取ったことを契機として、経路情報ＤＢから経路情報を取得してもよい。

経路推定部１３は、情報処理部１２から受け取った供給地点ＱｊのＩＤ、次の供給地点Ｑｊ’のＩＤ、経路情報を利用して、ＥＶｉが、供給地点Ｑｊから、次の供給地点Ｑｊ’へ移動するのに使用した経路または経路の組み合わせである移動経路を推定する（移動経路推定）。移動経路の候補が複数ある場合は、そのうちの１つの候補を選択する。推定の方法は後述する。

推定した移動経路は、一例として、複数の供給地点の識別子を時系列に並べたリスト（供給地点リスト）で表現できる。例えば、ＥＶｉが、供給地点Ｑｊの後、供給地点Ｑ４、Ｑ８、・・・を通過して、次の供給地点Ｑｊ’へ至った場合は、供給地点リストは、「Ｑｊ→Ｑ４→Ｑ８→…→Ｑｊ’」のような情報で表される。なお、ＥＶが供給地点を通過するとは、ＥＶが当該供給地点で充電を行わずに、当該供給地点が存在する経路またはその近傍の経路を通り過ぎることである。「Ｑｊ→Ｑ４→Ｑ８→…→Ｑｊ’」の場合、ＥＶｉが供給地点Ｑｊで充電を行った後、供給地点Ｑ４、Ｑ８では充電を行わずに、次の供給地点Ｑｊ’で充電を行うことを意味する。

経路推定部１３は、推定した移動経路について、その移動経路の距離、移動経路の移動に要した所要時間、移動経路の勾配情報など、予め定めた１つ以上の項目の値を算出し、算出した値を含む移動経路推定情報を、推定した移動経路に関する情報として生成する。経路推定部１３は、移動経路推定情報を情報処理部１２に返す。移動経路推定情報に、推定した移動経路を特定する情報（上述の供給地点のノードを時系列に結合したリスト等）を含めてもよい。

情報処理部１２は、エネルギー消費量Ｅｑと、経路推定部１３から受け取った移動経路推定情報とを、履歴ＩＤに対応づけた学習データを生成する。移動経路推定情報に、モデル学習に不要な項目が存在する場合は、当該項目を除去してもよい。情報処理部１２は、生成した学習データを、学習データ記憶部２３の学習データＤＢに保存する。これによりＥｖｉについて１回分の学習データが格納される。学習データ記憶部２３は、学習データＤＢを格納している。

図７に、学習ＤＢの例を示す。学習ＤＢは、ＥＶｉについて推定された移動経路について、履歴ＩＤと、エネルギー消費量と、移動経路推定情報とを含む。ここでは、移動経路推定情報の例として、推定された移動経路の距離情報が格納されている。距離情報の他に、所要時間情報、勾配情報、エネルギー消費量の統計値の少なくとも１つの情報が保持されてもよい。

情報処理部１２が複数のＥＶについて、複数の移動経路推定を行うことにより、学習データＤＢには複数のＥＶについて複数の学習データが格納される。

図８は、経路推定部１３の詳細構成例を示す。経路推定部１３は、クエリ取得部３１と、最短経路推定部３２とを備える。

クエリ取得部３１は、情報処理部１２から、あるＥＶにエネルギーを供給した供給地点Ｑｊと、当該ＥＶに次にエネルギーを供給した供給地点Ｑｊ’と、履歴ＩＤとを含むクエリを取得する。クエリの例を図９に示す。履歴ＩＤをＳｑによって表している。

また経路推定部１３は、情報処理部１２または経路情報ＤＢから経路情報を取得する。走行エリアを複数のエリアに分けて、エリア毎に経路情報を管理している場合は、供給地点Ｑｊと供給地点Ｑｊ’が共通に所属するエリアの経路情報を取得する。経路情報は、ここでは隣接行列（図４参照）で表されているとする。供給地点Ｑｊと供給地点Ｑｊ’のエリアが同一ではない場合は、経路推定部１３は、情報処理部１２にＮＡを返せばよい。

最短経路推定部３２は、供給地点Ｑｊと、次の供給地点Ｑｊ’と、隣接行列とを用いて、供給地点Ｑｊから次の供給地点Ｑｊ’への最短の移動経路（最短経路）を算出する。最短経路問題を解く手法として、一般的なダイクストラ法を始め、ベルマン-フォード法、Gabow 法、ワーシャル-フロイド法などを用いることができる。最短経路推定部３２は、求めた最短経路に関する移動経路推定情報を生成する。

図１０は、生成された移動経路推定情報の例を示している。移動経路推定情報は、一例として、履歴ＩＤと、推定した最短経路の距離と、推定した最短経路を特定する情報とを含む。推定した最短経路を特定する情報が、上述した供給地点リストで表されている。最短経路推定部３２は、生成した移動経路推定情報を、情報処理部１２に送る。情報処理部１２は、エネルギー消費量Ｅｑと移動経路推定情報を対応づけて学習データとする。情報処理部１２は、学習データを、学習データＤＢに格納する。移動経路推定情報に不要な項目が存在する場合は、当該項目を除去したものを、エネルギー消費量Ｅｑと対応づけて、学習データとしてもよい。例えば、移動経路リストがモデル構築に不要であれば、当該移動経路リストを移動経路推定情報から削除してもよい。もっとも、モデル構築以外の活用を考慮して、モデル構築に不要な項目も削除せず、残しておいてもよい。

図１０の移動経路推定情報の構成は一例であり、他の構成でもよい。例えば次の供給地点までの累積標高差［ｍ］などの勾配情報、次の供給地点までの移動経路における外気温、湿度などの気象情報を追加し、これらの項目をモデル構築に使用してもよい。ここで例示した情報およびその他の情報の平均値、中央値、累積値などの一般的な統計値を追加してもよい。また、次の供給地点までの移動に要する消費エネルギー量の統計値などを追加してもよい。

供給地点Ｑｊから次の供給地点Ｑｊ’までの最短経路が２つ以上存在する可能性もある。その場合は、２以上の最短経路の中からランダムで１つの最短経路を選択してもよい。また、任意の条件に基づいて、１つの最短経路を選択してもよい。例えば、供給地点Ｑｊから次の供給地点Ｑｊ’までの移動の所要時間が最も小さい最短経路を選択してもよい。あるいは、累積標高差が最も小さい最短経路を選択してもよい。あるいは、天気が最もよい最短経路を選択してもよい。

図１１は、前述した図５のネットワークにおいて、１回目の充電地点が供給地点Ｑ１、次の充電地点が供給地点Ｑ６の場合において推定された最短経路の例を示す。供給地点Ｑ１からＱ６へ移動する移動経路の候補は、図の例では２つ存在する。このうち最短経路として、Ｑ１→Ｑ３→Ｑ４→Ｑ６の移動経路（移動経路候補１）が選択されている。推定された移動経路は実線で示されている。

消費エネルギーモデル構築部１４（以下、モデル構築部１４）は、学習データＤＢから学習データを読み出し、読み出した学習データを用いて、消費エネルギーモデル（以下、モデル）を構築する。モデルの構築方法は、人工知能、機械学習、ブラックボックスモデリング、物理モデルを定義するようなホワイトボックスモデリングなど、多くの手法がある。ブラックボックスモデリングは、対象の特性が不明の場合、回帰、ニューラルネットワーク、ＳＶＭまたは統計などを用いて、モデルリングを行う方法である。ホワイトボックスモデリングは、対象の特性が分かっている場合に、物理モデルなどを定義して行うモデリングである。本実施形態では、どのようなモデリング手法を用いて、どのようなモデルを構築してもよい。

モデル構築部１４は、オペレータから必要な情報を指定した指示情報を、入力部１６を通して受けることにより、モデルを構築してもよいし、事前に指定された情報に従って、モデルを構築してもよい。オペレータは、指示情報として、一例として、モデル型（回帰モデルの形など）や、モデルパラメータ推定に使用する最適化アルゴリズムを指定する。

モデル構築部１４は、モデル型に対応する基本関数を、所定の記憶装置（メモリ、ハードディスク装置、またはＳＳＤなど）から読み出す。所定の記憶部には、複数のモデル型に対応する基本関数がそれぞれ格納されてり、モデル構築部１４は、該当するモデル型に対応する基本関数を読み出す。基本関数のモデルパラメータの値はこの時点では未知であり、モデル構築部１４は、読み出した基本関数に含まれるモデルパラメータの値を、学習データを用いて推定する。モデル構築部１４は、読み出した基本関数（モデル型）と、推定したモデルパラメータとのセットを、消費エネルギーモデル（モデル）として、消費エネルギーモデルＤＢに格納する。

モデル型が重回帰モデルの場合、基本関数は、以下のように表される。

w0,w1,w2,w3,…,wnが、推定対象となるモデルパラメータである。x1,x2,x3…,xnは入力変数（説明変数）である。yは、出力変数（目的変数）である。なお、各説明変数の測定単位の差を吸収するために、目的変数とすべての説明変数を、平均値０、分散１に正規化してもよい（スケーリング）。説明変数の一例として、距離、所要時間、外気温などがある。これらは、学習データに含まれる項目である。例えば、x1は距離、x2は所要時間、x3は外気温である。説明変数は、学習データに含まれる複数の項目から計算される別の値でもよい。例えば距離を所要時間で除算することにより得られる速度を、説明変数としてもよい。モデルパラメータは、最尤法または最小二乗法など、公知の最適化アルゴリズムによって求めればよい。

消費エネルギーモデルＤＢは、モデル構築部１４により生成されたモデルを格納する。図１２に、重回帰モデルの場合に格納されたモデルデータ例を示す。この例では、モデルパラメータとして、距離パラメータw1の０．５４、所要時間パラメータw2の０．１３が格納されている。「○○」は、任意の説明変数名を表す。また、基本関数のデータが格納されている。基本関数は、説明変数x1,x2,…を入力し、目的変数yを出力する関数である。関数の本体部分（図の「・・・・」の部分）には、w1,w2等のモデルパラメータを用いたプログラムコードが記述されている。ここでは重回帰モデルの例を示したが、他のモデルの場合も同様に、格納できる。

図１の経路推定装置１は、単一の装置であっても、複数の装置から構成されるシステムでもよい。複数の装置で構成される場合、これらの装置が通信ネットワークを介して接続されてもよい。例えば図１に示した要素のうち、制御部１５と、入力部１６と、出力部１７と取り出してユーザ操作装置とし、それ以外の要素１１〜１４、２１〜２４を含む装置を経路推定装置としてもよい。

図１３は、本実施形態に係る経路推定装置１の動作例を示すフローチャートである。

情報取得部１０が、エネルギー供給履歴情報と経路情報とを取得する（Ｓ１０１）。

情報取得部１０が、取得したエネルギー供給履歴情報と経路情報とを、情報処理部１２に送る（Ｓ１０２）。

情報処理部１２が、エネルギー供給履歴情報からあるＥＶ（移動体）について、供給地点と、次の供給地点とを特定する情報を抽出する（Ｓ１０３）。また、移動体が供給地点から次の供給地点への移動で消費したエネルギー消費量を計算する。

情報処理部１２が、抽出した情報と、経路情報とを経路推定部１３に送る（Ｓ１０４）。

経路推定部１３が、あるＥＶについて、供給地点から次の供給地点への移動に使用した移動経路を推定する（Ｓ１０５）。

経路推定部１３が、推定した移動経路に関する情報（移動経路推定情報）を情報処理部１２に送る（Ｓ１０６）。

情報処理部１２が、移動経路推定情報に基づき、学習データを生成する（Ｓ１０７）。具体的には、移動経路推定情報からモデル構築に必要な項目の値を抽出し、抽出した値と、エネルギー消費量とを含む学習データを生成する。

消費エネルギーモデル構築部１４が、学習データを基に、消費エネルギーモデル（モデル）を構築する（Ｓ１０８）。この後、制御部１５が、モデルを出力部１７に表示してもよい。また、経路推定部１３で推定された移動経路を表す情報（供給地点リスト等）を、出力部１７で表示してもよい。

以上、本実施形態によれば、移動体のエネルギー供給履歴情報（地点履歴情報）に基づき、移動体の第１の地点と、第１の地点の後の移動先である第２の地点とを特定する。複数の地点間の経路と、経路の特性（距離、所要時間、勾配情報、所要エネルギー等）とを表す経路情報（図３〜図５参照）を用いて、移動体が第１の地点から第２の地点までするのに使用した移動経路を推定する。このように、移動体の移動経路を、地点履歴情報と経路情報とから計算により取得できるため、移動体の移動経路の情報を容易に取得できる。よって、移動経路の情報を低コスト（費用）で取得できる。

（第２の実施形態）
本実施形態は、経路情報を生成する例を示す。本実施形態では、交通管制データ（交通観測データ）を用いて経路情報を生成する。

図１４は、経路情報生成装置４１と交通管制サーバ５１を示す。経路情報生成装置４１は、経路推定装置１と、通信ネットワークを介して、接続されている。本実施形態の経路推定装置１における経路情報記憶部２２には、供給地点の隣接有無を表すデータ（隣接関係データ）が格納されているとする。隣接関係データは、隣接の有無を要素に格納した隣接行列でもよいし、表形式のデータでもよい。本実施形態では、経路情報生成装置４１が、隣接する供給地点同士間の経路特性を算出し、算出した経路特性を、隣接関係データに追加することで、経路情報を生成する。また、経路推定装置１は、ＴＣ（トラフィックカウンタ）情報記憶部を備えている。ＴＣ情報記憶部２５は、ＴＣ情報ＤＢを備えている。

ＴＣ情報ＤＢは、供給地点と、隣接する供給地点と、これらの供給地点間にある１つ以上のＴＣのＩＤとを対応づけたデータを保持する。

図１５に、ＴＣ情報ＤＢの例を示す。この例の１番目のエントリのデータは、供給地点Ｑｊと、隣接する供給地点Ｑｊ’の間に、トラフィックＴＣ_１、ＴＣ_２、・・・が配置されていることを示す。なお、ＴＣ_１、ＴＣ_２、・・・の順序で配置されている必要はない。

経路情報生成装置４１は、交通管制データ取得部４２と、隣接行列生成部４３とを備える。交通管制サーバ５１は、速度情報記憶部５２を備えている。速度情報記憶部５２は、速度ＤＢを格納している。

交通管制サーバ５１は、ｇ箇所に配置されたトラフィックカウンタＴＣ_１〜ＴＣｇと、通信ネットワークを介して接続されている。交通管制サーバ５１は、トラフィックカウンタＴＣ_１〜ＴＣｇと通信して、トラフィックカウンタＴＣ_１〜ＴＣｇのデータである交通管制データを取得する。ここでは、交通管制データとして、速度情報を取得する。速度情報は、あるＴＣ（トラフィックカウンタ）においてある時刻に計測された速度［ｋｍ／ｈ］の値を保持する。交通管理サーバは、速度情報を速度ＤＢに格納する。交通管制データとして、速度情報の代わりに、占有率または交通量の情報を取得してもよい。

図１６に速度情報ＤＢのデータ例を示す。速度情報ＤＢは表形式を有している。行名に時刻、列名にＴＣのＩＤが割り当てられている。表の各要素には速度の値が格納されている。

経路情報生成装置４１の交通管制データ取得部４２は、通信ネットワークを介して交通管制サーバ５１と接続されており、交通管制サーバ５１から交通管制データとして速度情報を取得する。交通管制サーバ５１と経路情報生成装置４１が同一の装置でもよく、この場合、交通管制データ取得部４２は、速度ＤＢから速度情報を読み出せばよい。交通管制データ取得部４２は、取得した速度情報を隣接行列生成部４３に渡す。

隣接行列生成部４３は、経路推定装置１から、経路情報記憶部２２に格納されている隣接関係データを取得する。また、隣接行列生成部４３は、経路推定装置１から、ＴＣ情報ＤＢに格納されているＴＣ情報を取得する。

隣接行列生成部４３は、隣接関係にある供給地点間について、速度情報とＴＣ情報を用いて、経路特性を算出し、算出した経路特性を隣接関係データに追加することで、経路情報を生成する。ここでは、経路情報として隣接行列を生成する。

隣接行列生成部４３は、経路特性として、ある供給地点Ｑｊと、隣接する供給地点Ｑｊ’との間にあるトラフィックカウンタの速度値の統計値、または追跡時刻和などを算出する。統計値の例としては、平均値、中央値、最大値、最小値などがある。例えば、該当する経路に存在するすべてのトラフィックカウンタについて、速度情報ＤＢの一定時間分のデータを対象に速度の平均を計算し、これを経路の特性情報とする。隣接行列生成部４３は、算出した特性情報を、隣接行列の該当する要素に追加する。これを隣接関係にあるすべての供給地点同士に行うことで、隣接行列を生成する。なお、追跡時刻和は、各トラフィックカウンタの勢力範囲を定めて、勢力範囲内では、各トラフィックカウンタが計測した速度（例えば最大値）で車両が走行したとした場合に計算される所要走行時間である。

隣接行列生成部４３は、生成した隣接行列を経路推定装置１に送信する。経路推定装置１は、受信した隣接行列を、経路情報として、経路情報ＤＢに格納する。これが、第１の実施形態で用いられる経路情報となる。

経路情報生成装置４１は、例えば、交通管制データ（速度情報）を一定時間おきに取得し、隣接行列を生成（更新）する。なお、取得した速度情報は、経路情報生成装置４１の内部記憶部または経路情報生成装置４１からアクセス可能な外部の記憶部に保持しておく。したがって、経路情報ＤＢには、速度情報の取得時間に対応する複数の隣接行列（経路情報）が蓄積される。

経路推定装置１の情報通信部１８（図１参照）は、推定対象とするエネルギー供給履歴情報の時刻情報（利用開始日時、利用終了日時）をキーとして、対応する隣接行列を取得する。例えば、利用開始日時から利用終了日時までの時間が含まれる上記取得時間に対応する隣接行列を取得する。

経路情報生成装置４１と経路推定装置１とは別々の装置であったが、経路情報生成装置４１が経路推定装置１と一体に構成されていてもよい。

また、経路推定装置１の制御部１５が、ＴＣから、またはＴＣを管理する管理装置からＴＣのデータを通信により取得し、取得したデータを用いて、速度ＤＢを構築してもよい。制御部１５は、生成した速度ＤＢと、隣接関係データとを用いて、経路情報を生成し、生成した経路情報を経路情報ＤＢに格納する。

（第３の実施形態）
第１の実施形態では、経路推定方法として、最短経路を選択する方法を用いたが、本実施形態では、移動経路の複数の推定方法の中から、条件に応じて使用する推定方法を決定する。

なお、第１または第２の実施形態では、主として１台のＥＶについて移動経路推定を行う例を記述したが、本実施形態では複数台のＥＶについて移動経路推定を行っている状況を想定する。以下、複数の推定方法の中から推定方法を決定するための条件の例をいくつか示す。

（第１の例）
経路推定部１３または情報処理部１２は、あるパラメータαに従って、ランダムで推定方法を選択する。パラメータαは、各推定方法が選択される割合を指定する。例えば、２つの推定方法Ａおよび推定方法Ｂがある場合に、パラメータαにより、推定方法Ａが４割、推定方法Ｂが６割の確率で選択されることを指定する。パラメータαは、本装置のオペレータが指定し、入力部１６を用いて入力する。

一例として、推定方法Ａが最短距離の移動経路を選択する方法、推定方法Ｂが勾配変化（累積標高差など）の最も小さい移動経路を選択する方法とする。実際、最短経路をユーザ（ＥＶの運転者）が選択するとは限らず、勾配変化の小さい移動経路を選択するユーザも存在すると考えられる。

または、推定方法Ａが最短距離の移動経路を選択する方法、推定方法Ｂが、２番目または３番目に最短である推定方法を選択する方法でもよい。

または、推定方法Ａが最短距離の移動経路を選択する方法、推定方法Ｂが、交通状況に応じた移動経路（例えば交通量が一定値以上の部分を通過しない移動経路）を選択する方法などもある。

このように、使用する推定方法を適宜切り換えることにより、実際により適合した移動経路推定が可能となる。３つ以上の推定方法の中から選択する場合も同様に実施可能である。

（第２の例）
曜日、時間帯および場所の少なくとも一方の条件に従って、使用する推定方法を選択する。例えば、“日曜日夕方の東京方面への上り線”といった曜日・時間帯・場所に関する条件を複数用意し、各条件に推定方法を対応づけておく。移動経路推定時に、複数の条件の中から処理対象となっているエネルギー供給履歴が満みたす条件を特定し、特定した条件に対応する推定方法を用いる。

（第３の例）
カーナビゲーション装置（カーナビ）の機種に基づき、使用する推定方法を選択する。カーナビの機種によって、経路選択についてユーザを支援する方法は異なる。そのため、ＥＶに搭載されているカーナビの種類に基づき、推定方法を選択する。例えば、ある規格または仕様に対応した最新のカーナビの場合は、推定方法Ａを用い、当該規格または仕様に対応していない古いカーナビの場合は、推定方法Ｂを用いる。一例として、推定方法Ａは、追跡時刻和が最短の移動経路を選択する方法であり、推定方法Ｂは、距離が最短の移動経路を選択する方法である。また、同じカーナビであっても、カーナビが搭載される車種によって支援する方法が異なる場合もあり得る。したがって、カーナビの機種と車種に基づいて、使用する推定方法を選択してもよい。

（第４の例）
複数の供給地点間の経路に設置されたトラフィックカウンタのデータ（例えば速度）に基づいて、使用する推定方法を決定する。例えば、供給地点から次の供給地点までの移動経路の複数の候補がある場合に、候補毎に移動経路に存在するトラフィックカウンタの速度の平均値を計算する。候補間の平均値のばらつき（分散）を計算し、ばらつきが閾値以上の場合は、推定方法Ａを用い、ばらつきが小さい場合は、推定方法Ｂを用いる。推定方法Ａは、例えば、所要時間が最も小さい移動経路を選択する推定方法であり、推定方法Ｂは、例えば、距離が最短の移動経路を選択する推定方法である。各推定方法Ａ、Ｂは、ここで挙げた以外の例でもよい。

（第５の例）
複数の推定方法を用いて移動経路推定を行う。推定された移動経路が同じものの個数（すなわち同じ移動経路を出力した推定方法の個数）をカウントし、最も多い移動経路を選択する。複数の推定方法は何でも良く、上述した第１の例〜第４の例で挙げた推定方法を組み合わせてもよい。

（第４の実施形態）
本実施形態では、推定した移動経路に、信頼度（重み）を付与し、付与した信頼度をモデル構築時に利用する。信頼度は、一例として実数により表される。信頼度の計算例を以下に示す。

複数の推定方法を用いて移動経路推定を行う。推定された移動経路の中から、任意の方法で移動経路を選択する。推定された全移動経路のうち、選択した移動経路と同じ移動経路が何個含まれるかをカウントする（すなわち、選択した移動経路と同じ移動経路を出力した推定方法の個数）をカウントする。カウント値と、推定された全移動経路の個数（すなわち使用した推定方法の個数）との比率により、信頼度を計算する。具体的には、以下の式で信頼度を算出する。
信頼度＝（選択した移動経路を出力した推定方法の個数／全推定方法の個数）

信頼度の別の計算例を示す。推定した移動経路に含まれる分岐点の個数をカウントする。例えば、前述した図１１の例では、供給地点Ｑ１からＱ６への移動に対して推定された移動経路Ｑ１→Ｑ３→Ｑ４→Ｑ６において、供給地点Ｑ３で３つの分岐があり、供給地点Ｑ４で３つの分岐がある。この場合、分岐点の個数は６（＝３＋３）となる。１を分岐点の個数（カウント値）で除算することにより、信頼度を計算する。具体的には、以下の式で、信頼度を計算する。
信頼度＝１／次の供給地点に到達するまでの分岐点の個数

以下、信頼度の利用方法を説明する。

モデルパラメータを最小二乗法で決定する場合、信頼度を重みとして用いた、重み付き最小二乗法を行うことができる。例えば、以下の式（２）に示すように、信頼度ｅを用いて、残差の平方和Ｊを最小化するようにモデルパラメータを決定することができる。前述した重回帰モデルを想定すると、ｙは目的変数に対応し、ｆ（ｘ）は説明変数と係数との線形結合（式（１）の右辺を参照）に対応する。ｉは学習データ（サンプル）の番号を表す。信頼度の値が大きいほど、大きな重みが付けられている。これにより、精度の高いモデルパラメータの算出が可能となる。

また、モデルパラメータをブースティング法で決定する場合は、ブースティングで利用する標本の発生分布の初期値を生成する際の重みとして、信頼度を利用できる。

（第５の実施形態）
一部のＥＶについて、ＥＴＣ２．０により実際の移動履歴を取得できる場合を想定する。本実施形態に係る構成を図１７に示す。経路推定装置１は、通信ネットワークを介して、ｋ箇所に配置されたＥＴＣ２．０装置Ｅ１〜Ｅｋと接続されている。経路推定装置１は、通信ネットワークを介して、ＥＴＣ２．０装置Ｅ１〜Ｅｋから、移動経路の履歴データを取得する。または経路推定装置１は、ＥＶユーザが所持する通信端末Ａ_１〜Ａ_ｍと通信して、移動経路の履歴データを取得する。通信端末Ａ_１〜Ａ_ｍは、ＧＰＳ機能を備えている。通信端末の例として、カーナビ装置、スマートフォンなどがある。

経路推定装置１における経路推定部１３は、あるＥＶの移動経路を推定する際、このＥＶと同じ時間帯に、別のＥＶが同じ供給地点から、次の同じ供給地点に移動しており、当該別のＥＶの移動経路が、移動経路の履歴データから特定できるとする。この場合、当該別のＥＶの移動経路を、推定対象であるＥＶの移動経路として利用する。時間帯とは、例えば１日を複数の時間帯に分割した場合の任意の１つを指す。時間帯に関する条件は無くてもよい。

（第６の実施形態）
本実施形態では、図１のエネルギー供給履歴ＤＢに格納するエネルギー供給履歴情報を取得する例を説明する。

図１８は、経路推定装置１がエネルギー供給履歴情報を取得するためのシステム構成を示す。経路推定装置１は、通信ネットワークを介して、ｎ台の供給地点Ｑ１〜Ｑｎ（ｎは２以上）と接続されている。経路推定装置１は、ｎ台の供給地点Ｑ１〜Ｑｎ（ｎは２以上）から、エネルギー供給履歴情報（供給地点使用履歴）を取得する。経路推定装置１の制御部１５は、取得したエネルギー供給履歴情報を、エネルギー供給履歴ＤＢの形式に整えて、エネルギー供給履歴ＤＢに格納する。

図１９は、経路推定装置１がエネルギー供給履歴情報を取得するための別の構成を示す。経路推定装置１は、通信ネットワークを介して、例えばスマートフォンなどのＥＶユーザが所持する通信端末Ａ１〜Ａｍと接続されている。経路推定装置１は、通信端末Ａ１〜Ａｍから、エネルギー供給履歴情報（供給地点使用履歴）を取得する。制御部１５は、取得したエネルギー供給履歴情報を、エネルギー供給履歴ＤＢの形式に整えて、エネルギー供給履歴ＤＢに格納する。

（第７の実施形態）
エネルギー供給履歴ＤＢから、移動経路推定により学習データを作成する際、以下の条件を満たすエネルギー供給履歴を用いてもよい。このような条件を追加することで、精度の高いモデルを構築し、消費エネルギー量の予測精度を高くできる。下記の条件を組み合わせることも可能である。

（条件の例：１）同一ユーザについてエネルギー供給履歴ＤＢからエネルギー供給履歴を抽出する際、供給地点の利用終了日時と、次の供給地点の利用開始日時との差はＸ時間以内であることを条件とする。Ｘは任意の値でよい。例えば、Ｘは６としてもよい。この条件が満たされない場合は、そのエネルギー供給履歴は学習データの生成に使用しない（すなわち移動経路推定を行わない）。例えば、前述した図６Ａの例では、１番目と２番目のエントリについて、次回利用開始日時と、前回利用終了日時の差が６時間以外であるため、条件が満たされる。したがって、このエネルギー供給履歴に対して、学習データが作成される。

（条件の例２）追跡時刻和と、充電器の利用終了日時と次の供給地点の利用開始日時との差とを比較し、追跡時刻和と差との差分が、Ｙ時間以上である場合は、このエネルギー供給履歴は、使用しない。Ｙは任意の値でよい。例えば、Ｙは２または３としてもよい。

（第８の実施形態）
本実施形態では、エネルギー消費モデルを用いた要因分析の一例を示す。エネルギー消費モデルとして、回帰モデルを用いるが、ＡＮＯＶＡ（分散分析）、主成分分析、因子分析などの一般的な要因分析に使用される統計・機械学習モデルや物理モデルも使用可能である。

図２０は要因分析の結果を示す。図２０では、以下の（式３）の重回帰モデルを用いて要因分析を行っている。（式３）は、前述した（式１）と同様のものであるが、再度記載している。

（式３）の

は、Ｒ個の推定移動経路のエネルギー消費量（目的変数）である。

は、Ｒ個の推定移動経路のそれぞれのエネルギー消費量と関連のあると考えられるＥ個の説明変数である。

は、ｒ番目の学習データに関するＥ個の説明変数である。

第１の実施形態の説明で述べたように、最尤推定法や最小二乗法を用いて、モデルパラメータ

を計算する。図２０には、計算した重みｗが出力部１７に表示された例が示されている。３つの説明変数に対する重み、すなわち、距離、所要時間、外気温のそれぞれの重みが示されている。各説明変数の影響度を表している。したがって、図２０の分析結果を、経路推定装置１のオペレータに提示することで、エネルギー消費に対してどの要因が相対的に高い影響度を有するかを、オペレータに把握させることができる。

（第９の実施形態）
本実施形態では、エネルギー消費モデルを活用したエネルギー消費予測について説明する。

第１〜第７のいずれかで算出したエネルギー消費モデルを、経路推定装置１から予測サーバ６１に送信し、予測サーバ６１にエネルギー消費モデルを格納する。予測サーバ６１は、エネルギー消費モデルを用いて、あるＥＶについて、エネルギー消費量を予測する。また、予測したエネルギー消費量に基づき、走行可能距離（航続可能距離）の算出等も行う。

図２１は、本実施形態に係る予測システムの全体構成図である。予測システムは、予測サーバ６１と、複数の通信端末Ａ１〜Ａｍとを備える。複数の通信端末Ａ１〜Ａｍは、複数のＥＶユーザが所有する端末（カーナビ装置、スマートフォン等）である。予測サーバ６１は、複数の通信端末Ａ１〜Ａｍと、通信ネットワークを介して、接続されている。予測サーバ６１は、経路推定装置１と通信可能であり、経路推定装置１からエネルギー消費モデルを取得する。予測サーバ６１は、ＣＰＵ等のプロセッサ、記憶装置（メモリ、ハードディスク、ＳＳＤ等）、通信回路等を備える。プロセッサにより、記憶装置に格納したプログラムを読み出して実行することで、予測サーバ６１の処理が実現される。記憶装置には、経路推定装置１から取得したエネルギー消費モデル、プログラムの動作に必要なデータ、および、処理の過程で生成したデータ、通信端末から取得したデータ等を格納する。

図２２は、予測サーバ６１の動作の一例を説明するための図である。予測サーバ６１は、現在走行中のＥＶのユーザの通信端末Ａ１から、モデルを用いた消費エネルギー予測に必要な情報を取得する。例えば、ＧＰＳ情報や、エネルギー供給履歴、目的地、などの情報がある。

予測サーバ６１は、消費エネルギーを予測する。例えばＧＰＳ情報とエネルギー供給履歴から、直近に充電を行った供給地点からの移動距離を計算し、移動距離とエネルギー消費モデルから消費エネルギー量を予測する。エネルギー消費モデルの説明変数に、移動距離以外のもの、例えば外気温があれば、その情報も通信端末Ａ１または別のサーバから取得する。予測サーバ６１は、予測した消費エネルギー量から現在の残存エネルギー量を計算し、残存エネルギー量で移動可能な距離（走行可能距離）を計算する。また、残存エネルギー量がしきい値を下回った場合は、次の供給地点の候補を探す。次の供給地点の候補は、残存エネルギー量で到達可能な範囲にある供給地点である。予測サーバ６１は、各供給地点まで移動するのに要する消費エネルギーを予測し、残存エネルギー量で到達可能な供給地点を、次の供給地点の候補（推奨供給地点）として特定する。予測サーバ６１は、推奨供給地点、消費エネルギー量、走行可能距離を表す出力情報を、通信端末Ａ１へ送信する。通信端末は受信した出力情報を、その画面に表示する。ここで記載した予測サーバ６１の動作は一例であり、他の動作でも、かまわない。例えば、供給地点の候補の探索は、残存エネルギー量がしきい値を下回ったかに関係なく、行ってもよい。

本実施形態では、ＥＶのユーザの通信端末から受信したＧＰＳ情報等を利用する例を示したが、この形態に限定されない。例えば、エネルギー消費モデルの説明変数に、トラフィックカウンタのデータを利用するものがあれば、トラフィックカウンタからデータを受信してもよい。また、供給地点からエネルギー供給履歴のデータを取得してもよい。

（第１０の実施形態）
第１〜第９の実施形態に係る経路推定装置１のハードウェア構成について説明する。
図２３に、本実施形態に係る経路推定装置１のハードウェア構成を示す。本実施形態に係る経路推定装置１は、コンピュータ装置１００により構成される。コンピュータ装置１００は、ＣＰＵ１５１と、入力インタフェース１５２と、表示装置１５３と、通信装置１５４と、主記憶装置１５５と、外部記憶装置１５６とを備え、これらはバス１５７により相互に接続されている。なお、予測サーバ６１も、図２３と同様のハードウェア構成により実現可能でる。

ＣＰＵ（中央演算装置）１５１は、主記憶装置１５５上で、経路推定装置１の上述の各機能構成を実現するコンピュータプログラムを実行する。ＣＰＵ１５１が、コンピュータプログラムを実行することにより、各機能構成は実現される。

入力インタフェース１５２は、キーボード、マウス、及びタッチパネルなどの入力装置からの操作信号を、経路推定装置１に入力するための回路である。

表示装置１５３は、経路推定装置１から出力されるデータまたは情報を表示する。表示装置１５３は、例えば、ＬＣＤ（液晶ディスプレイ）、ＣＲＴ（ブラウン管）、及びＰＤＰ（プラズマディスプレイ）であるが、これに限られない。コンピュータ装置１００から出力されたデータまたは情報は、この表示装置１５３により表示することができる。

通信装置１５４は、経路推定装置１が外部装置と無線または有線で通信するための回路である。エネルギー供給履歴および経路情報は、通信装置１５４を介して外部装置から入力することができる。外部装置から入力した情報を、ＤＢに格納することができる。情報通信部１８は、通信装置１５４上に構築されることができる。

主記憶装置１５５は、移動経路推定およびエネルギー消費モデル構築のためのプログラム、およびプログラムの実行に必要なデータ、及びプログラムの実行により生成されたデータなどを記憶する。プログラムは、主記憶装置１５５上で展開され、実行される。主記憶装置１５５は、例えば、ＲＡＭ、ＤＲＡＭ、ＳＲＡＭであるが、これに限られない。各実施形態における記憶部は、主記憶装置１５５上に構築されてもよい。

外部記憶装置１５６は、移動経路推定およびエネルギー消費モデル構築のためのプログラムおよびプログラムの実行に必要なデータ、及びプログラムの実行により生成されたデータなどを記憶する。これらのプログラムやデータは、移動経路推定およびエネルギー消費モデル構築の実行の際に、主記憶装置１５５に読み出される。外部記憶装置１５６は、例えば、ハードディスク、光ディスク、フラッシュメモリ、及び磁気テープであるが、これに限られない。各実施形態における記憶部は、外部記憶装置１５６上に構築されてもよい。

なお、移動経路推定およびエネルギー消費モデル構築のプログラムは、コンピュータ装置１００に予めインストールされていてもよいし、ＣＤ−ＲＯＭなどの記憶媒体に記憶されていてもよい。また、当該プログラムは、インターネット上にアップロードされていてもよい。

なお、コンピュータ装置１００は、プロセッサ１５１、入力インタフェース１５２、表示装置１５３、通信装置１５４、及び主記憶装置１５５を、それぞれ１つ又は複数備えてもよいし、プリンタやスキャナなどの周辺機器を接続されていてもよい。

また、経路推定装置１は、単一のコンピュータ装置１００により構成されてもよいし、相互に接続された複数のコンピュータ装置１００からなるシステムとして構成されてもよい。

なお、本発明は上記各実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記各実施形態に開示されている複数の構成要素を適宜組み合わせることによって種々の発明を形成できる。また例えば、各実施形態に示される全構成要素からいくつかの構成要素を削除した構成も考えられる。さらに、異なる実施形態に記載した構成要素を適宜組み合わせてもよい。

１：経路推定装置
１０：情報取得部
１１：学習データ生成部
１２： 情報処理部
１３：経路推定部
１４：消費エネルギーモデル構築部（モデル構築部）
１５：制御部
１６：入力部
１７：出力部
１８：情報通信部
２１：エネルギー供給履歴記憶部
２２：経路情報記憶部
２３：学習データ記憶部
２４：消費エネルギーモデル記憶部（モデル記憶部）
３１：クエリ取得部
３２：最短経路推定部
４１：経路情報生成装置
４２：交通管制データ取得部
４３：隣接行列生成部
５１：交通管制サーバ
５２：速度情報記憶部
６１：予測サーバ
１００：コンピュータ装置
１５１：プロセッサ（ＣＰＵ）
１５２：入力インタフェース
１５３：表示装置
１５４：通信装置
１５５：主記憶装置
１５６：外部記憶装置
１５７：バス

Claims (21)

1. 通信ネットワークを介して情報装置から移動体の地点履歴情報を取得する情報通信部と、
   前記地点履歴情報と、複数の地点間の経路と前記経路の特性とを表す経路情報と、を用いて前記移動体が第１の地点から第２の地点まで移動するのに使用した移動経路を推定する経路推定部、
   を備え、
   前記経路推定部は、前記移動経路の複数の推定方法の中から１つの推定方法を選択し、選択した推定方法に基づいて、前記移動経路を推定する
   情報処理装置。
2. 前記経路推定部は、前記複数の推定方法の中からランダムに前記推定方法を選択する
   請求項１に記載の情報処理装置。
3. 前記経路推定部は、曜日、時間帯および場所の少なくとも１つに基づいて、前記推定方法を選択する
   請求項１に記載の情報処理装置。
4. 前記情報通信部は、前記経路に設置されたトラフィックカウンタのデータを取得し、
   前記経路推定部は、前記トラフィックカウンタのデータに基づいて、前記推定方法を選択する
   請求項１に記載の情報処理装置。
5. 前記情報装置は、前記移動体にエネルギー供給を行うエネルギー供給器、前記移動体のユーザが使用する端末装置、または、複数の地点を含むエリア内の所定のスポットに配置され、前記端末装置および前記移動体の少なくとも一方と通信可能なデータ通信装置である
   請求項１〜４のいずれか一項に記載の情報処理装置。
6. 前記地点履歴情報は、前記地点を識別する情報と、前記地点における前記移動体のエネルギー量に関する情報とを含む
   請求項１〜５のいずれか一項に記載の情報処理装置。
7. 前記地点履歴情報は、前記移動体または前記移動体のユーザを識別する識別子を含む
   請求項６に記載の情報処理装置。
8. 通信ネットワークを介して情報装置から移動体の地点履歴情報を取得する情報通信部と、
   前記地点履歴情報と、複数の地点間の経路と前記経路の特性とを表す経路情報と、を用いて前記移動体が第１の地点から第２の地点まで移動するのに使用した移動経路を推定する経路推定部と、
   前記第１の地点と前記第２の地点とにおける前記移動体のエネルギー状態情報に基づき、前記移動体が前記第１の地点から前記第２の地点まで移動するために消費したエネルギー消費量を算出する情報処理部と、
   前記エネルギー消費量と、前記推定した移動経路の距離とに基づいて、移動距離とエネルギー消費量とを関連付けたモデルを構築するモデル構築部と、を備え、 前記情報処理部は、エネルギー消費量と、前記推定した移動経路の距離とを含む複数の学習データを生成し、前記複数の学習データのそれぞれに対して、前記推定された移動経路の信頼度を設定し、
   前記モデル構築部は、前記複数の学習データと前記信頼度とに基づいて、前記モデルを構築する
   情報処理装置。
9. 前記モデル構築部は、前記推定された移動経路に含まれる経路分岐点の個数に基づいて前記信頼度を設定する
   請求項８に記載の情報処理装置。
10. 前記移動経路の複数の候補が存在し、
    前記経路推定部は、前記複数の候補の距離に基づいて、前記複数の候補から前記移動経路を選択する
    請求項８又は９に記載の情報処理装置。
11. 前記経路推定部は、前記複数の候補のうち距離が最短の候補を選択する
    請求項１０に記載の情報処理装置。
12. 前記移動経路の複数の候補が存在し、
    前記経路推定部は、前記複数の候補の勾配変化に基づいて、前記複数の候補から前記移動経路を選択する
    請求項８又は９に記載の情報処理装置。
13. 前記移動経路の複数の候補が存在し、
    前記経路推定部は、前記移動体が前記複数の候補を移動するために必要な所要エネルギー量を算出し、前記所要エネルギー量に基づいて、前記複数の候補から前記移動経路を選択する
    請求項８〜１２のいずれか一項に記載の情報処理装置。
14. 前記情報通信部は、前記経路に設置されたトラフィックカウンタのデータを取得し、
    前記経路推定部は、前記トラフィックカウンタのデータに基づいて、前記移動経路を推定する
    請求項８〜１３のいずれか一項に記載の情報処理装置。
15. 前記移動体は、第１の時間帯に前記第１の地点から前記第２の地点へ移動し、
    前記情報通信部は、別の移動体が前記第１の時間帯に前記第１の地点から前記第２の地点への移動に使用した移動経路を表す情報を取得し、
    前記経路推定部は、前記移動体の移動経路を、前記情報が表す前記別の移動体の前記移動経路と同一に決定する
    請求項８〜１４のいずれか一項に記載の情報処理装置。
16. 前記複数の地点は、移動体にエネルギー供給を行うための複数のエネルギー供給地点である
    請求項１ないし１５のいずれか一項に記載の情報処理装置。
17. 前記経路の特性は、前記経路の距離、前記経路の移動に要する消費エネルギー量、前記経路の気象の少なくとも１つを表す
    請求項１ないし１６のいずれか一項に記載の情報処理装置。
18. 通信ネットワークを介して情報装置から移動体の地点履歴情報を取得し、
    前記地点履歴情報と、複数の地点間の経路と前記経路の特性とを表す経路情報とを用いて、前記移動体が第１の地点から第２の地点まで移動するのに使用した移動経路を推定し、
    前記移動経路の複数の推定方法の中から１つの推定方法を選択し、選択した推定方法に基づいて、前記移動経路を推定する
    情報処理方法。
19. 通信ネットワークを介して情報装置から移動体の地点履歴情報を取得するステップと、
    前記地点履歴情報と、複数の地点間の経路と前記経路の特性とを表す経路情報とを用いて、前記移動体が第１の地点から第２の地点まで移動するのに使用した移動経路を推定するステップと、
    前記移動経路の複数の推定方法の中から１つの推定方法を選択し、選択した推定方法に基づいて、前記移動経路を推定するステップと、
    をコンピュータに実行させるためのコンピュータプログラム。
20. 通信ネットワークを介して情報装置から移動体の地点履歴情報を取得し、
    前記地点履歴情報と、複数の地点間の経路と前記経路の特性とを表す経路情報と、を用いて前記移動体が第１の地点から第２の地点まで移動するのに使用した移動経路を推定し、
    前記第１の地点と前記第２の地点とにおける前記移動体のエネルギー状態情報に基づき、前記移動体が前記第１の地点から前記第２の地点まで移動するために消費したエネルギー消費量を算出し、
    前記エネルギー消費量と、前記推定した移動経路の距離とに基づいて、移動距離とエネルギー消費量とを関連付けたモデルを構築し、
    エネルギー消費量と、前記推定した移動経路の距離とを含む複数の学習データを生成し、前記複数の学習データのそれぞれに対して、前記推定された移動経路の信頼度を設定し、
    前記複数の学習データと前記信頼度とに基づいて、前記モデルを構築する
    情報処理方法。
21. 通信ネットワークを介して情報装置から移動体の地点履歴情報を取得するステップと、
    前記地点履歴情報と、複数の地点間の経路と前記経路の特性とを表す経路情報と、を用いて前記移動体が第１の地点から第２の地点まで移動するのに使用した移動経路を推定するステップと、
    前記第１の地点と前記第２の地点とにおける前記移動体のエネルギー状態情報に基づき、前記移動体が前記第１の地点から前記第２の地点まで移動するために消費したエネルギー消費量を算出するステップと、
    前記エネルギー消費量と、前記推定した移動経路の距離とに基づいて、移動距離とエネルギー消費量とを関連付けたモデルを構築するステップと、
    エネルギー消費量と、前記推定した移動経路の距離とを含む複数の学習データを生成し、前記複数の学習データのそれぞれに対して、前記推定された移動経路の信頼度を設定するステップと、
    をコンピュータに実行させ、
    前記モデルを構築するステップは、前記複数の学習データと前記信頼度とに基づいて、前記モデルを構築する
    コンピュータプログラム。

Images