电池管理装置、学习模型、计算机程序、电池管理方法以及信息提供装置与流程

1.本发明涉及能够提示精度良好的可移动距离的电池管理装置、学习模型、计算机程序、电池管理方法以及信息提供装置。


背景技术：

2.因电动汽车、被称为所谓无人机(drone)的无人飞机的普及、电动有人飞机、电动船舶的实用化等电动移动体的增加，充电站的需求也在增加。充电站的数量在城市中可以说是足够的，但是城市以外的充电站的设置密度并不能说是足够的，电动移动体的用户需要一边掌握充电站的位置一边驾驶。
3.在专利文献1中公开了如下的充电站管理系统，即，基于搭载在电动汽车的蓄电池的蓄电量和道路交通信息，算出可行驶距离，判断能否到达所设定的最终目的地，在不能到达的情况下，检索能够充电的充电站并进行提示。
4.现有技术文献
5.专利文献
6.专利文献1：日本特开2012-160022号公报


技术实现要素：

7.发明要解决的课题
8.虽然在城市中充电站的设置密度也是足够的，但是也存在发生在汽车的情况下为拥堵、在飞机的情况下为出发和着陆等待或者天气不良等需要预想不到的电力消耗的事态的情况。在不具有发动机的电动汽车中，特别是在使用供暖的时期，即使在朝向城市以外的充电站的行程中，在发生了拥堵等意料之外的事态的情况下，用户可能会担心能否行驶到所催促的充电站从而感到不安。即使在电动飞机的情况下，也在人的上下飞机时的等待时间过长或者风速为意料之外的情况下，乘客可能会担心能否按照预定的路径移动从而感到不安。
9.本发明的目的在于，提供一种根据电动移动体的移动预定路径的状况而精度优良地提示可移动距离的电池管理装置、学习模型、计算机程序、电池管理方法以及信息提供装置。
10.用于解决课题的手段
11.本发明的一个方式所涉及的电池管理装置具备基于电动移动体的动力源的蓄电元件的充电率来算出可移动距离的算出部。所述算出部获取所述蓄电元件的充电率，并获取所述电动移动体的预定路径中的环境信息，根据获取到的充电率以及环境信息，算出基于所述电动移动体为了在所述预定路径上移动所需的电量和搭载在所述电动移动体的设备中的电力消耗量的预测而预测的电力消耗量，基于所算出的预测电力消耗量以及所述充电率，算出基于所述蓄电元件的剩余电力的可移动距离。
12.发明效果
13.根据本公开，能够精度优良地算出作为电动移动体的动力源的蓄电元件的充电率(soc)，并且还对应于拥堵或者事故、天气的影响、移动体所具备的设备的电力消耗状况而精度优良地提示可移动距离。
附图说明
14.图1是包含电池管理装置的信息提供系统的框图。
15.图2是示出由电池管理装置执行的处理过程的一例的流程图。
16.图3是示出由电池管理装置执行的处理过程的其他一例的流程图。
17.图4是示出实施方式2中的电池管理装置的结构的框图。
18.图5是电池管理装置中的学习模型的概要图。
19.图6是示出基于学习模型的可行驶距离的算出过程的一例的流程图。
20.图7是学习模型的其他例的概要图。
21.图8是示出使用了学习模型的可行驶距离的算出过程的其他一例的流程图。
22.图9是示出实施方式3中的可行驶距离的算出过程的一例的流程图。
23.图10是示出实施方式4中的可行驶距离的算出过程的一例的流程图。
24.图11是示出输出的充电消息的例子的图。
25.图12是实施方式5中的信息提供系统的概要图。
26.图13是示出由实施方式5的电池管理装置执行的处理过程的一例的流程图。
具体实施方式
27.电池管理装置具备基于电动移动体的动力源的蓄电元件的充电率来算出可移动距离的算出部。所述算出部获取所述蓄电元件的充电率，并获取所述电动移动体的预定路径中的环境信息。所述算出部根据获取到的充电率以及环境信息，算出基于所述电动移动体为了在所述预定路径上移动所需的必要电量和搭载在所述电动移动体的设备中的电力消耗量的预测而预测的电力消耗量。所述算出部基于所算出的预测电力消耗量以及所述充电率，算出基于所述蓄电元件的剩余电力的可移动距离。
28.根据上述结构，基于与移动的预定路径的状况、环境状况对应的设备的利用状况的预测，能够算出预定路径中的电力消耗量。在预定路径中，有可能发生与移动体在该时间点移动的场所的状态不同的事态。预定路径中的电力消耗量的预测考虑到基于使用了拥挤信息、对移动产生影响的外部气温、风速、波浪的高度等环境信息的平均旅行时间、平均速度的电动移动体的移动本身所需的电量的预测、和根据环境信息求出的设备的电力消耗量的预测。
[0029]“电动移动体”是搭载有蓄电元件的电动汽车、飞机、船舶等交通工具。电动移动体既可以是有人(有人的方式)，也可以是无人(无人的方式)。“电动移动体”也可以是，驱动的动力源中的至少一部分是所述蓄电元件，动力源的一部分也可以包含发动机等其他动力。
[0030]
在电动移动体为电动飞机的情况下，从马达或者螺旋桨等产生的声音大。若为了调整温度而导入外部气体，则其噪声会进入，因此在有人机的情况下，有时使用空调设备。在以高的高度飞行的情况下，由于外部气温低，为了防止客舱内以及蓄电元件的温度下降，
需要空调。在因湿度或者温度而导致窗户起雾的情况下，需要通过空调或者电热线来防止起雾。这样，电动移动体的设备中的电力消耗量受到移动的路径的场所或者时间的影响而变化。因此，不仅要考虑电动移动体的移动本身所需的电量，而且还要考虑设备中的电力消耗量。
[0031]
不仅算出到算出时间点为止的电力消耗量的经过，还要算出在该时间点以后移动的预定的路径中的蓄电元件的电力消耗量，根据所算出的预测电力消耗量算出可移动距离。与蓄电元件连接的电池管理装置基于蓄电元件的特性能够精度优良地预测电力消耗量，因此能够算出可移动距离。
[0032]
所述算出部也可以划分所述电动移动体的预定路径，针对划分的每个区间，并基于所述环境信息来预测所述必要电量以及在所述设备中的电力消耗量，针对每个区间，判断所述电动移动体基于充电率在所述区间中能否移动，算出到判断为不能移动的区间为止的距离作为可移动距离。
[0033]
在环境信息中也可以包含拥堵信息。拥堵信息有时以路径的每个区间的拥堵长度、区间的每个时刻的平均旅行时间、平均速度等信息提供。为了有效地使用所提供的信息，预测与所提供的信息相匹配的每个区间的电力消耗量，由此能够精度优良地算出预定行驶路径中的预测电力消耗量。通过精度优良地算出预测电力消耗量，能够精度优良地算出可移动距离。
[0034]
所述算出部也可以使用学习模型来算出可移动距离，所述学习模型被学习为，根据所述蓄电元件的充电率、所述预定路径中的拥挤信息以及针对所述预定路径而算出的所述预测电力消耗量的输入，输出以所述充电率的蓄电元件为动力源而能够移动的距离。
[0035]
可移动距离受到蓄电元件的个体特性、移动速度、驾驶员的驾驶特性、空调设备的设定温度、外部气温、湿度、风速、波浪的高度、移动体的特性等难以通过基于与各个阈值的比较的判断而算出的条件的影响。通过使用基于输入这些信息的深度学习的学习模型，能够进行考虑了蓄电元件的特性的可移动距离的精度优良的算出。
[0036]
所述算出部也可以使用学习模型来算出可移动距离，所述学习模型被学习为，根据到算出时间点为止的所述蓄电元件的充电率的时间变化、针对所述预定路径而预测的拥挤时间分布以及所述预定路径中的外部气温的预想分布的输入，输出以所述充电率的蓄电元件为动力源而能够移动的距离或者所述蓄电元件的算出时间点以后的充电率的时间变化。
[0037]
可移动距离因与时间的经过一起变化的移动路径的拥挤状况、气温的变化、湿度变化等移动体内外的状况而受影响。移动体内外的状况难以基于各时间点的状况来模拟。使学习模型能够学习为，对时间变化的数据进行图像化并输入到学习模型，并将实际的可移动距离或者充电率的时间变化作为训练数据(training date，teaching data)而输出这些数据。根据上述结构，通过时间变化、拥挤预测的时间分布、外部气温的变化的预想分布的输入，可精度优良地得到可移动距离或者充电率的时间变化预测。
[0038]
所述学习模型也可以被输入所述预定路径的通过预定时刻。
[0039]
可移动距离因与时间的经过一起变化的移动路径的拥挤状况、气温的变化、湿度变化等移动体内外的状况而受影响。特别是，在冬季夜间、夏季白天、高的高度中，空调的功耗大，在仅通过移动所需的电量来估算电力的消耗的情况下，有可能在行程中导致电力不
足。因此，通过输入用于算出可移动距离的对象的时刻信息，能够期待精度优良的算出。
[0040]
电池管理装置也可以基于所算出的可移动距离，判断能否行驶预定路径的全部行程。在判断为无法行驶预定行驶路径的一部分的情况下，也可以输出催促事先充电的消息。
[0041]
由于精度优良地预测可移动距离，因此为了在中途不充电的情况下行驶，能够催促所需的充电。输出部既可以包含扬声器并通过语音来输出消息，也可以通过搭载于电动移动体的显示器通过文字或者图像来输出消息。移动体的用户或者操作员能够事先掌握而不是在电力变少之后掌握至少到达目的地为止所需的电力，而不是掌握满充电。用户或者操作员能够从各处所具备的充电站群中选择任一个来充电所需的电力。
[0042]
电池管理装置也可以基于所述预定路径上的移动所需的预测电力消耗量以及所述充电率，算出所述一部分中的预测电力消耗量，为了充电与算出的预测电力消耗量对应的电力，输出包含所述事先充电的充电时间或者充电量的消息。
[0043]
为了在预定路径的全部行程中不中途充电而行驶，输出用于充电根据现状的充电率的不足部分的信息(充电时间或者充电量)。移动体的用户或者操作员能够事先掌握而不是在移动体的蓄电元件的电力变少之后掌握为了在预定路径中移动而事先应在家里或者移动体的所有者进行管理的充电站等至少充电多少。
[0044]
在本装置起动中，使得在规定的时机获取所述蓄电元件的充电率，在每次获取所述充电率时，判断所述充电率是否成为规定值以下，在判断为所述充电率成为所述规定值以下的情况下，开始基于所述算出部的可移动距离的算出。
[0045]
可移动距离的算出的请求的时机可以是移动体的驾驶员或者所有者进行了操作的时机，但是也可以是充电率下降到规定值以下的时机。在驾驶员或者所有者未意识到充电率的下降的情况下，能够告知可移动距离在变短。在与导航装置连接的情况下，也可以在通过导航装置设定了目的地的时机向电池管理装置请求。
[0046]
所述电动移动体也可以是有人机。在为有人机的情况下，特别是为了调整驾驶室或者客舱内的温度、防止窗户的起雾，需要空调设备。与是无人机的情况相比，设备的电力消耗量的影响更大。
[0047]
所述电动移动体的动力源也可以不包含发动机。
[0048]
针对具有发动机的混合电动车辆，通过使用上述的电池管理装置的其中一个，也能够提示可行驶距离，但是在不具有发动机的电动汽车的情况下，要求电力消耗预测量的精度。特别是在冬季夜间、夏季白天，车内的空调的功耗大，在该情况下，在无法通过发动机的运转来发电的电动汽车中，与具有发动机的混合动力车相比，在行程中电力不足而导致停止的可能性高。
[0049]
所述环境信息包含预定路径中的交通状况、拥堵、拥挤状况、气温、气压、高度、湿度、风速、波浪的高度以及与海流相关的信息内的至少一个。
[0050]
因事故发生、不可航行这样的交通信息、拥堵或者拥挤状况，移动所需的时间不同，因此预测的电力消耗量可能会变化。根据气温或者湿度，蓄电元件、驾驶室或者客舱的空调设备中的电力消耗量不同。根据风速或者波浪的高度，移动所需的时间、移动所需的电力不同，因此预测的电力消耗量可能会变化。使用这些信息来精度优良地算出可移动距离。
[0051]
电池管理装置也可以具备：算出部，获取所述电动移动体的移动的预定路径中的环境信息，并根据获取到的充电率以及环境信息，算出基于所述电动移动体为了在所述预
定路径上移动所需的电量、和搭载在所述电动移动体的设备中的电力消耗量的预测而预测的电力消耗量。电池管理装置基于所算出的预测电力消耗量、和所述蓄电元件的充电率，决定向所述蓄电元件的充电量，并以决定的充电量来对所述蓄电元件进行充电。
[0052]
电池管理装置不仅可以算出可移动距离，而且还可以算出在预定路径上移动而所需的电量，并在移动到能够充电的充电装置的时机，充电其所需的电量的量。
[0053]
学习模型包含：输入层，输入电动移动体的动力源的蓄电元件的充电率、所述电动移动体的预定路径中的环境信息以及所述预定路径中的预测电力消耗量；输出层，输出可移动距离；以及中间层，基于训练数据来进行学习，该训练数据包含所述电动移动体的蓄电元件的充电率、所述电动移动体所移动的路径中的环境信息以及所述蓄电元件的实际的电力消耗量、和所对应的实际的移动距离。学习模型用于算出所述电动移动体的可移动距离。
[0054]
学习模型通过基于如下训练数据来学习，从而能够精度优良地算出可移动距离：该训练数据包含实际的电动移动体的蓄电元件的充电率、所述电动移动体移动的路径中的环境信息以及所述蓄电元件的实际的电力消耗量、和所对应的实际的移动距离。
[0055]
上述的学习模型的特征也可以作为学习模型的生成方法来实现。
[0056]
计算机程序使管理电动移动体的动力源的蓄电元件的状态的计算机执行以下处理。该计算机程序使计算机执行如下的处理：获取所述蓄电元件的充电率；获取所述电动移动体的预定路径中的环境信息；根据获取到的充电率以及环境信息，算出基于所述电动移动体为了在所述预定路径上移动所需的电量、和搭载在所述电动移动体的设备中的电力消耗量而预测的电力消耗量；以及基于所算出的预测电力消耗量以及所述充电率，算出可移动距离。
[0057]
电池管理方法基于电动移动体的动力源的蓄电元件的充电率，输出基于所述蓄电元件中的剩余电力的可移动距离。电池管理方法包含如下的处理：获取所述蓄电元件的充电率；获取所述电动移动体的预定路径中的环境信息；根据获取到的充电率以及环境信息，算出基于所述电动移动体为了在所述预定路径上移动所需的电量、和搭载在所述电动移动体的设备中的电力消耗量的预测而预测的电力消耗量；以及基于所算出的预测电力消耗量以及充电率，算出可移动距离。
[0058]
信息提供装置通过通信能够与电动移动体发送接收信息，并且提供用于算出在所述电动移动体的动力源的蓄电元件的剩余电力下的可移动距离的信息。信息提供装置接收所述蓄电元件的充电率、预定路径、电力消耗量的信息，获取所述电动移动体的预定路径中的环境信息。信息提供装置根据获取到的充电率以及环境信息，算出基于所述电动移动体为了在所述预定路径上移动所需的电量、和搭载在所述电动移动体的设备中的电力消耗量而预测的所述预定路径中的电力消耗量。信息提供装置将算出的预测电力消耗量向所述电动移动体发送。
[0059]
根据上述结构，能够实现考虑了从多个电动移动体得到的预定路径中的拥挤信息、外部气温、实际的电力消耗量等信息的可移动距离的提示服务。通过从多个电动移动体收集信息，从而还能够提高精度，或者作为移动体的每个类别的信息而提供。
[0060]
参照表示其实施方式的附图，对本发明进行具体的说明。在实施方式1至4中，作为电动移动体，列举电动汽车为例进行说明，在实施方式5中，作为电动移动体，列举电动飞机、evtol(electric vertical take-off and landing aircraft，电动垂直起降飞机)的
一种为例进行说明。
[0061]
(实施方式1)
[0062]
图1是包含电池管理装置1的信息提供系统100的框图。信息提供系统100包含搭载在作为电动汽车的车辆v的蓄电元件10、蓄电元件10的电池管理装置1、以及信息提供服务器2。
[0063]
信息提供服务器2是服务器计算机。信息提供服务器2由蓄电元件10的制造者管理。信息提供服务器2基于地图信息、vics(道路交通信息通信系统，vehicle information and communication system)(注册商标)、从各车辆提供的交通信息、各地点的天气信息，输出与从行程的出发地点到目标地点为止的电力消耗预测量相关的信息。
[0064]
电池管理装置1与蓄电元件10连接。电池管理装置1也可以是内置于作为包含多个蓄电单体电池(cell)的模块的蓄电元件10的方式。
[0065]
电池管理装置1可与能够获取车辆v的位置信息以及预定行驶的路径信息的装置进行通信连接。在实施方式1中，电池管理装置1例如从搭载在车辆v的导航装置31获取车辆v的位置信息以及预定行驶的路径信息。在其他例中，电池管理装置1也可以从搭载在搭乘者所持有的通信终端装置的gps(global positioning system，全球定位系统)功能获取位置信息。电池管理装置1也可以从通信终端装置获取预定行驶的路径。电池管理装置1本身也可以包含在导航装置31。电池管理装置1也可以与其他车辆进行通信来获取位置信息。
[0066]
电池管理装置1能够与车外的信息提供服务器2进行通信连接。在实施方式1中，电池管理装置1经由与车载网络vn连接的车外通信装置32与信息提供服务器2进行通信连接。
[0067]
电池管理装置1经由车载网络vn能够与空调装置33、输出装置34进行通信连接。输出装置34是包含扬声器、显示器并能够对搭乘者输出声音或者光的装置。输出装置34也可以与导航装置31为一体。
[0068]
电池管理装置1具备控制部11、存储部12、连接部13以及通信部14。
[0069]
控制部11是使用了cpu(central processing unit，中央处理单元)或者gpu(graphics processing unit，图形处理单元)的处理器。控制部11也可以组合cpu以及gpu。控制部11利用内置的rom以及ram等存储器，控制各结构部来执行处理。控制部11执行基于存储在存储部12的控制程序1p的处理。
[0070]
存储部12例如是硬盘或者ssd(solid state drive，固态驱动器)等非易失性存储器。在存储部12存储有上述的控制程序1p。存储在存储部12的控制程序1p也可以是由控制部11读出存储在记录介质6的控制程序6p并复制于存储部12的程序。
[0071]
存储部12存储通过控制部11的处理来制作的数据。存储部12存储蓄电元件10的soc(充电状态(state of charge)：充电率)。存储部12也可以存储与电压、电流、内部电阻以及温度相关的数据。存储部12存储通过控制部11的处理来预测的电力消耗量。
[0072]
连接部13与蓄电元件10连接。控制部11经由连接部13获取在蓄电元件10中的电压、电流、内部电阻以及温度之中至少包含电压值的测量数据，算出soc。控制部11也可以获取通过蓄电元件10内置的运算部算出的soc。
[0073]
通信部14是实现经由车载网络vn以及车外的网络n而与信息提供服务器2进行通信连接的通信设备。
[0074]
信息提供服务器2具备控制部20、存储部21以及通信部22。
[0075]
控制部20是使用了cpu或者gpu的处理器。控制部20也可以组合cpu以及gpu。控制部20利用内置的rom以及ram等存储器，控制各结构部来执行处理。控制部20执行基于存储在存储部21的信息提供程序2p的处理。
[0076]
存储部21例如是硬盘或者ssd等非易失性存储器。在存储部21存储有上述的信息提供程序2p。存储在存储部21的信息提供程序2p也可以是由控制部20读出存储在记录介质7的信息提供程序7p并复制于存储部21的程序。
[0077]
存储部21存储通过控制部20的处理来制作的数据。控制部20能够通过通信部22并经由网络n来获取公共通信网上的地图信息、vics(注册商标)、包含气温、湿度等的天气信息等与对车辆v的电力消耗产生影响的元素相关的信息，并存储在存储部21。
[0078]
存储部21也可以将与电力消耗预测量相关的信息与用于识别电池管理装置1、蓄电元件10、车辆v以及车辆v的搭乘者中的至少一个的识别信息进行关联而存储。
[0079]
通信部22是实现经由网络n的通信的通信设备。通信部22例如是与网络n对应的网络卡。
[0080]
网络n包含公共通信网。信息提供服务器2能够通过通信部22并经由网络n从其他服务提供者获取地图信息、交通信息、天气信息、充电站的位置信息。网络n包含运营商网络、光信标，行驶中的车辆v的车外通信装置32能够与信息提供服务器2进行通信连接。
[0081]
在这样构成的信息提供系统100中，搭载在车辆v的电池管理装置1基于车辆v的位置信息、充电站的位置信息、车辆v的行驶路径中的电力消耗预测量、以及蓄电元件10的充电率，推定考虑了车内外的电力消耗预测量的可行驶距离。从信息提供服务器2提供关于电力消耗预测量的一部分。
[0082]
图2是示出由电池管理装置1执行的处理过程的一例的流程图。控制部11接受可行驶距离算出的请求(步骤s101)。
[0083]
可行驶距离的算出的请求是通过设置于车辆v内的驾驶员能够操作的按钮并从驾驶员接受的。在导航装置31中设定有目的地时，也可以从导航装置31输出可行驶距离的算出的请求。可行驶距离的算出的请求也可以通过控制部11自身以soc成为规定值以下为契机而被输出。
[0084]
控制部11若接受请求，则经由连接部13从蓄电元件10获取测量数据，并算出soc(步骤s102)。在步骤s102中，控制部11也可以如上所述，经由连接部13获取算出完成的soc。
[0085]
控制部11算出包含空调装置33的车内设备中的电力消耗量(步骤s103)。在步骤s103中，控制部11也可以定期地(例如每隔10分钟)预先获取电力消耗量，并在步骤s103中算出最近的每单位时间(例如1小时)的电力消耗量。
[0086]
在步骤s103中，控制部11也可以从车载温度传感器获取外部气温，从空调装置33获取室内温度，并根据温度差来预测电力消耗量或者根据温度差来修正步骤s103的电力消耗量。
[0087]
控制部11经由通信部14获取表示车辆v的当前位置的位置信息(步骤s104)。
[0088]
控制部11经由通信部14从信息提供服务器2获取与当前位置相关的道路交通信息(步骤s105)。在道路交通信息中包含基于车辆v的当前时间点的位置信息的行驶中的道路的拥堵信息。道路的拥堵信息既可以是表示拥堵地点、拥堵的程度以及拥堵长度的信息，也可以是平均预想旅行时间。也可以直接从vics(注册商标)、交通信息中心获取道路交通信
息，而不是从信息提供服务器2获取。
[0089]
控制部11判断是否在当前拥堵中的道路上行驶中(步骤s106)。在步骤s106中，控制部11既可以根据过去规定时间的平均速度是否为规定速度(例如10km/h)以下来进行判断，也可以根据在步骤s105中获取到的道路交通信息所包含的拥堵信息中的拥堵地点的信息与车辆v的当前位置来进行判断。
[0090]
在判断为在拥堵中的道路上行驶中的情况下(s106：是)，控制部11经由通信部14算出拥堵中的推定行驶速度(步骤s107)，并使处理进入到步骤s109。在步骤s107中，既可以算出最近的每单位时间(例如10分钟)的平均，也可以通过在步骤s105中获取到的拥堵的程度来决定平均行驶速度。例如，控制部11根据拥堵程度，在拥堵长的情况下将平均速度推定为10km/h，在拥堵短的情况下将平均速度推定为20km/h。控制部11也可以经由通信部14来获取拥堵区间中的实际的车辆群的平均行驶速度。
[0091]
在判断为不在拥堵中的道路上行驶中的情况下(s106：否)，获取行驶中的道路的行进地的推定行驶速度(步骤s108)，并使处理进入到步骤s109。在步骤s108中，控制部11基于与车辆v的当前位置对应的行驶中的道路的法定速度，来获取考虑了因信号而停止的情况的速度即可。
[0092]
控制部11根据车辆v的所累积的行驶距离和电力消耗量来算出标准电力消耗率(步骤s109)。在步骤s109中，控制部11算出车辆v的蓄电元件10中的实际的油耗效率。在步骤s109中，控制部11既可以根据定期算出的soc与行驶距离的关系来算出每单位距离的电力消耗量，也可以根据定期算出的soc的履历来算出每单位时间的电力消耗量。在步骤s109中，控制部11也可以获取被定期算出的标准电力消耗率。
[0093]
控制部11基于在从步骤s103至步骤s109中算出并获取到的信息，算出电力消耗预测量(步骤s110)。在步骤s110中，控制部11将在步骤s103中算出的现状中的车内设备的电力消耗量除以现状速度或者推定行驶速度，从而作为现状的每单位距离的电力消耗量(消耗率)，并与在步骤s109中算出的标准电力消耗率进行相加，算出每单位距离的电力消耗预测量。在步骤s109中算出每单位时间的电力消耗量的情况下，除以现状速度或者推定行驶速度即可。
[0094]
控制部11将基于在步骤s102中获取到的soc的总电量除以在步骤s110中算出的每单位距离的电力消耗预测量，来算出推定可行驶距离(步骤s111)，并向输出装置34或者导航装置31输出(步骤s112)，并结束处理。
[0095]
在图2的流程图所示的处理过程中，根据现状的电力的消耗率预测没有急剧的变化的前提下的电力消耗量。在图2的流程图所示的处理过程中，能够算出未设定目的地的状态下的可行驶距离。
[0096]
这样，通过提示算出的可行驶距离，从而车辆v的用户能够参考基于车载的蓄电元件10的soc的可行驶距离。针对所设定的预定的路径的距离，可判断为能够从电池管理装置1如上所述那样获取的可行驶距离为整个路径的距离以下的情况下，导航装置31能够搜索存在于可行驶距离以内的充电站来重新设定路径。
[0097]
在导航装置31中被设定了目的地以及路径的情况下，对与所设定的路径相关的可行驶距离的算出进行说明。图3是示出由电池管理装置1执行的处理过程的其他一例的流程图。对图3的流程图所示的处理过程中的、与图2的流程图所示的过程共同的过程标注相同
的步骤编号并省略详细的说明。
[0098]
电池管理装置1的控制部11接受可行驶距离算出的请求(s101)，算出蓄电元件10的soc(s102)。
[0099]
控制部11获取预定行驶的路径的信息(步骤s121)。控制部11经由通信部14获取与预定行驶的路径相关的道路交通信息(步骤s122)。步骤s121中的路径的信息是在导航装置31中被设定的路径的位置信息。步骤s122中的道路交通信息是获取时间点的拥堵信息，并且能够从信息提供服务器2获取。拥堵信息也可以被拥堵预测的信息所代替。与预定行驶的路径相关的道路交通信息也可以是道路的崎岖的信息。在步骤s122中获取的信息中包含外部气温等对电力消耗产生影响的信息。
[0100]
控制部11基于获取到的道路交通信息，基于有无拥堵来划分预定行驶的路径(步骤s123)。
[0101]
控制部11按行驶的顺序来选择所划分的区间(步骤s124)，并基于区间的交通信息(平均旅行时间)、区间的外部气温、区间的湿度等信息，算出所选择的区间的电力消耗预测量(步骤s125)。
[0102]
控制部11基于在步骤s125中算出的电力消耗预测量，来判断针对所选择的区间能否以蓄电元件10中的剩余电量将区间行驶完(步骤s126)。
[0103]
在判断为能够行驶完的情况下(s126：是)，控制部11从剩余电力中减去电力消耗预测量(步骤s127)，并判断是否对全部区间进行了处理(步骤s128)。在判断为对全部区间进行了处理的情况下(s128：是)，控制部11针对请求而响应判断为能够行驶全部区间的结果(步骤s129)，并结束处理。
[0104]
在步骤s128中判断为未对全部区间进行处理的情况下(s128：否)，控制部11使处理返回到步骤s124。
[0105]
在步骤s126中判断为在某一区间中无法行驶完的情况下(s126：否)，控制部11将判断为能够行驶的区间的累计距离与用于识别判断为无法行驶完的区间的信息一起针对请求而响应(步骤s130)，并结束处理。
[0106]
这样，不是根据整个行程中的平均值，而是划分为区间并根据拥堵信息以及车内设备中的电力消耗，来推定并精度优良地算出在预定行驶的路径中消耗多少电力，由此能够精度优良地求出可行驶距离。
[0107]
(实施方式2)
[0108]
在实施方式2中，电池管理装置1根据通过深度学习来学习的学习模型，确定可行驶距离。图4是示出实施方式2中的电池管理装置1的结构的框图。在实施方式2中的电池管理装置1的存储部12除了存储控制程序1p以外，还存储有学习完毕的学习模型1m。除了基于学习模型1m的处理过程以外，电池管理装置1以及信息提供系统100的结构与实施方式1相同，因此省略详细的说明。
[0109]
图5是电池管理装置1中的学习模型1m的概要图。使学习模型1m学习为，根据输入时间点的蓄电元件10的soc、车内设备中的电力消耗量以及预定行驶的路径中的预想平均速度的输入，来输出可行驶距离。如图5所示，学习模型1m根据使用了神经网络(neural network)的有监督(supervised)的深度学习算法来输出可行驶距离。学习模型1m的学习算法既可以是无监督的学习(unsupervised learning)算法，也可以是递归神经网络
(recurrent neural network)。
[0110]
如图5所示，学习模型1m的神经网络包含由定义数据定义的多级卷积层、池化(pooling)层以及全连接层，并基于输入的包含soc的信息，输出可行驶距离。
[0111]
学习模型1m也可以输出推定的每单位时间或者每单位距离的电力消耗预测量，而不直接输出可行驶距离。
[0112]
也可以使学习模型1m学习为，通过输入对以蓄电元件10为电力源的车辆v的可行驶距离产生影响的其他数据，从而输出可行驶距离。例如对学习模型1m可以输入车型。对学习模型1m也可以输入行驶的道路的识别信息。对学习模型1m还可以输入行驶的时刻。
[0113]
通过由蓄电元件10的制造者或者车辆v的制造者管理的模型制作装置，根据包含实际的车辆v中的蓄电元件10的soc、电力消耗量以及行驶路径中的速度、和对应的实际的行驶距离的训练数据，来使学习模型1m进行学习。收集实际行驶的多个车辆v中的数据来进行学习。针对各车辆v，根据蓄电元件10的实际的soc、电力消耗量以及行驶路径中的速度、和对应的实际的行驶距离，也可以使学习模型1m反复进行再学习。
[0114]
也可以按每个车型使学习模型1m进行学习，并根据车型存储在存储部12。也可以按照区域使学习模型1m进行学习，并根据区域存储在存储部12。
[0115]
图6是示出基于学习模型1m的可行驶距离的算出过程的一例的流程图。对图6的流程图所示的处理过程中的、与实施方式1的图2的流程图所示的过程共同的过程标注相同的步骤编号并省略详细的说明。
[0116]
控制部11接受可行驶距离算出的请求(s101)，执行soc的算出(s102)、现状的电力消耗量的算出(s103)、位置信息的获取(s104)。控制部11根据是否为拥堵中的道路来算出速度(s107、s108)。
[0117]
将在步骤s102-s104、s107、s108中算出的soc、电力消耗量、行驶路径中的预想速度输入到学习模型1m(步骤s131)。学习模型1m根据所输入的soc、电力消耗量、行驶路径中的预想速度来输出可行驶距离。控制部11获取从学习模型1m输出的可行驶距离(步骤s132)。
[0118]
控制部11将在步骤s132中获取到的可行驶距离向输出装置34或者导航装置31输出(s112)，并结束处理。
[0119]
图7是学习模型1m的其他例的概要图。图7所示的学习模型1m进行学习，以使输入到算出时间点为止的soc的时间变化、在到通过导航装置31设定的目的地为止的路径中预想的拥堵的程度的时间分布、外部气温的时间分布以及设定温度，而输出能够到达路径的多少％。学习模型1m也可以输出soc的时间变化的其后续的时间变化预测。
[0120]
如图7所示，与图5所示的例子同样地，其他例中的学习模型1m通过使用了神经网络的有监督的深度学习算法来进行学习。
[0121]
图8是示出使用了学习模型1m的可行驶距离的算出过程的其他一例的流程图。图8的流程图所示的处理过程对应于使用了图7的学习模型1m的情况下的处理过程。对图8的流程图所示的处理过程中的、与实施方式1的图2的流程图所示的过程共同的过程标注相同的步骤编号并省略详细的说明。
[0122]
控制部11接受可行驶距离算出的请求(s101)，制作表示到算出时间点为止的soc的时间变化的曲线图图像(步骤s141)。
[0123]
控制部11经由通信部14获取与预定行驶的路径相关的道路交通信息(步骤s142)。步骤s142中的道路交通信息是到达预想时刻的拥堵预测的信息。控制部11基于获取到的道路交通信息，制作表示拥挤的时间分布的曲线图图像(步骤s143)。在步骤s143中，控制部11从各地点的每个时刻的拥堵预测信息中获取拥挤的程度(拥堵长度)的信息，并制作每个到达预想时刻的拥挤的分布。
[0124]
控制部11获取预定行驶的路径中的外部气温的预测值(步骤s144)。在步骤s144中，也可以获取湿度、道路的崎岖等对电力消耗量产生影响的信息。控制部11制作表示获取到的预测值的时间分布的曲线图图像(步骤s145)。
[0125]
控制部11获取空调装置33的设定温度(步骤s146)。
[0126]
控制部11将在步骤s141中制作的soc的时间变化的曲线图图像、在步骤s143中制作的拥挤的时间分布的曲线图图像、在步骤s145中制作的外部气温的时间分布的曲线图图像、和设定温度输入到学习模型1m(步骤s147)。
[0127]
控制部11获取从学习模型1m输出的表示到达可能性的比例或者soc的时间变化预测(步骤s148)，基于获取到的比例或者时间变化预测，算出可行驶距离(步骤s149)。
[0128]
控制部11将算出的可行驶距离向输出装置34或者导航装置31输出(步骤s112)，并结束处理。
[0129]
这样，通过使用学习模型1m，可期待提高难以预测的准确的可行驶距离的算出的精度。
[0130]
(实施方式3)
[0131]
在实施方式3中，信息提供服务器2提供算出气温、湿度、可行驶距离所需的信息。实施方式3中的信息提供系统100的硬件结构与实施方式1相同，因此标注相同的附图标记并省略详细的说明。
[0132]
图9是示出实施方式3中的可行驶距离的算出过程的一例的流程图。在通过导航装置31设定了目的地以及路径的情况下，导航装置31若向电池管理装置1输出针对所设定的路径的基于来自蓄电元件10的电力的可行驶距离的算出的请求，则开始以下的处理。
[0133]
电池管理装置1的控制部11若接受到可行驶距离算出的请求(步骤s301)，则算出蓄电元件10的soc(步骤s302)。在步骤s302中，控制部11也可以如上所述，经由连接部13获取在蓄电元件10中算出完成的soc。
[0134]
控制部11算出包含空调装置33的车内设备中的电力消耗量(步骤s303)。在步骤s303中，控制部11也可以定期地(例如每隔10分钟)预先获取电力消耗量，并在步骤s303中算出最近的每单位时间(例如1小时)的电力消耗量。
[0135]
控制部11获取预定行驶的路径的信息(步骤s304)。在步骤s304中，控制部11获取在导航装置31中被设定的路径的位置信息。
[0136]
控制部11向信息提供服务器2发送用于算出可行驶距离的信息提供请求，该信息提供请求包含算出的soc、电力消耗量以及预定行驶路径的信息、和蓄电元件10的识别信息以及车辆的车型的信息(步骤s305)。控制部11也可以进行如下控制：在步骤s304中不获取路径的信息而是从导航装置31直接向信息提供服务器2发送信息。
[0137]
信息提供服务器2的控制部20由通信部22接收信息提供请求(步骤s201)。控制部20基于信息提供请求所包含的预定行驶路径的信息，经由网络n，获取包含预定行驶路径中
的拥堵信息的道路交通信息(步骤s202)。控制部20基于信息提供请求所包含的预定行驶路径的信息，经由网络n，获取预定行驶路径中的天气信息(步骤s203)。
[0138]
在步骤s202以及步骤s203中，控制部20不仅经由网络n从vics(注册商标)等获取道路交通信息，而且还能够从搭载有同样的电池管理装置1的多个电动车辆收集信息。还可以从实际在预定行驶路径上行驶的车辆获取信息。在该情况下，从相同或者类似的车型的车辆获取电力消耗量即可。
[0139]
控制部20基于在步骤s202中获取到的道路交通信息、和信息提供请求所包含的soc以及电力消耗量，算出预定行驶路径中的电力消耗预测量(步骤s204)。控制部20基于在步骤s203中获取到的天气信息，对考虑了空调装置33的运转的电力消耗预测量进行修正(步骤s205)。在步骤s205中得到的输出消耗预测量作为每单位距离的电力消耗量来算出即可。
[0140]
控制部20在步骤s204以及步骤s205中，在信息提供请求中包含车型的信息的情况下，根据每个车型的标准电力消耗率来算出电力消耗预测量即可。
[0141]
控制部20将修正后的电力消耗预测量响应给电池管理装置1(步骤s206)。
[0142]
电池管理装置1的控制部11接收电力消耗预测量作为针对信息提供请求的响应(步骤s306)。控制部11根据接收到的电力消耗预测量，算出推定可行驶距离(步骤s307)，向输出装置34或者导航装置31输出(步骤s308)，并结束处理。
[0143]
也可以在信息提供服务器2侧，执行基于图3的流程图所示的处理过程的到推定可行驶距离的算出为止，并在步骤s206中，控制部20响应推定可行驶距离。
[0144]
这样，在由蓄电元件10的制造者管理的信息提供服务器2侧，根据适合于车辆v中的蓄电元件10的特性的信息，提供电力消耗预测量或者对电力消耗产生影响的信息。由此，被车内外的状况影响的可行驶距离的算出精度提高。
[0145]
在信息提供服务器2中算出可行驶距离或者电力消耗预测量的情况下，信息提供服务器2也可以使用如在实施方式2中公开的那样的学习模型1m。预先制作每个车型的学习模型1m，并使用所制作的学习模型1m来算出电力消耗量，由此能够精度优良地预测与车型对应的蓄电元件10的电力消耗量，并在车辆v内精度优良地算出可行驶距离。
[0146]
(实施方式4)
[0147]
在实施方式4中，基于不足部分的电力消耗预测量，输出所需的充电时间或者充电量。实施方式4中的信息提供系统100的硬件结构与实施方式1相同，因此标注相同的附图标记并省略详细的说明。
[0148]
图10是示出实施方式4中的可行驶距离的算出过程的一例的流程图。在实施方式4中，以在导航装置31中设定或者检索了目的地为契机，接受来自导航装置31的可行驶距离算出的请求。对图10的流程图所示的处理过程中的、与实施方式1的图3的流程图所示的处理过程共同的过程标注相同的步骤编号并省略详细的说明。
[0149]
电池管理装置1的控制部11从导航装置31接受可行驶距离算出的请求(s101)，获取预定行驶的路径的信息(s121)。
[0150]
控制部11算出蓄电元件10的soc(s102)。
[0151]
控制部11获取与获取到的路径相关的道路交通信息(s122)。控制部11基于获取到的道路交通信息，基于有无拥堵、拥堵的程度，来划分预定行驶的路径(s123)。
[0152]
控制部11按行驶的顺序来选择所划分的区间(s124)，并执行所选择的区间的电力消耗预测量的算出(s125)、行驶可否(s126)。
[0153]
在实施方式4中，在步骤s126中在判断为在某一区间中不能行驶的情况下(s126：否)，控制部11判断在步骤s102中算出的车辆v的现状的soc是否相当于满充电(步骤s151)。在步骤s151中，即使算出的soc未达到满充电，在判断为是如其以上的充电会在车辆v侧被停止那样的高的soc的情况下，控制部11判断为相当于满充电。
[0154]
控制部11在判断为相当于满充电的情况下(s151：是)，控制部11将判断为能够行驶的区间的累计距离与用于识别在步骤s126中判断为不能行驶的区间的信息一起针对请求而响应(s130)，并结束处理。
[0155]
在判断为未相当于满充电的情况下(s151：否)，控制部11算出从判断为不能行驶的区间到目的地(路径终点)为止所需的电力消耗预测量(步骤s152)。控制部11算出比算出的电力消耗预测量稍微多的必要充电量或者充电必要充电量所需的充电时间(步骤s153)。
[0156]
控制部11针对请求而响应用于识别判断为不能行驶的区间的信息、和在步骤s153中算出的必要充电量或者充电时间(步骤s154)，并结束处理。
[0157]
即使在步骤s151中判断为相当于满充电的情况下，控制部11也可以算出电力消耗预测量以及必要充电量或者充电时间(s153)，并作为中途所需的充电时间的信息而加入到响应中。
[0158]
接收到针对请求的响应的导航装置31在从电池管理装置1接收到包含必要充电量或者充电时间的响应的情况下，将催促事先的充电的消息输出到输出装置34。还可以使电池管理装置1的控制部11直接地从输出装置34输出催促充电的消息。
[0159]
图11是示出输出的充电消息的例子的图。图11示出基于导航装置31的导航画面。在导航画面中，在地图上显示在导航装置31中被设定的路径，并且在地图上强调显示在车辆v的现状的soc下电力不足的区间。在图11的例子中，车辆v的蓄电元件10被判断为未相当于满充电，被提示所需的电量和充电时间。这样，即使未进行满充电，在通过稍微进行充电而车辆v能够行驶全部行程的情况下，用户能够意识到该情况而事先适当准备充电，从而安心地行驶。
[0160]
通过与电池管理装置1以及导航装置31的协作，在预想到预定行驶路径的目的地(路径终点)之前需要充电的情况下，也可以使得在预定行驶路径中加入充电站来再次执行图11的流程图所示的处理过程，并提示经由地的充电站中的必要充电量或者充电时间。
[0161]
实施方式4所示的处理过程并不限于通过与搭载于车辆v的导航装置31的协作来实现。例如，也可以通过驾驶员的信息终端装置(智能手机等)获取车辆v的蓄电元件10的soc，通过信息终端装置执行可行驶距离的算出。在该情况下，在家里具有充电设备的用户在通过信息终端装置检索次日的目的地时，通过信息终端装置来查看基于蓄电元件10的soc能否行驶包含向其目的地的行程以及回家为止的行程的全部行程。信息终端装置通过与电池管理装置1同样的功能，算出可行驶距离，在判断为无法行驶全部行程的情况下，能够催促事先的充电。在该情况下，驾驶员能够掌握在出发之前应充电到何种程度，从而到目的地为止不会感到不安。
[0162]
车辆v也可以是在场地内搬运货物的agv(automated guided vehicle，自动引导车)、卡车等产业用车辆，只要是以电力为驱动力的电动车辆，并不限于电动汽车。进而，电
池管理装置1的对象如在以下的实施方式5中说明的那样，能够将飞机、船舶、航天飞船等以蓄电元件为动力源而移动的对象作为对象，而不是将车辆作为对象。
[0163]
(实施方式5)
[0164]
在实施方式5中，将电池管理装置1的对象设为有人的evtol即飞行体v2。图12是实施方式5中的信息提供系统100的概要图。除了执行以飞行体v2为对象的处理以外，由于实施方式5中的信息提供系统100的结构与实施方式1相同，所以省略针对硬件结构的详细的说明。
[0165]
实施方式5中的电池管理装置1搭载于在如图12所示的路径中飞行的飞行体v2。电池管理装置1与飞行体v2的蓄电元件10连接。电池管理装置1能够与获取飞行体v2的位置信息以及移动预定的路径信息的装置进行通信连接。例如电池管理装置1从搭载在飞行体v2的gps接收机获取位置信息，从未图示的航行控制装置获取路径信息。这里，航行控制装置是基于从驾驶员或者外部的指示系统指示的路径、和纬度经度高度来控制飞行的装置。
[0166]
电池管理装置1能够与信息提供服务器2进行通信连接。在实施方式5中，电池管理装置1能够经由搭载在飞行体v2的与外部的通信装置与信息提供服务器2进行基于通信的数据发送接收。
[0167]
电池管理装置1能够与搭载在飞行体v2的空调装置进行通信连接。电池管理装置1也能够与搭载在飞行体v2的气压调整装置进行通信连接。电池管理装置1也可以与对飞行体v2的驾驶员输出信息的输出装置连接。
[0168]
实施方式5的信息提供服务器2的控制部20能够基于信息提供程序2p，获取地图信息、各个高度的外部气温数据、风速数据、每个起飞和降落点的拥挤状况等与对飞行体v2的电力消耗产生影响的元素相关的信息，存储在存储部21。控制部20基于信息提供程序2p，能够获取与位置信息进行关联的各个高度的气压分布的实测值或者预测值的信息，存储在存储部21。
[0169]
在实施方式5中的信息提供系统100中，搭载在飞行体v2的电池管理装置1基于飞行体v2的位置信息、充电站es的位置信息、飞行体v2的移动路径中的电力消耗预测量、蓄电元件10的充电率，推定考虑了飞行体v2内外的电力消耗量的预测的可行驶距离。从信息提供服务器2提供对于预测的电力消耗量的一部分。
[0170]
图13是示出由实施方式5的电池管理装置1执行的处理过程的一例的流程图。控制部11接受可移动距离的请求(步骤s161)。
[0171]
控制部11从蓄电元件10获取测量数据，算出soc(步骤s162)。在步骤s162中，控制部11也可以获取算出完成的soc。
[0172]
控制部11算出包含空调装置的搭载在飞行体v2的设备中的每单位时间的电力消耗量(步骤s163)。在步骤s163中，控制部11也可以定期地(例如每隔10分钟)预先获取电力消耗量，并在步骤s163中算出最近的每单位时间(例如15分钟、30分钟、1小时等)的电力消耗量。
[0173]
在步骤s163中，控制部11从未图示的温度、湿度传感器获取外部气温、外部气体湿度、室内温度以及湿度，并根据温度差以及湿度差来预测基于空调装置的电力消耗量，或者根据温度差来修正步骤s163的电力消耗量。控制部11也可以从未图示的高度传感器以及气压传感器获取高度、外部气压，鉴于基于气压调整装置的电力消耗，预测电力消耗量或者进
行修正。
[0174]
控制部11获取表示飞行体v2的当前位置的位置信息(步骤s164)。
[0175]
控制部11经由通信部14，从信息提供服务器2获取表示所设定的目的地的起飞和降落的拥挤状况的信息(步骤s165)。在步骤s165中，控制部11获取目的地的起飞和降落所需的平均时间。
[0176]
控制部11经由通信部14，从信息提供服务器2获取当前位置到所设定的目的地之间的风速的分布信息(步骤s166)。
[0177]
控制部11基于获取到的包含表示拥挤状况的信息以及风速的信息的环境信息、和从当前地到目的地为止的距离，算出到目的地为止的移动所需的时间(步骤s167)，预测移动所需的电量(步骤s168)。
[0178]
控制部11基于在步骤s163中算出的每单位时间的电力消耗量，算出到目的地为止在设备消耗的电量(步骤s169)，与在步骤s168中算出的移动所需的电量一起算出预测电力消耗量(步骤s170)。
[0179]
控制部11根据基于在步骤s162中算出的soc的剩余电量、和在步骤s170中算出的预测电力消耗量，判断能否移动到目的地为止的距离(步骤s171)。在步骤s171中，作为一例，控制部11对剩余电量与预测电力消耗量的大小进行比较，在剩余电量较多的情况下，判断为能够移动即可。控制部11也可以算出每单位时间的电力消耗量并算出距离之后，与到目的地为止的距离进行比较。
[0180]
在判断为能够移动的情况下(s171：是)，控制部11输出剩余电量以及预测电力消耗量(步骤s172)，并结束处理。
[0181]
在步骤s171中判断为无法移动的情况下(s171：否)，基于预测电力消耗量和相对于剩余电量的比例来算出可移动距离(步骤s173)并输出(步骤s174)，并结束处理。
[0182]
在步骤s174中，控制部11也可以向信息提供服务器2发送位于从当前地到可移动距离以内的设置有充电站es的起飞和降落场所的检索请求。控制部11将针对请求而响应的起飞和降落场所的候选一同输出。控制部11使用剩余电量、预测电力消耗量来算出在到达起飞和降落场所的候选的情况下应通过充电站es充电的电量。在到达从候选中选择的起飞和降落场所的情况下，控制部11可以在与充电站es连接的时机，再次决定充电电量，并执行充电。
[0183]
如实施方式5所示，基于电池管理装置1的可移动距离的算出的对象并不限于电动汽车。同样地，基于电池管理装置1的处理也能够应用于被称为无人机的无人飞机。除此以外，基于电池管理装置1的处理还能够应用于搭载蓄电元件并通过电力来航行的电动船舶的电池管理。在将基于电池管理装置1的处理应用于电动船舶的情况下，控制部11在气温、风速以及波浪的高度的基础上，还鉴于与海流相关的信息来对电力消耗量进行预测、修正。除此以外，基于电池管理装置1的处理还能够应用于使用电力来进行航行且需要更致密的管理的航天飞船、卫星等飞行体中的电池管理。
[0184]
如上所述，所公开的实施方式在所有的方面均为例示，而不是限制性的。本发明的范围由权利要求书表示，并包含与权利要求书等同的意思以及范围内的全部的变更。
[0185]
附图标记说明
[0186]
1：电池管理装置；
[0187]
10：蓄电元件；
[0188]
11：控制部；
[0189]
12：存储部；
[0190]
14：通信部；
[0191]
1p：控制程序；
[0192]
2：信息提供服务器；
[0193]
20：控制部；
[0194]
21：存储部；
[0195]
22：通信部；
[0196]
31：导航装置；
[0197]
33：空调装置。