服务器、车辆及充电信息提供方法与流程

本发明涉及服务器、车辆及充电信息提供方法，更特定而言，涉及向多台车辆提供用于外部充电的充电信息的服务器、从服务器接受充电信息的提供的车辆及充电信息提供方法。

背景技术：

近年来，构成为能够进行外部充电的车辆(具体而言，电动汽车、插电式混合动力汽车等)的普及正在推进。所谓外部充电，意指通过从车辆外部供给的电力对车载的蓄电装置进行充电。

一般地，汽油等的加油在几分钟左右的短时间内结束，与此相对，外部充电则需要较长时间(典型地几十分钟～几小时)。因此，在需要使用外出目的地的充电器(也称为充电座、充电站)进行外部充电的情况下，在该充电器正被其他的车辆使用时，在该其他的车辆的外部充电完成之前用户无法开始车辆的外部充电。

在如果用户不前往充电器就无法得知该充电器是否可以使用(该充电器是否空闲)的情况下，存在虽然到达了充电器但其他的车辆正在使用中的可能性。在该情况下，用户需要等待到其他的车辆的外部充电结束为止。或者，鉴于用户的日程安排的情况也存在无法等到其他的车辆的外部充电结束而需要寻找别的充电器的可能性。

为了提高用户的便利性，期望用户即使不前往充电器也能够掌握选择哪个充电器能够快速地开始外部充电。因此，例如在日本特开2011-024335号公报中公开的充电器向用户提供充电等待时间的参考值。

技术实现要素：

根据日本特开2011-024335号公报，设想了如下情况：在某个充电器中，一台车辆(电动汽车)处于充电中，还有其他的车辆正在等待充电。在该情况下，为了使用户判断是否使用该充电器，从充电器对用户的车辆发送充电等待时间。在该充电等待时间中包含已处于充电中的车辆的充电时间(剩余充电时间)和正在等待充电的车辆的充电时间(预定充电时间)(例如参考日本特开2011-024335号公报的第[0025]～[0027]段)。

在日本特开2011-024335号公报中也考虑了在计算充电等待时间时正在等待充电的其他的车辆的存在。正在等待充电的车辆是指进行了用于预约在该充电器进行外部充电的操作等，表示了外部充电的意图的车辆。

然而，在考虑了充电器周围的几公里～几十公里的范围等更大的范围的情况下，有可能存在其他的目前虽然未在等待充电(即，虽然未表示外部充电的意图)，但是可能进行外部充电的车辆。这样的车辆的存在(所谓的外部充电的潜在需要)，可能在充电器的选择中成为与用户的车辆竞争的关系，但是在日本特开2011-024335号公报中没有考虑到。

本发明是为了解决上述课题而完成的，其目的在于，在用户对自己的车辆进行外部充电时，提供用于用户判断选择哪一个充电器比较理想的适当的信息。

(1)根据本发明的某方面的服务器，向分别搭载有蓄电装置的多台车辆提供用于外部充电的充电信息。服务器具备：通信装置，构成为能够与多台车辆之间进行通信；和运算装置，生成充电信息。运算装置在向多台车辆中的对象车辆提供充电信息的情况下，取得由蓄积于对象车辆的蓄电装置中的电力和对象车辆的当前所在地确定的对象车辆的可到达范围，并提取设置于所取得的可到达范围内的至少一个充电器。运算装置对于多台车辆，分别计算设置于该车辆的可到达范围内的充电器的台数，所计算出的充电器的台数越多则将该车辆的台数换算为越少。运算装置通过对于上述至少一个充电器，分别合计能够到达该充电器的车辆的换算后的台数，来计算具有使用该充电器进行外部充电的可能性的车辆的实效性台数即实效台数。运算装置基于实效台数来计算表示上述至少一个充电器各自的潜在的外部充电的需要的指标，并提供给对象车辆。

在上述(1)的构成中计算了存在使用设置于对象车辆(某用户的车辆)的到达范围内的充电器进行外部充电的可能性的车辆的实效性台数即实效台数。并且，基于该实效台数计算表示该充电器的潜在的外部充电的需要的指标。这样地，通过考虑潜在的外部充电的需要，能够更高精度地推测充电器的拥挤程度、充电等待时间。因此，根据上述(1)的构成，能够提供用于用户判断选择哪个充电器较理想的适当的信息。

(2)服务器还具备存储有至少一个充电器的实际使用情况的数据库。运算装置基于实效台数和实际使用情况来计算指标。

根据上述(2)的构成，除了实效台数，还基于充电器的实际使用情况来计算表示潜在的外部充电的需要的指标。通过使用充电器的实际使用情况(例如相同星期几、相同时间段的实际使用情况等)，能够更高精度地进一步推测充电器的拥挤程度、充电等待时间。

(3)实际使用情况包含至少一个充电器的各个的使用期间相对于按照规定条件而划分的期间的比例即使用率。运算装置基于通过第一系数进行了实效台数的加权的值和通过第二系数进行了使用率的加权的值来计算指标。

(4)在使用率中，存在表示根据实效台数而设想的使用率的范围的标准范围。运算装置根据实效台数取得标准范围，在使用率高于标准范围的最大值的情况下，与使用率处于标准范围内的情况相比，加大通过第二系数对使用率的加权。(5)在使用率中存在表示根据实效台数而设想的使用率的范围的标准范围。运算装置根据实效台数来取得标准范围，在使用率低于标准范围的最小值的情况下，与使用率处于标准范围内的情况相比，加大通过第一系数对实效台数的加权。

详细内容在后文进行描述，在充电器的使用率大于标准范围的最大值的情况下，换言之，在使用率明显高于从实效台数通常设想的使用率的情况下，有可能在充电器的周围存在多辆未进行与服务器之间的通信的车辆(未注册车辆)，且由这些未注册车辆频繁地使用充电器。根据上述(3)、(4)的构成，在那样的情况下，为了相比实效台数更重视使用率，与使用率在标准范围内的情况下相比，加大通过第二系数对使用率的加权。由此，会主要基于使用率来计算指标，能够使指标更大程度地反应出过去的实际使用情况的影响。其结果，指标的计算精度提高，能够更高精度地进一步推测充电器的拥挤程度、充电等待时间。

相反地，在充电器的使用率小于标准范围的最小值的情况下，换言之，在使用率明显低于从实效台数通常设想的使用率的情况下，有可能例如由于该充电器是最近才设置的，其存在还未被用户充分地认识到等的理由，充电器的使用率变低成过小。根据上述(3)、(5)的构成，在那样的情况下，为了相比使用率而更重视实效台数，与使用率在标准范围内的情况下相比，加大通过第一系数进对实效台数的加权。由此，主要基于实效台数来计算指标，能够使指标更大程度地反映出实效台数的影响。其结果，指标的计算精度提高，能够更高精度地进一步推测充电器的拥挤程度、充电等待时间。

(6)运算装置在对使用率的数据进行取得的期间短于规定期间的情况下，与期间长于规定期间的情况相比，加大通过第一系数对实效台数的加权。(7)运算装置在实效台数少于规定台数的情况下，与实效台数多于规定台数的情况相比，加大通过第二系数对使用率的加权。

根据上述(6)、(7)的结构，在使用率的取得期间低于规定期间的情况下，认为具有使用率的数据量不足的可能性，而加大通过第一系数对实效台数的加权。相反地，在实效台数低于规定量的情况下，认为实效台数的数据量不足，而加大通过第二系数对使用率的加权。这样一来，由于充电器的使用率及实效台数之中数据量多而可靠度更高的一方的参数对指标带来的影响变大，因此指标的计算精度提高。因此，能够更高精度地进一步推测充电器的拥挤程度、充电等待时间。

(8)根据本发明的其他方面的车辆，从服务器接受用于外部充电的充电信息的提供。车辆具备蓄电装置和构成为能够进行与服务器之间的通信的通信装置。车辆向服务器发送表示蓄积于蓄电装置的电力和车辆的当前所在地的信息。服务器取得由电力和当前所在地确定的车辆的可到达范围，并提取至少一个设置于所取得的可到达范围内的充电器。服务器对于多台车辆的各个，计算设置于该车辆的可到达范围内的充电器的台数，所计算出的充电器的台数越多将该车辆的台数换算为越少。服务器通过对于至少一个充电器的各个合计能够到达该充电器的车辆的所变换的台数，来计算存在使用该充电器进行外部充电的可能性的车辆的实效性台数即实效台数。服务器基于实效台数来计算表示至少一个充电器的各个的潜在的外部充电的需要的指标，并向车辆发送。车辆还具备构成为向车辆的用户通知指标的通知装置。

根据上述(8)的构成，车辆的用户能够通过通知装置掌握以与上述(1)的构成相同的方式计算出的指标的大小。由此，用户能够基于指标的大小来选择所希望的充电器。

(9)通知装置包含通过与指标的大小相应的图标将至少一个的充电器的各个进行显示的显示装置。

根据上述(9)的构成，例如通过显示与指标的大小相应的彩色的图标来使指标的大小可视化。由此，用户能够更容易地掌握指标的大小。

(10)根据本发明的其他方面的充电信息提供方法，是向分别搭载有蓄电装置的多台车辆提供用于外部充电的充电信息的方法。充电信息提供方法包含第一～第四步骤。第一步骤是在向多台车辆中的对象车辆提供充电信息的情况下，取得由蓄积于对象车辆的蓄电装置的电力和对象车辆的当前所在地确定的对象车辆的可到达范围，并提取设置于所取得的可到达范围内的至少一个充电器的步骤。第二步骤是对于多台车辆的各个，计算设置于该车辆的可到达范围内的充电器的台数，所计算的充电器的台数越多则将该车辆的台数换算为越少的步骤。第三步骤是通过对于至少一个充电器的各个合计能够到达该充电器的车辆的所换算的台数，来计算具有使用该充电器进行外部充电的可能性的车辆的实效性台数即实效台数的步骤。第四步骤是基于实效台数来计算表示至少一个的充电器的各个的潜在的外部充电的需要的指标，并向对象车辆提供的步骤。

根据上述(10)的方法，能够与上述(1)或(8)的构成同样地，提供用于用户判断选择哪个充电器较理想的适当的信息。

本发明的上述及其他的目的、特征、方面及优点从结合附图理解的本发明的接下来的详细的说明中将会清楚明白。

附图说明

图1是示意性地示出实施方式1的充电信息提供系统的整体结构的图。

图2是更详细地示出充电信息提供系统的结构的图。

图3是示出使用充电信息提供系统的情况的一例的图。

图4是示出充电器的实际使用情况信息的一例的图。

图5用于对充电器的使用率进行说明的图。

图6是用于对各充电器中的实效台数进行说明的图。

图7是用于对充电器的拥挤指数的计算方法进行说明的图。

图8是示出实施方式1中的充电器的选择辅助处理的流程图。

图9a是用于对导航装置的显示器上的拥挤指数的显示方法进行说明的第一图。

图9b是用于对导航装置的显示器上的拥挤指数的显示方法进行说明的第二图。

图10是示出实施方式2中的充电器的选择辅助处理的流程图。

图11是用于对某台充电器的实效台数和该充电器的使用率之间的关系进行定性说明的图。

图12是示出实施方式2的变形例1中的充电器的选择辅助处理的流程图。

图13是示出实施方式2的变形例2中的充电器的选择辅助处理的流程图。

具体实施方式

在以下说明的实施方式中，对多台车辆分别提供表示选择哪个充电器较理想的“充电信息”。将提供该充电信息的系统称为“充电信息提供系统”，以下，参照附图对其构成进行详细说明。此外，对图中相同或相当的部分附以相同的符号而不对其作重复说明。

[实施方式1]

＜充电信息提供系统的构成＞

图1是示意性地示出实施方式1的充电信息提供系统的整体构成的图。充电信息提供系统9包含多台车辆1～4和服务器5。车辆1～4分别为例如搭载了蓄电池110(参照图2)的电动汽车。各车辆1～4构成为能够通过从充电器a～f中的任意一个供给的电力对蓄电池110进行充电(插电式充电)。

此外，为了防止此处的解释变得繁琐复杂，以在充电信息提供系统9中包含有4台车辆1～4的构成为例进行说明，但实际上，在充电信息提供系统9中可能包含更多的车辆(例如几千台～几十万台)。另外，也可以设置多于6台的充电器。

车辆1与服务器5构成为能够进行双向通信。对于其他的车辆2～4与服务器5也一样。由此，服务器5在与各车辆1～4之间进行必要的信息的发送和接收。

进一步地，充电器a与服务器5构成为能够进行双向通信。对于其他的充电器b～f也一样。由此，服务器5收集与各充电器a～f的实际使用情况有关的信息。对于该信息在图4及图5中进行说明。

图2是更详细地示出充电信息提供系统9的构成的图。车辆2～4具有与车辆1基本相同的结构。因此，在图2中对车辆1的结构进行代表性地说明。

车辆1具备ecu(electroniccontrolunit：电子控制单元)100、蓄电池110、电力变换装置120、导航装置130和通信模块140。ecu100、导航装置130及通信模块140通过can(controllerareanetwork：控制器局域网络)等有线车载网络150互相连接。

蓄电池110是包含多个蓄电池(未图示)而构成的电池组。各蓄电池均为锂离子二次电池或镍氢电池等的二次电池。虽均未进行图示，蓄电池110经由电力控制装置(pcu：powercontrolunit：电源控制单元)向电动发动机供给用于驱动的电力。该电动发动机也能够通过再生制动进行发电。通过电动发动机发电产生的交流电由电力控制装置变换为直流电进而对蓄电池110进行充电。

电力变换装置120根据来自ecu100的控制信号，将从充电器a～f供给的电力变换为能够对蓄电池110进行充电的电压的直流电。

导航装置130包含用于基于来自人工卫星(未图示)的无线电波确定车辆1的位置的gps(globalpositioningsystem：全球定位系统)接收器131和接受用户的各种操作的带触摸屏的显示器132。导航装置130使用由gps接收器131确定的车辆1的位置信息(以下，也称作“gps信息”)来执行车辆1的各种导航处理。

更具体而言，导航装置130基于车辆1的gps信息和存储于存储器(未图示)的道路地图数据，在车辆1的周边的道路地图上将车辆1的当前所在地与一个或多个充电器的位置叠加显示于显示器132。另外，导航装置130接受用户从显示于显示器132上的一个或多个充电器中选择任意一个充电器的操作。导航装置130也可以对从车辆1的当前所在地到用户选择了的充电器的推荐路线进行导航。此外，导航装置130相当于本发明的“通知装置”。

通信模块140是车载dcm(datacommunicationmodule：数据通信模块)，构成为使得ecu100和服务器5能够双向地进行通信。

ecu100包含均未进行图示的cpu(centralprocessingunit：中央处理器)、存储器、输入输出端口和计时器而构成。ecu100基于各种传感器(未图示)的检测值及存储于存储器的程序以车辆1为所期望的状态的方式对车辆1内的各设备进行控制。

服务器5具备例如作为应用服务器的运算装置500、存储装置510和通信装置520。存储装置510包含位置信息数据库511、到达范围数据库512和实际使用情况数据库513。

位置信息数据库511存储车辆1～4的gps信息。车辆1～4的gps信息定期地从车辆1～4发送给服务器5。另外，位置信息数据库511存储充电器a～f的位置信息。也存在新设置了充电器或者停止使用现有的充电器的情况。因此，存储于位置信息数据库511的充电器的位置信息由位置信息数据库511的管理者定期地更新为最新的状态。此外，位置信息数据库511也可以分为两个数据库，即，分为存储车辆1～4的gps信息的数据库和存储充电器a～f的位置信息的数据库而构成。

到达范围数据库512基于车辆1～4各自的当前所在地和可行驶距离，存储与各车辆1～4可到达范围有关的信息(到达范围信息)。实际使用情况数据库513存储与充电器a～f的每个时间段的使用率有关的信息(实际使用情况信息)。对于这些信息稍后进行详细地说明。此外，实际使用情况数据库513相当于本发明的“数据库”。

通信装置520以能够在与安装于车辆1的通信模块140之间进行双向的数据通信的方式构成。虽未图示，但通信装置520以也能够在与设置于充电器a～f的通信模块之间进行双向的数据通信的方式构成。

运算装置500经由通信装置520收集与充电器a～f的实际使用情况有关的信息(参照图3)，根据收集到的信息来计算各充电器a～f的每个时间段的使用率(参照图4)。并且，运算装置500将与所计算出的使用率有关的信息存储于实际使用情况数据库513。进一步地，作为由运算装置500执行的主要的控制，可以举出对用户选择使用哪个充电器进行插电式充电进行辅助的“选择辅助处理”。对于充电器的选择辅助处理稍后详细地进行说明。

＜使用率的计算＞

图3是示出使用充电信息提供系统9的情况的一例的图。在实施方式1中设想了如图3所示在六处配置了充电器a～f，并且4台车辆1～4正在行驶的情况。在充电信息提供系统中，为了辅助由用户进行的充电器的选择，表示利用充电器a～f进行插电式充电的潜在的需要(潜在的拥堵程度)的指标被作为充电信息提供给各车辆1～4。此外，为了简化以下的叙述，将由运算装置500执行的处理记作由“服务器5”执行的处理。

服务器5从各充电器a～f收集表示该充电器的实际使用情况的信息(实际使用情况信息)。由于所有的充电器a～f的实际使用情况信息等同，以下对充电器a的实际使用情况信息进行代表性地说明。

图4是示出充电器a的实际使用情况信息的一例的图。如图4所示，在实际使用情况信息中包含按时间段分别测定了充电器a的使用时间(单位：分)的信息。该时间段例如将一天(24小时)六等分地定为四个小时。另外，划分了测定了使用时间的日期是星期几，并且还划分了该天是工作日、节假日还是休息日。

从图4中示出的例可以读取出，例如，某月的第一天是星期三，该天的深夜～清晨(0时～4时)的时间段中的充电器a的使用时间为20分钟。另外可以读取出，第三天的星期五为节日，该天的中午～傍晚(12时～16时)的时间段中的充电器a的使用时间为200分钟。

像这样的与使用时间有关的信息在从设置充电器a开始到现在为止的期间持续地被取得并累积于实际使用情况数据库513中。并且，通过将使用时间按时间段并按测定日的属性(工作日、休息日或节假日)平均化，如以下说明那样计算充电器a的“使用率”。

图5是用于说明充电器a的使用率的图。参照图5，例如，在图4中示出的使用时间按工作日和休息日或节假日而被划分，进一步地，按照时间段被划分。并且，通过针对每个划分将使用时间(单位：分)的测定结果平均化，来计算每个时间段的充电器a的使用率(单位：％)。在图5中示出的例中，例如，计算了工作日的深夜～清晨(0时～4时)的时间段中的充电器a的使用率为5％，非常低，但是在休息日或节假日的中午～傍晚(12时～16时)的时间段中的充电器a的使用率为68％，非常高。

充电器a的使用率的计算结果也存储于实际使用情况数据库513。虽未图示，对于其余的充电器b～f也同样地算出每个时间段的使用率，并存储与实际使用情况数据库513。

此外，在图4及图5中，虽然对在使用率的计算中使用时间段、测定日的属性区别的例子进行了说明，但是也可以通过由能够对使用率产生影响的其他的参数来划分使用时间，计算使用率。例如，也可以从未图示的气象信息数据库取得晴、多云、雨等天气，按天气区别地计算各充电器的使用率。另外，也可以按外部气温区别地计算各充电器的使用率。或者，也可以对时间段、测定日的属性、天气及外部气温中任意的参数进行组合。

＜实效台数的计算＞

除了这样的充电器a～f的实际使用情况，在本实施方式中还考虑了车辆1～4各自的行驶情况。具体而言，首先，分别对于车辆1～4计算设置于该车辆可到达范围(记为“到达范围”)内的充电器的台数，所计算出的充电器的台数越多则将该车辆的台数换算为越少。该换算后的台数以下称为“换算台数n”。

图6是用于说明各车辆1～4的换算台数n的图。在图6中，车辆1的到达范围由圆形区域r1表示。圆形区域r1是指以车辆1的当前所在地为中心，以车辆1可行驶距离为半径的圆形的区域。

更详细而言，服务器5定期地从车辆1收集表示车辆1的当前所在地的信息和表示蓄积于车辆1的蓄电池110的电量(剩余电量)的信息。服务器5基于这些信息来计算车辆1的平均电力消耗(每单位距离的平均消耗电量)。因此，服务器5能够计算通过蓄电池110的电量来行驶的可行驶距离。这样，服务器5取得车辆1的圆形区域r1。

在图6中示出的例中，充电器a位于圆形区域r1的内部，但其余的充电器b～f位于圆形区域r1的外部。在该情况下，车辆1无法到达充电器b～f，而只能到达充电器a。该情况意味着，当从充电器a的角度思考时，虽然不知道在什么时间点，但是车辆1的插电式充电一定会使用充电器a进行。在本实施方式中，车辆1的换算台数n由车辆1可能到达的充电器数量的倒数进行定义，计算为n＝1/1＝1.00。

接下来关于车辆2，目前在车辆2的蓄电池110中剩余足够量的电力。因此，车辆2的到达范围(圆形区域r2)大于其他的车辆1、3、4的到达范围。在圆形区域r2的内部设置有四处的充电器a、b、c、e。在该情况下，存在车辆2的插电式充电由充电器a、b、c、e中的任意一个进行的可能性。因此，车辆2的换算台数n计算为n＝1/4＝0.25。

同样地关于车辆3，在圆形区域r3的内部仅设置有充电器f。在该情况下，车辆3的换算台数n计算为n＝1/1＝1.00。另外，关于车辆4，在圆形区域r4的内部设置有充电器c、d两台。在该情况下，车辆4的换算台数n计算为n＝1/2＝0.50。

接下来，针对每个充电器a、b、c、e，根据车辆1～4的换算台数n来计算存在使用该充电器进行插电式充电的可能性的车辆的实效性台数即“实效台数n”。

在图6中示出的例子中，能够到达充电器a的车辆为车辆1、2两台。车辆1的换算台数n为n＝1.00，车辆2的换算台数n为n＝0.25。因此，充电器a的实效台数n计算为车辆1、2的换算台数n的合计即n＝1+0.25＝1.25。

同样地，能够到达充电器b的车辆仅为车辆2。因此，充电器b的实效台数n为n＝0.25。另外，能够到达充电器c的车辆为车辆2、4两台。因此，充电器c的实效台数n计算为n＝0.25+0.50＝0.75。其余的充电器d～f的实效台数n的计算方法也一样。

并且，通过包含充电器的实效台数n和充电器的目前的时间段中的使用率u作为参数的函数，来计算表示利用充电器a～f进行插电式充电的潜在的需要的指标。将该指标称为“拥挤指数”，用i进行表示。另外，将用于计算拥挤指数i的上述函数称为“评价函数”，用f进行表示。拥挤指数i通过以实效台数n及使用率u为参数的评价函数f而如下述式(1)那样来表示。

i＝f(n，u)…(1)

作为具体的评价函数f可以采用各种形式。在实施方式1中，作为最简单的例子，由实效台数n和使用率u的乘积来定义评价函数f(参照下述式(2))。

i＝n×u…(2)

图7是用于对充电器a～f的拥挤指数i的计算方法进行说明的图。参照图7，如前所述，充电器a的实效台数n为n＝1.25。另一方面，在目前为工作日的8时～12时的时间段的情况下，根据图5中示出的使用率的一览表，充电器a的使用率u为u＝35％。因此，目前的充电器a的拥挤指数i计算为1.25×35％≒0.44。

充电器b的实效台数为n＝0.25。工作日的8时～12时的时间段的充电器b的使用率u为u＝40％(未图示)。在该情况下，充电器b的拥挤指数i计算为0.25×40％＝0.10。由于其他的充电器c～f的拥挤指数i的计算方法也一样，不再重复地进行详细的说明。

充电器a的实效台数n越多，则可能使用充电器a进行插电式充电的车辆的台数越多。但是仅仅是可能使用充电器a进行插电式充电的车辆的台数多得话，实际上并非一定会进行插电式充电。根据时间段的不同，既可能存在即使车辆台数多但插电式充电的需要小的情况，相反，也可能存在即使车辆台数少但插电式充电的需要大的情况。因此，还考虑当前的时间段中的充电器a的过去的实际使用情况(使用率u)。由于使用率u高意味着在过去的相同时间段充电器a的需要大，因此在当前充电器a的需要也大的可能性较高。

这样，根据本实施方式，通过考虑实效台数n及使用率u的双方，来计算充电器a的拥挤指数i。拥挤指数i越高的充电器，则虽然实际上是否被使用并不确定，但是使用该充电器进行插电式充电的潜在的需要越大，该充电器拥挤的可能性越高。因此，用户在自身的车辆的到达范围内设置有多台充电器的情况下，通过尽量选择拥挤指数i低的充电器来提高能够避免拥挤或者能够缩短等待时间的可能性。这样，服务器5针对每个充电器a～f计算拥挤指数i，并通过向用户提供该计算结果，来辅助用户选择充电器。

＜选择辅助处理流程＞

在以下的流程图中，考虑图6中示出的例子，在例中对服务器5辅助由车辆2的用户进行的充电器的选择的构成进行说明。

图8是示出实施方式1中的充电器的选择辅助处理的流程图。在图8及后述的图10的流程图中，在图中左侧示出由车辆2(车辆2的ecu100)执行的一系列的处理，在图中右侧示出由服务器5(服务器5的运算装置500)执行的一系列的处理。另外，虽然包含于这些流程图中的各步骤(以下简略为“s”)基本上通过由ecu100或者运算装置500进行的软件处理来实现，但是也可以由制作于ecu100或者运算装置500内的专用的硬件(电路)来实现。

虽未图示，车辆2定期地将表示车辆2的当前所在地的gps信息、表示车辆2的可行驶距离的信息发送给服务器5。对于其他的车辆1、3、4也一样。基于这些信息，服务器5计算车辆1～4各自的到达范围，并将其计算结果存储于到达范围数据库512。由此，使得存储于到达范围数据库512的数据总是被更新为最新的状态。

参照图8，在s11中，车辆1希望进行插电式充电，以提供充电信息(车辆1的周边的充电器的拥挤指数i)的方式向服务器5进行请求。

在s21中，服务器5参照到达范围数据库512读取各车辆1～4的到达范围。

在s22中，服务器5通过参照存储于位置信息数据库511的充电器的位置信息，提取设置于在s21中所读取的车辆2的到达范围内的充电器。在图6中示出的例中，提取了位于车辆2的到达范围(圆形区域r2)内的四个位置的充电器a、b、c、e。

在s23中，服务器5从实际使用情况数据库513中读出设置于车辆2的到达范围内的充电器的各自的使用率u。在图6中示出的例中，对于四个位置的充电器a、b、c、e，在例如今天是工作日的规定时间段的情况下，读取过去的工作日的相同的时间段中的使用率u。

在s24中，服务器5计算可能与在s22中所提取的充电器关联的每台车辆的换算台数n。如上所述，某台车辆的换算台数n通过设置于该车辆的到达范围内的充电器的台数的倒数进行计算。在图6中示出的例子中，在位于车辆2的到达范围内的充电器a、b、c、e中，首先计算能够到达充电器a的车辆的换算台数n。具体而言，对于能够到达充电器a的车辆1、2，车辆1的换算台数n为n＝1，车辆2的换算台数n为n＝0.25。

在s25中，服务器5针对每台充电器合计换算台数n，由此计算可能到达该充电器的车辆的实效台数n。在图6中示出的例中，可能到达充电器a的车辆的实效台数n计算为n＝1+0.25＝1.25(参照图7)。

在s26中，服务器5通过使在s25中计算的实效台数n乘以在s23中读取的使用率u(按工作日、休息日、节假日区别的每个时间段的值)，来计算每个充电器的拥挤指数i。作为一例，通过使可能到达充电器a的车辆的实效台数n即n＝1.25乘以充电器a的使用率u即u＝35％，充电器a的拥挤指数i计算为i＝n×u＝0.44(参照图7)。

在s27中，服务器5对在s32中被提取的所有的充电器的拥挤指数i是否均被计算进行判定。如果并非所有的充电器的拥挤指数i均被计算(在s27中为否)，则处理返回s23而计算下一个充电器的拥挤指数i。由此，也对其余的充电器b、c、e计算拥挤指数i。当所有的充电器a、b、c、e的拥挤指数i的计算均完成时(在s27中为是)，服务器5将各充电器a、b、c、e的拥挤指数i发送给车辆2(s28)。

在s12中，当车辆2的ecu100从服务器5接收每个充电器a、b、c、e的拥挤指数i后，将该拥挤指数i显示于导航装置130的显示器132。虽然将表示拥挤指数i的数值显示出即可，但是优选采用如下的显示方法。

图9a及图9b是用于对导航装置130的显示器132上的拥挤指数i的显示方法进行说明的图。在本实施方式中，在显示器132上的地图显示(例如参照图3)中，包含表示车辆2的当前所在地的图标，并且包含表示充电器的位置的图标。在充电器的图标中附有根据该充电器的拥挤指数i而阶段性地确定的颜色。更详细而言，拥挤指数i被分成多个区间，并设定了与该区间相对应的颜色。

作为一例，如图9a中示出，充电器的拥挤指数i根据预定的值i1～i4而划分为五个阶段。并且，在拥挤指数i为i4以上的情况下用红色来显示图标，在拥挤指数i为i3以上且小于i4的情况下用橙色来显示图标，在拥挤指数i为i2以上且小于i3的情况下用黄色来显示图标，在拥挤指数i为i1以上且小于i2的情况下用绿色来显示图标，在拥挤指数i为(0以上)小于i1的情况下用蓝色来显示图标。这样地，将拥挤指数i通过充电器的图标的颜色进行视觉化，由此，能够使用户更容易地选择拥挤指数i低的充电器(拥挤程度低的充电器)。

虽然在图9a中对由拥挤指数i(绝对值)进行的图标的颜色划分的例子进行了说明，但是颜色划分的方法不做特别的限定。例如也可以根据拥挤指数i的相对值来进行图标的颜色划分。

如果更详细地进行说明，在图8的流程图中，对作为拥挤指数i的计算对象的充电器是位于车辆2的到达范围内的四个位置的充电器a、b、c、e的情况进行了说明。但是，实际上，服务器5根据来自各种车辆的请求，计算设置于更大区域的多个充电器的拥挤指数i。因此，服务器5也可以根据充电器a、b、c、e的拥挤指数i相对于设置于车辆2行驶中的地区内(例如相同市区内)的全部的充电器的拥挤指数i的相对值来进行图标的颜色划分。

举出具体例子进行说明。服务器5求出设置于车辆2行驶中的地区内(相同市区内)的充电器的拥挤指数i的最大值。并且，服务器5通过充电器a的拥挤指数i相对于该最大值的比例(＝充电器a的拥挤指数i/拥挤指数i的最大值)来计算充电器a的拥挤指数i的相对值。该相对值(相对拥挤指数p)由0％～100％的范围内的数值进行表示。

并且，例如图9b所示，可以在相对拥挤指数p为90％以上(且100％以下)的情况下用红色显示图标，在相对拥挤指数p为70％以上且小于90％的情况下用橙色显示图标，在相对拥挤指数p为50％以上且小于70％的情况下用黄色显示图标，在相对拥挤指数p为30％以上且小于50％的情况下用绿色显示图标，在相对拥挤指数p为(0％以上)小于30％的情况下用蓝色显示图标。

车辆2的用户以显示于导航装置130的显示器132的图标的颜色为参考，通过操作显示器132上的触摸屏，来选择任意一个充电器(例如拥挤指数i或者相对拥挤指数p最低的充电器)。然后，导航装置130将从车辆2的当前所在地到所选择的充电器的行驶路线(推荐路线)显示于显示器132，并且，开始进行到所选择的充电器的路线导航。此外，除了在导航装置130的显示器显示之外，也可以将拥挤指数i或者相对拥挤指数p通过音声向用户通知。

如上所述，在实施方式1中，计算表示位于能够到达某个充电器的范围内且能够利用该充电器进行插电式充电的车辆的实效性台数即实效台数n。并且，基于充电器的实效台数n和该充电器的过去的实际使用情况计算作为表示利用该充电器进行插电式充电的潜在的需要的大小的指标的拥挤指数i(＝n×u)。通过使用拥挤指数i，用户能够适当地选择拥挤可能性较低的充电器。这样一来，根据实施方式1，能够提供用于用户判断选择哪个充电器比较理想的适当的信息。

在本实施方式中，虽然对在拥挤指数i的计算中使用实效台数n及使用率u的双方的方式进行了说明，但是使用率u的使用不是必须的。由于能够到达某个充电器的实效台数n多意味着具有使用该充电器进行插电式充电的可能性的车辆的台数多，因此该充电器拥挤的可能性高。即，能够仅由实效台数n推测该充电器拥挤的可能性。因此，也可以不考虑某个充电器的过去的实际使用情况而仅使拥挤指数i＝实效台数n。

此外，在s21、s22中由服务器5提取的充电器并不限定于如图6中示出的以车辆为中心的圆形区域内的充电器。例如，服务器5也可以除了车辆可行驶距离之外，还从车辆取得表示车辆的预定行驶路线的信息。在该情况下，能够提取位于从车辆的当前所在地起的预定行驶路线上(或者预定行驶路线的周围)的充电器。

另外，在实施方式1中，虽然对车辆1～4任意一个均为电动汽车的情况在例子中进行了说明，但是车辆1～4也可以是插电式混合动力汽车。在插电式混合动力汽车中，由于在可行驶距离减少时也能够进行加油，因此与电动汽车相比，认为插电式充电的需要相对较小。因此，服务器5能够针对每辆车辆取得电动汽车/插电式混合动力汽车的不同(种类)，并将车辆为插电式混合动力汽车的情况下的换算台数n计算为比该车辆为电动汽车的情况下的换算台数n小。

[实施方式2]

在实施方式1中，对通过充电器的实效台数n和使用率u的乘积定义拥挤指数i的例子进行了说明(参照上述式(2))。但是，这不过是用于计算充电器a的拥挤指数i的评价函数f的一例，评价函数f的形式不做特别地限定。在实施方式2中，对使用了其他的评价函数f的例子进行说明。此外，实施方式2的充电信息提供系统9的构成与实施方式1中的构成(参照图1及图2)是相同的。

在实施方式2中，如下述式(3)所示，通过将实效台数n和使用率u以规定的比例相加来定义拥挤指数i。

i＝αn+βu…(3)

式(3)中的实效台数n的系数α及使用率u的系数β通过以使得相对于在大量车辆进行插电式充电时实际取得的数据(拥挤指数i、实效台数n及使用率u的许多组合，所谓的大数据)最佳地相符的方式通过最优化算法而确定的。如以下的说明，系数α、β可以通过使用了梯度法的机器学习来决定。

考虑某台车辆(在此记作“车辆v”)在某个充电器(记作“充电器chg”)进行了插电式充电的情况。在该情况下，由服务器5以前述的方式对充电器chg的实效台数n进行计算，并从实际使用情况数据库513读出充电器chg的使用率u。另外，在车辆v到达充电器chg时，如果充电器chg正被其他车辆使用中，使拥挤指数i＝1，如果充电器chg闲置，使拥挤指数i＝0。当将上述三个值的组合(n，u，i)带入式(3)时，得到以系数α、β为未知数的一个方程式。

在进行车辆v以外的车辆的插电式充电的情况下也同样地，通过将实效台数n、使用率u及拥挤指数i的值带入式(3)，得到以系数α、β为未知数的其他方程式。通过这样，可以得到与具有插电式充电的机会的次数数量相同的方程式。

以最佳地符合这样得到的多个方程式的方式，通过梯度法计算两个系数α、β的组合。更特定而言，通过机器学习计算使式(3)的均方误差j＝(αn+βu-i)²为最小的系数α、β的组合。通过使用所计算的系数α、β，在新进行车辆的插电式充电的情况下，能够根据实效台数n及使用率u来计算拥挤指数i。

图10是表示实施方式2中的充电器的选择辅助处理的流程图。在该流程图执行之前，前述的机器学习已执行结束，系数α、β已被计算。

参照图10，该流程图在取代s26的处理而包含s36的处理这一点与实施方式1中的流程图(参照图8)不同。在s36中，服务器5通过将在s35计算的实效台数n和在s33中读出的使用率u(按工作日、休息日、节假日区别的每个时间段的值)代入上述式(3)，来计算各充电器的拥挤指数i。由于除s36以外的处理与实施方式1中的对应的处理等效，详细的说明不再重复。

如上所述，在实施方式2中，通过利用系数α进行了加权的实效台数n和利用系数β进行了加权的使用率u的和来计算拥挤指数i。在以这样的方式对拥挤指数i进行定义的情况下，如果也通过对于大量数据的机器学习来对系数α、β进行充分地最适化，则能够将插电式充电的潜在的需要的大小通过拥挤指数i来适当地表现。因此，通过实施方式2也能够和实施方式1同样地提供用于用户判断选择哪一个充电器较理想的适当的信息，因此，用户能够容易地选择拥挤的可能性低的充电器。

[实施方式2的变形例1]

在实施方式1、2中，说明了在实效台数n的计算时，通过服务器5收集与车辆的当前所在地及可行驶距离有关的信息。然而，服务器5未必能够从全部的车辆收集与其当前所在地及可行驶距离有关的信息，也可能存在不将上述信息发送给服务器5的车辆(即，未注册充电信息提供系统9的车辆)。也考虑到因由这种“未注册车辆”进行的插电式充电而充电器拥挤的可能性。另外，在充电器中还存在包含例如，由于新设置以来还没经过多长时间等，许多司机还未意识到其存在的充电器的情况。在实施方式2中，考虑了未注册充电信息提供系统9的车辆、新设置的充电器等的影响来计算拥挤指数i。

图11是用于对某台充电器的实效台数n与该充电器的使用率u之间的关系进行定量说明的图。在图11中，横轴表示充电器的实效台数n，纵轴表示充电器的使用率u。

在现在的充电器的实效台数n和过去的充电器的实际使用情况即使用率u之间存在对应关系。如果更详细地进行说明，一般地，某个充电器的实效台数n越多，则在不久的将来使用该充电器进行插电式充电的车辆的台数也越多。认为该趋势在过去也一样。因此，充电器的实效台数n越多，该充电器的使用率u也越高。作为这样的例子的一例，在图11中示出了随着实效台数n增加而使用率u线性地增加的例子(参照直线l1)。

通常如果实效台数n确定，则使用率u也会包含于包含直线l1的某个一定的范围内。将该范围称为使用率u的“标准范围”。在图11中，将表示标准范围的最大值的直线用l2进行表示，将表示标准范围的最小值的直线用l3进行表示。

以下，对某个充电器(记为充电器x)的实效台数n在某个时间段(记作时间段t)中为n0的情况进行说明。如图11所示，实效台数n＝n0的情况下的使用率u的标准范围为最小值umin与最大值umax之间的范围。

设为存储于实际使用情况数据库513中的时间段t中的充电器x的使用率u为标准范围内的ub。在该情况下，与实施方式2同样地根据上述式(3)计算拥挤指数i。

接下来，设为时间段t中的充电器x的使用率u为ua。ua高于标准范围的最大值umax。即，时间段t中的充电器x的使用率u明显高于根据实效台数n通常设想的使用率。在该情况下，有可能在充电器x的过去的实际使用情况中，在时间段t多台未注册车辆存在于充电器x的周围，或者因某活动等多台车辆存在于充电器x的周围，并且由这些车辆频繁使用充电器x。

鉴于上述情况，在某时间段中的充电器的使用率大于根据充电器的实效台数计算的标准范围的最大值的情况下，为了考虑未注册车辆等的存在，而根据与充电器的使用率为标准范围内的情况不同的计算式来计算拥挤指数i。具体而言，在充电器的使用率处于标准范围内的情况下，在拥挤指数i的计算中使用系数α、β(参照上述式(3))，与此相对，在充电器的使用率大于标准范围的最大值的情况下，如下述式(4)所示，使用其他的系数γ、δ。

i＝γn+δu…(4)

式(4)中的系数γ、δ也和系数α、β同样地，能够通过对在充电器的使用率高于标准范围的最大值的情况下取得的大量数据进行使用了梯度法的机器学习来决定。

若对式(3)和式(4)进行比较，则系数δ相对于系数γ的大小(＝δ/γ)大于系数β相对于系数α的大小(＝β/α)。这意味着在充电器的使用率高于标准范围的最大值的情况下，相比式(4)的第1项(γn)相对地更重视式(4)的第2项(δu)，换言之，意味着相比实效台数n的权重而增大使用率u的权重。

相反地，对时间段t中的充电器x的使用率u为低于标准范围的最小值umin的uc的情况进行说明。在该情况下，时间段t中的充电器x得使用率u明显低于由实效台数n通常设想的使用率。这例如有可能是由于充电器x是最近被设置的，并且在设置之后充电器x的存在并未被充分地意识到等的原因，而在充电器x的过去的实际使用情况中使用率u变低到过小。在这样的情况下，也根据使用了另外的其他的系数ε、ζ的计算式来计算拥挤指数i(参照下述式(5))。

i＝εn+ζu…(5)

在此，系数ε相对于系数ζ的大小(＝ε/ζ)大于系数α相对于系数β的大小(＝α/β)。这意味着在充电器的使用率小于标准范围的最小值的情况下，相比式(5)的第2项(ζu)相对地更重视式(5)的第1项(εn)，换言之，意味着相比使用率u的权重而增大实效台数n的权重。

此外，在图11中，对使用率u随着实效台数n增加而线性地增加的例子进行了说明。但是，只要是使用率u随着实效台数n增加而单调地增加即可，表示使用率u的增加方式的函数不做特别限定。

图12是表示实施方式2的变形例1中的充电器的选择辅助处理的流程图。参照图12，该流程图在包含s46～s475的处理的要点上与实施方式2中的流程图(参照图10)不同。

此外，由于s41～s45的处理分别与实施方式2中的s31～s35的处理相同，不再重复进行详细的说明。另外，在图12及后述的图13中，出于篇幅的考虑虽然未记载由车辆2执行的处理(参照图8或图10的流程图的左侧)，但是由车辆2执行的处理是相同的。

在s46中，服务器5算出与在s45中计算的实效台数n对应的使用率u的标准范围。更详细而言，针对每个实效台数n预先求出如图11所示的标准范围的最大值和最小值，并作为映射(也可以是函数、关系式等)存储于服务器5的存储器(未图示)中。服务器5通过参照该映射，由实效台数n计算标准范围的最大值和最小值。

在s471中，服务器5对在s43中读出的使用率u是否处于在s46中计算的标准范围内进行判定。在使用率u处于标准范围内的情况(在s471中为是)下，服务器5根据上述式(3)计算充电器的拥挤指数i(s473)。具体而言，服务器5通过从存储器读出系数α、β，并将系数α和β、在s45中计算的实效台数n和在s43中读出的使用率u代入上述式(3)，来计算该充电器的拥挤指数i。

对此，在使用率u为标准范围以外的情况(在s471中为否)下，服务器5对使用率u是否大于标准范围的最大值umax进行判定(s472)。在使用率u大于标准范围的最大值umax的情况(在s472中为是)下，服务器5使处理进入s474，并根据上述式(4)计算充电器的拥挤指数i。具体而言，服务器5通过将从存储器读出的系数γ和δ、在s45中计算的实效台数n和在s43中读出的使用率u代入式(4)，来计算该充电器的拥挤指数i。

另一方面，在使用率u小于标准范围的最小值umin的情况(在s472中为否)下，服务器5使处理进入s475，并根据上述式(5)计算充电器的拥挤指数i。具体而言，服务器5通过将从存储器读出的系数ε和ζ、在s45中计算的实效台数n和在s43中读出的使用率u代入式(5)，来计算该充电器的拥挤指数i。

当s473～s475中的任意一个处理结束时，服务器5对是否计算出了在s42中提取的所有的充电器的拥挤指数i进行判定。如果未计算所有的充电器的拥挤指数i(在s48中为no)，则处理返回s43，并计算下一个充电器的拥挤指数i。当所有的充电器的拥挤指数i的计算结束时(在s48中为是)，服务器5将各充电器的拥挤指数i发送给车辆2(s49)。

如以上那样，在实施方式2的变形例1中，与实施方式2同样地，通过利用系数进行了加权的实效台数n和利用系数进行了加权的使用率u的和来计算拥挤指数i。此时，在变形例2中，根据充电器的使用率u是否处于标准范围内、使用率u是否大于标准范围的最大值umax、使用率u是否小于标准范围的最小值umin来使用不同的系数。由此，能够使在充电信息提供系统9中存在未注册的车辆等、新设置的充电器的影响更准确地反映于拥挤指数i。因此，根据实施方式2的变形例1，与实施方式2相比能够进一步提高用于用户选择充电器的充电信息的精度。

此外，在图12中示出的例子中，对根据充电器的使用率u与标准范围之间的大小关系进行三种情况的划分的例子进行了说明。然而，也可以仅进行充电器的使用率u是否在标准范围内、是否高于标准范围的最大值umax这两种情况的划分。另外，也可以仅进行充电器的使用率u是否在标准范围内、是否低于标准范围的最小值umin这两种情况的划分。

[实施方式2的变形例2]

如上所述，系数α、β通过对大量的数据(大数据)适用使用了梯度法的机器学习等的最优化算法来计算。一般地，为了确保机器学习的精度，需要准备足够量的数据。因此，在与充电器的实际使用情况(使用率u)有关的数据量不充足的情况下，具有系数α、β的计算精度变低的可能性。

另外，即使在某台充电器的到达范围内存在一台或者多台车辆的情况下，是否实际进行使用该充电器的插电式充电也是概率性的。如果存在于充电器的到达范围内的车辆的台数(实效台数n)非常多，则拥挤指数i适当地反映了使用该充电器的插电式充电的潜在的需要。然而，在充电器的实效台数n过少的情况下，偏差的影响变大，具有即使计算拥挤指数i，拥挤指数i也不值得信赖的可能性。这样，在实施方式2的变形例2中，考虑充电器的使用率u的数据量不充分，或者充电器的实效台数n不足的情况。

图13是表示实施方式2的变形例2中的充电器的选择辅助处理的流程图。参照图13，该流程图在包含s561～s566的处理的要点上与实施方式2中的流程图(参照图10)不同。s51～s55的处理分别与实施方式2中的s31～s35的处理相同。

在s561中，服务器5对于作为对象的充电器，判定是否使用率u的数据量充足且实效台数n为规定的基准台数nc以上。作为一个例子，在如图4所示的充电器的实际使用情况的数据由实际使用情况数据库513积累了规定时间(例如1年)以上的情况下，判定为使用率u的数据量充足。另一方面，在充电器的实际使用情况的数据的积累时间小于1年的情况下，判定为使用率u的数据量不充足。

在使用率u的数据量充足且实效台数n为基准台数nc以上的情况下(在s561中为是)，服务器5根据上述式(3)计算充电器的拥挤指数i(s564)。该处理与已详细说明了的处理相同。对此，在使用率u的数据量不充足或者实效台数n小于基准台数nc的情况下(在s561中为否)，处理进入s562。

在使用率u的数据量充足但实效台数n小于基准台数nc的情况下(在s562中为否)，服务器5根据下述式(6)计算充电器的拥挤指数i(s565)。

i＝α’n+βu…(6)

式(6)中的实效台数n的系数α’比式(3)中的系数α小规定值(α’＜α)。这样，式(6)是以使实效台数n的权重变小的方式修正式(3)而得到的式子。

在使用率u的数据量不充足且实效台数n为基准台数nc以上的情况下(在s563中为否)，服务器5根据下述式(7)计算充电器的拥挤指数i(s566)。

i＝αn+β’u…(7)

式(7)中的使用率u的系数β’比式(3)中的系数β小规定值(β’＜β)。这样，在s566中，根据以使使用率u的权重变小的方式修正式(3)得到的式(7)来计算充电器的拥挤指数i。

在某台充电器的使用率u的数据量不充足且实效台数n小于基准台数nc的情况(在s563中为否)下，服务器5不计算该充电器的拥挤指数i而将未计算拥挤指数i的情况向车辆2发送。之后，在车辆2的导航装置130的显示器132上，未计算拥挤指数i的充电器的图标用无色进行表示。由此，能够使得用户不选择未计算拥挤指数i的充电器。此外，由于s57之后的处理与实施方式2中的s37之后的处理相同，因此不再重复说明。

如上，在实施方式2的变形例2中，在充电器的使用率u的数据量不充足的情况下，与充电器的使用率u的数据量充足且实效台数n充足的情况(样本量多的情况)相比，将使用率u的权重设定为低。另外，在充电器的实效台数n不足的情况下，与样本量多的情况相比，将实效台数n的权重设定为低。由此，由于充电器的使用率u及实效台数n之中可靠度高的一方的参数的影响变大，因此拥挤指数i的精度提高。因此，根据实施方式2的变形例2能够进一步提高供用户选择充电器的充电信息的精度。

但是，考虑充电器的使用率u的数据量及充电器的实效台数n的双方并不是必须的。也可以进行如下处理：取代在图13中示出的例子而仅判定充电器的使用率u的数据量是否充足，并根据其判定结果使使用率u的权重不同。另外，也可以进行如下处理：仅判定充电器的实效台数n与基准台数nc的大小关系，并根据其判定结果使实效台数n的权重不同。

此外，用于由从车辆外部供给的电力对蓄电池110进行充电(外部充电)的结构不限定于上述的插电式充电(接触充电)的结构。也可以根据利用了车辆与外部电源的电磁耦合的非接触充电方式对蓄电池110进行充电。具体而言，在外部电源侧设置原线圈并在车辆侧设置副线圈。通过利用原线圈和副线圈之间的互感，车辆即使不接触外部电源也能够从该外部电源接受电力。

虽对本发明的实施方式进行了说明，但应该认为本次公开的实施方式的全部方面均为示例而非限制性的内容。本发明的范围由权利要求书的范围表示，意图包含与权利要求书的范围均等的含义及范围内的所有变更。