移動充電ステーションで物流最適化
都市物流の世界は、持続可能性と効率性の追求という二つの大きな潮流に直面している。環境規制の強化と消費者の環境意識の高まりにより、電動車両（EV）の導入はもはや選択肢ではなく、必然の流れとなっている。特に「カーボンピーク」や「カーボンニュートラル」の目標が設定される中、宅配や最後の1マイル配送の分野では、EVの導入が急速に進んでいる。しかし、その普及を妨げる大きな壁が存在する。それは、走行距離の限界と、その克服に不可欠な充電インフラの不足と不適切な配置である。
多くの物流企業が直面している現実は、EVを導入しても、その本来の効率性を十分に発揮できないというジレンマだ。固定式の充電ステーションは都市部では数が限られ、また、その位置は配送ルートとは無関係に設置されている。そのため、EVは目的地ではなく、充電のためにわざわざ遠回りを強いられ、結果として走行距離が延び、配送時間が延び、エネルギー効率は低下する。この「充電のための迂回」は、EVの導入メリットを大きく相殺してしまう。この課題を解決するために、中国の研究者たちが画期的なアプローチを提唱している。それは、「車両が充電ステーションに向かうのではなく、充電ステーションが車両に向かう」という発想の転換である。
河北工業大学経済管理学院の馬艶芳（Ma Yanfang）、薛金昭（Xue Jinzhao）、李保玉（Li Baoyu）の3名と、南開大学現代物流研究センターの楊屹夫（Yang Yifu）氏が共同で行った研究は、この問題に正面から取り組んでいる。彼らが提唱するモデルは、「移動式充電ステーション」の導入である。ここでいう移動式とは、配送中にEVの後を追いかけるような複雑で高コストなシステムではなく、より現実的かつ効率的な概念だ。具体的には、配送サイクルの開始前に、充電サービスプロバイダーが、その日の最適な配送ルートに最も「合致」する位置に、移動可能な充電ユニットを設置するというものだ。この位置は、配送の開始と同時に固定され、配送中はその場所で待機する。EVは、走行中に電力が低下した時点で、この事前に配置されたステーションに立ち寄って充電を行う。これにより、EVは自身の配送ルートから大きく外れる必要がなく、効率的な走行を維持しつつ、電力切れのリスクを回避できる。
この研究の核心は、従来の「車両ルート最適化」と「充電ステーション立地選定」を別々に考えるのではなく、両者を密接に連携させた統合的な最適化モデルを構築した点にある。この問題は、学術的には「電動立地ルーティング問題（Electric Location-Routing Problem, ELRP）」と呼ばれる非常に複雑な課題に分類される。なぜなら、最適な配送ルートは充電ステーションの位置に依存し、一方で、最適な充電ステーションの位置もまた、どのルートが選ばれるかに依存するため、両者は相互依存の関係にあるからだ。さらに、この問題はNP困難と呼ばれる計算複雑性を有しており、すべての可能性を網羅的に検討して最適解を求めるのは、現実的な時間内では不可能である。
この複雑な課題に立ち向かうため、研究チームは「遺伝子-ＲＳＩ二段階アルゴリズム」という独自の解法を考案した。このアルゴリズムの優れた点は、巨大な問題を二つの管理しやすいステップに分解し、それぞれに最適な手法を適用することで、効率的に高品質な解を導き出す点にある。
第一段階では、「遺伝的アルゴリズム（Genetic Algorithm, GA）」を用いて、初期の配送ルートを生成する。この段階では、EVのバッテリー残量という制約は考慮せず、純粋に「総配送距離を最小化する」ことを目的とする。遺伝的アルゴリズムは、生物の進化のプロセスを模倣した手法で、多数のルート（これを「個体群」と呼ぶ）を生成し、それらの「適応度」（ここでは距離の短さ）を評価する。そして、適応度の高いルート同士を「交配」させ、新たなルートを生み出し、また、偶然の「突然変異」を導入することで、探索の多様性を保ちながら、世代を重ねるごとに最適解に近づいていく。この第一段階の結果、各EVがどの順序でどの顧客を回るかという、非常に効率的な初期ルートが得られる。
第二段階が、この研究の真の革新点である「ＲＳＩ（Recharge Station Insertion）アルゴリズム」の適用である。この段階では、第一段階で得られた優れたルートを出発点として、そこに移動式充電ステーションを「挿入」する。ＲＳＩアルゴリズムは、各EVのルートを詳細に分析し、電力が尽きる前に充電が必要となる「エリア」を特定する。そして、そのエリア内に、充電ステーションを設置することで、EVが最小限の迂回距離で充電できる位置を計算する。ここで最も重要なのは、複数のEVが同じ地域で充電を必要とする場合、それらの充電ニーズを「統合」して、一つの移動式ステーションを共有できる可能性を検討する点だ。これにより、必要な充電ステーションの総数を削減し、インフラコストを大幅に抑えることができる。この「統合」のプロセスは、複雑な幾何学的な計算を伴い、複数のルートが交差する「共通の実行可能領域」を見つけることで、一つのステーションが複数のEVのニーズを満たせる最適な位置を決定する。
この研究の成果は、理論的な美しさだけでなく、実用的な価値も非常に高い。研究チームは、業界標準のベンチマークデータセットを用いて、自らのアルゴリズムを検証した。その結果、移動式充電ステーションを導入することで生じる「追加の配送距離」は、平均して5%未満に抑えられることが明らかになった。これは、物流の世界において極めて重要な数字である。なぜなら、5%という小さな距離の増加は、燃料費や人件費の増加という形で直接的なコスト増をもたらすが、それと引き換えに、EVの走行距離の制約を克服し、より長距離・大規模な配送が可能になるという大きなメリットを得られるからだ。この「コストと便益のトレードオフ」は、多くの物流企業にとって受け入れ可能な範囲内にある。
さらに、研究チームは、他の有名な最適化アルゴリズム（粒子群最適化、焼きなまし法）との比較も行った。その結果、彼らの「遺伝子-ＲＳＩ」二段階アルゴリズムは、他の手法と比べて平均で-4.04%と-3.65%の性能向上（Gap値）を達成した。これは、彼らのアルゴリズムが、より短い総距離を達成できることを意味し、その有効性を強く裏付けている。
この研究は、物流企業に多くの示唆を与える。まず、初期ルートの品質が最終的な結果に大きく影響することが分かった。つまり、第一段階の遺伝的アルゴリズムが生成するルートが優れていればいるほど、第二段階での充電ステーションの統合がスムーズに進み、最終的な追加距離も小さくなる。これは、企業が高品質なルートプランニングシステムへの投資を検討する上で、非常に重要なインセンティブとなる。
また、投入する移動式充電ステーションの「台数」についても、重要な知見が得られた。当然、ステーションの台数を増やせば、EVが充電のために迂回する距離は短くなる。しかし、その効果には「限界」がある。ある一定の台数を超えると、それ以上ステーションを増やしても、配送距離の短縮効果はほとんど得られない。その代わりに、ステーションの稼働率が低下し、投資対効果が悪化する。したがって、企業は「可能な限り多くのステーションを投入する」のではなく、「最適な台数」を見極める必要がある。この最適台数は、顧客の分布密度、1日の配送量、EVのバッテリー容量など、企業固有の要因に依存する。
もう一つ興味深い発見は、EVの「電力消費率」に関するものだ。直感的には、電力消費率が低い（つまり、より省エネな）EVほど、より良い結果を出すと思われる。しかし、研究では、電力消費率が高いEVの方が、特定の条件下でより効率的な充電が可能になるという逆説的な結果も示された。その理由は、省エネなEVは航続距離が長いため、より遠くの共用ステーションを利用しようとするが、その結果、実際の迂回距離が長くなる可能性があるからだ。一方、電力消費率が高いEVは、航続距離が短いため、必然的に近くのステーションしか利用できず、その結果、迂回距離が短くなるという効果が働く。このように、個々の要素の最適化ではなく、システム全体の最適化がいかに重要かを示している。
この「移動式充電ステーション」のモデルは、物流業界に新たなビジネスチャンスも開く。物流企業は、高額な充電インフラを自社で保有するのではなく、専門のサービスプロバイダーから「充電サービス」を購入するという「Charging-as-a-Service (CaaS)」のモデルが現実的になる。これにより、設備投資のリスクを回避し、運用コストに変換することで、EVへの移行をよりスムーズに進めることができる。
河北工業大学、南開大学。馬艶芳、薛金昭、李保玉、楊屹夫。『Computer Engineering and Applications』、doi:10.3778/j.issn.1002-8331.2303-0263