自律走行タクシーの充放電連携経路計画が運用収益を革新
広東工業大学の研究チームは、自律走行電動タクシーの運行最適化において画期的な進展を遂げた。同チームが提唱する新たな動的スケジューリングモデルは、即時のコスト最適化に留まらず、将来の運用収益をリアルタイムの意思決定に統合することで、長期的な収益性を飛躍的に向上させる。この研究は、自動化された都市交通の未来を形作る上で、重要な一歩を示している。
本研究は、自動化学院の曾偉良（Zeng Weiliang）氏と韓宇（Han Yu）氏、および機電工学院の傅惠（Fu Hui）氏によって主導され、『Industrial Engineering Journal』に掲載された。研究の核心は、従来のタクシー配車モデルが抱える根本的な課題、すなわち「現在の経路決定が将来の運用収益に与える影響を無視していること」を解決することにある。既存のシステムは、最も近い車両を新たな依頼に割り当てる「貪欲なマッチング」アルゴリズムに依存しており、これは計算が速くシンプルである一方で、長期的な視点での最適化には不向きである。その結果、車両の分布が非効率になり、乗客の待ち時間が長くなり、エネルギーの浪費が生じるという問題が生じていた。
この課題を克服するために、研究チームは「強化学習」（Reinforcement Learning）の枠組みを採用した。このアプローチの革新性は、各車両の「状態価値関数」を深層ニューラルネットワークで近似し、車両が特定の行動（移動、充電、放電、乗客のピックアップ）を取った後の、その瞬間の位置と時間における「将来の潜在的な収益」を予測できる点にある。つまり、システムは「今すぐこの依頼を受けるといくら儲かるか」だけでなく、「この依頼を受けた後、その車両が将来どの程度の収益を上げられるか」という、より大局的な視点から判断を下す。この「未来の価値」を現在の意思決定に反映させることで、車両の再配置や充電タイミングを、長期的な利益最大化に向けて戦略的に最適化することが可能になる。
さらに、本モデルの優れた点は、電力網との双方向的な連携、すなわち「ビークル・トゥ・グリッド」（V2G）技術を積極的に活用していることだ。これは、自律走行タクシーを単なる移動手段ではなく、都市のエネルギーネットワークにおける「モバイル・バッテリー」として機能させることを意味する。従来のモデルは、充電を「コストがかかる必要悪」として扱う傾向があったが、本モデルはこれを「収益を生み出す機会」と捉える。具体的には、電力の需要が高く価格が上がる「ピーク時間帯」に、充電ステーションに停車中の車両のバッテリーに蓄えられた電力を電力網に「逆潮流」（放電）することで、価格差による収益を得ることができる。逆に、電力価格が安い「オフピーク時間帯」に充電を行うことで、コストを最小限に抑える。このように、時間帯別電気料金制度を巧みに利用することで、エネルギーの「購入コスト」と「売却収益」の差額である「ネットエネルギー費用」を劇的に削減できる。
モデルの実装は、5分間の固定時間枠内で行われる。各時間枠の開始時に、システムはすべての「スケジューリング可能」な車両に対して、以下の行動の組み合わせを評価する。1) 待機：現在地に留まり、新たな依頼を待機。2) 移動：他の地域に移動し、将来の需要の高いエリアに事前に配置。3) 充電：充電ステーションでバッテリーを充電。4) 放電：充電ステーションでバッテリーから電力を電力網へ売却。5) マッチング：乗客の依頼を受諾し、ピックアップに向かう。各行動には、即時の報酬（例：運賃収入）と、その行動の結果として得られる未来の状態の予測価値を加算した「合成価値」が割り当てられる。最終的なスケジューリングは、この合成価値の合計が最大になるような、車両と行動の最適な組み合わせ（重み付き二部マッチング問題）を解くことで決定される。
この複雑な最適化問題を効率的に解くために、研究チームは二段階のアプローチを採用している。まず、貪欲なヒューリスティックを用いて、合成価値が高い行動から順に、車両と行動をマッチングする初期解を生成する。この段階では、乗客のマッチングが優先される。次に、この初期解を整数計画法のソルバーに入力し、さらに最適化を加える。この方法により、大規模な都市環境においても、計算時間を抑えながら高品質な解を得ることが可能になる。
モデルの学習プロセスは、深層Q学習（DQN）の技術を拡張したものである。まず、車両の状態（位置、残り電量、時間帯、最近の充電ステーションまでの距離など）と行動の組み合わせからなる「経験」を、リプレイバッファーと呼ばれる記憶領域に蓄積する。次に、このバッファーからミニバッチをランダムにサンプリングし、評価ネットワークの重みを更新する。この「経験リプレイ」により、学習の安定性とデータ効率が向上する。また、学習の安定性をさらに高めるために、「ダブルニューラルネットワーク」の手法が用いられる。これは、行動価値の評価に「評価ネットワーク」を、学習ターゲットの生成に「ターゲットネットワーク」を分けて使用するもので、学習の発散を防ぎ、収束を早める効果がある。
このモデルの有効性は、中国・深セン市の道路網を模した大規模なシミュレーション実験によって検証された。シミュレーションは、2.876の道路と1.712の交差点からなる6km×6kmの都市エリアで、40台の自律走行電動タクシーが100日間（約10万回の時間枠）にわたり運行する設定で行われた。実際の深セン市の時間帯別電気料金（ピーク時1.38元/kWh、オフピーク時0.28元/kWh）と、歴史的なタクシー需要データが使用された。
その結果、本モデルは従来の3つのベンチマークモデル（FCFS、OB、DQN）と比較して、圧倒的な性能を発揮した。まず、長期的な運用利益が25%向上した。これは、より多くの乗客を効率的に運ぶことで得られる収益増加と、V2G技術を活用したエネルギーコストの大幅な削減が相乗効果を生んだ結果である。驚くべきことに、エネルギーコスト（充電費用と放電収益の差額）は50%も削減された。これは、モデルが価格の変動を正確に予測し、オフピーク時に充電し、ピーク時に電力を売却するという、高度なエネルギーマネジメントを実現したことを示している。
サービスの質においても、大きな改善が見られた。乗客の応答率（依頼に対して成功裏にサービスを提供できた割合）が4%ポイント向上し、73%を超えた。これは、車両が需要の高いエリアに事前に再配置されることで、依頼が発生した際にすぐに対応できるようになったためである。その結果、乗客の平均待ち時間は20%短縮され、8分を下回った。これは、都市交通の利便性という観点からも、非常に重要な成果である。
本研究の成功は、自律走行車両の運行管理におけるパラダイムシフトを示している。それは、単に「依頼が来たから、一番近い車を送る」という反応的なアプローチから、「将来の収益を最大化するために、今、どのような行動を取るべきか」という、予見的かつ戦略的なアプローチへの転換である。このモデルは、車両を都市の「移動するエネルギー資産」として捉え、交通とエネルギーのインフラを統合的に最適化する可能性を開く。自律走行タクシーは、渋滞の緩和や二酸化炭素排出の削減に加え、電力網の負荷平準化（ピークシフト）に貢献する「スマートシティの鍵」になる可能性を秘めている。
この研究の成果は、今後の自律走行車両の実用化に向けた重要な指針となる。自動車メーカー、モビリティサービスプロバイダー、都市計画当局は、単に車両の性能や安全性だけでなく、こうした高度な運行アルゴリズムとV2Gインフラの整備が、ビジネスの成功と社会的価値の創造に不可欠であることを認識しなければならない。曾偉良氏らの研究は、技術革新がもたらす未来の都市交通の姿を、現実のものに近づける重要な一歩である。
曾偉良、韓宇、傅惠。Industrial Engineering Journal。doi: 10.3969/j.issn.1007-7375.230095