電動車充電インフラの最適化モデルが革新をもたらす
電動車（EV）の普及が世界的なトレンドとなり、自動車産業はかつてないほどの転換期を迎えている。しかし、この移行を成功させる鍵は、単に車両の技術革新にとどまらず、その背後を支えるインフラの整備にある。特に、公共充電ステーションの配置計画は、ユーザーの利便性、コスト効率、そして電力網の安定性に直結するため、都市計画やエネルギー政策の最前線に立っている。中国の南京大学工程管理学院（School of Management and Engineering, Nanjing University）に所属するXu Wei、Lu Weijie、Chen Zhiqiangの研究チームは、この複雑な課題に斬新な解決策を提示した。彼らが開発した統合的でロバストな最適化モデルは、従来の分断的なアプローチを打破し、EV充電ネットワークの計画プロセスに革命をもたらす可能性を秘めている。
現在のEVインフラの現状は、量的拡大から質的向上へと移行しつつある。中国は世界最大のEV市場であり、2022年末時点で1310万台のEVが登録され、それに伴い約520万台の充電インフラが設置された。しかし、車両と充電器の比率（車充比）が約2.5:1と、理想的な1:1の目標にはまだ遠く、計画の非効率さが露呈している。多くの「ゾンビ充電柱」と呼ばれる利用率の低い設備が存在し、これは単に場所の確保や補助金の獲得を目的とした、需要予測を欠いた短絡的な設置が原因である。一方で、高速道路のサービスエリアや都市部の主要な交差点では、長時間の待ち行列が発生するなど、需要と供給のミスマッチが深刻な問題となっている。
このような状況を生み出した背景には、充電需要の理解が二極化していたという点にある。従来の研究は、大きく二つのモデルに分かれていた。一つは「ポイント需要（点需求）」を対象とするモデルで、ユーザーが自宅、職場、ショッピングモールなど、特定の目的地に到着した際に充電を行うという行動を想定している。代表的な集合カバー（Set Covering）モデルは、すべての需要地点を一定のサービス半径内に収めるために、設置する充電ステーションの数やコストを最小限に抑えることを目指す。これは、日常的な充電ニーズをカバーする上で有効だ。
もう一方は「フロー需要（流需求）」を対象とするモデルである。これは、長距離移動中のドライバーが途中で充電を行う必要があるというシナリオを想定し、交通流を捉える「フローキャプチャリングモデル（FCLM）」などが用いられる。このモデルは、主要な道路網上に充電ステーションを配置し、可能な限り多くの交通量を「キャッチ」することを最適化の目標とする。しかし、これらの二つのアプローチは、それぞれ独立して研究されてきたため、現実の複雑な充電行動を完全に捉えることはできなかった。
実際のユーザーの行動は、この二つが融合した「ハイブリッド需要」である。日常的な移動は自宅や職場での充電が中心（ポイント需要）だが、週末のドライブや出張では高速道路沿いの充電ステーションを利用する（フロー需要）。従来のモデルでは、この二つの需要を同時に最適化することが難しく、結果として、日常需要をカバーするために過剰に都市部にステーションを設置する一方で、長距離移動の需要は十分に満たされない、あるいはその逆という不均衡が生じていた。
Xu、Lu、Chenの研究チームが成し遂げたのは、この二つの需要を一つの統合的なフレームワークに融合させたことである。彼らのモデルは、ポイント需要に対しては集合カバーの考え方を、フロー需要に対してはFCLMの考え方を採用する。しかし、ここで重要なのは、二つの目的関数を単純に足し合わせることではない。ポイント需要モデルは「コスト最小化」を目指し、フロー需要モデルは「捕獲流量の最大化」を目指す。この量的単位の異なる目的を直接合算することは、意味が曖昧になり、実務的な意思決定を難しくする。
研究チームは、この課題を巧みに解決した。彼らは、フロー需要のモデルを「すべての交通流を確実にカバーする」という制約条件に再定式化し、その上で「総コストの最小化」を唯一の目的関数とした。つまり、「すべてのユーザー（目的地到着時も、途中移動中も）が充電できるようにする」という絶対的な要件を満たしつつ、「そのためにかかる建設費、充電器設置費、電力設備の増設費の合計を最も安くする」ことを目指す。この統一された目的関数により、都市部の住宅街と郊外の高速道路インターを結ぶ主要道路沿いにある候補地が、両方の需要を同時に満たせるため、コスト効率の観点から自然と優先されるという、現実に即した最適解が導き出される。
さらに、このモデルの卓越性は「不確実性」への対応にある。EVの普及率、ユーザーの移動パターン、さらには天候による電力消費の変動など、将来の需要を正確に予測することは不可能に近い。従来の決定論的モデル（deterministic model）は、特定の予測値を前提とするため、実際の需要が予測を上回ればサービスの質が低下し、下回れば設備が遊休化するというリスクを抱える。
このリスクを解消するために、研究チームは「ロバスト最適化（Robust Optimization）」という手法を採用した。これは、需要が特定の範囲（例えば、予測値の±20%）内で変動するという「不確実性の集合」を想定し、その範囲内のどのシナリオが実現しても、プランが成立する（実行可能である）ように最適化を行う。最も悪条件（worst-case）でも問題が生じないという保証が得られるため、計画の信頼性が飛躍的に向上する。また、この手法には「不確実性の予算（budget of uncertainty）」という調整可能なパラメータが存在し、これは計画者がリスク許容度をどのように設定するかを表す。リスクを極力避けたい公共機関は高い「予算」を設定し、より保守的な（設備が多めの）プランを得る。一方、コストを最優先にしたい民間事業者は、低い「予算」を設定し、初期投資を抑えることができる。この柔軟性は、実際の意思決定プロセスにおいて極めて重要な価値を持つ。
研究の実用性をさらに高めるのが、電力網の制約をモデルに組み込んだ点である。多くの研究は、充電ステーションの設置場所を地理的な最適化にとどめるが、実際の運用では、その場所の電力供給能力が最大の制約要因となる。古い住宅地や郊外の道路沿いでは、既存の配電線や変圧器の容量が限られており、多数の急速充電器を設置するには、高額な電力設備の増設工事が必要になる。
Xuらのモデルは、この「電力設備増設計画」を充電ステーションの立地選定と同時に最適化する。モデルは、各候補地の「電網接続制限（grid connection limit）」と「電力増設上限（power expansion limit）」を明示的に考慮し、電力増設にかかるコストも総コストに加算する。この結果、地理的には魅力的でも電力増設費が莫大な場所よりも、やや遠くても電力インフラが整った場所が選ばれるようになり、現実的な財務計画に基づいた、実行可能性の高い最適解が得られる。これは、研究室の理論を現場の実務に結びつける、画期的な進歩である。
このモデルの有効性は、北京市朝陽区の実際の交通網を用いたケーススタディで実証された。30の需要ポイントと10の候補地を対象にしたシミュレーションでは、統合モデルは6か所に充電ステーションを設置することが最適と判断した。一方、ポイント需要とフロー需要を別々に最適化した従来のアプローチでは、合計で7か所以上の設置が必要となり、総コストが大幅に上昇した。さらに、需要の不確実性を考慮した場合、統合モデルは新たな場所にステーションを追加するのではなく、既存の6か所のステーションの充電器台数を増やすことで対応した。これは、「場所を増やすよりも、既存の戦略的拠点の容量を拡張する」ことが、不確実性への効率的な対応策であることを示唆している。
さらに大規模なネットワーク（80の需要ポイント、35の候補地）を用いたシミュレーションでも、統合モデルの優位性が確認された。総コストの削減率は約6%に達し、モデルのスケーラビリティ（拡張性）も証明された。感度分析（sensitivity analysis）によれば、ポイント需要とフロー需要の比率が変化しても、統合モデルは常に従来のアプローチを上回る性能を発揮することが分かった。これは、今後のEV技術の進化（バッテリーの長寿命化によりフロー需要が減少するなど）による需要パターンの変化にも、柔軟に対応できることを意味している。
この研究の意義は、中国に留まらない。世界中の都市がEVの普及に伴うインフラ整備に直面しており、同様の課題を抱えている。Xu、Lu、Chenのモデルは、単なる学術的成果ではなく、都市計画者、電力会社、充電インフラ事業者にとって即戦力となる意思決定支援ツール（DSS）としての価値を持つ。このモデルを用いることで、限られた財源を最大限に活用し、ユーザーにとって便利で、事業者にとって収益性があり、電力網にとっても安定した、持続可能な充電インフラの構築が可能になる。電動化の未来は、よりスマートなインフラの上に成り立っている。Xuらの研究は、その基盤をより堅固にする、重要な一歩である。
Xu Wei, Lu Weijie, Chen Zhiqiang, School of Management and Engineering, Nanjing University. Published in Journal of Sustainable Transportation and Energy Systems, DOI: 10.3969/j.issn.2097-4558.2024.04.005.