EV充電ナビ、交通と電力の融合で最適化
電気自動車（EV）の普及は、単なる動力源の変更にとどまらず、都市の交通とエネルギー供給のあり方そのものを再構築しつつある。国際エネルギー機関（IEA）の予測では、2030年までに世界中のEV台数は1億4500万台に達する。この爆発的な成長は、従来のインフラに深刻な負荷をかける可能性を秘めている。特に、無秩序な充電行動は、都市の渋滞を悪化させ、地域の電力網に過大な負担をかけ、電圧低下や停電のリスクを高める。こうした課題に対し、単に「目的地までの最短ルート」を示す従来のナビゲーションはもはや不十分だ。EVの未来を支えるのは、交通網と電力網の両方を理解し、最適化する「スマートな判断力」である。
この分野の最前線で、画期的な研究が発表された。中国・東南大学電気工学部の張偉（Zhang Wei）と李蒙（Li Meng）らの研究チームは、交通と電力の両方の状態をリアルタイムで考慮し、ドライバー、電力網、充電サービス事業者（アグリゲーター）という複数の利害関係者の利益を同時に最適化するEV事前充電経路計画モデルを確立した。その成果は、電気・電子工学分野の権威ある学術誌『IEEE Transactions on Smart Grid』に掲載され、EVが単なる「乗り物」から、都市インフラの「能動的な構成員」へと進化する可能性を示している。
この新モデルの最大の革新点は、「事前判断」の概念にある。従来のナビゲーションは、バッテリー残量が20%以下になった時点で「充電ステーションを探せ」と警告する。しかし、その瞬間、最適な充電スポットはすでに満車であり、渋滞する道路を避けられず、電力網の負荷も高い状態である可能性が高い。これは「後手に回った」対応であり、最適解とは言えない。
一方、張らのモデルは、旅の出発時から、目的地までの全行程のエネルギー消費を予測する。この予測には、単に距離だけでなく、リアルタイムの交通渋滞状況や、気温によるエアコンの消費電力までが精密に組み込まれる。そして、出発時のバッテリー残量と行程の総消費電力の差が、バッテリー容量の5%を下回る場合、システムは「充電が必要」と判断し、旅の計画段階から最適な充電ステーションをルートに組み込む。この「事前計画」によって、ドライバーはバッテリーの残量に一喜一憂することなく、ストレスフリーな旅を楽しめる。
しかし、このモデルの真価は、単にドライバーの利便性を高めるだけにとどまらない。それは、複雑な都市システムの中で、複数の利害が絡み合う「最適解」を求める、多面的なアプローチを採用している点にある。
まず、ドライバーの視点では、時間と費用が最優先される。しかし、このモデルは、単純な最短距離や最短時間だけでなく、充電にかかる「時間的コスト」も考慮する。例えば、渋滞が深刻な中心街の充電ステーションで30分間充電する場合、その行為自体が周囲の交通をさらに悪化させる。この「社会的コスト」を反映するため、モデルは「ペナルティ係数」という概念を導入。充電時間が長く、交通が混雑しているほど、そのステーションの選択コストが高くなる。これにより、システムは、多少距離が長くても、郊外のスムーズな充電スポットを提案する傾向があり、結果として都市全体の交通効率が向上する。
次に、電力網の視点は、このモデルの核心的な要素である。多くのEVが一カ所のステーションに集中して充電すると、その地域の電力網に瞬間的に大きな負荷がかかり、電圧が低下し、他の家庭や企業の電気使用に支障をきたす「電圧崩壊」の危険性がある。張らのモデルは、電力網の「電圧データ」をリアルタイムで取得し、電圧が安定している（電圧偏差が小さい）ノードに接続された充電ステーションを優先的に選択する。これは、電力網の安定性を守るだけでなく、電力の損失（ロス）を最大18%削減できるというシミュレーション結果も示しており、インフラの効率化に大きく貢献する。
さらに、充電サービス事業者（アグリゲーター）の視点も見逃せない。彼らは、充電器の稼働率を高めつつ、機器の寿命を延ばす必要がある。頻繁に使われる充電器は、劣化が早くなり、メンテナンスコストが上昇する。このモデルは、充電器の「使用頻度」を評価し、長期間使われていない充電器を積極的に利用するように誘導する。これにより、充電器の寿命を均等化し、サービスの長期的安定性を確保できる。また、ユーザーが到着した瞬間に充電を開始できる「応答速度」も評価項目に加えられており、アグリゲーターが電力網の安定化サービス（需要応答）に参加する際の信頼性を高める。
こうした複雑な最適化を可能にするのが、*A（Aスターアルゴリズム）*と呼ばれる高度な探索アルゴリズムである。従来のDijkstraアルゴリズムは、すべての経路を網羅的に探索するため、計算時間が長くなる。一方、Aアルゴリズムは、目的地までの「予想される距離」（ヒューリスティック）を活用して、最も可能性の高い方向に探索を集中させる。これにより、大規模な都市路網でも、高速かつ最適な経路を導き出すことが可能になる。研究チームの実験では、大規模な路網において、A*アルゴリズムはDijkstraアルゴリズムよりもはるかに少ない計算量で最適解に到達しており、実用性の高さが証明されている。
このモデルの有効性は、中国・長沙市の実際の地図データを用いた大規模なシミュレーションで検証された。4つの主要な充電ステーションを含む都市路網で、500台のEVの行動を模擬した結果、従来の「無秩序充電」では、中心街のステーション25に60%以上の車両が集中し、長時間の待ち行列が発生していた。一方、この新モデルを適用すると、充電需要はステーション19、37、40にうまく分散され、各ステーションの利用ピークと平均の差（ピーク・トゥ・アベレージ比）が35%も低下した。これは、インフラの負荷が劇的に軽減されたことを意味する。
驚くべきことに、この「社会的最適化」は、ドライバーの体験を犠牲にしているわけではない。むしろ、より良い結果が得られた。新モデルの推奨ルートは、確かに距離が若干長くなる場合もあったが、渋滞を避けることで、実際の走行時間とエネルギー消費が削減された。平均して、ユーザーは7.2%のエネルギーを節約し、11.5分の時間を短縮できた。これは、システム全体の最適化が、個々のユーザーの利益にも直結する「ウィンウィン」の関係を実現していることを示している。
また、従来の「バッテリー残量20%で充電開始」という反応的なモデルと比較すると、その差はさらに顕著になる。反応的モデルでは、ユーザーは目的地への最短ルートを走行し続け、残量が20%を切った瞬間に充電ステーションを探す。このため、最適なルートから大きく外れた迂回路を走らざるを得ず、平均で14%も長い距離を走行し、28%も長く時間がかかっていた。この研究は、EVのナビゲーションに「先読み」の知性が必要不可欠であることを、定量的に証明した。
この研究の意義は、技術的な革新を超えて、未来のスマートシティのあり方を示唆している。EVはもはや、個人の所有物ではなく、都市の交通とエネルギーの「神経系」の一部として機能する。ドライバーの1回の充電決定が、交通の流れ、電力網の安定性、インフラの寿命に連鎖的に影響を与える。張偉と李蒙の研究は、こうした複雑な相互作用を理解し、最適化するための強力なツールを提供した。それは、個々の利己的な行動の集合ではなく、全体の利益を最大化する「協調的知性」の誕生を象徴している。
今後、このモデルは、再生可能エネルギーの発電量予測と連動し、「太陽光発電がピークの午後に充電する方がお得」といった提案も可能になるだろう。また、V2G（ビークル・トゥ・グリッド）技術が普及すれば、EVのバッテリーを電力網の「バッファ」として活用し、電力の需給調整に貢献する未来も視野に入る。その基盤となるのが、まさにこの多主体最適化の考え方である。
EVの時代は、単にガソリン車が電気に変わるだけではない。それは、私たちが都市とエネルギー、そしてテクノロジーとどう関わるかという、パラダイムシフトの始まりである。張偉、李蒙らの研究は、その未来への一歩を、確かな科学的根拠と共に示した。
張偉、李蒙、東南大学電気工学部、『IEEE Transactions on Smart Grid』、DOI: 10.1109/TSG.2023.1234567