スマート充電戦略がEVの航続不安を解消
電気自動車（EV）の普及が世界的に加速する中、ユーザーの最大の懸念の一つである「航続不安」への対策が、自動車産業の次の大きな課題となっている。バッテリー技術の進化により航続距離は着実に伸びているが、実際の走行における安心感は、充電インフラの利便性、コスト、待ち時間といった複合的な要因に大きく左右される。単に最寄りの充電ステーションを案内するだけの従来のナビゲーションでは、この複雑な課題に対応しきれない。そこで、より洗練された知能型充電ガイド戦略の開発が急務となっている。
中国の西南科技大学情報工学部に所属する張偉（Zhang Wei）氏らの研究チームは、この課題に斬新なアプローチで取り組み、画期的な研究成果を発表した。その研究は、単一の要因ではなく、走行距離、リアルタイムの充電コスト、そしてステーションの混雑度という三つの重要なコスト要素を統合的に最適化する、新たなマルチファクター最適化フレームワークを提案している。この研究は『四川大学学報（工科版）』誌に掲載され、その成果は、EVユーザーの充電体験を根本から変える可能性を秘めている。
本研究の核となるのは、ユーザーの充電選択を単なる距離の問題から、より現実的で包括的な「総コスト」の問題へと昇華させた点にある。従来のアプローチは、最も近い充電ステーションを示す「最短距離戦略」に留まっていた。しかし、この戦略は、最寄りのステーションが混雑して長時間待たなければならない、あるいは夜間のピーク料金が適用されるため高額になる、といった現実のリスクを無視している。張氏の研究は、こうした短所を克服するため、走行コスト、充電コスト、時間コストの三つを同等に扱い、ユーザーに最も効率的で経済的な最適な充電先を提示することを目的としている。
このフレームワークの基盤をなすのは、待ち行列理論を応用したリアルな充電ステーションモデルである。研究チームは、各充電ステーションを、到着がポアソン過程に従い、サービスは「先着順」（FIFO）で行われる有限容量のサービスシステムとしてモデル化した。これは、都市部でのEVの利用パターンを非常に正確に反映している。重要なのは、モデルが「最大待ち時間」を想定している点だ。この時間制限を超えると、ユーザーはそのステーションを「見送る」と仮定しており、これは実際のユーザー行動を的確に捉えた現実的な設定である。この「有限待ち行列」の仮定により、モデルはステーションの混雑状況を正確にシミュレーションでき、ユーザーが長時間の待ちを強いられる前に、混雑を回避する最適な選択肢を提示することが可能になる。
さらに、走行中のエネルギー消費を正確に予測するため、研究は都市部の道路タイプ（高速道路、幹線道路、二次幹線道路、地方道路）に応じた詳細なエネルギー消費モデルを組み込んでいる。各道路タイプには固有の平均速度があり、これが直接エネルギー消費に影響を与える。このモデルは、平均車速を計算に組み込むことで、特定の充電ステーションに到達するために必要なエネルギーを高精度で推定し、ルートの実行可能性を保証している。
研究における最も革新的な側面は、動的な価格設定メカニズムの導入である。従来の固定式の時間帯別料金制度に代わり、本モデルは「混雑度に基づく価格調整」を提案している。最終的な充電料金は、時間帯（ピーク、オフピーク、通常）によって決まる「基本料金」と、現在の混雑度に応じて変動する「浮動プレミアム」の二つの要素で構成される。混雑度の指標は、システム内にいる車両の数（充電中と待機中）をステーションの総容量で割った比率として算出される。
このアプローチは、ユーザーの行動とシステムのパフォーマンスの間にフィードバックループを生み出す。あるステーションが混雑すると、料金が上昇し、新たなユーザーの流入を抑制する。一方で、混雑していないステーションは相対的に安価に保たれ、負荷をネットワーク全体に分散させるインセンティブが生まれる。この結果、全体的な充電インフラの効率が向上するだけでなく、ユーザーの待ち時間が短縮され、ピーク時の局所的な過負荷リスクも軽減される。これは、インフラの物理的拡張だけでなく、需要のスマートなマネジメントによっても、より良い結果を実現できる可能性を示している。
ユーザーの多様なニーズに対応するため、研究チームは「エントロピー法」に基づく重み付け方法を採用している。これは、距離、料金、時間といった各コスト要素に、主観的な判断ではなく、データの変動性から客観的に重みを付与する手法である。例えば、利用可能なステーション間の距離に大きなばらつきがある場合、距離要素に高い重みが与えられる。逆に、料金がほぼ均一であれば、料金要素の重みは低くなる。このデータ駆動型の重み付けにより、モデルは事前の仮定に左右されず、実際の状況に即した柔軟な判断が可能になる。
さらに、ユーザーは自身の優先順位に応じて重みをカスタマイズできる。時間に追われる通勤者は待ち時間を最小化することを、節約志向のドライバーは充電費用の削減を最優先にできる。このモデルは、このような個々の好みを「重みベクトル」で調整可能にしており、パーソナライズされたルート案内を実現している。この柔軟性は、実際の展開において不可欠な要素である。
このモデルの実用性は、中国の昆明市内の25.98平方キロメートルのエリアを対象としたシミュレーションで実証された。テストネットワークには42のノード、77の道路区間、9つの公共充電ステーションが含まれ、そのトポロジーはGISツールを用いてBaidu Mapsから抽出された。シミュレーションでは、バッテリー容量が60kWhのBEV（バッテリーEV）が対象とされ、初期充電量は10%から50%の間でランダムに設定された。充電効率は90%、急速充電器は30kW、普通充電器は10kWと仮定された。
比較対象として、「最寄りステーション」戦略と、本研究のマルチファクター最適化アプローチの二つが評価された。あるシナリオでは、v20ノードから出発するドライバーが複数の選択肢に直面した。最寄り戦略では、わずか1.8キロメートル離れたCS6が選ばれる。しかし、最適化モデルは、2.4キロメートル離れたCS8を推奨した。
その結果は顕著だった。最適化されたルートは走行距離を33%増加させたものの、予想待ち時間を42.6%削減し、充電コストを5.8%低下させた。この結果は、距離にこだわるシンプルな戦略が、混雑や価格のダイナミクスを無視することで、ユーザーにとって不利な結果をもたらす可能性を示している。わずかな走行距離の犠牲を払うことで、利便性と経済性の両方で大きな利益を得られることが明らかになった。
さらに、異なるユーザーの優先順位に応じたシナリオも検証された。最小走行距離、最低充電コスト、最短待ち時間の三つのシナリオがテストされた。それぞれのケースで、モデルは指定された目的に最も合致するステーションを正確に特定した。例えば、距離最優先のシナリオでは、コスト最優先のシナリオと比べて60.5%近いステーションが選ばれた。逆に、コスト最優先では、距離最優先の選択肢と比べて7.0%の料金削減が達成された。待ち時間最優先のシナリオでは、距離最優先の戦略と比べて71.9%の待ち時間短縮が見られた。
これらの結果は、モデルが効果的であるだけでなく、極めて柔軟で、多様なユーザーのニーズや運用状況に適応できる能力を持っていることを裏付けている。これは、実世界での展開において非常に重要な資産である。
感度分析は、アプローチの堅牢性をさらに裏付けた。充電コストの重み（w2）を待ち時間コストの重み（w3）に対して増加させると、モデルは価格変動により敏感になり、コストは低いが混雑している可能性のあるステーションへとユーザーを誘導した。しかし、w2:w3の比率が1:3に達すると、それ以上の時間コストの重みの増加による総コストの削減効果は頭打ちになった。これは、価格と混雑の信号の間に最適なバランスが存在し、それを超えると、一方の要素をさらに重視しても限られたメリットしか得られないことを示唆している。
同様に、充電インフラ投資の影響も、ステーションあたりの充電ポイント数を変化させることで検証された。予想通り、充電ポイントを増やすと平均待ち時間は減少したが、その改善は「収穫逓減の法則」に従った。充電ポイントが少ない段階では、1台追加するだけでサービス速度が大幅に向上した。しかし、6台や7台を超えると、パフォーマンス向上の限界が現れ、改善は微小になった。この知見は都市計画やインフラ投資に重要な示唆を与える。単に充電ポイントの数を盲目的に増やすのではなく、ハードウェアの展開とインテリジェントな需要管理を両立させるバランスの取れたアプローチこそが、より良い成果をもたらす可能性がある。
本研究は、スマートグリッドの統合や需要側管理に関するより広範な議論にも貢献している。EVの普及率が高まるにつれ、無秩序な充電は特に夕方のピーク時間帯に、地域の配電網に大きな負担をかける可能性がある。時間帯別電力価格と混雑度に基づく価格設定を組み込むことで、本モデルは個々の充電行動をグリッドの安定性の目標と一致させることを支援する。オフピーク時の充電を促進し、ステーション間で負荷をより均等に分散させることで、高価なグリッドのアップグレードの必要性を減らすことができる。
さらに、リアルタイムデータの統合は、今後のコネクテッドモビリティや自動運転の発展への道を開く。車両がより高度に接続されれば、周辺の充電ステーションの状態を継続的に監視し、状況の変化に応じて動的にルートを再設定できるようになる。自動運転システムは、バッテリー残量、交通状況、予想待ち時間の組み合わせに基づいて、運転手の介入なしに最適な充電ステーションを選択し、充電行動を開始することさえ可能になる。
もちろん、本研究にも限界は認められる。現在のモデルはネットワークの静的なスナップショットを扱い、混雑の時間的推移や複数のドライバー間の戦略的相互作用を完全に捉えていない。今後の研究では、ユーザーの行動パターンをより正確に予測するために、履歴的な充電行動データを活用することが目指される。また、ステーションの立地選定や容量計画へのモデルの拡張も計画されており、都市が新たな充電インフラを最適化する手助けとなる。
より先進的な方向性としては、電力系統に電力を還元する「Vehicle-to-Grid」（V2G）技術の統合が挙げられる。現時点では商業的な展開が限定的であるため本研究ではV2Gは除外されているが、将来のバージョンのモデルでは双方向のエネルギー流動を組み込むことで、EVを受動的な消費者からエネルギー市場の能動的な参加者へと変える可能性がある。
結論として、張偉氏の研究は、電気自動車の所有をより便利で、手頃で、持続可能なものにするための重要な一歩を踏み出した。距離ベースのルーティングから一歩進み、走行、金銭的、時間的なコストを包括的に捉えることで、航続不安という問題に対して、より現実的で効果的な解決策を提供している。エントロピーに基づく重み付けと混雑度に敏感な価格設定を用いることで、その提案はデータに基づき、ユーザー中心のものとなっている。
その影響は個々のドライバーに留まらない。都市計画者にとっては、充電ネットワークのパフォーマンスを評価し、ボトルネックを特定する強力なツールとなる。電力会社にとっては、負荷プロファイルを滑らかにし、インフラへのストレスを軽減する道筋を示す。そして政策立案者にとっては、インテリジェントなシステムがより広範な環境・エネルギー目標をどのように支援できるかを示す好例となる。
世界がよりクリーンな交通手段へと移行する中で、このような革新は、その移行が環境的に健全であるだけでなく、社会的に公正で経済的にも実行可能であることを保証する上で、極めて重要な役割を果たすだろう。充電をよりスマートに、より速く、より公正にすることで、この研究は航続不安が過去のものとなる未来への道を paved している。
張偉，西南科技大学情報工学部，四川大学学報（工科版），DOI: 10.19907/j.0490-6756.2024.017002