[論文レビュー] A Charging-as-a-Service Platform for Charging Electric Vehicles On the Move: New Vehicle Routing Model and Solution

Jiahua Qiu, Lili Du|arXiv (Cornell University)|Apr 1, 2021

Electric Vehicles and Infrastructure参考文献 16被引用数 5

ひとこと要約

本論文は、移動中の電気自動車（EV）の充電を可能にする、充電サービスとしてのプラットフォーム（CaaS）を提案する。mE2-VRP（移動型EVからEVへの充電を最適化する車両ルーティングモデル）を用い、車両数とサービス効率を最適化する。本研究では、大規模都市および州レベルのシミュレーションにおいて、商業的ソルバーを上回る性能を示す、クラスタリング支援型ClarkeとWrightの節約法（CCWS）アルゴリズムを導入する。特に、EVの普及率が低く、混雑度も低い状況で顕著な優位性を示す。

ABSTRACT

Range anxiety has been the main challenge for the mass-adoption of electric vehicles (EVs). The emerging mobile electric-vehicle-to-electric-vehicle (mE2) charging technology, which allows an EV with the extra battery to charge the other EV on the move, offers a promising solution. Even though the physical feasibility of this new technology has been confirmed, we still face many operation problems. For example, how can we efficiently pair and route an electricity provider (EP) to a demand (ED) without introducing an extra detour? Motivated by this view, this study develops a Charging-as-a-Service (CaaS) platform, which seeks to dispatches the commercial EPs to serve the EDs, for cultivating this emerging charging service towards the low EV penetration environment. Mathematically, the CaaS platform is modeled as a vehicle routing problem (i.e., mE2-VRP), which optimally dispatches the EPs to approach and serve the EDs on the move while minimizing the EP fleet size and fulfilling all service requests. To adapt the CaaS platform to the online application in practice, we develop the Clustering-aided Clarke and Wright Savings (CCWS) algorithm to efficiently decompose and then solve the large-scale mE2-VRP by parallel computing. Our numerical experiments built upon citywide (Chicago) and statewide (Florida) found that the CCWS algorithm outperforms existing commercial solvers, and it enables us to investigate the performance of the CaaS platform under a realistic large-scale setup in a city or state. The CaaS performs better in low EV penetration markets while traffic congestion is mild and EDs require energy earlier. We can improve the performance by developing proper pricing strategies according to the EDs' energy requests and trip lengths.

研究の動機と目的

• 移動型EVからEVへの（mE2）充電を可能にすることで、EV普及率が低い環境における走行距離の不安を軽減する。
• 迂回を伴わずに、移動型電力供給業者（EP）とEV（需要）を効率的にマッチングし、ルーティングする運用上の課題を克服する。
• 移動中のEVを効率的にサービスするための、スケーラブルでリアルタイムな車両ルーティングソリューションを、車両数を最小限に抑えて開発する。
• 都市規模や州規模の応用に適した、効率的かつ並列処理可能なアルゴリズムを用いて、CaaSプラットフォームの大規模展開を可能にする。

提案手法

• CaaSプラットフォームを、車両ルーティング問題（mE2-VRP）の新しい変種として形式化し、全サービス要請を満たす一方で、車両数を最小限に抑える。
• 大規模なmE2-VRPインスタンスを管理可能な部分問題に分解するため、CCWS（クラスタリング支援型ClarkeとWrightの節約法）アルゴリズムを導入する。
• 並列計算を活用して部分問題を効率的に解き、実世界への展開に向けたスケーラビリティを向上させる。
• 空間的近接性とエネルギー需要に基づいて、需要ポイントとEPをクラスタリングし、ルーティング効率を向上させる。
• ClarkeとWrightのヒューリスティック（節約に基づく）を応用してルートを統合し、総走行距離と車両数の両方を削減する。
• シカゴおよびフロリダの実際のデータを用いてアルゴリズムを検証し、都市規模および州規模のEV移動パターンをシミュレートする。

実験結果

リサーチクエスチョン

• RQ1 EVが迂回を伴わずに、リアルタイムで効率的な移動中充電ルーティングを実現するにはどうすればよいか？
• RQ2 移動中のEVを対象とするCaaSプラットフォームにおいて、最適な車両数とルーティング戦略は何か？
• RQ3 EVの普及率や交通状況の違いが、CaaSプラットフォームのパフォーマンスに与える影響は何か？
• RQ4 CCWSアルゴリズムは、大規模なmE2-VRPシナリオにおいて、既存の商業的ソルバーを上回る性能を示せるか？
• RQ5 エネルギー需要と移動距離に基づく価格戦略が、CaaSプラットフォームのパフォーマンス向上に果たす役割は何か？

主な発見

• CCWSアルゴリズムは、シカゴおよびフロリダの大型mE2-VRPインスタンスを解く際、既存の商業的ソルバーを顕著に上回る性能を示した。
• CaaSプラットフォームは、需要が希薄だがエネルギー需要が時間的に敏感な低EV普及率市場で、優れたパフォーマンスを発揮した。
• やや混雑した交通状況下でもパフォーマンスが向上し、遅延によるルーティング効率の低下が比較的少ないことが確認された。
• エネルギー要請の大きさと移動距離に応じた動的価格戦略により、プラットフォームの効率性が向上した。
• CCWSアルゴリズムにより、都市規模および州規模のネットワークにわたり、スケーラブルでリアルタイムなCaaSプラットフォームの展開が可能になった。
• mE2-VRPモデルは、複雑な都市環境においても、車両数を最小限に抑えながら全サービス要請を満たすことに成功した。