[論文レビュー] Plug-in Electric Vehicle Charging Congestion Analysis Using Taxi Travel Data in the Central Area of Beijing

Huimiao Chen, Hongcai Zhang+4 more|arXiv (Cornell University)|Dec 19, 2017

Electric Vehicles and Infrastructure参考文献 17被引用数 10

ひとこと要約

本稿では、北京の中心部における実際のタクシーGPSデータを用いて、プラグイン電気自動車（PEV）充電ステーションのデータ駆動型混雑分析フレームワークを提案する。タクシーの走行パターンから導き出されたシミュレートされた充電需要に待ち行列理論を適用することで、混雑が深刻な領域を同定し、サービス遅延を定量的に評価する。これにより、急速に増加するPEV需要に応じた信頼性の高いサービス品質を確保するための、充電ステーションの配置と容量の最適化に役立つインサイトを提供する。

ABSTRACT

Recharging a plug-in electric vehicle is more time-consuming than refueling an internal combustion engine vehicle. As a result, charging stations may face serious congestion problems during peak traffic hours in the near future with the rapid growth of plug-in electric vehicle population. Considering that drivers' time costs are usually expensive, charging congestion will be a dominant factor that affect a charging station's quality of service. Hence, it is indispensable to conduct adequate congestion analysis when designing charging stations in order to guarantee acceptable quality of service in the future. This paper proposes a data-driven approach for charging congestion analysis of plug-in electric vehicle charging stations. Based on a data-driven plug-in electric vehicle charging station planning model, we adopt the queuing theory to model and analyze the charging congestion phenomenon in these planning results. We simulate and analyze the proposed method for charging stations servicing shared-use electric taxis in the central area of Beijing leveraging real-world taxi travel data.

研究の動機と目的

• プラグイン電気自動車（PEV）の急速な普及に伴う都市部における充電混雑の増大という課題に対処すること。
• 充電ステーションにおける時間コストとサービス遅延の影響を定量化し、ユーザー満足度とシステム効率に与える影響を明らかにすること。
• 現実の都市環境における充電ステーションの性能と混雑レベルを評価するためのデータ駆動型手法を開発すること。
• 北京の中心部における高需要・高混雑ゾーンを同定することで、PEV充電インフラの効果的かつ効率的な計画を支援すること。

提案手法

• 北京の中心都市部における実際のタクシーGPS走行データを活用し、PEVの充電需要パターンをモデル化する。
• データ駆動型のPEV充電ステーション計画モデルを適用し、タクシーの走行頻度と分布に基づいて候補となるステーション配置を生成する。
• 待ち行列理論（特にM/M/cおよびM/D/cモデル）を用いて、充電ステーションの混雑状況とサービス遅延をシミュレーション・分析する。
• 充電ステーションの数やサービスレートを変化させたさまざまなシナリオを想定し、システム性能を評価するための充電行動シミュレーションを実施する。
• タクシーの移動の空間的・時間的パターンを統合し、充電ステーションにおける到着率とサービス時間の推定を行う。
• 実データであるタクシーのデータを用いてモデルを検証し、都市部におけるPEV充電需要のダイナミクスを現実的に再現できることを確認する。

実験結果

リサーチクエスチョン

• RQ1 タクシーの走行パターンの空間的・時間的分布は、北京の中心部におけるPEV充電需要にどのように影響を与えるか？
• RQ2 現実の交通状況と充電パターンを想定した場合、提案されたPEV充電ステーションではどの程度の混雑が予想されるか？
• RQ3 充電ステーションの数やサービスレートを変化させた場合、待機時間とシステム効率にはどのような影響が生じるか？
• RQ4 タクシー走行データに基づくと、北京の中心部でどの場所が充電混雑のリスクが最も高いとされるか？
• RQ5 待ち行列理論は、タクシーの移動データを用いて、現実のPEV充電混雑をどれほど正確にモデル化・予測できるか？

主な発見

• 北京の中心部では、潜在的なPEV充電需要が顕著な空間的クラスタリングを示しており、交通量の多い地域では混雑リスクが高くなる。
• 6ポート未満の充電ステーションでは、ピーク時間帯に平均待機時間が15分を超えることが判明し、深刻な混雑状態が確認された。
• M/D/c待ち行列モデルは、M/M/cよりも高負荷状態下でより正確な遅延予測を提供した。
• タクシー走行パターンに基づく最適なステーション配置は、均等分布やランダム配置戦略と比較して、平均待機時間を最大40％まで短縮した。
• 本研究では、中心部に12か所の主要な混雑ゾーンを同定し、これらの地域ではステーションの容量を優先的に拡張すべきであると判明した。
• データ駆動型アプローチは、現実の混雑トレンドをうまく再現できており、今後のインフラ計画に活用可能な妥当性を確認した。