電気自動車のラストマイル配送ルートを最適化する

このディスカッションは、電気自動車（EV）を使ってラストマイル配送のルートを改善し、より安全でエネルギー効率の良いものにすることに焦点を当てている。Eコマースが一般的になるにつれて、配送会社は環境問題や交通安全の問題に直面している。この論文では、使用されるエネルギーと左折の回数を考慮した効率的な配送ルートを作成する方法を提案している。

#はじめに

近年、交通部門では温室効果ガスの排出量が大幅に増加し、2022年にはほぼ8ギガトンに達した。この増加は、商品を届けるための広範な物流が必要なEコマース市場の拡大が一因となっている。例えば、2021年にはアマゾンが驚異的な数のパッケージを配送したが、それに伴う炭素コストはかなりのものだった。

交通安全も大きな問題で、毎年数百万件の事故が発生しており、多くは配送業務が関与している。研究によると、多くの事故は交差点で起こり、特に左折時に多い。UPSのような企業は、ルートの左折を減らすことで燃料消費と事故率を低下させたと示されている。

これらの問題を考慮して、我々はEVの配送ルートに焦点を当てている。EVには排出量を減らし、都市の空気質を改善するユニークな機会がある。しかし、これらの車両のエネルギー消費をモデル化するのは、運転スタイルや交通状況など、さまざまな要因によって難しい。

#問題の定義

この論文は、単一の車両のルート計画の問題に取り組む。具体的には、配送ポイントに到達するための効率的で安全な経路を作成すること。目的は、選択された顧客の場所を訪問しながら、エネルギー消費と左折の回数を最小限に抑える方法を見つけること。

この最適化は、すべての指定された停止地点を訪れる最短ルートを見つけることを目指す有名な訪問販売員問題（TSP）のバリエーションとして考えられる。しかし、我々の方法では必要に応じて特定の場所を再訪する可能性があり、配送は設定された時間枠内で行われる必要がある。

#手法

この問題を解決するために、エネルギー使用の最小化と左折の最小化という2つの主要な目標を考慮した混合整数プログラミングモデルを導入する。このモデルでは、早めに到着したときに時間制限を満たすために、車両が場所で待機することができる。

モデルは、配送ドライバーが優先順位に基づいて選択できる多様なルーティングオプションやツアーを生成する。これにより、ドライバーはエネルギー使用と安全性のバランスを取りながら、どのルートを選ぶかについて十分な情報を持って判断できる。

#混合整数プログラミングアプローチ

提案する方法は、数学的モデルから始まる。このモデルは、配送が行われるタイミングと場所、各地点を訪れる回数を示す決定変数を使用して、最適なルートを描き出すことを助ける。

次に、エネルギー消費と安全性という2つの競合する目的をバランスさせるためのスカラー化技術を適用する。この技術は、特定の配送ニーズに基づいて調整可能な最適なルートのセットを発見するのに役立つ。

#ローカルサーチヒューリスティック

リアルな配送ネットワークは複雑で、迅速な解決策が必要であることを認識している。そのため、合理的な時間内で近似最適解を見つけるためのローカルサーチヒューリスティックを提案する。この方法では、異なるルートの組み合わせを反復処理し、潜在的な経路を探るためにいくつかの戦略を使用する。

我々の戦略には以下が含まれる：

• S3Opt と S3OptTW: 既存のルートを改善するためにセグメントの組み合わせを評価する方法。

• RepairTW: 時間枠要件を満たさないルートを、停車順序を調整することで修正する戦略。

• FixedPerm: 隣接ターミナル間の経路を改善し、その順序を変更せずに操作を行うオペレーター。

• Quad と RandPermute: より広い範囲の解決策を探るために探索に多様性をもたらす手法。

これらの戦略の組み合わせにより、モデルはルートを継続的に洗練し、効率的で現実的な解決策を確保する。

#実世界の応用

我々の手法の効果を示すために、テキサス州オースティンのアマゾンのラストマイル配送ルートに関連するデータセットに適用する。このデータセットには、配送停止点、時間枠、ドライバーが取った停車順序に関する詳細な情報が含まれている。

分析では、各ルートがエネルギー消費と左折の回数を減らすように最適に設計されていることを確認することに焦点を当てた。車両の速度、道路の勾配、摩擦などの要因を考慮してエネルギー消費を推定する物理モデルを使用した。

実際のデータを分析した結果、約3分の1の道路リンクがエネルギー回収の機会を提供しており、再生ブレーキを含むルートのさらなる最適化の可能性を示した。

#結果

実験では、我々の提案する方法を従来のアプローチと比較することを目指した。その結果、我々のローカルサーチヒューリスティックが、時間制約のある混合整数プログラミングよりも大規模で複雑なネットワークにおいて優れていることが明らかになった。

平均して、我々の方法は2時間未満で約66の異なるルートを特定することができた。これらのルートはドライバーにさまざまな選択肢を提供し、エネルギー効率と安全性の面で最適なルートを選ぶことができるようにした。

分析から、特定のターミナルへの再訪を許可することが効果的なルートを見つける重要な要素であり、平均再訪回数がツアーの質の大幅な改善を示唆していることがわかった。

#結論

この研究は、Eコマースがますます広がる世界における配送ロジスティクスが直面している課題に取り組んでいる。電気自動車の配送ルートを最適化することで、エネルギー使用を最小限に抑えつつ安全性を向上させるソリューションを提供している。

提案した方法は、ロジスティクス会社が特定の運用ニーズや好みに基づいてルーティング戦略を適応させる柔軟性を提供する。さまざまなルーティングオプションを探ることで、ドライバーやマネージャーが環境と安全性の目標に合致する情報に基づいた意思決定を行うことを可能にする。

将来的な研究では、交通状況や駐車可能性など、現実の運転判断に影響を与える追加の制約を組み込むことを検討できる。この研究は、都市化と環境問題が進む中で持続可能なロジスティクス慣行を進めるための基盤を築くものである。