ウェストミッドランズと北東イングランドにおける最適な充電インフラのためのクラスタリングと予測モデリングを用いた持続可能なEV普及

なぜより賢い充電が日常のドライバーに重要なのか

ガソリン車から電気自動車（EV）への移行は、空気の浄化や維持費の低減を約束しますが、それはドライバーが便利で信頼できる充電場所を見つけられる場合に限られます。本研究は、イングランドの二つの地域に暮らす実際のEV所有者が車をどのように使い、充電しているかを調べ、高度なデータ手法を用いてより良い充電ネットワークを設計する方法を示します。誰がEVを運転し、どのように充電し、何を重視しているかを理解することで、都市や地域が普通のドライバーにとってシームレスで、フラストレーションやリスクが少ない形で充電ポイントを展開する道筋を示します。

二つの地域、さまざまなEV事情

研究者は北東部とウェストミッドランズの256人のEV所有者に注目しました。これらの地域は収入、居住形態、交通ネットワークが対照的です。回答者の大半は就労年齢の成人で、学歴が高く平均以上の収入を持つ人が多かったものの、ウェストミッドランズのサンプルには高所得世帯がより多く含まれていました。両地域ともにプラグインハイブリッドよりも完全電気自動車の所有が主で、ほとんどの人がここ数年でEVに乗り始めており、最近の販売急増を反映しています。ただし購入動機は地域で異なりました。北東ではコスト削減が主な理由であったのに対し、ウェストミッドランズでは環境意識がより大きな役割を果たしており、それでもお金は依然重要でした。これらの違いは、一律の政策が地域ごとの動機を見逃す可能性を示唆しています。

人々は実際にどう充電し、移動しているか

日常の充電行動には驚くほど規則性がありました。両地域の大半のドライバーは週に1〜2回充電し、日々の走行距離は比較的控えめで、多くが10〜30キロメートルの範囲でした。100キロを超える長距離移動は稀でした。充電が必要なとき、85％がバッテリー残量が少ないときに特に急速直流（DC）充電器を好みました。人々は充電のために長距離を移動することをあまり望まず、多くは充電のために最大3キロメートル程度までにとどめ、9キロを超えて進むことを喜ぶ人は非常に少数でした。待ち時間は重要な痛点でした。多くの人は充電器が空くまで20分未満の待ち時間を望み、長い待ち列を受け入れる人は少数でした。充電は通常夕方や夜間に行われ、電気料金が安く道路が空いている時間帯に行われ、充電セッションはしばしば3〜6時間続くことから、突発的な駆け込みではなく計画的・習慣的な充電が多いことが示されます。

利用者のグルーピングと将来ニーズの予測

単純な平均値にとどまらないために、著者らはISE‑CAPと呼ぶ統合プラットフォームを構築しました。まず、充電頻度、走行距離、待ち時間や迂回に対する許容度などを基にクラスタリング技術でドライバーを各地域ごとに大まかに三つのグループに分類しました。あるクラスターは長距離を走り公衆充電に頼るヘビーユーザーを表し、別のクラスターは自宅充電が中心で短い予測可能な移動が多い人々を表していました。次に、走行パターンや収入、教育、充電器の好みといった情報を使って、充電行動（例えば1回の充電にかかる時間）を予測するコンピュータモデルを訓練しました。これらのモデルは調査サンプル内で高い精度を示し、特に行動がより均一で充電ネットワークが集中している北東地域で精度が高まりました。

充電器の選択に実際に影響するもの

次に研究者は、充電ポイントを選ぶ際に実際に人々の判断に影響を与える要因は何かを問いました。説明可能なモデリング手法を用いると、両地域で際立っていた三つの要素が見えてきました。充電にかかる時間、充電器のリアルタイムな空き状況、そして費用です。充電器までの距離も重要でしたが、特に人々は到着してみたら全てのプラグが埋まっているという事態に敏感でした。多くのドライバーはモバイルアプリや車載システムで空き情報を確認しており、自由回答のワードクラウド分析では「もっとステーションを」「メンテナンスを良く」「信頼性を高めて」といった要望が繰り返し挙がりました。要するに、ドライバーは速く、近く、到着時に確実に使える充電器を、納得できる価格で求めています。

データからより良い充電地図へ

最後にISE‑CAPプラットフォームは、どこに新たな充電器を設置すべきかを試すコンピュータシミュレーションに用いられました。モデルは予測される需要、利用者が充電器に到達するための距離、追加の充電負荷が電力網に与える影響を評価しました。多数のシミュレーションを通じて、平均的な充電器までの移動距離を短くしつつ、電力網への負荷を管理できる配置が見つかりました。これらの最適化結果は現地でまだ試験されていませんが、調査結果、予測モデル、試行錯誤のシミュレーションを組み合わせることで、全国平均ではなく各地域のパターンに合わせたより賢いインフラ計画が可能になることを示しています。

EV運転の未来にとっての意義

一般向けの要点は、EV普及は単にプラグを増やすことではなく、実際に使う人々にとって適切な種類の充電器を適切な場所に配置することだという点です。本研究は、現在の多くのEVドライバーが速く、近く、信頼できる充電器と、その空き状況が分かる明確な情報を求めていること、そしてこれらの嗜好は収入や地域構造の違いによって微妙に異なることを示しています。利用者を行動タイプに分類し、需要を予測し、選択の背後にある主要因を説明することで、ISE‑CAPフレームワークは自治体、電力事業者、計画担当者が利便性と公平性のある充電ネットワークを設計する実践的な方法を提供します。より大きなデータセットで拡張・洗練されれば、この種のデータ駆動型の計画はEV所有をよりスムーズで安価、魅力的なものにし、多くのドライバーのクリーンな輸送への移行を加速する可能性があります。

引用: Cavus, M., Wang, S., Deb, S. et al. Sustainable EV adoption with clustering and predictive modelling for optimal charging infrastructure in the West Midlands and North East UK. Sci Rep 16, 14457 (2026). https://doi.org/10.1038/s41598-026-43106-6

キーワード: 電気自動車, 充電インフラ, スマートシティ, 利用者行動, 機械学習