技術的概要：自然災害避難中の移動式充電トラックの動的配備

問題定義

大規模な自然災害避難時（例えばハリケーンなど）において、道路交通の電動化は重大な脆弱性を生じさせます。電気自動車（EV）は内燃機関車と比較して走行距離が短く、充電に長時間を要します。避難条件下では、交通流の時間的集中により、固定式充電ステーション（FCS）を圧倒する局所的な充電需要の急増が発生します。これにより待ち時間が長期化し、避難者が危険地域に留まる時間が延びることで、避難者の「リスク曝露」が直接的に増加します。

静的な充電インフラは、これらの動的かつ時間変化する需要パターンに適応する柔軟性を欠いています。一方、移動式充電トラック（MCT）は柔軟なエネルギー供給を提供しますが、その配備には以下の 3 つの主要な課題が存在します：

1. 適応的配備：静的な割り当てルールは、確率的な需要の進化と避難の時間的緊急性に対応できません。
2. 分散型意思決定：FCS と MCT の数が増加するにつれ、グローバル最適化は計算的に非現実的となります。さらに、緊急対応は本質的に分散型であることが多く、完全な中央集権的な指令の実現可能性を制限します。
3. 予見的ネットワーク対応：MCT は FCS に到達するためにネットワークを移動する必要があります。瞬間的な移動時間のスナップショットに依存するだけでは不十分であり、システムは交通動態と渋滞の伝播を予見し、タイムリーな介入を確保する必要があります。

手法：ARMD フレームワーク

著者は、累積的な待ち行列誘発リスク曝露を最小化するように設計されたオフラインからオンラインへのシステムである適応的リスク認識型 MCT 配備（ARMD）フレームワークを提案します。このフレームワークは、問題をリスク認識型 MCT 割り当てと動的 MCT ルーティングという 2 つの結合した部分問題に分解します。

1. 問題定式化

目的は、避難期間全体にわたる総リスク曝露 $R_{tot}$ を最小化することです。これは、各 FCS における時間ごとの待ち行列長に、1 人あたりのリスク曝露を乗じたものの和として定義されます。この問題は、MCT が離散的な意思決定時点において FCS に割り当てられ、ルートが継続的に更新される動的意思決定プロセスとしてモデル化されます。

2. MCT 割り当て（Dec-POMDP と MAPPO）

計算の複雑さと分散実行の必要性に対処するため、割り当て問題は**分散型部分観測マルコフ決定過程（Dec-POMDP）**として定式化されます。

• エージェント：各 MCT がエージェントとなります。
• 観測：エージェントは、ハザードレベル、待ち行列長、利用可能な充電器、MCT の状態など、グローバル状態の局所的な部分集合を観測します。
• アルゴリズム：中央集権的トレーニングと分散実行（CTDE）のパラダイムのもとで、**マルチエージェント近接方策最適化（MAPPO）**アプローチが採用されます。
  • 関係性ステーション符号化：アクターネットワークとクリティックネットワークにマルチヘッドアテンション機構を組み込むことで、ステーション間の依存関係を捉え、エージェントが候補 FCS の相対的な優先度を評価できるようにします。
  • 周期的観測拡張：局所観測の情報ボトルネックを緩和するため、エージェントはすべての対通信を永続的に必要とすることなく、周期的（$\Delta_{aug}$ 時点ごと）にネットワークのグローバルスナップショットを受信します。
• オフラインからオンラインへの適応：
  • オフライン：ポリシーは、ヒルズボロ郡（フロリダ州）のリアルワールドデータと確率的インフラ故障で較正されたシミュレーターで事前学習されます。
  • オンライン：検索拡張ファインチューニング機構が使用されます。エージェントは、現在の局所コンテキストに基づいて「経験バンク」から最も類似した過去の経験を検索します。その後、軽量なアドバンテージ重み付けアクター適応を適用して、特定のシナリオに合わせてポリシーを微調整し、安定性を確保しポリシーのドリフトを防ぎます。

3. MCT ルーティング（時空間予測）

MCT がターゲット FCS に割り当てられた後、そのルートは固定された経路ではなく、ローリングホライズン戦略によって決定されます。

• 時空間移動時間予測器（STPM）：オフラインで学習された深層学習モデルが、短期的な移動時間の動態を予測します。これは、局所的な渋滞の伝播を捉えるダイナミックグラフ畳み込みと、道路閉鎖による迂回などの長距離ネットワーク相互作用および非局所的な効果をモデル化するグローバルマルチヘッドアテンションを組み合わせています。
• 実行：各ルーティング更新インターバルにおいて、STPM は将来のエッジレベルの移動時間を予測します。ルーティングモジュールはこれらの予測に基づいて最適経路を計算し、MCT が発生しつつある渋滞を先回りして回避できるようにします。

主要な貢献

1. 避難における動的 MCT 配備の初回調査：本研究は、高度に変化する避難条件下での充電支援のために、リアルタイムかつ動的な MCT 配備に初めて取り組むものであり、静的インフラ計画を超えています。
2. MAPPO による分散型協調：本研究は割り当て問題を Dec-POMDP として定式化し、完全な中央集権コントローラを必要とせずに協調意思決定を可能にするマルチエージェント強化学習アプローチを開発しました。これにより、スケーラビリティと実用的な運用制約に対処しています。
3. 予測的ダイナミクスを統合したルーティング：フレームワークには、短期的な渋滞を予見する時空間移動時間予測モジュールが組み込まれており、MCT が渋滞に閉じ込められる可能性を低減し、充電支援のタイムリーさを向上させています。

実験結果

このフレームワークは、フロリダ州ヒルズボロ郡のリアルワールドデータを用いたシミュレーション環境で評価され、上陸前 48 時間のハリケーン避難をカバーしました。

• ベースライン比較：ARMD は、MCT なし、貪欲な指令、中央集権的割り当て（CA）、オフライン固定最適化（OF-MIP）、ローリングホライズン MIP（RH-MIP）、およびアブレーション版（オンライン微調整なしの ARMD-NF、オンラインルーティングなしの ARMD-NR）と比較されました。
• 需要擾乱下での性能：
  • より平坦な出発曲線（困難な需要パターン）のシナリオにおいて、ARMD は MCT なしベースラインに対して平均リスク曝露（ARE）を**71.1%**削減し、RH-MIP（69.1%）や CA（35.0%）を上回りました。
  • ARMD は、集中した出発や高い避難参加率のシナリオにおいても一貫して高い性能を維持し、堅牢な汎化能力を示しました。
• インフラ故障下での性能：
  • 固定充電インフラの故障（ステーションの 15%〜45% が利用不可）下では、ARMD は MCT なしと比較して ARE を**39.3% から 60.5%**削減しました。
  • 道路リンクの故障（容量低下またはネットワーク分断）下では、ARMD はすべてのケースで最低の ARE を達成しました。特に、深刻な分断シナリオにおいて、ARMD の適応的ルーティング能力は、MCT が切断されたネットワークコンポーネントに閉じ込められるのを防ぎました。
• アブレーションの知見：
  • オンライン微調整：変化する需要パターンと充電器の利用可能性への適応に不可欠です。
  • オンラインルーティング：長距離の再配置移動や、高い交通需要やネットワーク障害のシナリオにおいて、特に移動時間の大幅な削減を提供しました。
• 最適化ベンチマークとの比較：RH-MIP は静的な OF-MIP を上回りましたが、ARMD は一貫して低いリスクのピークとより迅速なリスクの消散を達成しました。著者はこれを、ARMD が実現されたシステム状態に適応するリスク認識型状態 - 行動マッピングを学習できる能力によるものであり、MIP ベースの手法は累積誤差を招き得る予測された到着プロファイルに大きく依存していることによるものと帰因しています。

意義と主張

本論文は、ARMD フレームワークが、不確実な避難環境における移動式充電運用のためのタイムリーでスケーラブルかつ適応的な解決策を提供すると主張しています。静的なインフラ計画から、動的でリスクを認識したリソース配備へと移行することで、このフレームワークは緊急充電システムの回復力を強化します。

著者は、彼らのアプローチが特に以下のシナリオで効果的であると強調しています：

• 需要パターンが歴史的予測から逸脱する場合（例えば、突然の急増や平坦な出発）。
• 極端な気象によりインフラが劣化する場合（ステーション故障や道路閉鎖）。
• 危険地帯での待機による複合的なリスクを軽減するためにリアルタイムの意思決定が求められる場合。

本研究は、オフライン学習とオンライン微調整を統合することで、システムが従来の最適化やヒューリスティックな指令手法よりも、避難の確率的かつ時間変化する性質をより効果的に処理できることを結論付けています。