多世代共創社会を支えるシェアリング配送システムの構築

Research Project

Project/Area Number	18K13948
Research Category	Grant-in-Aid for Early-Career Scientists
Allocation Type	Multi-year Fund
Review Section	Basic Section 25010:Social systems engineering-related
Research Institution	The University of Tokyo
Principal Investigator	新井崇俊東京大学, 生産技術研究所, 助教 (10726574)
Project Period (FY)	2018-04-01 – 2021-03-31
Project Status	Granted (Fiscal Year 2019)
Budget Amount *help	¥2,860,000 (Direct Cost: ¥2,200,000、Indirect Cost: ¥660,000) Fiscal Year 2020: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000) Fiscal Year 2019: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000) Fiscal Year 2018: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Keywords	配送計画問題 / 地域計画 / 局所探索法 / 施設配置問題 / シェアリングエコノミー / 配送システム
Outline of Annual Research Achievements	本年度は以下の分析を行った． [1]．仮想都市における数値実験：極座標を用いてノード（店舗，顧客及びDepot）座標を管理することで，ノード分布にランダム性を保持させながら実際の都市のノードの分布パターンを再現した数値実験を行った．当該実験は当初の研究計画にはなかったものであるが，都市の店舗や顧客の分布パターンに即した実験を何度も行うことで，エージェントが集荷した商品を再分配する一時的なデポ（Temporary Depo以下TD）の配置の変化を統計的に把握できるとともに，既存モデルと提案モデルの比較分析を行うことが可能となった．さらに，当該実験は[2]のアルゴリズムの性能評価に役立つ知見を導いた． [2]．探索アルゴリズムの改良：問題を整数計画問題として定式化することで，提案する配送システムの構造を把握することができた．さらに，最適解を導くプロセスにおける問題点を把握し，短時間で良好な解を得るための近似解法に対する洞察を得た．本年度に改良した近似解法のアルゴリズムは，既存のタブーサーチの近傍操作を改良することで高効率に近似解を導くことが可能であり，最適解を得る過程で現れる局所最適解を保持するデータベースの構造をさらに見直すための指針を得ることができた． [3]．街路ネットワークデータ生成の自動化：昨年度は，東京都の2つ地域を選定し分析のための詳細な街路ネットワークデータを構築した．本年度は建物ポイントデータ及び街路のベクターデータから，建物及び交差点をノード，街路をエッジとする街路ネットワークデータを自動的に生成できるアプリケーションを開発した．このアプリケーションを用いることによって，今後検証エリアが追加・変更された場合であってもスムーズに分析のための街路ネットワークの生成が可能となる．
Current Status of Research Progress	Current Status of Research Progress 2: Research has progressed on the whole more than it was originally planned. Reason 当初の計画とは若干異なるかたちではあるが，いずれの項目もほぼ想定したレベルの成果を挙げた．具体的には，実際の都市における街路ネットワークに対し，初年度に実装したパイロットモデルを用いた解析を十分に行うには，さらなる高速化アルゴリズムが必要であることが判明したので，上記[1]の仮想空間における数値実験を行い，[2]の探索アルゴリズムの高速化を可能とする洞察を得た．さらに，当該実験から既存モデルに対する提案モデルの有用性を確認し，TDの配置特性を把握することができた．また，[3]の街路ネットワークデータを自動的に生成することができるアプリケーションを作成できたことで，次年度に推進する実際の都市に対するケーススタディが高効率化された．
Strategy for Future Research Activity	次年度も，探索アルゴリズムの高速化をはじめ，実際の都市における街路ネットワークに対して提案モデルを用いた分析を行いながら結果を整理することで，引き続き着実に研究を推進する．また，得られた研究成果を積極的に学会発表し，広く成果を社会に発信する．