2023 年度実施状況報告書

画像解析技術を用いたSEVの行動パターン分析と充電インフラ設備配置計画の検討

研究課題

研究課題/領域番号	22K14338
研究機関	大阪大学
研究代表者	葉健人大阪大学, 大学院工学研究科, 助教 (30876959)
研究期間 (年度)	2022-04-01 – 2025-03-31
キーワード	電動二輪車 / 交通行動分析 / 画像解析
研究実績の概要	2023年度は得られたSEV（ここではバッテリー交換型2輪EV）のGPSログデータから，トリップチェーンに対し画像解析を適用し類型化を行った．限られたサンプル数が限られていることから，トリップチェーンの単位を日，週，月など試行的に区分し，それぞれを画像として表現した．また，時系列の変化を表すために色を用いた．これらのデータセットを教師なしの画像分類モデルにインプットすることで，サンプル数と情報量のトレードオフ関係を確認した．その結果，週で区切ったトリップチェーンデータでは，ある程度のトリップチェーンのパターン，例えば高頻度近郊周遊型，低頻度長距離往復型などのパターンを把握できた．しかしながら，サンプル数の少なさ，および情報量の乏しさから，日・月単位でのトリップチェーンデータでは，そのパターンを把握しきれずにおり，これらの改善が望まれる．並行して，移動ログ情報に加え，バッテリー交換データを用い，ある一定の再現性を得たバッテリー消費・交換行動モデルを構築した．これに基づき，ユーザー側のバッテリー交換に関わるパラメータおよびバッテリーインフラ側のパラメータを変化させ，これらが総走行距離やバッテリー交換頻度，バッテリー使用量の平準化に与える影響をシミュレーションした．これは，次年度に開発完了予定の画像をベースとしたトリップチェーン推定モデルを用いた，バッテリー交換設備の配置計画との比較のために構築した．
現在までの達成度 (区分)	現在までの達成度 (区分) 2: おおむね順調に進展している理由本年度は，本研究が提案するトリップチェーン分析に対する画像解析技術の適用の一定の成果が得られたため．
今後の研究の推進方策	次年度は，適用した画像解析技術の精度の向上および，時系列性に基づく予測モデルを構築するためにLSTM(Long Short Term Memory)などのモデルを組み込むことを試みる．このモデルによる分析結果を，別途構築した機械学習も用いていない従来型のモデルの結果と比較する．そして，SEVsのインフラ配置計画の検討手法の開発を試みる．