はじめに
Googleが2025年11月19日から21日にかけて、EV(電気自動車)ドライバー向けの新機能を相次いで発表しました。特に注目されるのが、AIを活用したEV充電ポート空き状況の予測機能です。本稿では、Google Researchが開発した予測モデルの仕組みと、Google Mapsに実装された実用機能について解説します。
参考記事
メイン記事:
- タイトル: Reducing EV range anxiety: How a simple AI model predicts port availability
- 著者: Kostas Kollias, Research Scientist, Google Research
- 発行元: Google Research Blog
- 発行日: 2025年11月21日
- URL: https://research.google/blog/reducing-ev-range-anxiety-how-a-simple-ai-model-predicts-port-availability/
関連情報:
- タイトル: Simplify the holidays with 4 new Google Maps features
- 著者: Maryann Bright, Chief Holiday Officer
- 発行元: Google Blog
- 発行日: 2025年11月19日
- URL: https://blog.google/products/maps/holiday-gemini-tips-new-explore-tab/
要点
- Googleは、EV充電ポートが「現在から一定時間後に空いている確率」を予測するAIモデルを開発し、Google Mapsに実装した
- 採用されたのは線形回帰という単純なモデルで、時間帯ごとの特徴量(feature weights)を学習することで、複雑なモデルを上回る実用性を実現している
- 評価実験では、現状維持を予測するベースラインと比較して、朝のピーク時で約20%、夕方のピーク時で約40%の予測誤差削減を達成した
- 予測機能は数十万箇所の充電ステーションで利用可能で、Android AutoとGoogle組み込み車載システムから来週以降順次展開される
- Google Mapsには他にも、Gemini活用の施設情報サマリーや、更新されたExploreタブなど4つの新機能が追加されている
詳細解説
EV充電における「range anxiety」の課題
「range anxiety(航続距離不安)」は、EVドライバーが目的地や最寄りの充電ステーションに到着する前にバッテリーが切れることを恐れる心理状態を指します。Googleによれば、物理的な充電ステーションの増設と並行して、既存インフラの効率を最大化することが重要な課題とされています。
この課題に対し、Googleは以前からEV向けルーティング機能を提供してきましたが、今回の予測モデルはさらに一歩進んだアプローチと言えます。従来のルーティング機能がバッテリー残量と目的地に基づいて充電ステーションを経路に組み込むのに対し、新しい予測機能は「到着時に充電ポートが空いているかどうか」という実用的な問いに答えます。
線形回帰モデルの選択理由
Google Researchが開発したモデルは、「特定の充電ステーションで、現在から一定時間後(30分または60分)に充電ポートが空いている確率」を予測します。興味深いのは、開発チームが決定木やシンプルなニューラルネットワークなど複数のアーキテクチャを検証した結果、最も単純な線形回帰モデルが最高の性能と堅牢性を示した点です。
線形回帰は機械学習の基礎的な手法で、入力変数(この場合は時間帯)と出力(充電ポート数の変化)の関係を一次関数で表現します。この単純さにより、モデルは低レイテンシーでの展開が可能になり、必要な特徴量も最小限に抑えられています。
モデルの仕組み:時間帯別の重み学習
モデルの中核となるのは「特徴量(feature)」と「重み(weight)」の概念です。
特徴量として、モデルは「1日の時間帯」を使用します。たとえば「午前9時」は1つの特徴、「午後5時」は別の特徴として扱われます。
重みは、線形回帰アルゴリズムが学習する具体的な数値で、各時間帯が最終予測にどれだけ影響するかを決定します。Google Researchによれば、重みの意味は以下の通りです:
- 正の重み: その時間帯(例:午前7時)にポートが占有される傾向(占有率が上昇)
- 負の重み: その時間帯(例:午後5時)にポートが解放される傾向(占有率が低下)
- ゼロまたはゼロに近い重み: その時間帯(例:午前3時)にポート状態がほとんど変化しない
これらの「時間帯別特徴量の重み」は、1日の各時間帯におけるEV充電ポート占有率の変化速度を定量化した学習係数と言えます。モデルは本質的に、現在の空きポート数と将来の空きポート数の差を、時間帯別特徴量の重みの関数として表現することを学習しています。
発表された図表を見ると、明確で予測可能な傾向が確認できます。たとえば朝のラッシュアワーには正の重み(占有率上昇)が、夕方には負の重み(解放傾向)が観察されます。
学習データと地域特性
モデルの訓練には、充電ネットワークからのリアルタイム空き状況データが使用されました。Google Researchは、カリフォルニア州とドイツという2つの異なる地域からポートを均等にサンプリングしています。
サンプリング戦略では、大規模ステーションが優先的に訓練セットに含まれました。これは、孤立したポートよりも多くのトラフィックを処理し、実際の使用パターンをより正確に反映するためです。
興味深い発見として、変化率曲線の形状(ポートが埋まる時間帯と空く時間帯)は地域間で類似していますが、変化の大きさは十分に異なるため、地域ごとに別々のモデルを訓練する方が、すべてのデータを統合するよりも良好な性能を示したとのことです。これは、地域固有のEV利用パターンを考慮する必要性を示唆しています。
評価実験と性能指標
評価は実世界の使用状況を代表するよう設計されました。30分と60分の2つの時間範囲について、ランダムに選択した100のステーションで、1週間にわたり1日48回(30分ごと)の占有状態をサンプリングして予測を評価しています。
ベンチマークとして使用されたのは「Keep Current State(現状維持)」という非常に強力なベースラインで、これは単純に「一定時間後の空きポート数は現在と同じ」と仮定するアプローチです。Google Researchによれば、米国東海岸のデータでは30分以内に空き状態が変化するポートは10%以下であり、ほとんどの時間で状態が変わらないため、「変化なし」という予測が正解になる確率が高く、予測価値を追加することが極めて困難とされています。
評価には2つの主要指標が使用されました:
- MSE(Mean Squared Error:平均二乗誤差): 予測値と実際の値の差の二乗の平均
- MAE(Mean Absolute Error:平均絶対誤差): 予測値と実際の値の差の絶対値の平均
MSE/MAE ≥ 1という比率は、ユーザーにとって最も重要な二値タスク「少なくとも1つの空きポートがあるか(Yes/No)」の精度を測定します。
実験結果:ピーク時に顕著な改善
評価の結果、線形回帰モデルは強力な「現状維持」ベースラインに対して重要な改善を提供することが確認されました。特に、頻度は低いものの極めて重要な「高い占有率変動の瞬間」を正確に識別することで、予測価値を発揮しています。
テストインスタンスは、少なくとも6つのポートを持つステーションから、30~60分の時間範囲でサンプリングされました。これは都市環境での充電という現実的なケースを想定しています。評価は「ステーションに少なくとも1つのポートが空いているかどうか」を予測するタスクに焦点を当て、特にモデルがベースラインと差別化される大規模ステーションと大きな変化率の時間帯(午前8時と午後8時)での性能を検証しました。
Google Researchの発表によれば、結果は以下の通りです:
- 朝のピーク時(午前8時): 誤予測を約20%削減
- 夕方のピーク時(午後8時): 誤予測を約40%削減
この改善は、充電ステーションでの待ち時間削減と、より効率的なルート計画に直接貢献すると考えられます。特に夕方の大幅な改善は、仕事帰りの充電需要が集中する時間帯において、ユーザー体験の大きな向上につながる可能性があります。
Google Mapsへの実装と展開
この予測機能は、Google Mapsで「EV chargers」と検索することで利用できます。ユーザーが到着時に空いている可能性のある充電器の数が表示され、行列を避けて時間を節約できます。
Google Blogの発表によれば、予測機能は来週以降、Android AutoとGoogle組み込み車載システム向けに、世界中の数十万箇所の充電ステーションで順次展開されるとのことです。既にTesla SuperchargersやElectrify Americaなどのネットワークからリアルタイムの空き情報を表示していたGoogle Mapsに、AIによる将来予測が加わることで、より実用的な情報提供が実現します。
その他のGoogle Maps新機能
EV充電予測と同時に、Google Mapsには他にも3つの新機能が追加されています:
1. Gemini活用の「know before you go」情報
レストラン、ホテル、コンサート会場などを検索すると、Gemini機能を使って生成された「事前に知っておくべき情報」が表示されます。これには、ドレスコード、予約方法、駐車場情報、シークレットメニューなどが含まれます。Geminiがオンラインで見つけたレビューや有用な情報を分析し、主要なインサイトを提示します。この機能は米国でAndroidとiOS向けに展開中です。
2. 更新されたExploreタブ
上にスワイプすることで、近くのトレンドや人気のレストラン、アクティビティ、観光スポットを数秒で見つけられます。Viator、Lonely Planet、OpenTableなどの信頼できる情報源や、地元インフルエンサーによるキュレーションリストも簡単に見つけられるようになりました。グローバルでAndroidとiOS向けに今月から展開されています。
3. レビュー投稿時のニックネーム機能
実名を使用せずに、ニックネームとプロフィール画像を選んでレビューを投稿できるようになりました。ただし、不正レビューを防ぐため、公開されるニックネームとは別に、レビューは依然としてGoogleアカウントと紐付けられ、24時間365日の監視が継続されます。この機能はグローバルでAndroid、iOS、デスクトップ向けに今月展開中です。
これらの機能は、特にホリデーシーズンにおける外出計画やルート選択をより便利にすることを目指しています。
まとめ
Googleが発表したEV充電ポート予測機能は、シンプルな線形回帰モデルを採用することで、低レイテンシーでの実用展開と高い予測精度を両立させた事例と言えます。複雑なモデルではなく、時間帯という直感的な特徴量に焦点を当てることで、ピーク時の誤予測を大幅に削減し、EVドライバーの「range anxiety」軽減に貢献する可能性があります。Google Mapsに追加された他の新機能と合わせて、AI技術がどのように日常的な移動体験を改善するか、今後の展開が注目されます。
