モビリティデータの分析で実現する拠点間移動の最適化

モビリティデータの分析で実現する拠点間移動の最適化

スマートドライブが提供するIoTデバイスをシガーソケットに取り付けるだけで、車の位置情報だけでなく、急ブレーキ・急加速・急ハンドルなど様々なモビリティデータを簡単に取得できます。

蓄積された膨大なビックデータを分析することで、様々な気付きを得ることができます。今回はその一例として、拠点間の移動データを分析するこで「拠点の統廃合」や「拠点間移動の最適化」をどのように行うべきなのか、モビリティデータコンサルタントの山本がわかりやすく紹介していきます。

Mobility Data Scientist
山本 剛央(やまもと たかひさ)

モビリティデータとは?

モビリティデータと言っても、まずは車両からデータを得るために機器が必要となります。トラックなどに搭載されるデジタコや、通信型のドライブレコーダー、スマートドライブも提供しているシガーソケット型のデバイス、またスマートフォンからも取得が可能です。

機器それぞれによって、取得できるデータの種類やタイミングは多岐に渡りますが、まず間違いなく存在するのが緯度経度の情報です。数秒毎に現在地の緯度経度が記録されており、この緯度経度のデータを扱うことで「いまどこにいるのか」や「どこからどこへ移動したのか」を把握することができます。

拠点間の移動を分析する

今回は複数の拠点から取得された走行データと緯度経度を活用して「移動効率の悪い走行を可視化する」手法についてご説明します。

例えば以下のような比較的近接する拠点Aと拠点Bが存在する場合を想定します。

(拠点Aが西側, 拠点Bが東側)

 

A, Bそれぞれの拠点から、複数の目的地へ車両での移動が発生します。社用車であれば取引先への訪問、業務上必要な回収作業、配達作業などが考えられます。

では、早速ですが、ある期間における各拠点からの走行による、目的地を可視化してみましょう。

 

(オレンジが拠点Aからの移動,ブルーが拠点Bからの移動)

 

拠点が近接していることもあり、同じような場所への移動や、他の拠点から移動した方が移動距離が短く済みそうな移動が散見されます。業務の目的や性質によってはこの状態に何の問題もない可能性はありますが、今回は「拠点毎の移動に効率の悪い走行が発生している」と仮定して分析を進めていきます。

目的地は所属拠点から向かった方が近いのか?

まずは「効率の悪い走行」を図るために必要な指標を決めていきます。今回は「拠点から目的地までの距離と時間」の観点で可視化をしてみたいと思います。

各拠点が存在する場所の緯度経度と各走行目的地の緯度経度の直線距離を計算して求めます。そして、直線距離を求めることができれば、以下のような指標も同じように計算で求めることができます。

【指標1】出発拠点から目的地までの移動時間
【指標2】目的地は所属拠点から向かった方が最も近いのか否か

計算されたデータのイメージはこのような形です。

例えば「指標2」を活用すれば、特定の移動は所属する拠点から向かった方が近いのか否かを判定することができ、「効率の悪い走行」を見つける目安となります。

目的地は自拠点から向かうのが最も近いか否か?

計算したデータをグラフにしてみてみます、値は移動の件数です。

拠点Aの走行は他拠点から向かったほうが走行距離が短く済む「No」の数が多く、効率の悪い移動が多いと言えそうです。反対に拠点Bに関しては半数以上は効率の良い移動ができていると言えます。

移動距離以外の指標もみてみる

上記の手順で「所属拠点から向かった場合が最も近いのか」が判定できれば「最も近い拠点はどこか」も判定できます。さらに「もしも最も近い拠点から移動していた場合の距離と時間」も導きだすことができるようになります。

それらの指標がわかると他にも様々な指標を計算することができるようになります。

 

  • 最も近い拠点から向かった場合、削減される燃料費
  • 全ての走行を最も近い拠点から移動するようにした場合の総削される移動時間
  • 他拠点からの目的地が自拠点周辺に集中している拠点のランキング
  • 仮に最も近い拠点から目的地に移動した場合の直線距離と差分距離
  • 仮に最も近い拠点から目的地に移動した場合の移動時間と差分時間 (理論値)

また主旨とは少し異なりますが、スマートドライブのデバイスは車両ごと取り付けできるため以下のような分析も可能です。

 

  • 拠点から遠い目的地によく移動している社員一覧
  • 拠点から遠い目的地への訪問回数

これらは直線距離で計算しているため理論値にはなってしまいますが、傾向を掴むには十分と言えます。

モビリティデータの分析から得られる示唆と効果

これらの分析の結果が目的に合った施策を進める材料になり得ます。

例えば今回の例であればモビリティデータの分析から、以下のような示唆が得られます。

 

  • 拠点Aと拠点Bは統合して1つの拠点にした方が移動効率が上がる
  • 分析結果を元に、目的地の担当拠点を分配し直す

そして、これらの施策を実行した場合、共通して以下のようなメリットが得られるでしょう。

 

  • 社員の営業生産性の向上
  • 労働時間の削減
  • 燃料費が削減
  • 移動距離削減による交通事故の削減

このようにモビリティデータを取得すること、シンプルな車両管理に限定されない様々な分析を行うためにも活用することができます。

いかがでしたでしょうか?少しでもモビリティデータの活用に興味を持っていただけたら幸いです。また、モビリティデータの利活用についてさらに詳しく知りたいかたは下記の資料をダウンロードくださいませ。

TOP

IoT、自動運転、コネクティッドカーなど最新テーマの情報をピックアップ
車両管理の基礎知識やサービス比較など日常的に役立つ情報を案内

SmartDrive
メールマガジン利用規約

SmartDrive Magazineは、運営会社である株式会社スマートドライブ(以下、弊社)にてお客様が入力いただいた情報を管理します。

弊社の製品、サービス、コンテンツ情報でお客様が興味を持たれる可能性がある内容に関して、随時お客様にご連絡を差し上げる場合があります。こうした目的でご連絡を差し上げることに同意いただける場合は、メールマガジン登録画面の黄色い登録ボタンをクリックしてください。