マップ上の任意の地点を指定すると、Pulseがその場所で見込まれる急速充電需要を示します。曖昧な「良い」「悪い」ではありません。実際の数値です。推定される1日あたり・1充電ベイあたりのkWhを月別で示し、結果を動かした個々の入力特徴量まで説明できます。

モデルは3つの段階を掛け合わせて動きます。

Stage 1 — 需要ベース

パラメトリックモデルが、特定の国・月において全体としてどれだけ急速充電需要が存在するかを推定します。見ているのは次の3点です。

気温 — 寒いほど1kmあたりの電力消費が増え、航続距離不安も強まります。ノルウェーでは1月のほうが7月より、BEV1台あたりの急速充電需要がおおむね70%高くなります。
BEV保有比率 — 路上の電気自動車が増えるほど、充電セッションも増えます。モデルでは国・年ごとのBEV普及率を対数スケールで使います。
国別ベースライン — 運転文化、高速道路密度、充電習慣は国ごとに構造的に異なります。同じ気温・同じ保有比率でも、ノルウェーのBEVオーナーとフィンランドのBEVオーナーでは公共急速充電の使い方が違います。

需要ベースは、観測されたステーション単位の利用データで学習しています。答えるのは、この国、この月で「普通」はどのくらいか？です。出力は1日あたり・EVSEあたりのkWhで、市場と季節によりますが通常は40〜120の範囲です。

Stage 2 — ロケーションスコア

需要ベースが教えてくれるのは市場の話です。ロケーションスコアが教えてくれるのは、この場所そのものの話です。これは機械学習モデル（勾配ブースティング木）で、複数カテゴリにまたがる20の空間特徴量を評価します。

交通 — 政府のAADT（年平均日交通量）データを道路との近接性と道路種別で重み付けした総合交通スコア。高速道路交通比率と最大道路AADTも含みます。これが最も強い予測因子です。
競合 — 半径5km、10km、25km以内にある既存のDC急速充電器の数と、最寄り競合までの距離。競合が多いほど、各ステーションが取り込める通過需要のシェアは小さくなります。
POI — 1kmおよび5km圏内のガソリンスタンド、飲食、駐車場、そのほかのアメニティ。加えて、小売POIのサブカテゴリとしてモール、ブランド系ファストフード、チェーン店、小売密度も含みます。これらは人流、滞在時間、ドライバーを引きつける立地タイプの代理指標です。
アクセス性 — 最寄りのガソリンスタンド、飲食店、任意のPOIまでの距離。既存のドライバー向けインフラに近い立地は、その交通を引き継ぎます。

モデルは、4,083ステーションにまたがる33,934ステーション月超の観測済み充電利用データで学習しています。どの空間特徴量の組み合わせが高稼働・低稼働を予測するかを学び、それを新しい地点にも適用します。

競合データが密なエリアでは、20特徴量のフルモデルが動きます。競合データが疎なエリア（新興市場、地方部）では、交通とPOI特徴量だけを使う別のベースラインモデルに切り替わります。この2つは、地域の競合密度に連動したシグモイド関数でブレンドされます。つまり、データが薄い地域で幻覚を起こすのではなく、自然に精度を落としながら動きます。

出力は1つの数値、ロケーションスコアです。これは需要ベースに対する乗数として機能します。スコア3.0なら、その立地は国・月ベースラインの3倍の需要を引きつけるという意味です。0.5なら半分です。

Stage 3 — オペレーター調整

ロケーションスコアは意図的にオペレーター非依存です。測っているのは土地であって、そこに立っている事業者ではありません。ただし、特定プロジェクトの需要予測を出すときには、3つ目の要素としてCPO実行ファクターが入ります。これは、あるオペレーターが立地ポテンシャルを実際のセッションにどれだけ変換できるかを調整するものです（下の「CPO実行スコアとは？」を参照）。デフォルトは1.0、つまり計画ケースの実行力です。

掛け算の構造

最終的な需要推定はシンプルです。

                                kWh / EVSE / day  =  需要ベース  ×  ロケーションスコア  ×  CPOファクター
                            

具体例です。ノルウェーの1月、ロケーションスコア1.5、実行力は計画ケースのサイトの場合。

需要ベース（ノルウェー、1月、−5°C、BEV比率25%）	81 kWh/EVSE/day
ロケーションスコア	× 1.50
CPO実行ファクター	× 1.00
予測需要	122 kWh/EVSE/day

同じ立地でも7月（15°C）なら需要ベースは低くなり（約52 kWh）、78 kWh/EVSE/dayになります。季節要因による38%の低下で、これは実データの観測とも一致します。

市場ごとにスコアが違う理由

ロケーションスコアは単一のグローバルスケールを使います。2.5というスコアはどこでも同じ意味で、現地の需要ベースの2.5倍です。ただし、スコアを動かす空間特徴量（交通密度、競合、POIカバレッジ）は国ごとの差が非常に大きいため、スコアの分布は市場ごとに異なります。

ノルウェーのステーション中央値はおよそ1.0、ドイツはおよそ2.5、オランダは3.0近辺です。これは欠陥ではなく、シグナルです。交通量が多く、アメニティも豊富な高密度市場では、そうした特徴量が本当に高需要を予測するため、スコアも高くなります。ノルウェーで1.5ならノルウェーでは平均超えですが、オランダでは平均未満になります。どちらも正しいです。

説明可能性

すべてのスコアには、どの特徴量がどれだけスコアを押し上げたか、あるいは押し下げたかを示す完全なSHAP（SHapley Additive exPlanations）内訳が付きます。たとえば、ある立地のスコアが高いのは、最寄り道路のAADTが18,000で、200メートル以内にガソリンスタンドがあるからだと分かります。単に高い、で終わりません。投資判断では、何が起きているかだけでなく、なぜそうなるのかが重要です。

パスワードをお忘れですか？