สถานีเติมพลังงานยังไม่เพียงพอ สถาบันขนส่งจุฬาฯ เสนอ กรุงเทพฯ ต้องเพิ่มกว่า 150 สถานีเติมพลังงานฟ้า หากหวังดัน “วิน–ไรเดอร์ไฟฟ้า” ใช้งานได้จริง 

17 ธันวาคม 2568, กรุงเทพมหานคร – สถาบันการขนส่ง จุฬาลงกรณ์มหาวิทยาลัย เปิดผลการศึกษาใหม่ พบว่า สถานีเติมพลังงานไฟฟ้าและสถานีเปลี่ยนแบตเตอรี่สำหรับมอเตอร์ไซค์ไฟฟ้าในกรุงเทพฯ ยังมีไม่เพียงพอ โดยจากการจำลองความต้องการใช้งานจริง กรุงเทพฯ จำเป็นต้องมีสถานีเพิ่มขึ้นอีก 153 จุด จากที่มีอยู่เพียง 90 จุด ในปัจจุบัน เพื่อรองรับการใช้งานของวินมอเตอร์ไซค์และไรเดอร์แพลตฟอร์มอย่างเหมาะสม

ผลการศึกษานี้นำเสนอในงานสัมมนาวิชาการออนไลน์ Moving Cities: Conversations on Mobility Transitions in Thailand หัวข้อ “Enhancing EV Motorbike Taxi Refueling Infrastructure in Bangkok using Geospatial Machine Learning” จัดโดยสถาบันการขนส่ง จุฬาลงกรณ์มหาวิทยาลัย ร่วมกับภาควิชาการวางแผนภาคและเมือง คณะสถาปัตยกรรมศาสตร์ จุฬาฯ และ International Project Lab, The University of Tokyo โดยมี นายปิยะภัทร แช่มชื่น นักวิจัยผู้ช่วยจากสถาบันการขนส่ง จุฬาฯ เป็นผู้นำเสนอ

งานวิจัยชี้ว่า ที่ผ่านมาการวางแผนสถานีชาร์จ EV มักมุ่งเน้นที่จำนวนหรือการกระจายตัวเชิงกายภาพ แต่ยังไม่ตอบโจทย์พื้นฐานในมุมคนขับว่า ต้องอ้อมไปชาร์จไฟไกลแค่ไหน เสียเวลางานเท่าไร หรือมีความเสี่ยงแบตเตอรี่หมดระหว่างการรับผู้โดยสารและส่งอาหารหรือไม่ งานวิจัยชิ้นนี้จึงเสนอให้หน่วยงานภาครัฐวางโครงสร้างพื้นฐานและสถานีชาร์จ EV จากข้อมูลการใช้งานจริงบนท้องถนนผ่านการใช้ปัญญาประดิษฐ์วิเคราะห์ข้อมูลบนแผนที่เมือง หรือ Geospatial Machine Learning

หัวใจของ Geospatial Machine Learning เพื่อจำลองการทำงานจริงของมอเตอร์ไซค์รับจ้างและไรเดอร์บนแผนที่กรุงเทพฯ โดยนำข้อมูลโครงข่ายถนน จุดที่มีการเรียกรถหรือสั่งอาหารบ่อย ข้อมูลประชากร และการใช้พลังงานของแบตเตอรี่ มาวิเคราะห์ร่วมกัน เพื่อระบุจุดที่ผู้ขับขี่มีโอกาสเจอสถานการณ์แบตเตอรี่ต่ำ และการเลือกพื้นที่สำหรับสถานีชาร์จที่จะช่วยลดต้นทุนเวลาและความเสี่ยงได้มากที่สุด

รายงานจำแนกผู้ใช้งานออกเป็น 3 กลุ่มหลัก ได้แก่ วินมอเตอร์ไซค์รับจ้างทั่วไป กลุ่มไรเดอร์แพลตฟอร์ม และกลุ่มวินมอเตอร์ไซค์แบบไฮบริด ซึ่งแต่ละกลุ่มมีรูปแบบการเดินทางแตกต่างกัน ตั้งแต่การวิ่งต่อเนื่องข้ามเขตเมือง ไปจนถึงการทำงานในระยะสั้นแบบไป–กลับจากจุดตั้งวิน ความแตกต่างนี้ถูกนำไปใช้วิเคราะห์ตำแหน่งที่เหมาะสมของสถานีเติมพลังงาน โดยพฤติกรรมการขับขี่ที่แตกต่างกันเหล่านี้ถูกนำมาจำลองเส้นทางการเดินทางและการใช้พลังงาน เพื่อระบุจุดที่แบตเตอรี่ลดลงจนถึงระดับต่ำ และนำไปใช้วิเคราะห์ว่า ผู้ขับขี่แต่ละกลุ่มมีความต้องการเติมพลังงานในพื้นที่ใดบ้าง ก่อนนำข้อมูลดังกล่าวไปใช้ในการออกแบบตำแหน่งสถานีที่เหมาะสม

การวิเคราะห์ด้วยหลักการ Loss Function เพื่อหาตำแหน่งสถานีที่สามารถตอบโจทย์ผู้ใช้งานให้ได้มากที่สุด โดยพิจารณาจาก 4 ปัจจัยหลัก ได้แก่  คนขับสามารถเข้าถึงสถานีเติมพลังงานได้ภายในเวลาไม่เกิน 10 นาทีหรือไม่ ระยะทางในการเข้าถึงสถานีไม่เกิน 2 กิโลเมตร การให้ค่าน้ำหนักตามระยะเวลาในการเดินทาง คือยิ่งเข้าถึงง่าย ยิ่งได้คะแนนสูง และ ความเหมาะสมของพื้นที่ตั้งสถานี เช่น ต้องเข้าถึงได้ง่าย และไม่อยู่ในพื้นที่ที่เป็นอุปสรรคต่อการใช้งาน

โดยจากผลการศึกษาพบว่า ปัจจุบันกรุงเทพฯ มีสถานีเติมพลังงานฟ้าและสถานีเปลี่ยนแบตเตอรี่สำหรับมอเตอร์ไซค์ไฟฟ้ารวมเพียง 90 จุด ซึ่งยังไม่เพียงพอต่อความต้องการใช้งานจากการจำลองข้อมูล รายงานชิ้นนี้จึงเสนอว่า กรุงเทพฯ จำเป็นต้องมีสถานีเพิ่มเติมอีก 153 จุด เพื่อให้สามารถรองรับการใช้งานของวินมอเตอร์ไซค์และไรเดอร์ได้อย่างเหมาะสมในระดับปัจจุบัน 

งานวิจัยนี้สะท้อนว่า การเปลี่ยนผ่านสู่ยานยนต์ไฟฟ้าไม่ใช่เพียงเรื่องเทคโนโลยีหรือสิ่งแวดล้อมเท่านั้น แต่ยังทำให้เห็นโอกาสใหม่ของการออกแบบนโยบายที่เข้าใจชีวิตการทำงานจริง ผ่านการใช้เทคโนโลยีอย่าง Geospatial Machine Learning เข้ามาเป็นส่วนสำคัญของการวิเคราะห์ข้อมูล เพื่อให้การเปลี่ยนผ่านของมอเตอ์ไซค์ไฟฟ้าในเมืองเกิดขึ้นอย่างทั่วถึงและเป็นธรรมมากขึ้น โดยเฉพาะสำหรับเมืองที่ยังไม่มีข้อมูลมากเพียงพอ 

แต่อย่างไรก็ตาม รายงานยังชี้ให้เห็นถึงข้อจำกัดสำคัญที่ต้องพิจารณาต่อไป ได้แก่ ประเด็นด้านต้นทุนและราคาในการใช้งาน รูปแบบของสถานีเติมพลังงาน ทั้งการชาร์จและการเปลี่ยนแบตเตอรี่ ที่ยังขึ้นอยู่กับข้อกำหนดที่แตกต่างกัน และข้อมูลเพิ่มเติมในอนาคต เช่น รูปแบบการใช้งานจริง ระยะเวลาในการเติมพลังงาน และพฤติกรรมการใช้งานในแต่ละพื้นที่ ซึ่งจะช่วยให้การวางแผนตำแหน่งสถานีมีความแม่นยำมากยิ่งขึ้น

[seed_social]