タクシー配車の非効率はなぜ起きる？原因5つと配車最適化の実装

なぜ「タクシー配車の非効率」が事業を揺るがすのか

タクシー事業の損益は、車両稼働時間あたりの売上で決まる構造にあります。空車走行の割合が大きいほど燃料費と人件費が利益を削り、配車できなかった顧客は競合他社や配車アプリへ流れていきます。配車品質はそのまま事業の競争力です。

実車率と空車走行コストの構造

タクシー会社の収益構造は、稼働時間のうちどれだけが売上を生む実車時間になっているかに大きく依存します。実車率が数ポイント変わるだけで、営業所単位の年間収益は無視できない規模で変動するのが実情です。

空車走行は燃料費・人件費・車両維持費がそのまま流出するコストになります。同じ稼働時間でも、配車先までの空車距離が長いほど利益率は下がっていきます。実車率を上げる方法は単純に乗務時間を伸ばすことではなく、空車時間中の車両配置と次の配車先を最適化することにあるはずです。

ドライバー不足と労働時間規制の二重負荷

タクシー業界はドライバー不足が長期化しており、2024年4月から始まった自動車運転業務への時間外労働上限規制（年960時間）が運用に重くのしかかっています。労働時間が短くなる中で売上を維持するには、稼働時間あたりの実車率を上げる以外の道はほぼ残されていないでしょう。

改善基準告示は1日の拘束時間・連続運転時間・休息時間を細かく定めており、配車計画でも遵守すべきハード制約として扱う必要があります。人手の配車管制ではドライバーごとの累積拘束時間を頭の中で管理しきれず、結果として遵守と効率の両方を犠牲にする運用になりやすい構造です。

配車品質の低下が顧客離れに直結する

配車のレスポンス速度と到着時間の正確さは、顧客満足度に直接効いてきます。配車要請から到着までの時間がブレやすい会社は、配車アプリ側のレーティングが下がり、依頼そのものが回ってこなくなる悪循環に陥りがちです。

法人契約・指名顧客の確保にも配車品質は効きます。「あの会社は時間通りに来ない」という評判が広まれば、安定収益源である定期契約が縮小していくでしょう。逆に「呼んだらすぐ来る」という評価は紹介と再利用を生み、ライドシェアや競合配車アプリに対する差別化要因になります。

タクシー配車が非効率になる5つの根本原因

配車の非効率は、現場の努力不足ではなく、構造的な要因に分けて整理できます。以下の5つが、ほぼすべての営業所で共通して観察されるパターンです。

(1) 配車管制の属人化と判断ロジックの非共有

非効率の一次要因は、配車管制が経験と勘に強く依存している点にあります。ベテラン管制者は「この時間帯は駅前に厚めに置く」「この顧客は遠方への迎車が多いから空車比率を見て送る」といった判断を瞬時に下しますが、その判断ロジックは言語化されないまま属人化しています。

属人化の結果、ベテランの不在時に配車品質が大きく落ち、新人育成にも長い時間がかかります。判断基準が明文化されていないため、改善の議論も「あの人ならこうする」という個別事例の積み上げに留まり、組織的な改善サイクルが回りません。

(2) 「いま空いている近い車両」という近視眼的割当

2つ目の原因は、配車のロジック自体にあります。多くの現場で採用されているのは「依頼が入ったら最寄りの空車を割り当てる」という、目先1件だけを最適化する単純ルールです。

この方法は1件ごとには合理的に見えますが、全体最適にはなりません。たとえばエリアAで依頼が入って車両Xを割り当てた直後に、エリアA近くで2件目の依頼が入ったが、車両Xはすでに移動を始めている。隣のエリアBで車両Yを動かせば両方を効率的にカバーできたのに、近視眼的な判断が次の機会を潰していく構造になります。配車1件あたりの判断は速くても、1日トータルの空車走行は増えていきます。

(3) 需要予測とリアルタイム配車の分断

3つ目は、需要予測が配車運用と切り離されている点です。多くの営業所では「過去同曜日の同時間帯のデータ」程度の予測しか持たず、それも管制者の頭の中で参照されるだけで、配車システムには連動していません。

天候・イベント・近隣施設の閉店時間といった動的要因は予測に組み込まれず、結果として「想定より需要が少ないエリアに車両を待機させ、需要が出ているエリアには車両がいない」という状況が頻発します。需要予測と配車の連動なしには、事前のリバランシング（再配置）は機能しません。

(4) 車両・ドライバー・道路状況の同時把握が困難

4つ目は、配車判断に必要な情報量が人間の処理能力を超えている点です。営業所が30〜50台の車両を運用している場合、各車両の位置・空車実車・燃料残量・残乗務時間・指名予約有無を同時に把握する必要があります。

これに加えて、ドライバーごとの勤務開始終了・希望休憩時刻・改善基準告示の累積状況、顧客の発生位置・希望時刻・優先度、リアルタイムの渋滞情報・通行止めまで考慮対象に入ります。1人の管制者が瞬時に処理できる情報量を、実際の判断対象は大幅に超えていく構造です。

(5) 営業区域・車種制約・指名対応の調整漏れ

5つ目は、業界特有の制約条件への対応が手薄になりがちな点です。タクシーは営業区域外への迎車に制限があり、車種指定（ジャンボタクシー・介護タクシー・観光タクシー）や指名ドライバー対応も配車要件に入ります。

これらの制約は管制者が頭の中で照合しており、繁忙時間帯ほど見落としが起きやすい構造です。営業区域外配車・車種ミスマッチ・指名漏れは、いずれもキャンセル要因となり、機会損失に直結します。

タクシー配車計画で同時に考えるべき要素

配車計画では、次の6つの要素を同時に成立させる必要があります。1つや2つなら頭で扱えますが、6つ全てが絡むと、人間が一度に保持できる思考の範囲を超えていきます。

(1) 車両ごとの位置・空車実車・残乗務時間

出発点となるのは、車両単位のリアルタイム状態の把握です。GPS位置情報、空車か実車か、燃料残量、当該シフトの残乗務時間といった属性を、秒単位で更新できる仕組みが前提になります。

「いま動かせる車両がどれか」を即座に判断するには、車両状態のデジタル化が必須です。アナログ無線中心の運用では、配車管制が車両側から自己申告を受けるしかなく、状態把握自体に時間とミスが発生していくでしょう。

(2) ドライバー勤務条件と改善基準告示

資源側の整理では、ドライバーの勤務条件が中心になります。シフト開始終了時刻、休憩タイミング、改善基準告示の拘束時間・連続運転時間・休息時間という法令制約が効いてきます。

ドライバーごとの累積拘束時間を計画段階で見える化し、法令上限に近づいた人には長距離配車を割り当てない仕組みが必要です。属人管理では追跡が間に合わず、規制違反のリスクと特定ドライバーへの負荷集中という両方の問題を抱えます。

(3) 顧客の発生位置・優先度・指名条件

顧客側の要素には、発生位置と希望時刻に加えて優先度の整理が必要です。事前予約・配車アプリ経由・流し営業・無線呼び出しといったチャネル別の優先度、法人契約顧客の指名要件、迎車料金の有無などが配車判断に効いてきます。

優先度ルールが明文化されていない営業所では、管制者ごとに判断がばらつき、特定チャネルの応答品質が安定しない問題が起きがちです。優先度を構造化したルールとして定義し、計画段階に組み込む必要があります。

(4) 動的な道路状況と所要時間予測

タクシー配車は道路状況の影響を強く受けます。同じ距離でも時間帯と渋滞状況で所要時間は大きく変動し、固定の所要時間で計画を組むと現場で崩れやすくなります。

リアルタイムの交通情報を取り込み、「いまから配車先まで何分かかるか」を都度計算する仕組みが配車最適化の前提になります。動的な所要時間予測なしには、リアルタイム最適化は成立しません。

(5) 営業区域と回送・車種制約

業界制約として、営業区域の規制と車種マッチングが計画に入ります。営業区域外への迎車には制限があり、回送扱いになると無償走行が発生します。介護タクシー・ジャンボタクシー・観光タクシーといった車種指定がある依頼には、対応可能な車両だけを割り当てる必要があります。

これらをハード制約として計画に組み込み、違反する候補を最初から探索対象から除外することで、ミスマッチによるキャンセルを構造的に防げます。

(6) 需要予測と事前再配置（リバランシング）

最後の要素は、需要予測に基づく事前再配置です。配車要請が入ってから動くだけでは遅く、次に需要が出るエリアに事前に車両を移動させる動きが必要になります。

天候・曜日・時間帯・近隣施設のイベント情報を取り込み、エリア別の需要予測を15〜30分単位で更新しながら、現在地から見て効率的な再配置先を提示する仕組みです。前提として、過去の配車実績データの蓄積と、需要に効く外部データの取得経路の整備は欠かせません。

なぜ人手の配車計画では限界があるのか

ここまで見てきた要素を、人手の配車管制で同時に扱うのは現実的ではありません。営業所が30台規模になった時点で、配車管制は1件ごとの近視眼的な対応で精一杯になります。50台を超えれば、ベテラン管制者でも全体最適から大きく離れた運用になっていくのが実情です。

変数の多さに加えて、状況変化のスピードも人間の処理能力を超えていきます。新規依頼・キャンセル・配車完了・ドライバー休憩入りといったイベントが秒単位で発生し、その都度全体の状態が変わります。1件の判断を下している間に状況が変化し、判断が古くなる構造です。

トレードオフの複雑さも壁になります。実車率の最大化、ドライバー間の売上公平化、顧客への到着時間の安定化、燃料費の最小化といった目標は相互にトレードオフを持っています。1つの指標だけ最大化する判断はできても、複数指標のバランスを取った判断を秒単位で下すのは、人間の認知負荷を超えていきます。

リアルタイム配車最適化が変える3つの価値

配車計画の改善は、より速い管制者を育てることではなく、判断の構造そのものを変えることから始まります。最適化AIは、現場のルールを守りながら最も良い計画を自動で見つける仕組みで、配車業務に当てはめると次の3つの価値を生みます。

精度：全体最適で実車率と公平性を両立する

最適化AIの最大の価値は、近視眼的な目先割当から全体最適への移行にあります。1件ずつ最寄りに割り当てるのではなく、「いま受けた依頼に車両Aを充てるか、近くに新しい依頼が出る可能性を考えて車両Bにするか」を、需要予測を取り込みながら全体で計算します。

ドライバー間の売上公平性も同時に追いかけられる点が、人手の管制との大きな違いです。特定ドライバーに繁忙エリアが偏らないよう、累積売上のばらつきを評価関数のソフト制約として組み込み、効率と公平性のバランスをとります。配送・回収計画のように「車両×ドライバー×顧客×時間×ルール」が絡む問題では、勤務条件を満たしながら残業を抑える計画を現実的な時間で生成できます。タクシー配車も本質的に同じ構造の組合せ最適化問題で、最適化技術の応用先として相性が良い領域です。

スピード：数秒で数百台を同時に再計算する

配車最適化の真価は、状況変化への対応速度に現れます。新規依頼・キャンセル・道路寸断・ドライバー休憩入りといったイベントが起きるたびに、影響範囲を含めて全体を再計算できる構造が、人手では出せない運用品質を生みます。

数百台規模の車両を秒〜分のオーダーで同時に再計画できると、配車管制の負荷は大きく下がり、突発事象への対応が安定します。たとえば天候急変で繁華街の需要が急増した瞬間に、近隣エリアからの再配置を含めた再計算を即座に出せます。配車1件の判断は速くなり、トータルの空車走行時間は短くなっていく構造です。

透明性：誰でも引き継げる判断ロジックに変わる

3つ目の価値は、配車判断のロジックが構造化される点です。最適化AIは「どの目的をどう優先したか」「どんな制約をどう守ったか」を計算過程として持っており、「なぜこの配車になったのか」を後から説明できます。

属人化していた判断基準が組織のルールとして整備されることで、ベテラン管制者の経験を組織知として蓄積できます。新人管制者の育成期間が短くなり、ベテラン不在時の配車品質低下も避けられるはずです。

OptHubでは現場ヒアリングを通して配車管制の暗黙ルールを構造化し、業務特化の探索ロジックと評価関数を設計します。汎用ソルバーや既製の配車システムでは反映しきれない営業所固有のルール（特定エリアでの応援優先、法人契約顧客の指名要件、ドライバーの希望勤務地など）も、制約条件として表現することで現場で受け入れられる計画を生成できる点が、業務特化型の最適化AIの強みです。

まとめ

タクシー配車が非効率になるのは、現場の調整能力の問題ではなく、配車管制の属人化、近視眼的な割当、需要予測との分断、情報量過多、業界制約への対応漏れという5つの構造的要因に由来しています。これらは人手の管制では同時に解けない複雑さで、車両数が30台を超えた時点で全体最適から大きく離れていく性質を持っています。

リアルタイム配車最適化は、車両・ドライバー・顧客・道路状況・営業区域・需要予測を同時に扱い、実車率と公平性を両立する技術です。秒〜分単位の再計算スピードと、判断ロジックの構造化を通して、属人的な配車運用を組織の仕組みへと移行させる効果があります。

導入はツール選定ではなく業務整理から始めるのが王道です。制約条件の棚卸し、スモールエリア・特定時間帯でのスモールスタート、効果測定と段階的拡張という順番で進めることで、配車運用は「ベテラン管制者の頭の中」から「組織の仕組み」へと移行していきます。2024年問題で労働時間規制が強まる中、配車最適化は事業継続のための経営課題そのものになっています。