配車エンジンとは？

配送先がわずか10箇所に増えるだけで、その巡回ルートの組み合わせは360万通りを超えます。この膨大な選択肢から、配送先の時間指定や車両制限、さらにはドライバーの拘束時間までを考慮して最適なルートを数分で導き出す技術が、自動配車システムの中核を担う「配車エンジン」です。本稿では、配車エンジンの仕組みやコア技術、自社に最適なシステム選定の評価軸から、法規制強化に準拠した実務の構築プロセスまでを、物流専門メディアの視点で実務的に解説します。

配車エンジンが自動で最適な運行計画を作る仕組みとコア技術

自動配車システムの中核を担う「配車エンジン」は、単に地図上にピンを立ててルートを繋ぐ簡易的なシステムとは異なります。WMS連携などを通じて取得した出荷データ、配送先の時間制約、車両のスペックといった、物流現場に存在する無数の変数を同時に処理し、最も効率的なルートを導き出す「数理最適化」計算システムです。その本質は、経験の浅い配車担当者でも数分で熟練者と同等以上の運行計画を再現できる点にあります。

組み合わせ最適化とAIによる「複雑な制約条件」の超高速処理

配送先が30箇所、配備された車両が10台ある場合、どの車両がどのルートで回るかという組み合わせのパターンは数億通りを超え、人間の手計算や一般的なナビゲーションシステムでは処理しきれません。この天文学的な選択肢の中から、配送距離やコストが最小となる最適な計画を瞬時に選別する技術が「組み合わせ最適化」です。

ライナロジクス等の専業ベンダーが開発する配車エンジンは、遺伝的アルゴリズムやローカルサーチ（局所探索法）をベースにした高度なメタヒューリスティクスアルゴリズムを実装しています。これにより、単に移動距離が短いルートを描くだけでなく、労働基準法に定められた「改善基準告示」を厳格に遵守した計画を立案します。具体的には、ドライバーの1日における「拘束時間」の上限や、4時間ごとの連続運転時間に対する30分以上の休憩確保といった法的な制約をあらかじめ数式化して計算プロセスに組み込みます。

この仕組みにより、年間の時間外労働上限超過リスクを排除しつつ、車両1台あたりの稼働効率を最大化する「ルート配送」のスケジュールを自動出力できます。さらに、過去の配送実績データから渋滞発生時間や荷下ろし所要時間を学習したAI予測を組み合わせることで、実際の走行実態に即した、ドライバーが遅延なく巡回できる高精度な運行計画を1〜3分程度で弾き出すことが可能になっています。これにより、配車計画にかける実務プロセスの時間を大幅に削減します。

積載制限（重量・容積）と積込み順序・荷受け時間を両立するロジック

配車エンジンが実務で活用できる最大の理由は、走行ルートだけでなく、トラックの荷台内部や荷降ろし現場の物理的ルールまでを同時に計算しているからです。配車エンジンは、車両ごとの最大積載量（重量）や容積（リューベ）といった「積載制限」と、顧客が指定する「荷受け時間（タイムウィンドウ）」、そして積み降ろしがスムーズにいく「積み込み順序」を逆算して割り振ります。

例えば、ラストワンマイルの配送現場において、最初に配送する予定の荷物がトラックの最奥部に積まれていれば、ドライバーは現地で手前の荷物をすべて降ろして整理しなければならず、作業の遅延や事故を招きます。この問題を解決するため、配車エンジンは配送先の順序とは逆の順番で荷物を詰め込む「後入れ先出し（LIFO）」の積載ロジックをシミュレーションします。

具体的には、WMS連携によって瞬時に共有された荷物のサイズ情報（縦・横・高さ）および重量データに基づき、車両の「積載率」を極限まで高めつつ、配送順に矛盾しない荷積みプランを並行して算出します。自社便の積載許容量を超過した荷物が発生した場合には、配車エンジンが瞬時に判断して特定ルートを切り出し、実運送人（傭車）へ委託するための「求車」対象分として自動的に仕分けます。これにより、配車担当者は無駄な傭車費の発生を防ぎながら、最適な配車判断をシームレスに行うことができます。

制約項目の分類	考慮する主なパラメータ	実務上の主な制約内容	配車エンジンの処理アプローチ
労務管理	拘束時間・休憩時間・連続運転時間	改善基準告示への適合（過労運転の防止）	数理最適化の制約条件に労働基準値を設定しルートから除外
車両制限	最大積載量・最大容積・車高制限	過積載の防止、特定道路の通行可否	車両マスタデータと荷物重量・容積データを照合し自動選別
納品先条件	荷受け時間帯・駐車スペース・フォークの有無	時間指定の厳守、配送車両サイズ（トン数）の制限	タイムウィンドウを優先指標に指定し最短巡回ルートを逆算
積付条件	荷積み順序（LIFO）・荷姿特徴	荷降ろし時の荷崩れ防止、現場作業効率の確保	配送順序の逆順で荷台配置を事前シミュレーションして割り当て

運送会社と荷主を繋ぐ「マッチング型」と「自社最適化型」の決定的な違い

自動配車システムの中核を担う「配車エンジン」は、その設計思想（アーキテクチャ）によって大きく2つのタイプに分類されます。自社でトラックや専属車を保有するアセット型の物流企業が導入すべきシステムと、荷主やノンアセット型の3PL企業が外部リソースを確保するために導入すべきシステムでは、求められるアルゴリズムやデータ連携のあり方が根本的に異なります。

自社フリートの効率化を追求する「自社最適化型」と、外部の運送力と繋がる「マッチング型」の技術的なアプローチと適合ビジネスの違いは以下の通りです。

比較項目	自社最適化型	マッチング型
主な開発目的	自社車両・専属車両の稼働率および積載率の最大化	外部の実運送人との迅速なマッチング・求車効率化
主要な技術要素	数理最適化、組み合わせ最適化、WMS連携、走行シミュレーション	GPS位置情報連動、リアルタイム一斉求車アルゴリズム
主な対象業務	ルート配送、拠点間幹線輸送、日々の定期・変動配車	突発的なスポット配送、繁忙期の追加車両確保
最適な事業者	自社トラックを保有する運送会社、3PL事業者	荷主企業、配送網を外部委託するノンアセット型3PL

自社リソースの積載率と稼働率を最大化する「自社最適化エンジン」

自社最適化エンジンは、保有する車両や専属契約を結んでいる固定ドライバーを前提とし、日々の配送指示に対して「どの車両に、どの荷物を載せ、どの順に回れば最も効率的か」を計算する数理最適化（組み合わせ最適化）に特化しています。「ライナ」シリーズ等に代表されるシステムがこの思想に基づいて設計されています。

たとえば、1日あたり50台の自社トラックを用いて300箇所の納品先へ届けるルート配送を行う実務プロセスを想定します。配車担当者が手作業でルートを組む場合、数時間を要する上に、特定のドライバーに拘束時間が偏る、あるいは積載率が60%程度にとどまるといった非効率が発生します。自社最適化エンジンは、WMS連携によって取り込んだ正確な出荷データ（容積・重量）と、配送先の指定時間（時間帯指定）や納品条件を紐付けます。

その上で、改善基準告示に準拠した休息期間や、1日の最大拘束時間（原則13時間以内、最大15時間など）のルールを制約条件として厳密に組み込んだシミュレーションを行います。これにより、法令違反を防ぎながら積載率を限界まで高める配車計画をわずか数分で出力します。トラックドライバーの時間外労働規制強化（年960時間上限）に伴い、限られた自社リソースで輸送量を維持するための必須技術です。

協力会社への一斉求車と空車位置（GPS）連動を行う「マッチングエンジン」

マッチングエンジンは、自社リソースの運用効率化ではなく、外部の協力会社や実運送人と荷主をタイムリーに繋ぐことに主眼を置いています。「ハコベル」などに代表されるプラットフォーム型システムが該当します。

たとえば、自社ではトラックを持たず、月間500件のスポット配送をすべて外部に委託している荷主企業の場合、従来の実務プロセスでは個々の運送会社へ電話やFAXで求車依頼を送る必要がありました。これに対し、マッチングエンジンはGPSによる車両の位置情報と稼働ステータス（空車情報）をリアルタイムに連動させます。荷主が荷物の仕様や配送ルートを登録すると、システムが条件に合致する周辺の実運送人へ一斉求車をかけます。

この一斉求車プロセスでは、運送会社側のドライバーが所持するスマートフォンのGPS位置情報から「現在地から積込先まで30分以内で移動できる空車車両」を自動抽出してマッチングを成立させます。さらなる労務管理の厳格化が進む中、荷主と実運送人が直接繋がり、余計な仲介マージンを排除して配送手配を完了させるためにこのエンジンが機能します。

WMS連携から拘束時間管理まで：配車エンジンに必須の外部システム連携

配車エンジンが算出する計画は、理論上どんなに優れたものであっても、倉庫の実作業やドライバーの実際の動向と乖離していれば現場で破綻します。配車エンジンは単体で完結するツールではなく、物流プロセス全体のデータを繋ぐハブとして機能させる必要があります。倉庫作業を管理するWMS（倉庫管理システム）連携や、労務管理に直結する改善基準告示への対応など、外部システムとの実務的なシナジーが求められます。

倉庫作業と配送計画を同期する「WMS（倉庫管理システム）連携」

自動配車システムが、数理最適化の技術を用いて効率的な計画を瞬時に導き出したとしても、倉庫側の出荷作業スピードや在庫ステータスと同期していなければ実用に耐えません。1日あたり50台のトラックをチャーターする配送拠点においてWMS連携が行われていない場合、配車エンジンが指示した配送順と、倉庫内のピッキング順序が一致しない現象が発生します。結果として、朝一番に到着したトラックへの積み込みが間に合わず、車両待機が発生したり、急な欠品によって配車計画の組み直しを迫られたりといった手戻りを招きます。

配車エンジンとWMSをAPIなどでデータ連携させることで、以下のような具体的な同期が可能になります。

配送ルート順のピッキング引き当て：配車エンジンが決めたルート配送の逆順（奥に積む荷物を先に、手前に積む荷物を後にピッキングする順序）をWMSへ自動でフィードバックし、倉庫内の作業指示書を連動して発行します。これにより、車両待機時間を直接的に削減します。

車両待機を防止するバース予約：配車エンジン側が算出した「各トラックの拠点到着予想時間」に基づき、WMS側で自動的に積み込みバースを割り振るシミュレーションを実行します。

法改正（改善基準告示）に対応した「拘束時間・連続運転時間のアラート機能」

厳格化されたトラックドライバーの労務管理において、ドライバーの働き方改革と法令遵守は最優先事項です。改善基準告示に基づき、1日の拘束時間は原則13時間以内（最大15時間）、運転時間は2日平均で1日あたり9時間以内、4時間ごとの連続運転に対して1回10分以上・合計30分以上の運転中断が義務付けられています。これらの労働時間制限ルールを、配送計画を作成する「事前の数理最適化プロセス」に制約条件（パラメータ）として組み込む必要があります。

実務プロセスにおいては、デジタコや勤怠管理システムと連携し、前日の退勤時刻から当日の乗務開始までに継続11時間以上（最低9時間）の休息期間が確保されているかを自動判定します。また、運行中に連続運転が4時間を超えそうになった際のアラート機能や、自社便での対応が困難なルートを自動で外部（実運送人）へ委託するシミュレーションを実行します。各種外部システムから得られる「人の時間データ」と配車エンジンの「運行データ」を同期させることで、将来的な段階的規制強化（いわゆる2026年問題）の局面でも適法かつ継続可能な配送体制を維持できます。

連携対象システム	連携しない場合の実務的課題	連携による具体的な導入効果
WMS（倉庫管理システム）	ピッキングの順番と積載順がズレ、倉庫で荷待ち・手戻りが発生する。	配送ルート（逆順）に基づいたピッキング指示の自動化により、車両待機時間を削減する。
勤怠管理・デジタコ	配車計画の作成段階で、ドライバーの残務時間や連続運転の違反を検知できない。	前日の退勤時間を反映したインターバルチェックや、走行中の超過アラートで改善基準告示を遵守する。
動態管理・求車プラットフォーム	計画崩れの際に代替車両の確保が遅れ、未配送や納期遅れが発生する。	遅延発生時における他車両でのルートシミュレーションや、外部車両（実運送人）への求車手配を迅速化する。

自社に最適な配車システムを選ぶための「3つの評価軸」と費用対効果（ROI）

自動配車システムを選定する際、単に機能の多さや知名度だけで導入を決定すると、現場の運用フローと乖離してシステムが形骸化するリスクが高まります。自社に最適な配車エンジンを特定するには、「業務適合性」「システム連携性」「費用対効果（ROI）の検証可能性」という3つの評価軸を用い、実務プロセスに照らし合わせて検証する必要があります。

「AI/数理最適化型」と「固定ルート/ルールベース型」の業務適合性

配車エンジンの核心となる計算モデルには、大きく分けて「固定ルート/ルールベース型」と「AI/数理最適化型」の2種類が存在します。配送先の変動頻度や、実務で考慮すべき制約条件の複雑さによって明確に適合性が分かれるため、自社の配送形態に応じた見極めが必要です。

選定軸	固定ルート/ルールベース型	AI/数理最適化型	推奨される配送業務
配送先の変動	極めて少ない（ほぼ固定）	日ごとに大きく変動する	固定型：食品共同配送 AI型：EC・スポット配送
考慮すべき制約	時間指定や車格制限のみ	拘束時間、積載率、道路規制などマルチ	固定型：ルート配送 AI型：複数拠点間の混載輸送
配車エンジンの特徴	設定が容易で導入が迅速	組み合わせ最適化による最適解算出	固定型：自社便メイン AI型：実運送人・求車活用

例えば、月間3,000件の配送を処理する3PL企業の場合、運行の一部を実運送人に委託し、さらに帰り荷の求車情報をマッチングさせる実務プロセスが発生します。このような複雑な条件下では、固定ルート型での対応は困難であり、数理最適化によって積載率を極限まで高めつつ、実運送人の運賃も加味して最適ルートを算出するAI/数理最適化型が適しています。

シミュレーション機能を用いた「導入前の費用対効果（ROI）」の算出手法

自動配車システム導入の稟議における最大のハードルは、費用対効果（ROI）の定量的な証明です。これを突破するために有効なアプローチが、配車エンジンが持つ「シミュレーション機能」を用いた事前検証です。具体的には、過去3ヶ月〜半年分の実際の配送実績データ（配送先住所、物量、使用した車両台数、走行距離、稼働時間）をシステムに入力し、配車エンジンが算出した「最適化ルート」と実績を比較・検証します。

このシミュレーションにより、以下の3つの効果を可視化します。

• 積載率向上による車両台数の削減： 1日あたりの稼働台数を何台減らせるかを算出します。例えば、1日30台の運用において、組み合わせ最適化により2台削減できた場合の年間委託費・維持費の削減額を算出します。
• ルート効率化による燃料費削減： 総走行距離が何％削減されるかを測定し、軽油代（1リットルあたりの単価換算）と二酸化炭素排出量の削減効果を算出します。
• 労務管理基準のクリア： 改正された改善基準告示などの法令に準拠した運行が組めているかを検証します。特に、ドライバー1人あたりの拘束時間を基準内に収めつつ、既存の配送ルートを維持できるかを確認します。

稟議書作成においては、単に「業務が効率化する」という主観的な表現は避け、次のような具体的な「実数」を提示することが重要です。

「WMS連携により、毎日15:00に確定する出荷データを配車エンジンへ自動取り込みする仕組みを構築します。これにより、配車担当者の実務プロセス（手書き・Excelでのルート割り振り）にかかる時間を毎日4時間から15分へと削減します。さらに、走行シミュレーションに基づき、実運送人への委託車両を月間45台削減し、年間で計720万円の直接コストを削減します。初期投資に対する投資回収期間は1.2年です。」

労務規制のさらなる強化を見据えた「配車自動化」成功への実務チェックリスト

ドライバーの拘束時間が厳格化された環境において、法令を遵守しながら配車を組むことは、手作業では限界に近づきつつあります。限られた労働時間の中で積載率を最大化し、効率的なルート配送を実現するためには、人の経験則に依存した体制から、配車エンジンを活用した自動配車システムへの移行が急務となっています。システム導入を現場の運行実務に定着させるための具体的な推進プロセスを解説します。

属人化した「配車マンの職人技（暗黙知）」をデータ化する要件定義手順

ベテラン配車マンが頭の中で処理している「職人技」は、多くの場合「言語化されていないルール（暗黙知）」となっています。これを数理最適化の計算ロジックに組み込める「形式知（条件データ）」へ変換しない限り、システムが実用に耐えない配送ルートを出力し続けることになります。暗黙知をデータ化するための重要な手順として、まず制約条件の棚卸しと優先度（ペナルティ値）の設定を行います。

すべてのルールを「絶対に守るべき条件（ハード制約）」に設定すると、組み合わせ最適化の計算が成り立たなくなります。道路幅制限や荷受け可能時間（Time Window）などの「物理的・時間的に外せない条件」と、「できれば特定のドライバーを割り当てたい」といった「緩やかな希望条件（ソフト制約）」に分類します。ソフト制約については、違反した際の影響度を「ペナルティ値」として数値化し、システムが優先度を自動で天秤にかけられるように設定します。

制約の分類	具体的な職人技（暗黙知）	システムへの登録方法	関連するマスタデータ
物理的制約	大型車両が進入できない狭い納品先	車両サイズ（トン数・車幅）別の通行規制フラグ設定	納品先マスタ、車両マスタ
時間的制約	昼時間帯（12:00〜13:00）の荷受け停止	時間枠制約（タイムウィンドウ）の登録	納品先マスタ
人的制約	特定の荷主と相性の良い熟練ドライバー	配送ルート計画における割り当て優先度の設定	ドライバーマスタ

続いて、WMS連携によるリアルタイムな荷姿情報の取得を行います。自動配車システムが正確な車両積載率を算出するためには、荷物の重量だけでなく容積データ（縦・横・高さ）が必要です。倉庫管理システム（WMS連携）を介して、出荷予定データの荷姿情報を自動で配車エンジンに取り込む連携体制を構築します。これにより、車両の最大積載量や容積制限に合わせた、現実的な積み付け計画の自動作成が可能になります。

システム依存ではなく「人とエンジンの役割分担」を決める業務移行プロセス

自動配車を成功させるためには、すべての業務をシステムに委ねるのではなく、「機械の得意分野」と「人間の得意分野」を分ける実務プロセスを構築する必要があります。ドライバーの労働時間制限に適切に対応するため、現場の信頼を得ながら業務移行を完了させるための3つのステップを実行します。

ステップ1：配車エンジンによる「ベース案」の自動作成
まず、システムが数理最適化を用いて、ドライバーの拘束時間制限や連続運転時間の法令遵守、さらに移動距離の最短化を計算した配送ルートの「ベース案」を自動作成します。この自動作成により、配車マンは膨大な組み合わせ計算の手間から解放されます。

ステップ2：ドラッグ＆ドロップによる「人間による微調整」
自動作成されたベース案に対し、現場の配車マンが画面の地図上でルートや割り当て車両を「ドラッグ＆ドロップ」で直接修正できる操作フェーズを必ず設けます。当日のドライバーの体調、急な物量変更、特定の納品先における突発的な状況変更などは、人間が介入して直感的に手動で調整を行います。この「最後は人間が仕上げる」プロセスを残しておくことが、配車担当者の心理的抵抗を低減し、システムへのスムーズな移行を促します。

ステップ3：実運送人の求車対応とシミュレーション評価
自社便でカバーしきれない配送案件については、システム上で実運送人への依頼（求車）手続きを進めるとともに、運行実績のログをもとにした運行シミュレーションを行います。「計画上のルート」と「実際の運行データ」を比較評価することで、配送設定マスタのズレを修正し、次回以降の自動計算精度を継続的に向上させます。

よくある質問（FAQ）