為了因應電動汽車使用率增加而產生的交通流量管理及堵塞等問題，充電站的基礎設施和路由策略的部署已經成為迫切需要解決的問題。本研究主要是針對具有隨機性充電需求（包括地點、時間以及充電量）的電動車服務系統來探討所謂的“區位路由”問題，目的是建構電動車的高效率充電路由策略以及決定最佳的充電站位置，使得充電需求的平均反應時間為最短。如果等待充電時間符合某些規律的假設時（例如充電需求流量很小或很大時）， 我們證明了這個最佳化的問題可以被表示成一個具有大小限制的切割式分群問題，這也讓我們可以藉此建構一個全新的資料驅動方法來解決原來的區位路由問題，而不需要依賴嚴格的隨機模型假設及考慮相關的排隊理論。運用機器學習的概念，本文也設計了兩個不同的演算法來尋找此最佳化問題的解，並結合電腦模擬將解答呈現在西雅圖的都會區上。圖一描述了本文所探討的電動車充電服務系統，本文所提的分割式路由策略及充電站位置如圖二所示，圖三為本文兩個不同演算法根據電腦模擬找出來的解答，與文獻中其他方法找出來的解答比較如圖四所示。圖五為本文方法應用在西雅圖都會區上的結果，其中點和點的距離為地圖上的實際行車距離，並非傳統的直線距離。本研究利用資料科學的方法解決了一個古典的數學問題，其成果和應用價值對於未來城市的智慧交通系統設計和發展具有重要的貢獻。（工業工程所洪英超教授提供）
圖一： 電動車充電服務系統
圖二：分割式的路由策略及充電站位置
圖三： 本文兩種演算法解答
圖四：本文演算法與文獻中其他方法比較
圖五：本文演算法應用在西雅圖都會區