上海の地下鉄駅で、土地利用ごとに異なるシェアサイクル接続の条件

背景と課題

地下鉄と乗り捨て型シェアサイクルを一つの移動で使うと、駅まで、または駅からの移動を補える。本研究は、その接続利用と駅周辺の人口、施設、道路、公共交通の関係を上海で調べた。著者らの問題意識は、同じ環境要因でも郊外と都心では利用との関係が異なり、一定の水準を境に関係の強さや向きも変わりうる、という点にある。分析には主に2019年8月19～23日のMobikeの注文記録を用いた。

研究の方法

観測単位は地下鉄駅で、目的変数は調査期間中の一日平均の「流出」と「流入」である。流出は駅の出入口から100メートル以内で自転車を解錠した件数、流入は同じ範囲で施錠した件数を代理指標とする。注文記録には利用時刻と発着地点があり、著者らは雨がなく気温20～30℃の日中の記録を選び、対象範囲外、30秒未満または1時間超、100メートル未満または4キロメートル超の走行などを除いた。ただし論文の計算式は、各出入口の件数を足して出入口数で割る形である一方、本文と変数表は件数の「合計」と説明する。したがって、報告値が駅全体の件数か出入口当たりの件数かは提示本文だけでは確定できない。

各駅を中心とする半径1キロメートル内では、説明変数を12項目作る。人口密度、飲食・買物・生活サービス・住宅施設の構成比、土地利用の多様性、幹線・補助幹線・支線・自転車道の延長、バス停数、地下鉄駅数である。施設は地図上の施設地点を表すPOIで数え、構成比は対象種別の地点数を全POI数で割る。多様性指標は、各施設種別の割合を使うエントロピーを種別数の対数で割った値で、施設用途が分散するほど高い。著者らは17種のPOIから4種を相関などで選び、説明変数同士の相関も確認した。次にK-means法で、駅の環境指標と所属群の中心との距離の二乗和が小さくなるよう駅を分類する。群数を増やした際の距離の二乗和の減り方と、群のまとまり・離れ具合を表すシルエット係数から4群を採用した。指標の尺度調整や反復計算の詳細は提示本文にない。

最後に、4類型それぞれで流入と流出を分け、12項目から件数を推定するXGBoostを使う。各駅の12項目を入力、平均件数を正解値とし、条件分岐する木の出力を順に足して予測値を作る。最小化する量は、実測値と予測値のずれに、木の葉の数と葉に与える値の大きさへの罰則を加えたもの。論文の更新式では、葉に入った駅について、現在の誤差が予測値の変化にどう反応するかを合計し、その変化率と罰則を使って次の葉の値を決める。罰則を強めると複雑な当てはめを抑える。データを訓練60％、検証20％、試験20％に分け、5分割交差検証と格子探索で設定を選んだ。出力した予測値、変数の相対的重要度、値に応じて変わる予測上の関係を、類型別の検討に使った。

この研究の新しさ

駅周辺を一括して扱わず、土地利用による4類型を先に求め、類型ごとに流入と流出を調べた点が特徴である。予測上の主要因は、低密度型ではバス停数、混合用途型では人口密度、交通結節点型では買物施設比率、商業中心型では近隣の地下鉄駅数だった。相対的重要度は予測への寄与を示すもので、施設を増やしたときの効果量ではない。

従来研究との違い

論文は勾配ブースティング決定木（GBDT）とランダムフォレストも比較した。試験データの決定係数R²は、XGBoostが4類型で0.81～0.86、GBDTが0.63～0.73、ランダムフォレストが0.60～0.71と報告される。R²は観測値のばらつきを予測がどの程度説明するかを示す。ただし提示された比較表からは、各値が流入と流出のどちらに対応するか判別できない。

結果と評価

分類された駅数は低密度型45、混合用途型132、交通結節点型30、商業中心型128。本文が示す一日平均の流入は順に206、223、318、401、流出は200、228、336、402で、商業中心型が最も多い。著者らは、低密度型ではバス停数が約6で利用との正の関係が現れ、約7で頭打ちになると報告する。また、交通結節点型では買物施設比率が約32.5％の付近で利用が最大となる関係を述べる。いずれも対象データで得た予測上の関係であり、施設数や比率の変更による因果効果を確かめた結果ではない。

限界・注意点

著者らが挙げる限界には、出入口から100メートル以内の注文を乗継ぎとみなす誤判定、個人の連続した移動を確認できないこと、安全性、天候、地形などの未考慮、交通と土地利用の長期的な相互変化を横断分析では捉えられないことがある。2019年の上海の好天時の日中を中心とした結果であり、夜間、悪天候時、他都市への適用には再検証が要る。提示本文は中間部分が省略されているため、非線形結果の図や閾値の推定過程の全体は確認できない。