公開地図で路上駐車の長さを推定できるか――ドイツ14都市で学び、ミュンヘンで検証
Macroscopic on-street parking inventory modeling: Exploring an open data approach
路上駐車の詳細な台帳がない都市に向け、100メートル格子ごとの駐車可能長を推定する二つの回帰モデルを比較した研究である。
この論文のポイント
- 100メートル格子の路上駐車可能長を、14都市のOSM由来データとベルリンの公式データから、それぞれ重回帰で推定した。
- 学習に含まないミュンヘンでは、公式データの格子当たり平均157.9メートルに対し、OSMモデルは170.7メートル、ベルリンモデルは179.8メートルだった。
- 両モデルとも駐車可能長が短い格子を過大に、長い格子を過小に推定する傾向があり、長さから駐車台数を直接求めることはできない。
背景と課題
路上駐車は道路空間を使い、交通需要や土地利用を考えるうえでも重要だが、場所と供給量を詳しく示す公開データは限られる。現地調査などには手間がかかる一方、OpenStreetMap（OSM、利用者が編集する公開地図）の駐車情報は、記録方法や網羅性が都市によって異なる。そこで本研究は、道路や周辺施設など比較的入手しやすい情報から、地域ごとの路上駐車の供給を概算できるかを調べた。対象は利用状況や駐車需要ではなく、駐車に利用できる路上区間の長さである。
研究の方法
観測と予測の単位は一辺100メートルの格子で、目的変数は格子内の路上駐車可能区間を合計した長さ（メートル）である。学習に使う長さのデータを二通り用意した。一つはドイツ14都市についてOSM由来の駐車情報を整理したプロジェクトのデータ、もう一つはベルリン市の一地区で個々の駐車場所を記録した公式データである。それぞれ位置情報を格子ごとに集計し、駐車データが格子全体を覆わない記録を除いた。さらに、OSMで建物が重複登録されるような不整合による極端な値を抑えるため、各変数の平均からの隔たりを標準偏差単位で示すZスコアを計算し、いずれかの変数で3を超える記録を削除した。前処理後はOSM由来が10,983格子、ベルリン公式データ由来が948格子となった。
説明変数も格子単位にそろえる。人口には2011年国勢調査のデータを使い、2022年の地域人口で拡張した。OSMからは道路・歩道・自転車道の長さ、信号・交差点・停留所・建物の数、用途別の土地面積などを取得した。POI（学校や店舗などの関心地点）は種類をまとめて数える。ただし、人口を拡張する具体的な計算手順は本文に示されていない。次に、二つの学習データそれぞれで重回帰を推定した。これは切片となる長さに、各説明変数の値と係数を掛けた量を足して予測長を出す方法である。係数は、採用された他の変数が同じとき、その変数が1単位異なる格子で予測長が何メートル異なるかを表す。候補モデルは決定係数、変数の有意性、説明変数間の相関、赤池情報量規準（AIC、当てはまりと複雑さを併せて見る指標）などを確認し、解釈しやすさも考慮して選んだ。最後に、学習に含まないミュンヘンの格子へ係数を適用し、負の予測値は0に置き換え、市の公式駐車データを格子に集計した値と比べた。
この研究の新しさ
この研究は、OSMの駐車記録をどの都市でも完成した台帳とみなすのではなく、駐車情報が利用できる区域で周辺環境との関係を学び、別の都市の供給長を推定する。複数都市にまたがるOSM由来データで学ぶ方法と、ベルリンの公式台帳を手本にする方法を、同じミュンヘンの公式データで評価した点が特徴だ。ただし、学習に使った駐車長は未整理のOSMデータから直接得たものではなく、専用プロジェクトが整理したデータである。
従来研究との違い
OSMモデルの説明変数は18個、ベルリンモデルは13個だった。学習データ内の決定係数R²、すなわち駐車可能長のばらつきに対するモデルの説明割合は、それぞれ0.608と0.535である。ただし、学習時の当てはまりだけで、別の都市での予測性能は判断できない。ミュンヘンでは両モデルとも、駐車可能長が短い格子では過大に、長い格子では過小に推定する傾向を示した。これは二つの学習データの規模や対象区域が異なる条件での比較であり、データ源だけの違いによる性能差とはいえない。
結果と評価
ミュンヘンの評価対象で、格子当たりの平均長は公式データが157.9メートル、OSMモデルが170.7メートル、ベルリンモデルが179.8メートルだった。この平均値同士の比較では、過大推定はそれぞれ約8％と約14％になる。一方、本文はベルリンモデルのずれを「平均20％」とも述べており、表の平均値から計算した割合とは一致しない。同じ指標として扱うことは避けたい。著者はOSMモデルのほうを良好と評価するが、駐車が少ない格子には大きな過大推定もあり、都心の駐車禁止・制限区域などにずれが集まった。回帰係数が示すのは地域特性と駐車可能長の関連であり、施設や人口を変えた場合の因果効果ではない。
限界・注意点
著者が挙げる限界は、長さが駐車可能台数を直接表さないこと、格子単位では個別街路の差を十分に捉えられないこと、OSM由来データの品質に地域差があり、使用した整理済みデータも定期更新されないこと、そして大きな予測誤差が残ることである。非線形モデルや変数間の相互作用、別の区域単位は今後の検討課題とされる。編集上の注意として、説明変数同士の相関を確認していても、観測されていない駐車規制などの交絡を取り除いた因果分析ではない。学習対象外での評価はミュンヘンの一部区域に限られ、他国や農村部での精度は示されていない。
現場への応用案
編集上の提案として、推定結果は「駐車枠の確定図」ではなく、台帳が乏しい場所で現地確認の優先区域を探す概況図として示せる。推定長が大きくても駐車規制や歩行者空間がある場所を点検候補として併記すれば、読者は地図の用途と誤差が生じやすい条件を理解しやすい。この利用法自体を論文が実証したわけではない。
現場で確かめるには
編集上の導入時の検証案として、対象都市ではまず、OSMの駐車情報の被覆と、整理済みデータの更新状況を確認する。そのうえで独立した市の台帳や現地調査を用意し、駐車可能長の短い格子と長い格子を分けて、格子ごとの過大・過小推定とその空間的な偏りを調べたい。平均値が近いだけでは個々の街路で使えるとは限らないため、交通需要モデルの概算入力に使うのか、具体的な道路整備を判断するのかに応じて許容誤差を定める必要がある。
解説は原文の要旨・本文の確認範囲に基づきます。AIで作成し、同じモデルで原文との照合を行っています。全記事の人手による校閲は完了していません。「現場への応用案」「現場で確かめるには」は編集上の検討案です。