売買履歴から物件用途を補う：トロント＝ハミルトン地域の土地利用分類

背景と課題

交通の利便性は世帯や企業の立地選択に関わり、土地利用の変化は移動需要にも関わる。両者を扱う都市モデルには、細かな場所と時点を追えるデータが役立つ。オンタリオ州のTeranet売買記録には取引日、価格、区画の位置がある一方、物件用途や建物の構造情報がない。論文はグレーター・トロント＝ハミルトン地域（GTHA）を対象に、異なる資料を結合して住宅市場データベースを作り、欠けている用途を推定した。交通量を予測する研究ではなく、交通・土地利用研究にも使える物件属性を整える研究である。

研究の方法

入力の単位は、日付と区画中心のXY座標を持つ個々の売買取引である。Teranetの区画識別番号、住所、価格などを起点に、識別番号の重複、欠損、極端に低い価格や外れ値を点検・処理する。ただし、除外や補正の具体的な規則は本文にない。次に、国勢調査の小地域であるDAと、世帯交通調査の交通分析ゾーンであるTAZを、取引地点に対応付ける。DAの統計は2016年の区域境界、TAZの統計は2001年の境界にそろえる。国勢調査と交通調査の値は、調査年を中心とする５年間の取引に割り当てる。例えば2016年の調査値は2014～2018年に対応する方式であり、その各年を実測したわけではない。用途資料も利用できる時点に応じて空間結合し、識別キーを介して参照できる関係データベースに収める。データベース構築の対象期間は2001～2016年である。

分類に向けては、同じXY座標の取引をまとめ、最初の取引かどうか、過去および全期間の取引件数、前回・次回取引までの年数、取引価格の中央値を計算する。これら６変数に、DA単位の平均家賃、５階以上の集合住宅の割合、平均世帯人数、人口密度、住戸密度の５変数を加える。正解ラベルには詳細な用途資料を使い、2011～2014年の記録を「コンドミニアム」「戸建て・半戸建て・タウンハウス等」「その他」の３群にまとめた。複数の変数選択法で選ばれた計11変数を用い、各群の比率を保って記録を訓練用70％、試験用30％に無作為分割する。訓練用データでは交差検証とグリッド探索で分類器の設定を調整し、試験用データで比較した。最良のランダムフォレストは50本の決定木と、分岐先で用途群がどれだけ混在するかを表すジニ不純度を用いる。本文は木ごとの構築手順や集約規則までは詳述していない。出力は取引ごとの３群の判定で、選ばれたモデルを1986～2017年の記録に適用し、新たな属性として保存した。

この研究の新しさ

用途がない取引記録に対し、地域の平均値だけでなく、同一座標での売買回数や売買間隔を物件用途の手掛かりにした点が特徴である。また、区画、DA、TAZという異なる空間単位と、異なる時点の資料を、取引の位置・年から参照できる形に整理した。著者らは、取引履歴から作った区画水準の変数が、DA水準の国勢調査変数より分類に強く寄与したと報告する。これは予測への寄与であり、売買頻度が用途を決めるという因果関係を示すものではない。

従来研究との違い

比較対象には線形モデル、最近傍法、決定木、ランダムフォレストなどが含まれる。2011～2014年の試験用記録では、良好な線形モデルの正解率がおよそ75％だったのに対し、決定木とランダムフォレストはいずれも95％を超え、50本の木を使うランダムフォレストが97％で最良だった。国勢調査変数も精度改善に役立つとして残された。一方、交通調査の変数やDMTIの用途データはデータベースには結合されているが、この11変数による分類比較で直接用いた変数には含まれない。

結果と評価

正解率は、全記録のうち用途群を正しく判定した割合を指す。論文は群ごとの適合率、再現率、両者をまとめたF1値も確認しているが、図から細かな数値は補わない。主な評価は2011～2014年の記録を無作為に分けた試験用30％に対するものだった。別に2010年と2015年の記録も確認したが、正解ラベルの基となる詳細用途は主に2012～2013年に収集されており、両年のラベルはより不確かだと著者らは述べる。学習曲線からは、木に基づくモデルに訓練データへのある程度の過適合も見られた。

限界・注意点

著者らが述べる制約は、詳細な用途ラベルの収集時期が限られること、木に基づくモデルの過適合、誤分類がコンドミニアムや複合用途など取引頻度の高い地点に集中する傾向である。３群への集約は、細かな用途まで判別できたことを意味しない。さらに編集上の留意点として、同一座標が個々の物件を十分に区別できるか、無作為分割で得た精度が別の時期や地域でも保たれるかは、この評価だけでは確定しない。1986～2017年の記録に分類を付けたことと、その全期間で97％の正解率を確認したことは別である。