通勤先の職場数と国境を越える交通量を、同時に合わせる行き先選択モデル
Destination choice modeling with spatially distributed constraints
バーゼルの三国境地域を対象に、個人ごとの通勤先選択を保ちながら、職場数と方向別の越境通勤量を反映する手法を解説する。
この論文のポイント
- 既存の個人単位の勤務地選択モデルに、区域別の職場数と方向別の越境通勤量を制約として加えた。
- バーゼル地域の対象断面では、補正なしの計算に比べ、越境交通量の平均相対偏差が20%以上低下したと報告する。
- 確率に基づいて個人へ勤務地を割り当てるため、反復後も職場数の超過を完全には防げない。
背景と課題
個人単位の目的地選択モデルは、所要時間や費用、個人属性による選び方の違いを表せる。しかし、各人の選択を独立に計算すると、人気の区域に実在する職場数を超えて通勤者を割り当てるおそれがある。スイス、ドイツ、フランスにまたがるバーゼル地域では、国境を越える通勤量も方向によって大きく異なる。職場数だけを合わせても、この地域間の流れまで再現できるとは限らない。
論文が主に扱うのは勤務地の選択である。事例地域は2015年時点で約196万人を含み、人口と職場を20,645の区域で表す。著者らは既存の選択モデルを土台に、目的地区域ごとの職場数と、出発地域・到着地域の組ごとに観測された通勤量を併用できるか検討した。
研究の方法
入力は、出発地の区域にいる通勤者、候補となる目的地区域、各区域の職場数、指定した地域間の方向別通勤量である。既存の多項ロジットモデルを使い、各候補の「効用」――その人にとっての選びやすさを表す値――から選択確率を求める。元のモデルには自動車・公共交通・自転車・徒歩の所要時間や費用などが反映される。効用を計算する係数は本研究では既知の入力とし、改めて推定しない。職場数の資料は区域別の容量として整え、2010年のコードン調査、すなわち境界を横切る交通を調べた資料から得た越境通勤量は、地域間の目標値として用いる。ただし、その観測値が得られるのは対象地域内の一部であり、残りの流れにも同様の国境通過時の選択傾向を仮定する。区域外から来る労働者が使う職場やパートタイム勤務も、容量を整える際の注意点である。
計算上は、出発地の通勤者数に目的地を選ぶ確率を掛け、各出発地・目的地間の期待配分人数を作る。これを目的地ごとに足した人数は職場数以下、指定された地域間で足した人数は観測された越境通勤量に一致、という条件を置く。全員を割り当てられるよう、これらの条件は互いに実現可能でなければならない。論文は元の確率に基づく配分を凸最小化問題として捉え、条件に対応するラグランジュ乗数から「シャドープライス」を導く。これは実際の料金ではなく、制約を効用に反映する補正値である。目的地の容量に対応する補正は過密な候補を選ばれにくくし、地域間の補正は観測量との過不足に応じて流れを変える。どちらも該当する区域または地域間の組に属する人に共通で、個人ごとには変えない。
反復は補正値ゼロから始め、配分人数を集計し直して、職場数の超過と地域間交通量のずれに応じて補正する。許容するずれを確認しながら得た選択確率を、最後に個々の通勤者の勤務地割り当てに使う。ただし、提示本文では目的関数と反復更新式の数式抽出が欠けている。補正値を各回に何倍変えるかといった再現可能な更新手順は確認できず、別の算法で補ってはいない。
この研究の新しさ
目的地一つひとつの職場数という一次元の制約と、出発地域・到着地域の組で決まる交通量という二次元の制約を、同じ個人単位の選択計算に組み込む点が特徴である。個人による効用の違いを残しつつ、集計した配分を外部の観測値に近づける。論文は二つの制約を同時に使う場合だけでなく、それぞれ単独で使う場合も検討している。
従来研究との違い
比較の出発点は、シャドープライスを加えない既存モデルの計算結果、すなわち反復0回目である。地域間交通量だけを調整した場合は職場数の超過が残り、職場数だけを調整した場合は越境交通量のずれが残った。片方を合わせれば他方も自動的に合うわけではない。論文が比較対象として論じる重力モデルなどの集計流量調整法に対して、本手法は個人ごとの効用を持つ選択モデルから出発する。
結果と評価
バーゼル地域では15回の反復を打ち切り基準とし、区域別の職場数との差と、対象とした六つの方向別越境通勤量の観測値との差が縮小した。著者らは、補正なしの計算に比べて、越境交通量の平均相対偏差が20%以上低下したと報告する。これは事例地域の対象断面での比較であり、他地域でも同じ改善率になるという結果ではない。記載された計算機で15回の計算に約2.5時間を要し、そのうち約1.5時間は初回の効用計算だった。
通勤距離の累積分布を別資料と比べると、調整後は特に5~20kmの距離がやや伸びたが、著者らは全体の変化を小さいと評価する。人口と職場をともに20%増やす例では、将来の越境交通量を未知として現在の補正値を固定する場合と、交通量を仮定して補正し直す場合を示した。仮想の道路リンクを追加した例も、所要時間の変化に伴う補正値の空間的な変化を示すシナリオであり、道路整備の実測効果ではない。
限界・注意点
著者らが述べる限界として、反復後も確率に基づく個人への割り当てでは職場数の超過を完全には防げず、収束の速さも事例によって変わり得る。対象区域の外から来る通勤者の影響は捉えにくい。また、既存モデルの係数は制約の補正に先立って推定されており、制約の影響を係数推定にも組み込むことや、より詳細な選択モデルで予測精度を検証することは今後の課題とされる。これとは別に、提示本文の数式抽出が欠けるため更新則の細部を確認できない点と、将来の越境交通量に置く仮定の妥当性を点検すべき点は、記事作成・導入時の検証事項である。
現場への応用案
【編集上の提案】一人の通勤者に対する候補地を模式的に並べ、職場数の超過を抑える補正と、方向別の越境交通量を合わせる補正を色分けすると、二種類の制約の働きを伝えやすい。これは説明用の図案であり、論文の実測図や追加の分析結果ではない。
現場で確かめるには
【編集上の導入時の検証案】別地域に適用する前に、通勤者・職場・断面交通量の対象範囲と調査年をそろえ、区域外からの通勤者が使う職場を点検したい。次に、職場数の上限と方向別交通量の目標を同時に満たせるか確認する。そのうえで補正なし、各制約のみ、両制約を用いた結果を比較し、期待配分人数だけでなく、個人へ確率的に割り当てた後の超過も調べる。独立した通勤先資料や距離分布による照合も必要だろう。
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。
