歩きやすさ指標は、どの目的の徒歩移動と結びつくか――モントリオールの比較研究
Walkability indices and travel behavior: Insights from Montréal, Canada
モントリオールの移動調査を用い、六つの歩きやすさ指標と週当たりの徒歩分担率との関係を移動目的別に比べた研究である。
この論文のポイント
- モントリオールの4,715人について、六つの歩きやすさ指標と週当たりの徒歩分担率を比較した。
- 全目的を合わせたモデルでは、Can-ALEのR²が0.317で、比較した六指標の中で最も高かった。
- 最も当てはまりのよい指標は移動目的で異なり、仕事・学校では徒歩30分圏の仕事数、医療ではWalk Scoreだった。
背景と課題
歩きやすさ指標は、住宅や目的地の密度、道路のつながり、施設への近さなどから、地域の徒歩移動のしやすさを表す。指標は複数あるが、同じ地域の移動行動に照らして、どれがどの目的の徒歩移動に対応するかを比べた研究は限られていた。モントリオールの先行研究には、参加者が前日一日分の移動だけを報告するという制約もあった。本研究は週当たりの移動を尋ねた調査を使い、仕事、学校、買い物、余暇、医療の五目的を検討した。
研究の方法
観測単位は調査参加者一人である。2023年秋のモントリオール移動調査について、重複回答、極端に短い回答時間、無効な所在地、不整合な世帯情報などを点検し、不完全な回答を除いた。所得の無回答は、年齢、性別、就業状況、世帯構成、学歴などを用いる連鎖方程式による多重代入法で補った。さらに、週の移動回数が4～30回で、対象の五目的の少なくとも一つに移動した4,715人を残した。目的変数は、週の全移動に占める徒歩移動の割合である。目的別には、その目的への移動が一回以上ある人に限り、当該目的の移動に占める徒歩の割合を計算した。説明変数の六指標を居住地に対応づけた。Walk Scoreは施設への近さ、Spatial Access Measuresは徒歩による雇用先へのアクセス度を表す。Can-ALEは住宅密度、つながった交差点の数、目的地の数からなり、Can-ALE/Transitには停留所も加わる。残る二指標は徒歩15分・30分圏の仕事数である。後者は、国勢調査区の仕事数を面積比でより小さな地区へ配分し、道路網から地区の中心点間の徒歩所要時間を求め、各制限時間内に届く仕事を数えた。計算上の歩行速度は時速3.6kmとした。
回帰の前に各指標からその平均を引き、標準偏差で割った。こうして指標の尺度をそろえると、係数は、ほかの変数が同じ場合に指標が標準偏差一つ分高い人の徒歩分担率が何ポイント違うかを表す。次に、年齢、性別、所得、世帯人数、フルタイム就業、利用可能な車の数、歩きやすい地区を選んで住んだか、徒歩移動者という自己認識を共通の調整変数として、重み付き線形回帰を行った。重みは回答者の年齢・所得・性別の分布を2021年国勢調査に合わせるよう反復調整した。全目的と五つの個別目的について、それぞれ指標なしのモデル一つと、六指標を一つずつ加えたモデルを推定した。出力された係数で関連の向きと大きさを読み、決定係数R²で各モデルが標本内の徒歩分担率のばらつきをどれほど説明するかを比べた。
この研究の新しさ
カナダで利用できる複数の指標をWalk Scoreと同じ調査データ、同じ調整変数の下で比べ、移動目的別にも評価した点が特徴である。施設へのアクセスを主に測る指標と、住宅密度や道路の接続性も含む指標を並べることで、全目的をまとめた場合と個別の目的とで、当てはまりのよい指標が変わることを示した。
従来研究との違い
全目的を合わせた分析では、指標なしのモデルのR²は0.234だった。指標を一つ加えたモデルではCan-ALEが0.317で最も高く、Can-ALE/Transitが0.314、Spatial Access Measuresが0.284、Walk Scoreが0.281と続いた。徒歩30分圏と15分圏の仕事数は、それぞれ0.278と0.257だった。六指標はいずれもこの分析で統計的に有意だったが、R²の順位は徒歩環境を変えたときの効果の順位を意味しない。
結果と評価
目的別では、仕事と学校で徒歩30分圏の仕事数を加えたモデルのR²が最も高く、それぞれ0.095、0.215だった。医療ではWalk Scoreが0.246で最も高い。買い物と余暇はCan-ALE系の二指標が上位だった。ただし、両目的については、本文の説明と表3の列見出しから読めるCan-ALE／Can-ALE/Transitの数値の対応が食い違うため、どちらが首位かは断定しない。
仕事の最高R²はほかの目的の最高値より低く、分析した居住地周辺の指標による説明力は限られていた。全目的のCan-ALEモデルでは、標準化した指標の係数は8.99であり、調整変数が同じ場合、指標が標準偏差一つ分高いことと徒歩分担率が約9ポイント高いことが関連していた。これは観察データ上の関連であり、指標を上げれば徒歩が増えるという因果効果ではない。
限界・注意点
著者が挙げる限界は、調査と指標で利用できた年や空間単位が異なること、分析対象がモントリオールであること、指標が街路の細部や暑さなどを扱う細かな尺度ではないことである。徒歩圏の仕事数にも、細かな地区の雇用データを得にくく、国勢調査区の値を面積比で配分する制約がある。著者は、更新時期や計算条件のそろった指標を使えば結果が変わり得るとも述べる。編集上は、報告されたR²を標本外の予測精度や施策の因果効果として扱わず、買い物・余暇に関する本文と表3の対応の食い違いにも留意する必要がある。
現場への応用案
編集上の応用案として、地域診断の記事では、まず対象にする徒歩移動の目的を示し、その目的に対応する指標を検討する構成が考えられる。例えば買い物を扱う場合は、Can-ALE系の総合値とともに、住宅、交差点、目的地、停留所のうち指標に含まれる要素を示すと、地域の評価を読者が追いやすい。この提示方法の有効性を論文が検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、別の都市や調査年で同じ目的別モデルを推定し、指標の順位とR²が保たれるかを確かめたい。特定地区への施策を検討する際は、指標の作成年と集計地区の大きさを確認し、現地の歩道・横断環境や実際の徒歩行動とも照合する。施策が徒歩移動を増やしたかを判断するには、整備前後と比較地区の変化を追う別の検証が必要である。これらは本論文で実施した検証ではない。
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。