土地利用データが乏しい都市で、活動場所を区域別に見積もる方法
Synthesizing activity locations in the context of integrated activity-based models
南カリフォルニアの土地利用データを基に、交通モデルに必要な活動場所の件数を推定し、施設地点データで補う方法を検討した研究である。
この論文のポイント
- 南カリフォルニアの3,441交通分析ゾーンを用い、６用途の活動場所の区域別件数をゼロ過剰負の二項回帰で推定した。
- 学校、大学、病院、宿泊施設についてはOSMの地点情報をHEREと比較し、用途や分類条件によって記録と空間分布に違いがあることを示した。
- 回帰で推定した件数を区域内の具体的な座標へ配置する方法は、この論文では完成していない。
背景と課題
活動ベース交通モデルは、人が一日の中で行う活動と、その場所への移動を表す。論文が想定する交通シミュレーション基盤Polarisでは、移動を区域間だけでなく、道路網につながる個々の活動場所の間で扱う。このため、用途が分かる地点データが必要だが、都市全域で詳細な土地利用情報を入手できるとは限らない。
研究の中心課題は、交通分析ゾーン（TAZ：交通需要を集計する区域）ごとに、業務やレクリエーションなどの活動場所が何件あるかを近似することだ。著者らは、人口・雇用・交通基盤から件数を推定する方法と、公開されている施設地点を利用する方法を、用途に応じて使い分けた。
研究の方法
観測単位はTAZ、回帰で推定する目的変数はTAZ内の用途別活動場所の件数である。著者らは南カリフォルニア地域の4,108区域について、筆地ごとの土地利用区分を区域別に集計した。説明変数には人口・世帯密度、産業別雇用密度を用い、道路網を区域と地理的に重ねて道路・鉄道の種類別中心線延長も求めた。対象の10用途のうち、業務、レクリエーション、市民施設、製造業、複合用途、交通結節施設の６用途を回帰の対象とする。件数が極端に多い観測を除いた後の推定用データは3,441区域である。学校、大学、病院、宿泊施設の４用途は該当区域が少なく、別の地点情報を利用する。
６用途には、ゼロ件が多いデータを扱う「ゼロ過剰負の二項回帰」をそれぞれ当てはめる。まず説明変数と係数の積を足し、対数を介して、負の二項分布が表す件数の平均μを求める。同じ変数の値が増えたとき、ほかの条件が同じなら、正の係数はこの平均を増やす方向に働く。負の二項分布には、平均だけでは説明できない件数のばらつきを表すθもある。次に別の係数群から「追加的にゼロ件となる確率」pを求める。したがって、ゼロ件の確率には、pによるゼロと、負の二項分布自体が生むゼロの両方が含まれる。著者らは事前分布を置くベイズ推定で係数とその不確実性を求め、４系列の標本抽出を行い、係数の95％区間を見ながら変数を選別した。ただし、本文のpの回帰式は対数表記で、計算時に確率を０〜１に収める変換の詳細は明確でない。
４用途ではOpenStreetMap（OSM）から施設地点を抽出し、HEREの地点情報と照合する。地点同士の近さに加え、TAZ別と一辺１kmの六角形区画別の分布を比べる。出力は６用途の区域別推定件数と追加的ゼロの確率、および４用途の施設地点情報である。推定した件数を区域内の座標に配置する手順は、論文の対象外である。
この研究の新しさ
用途を一律に処理せず、６用途は区域別件数の回帰、まれで施設種別を検索しやすい４用途は地点データの利用に分けた。回帰では、件数のばらつきとゼロの多さを扱い、区域ごとの追加的ゼロの確率も得る。OSMについては記録を無条件に正解とみなさず、別の情報源との位置や空間分布の違いを調べた。
従来研究との違い
区域だけで目的地を表す方法に比べ、地点単位の表現は道路上の経路を細かく扱える一方、より多くの位置データを要する。本研究はその入力データ不足に取り組むが、地点座標まで生成する完成済みの代替手法との性能比較ではない。
OSMとHEREの比較では、優劣は施設の種類や分類条件で変わった。病院の総数は両者とも148件だが、互いに近くない地点もある。大学については、HEREの「大学」にキャンパスではない事務所などが含まれる例を著者らが確認した。学校も対象を小中学校に絞るか学校全般に広げるかで一致度が変わる。総件数が近いだけでは、地点の一致や分類の適切さは判断できない。
結果と評価
回帰の負の二項分布側では、業務、市民施設、製造業の平均件数と人口密度に正の係数が推定され、レクリエーションと交通結節施設では負の係数が推定された。これは採用された他の変数を考慮したモデル内の関連であり、人口密度を変えた場合の因果効果ではない。６用途のθの推定平均はいずれも１未満で、著者らは件数のばらつきを扱う負の二項分布の採用と整合的だと述べる。
著者らは標本抽出の系列を確認し、推定後の件数分布を学習に用いたデータの分布と比較した。分布はおおむね似ている一方、ゼロ件が特に多い用途ではゼロを過大に見積もる可能性を指摘する。ここで示された照合は主に対象地域の学習データに対するもので、別都市での予測精度を実証したものではない。
限界・注意点
著者らは、元の土地利用分類に偏りがあり得ること、高解像度画像や現地訪問による確認が必要なこと、現在のデータだけでは土地利用の経年変化を扱えないことを挙げる。推定件数を道路沿いに配置する構想は示すものの、道路の選び方や中心線からの距離は検討中である。OSMとHEREの照合も、両者の違いは示せるが、どちらが正しいかを常に確定できるわけではない。別都市への適用精度や、地点配置が移動シミュレーションに与える影響は、編集上なお検証を要する事項である。
現場への応用案
【編集上の応用案】交通モデル用の活動場所データを整備する際、区域別の推定件数と、OSMに記録された個別施設を区別して表示すると、情報の出所が分かりやすい。追加的ゼロの確率は、確認を要する区域を検討する参考にはなるが、施設が存在しないことの証明としては扱わない。
現場で確かめるには
【編集上の導入時の検証案】適用先では、TAZの区切り方、人口・産業別雇用の密度、道路種別と中心線延長の定義を確認する。施設台帳を利用できる一部区域を検証用に取り分け、用途別件数、ゼロ件の割合、区域間の分布を予測と照合したい。OSMの分類や重複・欠落も現地資料などで点検する。将来、推定件数に座標を付けるなら、用途に合う配置と道路への接続を別途検証する必要がある。
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。