ミュンヘン周辺の車依存を測る――保有台数と「車なしの到達性」を組み合わせる
Exploring a quantitative assessment approach for car dependence: A case study in Munich
ミュンヘン周辺の交通ゾーンについて、自動車の保有状況と徒歩・自転車で生活施設などに届く割合を組み合わせ、地域差と関連する特性を調べた研究です。
この論文のポイント
- 交通ゾーンごとに、自動車保有率を生活施設・公共交通への徒歩と自転車での到達性Aの平方根で割り、CDFを算出した。
- ミュンヘン周辺ではCDFが中心部より外側で高い傾向を示し、６つの地域特性を用いた重回帰のR²は0.639だった。
- 所得税とCDFの関連の向きは結果表と本文の記述が一致せず、地域特性との関連は因果関係を示さない。
背景と課題
「車への依存」は、車を多く保有・利用することだけでなく、車がないと日常の目的地へ行きにくい状況も指す。本論文は、基本的な活動機会へ行く主な手段が車となる交通・土地利用のあり方に着目した。先行する定量評価は、車の利用・保有、または公共交通などへの到達しにくさの一方に注目する傾向がある。そこで著者らは、ミュンヘン交通運賃連合の対象地域を交通ゾーン単位で捉え、両面を一つの指標にまとめた。さらに、指標の地域差が土地利用や社会経済的な特性とどう関連するかを探索した。
研究の方法
観測単位は交通ゾーンである。まず各ゾーンの自動車保有率COとして、2017年のバイエルン州交通モデルにある住民1000人当たりの乗用車台数を使う。COは車の実利用を直接測った値ではなく、その代替指標だ。もう一つの変数Aは、車を使わずに基本的な機会へ届く建物の割合から作る。出発点となる建物と目的地のデータはOpenStreetMapから取得し、目的地には食料品店、医師・病院、幼稚園・学校を含める。鉄道駅、バス・路面電車の停留所には交通運賃連合のデータを使う。QGISで建物と目的地の直線距離を求め、経路距離の近似として1.3倍する。徒歩は1km以内、自転車は3.75km以内なら到達可能と判定する。両方とも移動時間15分を想定した基準である。
次にゾーンごとに、食料、医療、教育、公共交通のそれぞれについて、到達可能な建物の割合を徒歩と自転車で求め、同じ重みで平均してAとする。割合は0～1の値として扱い、大きいほど車を使わずに届く建物が多い。車依存指標CDFは「CO÷Aの平方根」で計算する。平方根は到達性の極端な値の影響を和らげるための処理で、COが同じならAが小さいほどCDFは大きくなる。算出したCDFを地図に示した後、これを目的変数、地域特性を説明変数として重回帰分析を行う。重回帰は複数の特性とCDFの線形な関連を同時に調べる方法だ。候補には地価、通勤者収支、所得税、従業者数、中心市街地までの距離、歩行者・自転車利用者が関わる事故の割合などがある。著者らはまず、順位の並びに基づくスピアマン相関でCDFとの関連を調べ、おおむね相関の大きさが0.3を超える候補を検討した。候補同士の相関が0.7を超える場合は重複を避けるよう選び、回帰ではp値0.05未満と決定係数R²も確認した。ただし所得税はCDFとの順位相関が基準未満でも採用されている。得られる係数は採用した他の特性を含めたときの関連の向きを示し、原因や施策の効果を特定するものではない。
この研究の新しさ
車の保有率と、徒歩・自転車で生活施設や公共交通に届く建物の割合を、同じ交通ゾーンの指標にまとめた点が特徴である。著者らはさらにCDFと地域特性の関連を調べ、詳しく検討すべき場所を考える材料としている。ただしCDFは定義した式から得る地域指標であり、個々の住民が車を必要とする度合いを直接測定したものではない。
従来研究との違い
論文が整理した先行研究には、調査で主観的な依存を捉えるもの、車の保有・利用を見るもの、施設や仕事への到達性を見るものがある。本研究は保有と車なしでの到達性を併せて扱い、保有台数が多くても目的地に届きやすい地域と、そうでない地域を区別しようとする。一方、別の指標と同一条件で精度を競う検証は本文に報告されていない。従来法より正確だとは結論できない。
結果と評価
ミュンヘン周辺では、CDFは中心部より外側で高い傾向を示し、特に郊外鉄道の圏域外に高いゾーンが見られた。採用した６変数の重回帰では、中心市街地までの距離と通勤者収支の係数が正、地価、従業者数、歩行者・自転車利用者が関わる事故の割合の係数が負だった。所得税の回帰係数は正で、決定係数R²は0.639。これは対象データ内で線形モデルが捉えたCDFのばらつきの割合を示すもので、他地域での予測性能ではない。
所得税については、結果表の回帰係数が正である一方、結果・考察や結論には税額が低い地域ほど依存が高いとする記述がある。CDFとの順位相関も負であり、本文内で関連の向きが一致しないため、解釈は保留すべきだ。また、事故に関わる歩行者・自転車利用者の「割合」が低くても、安全性が高いとは限らない。著者らも利用者数や事故の重大さを調べる必要を挙げており、これらの関連から因果関係は示せない。
限界・注意点
著者らが挙げる限界として、保有率は車の実利用を表すとは限らず、到達性には公共交通の運行時間・頻度が含まれない。対象施設は食料・医療・教育に限られ、距離も道路網上の実距離ではなく直線距離の補正値である。交通データは2017年、国勢調査由来の一部データは2011年で、資料の時点や空間的な細かさも異なる。相関と回帰は関連を探る手掛かりであり、地域特性だけで車依存を判定したり、結果を他地域に一般化したりするには追加検証が要る。
現場への応用案
【編集上の提案】地域向けに結果を示す際は、高CDFのゾーンを一括りにせず、保有率COと到達性Aを並べて示したい。保有率が高く到達性が低い場所と、到達性は高いが保有率も高い場所では、同じようなCDFでも検討課題が異なる可能性がある。これは論文が実証した施策効果ではなく、指標の内訳を読み違えないための提示案である。
現場で確かめるには
【編集上の検証案】自治体が導入を検討するなら、まず保有台数、建物、施設、停留所の対象区域と時点を照合する。次に実際に通れる徒歩・自転車経路と公共交通の運行時間・頻度を確認し、距離の近似、到達範囲、目的地の種類を変えても高CDFのゾーンが大きく入れ替わらないか調べたい。住民の移動実態とも照らし、指標が施策を議論する入口として役立つか検証する案である。
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。