公共交通で届く仕事をどう数えるか――カナダ3都市圏の通勤分析
Which access matters? A comparative analysis of accessibility metrics and their impacts on commuting
カナダの3都市圏では、地域の平均移動時間内に届く仕事を数える指標が、競争を考慮する指標よりも地区別の公共交通通勤分担率をよく説明した。
この論文のポイント
- 2016年の通勤データを用い、カナダの3都市圏で公共交通による仕事へのアクセス指標4種類と地区別の通勤分担率との関連を比較した。
- 全通勤者と低賃金就業者のどちらでも、累積型と重力型を用いた各回帰モデルのR²は、2種類の競争型を用いた各モデルを上回った。
- 著者は一般的な交通計画に都市圏の平均移動時間を閾値とする累積型を推奨するが、示された結果は地区単位の関連である。
背景と課題
アクセシビリティとは、ある場所から交通手段を使って仕事などの機会へ到達しやすい度合いである。計画に使う指標には、計算と説明が簡単なものから、多くのデータを要するものまである。本論文は、公共交通で到達できる仕事をどう数えれば、公共交通による通勤が多い地区をよく説明できるかを問う。仕事を求める人同士の競争まで考慮すると、モデルの当てはまりは改善するのか。
研究の方法
観測単位はトロント、モントリオール、バンクーバーの国勢調査地区（CT）。2016年の国勢調査と居住地・勤務地間の通勤集計から、居住地区の公共交通通勤者の割合を目的変数、勤務地側の仕事数を到達先の機会とした。全通勤者と、各都市圏で所得が下位30％に入る低賃金就業者を別々に扱う。所得別人数を計算できない地区を除き、可能な場合は総数と他の所得層の差から低賃金層を求めた。同層の公共交通分担率が80％を超える観測も、秘匿に伴う値の膨張が疑われるため除外した。2016年秋の運行時刻データから、平日朝の地区間公共交通移動時間の中央値を計算した。時間には徒歩、待ち時間、乗換え、乗車を含む。
各出発地区について4種類の指標を求める。累積型は、所得区分ごとの都市圏平均移動時間を閾値とし、その時間内に着ける地区の仕事数を合計する。重力型は、各到着地区の仕事数に「1÷［1＋（地区間移動時間÷移動時間の中央値）のβ乗］」を掛けて合計する。βは、1〜100分の観測通勤から作った累積旅行割合と計算値の差の二乗和が小さくなるよう推定する。βが変わると、移動時間によって仕事を割り引く度合いが変わる。Shen型は、到着地区の仕事数を、そこへ到達できる就業者数を移動時間で重み付けした需要で割り、出発地区からの近さを反映して足す。空間的利用可能性は、出発地区の人口比と移動時間に基づく重みで仕事を配分する。ただし、提示された配分式は分母の添字と説明が整合せず、厳密な計算手順は本文だけでは確定できない。
最後に、公共交通分担率を各指標で説明する重回帰を、都市圏・所得区分ごとに推定する。指標は一度に一種類ずつ入れ、その二乗も加えるため、アクセスが増えたときに対応する分担率の差はアクセス水準によって変わる。提示された回帰表では平均年齢、平均世帯人数、在宅勤務者割合、人口密度、最寄りの高速輸送駅・停留所までの距離を調整する。残差の空間的な偏りを確認し、近隣地区間の依存を考慮した標準誤差を用いる。得られた係数で関連の向きを、決定係数R²で各モデルの当てはまりを比べる。
この研究の新しさ
同じ3都市圏の地区別通勤データを使い、到達できる仕事数を数える累積型、移動時間に応じて割り引く重力型、競争を考慮するShen型と空間的利用可能性を比較した。全通勤者に加え、低賃金就業者の仕事へのアクセスと公共交通通勤分担率についても調べた点が特徴である。
従来研究との違い
累積型は「一定時間内に届く仕事数」として読み取りやすいが、閾値を少し超えた仕事は数えない。重力型は遠い仕事ほど小さく数える。競争型の2指標は、仕事数に加えて、そこへ到達できる就業者や出発地区の人口を反映する。本研究が比べたのは、各指標を一つずつ入れた回帰モデルの当てはまりであり、単位の異なる指標値そのものの大小ではない。
結果と評価
全通勤者のモデルのR²は、累積型、重力型、Shen型、空間的利用可能性の順に、トロントで0.658、0.690、0.490、0.477、モントリオールで0.768、0.794、0.683、0.657、バンクーバーで0.718、0.693、0.548、0.561だった。低賃金層でも3都市圏すべてで、累積型と重力型の各モデルは競争型の各モデルよりR²が高い。ただし、累積型と重力型の差はゼロではなく、モントリオールの低賃金層では0.709と0.750だった。
関連の有意性は指標と地域によって異なる。例えばトロントでは、空間的利用可能性の係数は全通勤者・低賃金層とも統計的に有意ではない。R²は調整変数を含むモデル全体の当てはまりを示す。地区単位の観測データによる比較なので、アクセスの改善が公共交通利用を増やす因果効果や、将来の施策効果を確かめた結果ではない。
限界・注意点
【著者が述べる限界】CT単位の関連は個人の交通手段選択に直接当てはめられない。特に面積の大きい郊外の地区では、地区内のアクセス差が隠れうる。2016年のデータは指標間の比較には使えても、現在の計画判断には更新が必要である。また、重力型で別の重み付け関数を試せば差が変わる可能性がある。【本文の再現上の留意点】方法の文章には所得中央値も調整変数として挙がるが、提示された回帰表には載っていない。空間的利用可能性の配分式にも説明と整合しない添字があり、本文だけではその計算を厳密に再現できない。
現場への応用案
【編集上の提案】計画資料では、都市圏の平均移動時間内に公共交通で届く仕事数を地図に示し、閾値が何分かを併記すると、指標の意味を伝えやすい。病床や避難施設のように供給が限られる機会を扱う記事では、競争型指標を検討する論点として示せる。ただし、本研究はそれらの機会での性能を検証していない。
現場で確かめるには
【編集上の検証案】実務で使う際は、新しい通勤、仕事、運行時刻のデータで指標を再計算し、同じ地区単位と調整変数で当てはまりを比べる。累積型の閾値や重力型の重みを変えた場合の順位、郊外の大きな地区に集計する影響、所得別データの秘匿に伴う除外の影響も確認したい。施策の効果を見積もるなら、別途、施策前後や比較対象地区を用いた検証が必要である。
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。