深圳の地下鉄165駅を「交通網・土地利用・乗降」で分類すると何が見えるか

背景と課題

従来の「ノード・プレイス」モデルは、駅を交通網の結節点（ノード）と都市活動の場（プレイス）の両面から評価する。ただし、交通の便や周辺施設の充実度だけでは、その駅が実際にどれほど使われているかは分からない。同じ駅でも、平日と週末では周辺の活動や乗降が変わり得る。本研究は乗降を第三の軸に加え、深圳の駅周辺を分類した。

研究の方法

観測単位は、2018年末時点の深圳地下鉄165駅それぞれを中心とする半径800メートルの範囲である。各駅について、交通網への接続を示すノード値、周辺活動の条件を示すプレイス値、実際の乗降を示す乗降値を作る。ノードの指標は二つの都心までの公共交通による距離・所要時間、地下鉄網での中心性、乗換可能なバスの数、列車の運行間隔、出口数。プレイスの指標は人口密度、建物の総床面積、用途の混在度、道路網と交差点の密度である。用途の混在度には、区域を表すAOIと施設を表すPOIの分類の散らばりを使う。乗降には各駅で乗った人数と降りた人数を使い、通過客は含めない。駅・建物・道路などの位置データを駅周辺に集計し、時間別乗降を対応付ける。乗降データは2018年8月と9月の各7日間、人口分布データは2020年6～7月の約2週間に基づく。

次に各指標を0～1に標準化し、エントロピー重み付けで指標ごとの重みを求め、三つの軸それぞれの値に合成する。本文は標準化の向きと重みの計算式を詳述していない。得られた三つの値を各駅の特徴としてK-means法で群分けする。この方法が小さくしようとする量は、各駅の値と所属する群の中心との距離を二乗し、全駅で合計した値である。群数を増やすと分類は細かくなるため、著者らは2～9群を試し、群内のばらつきを見るエルボー法と、同じ群・別の群との距離を比べるシルエット係数を併用して群数を選んだ。中心の更新手順は本文にない。全期間には平均人口と1日平均乗降を使い、平日・週末にはそれぞれの人口密度と平均乗降に差し替えて分類する。日内の分析では、平日の日中に活動する人口と深夜に活動する人口の比を職住比の代用とし、平日7～9時・18～20時の乗降が全乗降に占める割合を通勤乗降の代用とする。得られた群の特徴と駅の分布を地図上で比較する。

この研究の新しさ

乗降をノード、プレイスと並ぶ独立した軸に置き、駅が持つ条件と実際の利用を一緒に分類した点に特徴がある。さらに、平日・週末では人口と乗降を切り替え、日内の分析では職住比とピーク時間帯の乗降割合に着目する。日内の分析は、全指標を時間ごとに更新するものではなく、職住の偏りと乗降の時間的集中を捉える設計である。

従来研究との違い

従来の二軸モデルと比べ、交通網と土地利用の釣り合いに加えて乗降の多寡を類型に反映できる。ただし、乗降を第三の軸にしてK-means法で分類する試み自体は先行研究にもあり、本文によれば、その研究は駅周辺を5類型に分けた。本研究が加えたのは週内・日内の違いの検討である。著者らは、ノード値の影響がより大きいとした別の都市の研究にも言及するが、都市間の結果の差が生じた理由は本研究だけでは確定できない。

結果と評価

全期間の分析では165駅を6群に分類した。ノード値とプレイス値が比較的高く、乗降値が中程度の2群は計43駅、プレイス値と乗降値が比較的高い2群は計47駅だった。プレイス値またはノード値の一方が高く、乗降値が比較的低い残りの2群は、それぞれ42駅と33駅である。著者らは、乗降はノード値よりプレイス値と強く結び付くと解釈する。これは分類結果から見た関連であり、土地利用を変えた場合の効果を測った結果ではない。

平日と週末はそれぞれ4群に分け、165駅中12駅で類型が変わった。本文は、余暇施設のある駅や雇用が集まる駅を挙げ、週末の変化と周辺機能との関係を説明する。日内の分析では、ピーク時間帯の乗降割合が高い駅に、プレイス値が低く、用途の混在も乏しい傾向が見られた。ただし、この割合は個々の利用者の通勤目的を直接確認した値ではない。

限界・注意点

著者が挙げる限界は、2018年の駅・乗降データに対して一部の人口指標が2020年のデータに基づくこと、通過客を乗降に含めないこと、他の交通手段との関係を扱わないことである。編集上の確認事項として、ピーク時間帯の乗降割合は通勤者の割合そのものではなく、異なる年のデータを組み合わせた影響も検証が必要である。また、本文の手法説明では時間分析のノード指標を固定するとする一方、平日・週末の結果表にはノード値が変化した駅が記載されており、この食い違いは本文から解消できない。重み付けの詳細式とK-means法の更新手順も示されていない。