モントリオールの徒歩・自転車移動と街の環境：通勤・通学・買い物・余暇で異なる関連

背景と課題

徒歩や自転車による移動を、論文はアクティブトラベルと呼ぶ。歩道や公園などが充実するほど移動も一定の割合で増えると仮定すると、増加が鈍る地点や減少に転じる地点を見落とす可能性がある。著者らはモントリオール島を対象に、建物や交通施設、樹木・水域などの環境とアクティブトラベルの関連を、通勤・通学・買い物・余暇の四目的で調べた。

研究の方法

観測単位は、国勢調査にも用いられる小地区のDA。目的変数は、2018年の発着地調査から得た、各DAにおける徒歩・自転車利用者の割合で、移動目的別に扱う。説明変数には住戸密度、交差点密度、業種の多様性、歩道・自転車レーン・公園・樹木・徒歩で行ける店舗へのアクセス、公共交通の停留所数、最寄りの水域までの距離を使う。所得、年齢、性別、世帯人数も交絡を考慮するために加える。業種の多様性は、各業種の構成比を二乗して足し、1から引いた値で表す。特定の業種に偏るほど小さくなる。施設や環境の面積・件数はDAごとに集計する。住戸・交差点の密度と業種の多様性はDA内の値を使い、停留所は人口で重み付けしたDA中心点から1 km以内の件数、水域は最寄りまでの距離とする。それ以外のアクセス値は、中心点から徒歩30分以内に到達できるDAを経路計算で求め、到達可能なDAにある対象の面積や件数を合計する。つまり、到達できないDAの値は足さない。

次に、目的変数と各説明変数の散布図を目的別に見て、直線、二次、三次、対数の形を試し、図の形とモデルの性能指標から変換を選ぶ。二次の形は元の値とその二乗を組み合わせ、途中で増減の向きが変わる関係を表せる。三次は三乗も加えるため、向きがさらに変わる形を表せる。対数変換には「値に1を足したものの自然対数」を使う。ゼロが多く、正の値が右に偏る目的変数に合わせ、これらの変数をTweedie分布の一般化線形モデルで推定する。係数は他の変数を含めた条件での地区間の関連を表すが、曲線全体の形は複数の係数で決まる。残差の空間的な偏りをMoranのIで調べ、偏りがあった通勤・買い物・余暇では、辺か頂点を共有する隣接DAの目的変数から空間ラグを作り、説明変数に加える。推定したモデルで全DAの割合を予測し、目的別の関係図と、高低の値が集まる地区の地図に用いる。本文にはリンク関数や空間ラグの重み付けの詳細は示されていない。

この研究の新しさ

この研究は、環境との関連を一律の直線とせず、四つの移動目的ごとに曲線の形を検討した。調査標本が足りないDAも含めて割合を予測し、目的別の空間分布まで示している。ただし、示した曲線は観測データに基づく関連とモデル上の予測であり、施設を整備した場合の効果を直接測ったものではない。

従来研究との違い

論文は、予測手法としてランダムフォレスト、サポートベクターマシン、XGBoostも試したと記す。平均絶対誤差ではサポートベクターマシンが良かった一方、二乗平均平方根誤差と決定係数では四目的すべてで一般化線形モデルが良かったという。本文には各手法の誤差値や評価用データの分け方が示されていないため、性能差の大きさや未知の地区での再現性までは判断できない。

結果と評価

一般化線形モデルの決定係数は通学0.100、通勤0.248、買い物0.272、余暇0.192だった。予測値を使った関係図では、住戸密度、樹木へのアクセス、業種の多様性に、四目的ともおおむね途中で頂点を迎える逆U字型が見られた。一方、歩道や停留所へのアクセスなどは目的によって形が異なる。予測値が高い地区の集積は通勤・買い物・余暇で島の中心部に目立ち、通学では小規模な集積が散在した。これらはモントリオール島の地区別データと予測値に基づく結果である。

限界・注意点

著者らは、隣接地区の目的変数を加える空間ラグ処理が近似であり、複雑な地区間の関係を捉えきれず、係数に偏りが残る可能性を挙げる。また、観測値のないDAや少数標本で割合が大きく出るDAがあるため、全地区の地図はモデル予測に依存する。編集上の検証事項として、本文では予測性能の評価用データをどう分けたか、曲線の折り返し位置がどの程度確かかが十分に分からない。地区単位の観察結果を、個人の行動や環境整備の因果効果へそのまま置き換えることはできない。