長江デルタの高速鉄道駅周辺で、都市の活力はどこに集まるか

背景と課題

中国では、郊外に高速鉄道の新駅を設け、周辺の市街地開発を促す政策が進められてきた。しかし、駅ができれば施設や活動が集まるとは限らない。本研究は長江デルタの鉄道駅を対象に、駅周辺の「都市活力」を比較する。ここでの都市活力は来訪者数の実測値ではなく、施設や人口の集積、商業施設への近さ、住宅環境、用途の多様さを組み合わせた指標である。既存の市街地にある駅と郊外の新駅を同じ尺度で見て、活力の分布と駅・都市の属性との関連を調べた。

研究の方法

観測単位は各駅を中心とする半径3 kmの区域で、主に2018年のデータを使う。駅は在来線駅、在来線駅を高速鉄道対応に改修した駅、新設の高速鉄道駅に分ける。施設の位置を示すPOI、人口分布、道路網、建物、住宅地区の情報を区域ごとに集計する。住宅情報では異常な価格の記録を除き、住宅地区の所在地を地図で特定した。駅周辺都市活力（SAUV）を構成するのは8指標である。POI数、居住人口、道路交差点数はそれぞれ区域面積で割って密度とし、建物密度は建物の建築面積の合計を区域面積で割る。商業施設へのアクセスには道路網に沿った距離を使う。住宅環境は区域内の住宅地区の平均建築時期と平均住宅価格で表す。用途の多様さは、POIの種類ごとの構成比からシャノン・エントロピーを計算する。特定の種類に偏らず、複数の種類が分布するほど大きくなる値である。

次に、単位の異なる8指標を最小値と最大値によって正規化する。論文は、各指標の値のばらつきを情報エントロピーで捉え、エントロピーが小さい指標ほど大きな重みを与えるとしている。各駅のSAUVは、正規化した指標値にその重みを掛け、8項目分を足した値である。ただし、商業施設までの距離の向きをどう揃えたか、重みの計算に使うエントロピーを駅間でどう集計したかは、本文の説明と抽出された式だけでは確定できない。得られたSAUVを駅種別、都市の行政階層、省級地域、路線別に比較し、順位と値の関係から上位駅への集中も調べる。

最後に、駅ごとのSAUVを目的変数とする重回帰分析を行う。説明変数には新設駅かどうか、列車の運行本数、都心までの道路距離、地下鉄接続の有無などを入れ、都市の行政階層、人口密度、国内総生産（GDP）も順次加える。全191駅と高速鉄道駅121駅を別々に分析し、係数を他の投入変数が同じ場合のSAUVとの関連として読む。本文は一部変数を対数変換したと述べるが、道路距離については回帰表の表示と一致しないため、係数を距離の増減に換算して解釈することは避ける。

この研究の新しさ

新設の高速鉄道駅だけでなく、改修された高速鉄道駅と在来線駅も同じ3 km圏で比べた点が特徴である。施設数だけに頼らず、人口、道路、住宅、用途の混合をまとめ、駅周辺の差を都市の階層や地域、路線と結び付けて読んでいる。これにより、高速鉄道が通る駅でも周辺の状況が一様ではないことを示した。

従来研究との違い

駅種別ごとの平均SAUVは、改修高速鉄道駅が0.241、在来線駅が0.105、新設高速鉄道駅が0.090だった。順位別の分布では、新設駅は少数の上位駅に活力が集中し、改修駅の分布は比較的平らだった。高い値は上海、南京などの中心都市や、南京―上海、上海―杭州の経済回廊に多い。これらは2018年時点の異なる駅群を比べた結果であり、駅を新設・改修した場合の効果を直接測った結果ではない。

結果と評価

全191駅の回帰では、駅側の変数を入れた最初のモデルの調整済み決定係数は0.245、都市側の変数まで加えた最終モデルでは0.742だった。後者では、新設駅であることと都心までの距離が大きいことは低いSAUVと、地下鉄接続、都市の人口密度、GDPは高いSAUVと関連した。高速鉄道駅121駅に限った最終モデルでも、新設駅と都心までの距離の係数は負、地下鉄接続と人口密度の係数は正だった。列車本数は両方の最終モデルで統計的に有意ではない。モデルに変数を加えると説明力は上がったが、観測された関連から駅整備や地下鉄接続の因果効果は判断できない。

限界・注意点

著者は、全駅に共通の3 km圏を用いると、駅ごとの規模の違いを十分に表せないと認めている。また、本文は位置情報などのデータの代表性や信頼性を課題に挙げる。加えて、指標の向きや重みの集計手順には本文だけでは確定できない部分があり、記述と回帰表の間にも道路距離の変換や説明力の数値について食い違いがある。厳密な再計算には元データと計算仕様の確認が要る。単年の長江デルタでの関連を、他地域や将来の駅にもそのまま当てはめることはできない。