CART-Apriori法に基づく都市住民の移動モード選択に関する研究

なぜ日々の通勤が重要なのか

徒歩、自転車、バス、車といった街中での一回一回の移動は、渋滞や汚染、さらには都市の成長の仕方にまで静かに影響を与えます。本研究は中規模の中国の都市における人々の移動手段の選択を詳細に調べ、これらの選択を予測する新しいデータ駆動型手法を検証します。結果は、同じ距離でもなぜある人は1kmを歩き、別の人は配車サービスを呼ぶのか、そしてより賢い計画がどのように渋滞や炭素排出を減らせるかを説明する助けになります。

中規模都市で人々はどう移動しているか

本研究で対象とした都市は約58万人の都市居住者が住む規模で、地下鉄や鉄道はなく、交通は比較的順調です。移動の多くは短距離で、徒歩、シェア自転車・電動キックボード、バス、タクシー／配車サービス、自家用車が一般的な選択肢です。バス料金は安く均一であるため、単一の移動における小さな料金差はあまり気にされません。代わりに人々は車を購入するかどうかといった長期的な判断や、移動距離や乗り換え回数といった実務的な要素に注目します。1,500人を対象とした大規模な調査で、属性、移動の目的、距離、選択したモードに関する情報を集めました。

従来型モデルと新しいアルゴリズムの融合

長年にわたり交通研究者は移動選択を予測するために従来の数理モデルを用いてきましたが、これらは複雑な実世界の行動を扱うのに苦労することが多いです。より新しい機械学習ツールは予測性能が高い一方で、「ブラックボックス」として解釈が難しいと批判されることがあります。本研究は複数のアプローチを一つの枠組みに統合します。まずAprioriというアルゴリズムで調査データを走査し、「もし距離が3–5km、かつ車を所有し、乗り換えが1〜2回必要ならば、配車サービスを選ぶ可能性が高い」といった強い「もし〜ならば」パターンを抽出します。これらのパターンをCARTと呼ばれる決定木モデルに入力し、距離や車の所有といった要因に基づいて旅行者を繰り返し分岐させ、各人がどのモードを選ぶかを予測します。

ブラックボックスを分かりやすくする

単に予測するだけでなく行動を説明するために、研究者はRuleFitというモデルを追加します。RuleFitは決定木の枝――誰がどのモードを選ぶかを示す規則――を取り出し、それらを数値的な重み付きの単純で人間に読みやすい記述に変換します。これらの重みは各規則が徒歩、自転車、バス、運転、配車にどれだけ強く傾かせるかを示します。こうして研究は、人々が何をするかを予測できるだけでなく、主要なパターンを明確に説明することができ、ただの予測結果を出すだけに終わりません。

重要なのはごく少数の要因だけ

多くの影響因子からスタートしても、データマイニングの段階で移動選択を支配するのは実際にはわずか4つの要因であることが明らかになります：移動距離、移動の目的、車の所有、そして公共交通で必要な乗り換え回数です。中でも距離が最も重要でした。居住者は通常、距離が1km未満なら車を持っていても徒歩を選びます。1–3kmの通勤では共有自転車が特に人気で、車所有者の間でも利用されます。3–5kmの中距離では、複数回の乗り換えを避けたい人にとってシェア電動キックボードや自家用車が魅力的です。バスは乗り換えを必要としない3–5kmの移動に最も適しています。配車サービスは、バスだと複数回の乗り換えが必要になる1–3kmの通勤で好まれます。総じて、CART–Aprioriを組み合わせたモデルは人々の選択したモードを約83%の精度で正しく予測し、他の広く使われる手法を上回りました。

より環境に優しい街のために

日常の選択を本当に左右する少数の要因を特定することで、この研究は都市計画者に明確な示唆を与えます。住宅から3km以内の歩道や自転車レーンを改善すれば、多くの短距離移動を徒歩や自転車に転換できる可能性があります。特に3–5kmの移動について乗り換えを減らすようバス路線を再設計すれば、公共交通が自動車より魅力的になります。短距離の自動車利用に対する駐車料金や混雑課金と、便利なシェア自転車・電動キックボードを組み合わせる政策は、低炭素の選択肢をさらに促進できます。一般の人にとって要点は単純です：都市が短距離を歩きやすく自転車で行きやすくし、長めの移動でも複数回の乗り換えなしでバスを利用できるようにすれば、人々は自然とよりクリーンで効率的な移動手段を選びます。

引用: Song, H., Wang, X., Tian, W. et al. Study on urban residents’ travel mode choice based on the CART-Apriori method. Sci Rep 16, 6270 (2026). https://doi.org/10.1038/s41598-026-37216-4

キーワード: 都市の移動行動, モード選択, 機械学習, 持続可能な交通, 公共交通