都市の生活の質を多次元で評価する機械学習フレームワーク

都市生活はお金だけでは語れない理由

「住みやすい」都市を考えると、平均収入や住宅価格のような単純な数値に頼りがちです。しかし日常生活を形づくるのは、安全性、清浄な空気、公共交通、医療、将来に対する安心感といった要素も同様に重要です。本研究では世界の先進都市99を対象に、多様な要素を同時に考慮したときに、なぜある場所がより居住性が高く感じられるのか、また都市の指導者たちが互いに学べる点は何か、という隠れたパターンを発見できるかを問います。

多角的な視点で都市を眺める

研究者たちは長年の議論を出発点にします：生活の質は主に収入や学歴のような客観的指標で判断すべきか、個人の選好充足で測るべきか、あるいは日々の安全感や快適さ、満足感のような主観的感覚で見るべきか。彼らは一つに絞るのではなく、意図的に三者を併せます。正式な国際的な「居住性」ランキングと市民からのクラウドソース評価の双方を用い、データには11種類の指標が含まれます。それらは大きく四分野に分けられます：生活費、家賃、食料品価格、購買力といった金銭関連；教育、医療、安全性、政治的安定といった社会的要因；交通やインフラといった物的基盤；そして汚染や清潔さ、都市の規模などの環境条件です。

コンピュータに都市の“家族”を学ばせる

多くの指標は互いに連動します。たとえば食料品が高価な都市は総じて生活費も高い傾向があります。そこで著者らは統計と機械学習の手法でその絡まりを解きほぐします。まず全ての数値を標準化して都市間の公平な比較を可能にし、次に主成分分析という手法に投入して11の指標を三つの混成された「次元」に圧縮します。一つの次元は優れた学校や病院、購買力といった古典的な発展の指標を反映し（著者らはこれを「規範的」な見方と呼びます）。二つ目は安全性、安定性、インフラを組み合わせた「個人の体験」次元で、実際に都市生活がどう感じられるかを捉えます。三つ目は人口と環境の質を結びつける「人的環境学」的次元で、成長と健全な環境のバランスの取り方を浮き彫りにします。

三種の成功する都市像

これら三つの次元を得た後、チームはクラスタリング手法を使ってどの都市が総合的に似ているかを見ます。コンピュータは三つの明確なグループを選びます。第1クラスターにはウィーン、東京、サンフランシスコなどの北米・欧州・アジアの高所得都市が集まります。これらの都市は伝統的な生活の質スコアでは優れる一方で、実際の体験面や環境のバランスでは意外に低評価になることがあり、高コストや混雑、所得に見合わない日常の安全性や清潔さの弱さが混在することが示されます。第2クラスターにはコペンハーゲン、アブダビ、台北など多くの欧州都市と一部の湾岸および東アジア都市が含まれます。これらは経済面の堅実さと強い安全性、良好なインフラ、比較的良い環境条件を両立した、よりバランスの取れたプロファイルを示します。

成長する都市と隠れた強み

第3クラスターは主にムンバイ、ナイロビ、サンパウロなど、アジア、アフリカ、ラテンアメリカの新興経済圏にある大都市で構成されます。収入、教育、医療支出のような従来の指標では第1・第2クラスターに遅れをとることが多いですが、分析は過小評価されがちな強みを明らかにします。体験的および生態的次元で中程度のスコアを示す都市があり、所得水準だけでは予測できないほど日常の安全性や環境の良さを提供している、あるいは人口圧力を想定よりうまく管理していることが示唆されます。クラスターを最も分ける要素を理解するために、著者らは決定木やブースティングといった単純なAIモデルを訓練します。これらのモデルは政治的安定を主要な分岐点として浮かび上がらせ、次いで教育、環境の質、家賃レベル、インフラが続き、政策が最も効果を発揮しうるレバレッジポイントを示します。

市民と政策立案者にとっての意義

専門外の人向けの核心メッセージは、都市の幸福は給与や国内総生産に還元できないということです。高所得の都市でも安全で快適、環境的に健全な日常生活を提供するのに苦労する例があり、一方で低所得の大都市の中にはこれらの面で驚くべき強みを示すところもあります。類似したプロファイルを持つ都市をグループ化することで、本研究は「姉妹都市」学習の指針を提供します：同じクラスターの都市は共通の課題に対する戦略を共有でき、異なるクラスターの都市は資源配分や政策でよりよいバランスを達成した事例を学べます。最終的に著者らは、将来の都市計画はこうした多次元的ツールを用いて、無条件の成長追求を超え、繁栄、日常体験、そして生態的健全性が同時に高まる都市を目指すべきだと主張します。

引用: Ahmed, A.A.A., Abdelghafur, Y., Ahmed, Y. et al. Machine learning framework for multidimensional assessment of urban quality of life. Sci Rep 16, 12568 (2026). https://doi.org/10.1038/s41598-026-41350-4

キーワード: 都市の生活の質, 都市クラスター, 機械学習, 居住性指標, 都市政策