動的時間・年齢別機能ゾーンに基づく個人の移動目的推定

あなたの移動が思っているより重要な理由

毎日、何百万もの移動がスマートフォンや交通システムによって静かに記録され、どこへ移動したかは示すものの、なぜ移動したかはわかりません。通勤か帰宅か、友人と会うのか買い物か――本研究は、市区町村の時間帯や年齢層による性質の変化を注意深く読み取ることで、匿名化された大量の移動データからその目に見えない「なぜ」を推定できることを示します。その結果、頻繁に高価な調査を行わずとも、公平で効率的な交通システムの計画に役立つ強力なツールが得られます。

地図上の点から実生活の行動へ

現代の都市は、携帯電話、交通系ICカード、GPSトレースなどから膨大な位置情報を収集します。これらの記録は発着点の詳細に富みますが、ほとんどの場合、移動目的は含みません。従来、研究者は人々がなぜ移動したかを報告する詳細な世帯交通調査に依拠し、それをもとに大規模データに適用できるルールや機械学習モデルを構築してきました。しかし、従来の多くの研究は各目的地の土地利用を静的に扱い、場所を単に「住宅」「職場」「商業」などとタグ付けし、時間帯や訪問者の属性を考慮しませんでした。

街区の一日の変化を捉える

著者らは、都市の各地域が時間帯や年齢層によって大きく異なる振る舞いをする点を指摘します。大学近くの地区は朝は主に学生、昼はオフィスワーカー、夜は飲食やパーティーの場になるかもしれません。公園、学校、教会、オフィスなども時間帯ごとに異なる年齢層を引き寄せます。これを捉えるために、本研究ではソウルの小さな行政区ごとに「動的時間・年齢別機能ゾーン」を構築しました。住宅、職場、学校、店舗、医療施設、レジャー施設など77万件以上の興味施設データを、Yelp Open Datasetのチェックインデータや韓国の全国世帯・個人移動調査の年齢分布と組み合わせています。1日を6つの時間帯、人口を4つの年齢層に分け、各時間帯・年齢層でどの種類の場所がどれだけ訪問されるかに応じて重みを割り当てます。こうして、各地域が異なる条件下で主に何に利用されているかという時間・年齢に敏感なプロファイルが作られます。

機械に人々の移動の理由を推測させる

これらの動的機能ゾーンを主要入力とし、旅行者の年齢・性別、移動のタイミング、距離、交通手段の接近性などとともに用いて、研究者は移動目的を推定するために2種類のモデルを訓練しました：極端勾配ブースティング（XGBoost）モデルと長短期記憶（LSTM）ニューラルネットワークです。両モデルは既知の目的を含む約401,000件の調査移動に基づいて訓練され、目的は「帰宅」「出勤」「教育」「買い物・飲食」「その他」の5大カテゴリに分類されます。テストでは、XGBoostがわずかに優れており、約84%の正答率に対してLSTMは約78%でした。時間・年齢の動態を除いて静的な地域機能のみを使うと精度が最大で3ポイント低下し、場所の性質が時間や年齢で変わることがモデルの目的推定に実際に寄与していることが確認されました。

実世界の携帯データへの適用

研究チームは次に、匿名化された携帯電話信号から構築したソウルの大規模な「日常生活移動」データセットに学習済みモデルを適用しました。このデータセットは数百万件の移動を含みますが、発着点を「自宅」「職場」「その他」と大まかにラベル付けしているだけで明確な目的は含んでいません。モデルは1か月間で約400万件に近い移動の目的を推定しました。そのうち半数以上が自宅関連、約3分の1が職場関連と分類され、教育や買い物・飲食はより小さい割合でした。移動ラベルが明確なケース、たとえば自宅→職場や職場→自宅では、それぞれ約68%と74%で携帯由来のタイプと推定目的が一致しました。時間帯や年齢別のパターンも妥当で、早朝や夕方の移動は通勤寄り、十代の移動は教育関連が多く、夜間の移動は帰宅志向が強い傾向が見られました。

日常の移動にとっての意義

平たく言えば、本研究は、地域の提供する機能の詳細な地図とそれがいつ誰に利用されるかの情報を組み合わせることで、たとえ人々が調査に答えなくてもほとんどの移動の理由を比較的高い精度で推定できることを示しています。これにより既存の携帯や交通データを用いて、通勤、通学、買い物、レジャーといった移動を細かいスケールで理解する道が開けます。例えば、業務地区から高密度住宅地への夜間移動が多い場所ではバス増便が検討されるかもしれませんし、学校関連の動きが多い経路では歩行・自転車の安全対策が必要だと示されるかもしれません。まれなケースや複合目的の移動ではまだ課題が残りますが、本手法は匿名化された移動の軌跡を、人々が都市内をどのようになぜ移動するのかについての意味ある物語へと変える現実的な道筋を示しています。

引用: Lee, J., Park, S. Personal trip purpose inference based on dynamic time–age functional zones. Sci Rep 16, 14608 (2026). https://doi.org/10.1038/s41598-026-45683-y

キーワード: 移動目的, 都市のモビリティ, 機能ゾーン, 交通計画, 携帯電話データ