It is not always greener on the other side: Greenery perception across demographics and personalities in multiple cities

この論文は、5 か国 1,000 人の調査とストリートビュー画像を用いた分析を通じて、都市の緑化に対する主観的認識と客観的測定値の乖離が世界的に普遍的であり、個人の属性や性格よりも居住地域による文化的・環境的経験の影響が最も大きいことを明らかにしています。

要約

この論文は、「街の緑の量」と「人々が感じる緑の多さ」は、実は結構ズレているという面白い発見を報告した研究です。

タイトルにある「It is not always greener on the other side（隣の芝生はいつも青々とは限らない）」という表現は、**「客観的なデータと、人間の感覚は一致しないことがある」**というメッセージを込めています。

以下に、難しい専門用語を排し、日常の例え話を使ってわかりやすく解説します。

---

🌳 1. この研究の核心：カメラと人間の「緑」の感じ方は違う

まず、この研究では「緑の量」を測るために 2 つの方法を使いました。

1. AI による客観的な測定（カメラの目）

   • 街の風景写真を AI に見せて、「画像の何％が緑色か？」を計算します。これを**「グリーン・ビュー・インデックス（GVI）」**と呼びます。
   • これは、**「緑の面積」**を厳密に測るものですが、人間の「感じ方」までは測れません。

2. 人間による主観的な評価（心の目）

   • 1,000 人もの人々に同じ写真を見てもらい、「ここはどのくらい緑が多いと感じますか？」とアンケートをとりました。
   • これは、**「緑の雰囲気」**を測るものです。

【発見】
結果、「AI が『緑が少ない』と判定した場所でも、人間は『意外と緑が多い！』と感じることがよくある」ことがわかりました。
逆に、緑の面積が広くても、人間には「緑っぽくない」と感じられる場所もありました。
つまり、「緑の量（数値）」と「緑の感じ方（感覚）」は、同じものではないのです。

---

🧩 2. なぜズレるのか？「配置」が鍵だった

なぜ、AI と人間の感じ方がズレるのでしょうか？研究チームは、いくつかの要因を調べました。

❌ 関係なかったもの：「誰が」見るか

• 年齢、性別、収入、性格（明るいか、真面目かなど）：
  これらは、緑の感じ方にほとんど影響しませんでした。
  • 例え話: 子供も大人も、男性も女性も、お金持ちも貧乏人も、「緑の配置」さえ良ければ、みんな同じように「緑が多い！」と感じる傾向がありました。つまり、緑の感じ方は、誰がみてもある程度共通しているようです。

✅ 関係があったもの：「どこに住んでいるか」と「緑の並び方」

A. 「どこに住んでいるか」で基準が変わる

• 人々が住んでいる都市の環境が、感じ方の基準（物差し）を作っていました。
  • 例え話: 常に緑豊かな森の中に住んでいる人にとって、少し木がある街は「緑が少ない」と感じるかもしれません。逆に、コンクリートジャングルに住んでいる人にとって、たった一本の木でも「すごい緑だ！」と感じるかもしれません。
  • 結論: 「緑が多い」と感じるかどうかは、**その人が普段どんな街に住んでいるか（文化的・環境的な背景）**で大きく変わります。

B. 「緑の配置」が重要（距離より広がり）

• 最も驚くべき発見は、**「緑がどこにあるか（配置）」が、「緑がどれくらい近い距離にあるか（距離）」**よりも重要だったことです。
  • 例え話:
    • パターン A: 目の前に大きな木が 1 本ある（距離は近い）。
    • パターン B: 遠くまで木々が点在して広がっている（距離は遠い）。
  • 多くの人は、**パターン B（遠くまで広がっている）**の方を「緑が多い」と感じました。
  • 人間の目は、「緑が散りばめられている広がり」に敏感で、単に「目の前の木」の距離にはあまり反応しないようです。まるで、「点々とした星の広がり」が夜空を美しく見せるのと同じです。

---

🏙️ 3. 私たちの街づくりにどう活かす？

この研究から、都市計画や街づくりに重要なヒントが得られました。

1. ただ「緑の量」を増やせばいいわけではない
   • 単に面積を測って「緑が多い街」を作っても、住民が「緑が多い」と感じないかもしれません。
2. 「配置」を工夫しよう
   • 緑を一点集中させるのではなく、街のあちこちに散りばめて、遠くまで緑が見えるようにする方が、人々の心に「緑の豊かさ」を届けることができます。
3. 住民の声を聞こう
   • 海外のデータや一般的な数値だけで判断するのではなく、「その街に住んでいる人」がどう感じているかを聞くことが、本当に住みやすい街を作るコツです。

📝 まとめ

この論文は、「緑の量（数値）」と「緑の感じ方（感覚）」は、実は別のものだと教えてくれました。

• AI は「面積」を測るが、人間は「広がり」や「雰囲気」を感じる。
• 誰がみても同じではなく、住んでいる場所の文化や経験が感じ方を左右する。
• 緑を「近く」に置くより、「遠くまで広げて」配置する方が、人は「緑が多い」と感じる。

つまり、「隣の芝生が青く見えるかどうか」は、その芝生がどれだけ広い面積を占めているかではなく、その街の風景がどう配置されているか、そしてあなたがどんな街で育ったかによって決まるのです。

技術概要

論文概要

タイトル: It is not always greener on the other side: Greenery perception across demographics and personalities in multiple cities
掲載誌: Landscape and Urban Planning (2026)
著者: Matias Quintana, Fangqi Liu, Jussi Torkko, et al.

1. 研究の背景と課題 (Problem)

都市緑化の計画・開発において、緑地の定量化と評価は極めて重要である。従来の評価手法は大きく分けて以下の 2 つに分類される。

• 客観的評価 (Objective): 衛星画像やストリートビュー画像 (SVI) を用いた植生面積の計測（例：正規化植生指数 NDVI、グリーンビュー指数 GVI）。
• 主観的評価 (Subjective): 人々がその場所を「どの程度緑豊かだと感じるか」をアンケート等で測定する手法。

課題:
これら 2 つの評価は必ずしも一致しない。技術的な計測値（GVI）が高くても、人々の感覚（主観的スコア）が低い場合や、その逆の現象が生じることがある。これまでの研究では、単一都市での比較や、人口統計・性格要因との関連性が十分に解明されていないというギャップが存在した。特に、異なる地理的・文化的背景を持つ人々が、同じ緑地をどのように知覚し、その差異を何によって説明できるかという点において、大規模な国際比較研究は不足していた。

2. 研究方法 (Methodology)

本研究は、大規模なグローバル調査データセット「SPECS (Street Perception Evaluation Considering Socioeconomics)」を活用し、以下の手順で分析を行った。

A. データセット

• 対象画像: 5 都市（チリ・サンティアゴ、オランダ・アムステルダム、ナイジェリア・アブジャ、シンガポール、米国・サンフランシスコ）のストリートビュー画像 400 枚（都市あたり 80 枚）。
• 参加者: 5 カ国から 1,000 名（各国 200 名）。
• 収集情報:
  • 主観的評価: 画像ペアの比較評価（「どちらが緑豊かか？」など）から算出された「緑地知覚スコア (Q スコア)」。
  • 属性情報: 性別、年齢、国籍、居住地、所得、人種、ビッグファイブ性格特性（外向性、協調性、誠実性、神経症傾向、開放性）など。
• 客観的指標の算出:
  • GVI (Green View Index): セマンティックセグメンテーションモデルを用いて画像内の緑色ピクセルの比率を計算。
  • 空間エントロピー (Spatial Entropy): 緑地が画像内で均一に分布しているか、特定の場所に集中しているかを測定（シャノンエントロピーの応用）。
  • 緑地との距離 (Proximity): Depth Anything V2 モデルを用いた単眼深度推定により、観測者からの緑地までの距離を算出。

B. 分析手法

1. 相関分析: 主観的 Q スコアと客観的 GVI の線形関係（ピアソン相関）を評価。
2. バイアス評価: Bland-Altman プロットとウィルコクソンの符号付き順位検定を用いて、両者の系統的な差異（バイアス）を特定。
3. 空間分布の比較: 知覚スコアが高い画像群（上位 25%）と低い画像群（下位 25%）において、空間エントロピーや距離分布に統計的有意差があるか（マン・ホイットニー U 検定）を確認。
4. 予測モデル: ランダムフォレストモデルを用いて、緑地知覚スコアを予測し、どの特徴量（人口統計、画像特徴、居住地など）が最も重要かを「条件付き順列特徴重要度 (Conditional Permutation Feature Importance)」で分析。

3. 主要な結果 (Key Results)

A. 客観的指標と主観的知覚の関係

• 中程度の相関: 全体的に GVI と知覚スコアは中程度の正の相関（$R \approx 0.64$）を示すが、完全には一致しない。
• 過大評価の傾向: 多くの場合、人々は客観的な GVI 値よりも高い緑地知覚スコアを与えた（主観的評価が客観的計測を上回る）。
• 地域による差異: 画像の所在地と評価者の居住地の組み合わせによって相関強度が変化する（例：シンガポールの画像に対する評価は全体的に GVI との相関が低かった）。

B. 空間配置の影響

• 配置の重要性: 緑地が「どこに」あるかが重要である。知覚スコアが高い画像は、緑地が特定の場所に集中するのではなく、画像全体に**均等に分散（高い空間エントロピー）**している傾向があった。
• 距離の非決定性: 観測者からの物理的な距離（近接性）は、緑地知覚に決定的な影響を与えなかった。遠くの緑地でも、視覚的に連続性や配置が適切であれば高く評価される場合がある。

C. 人口統計・性格要因の影響

• 人口統計の無関係性: 性別、年齢、所得、教育水準、人種などの人口統計的要因は、緑地知覚に統計的に有意な影響を与えなかった。
• 性格の無関係性: ビッグファイブ性格特性も、緑地知覚にはほとんど影響しなかった（一部の組み合わせを除く）。
• 居住地の決定的重要性: 唯一、**「居住地域（都市）」**が知覚の違いを説明する主要な要因であった。これは、文化的背景、環境への慣れ、経験的バイアスが知覚を形成することを示唆している。

D. 予測モデルの知見

• 緑地知覚スコアを予測する際、最も重要な特徴量はGVIであり、次いで空間エントロピー、空の視界指数 (Sky View Index) などが重要であった。
• 人口統計データや性格データはモデルの予測精度にほとんど寄与しなかった。

4. 貢献と意義 (Contributions & Significance)

• 客観・主観ギャップの解明: 複数の都市・文化圏にまたがる大規模データを用い、GVI と主観的知覚の不一致が世界的に普遍的であることを実証した。
• デザインへの示唆: 単に緑の面積（GVI）を増やすだけでなく、緑地を**空間的に分散・配置する（空間エントロピーの向上）**ことが、人々の「緑豊かさ」の知覚を高める上で重要であることを示した。
• 評価手法の指針: 緑地評価を行う際、人口統計的にバランスの取れたサンプルが必須であるとは限らないが、**「現地の住民による評価」**が不可欠であることを強調した。グローバルなモデルや非居住者の評価は、文化的・環境的文脈を無視し、誤った評価を招く可能性がある。
• 都市計画への応用: 限られた予算で緑地を整備する際、広範囲に点在する高品質な緑地（配置の最適化）の方が、単に面積を最大化するよりも人々の満足度（知覚）を高める可能性がある。

5. 結論

本研究は、「向こう側（他都市）がいつも緑色（豊か）に見えるわけではない」というタイトル通り、緑地評価における客観的計測と主観的知覚の複雑な関係を解明した。特に、**「誰が評価するか（居住地）」と「緑地がどう配置されているか（空間的分散）」**が、緑地知覚を決定づける最も重要な要素であり、人口統計的要因はそれらに比べて二次的なものであるという新たな知見を提供した。今後の都市緑化計画では、客観的指標だけでなく、居住者の経験的文脈を踏まえた主観的評価と、空間配置の最適化を統合したアプローチが求められる。