Car Dependency in Urban Accessibility

この論文は、欧州と北米の 18 都市を対象に自動車と公共交通のアクセス格差を定量化する「自動車依存指数（CDI）」を開発し、個別の対策ではなくシステム全体としての公共交通ネットワークの拡充が、自動車依存の解消と公平で持続可能な都市移動の実現に不可欠であることを示しています。

要約

この論文は、**「都市に住む人々が、いかにして『車がないと生きていけない状態』に陥ってしまったか」**を解明し、その「依存度」を数値で測る新しい方法を紹介する研究です。

まるで**「都市の交通網を、健康診断のレントゲン写真のように撮って、どこが『車依存症』で、どこが『公共交通で元気』なのかを診断する」**ようなイメージです。

以下に、専門用語を排し、身近な例え話を使って解説します。

---

1. 問題の核心：「車は便利」から「車は必須」へ

昔、車は「遠くへ行くための便利な道具」でした。しかし、都市が成長するにつれて、**「車がないと、病院にもスーパーにも行けない」という状況が生まれました。これを「車依存（Car Dependency）」**と呼びます。

• 例え話：
  最初は「傘があれば雨に濡れなくていい（便利）」でしたが、都市が広がりすぎて「傘がないと外を歩けない（必須）」という状態になってしまったようなものです。

2. 新発明：「車依存度指数（CDI）」というメーター

研究者たちは、この依存度を測る新しいメーター**「CDI（Car Dependency Index）」**を開発しました。

• どうやって測るの？
  都市を**「ハチの巣（六角形）」**のマス目に分けます。それぞれのマス目から、「車で行ける場所」と「電車・バスで行ける場所」を比較します。
  • 赤いマス： 車の方が圧倒的に便利（車依存度が高い）。
  • 青いマス： 公共交通の方が便利、あるいは同等（車依存度が低い）。
  • 白いマス： どちらも不便（車がないと生活できない）。

このメーターを使えば、「この街のどのエリアが、車なしで生活できるのか」が一目でわかります。

3. 18 都市の調査結果：「中心部は青、郊外は赤」

ヨーロッパと北米の 18 都市を調べたところ、驚くべきパターンが見つかりました。

• 中心部（都心）： 多くの店や施設が近くにあるため、**青（公共交通で OK）**です。パリやチューリッヒなどは、車なしでも十分暮らせます。
• 郊外： 施設が点在しており、電車が行き届いていないため、**赤（車必須）**です。
• 重要な発見：
  所得（お金）に関係なく、**「住んでいる場所が車依存かどうか」**が、その人が車を持っているかどうかを決定づけています。
  • 例え話：
    お金持ちでも、郊外の「車必須エリア」に住めば車を買わざるを得ます。逆に、都心の「車不要エリア」に住めば、お金がなくても車なしで生活できます。「住む場所の設計」が、人々の選択を縛っているのです。

4. 未来へのシミュレーション：「ローマの地下鉄拡張」

研究者は、ローマで計画されている新しい地下鉄の効果をシミュレーションしました。

• 結果：
  新しい駅ができる周辺では、車依存度が劇的に下がりました。これにより、通勤に使われる車が約 6 万台減ると予測されました。
• しかし、ここが重要：
  この効果は**「駅に近い場所」に限定されていました。街全体を車依存から解放するには、「一本の線」ではなく、「網の目のように広げる」こと**が必要です。
  • 例え話：
    街全体が「車依存の病」にかかっているとき、駅一つ増やすのは「患部に薬を塗る」ようなものです。一時的には楽になりますが、**「全身治療（ネットワーク全体の整備）」**をしないと、病根は残ったままです。

5. 私たちへのメッセージ

この研究が伝えたいのは、**「車を手放すのは、個人の意志の問題ではなく、都市の設計の問題だ」**ということです。

• 政策担当者へのアドバイス：
  「車禁止」を叫ぶだけでなく、**「公共交通が車より便利になるエリア」**を特定し、そこにインフラを整備すれば、自然と車離れが進みます。
• 私たちへの示唆：
  都市計画は、単に道路を広くするだけでなく、「誰が、どこに、何を得られるか」を設計することです。車に依存しない街を作るには、**「公共交通のネットワークを、街全体に広げる」**というシステム的なアプローチが不可欠です。

---

まとめ：
この論文は、**「車依存は、私たちが『車が好きだから』起こしているのではなく、都市の『設計図』がそうさせている」と告げ、「公共交通のネットワークを広く深く張ることで、初めて車に頼らない自由な生活が実現できる」**と提言しています。

まるで**「都市という巨大なゲーム」**において、プレイヤー（住民）が車を使わざるを得ないのは、マップ（都市設計）が車向けに作られているからに過ぎません。マップを公共交通向けに書き換えることが、未来への鍵なのです。

技術概要

この論文「Car Dependency in Urban Accessibility（都市のアクセシビリティにおける車依存）」は、欧州および北米の 18 都市を対象に、公共交通と私人車のアクセシビリティの格差を定量化する新しい指標「車依存度指数（Car Dependency Index: CDI）」を開発し、その都市計画への応用可能性を提示した研究です。

以下に、問題提起、手法、主要な貢献、結果、および意義について技術的に詳細に要約します。

1. 問題提起 (Problem)

• 背景: 脱炭素社会の実現に向け、都市は私人車への依存から脱却する必要があります。しかし、車中心の都市成長により、自動車は「利便性ツール」から「必須の手段」へと変質し、深刻な「車依存（Car Dependency）」が生じています。
• 課題: 多くの都市で、公共交通を利用した生活は困難であり、特に郊外では必須サービスや雇用へのアクセスに車が不可欠となっています。既存の政策（渋滞税、駐車場制限など）は重要ですが、車依存の「空間的パターン」を定量的に理解し、公平な交通政策を設計するための客観的な指標が不足していました。
• 目的: 車依存が単なる個人の選択ではなく、都市構造（空間的格差）に起因するものであることを明らかにし、どの地域で車なし生活が可能か、あるいは公共交通投資が最も効果的かを特定するフレームワークの構築。

2. 手法 (Methodology)

研究は、18 都市（パリ、ニューヨーク、ローマ、ウィーンなど）のデータを用いて以下のステップで実施されました。

• 空間データとグリッド化:
  • 各都市の行政境界内を、H3 地理空間インデックス（解像度 9、一辺約 200m の六角形グリッド）に分割。
  • 人口データ（WorldPop）と POI（関心地点：OpenStreetMap から取得）を各グリッドにマッピング。
• 移動時間の計算:
  • 公共交通: 徒歩（最大 15 分）＋公共交通（地下鉄、バス等）の最速経路を Connection Scan Algorithm で計算。
  • 私人車: OSRM による最速経路に、2023 年の渋滞遅延（TomTom データ）と、駐車場探し・歩行を含む 15 分のバッファ時間を加算。
• 機会スコア（Opportunity Score）の定義:
  • 特定のグリッドから出発し、時間 $t$ 以内に到達可能な POI の数を、往復時間を考慮した尤度関数 $f(t)$（ここでは指数関数、$\tau=60$分）で重み付けして積分。
  • これにより、居住者が 1 日の中で遭遇する「機会（サービスや雇用など）」の期待値を算出。
• 車依存度指数（CDI）の算出:
  • 各グリッド $h$ に対して、車による機会スコア ($O_{h,Car}$) と公共交通による機会スコア ($O_{h,PT}$) を比較。
  • 式: $CDI_h = \frac{O_{h,Car} - O_{h,PT}}{O_{h,Car} + O_{h,PT}}$
  • 値の解釈: 正の値（赤）は車依存度高（公共交通では到達困難）、負の値（青）は公共交通が車より効率的、0 は同等。
• 検証とシミュレーション:
  • 実測の通勤データ（車利用率）やウィーンの世帯所得・車所有率との相関分析。
  • ローマの地下鉄新線計画（C 線延伸、D 線開通）による CDI の変化をシミュレーション。

3. 主要な貢献 (Key Contributions)

• CDI（車依存度指数）の提案: 単なる距離や密度だけでなく、「到達可能な機会の数」という観点から、公共交通と車のアクセシビリティ格差を定量化する新しい指標を確立。
• 空間的不平等の可視化: 都市中心部と郊外、あるいは都市間における車依存度の空間的分布を詳細にマッピング。公共交通が車に勝る地域（負の CDI）と、車なしでは生活が成り立たない地域（正の CDI）を明確に区別。
• 政策評価ツールの提供: 特定のインフラ投資（例：新しい地下鉄駅）が、地域全体の車依存度をどの程度低下させるかを予測できるシミュレーションフレームワークを提供。
• 所得との分離: 車所有率が所得だけでなく、地域の「車依存度（CDI）」によっても強く説明されることを実証。

4. 結果 (Results)

• 都市間の格差:
  • パリ（市域）とチューリヒのみが、公共交通の機会スコアが車を上回る（平均 CDI が負）都市であった。
  • 多くの都市（ローマ、マラガ、ニューヨークなど）では、平均 CDI が正であり、車依存が支配的。ローマは 18 都市中最も高い CDI（0.335）を示した。
• 空間的パターン:
  • 一般的に中心部は CDI が低く、郊外に行くほど高くなるが、地下鉄や鉄道沿線では郊外でも CDI が低下する傾向が見られた。
  • 累積分布関数により、都市全体としての不平等度（ CDI のばらつき）も評価可能であることが示された。
• 車利用・所有との相関:
  • CDI と通勤における車利用率は正の相関（$r=0.66$）を示し、車依存度が高い地域ほど車利用が増えることを裏付けた。
  • ウィーンでの分析: 所得が同じでも、CDI が低い地域（例：7 区、8 区）は車所有率が低く、CDI が高い地域（例：10 区、11 区）は所得が低くても車所有率が高い傾向が見られた。これは、車所有が「必要に迫られた選択」であることを示唆。
• シミュレーション結果（ローマ）:
  • 計画されている地下鉄新線導入により、都市全体の平均 CDI はわずかに低下（-0.029）したが、新駅周辺（徒歩 5 分圏内）では大幅な改善が見込まれた。
  • 通勤における車利用の割合が 66% から 61% へ 5 ポイント低下し、約 6 万台の通勤車の削減に寄与すると推定された。
  • 重要な示唆: 個別のインフラ整備では限定的な効果しか得られず、都市全体の車依存を解消するには、ネットワーク全体としての統合的な拡張が必要である。

5. 意義と結論 (Significance and Conclusion)

• 政策への示唆: CDI は、政策決定者に対して「どの地域で車排除（Low Traffic Neighbourhood 等）が可能か」「どこに公共交通投資を集中すべきか」を客観的かつスケーラブルに判断するためのツールとなる。
• 公平性の確保: 単に車利用を制限するのではなく、公共交通のアクセシビリティを向上させることで、社会的・空間的な分断を解消し、すべての住民にとって公平な移動手段を確保するアプローチの重要性を強調。
• 都市構造の再考: 車依存は個人の行動選択ではなく、都市の形態（スプロール化など）に起因する構造的な問題であり、それを解決するにはシステムレベル（ネットワーク全体）の介入が必要であることを示した。

この研究は、持続可能で包摂的な都市モビリティを実現するための、データ駆動型の科学的アプローチの基盤を提供するものです。