テクニカル・サマリー：逆最適輸送による起点・終点フローからの都市アクセスコストの学習

問題提起

都市計画家は、距離、価格、および制度的質（クオリティ）のバランスをとる潜在的なコスト関数に基づいて世帯が選択を行う、混合型の公共・民間サービスネットワーク（例：教育、医療、交通）を頻繁に管理しています。こうした中で、計画家は結果としての起点・終点（OD）フローを観察することはできますが、意思決定を駆動している行動コスト曲面を直接的に可視化することはできません。

本論文は、このギャップを「逆最適輸送（Inverse Optimal Transport: OT）」を用いて解決することを目的としています。具体的には、フィリピンにおける学校選択の文脈を検証します。ここでは、公立学校の混雑を緩和するために私立の中学校への入学を支援する、同国最大の国家教育補助金に焦点を当てています。中核となる計画上の課題は、この補助金の「空間的到達範囲」を特定することです。すなわち、補助金は「知覚された移動コスト」として何キロメートルの距離を相殺しているのか、そしてその値は異なる空間的レジーム間でどのように変化するのかという点です。従来の順方向モデル（重力モデルや離散選択モデルなど）は予測には効果的ですが、こうした計画上の問いに答えるために必要な、基礎となるコスト関数を直接復元することはできません。

手法

著者らは、この問題を**逆最適輸送（OT）**として定式化しています。観測されたフロー行列 $T_{obs}$（周辺分布 $p$ および $q$ を持つ輸送計画として正規化されたもの）が与えられたとき、目標は、観測されたフローがエントロピー正則化OTモデルの下で最も妥当となるようなコスト行列 $C$ を復元することです。

順方向モデル

順方向のプロセスは、フロー $\hat{T}$ を以下のエントロピー最適輸送問題の解としてモデル化します：
$$\hat{T} = \text{Sinkhorn}(p, q, C, \varepsilon)$$
ここで、$\varepsilon = 0.1$ は正則化パラメータです。

逆問題

目的は、観測されたフローと予測されたフローの間の不一致を最小化するコスト関数のパラメータを推定することです：
$$\Phi = \frac{\|T_{obs} - \hat{T}\|_F^2}{2\sigma^2}$$

これを解決するために、本論文では2つの補完的なコストモデルを提案しています。

1. 解釈可能な距離バンドモデル:
   このパラメトリックモデルは、起点 $i$ と目的地 $j$ の間のコスト $c_{ij}$ を以下のように定義します：
   $$c_{ij} = \theta(k(d_{ij})) \cdot d_{ij} + \theta_e e_j$$

   • $d_{ij}$: 道路ネットワーク距離。
   • $e_j$: 目的地の補助金額（千ペソ単位）。
   • $k(d_{ij})$: 距離バンドのインデックス（0–5 km、5–15 km、15–50 km）。
   • 主要指標: このモデルは、補助金等価距離 $\lambda(k) = -\frac{\theta_e}{\theta_d(k)}$ を導出します。これは、特定のバンドにおいて、1,000ペソの補助金増額が、知覚された移動コストとして何キロメートルの距離を相殺するかを表します。

2. ニューラルコストモデル:
   非パラメトリックなアプローチであり、コストはニューラルネットワーク関数 $c_{ij} = f_w(d_{ij}, e_j)$ として定義されます。このモデルは、微分可能なSinkhorn演算子を通じてバックプロパゲーション（誤差逆伝播）を行うことで、事前に定義されたバンドなしに、距離と補助金の間の複雑で非線形な相互作用を学習します。

データ

本研究では、フィリピン教育省の2022年から2024年度にかけての、最も人口の多い地域における行政データを使用しています。

• 規模: 4,200の起点校、1,861の目的地校。
• フロー: 283,016件の学習者移動を表す23,820組の観測された正のODペア。
• 制約: 50 km以内の実行可能なペア（1,852,177組）のみを対象とした。すべてのデータは集計されており、個々の学習者を特定することはできない。

主要な結果

1. パフォーマンス比較

• 区分モデル（Piecewise Model）: GPU加速を用いた最大事後確率（MAP）最適化を使用することで、区分モデルは初期値の5.00から損失 $\Phi$ を3.29まで減少させました。
• ニューラルモデル: ニューラル逆OTモデルは、より低い損失である2.84を達成し、区分モデルに対して13.7%の適合率向上を示しました。

2. 補助金等価距離 ($\lambda$)

区分モデルから得られた、1,000ペソの補助金増額あたりの知覚コスト相殺距離の推定値は以下の通りです：

• 0–5 km バンド: $\lambda(1) = 5.35$ km
• 5–15 km バンド: $\lambda(2) = 6.07$ km
• 15–50 km バンド: $\lambda(3) = 1.00$ km

解釈: 5–15 kmのバンドでは、1,000ペソの補助金増額により、知覚された移動コストにおいて学校が約6.07 km近くに感じられるようになります。これは、物理的な移動距離の減少ではなく、選択コスト関数の変化を意味しています。

3. 距離と補助金の相互作用

ニューラルモデルの距離微分（$dc/dd$）の分析により、区分モデルでは見落とされていたニュアンスが明らかになりました：

• 補助金がゼロの場合、感度は滑らかで低いです（0.083–0.196）。
• 中央値（9,000ペソ）および最大値（13,000ペソ）の補助金がある場合、短距離では感度が大幅に増加しますが、中距離および長距離では平坦化します。
• ニューラルモデルは、区分モデルにおける15–50 kmバンドでの急激な摩擦（フリクション）の増大は、真の行動閾値ではなく、バンド集約によるアーティファクト（人工的な現象）である可能性を示唆しています。

意義と主張

本論文は、都市計画および計算社会科学に対する主に3つの貢献を主張しています。

1. 手法の革新性: 解釈可能な区分推定器と、微分可能なSinkhornを用いて訓練される柔軟なニューラル推定器を組み合わせた、デュアルモデルのフレームワークを導入しました。
2. 政策に関連する指標: 抽象的な補助金額を、具体的な空間アクセシビリティの向上へと変換する指標である補助金等価距離 $\lambda(k)$ を導出しました。これにより、計画家は補助金額を較正し、施設配置を決定する際に、「知覚された距離」を補助金が実質的にどれほど購入できるかに基づいて判断することが可能になります。
3. 汎用性: 本研究はフィリピンの学校選択において実証されていますが、著者らは、このフレームワークが混合ネットワークとODフローを伴うあらゆる都市システム（医療施設の選択、交通利用、補助金付き住宅、避難行動など）に適用可能であると断言しています。

中心的な計画上の含意は、補助金には**空間的なフットプリント（足跡）**が存在するということです。補助金の有効性は一様ではなく、補助金を受ける施設の所在地と需要の整合性、および特定のネットワーク領域における世帯の距離感受性に依存します。本フレームワークは、行政のフローデータを、アクセシビリティを考慮したサービス配分のための実行可能な指標へと変換するためのツールを提供します。