Demand-agnostic assessment of on-demand pooled transit services

テクニカル・サマリー：オンデマンド型乗り合い交通サービスに対する需要非依存型の評価

問題提起
自動車依存を減らし、都市の住みやすさを向上させようとする自治体は、オンデマンド型の乗り合い交通フィーダーサービスの導入にあたり、極めて重要な障壁に直面することがある。それは、計画段階において信頼できる需要データが存在しないことである。従来のサービス最適化は、観察されたトリップ率、モード分割、あるいはルートレベルの利用者数に依存しているが、全く新しいサービスにおいてはこれらは利用不可能である。このデータの欠如により、特に低密度な都市部において、最適な展開エリアやハブ（拠点）の選定が困難になる。正確な需要数値がなければ、自治体はサービスがどこで運用可能となるのか、また開始前にどのような現実的なパフォーマンス目標を設定すべきかを判断することができない。

手法
著者らは、需要固有のパラメータの事前キャリブレーションを必要としない、パラメータフリーかつ需要非依存型の評価フレームワークを提案している。この手法は、以下のステップに従って進行する。

1. 入力データ： このアプローチでは、OpenStreetMap（OSM）の道路ネットワーク、居住地の住所点分布（人口を代表するもの）、および自治体のプランナーによって提供される候補エリアとハブのペアを利用する。
2. 需要生成： 固定された需要を仮定する代わりに、本手法では**「需要の割合」($\alpha$)**を用いて潜在的な需要をシミュレートする。これは、住民がサービスを利用する確率を表す。需要は、候補エリア内の居住地点に対してランダムに生成され、旅行者は最寄りの公共交通機関のハブに向かうものと仮定される。シミュレーションでは、局所的な人口の0.1%から5%の範囲で$\alpha$の値をテストする。
3. マッチング・アルゴリズム（ExMAS）： 本研究では、**Ex_{\text{MAS}}（Exact Matching of Attractive Shared Rides）**アルゴリズムを採用している。これは、旅行時間、寄り道、待ち時間、および不快感によるペナルティを考慮した上で、共有ライドが個別のライドヘイリング（配車サービス）よりも高い効用を提供する場合にのみ、旅行者を乗り合いライドにマッチングさせる、効用ベースのオフライン・アルゴリズムである。
   • ベースライン： 比較対象は、すべての潜在的ユーザーが個別のライドヘイリング・トリップを行うシナリオとする。
   • 仮定： フィーダーサービスは、利用時点での料金が無料（乗り合いによる運賃プレミアムなし）としてモデル化される。つまり、効用の向上は、運賃割引（適用可能な場合）と不快感とのトレードオフのみによって駆動される。アルゴリズムは、車両容量を6名と仮定している。
4. パフォーマンス指標（KPI）： 3つの主要な指標が、変動する需要の割合に対して評価される。
   • 車両時間の削減量 ($\Delta T_v$): ソロ走行と比較した総車両時間の削減。
   • 旅客効用の利得 ($\Delta U_p$): ソロ走行と比較した、旅行者が知覚する効用（快適さ/利便性）の向上。
   • 平均乗車率 ($O$): 1車両あたりの平均乗客数。
5. 閾値に基づく選定： 本研究の核心的な革新は、特定の運用閾値を満たすために必要な**最小需要割合 ($\alpha^*$)**の特定である。
   • $\Delta T_v \geq 0.1$（車両時間の10%削減）。
   • $\Delta U_p \geq 0.025$（効用の2.5%向上）。
   • $O \geq 2$（平均乗車率が2を超える）。
     これらの閾値を最も低い需要割合で満たすエリアおよびハブが、最も有望な展開候補としてランク付けされる。
6. ベンチマーキング： 最も上位にランクされたエリアとハブの組み合わせについて、「低需要期」のベンチマークを設定し、乗り合いが発生する需要レベル、潜在的な成長、および一貫したKPI達成に達するレベルを特定する。

主な貢献

• 導入前評価ツール： 本論文は、正確な需要データがない状況において、自治体が新しいオンデマンド型フィーダーサービスの最適なエリアを選定するための構造化された手法を提示している。
• 確率的需要シミュレーション： 固定されたトリップ行列ではなく、需要の割合を利用することで、本手法は様々な採用率のスペクトラムにおけるサービスの生存可能性の評価を可能にする。
• 運用的閾値： 本研究は、ソロ走行の集合体と、効果的な乗り合いシステムを区別するための、車両時間、効用、および乗車率に関する具体的かつ保守的な閾値を定義している。
• ハブ選定ロジック： 本手法には、複数の潜在的な目的地に対するKPIのパフォーマンスを比較することによって、特定のエリアに対する最適な交通ハブを選択するメカニズムが含まれている。

結果（クラクフのケーススタディ）
本手法は、ポーランドのクラクフにある12の選定された低密度エリアに対し、近隣の公共交通機関のハブ（路面電車および鉄道の駅）と組み合わせて適用された。

• ランキング： エリアは、3つのKPI閾値をすべて満たすために必要な最小需要割合に基づいてランク付けされた。
• 最有力候補： エリア9が、Kraków Mydlniki (PKP) 鉄道ハブと組み合わされた際、最も有望な候補として特定された。このエリアは、最も低い需要割合（例：車両時間の削減については $\alpha = 0.001$、効用については $\alpha = 0.005$、乗車率については $\alpha = 0.007$）で全ての閾値を達成した。
• 最も有望でないケース： エリア10（高密度だがハブに近い）およびエリア4が最も低くランク付けされた。特にエリア10は、需要の割合が5%であっても乗車率と効用の閾値を満たせなかった。これは、既存の高頻度ハブへの近接性が、フィーダーサービスの必要性を低下させることを示唆している。
• エリア9のベンチマーク： 最上位ランクのエリアについて、本研究では、乗り合いライドが出現するのは需要割合が 0.025% の時であり、0.05% で大幅な成長が見られ、0.1% から 0.7% の間の需要で安定した運用能力（すべての閾値を満たす状態）に達することを確立した。

意義と主張
本論文は、このアプローチが、オンデマンド型の乗り合い交通に関する導入前の意思決定を行うための、自治体向けの構造化されたデータ駆動型のツールを提供すると主張している。住民の関心が最も低いレベルで運用効率を達成できるエリアを特定することで、プランナーは成功の確率が高い場所を優先できる。著者らは、特定された最小需要割合は運用の生存可能性の閾値であり、実際の利用者数の予測ではないことを強調している。彼らは、採用率が低い文脈においては、これらの閾値に到達するために追加の措置（例：チケットシステムの統合、補助金など）が必要となる可能性があると指摘している。本研究は、歴史的なデータなしに新しいサービスを開始するという「鶏と卵」の問題に対する解決策を提示しており、空間的および人口統計学的特性のみに基づいた潜在性の評価方法を提供している。

限界
著者らは、ExMASアルゴリズムが、フリート（車両群）の制約を明示的に管理していないため、乗り合いの潜在能力の上限をモデル化していることを認めている。また、本研究はすべての旅行者に対して単一の既定のハブを想定しており、複雑なモード選択（徒歩、自転車）や、より広範な行程（フィーダー＋メインの交通機関）は考慮していない。今後の課題として、観察されたモード選択データの組み込み、明示的なフリート・モデリング、およびより広範なジャーニー（行程）の評価が挙げられている。