Examining the Associations between Visual and Non-Visual Elements and Cyclists' Route Choices for Various Trip Purposes

技術的要約：視覚的要素および非視覚的要素と、様々な移動目的におけるサイクリストの経路選択との関連性の検討

問題提起
構築環境が能動的な交通（アクティブ・トランスポーテーション）に与える影響は十分に文書化されているが、既存の文献では、移動目的（例：通勤、レジャー、スポーツ）が経路選択に与える具体的な影響を見落としがちである。さらに、従来の研究では、なぜサイクリストが最短経路から逸脱するのかを分析する際に、視覚的要因（街路レベルの画像を通じて知覚されるもの）と非視覚的要因（社会経済的および2D環境属性）を区別できていないことが多い。異なる移動目的において、実際の走行経路と理論上の最短経路との間の乖離を、視覚的な知覚と非視覚的な空間特性の両面から検討したデータ駆動型の比較研究は不足している。

手法
本研究は、自転車インフラが整備されているカナダのモントリオールにおけるデータ駆動型のケーススタディを用い、4段階のフレームワークを採用している。この手法は、GPS軌跡データとストリートビュー画像（SVI）、および社会経済データセットを統合したものである。

1. データ収集と処理:

   • 軌跡データ: MyVeVelo アプリケーション（2013年–2015年）を通じて記録された個々の自転車走行データを使用し、GPSトラック、タイムスタンプ、目的地を含んでいる。移動目的は手動でラベル付けされ、通勤、仕事関連、社交、買い物、通学、スポーツ、レジャー、その他の8つのグループに分類された。
   • 非視覚的変数: 土地利用混合度（シャノン多様性指数により算出）、勾配（DEMより）、気温、社会経済指標（住宅価格、税引後所得、男女比、平均年齢）、およびPOI（関心地点）密度を含む14の制御変数を構築した。
   • 視覚的変数: GPS地点に対応する Google ストリートビュー API を介してストリートビュー画像（SVI）を取得した。セマンティック・セグメンテーションには Mask2Former モデル（Cityscapes で事前学習済み）を用い、道路、歩道、建物、緑地、空の特定のクラスのピクセル比率を抽出した。これにより、モータリゼーション（車両）、アクティブ・モビリティ（歩行者/サイクリスト）、障害物（壁/柱）の3つの複合指標を導出した。

2. 分析フレームワーク:
   分析は以下の2つの部分に分けられた。

   • 起点・終点（OD）分析: 一般的な移動パターンを理解するために、始点および終点における非視覚的要因を調査した。
   • 経路選択分析: 実際の経路と最短経路（OpenStreetMap を用いて算出）との間の非重複セグメントに焦割を絞った。20メートルの半径差によってこれらのセグメントを定義した。
   • 統計モデリング: 多変量解析として、二変量分析（ピアソンの相関係数、バイオリン図）および多項ロジスティック回帰モデルを用いた多変量回帰分析（分散分析 - ANOVA）を利用した。モデルは移動目的を目的変数として扱い、軌跡に関連する変数、非視覚的変数、および視覚的変数の有意性をテストした。

主な貢献

• 移動目的による差別化: 本研究は、集計された移動行動分析を超え、移動目的ごとに細分化された自転車の経路選択を評価するという先駆的な取り組みである。
• 視覚・非視覚の統合: SVI 上のディープラーニングを通じて視覚的知覚を定量化し、従来の社会経済的および環境的変数と併せて用いる新しいアプローチを導入し、経路選択のための包括的なデータセットを作成した。
• 偏差の定量化: 「比較経路」変数（実際の経路と最短経路との偏差）を明示的に定量化し、この偏差が特定の環境および視覚的要因と、異なる移動タイプ間でどのように相関するかを分析した。

結果

• 移動目的の特徴:
  • スポーツ/エクササイズ: これらの移動は最短経路からの偏差が最も大きく、より長い所要時間と距離を好む傾向があった。これらは、経路エリアにおける高い土地利用混合度、高い平均年齢、および高い所得水準と関連していた。
  • 通勤/仕事: これらの移動は最短経路からの偏差が小さかった。通勤者は、住宅価格は高いが男性比率が低く、土地利用の多様性が低いエリアを通る傾向があった。
  • レジャー/社交: これらの移動は、終点における POI 密度の高さおよび明確な時間的パターン（例：買い物や社交における午後のピーク）と関連していた。
• 視覚的 vs 非視覚的嗜好:
  • ほとんどの移動目的において、実際のルートは最短経路と比較して、一貫して植生（緑地）が多く、アクティブ・モビリティの存在が高く、モータリゼーションが低いものであった。
  • スポーツおよびレジャーのサイクリストは、より多くの緑地、歩道、およびアクティブ・モビリティを好み、空やモータリゼーションが少ないルートを強く好む傾向を示した。
  • 統計的有意性: ANOVA の結果、移動の長さ、時刻、POI 密度、および最短経路からの偏差は、移動目的を区別する上で非常に有意であった（$p < 0.001$）。道路、歩道、モータリゼーション、およびアクティブ・モビリティといった視覚的要因も有意であったが、建物や空のような広範な景観要素は識別力が低かった。
• モデルの性能:
  • 本研究では、非視覚モデル（モデル1）と、視覚・非視覚結合モデル（モデル2）を比較した。両者は同様の疑似 $R^2$ 値（~0.22）を示したが、モデル1の方が AIC および BIC スコアが低く、視覚的特徴を堅牢な特徴選択なしに加えると、過学習や不要な複雑化を招く可能性があることが示唆された。

意義と主張
本論文は、移動目的がサイクリストがいかに環境と相互作用するかを決定する決定的な要因であることを示すことで、文献における重要な空白を埋めるものであると主張している。知見は、サイクリストが単に最短経路を求めているのではなく、効率性と環境の質（安全性、緑、活動レベル）とのトレードオフに基づいて積極的にルートを選択しており、その嗜好は目的によって大きく異なることを示唆している。

著者らは、これらの洞察が、能動的な交通をより良く支援するための街路ネットワーク計画およびインフラ開発に役立つと主張している。異なる移動目的が異なる視覚的および非視覚的な手がかりに反応することを理解することで、計画者はよりターゲットを絞った介入を設計できる。本研究は、視覚的要因は重要であるが、将来のモデリングにおいては、過学習を避けるために特徴選択を慎重にバランスさせる必要があること、そして移動目的を経路選択分析に組み込むことが、都市のサイクリング・ダイナミクスをより包括的に理解することにつながると結論付けている。

認めている限界事項
著者らは、政府によって処理された軌跡データへの依存（正確な始点・終点が不明瞭になる可能性がある）、都市間検証データの欠如、および SVI データにおける潜在的なバイアス（例：車両ベースの視点 vs サイクリストの視点、画像キャプチャにおける天候の不一致）に関する限界を述べている。また、現在の知見はモントリオールの文脈および 2013 年–2015 年の期間に特有のものであることを強調している。