A copula-based spatial justice index for pedestrian-vehicle interaction on school streets

技術要約：スクールストリートにおける歩行者・車両相互作用に関するコピュラを用いた空間的正義指標

問題提起
スクールストリートは、持続可能な開発目標（SDG）の目標11における重要な交差点を表しています。すなわち、脆弱なグループのための安全な輸送システムの確保（ターゲット11.2）と、安全な公共空間へのユニバーサルなアクセスの提供（ターゲット11.7）です。歩行者と車両の相互作用に関する微視的な研究は存在しますが、これらはコミュニティレベルのモニタリングとしてはコストが高すぎることが多々あります。逆に、集計されたセンサーデータを用いた巨視的な研究は、通常、平均速度や中央値速度に依存しており、ドライバーの注意喚起を示す局所的な減速を平滑化してしまいます。さらに、既存の統計的手法は、以下の3つの具体的な方法論的障害を考慮できていないことがよくあります。

1. 指標の感度： 集計された平均値は、ドライバーの行動が変化する速度分布の「注意深い」裾野（テール）の部分を覆い隠してしまいます。
2. 交絡： 歩行者が多い時間帯における速度低下は、歩行者と車両の相互作用ではなく、車両同士の混雑による結果である可能性があります。
3. 統計的限界： 標準的な線形または対称的な依存関係モデルは、閾値メカニズム（歩行者密度がある一定レベルを超えたときにのみ注意が活性化する現象）を捉えることができず、また、離散的な歩行者数と連続的な速度データの組み合わせを扱うのが困難です。

方法論
著者らは、低コストの市民科学による交通データを、道路空間がいかに公平に共有されているかを示す確率的な尺度へと変換するために設計された、**空間的正義指標（Spatial Justice Index: SJI）**フレームワークを提案しています。このフレームワークは、4つの主要なコンポーネントで構成されています。

1. レジーム・フィルタリング： 歩行者と車両の相互作用を車両同士の混雑から分離するため、著者らは「自由流（フリーフロー）」の間隔のみを保持するようにデータをフィルタリングしています。これは、15分間あたりの自動車台数（$Q_t$）が0より大きく50未満である期間として定義されます。これにより、車両が存在しない期間（速度が定義できない）と、混雑している期間の両方が除外されます。
2. 注意深い速度指標（$V_{15}$）： 平均速度の代わりに、本研究では各区間の速度分布の第15パーセンタイル（$V_{15}$）を再構築します。この指標は、交通流の最も遅い部分を対象としており、「注意深い運転」のプロキシ（代理指標）として機能します。これは、Telraamセンサーから提供されるビン化された速度データ（10 km/h刻み）から導出されます。
3. ジッタリングを用いたコピュラ・モデリング： 離散的な歩行者数（$P$）と連続的な注意深い速度（$V_{15}$）の間の依存関係をモデル化するために、著者らはコピュラ理論を採用しています。
   • ジッタリング： ユニークなコピュラの特定に必要な連続性の要件を満たすため、歩行者数をジッタリング（$P^* = P + U$、ここで $U \sim \text{Uniform}(0,1)$）によって連続化します。
   • モデル選択： 回転型クレイトン・コピュラが、対称なガウス・ベンチマークと比較検討されます。回転型クレイトンが選ばれたのは、「視覚的な壁（visual wall）」仮説、すなわち依存関係が「高歩行者数かつ低速度」の結合領域に集中するという（閾値型の）メカニズムを具体的にテストするためです。
4. 指標の定義： SJIは、特定の歩行者数（$p$）が与えられたとき、注意深い速度（$V_{15}$）がその通りの中央値速度（$v_{crit}$）を下回る条件付き確率として定義されます。
   $$SJI_p = \text{Pr}(V_{15} \leq v_{crit} \mid P^* = p)$$
   指標は0から1の範囲をとり、0.5は依存関係がないこと（歩行者の存在が注意深さに影響を与えないこと）を示し、1に近づくほど注意深い運転が行われる確率が高いことを示します。

主な結果
このフレームワークは、2025年にイタリアの2つのスクールストリート、アンドリアのVia XX Settembre（中規模都市）とミラノのVia Gentilino（高密度都市部）に適用されました。

• アンドリア（Via XX Settembre）：

  • データ特性： 歩行者数の変動が大きく（生データでの15分間あたりの平均は10.3人）、走行速度は高い（$V_{85} \approx 43.6$ km/h）。
  • 知見： 歩行者数と注意深い速度の間に明確な負の相関が存在します。SJIは、歩行者がいない状態の0.47から、最大観測数である46人の場合の0.88まで上昇します。
  • メカニズム： 依存関係は、歩行者が少ない段階（空の状態から利用が始まる局面）で最も強くなります。回転型クレイトン・モデル（閾値仮説）は、対称なガウス・コピュラによって統計的に上回られました。これは、ドライバーの注意が、群衆の密度ではなく、最初の数人の歩行者の「存在」によってトリガーされることを示唆しています。
  • 勾配： SJIの勾配は歩行者がゼロに近いところで最も急であり、その後減少します。これは、歩行者が増えるにつれて、追加の歩行者による限界的な安全上の利益が減少することを示しています。

• ミラノ（Via Gentilino）：

  • データ特性： 交通抑制が行われた通りであり、速度が非常に低く（$V_{85} \approx 14.4$ km/h）、歩行者活動もまばらです（15分間あたりの平均は0.7人。57.7%の区間で歩行者がゼロ）。
  • 知見： 統計的に有意な依存関係は検出されませんでした。SJIはすべての観測された歩行者数に対して平坦な0.5を維持しています。
  • 解釈： この平坦な指標は、その通りが歩行者の有無にかかわらず安全であることを証明するものではありません。むしろ、歩行者への曝露量の不足により、効果を検出するためのデータが不十分であることを示しています。本フレームワークは、これを「安全」ではなく「決定不能」なケースとして明示的に識別しています。

意義と主張
本論文は、以下の貢献と意義を主張しています。

1. コミュニティレベルのスケーラビリティ： SJIは、低コストの市民設置型センサーを用いて、コミュニティが道路の共有状況を監視するためのスケーラブルな手法を提供します。これは、移動に関するエビデンスの生成をコミュニティ自身へと移行させ、SDG 11のモニタリングを支援します。
2. データ制限の明示的な処理： 結果を無理に導き出そうとする既存の指標とは異なり、本フレームワークは、データが問いに答えるのに不十分である場合（ミラノの事例のように）に、それを明示的にシグナルとして伝えます。これは「構造的安全（設計による低速）」と「交渉された安全（歩行者の存在に依存する速度）」を区別します。
3. 閾値仮説の反証： 結果は、「注意が特定の群衆密度を超えたときにのみ活性化する」という「視覚的な壁」仮説に異を唱えています。観測されたデータでは、「視覚的な壁」は最初の数人の歩行者によって既に引き上げられており、安全性は低レベルの群衆密度であっても歩行者の「存在」に依存していることが示唆されました。
4. 方法論的な厳密性： コピュラを用いて周辺的な挙動と依存関係を分離し、ジッタリングを用いて離散的なカウントを扱うことで、標準的な回帰分析や対称的な依存関係の測定では失敗しやすい問題に対し、堅牢な統計的アプローチを提供しています。

認められた限界
著者らは以下の限界を認めています。

• 解像度： 注意深い速度は10 km/hのビンから再構築されているため、低速または低ボリュームの区間では解像度が粗くなります。
• 交絡： レジーム・フィルターは混雑を除去しますが、時間的な交絡因子（例：時刻、照明、学校のスケジュールなど）を制御しているわけではなく、これらが低交通量および低歩行者数と相関している可能性があります。
• 汎用性： 知見はイタリアの特定の2つの通りに基づいたものであり、すべての街路類型に対して広範な主張を行うことはできませんが、フレームワーク自体は移植可能です。
• 統計的不確実性： P値は独立した区間を前提としていますが、15分間隔の時系列データにおける系列依存性のために、不確実性を過小評価する可能性があります。

要約すると、本論文は、生のセンサーデータを、ドライバーが歩行者にスペースを譲っているかどうかを判断するための透明性の高い確率的尺度へと翻訳するツールを提示しています。これにより、スクールストリートにおける安全性は、群衆の密度よりも、歩行者の即時的な存在により依存している可能性があることを明らかにし、データの限界が結論の導出を妨げている場合を明示的に特定しています。