都市規模の交通行動分析とシミュレーション

概要

共有マイクロモビリティシステム（SMS）は新しい移動手段を提供し、交通関連の温室効果ガス（GHG）排出削減の可能性がありますが、実データに基づく環境便益の定量化は不十分です。本プロジェクトでは、都市規模の交通行動の理解、トリップ目的の分類、共有モビリティシステムからのGHG排出削減量の推定に取り組んでいます。

アプローチ

• GHG排出量推定（Sustainable Cities and Society 2022）: 機械学習アルゴリズム（Random Forest, LightGBM, XGBoost）で交通手段選好を推定し、共有マイクロモビリティトリップが代替した交通手段を特定。モンテカルロシミュレーションによる確率的GHG削減量推定
• トリップ目的分類（UbiComp 2022）: 非負タッカー分解とクロスアテンション機構を用いたPlug-in Memory Network（PMN）による、空間活動情報のみからのプライバシー保護型トリップ目的推定
• ユーザモビリティパターン分析（ITSC 2021）: ドックレス型電動スクーターシェアデータからの非負テンソル因子分解による教師なしモビリティパターンの発見

結果

• 環境便益: SMSが正の環境効果を持ち、都市交通の脱炭素化を促進する可能性を確認。不確実性を考慮した確率的推定結果を提示
• トリップ目的分類: PMNは空間情報のみでベースラインモデルを上回り、欠損データテストでも高い耐性を実証
• モビリティパターン: シカゴとワシントンD.C.の電動スクーターデータから特徴的なユーザモビリティパターンとクラスターの特定に成功

意義

本研究は、共有マイクロモビリティシステムが都市交通の脱炭素化に貢献することの定量的エビデンスを提供します。プライバシー保護型トリップ目的推定と教師なしモビリティパターン分析は、都市交通計画とインフラ最適化のためのスケーラブルなツールを提供します。