四段階推定法とは?|地域の人口から道路の混雑まで、Pythonで全体像をつかむ

シリーズ:複数ODの均衡配分

道路の混雑を予測するには、最短経路を求めるだけでは足りません。どこで、どれだけの移動が生まれ、どこへ向かい、何に乗り、どの道を通るのか。このつながりを分けて考えるのが、四段階推定法です。

均衡配分の後編ではOD交通量を最初から与えました。今回はその入力を作る側へ戻り、共通の小さな例で、地域データから道路交通量までを見渡します。まずは細かい推定式より、各段階で何が決まり、何がまだ決まらないかを押さえます。

1.四段階は、四つの違う質問に答える

段階答える質問主な出力
発生・集中各地域からどれだけ出発し、どれだけ到着するか地域別の交通量
分布どこからどこへ移動するか地域間のOD表
交通手段分担自動車・鉄道などのどれを使うか手段別OD表
交通配分どの道路・経路を通るかリンク交通量と所要時間

これは「人口を入れれば自動的に正しい交通量が出る」という万能な手順ではありません。段階ごとに観測データ、説明変数、モデルの仮定、係数の検証が必要です。実際の交通計画での四段階の位置づけは、MWCOGのモデル解説でも確認できます。

2.共通教材は3地域と、これまでの9ノード道路網

地域は北西A・中央E・南東Iの3つです。A・E・Iは、前の記事で使った9ノード網の点でもあります。地域を表す代表点と道路の交差点は本来別の概念ですが、教材では同じ点に対応させ、接続リンクの時間は0とします。

地域人口従業者数道路網の代表点
北西3,000人2,500人A
中央2,400人4,000人E
南東1,800人1,500人I

すべて仮想の数値です。対象はある1時間の地域間移動とし、地域内移動は0に置きます。現実の地域内移動が存在しないのではなく、説明する範囲を限定しています。人口や従業者数はストック、その1時間の交通量はフローなので、直接同じ単位として足しません。

3.小さな数値例で、四段階を通す

発生集中2880人トリップ毎時から、分布、手段分担、約1519台毎時の配分までの流れ。
各箱の出力が次の入力になります。最後は道路別の台数であり、人トリップの総数とは単位が異なります。

まず人口に仮定した原単位0.4を掛け、出発総量2,880人トリップ/時を作ります。従業者数から作った到着の原案は3,200なので、総量が一致するよう0.9倍します。次に時間に応じた地域間の重みを使い、行・列の合計を守るOD表へ分けます。

そのODを自動車と鉄道へ分けると、教材の条件では自動車約1,822.980人、鉄道約1,057.020人トリップ/時です。自動車人数を平均乗車人数1.2人/台で割り、約1,519.150台/時を道路網へ入力します。ここで初めて、前の記事の均衡配分へつながります。

4.Pythonでは、途中の値を残すことが重要

from mobility import pipeline

r = pipeline()
print("全ODの人トリップ:", r["od"].sum())
print("自動車人数:", r["people_car"].sum())
print("自動車台数:", r["vehicles"].sum())

教材フォルダー内の.pyファイルで実行すると、約2,880、約1,822.980、約1,519.150が得られます。pipelineはmobility.pyにある関数で、各段階の入力と出力を返します。最終地図だけを見るより、generation.csv、od-mode.csv、scenarios.csvで段階ごとの合計を確認すると、間違いの場所を特定しやすくなります。

データとPythonコードをダウンロード

交通理論シリーズの共通教材をダウンロード(ZIP・約0.61 MB)

ZIPを展開し、transport-series-kitフォルダーをターミナルで開きます。Windows PowerShellでは次の順で実行できます。

python -m venv .venv
.venv\Scripts\python.exe -m pip install -r requirements.txt
.venv\Scripts\python.exe mobility.py

macOS・Linuxではpythonをpython3、.venv\Scripts\python.exeを.venv/bin/pythonに置き換えてください。検証環境はPython 3.11.5、NetworkX 3.1、NumPy 1.24.3、Matplotlib 3.7.2、SciPy 1.11.1。初回のライブラリ取得以外に通信は不要です。図のMeiryoフォントがない場合は、コード内の指定をインストール済みの日本語フォントへ変更します。

READMEに前提と期待結果、resultsに図・CSV・検算結果を同梱しています。入力や係数は教材用の仮定で、実際の都市・施設の予測値ではありません。

5.一方向に通した教材と、実際の需要予測の違い

この教材では、分布と手段選択に使う時間を混雑前の値として固定しています。配分で求めた混雑時間を前段へ戻し、ODや手段分担を調整する反復は含めていません。つまり、配分自体は均衡でも、四段階全体が相互に整合した均衡モデルというわけではありません。

実際には道路が混むと鉄道へ移る、目的地を変える、出発時刻を変えることもあります。また、土地利用の変化、地域外との流出入、貨物交通なども必要に応じて加えます。教材で省略したものを認識しておくことが、実務へ進む土台です。

次の発生・集中交通量の記事(2026年11月23日9時公開予定・公開日時以降に閲覧できます)では、最初の「出発と到着の総量」を詳しく作ります。四段階すべてを一度に暗記せず、どの段階が何を受け取り、何を渡すかを確かめながら進みましょう。

続き:Pythonで発生・集中交通量|人口・従業者数から出発と到着を求める(2026年11月23日9時公開予定・公開日時以降に閲覧できます)

コメント

タイトルとURLをコピーしました