SlideShare ist ein Scribd-Unternehmen logo
1 von 47
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

人の流れデータを用いた
トリップチェーンの形状と地域特性の分析
岸本達也 研究室

学部4年

大庭

寛
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

はじめに

背景
都市や暮らしを評価する上で、
人口密度・用途地域・交通量などの「集計」データではなく、
「個人ごとの」行動や活動に基づいて、「都市」や「そこに暮らす人々」の特徴
を把握できれば、より細かな評価が出来るのではないか。
仮説

複雑な「人の行動」を「類型化」によって、より簡潔に捉えられるのではないか
「都市」という複雑なものを「人の行動」という側面から捉えられるのではないか

目的
人の移動行動によって得られる「軌跡」=「トリップチェーン」の幾何学的特徴
を用いた、移動行動と地域の分析を目的とする。

2
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

人の移動軌跡のデータ

平成19年松山都市圏 人の流れデータ

トリップチェーン(移動の軌跡)情報を得る
パーソントリップ調査
(都市計画協議会や各自治体が実施)

•
•
•
•

どのような人が
どのように
いつ
どこから・どこへ

(性別・年齢・職業)
(交通手段)
(日時)
(場所)

調査日: 2007年10月1日(平日)
調査主体: 愛媛県土木部道路都市局都市計画課
対象人数: 約2万人
調査範囲: 松山市全域および周辺市町
地域単位: 町丁目集約レベル(Cゾーン)

移動したのか を調査したもの

人の流れデータ
(東京大学空間情報科学研究センター提供)

パーソントリップデータを、
最短経路を通ると仮定して、
1分ごとの時刻・位置情報データに加工したもの
→ ここから、約2万人のトリップチェーンの情報
を得る

図1. 人の流れデータの描画例
3
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標の考案

トリップチェーンの情報を、定量的に評価するための指標

「 移 動 行 動 指 標 」 を提案する

指標名称

主目的地距離
主目的地からみる 主目的地直線を基準と
指標
した最大幅

主目的地滞在時間

単位

m
m
分

最大幅

トリップの中で
最も滞在時間が長い地点
(例えば勤務先など)
主目的地
滞在時間

4
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標の考案

地点の中で
最も居住地からの距離が遠い地点

指標名称

主目的地距離
主目的地からみる 主目的地直線を基準と
指標
した最大幅

単位

最遠地

滞在時間

m
m

主目的地滞在時間

分

最遠地距離

m

最遠地からみる指 最遠地直線を基準とし
標
た最大幅

最遠地滞在時間

最遠地距離

m

分

最大幅

5
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標の考案

指標名称

主目的地距離
主目的地からみる 主目的地直線を基準と
指標
した最大幅

単位

m
m

主目的地滞在時間

分

最遠地距離

m

最遠地からみる指 最遠地直線を基準とし
標
た最大幅

m

最遠地滞在時間

分

凸包面積

凸包面積

m2

移動行動全体から 総移動距離
みる指標
目的地の数

重心距離

m
個
m
6
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標の考案

指標名称

主目的地距離
主目的地からみる 主目的地直線を基準と
指標
した最大幅

単位

m
m

主目的地滞在時間

分

最遠地距離

m

最遠地からみる指 最遠地直線を基準とし
標
た最大幅

m

最遠地滞在時間

分

凸包面積

総移動距離

m2

移動行動全体から 総移動距離
みる指標
目的地の数

重心距離

m
個
m
7
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標の考案

2
指標名称

主目的地距離
主目的地からみる 主目的地直線を基準と
指標
した最大幅

単位

m
m

主目的地滞在時間

分

最遠地距離

4

m

最遠地からみる指 最遠地直線を基準とし
標
た最大幅

3

m

最遠地滞在時間

分

凸包面積

1

目的地の数

m2

移動行動全体から 総移動距離
みる指標
目的地の数

重心距離

m
個
m

6
5
8
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標の考案

指標名称

主目的地距離
主目的地からみる 主目的地直線を基準と
指標
した最大幅

単位

m
m

主目的地滞在時間

分

最遠地距離

滞在時間を考慮した
重心

m

最遠地からみる指 最遠地直線を基準とし
標
た最大幅

m

最遠地滞在時間

分

凸包面積

m2

移動行動全体から 総移動距離
みる指標
目的地の数

重心距離

m
個
m
9
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標の考案

指標名称

主目的地距離
主目的地からみる 主目的地直線を基準と
指標
した最大幅

単位

m

移動行動を表す
計15個の移動行動指標を考案した

m

主目的地滞在時間

分

最遠地距離

m

最遠地からみる指 最遠地直線を基準とし
標
た最大幅

トリップ開始から終了までの時間
最初のトリップから、最後のトリップまでに要した時間

m

最遠地滞在時間

分

居住地滞在時間

凸包面積

m2

一旦帰宅した場合なども含めた、自宅にいる時間の合計

移動行動全体から 総移動距離
みる指標
目的地の数

m

総移動時間

重心距離

m

一日の中で、「移動」に費やしている時間の合計

トリップ開始から終了
までの時間

分

居住地滞在時間

分

総移動時間

時間からみる指標

個

分

移動行動から得ら 消費カロリー
れる副次的な指標 CO 排出量
2

kcal
g

消費カロリー
徒歩・自転車で移動した際の移動時間から算出

CO2排出量
自動車,電車等で移動した際の移動距離から算出
10
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標を用いた人の行動の類型化

表1. 主成分分析で得られた成分行列
成分

移動行動指標

比較
個人属性
性別・年齢・職業・
居住地情報

移動行動指標

.962

.075

.150

-.060

.034

.925

.168

.204

-.203

.048

.924

.052

.238

.016

-.116

総移動時間

.801

-.080

-.178

.020

.233

主目的地距離

.796

.272

.195

-.441

.035

重心距離

.730

.421

.084

-.401

-.002

.673

-.284

-.001

.509

.002

主目的地直線を基
準とした最大幅

.608

-.234

.053

.537

.032

.467

-.568

-.450

.047

-.149

最遠地滞在時間

類型

総移動距離

目的地の数

クラスター分析

3

最遠地直線を基準
とした最大幅

主成分得点

2

CO2排出量

主成分分析

1
最遠地距離

全15項目

-.240

.851

.182

.348

.089

主目的地滞在時間

-.198

.845

.101

.400

.061

居住地滞在時間

-.389

-.380

.710

.022

.244

トリップ開始から
終了までの時間

.310

.508

-.686

.149

-.180

凸包面積

.521

-.136

.192

.560

.112

-.010

.000

-.403

-.094

.897

68.9

79.4

消費カロリー
累積寄与率 %

40.7

58.0

4

5

86.2
11
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標を用いた人の行動の類型化

表1. 主成分分析で得られた成分行列
成分

長距離・長時間移動成分

.962

.075

.150

-.060

.034

.925

.168

.204

-.203

.048

CO2排出量

.924

.052

.238

.016

-.116

総移動時間

.801

-.080

-.178

.020

.233

主目的地距離

.796

.272

.195

-.441

.035

重心距離

.730

.421

.084

-.401

-.002

最遠地直線を基準
とした最大幅

.673

-.284

-.001

.509

.002

主目的地直線を基
準とした最大幅

.608

-.234

.053

.537

.032

目的地の数

.467

-.568

-.450

.047

-.149

最遠地滞在時間

-.240

.851

.182

.348

.089

主目的地滞在時間

-.198

.845

.101

.400

.061

居住地滞在時間

-.389

-.380

.710

.022

.244

トリップ開始から
終了までの時間

行動範囲が広い←

3

最遠地距離

外出時間が長い⇔

2

総移動距離

移動距離が長い
行動範囲が広い

1

.310

.508

-.686

.149

-.180

凸包面積

.521

-.136

.192

.560

.112

-.010

.000

-.403

-.094

.897

68.9

79.4

消費カロリー
累積寄与率 %

40.7

58.0

4

5

86.2
12
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標を用いた人の行動の類型化

表1. 主成分分析で得られた成分行列
成分

主目的地特化成分

3

.962

.075

.150

-.060

.034

最遠地距離

.925

.168

.204

-.203

.048

CO2排出量

.924

.052

.238

.016

-.116

総移動時間

.801

-.080

-.178

.020

.233

主目的地距離

.796

.272

.195

-.441

.035

重心距離

.730

.421

.084

-.401

-.002

最遠地直線を基準
とした最大幅

.673

-.284

-.001

.509

.002

主目的地直線を基
準とした最大幅

目的地での滞在時間が長い

2

総移動距離

目的地の数が少ない ←

1

.608

-.234

.053

.537

.032

目的地の数

.467

-.568

-.450

.047

-.149

最遠地滞在時間

-.240

.851

.182

.348

.089

主目的地滞在時間

-.198

.845

.101

.400

.061

居住地滞在時間

-.389

-.380

.710

.022

.244

トリップ開始から
終了までの時間

.310

.508

-.686

.149

-.180

凸包面積

.521

-.136

.192

.560

.112

-.010

.000

-.403

-.094

.897

68.9

79.4

消費カロリー

累積寄与率 %

40.7

58.0

4

5

86.2
13
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標を用いた人の行動の類型化

表1. 主成分分析で得られた成分行列
成分

居住地区特化成分

3

.962

.075

.150

-.060

.034

最遠地距離

.925

.168

.204

-.203

.048

CO2排出量

.924

.052

.238

.016

-.116

総移動時間

.801

-.080

-.178

.020

.233

主目的地距離

.796

.272

.195

-.441

.035

重心距離

.730

.421

.084

-.401

-.002

最遠地直線を基準
とした最大幅

.673

-.284

-.001

.509

.002

主目的地直線を基
準とした最大幅

.608

-.234

.053

.537

.032

目的地の数

.467

-.568

-.450

.047

-.149

最遠地滞在時間

-.240

.851

.182

.348

.089

主目的地滞在時間

居住地・居住地区内で
の
活動時間が長い

2

総移動距離

目的地の数が少ない ←

1

-.198

.845

.101

.400

.061

居住地滞在時間

-.389

-.380

.710

.022

.244

トリップ開始から
終了までの時間

.310

.508

-.686

.149

-.180

凸包面積

.521

-.136

.192

.560

.112

-.010

.000

-.403

-.094

.897

68.9

79.4

消費カロリー

累積寄与率 %

40.7

58.0

4

5

86.2
14
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標を用いた人の行動の類型化

表1. 主成分分析で得られた成分行列
成分

地元周遊成分

.962

.075

.150

-.060

.034

.925

.168

.204

-.203

.048

CO2排出量

.924

.052

.238

.016

-.116

総移動時間

.801

-.080

-.178

.020

.233

主目的地距離

.796

.272

.195

-.441

.035

重心距離

.730

.421

.084

-.401

-.002

最遠地直線を基準
とした最大幅

.673

-.284

-.001

.509

.002

主目的地直線を基
準とした最大幅

.608

-.234

.053

.537

.032

目的地の数

.467

-.568

-.450

.047

-.149

最遠地滞在時間

行動範囲が広い

3

最遠地距離

居住地に対して
移動方向に偏りがない

2

総移動距離

居住地と目的地の直線距離は短い

1

-.240

.851

.182

.348

.089

主目的地滞在時間

-.198

.845

.101

.400

.061

居住地滞在時間

-.389

-.380

.710

.022

.244

トリップ開始から
終了までの時間

.310

.508

-.686

.149

-.180

凸包面積

.521

-.136

.192

.560

.112

-.010

.000

-.403

-.094

.897

68.9

79.4

消費カロリー

累積寄与率 %

40.7

58.0

4

5

86.2
15
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標を用いた人の行動の類型化

表1. 主成分分析で得られた成分行列
成分

健康移動成分

2

3

総移動距離

.962

.075

.150

-.060

.034

最遠地距離

.925

.168

.204

-.203

.048

CO2排出量

.924

.052

.238

.016

-.116

総移動時間

.801

-.080

-.178

.020

.233

主目的地距離

.796

.272

.195

-.441

.035

重心距離

.730

.421

.084

-.401

-.002

最遠地直線を基準
とした最大幅

.673

-.284

-.001

.509

.002

主目的地直線を基
準とした最大幅

.608

-.234

.053

.537

.032

目的地の数

.467

-.568

-.450

.047

-.149

最遠地滞在時間

-.240

.851

.182

.348

.089

主目的地滞在時間

-.198

.845

.101

.400

.061

居住地滞在時間

-.389

-.380

.710

.022

.244

トリップ開始から
終了までの時間

.310

.508

-.686

.149

-.180

凸包面積

徒歩・自転車で移動している ←

1

.521

-.136

.192

.560

.112

-.010

.000

-.403

-.094

.897

68.9

79.4

消費カロリー

累積寄与率 %

40.7

58.0

4

5

86.2
16
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標を用いた人の行動の類型化

移動行動指標
全15項目

表2. 各クラスターの主成分得点

クラスター

A

主成分分析
主成分得点
B

クラスター分析
C

類型

D

比較
個人属性
性別・年齢・職業・
居住地情報

移動行動指標

E

所属人数
平均値
中央値
標準偏差
所属人数
平均値
中央値
標準偏差
所属人数
平均値
中央値
標準偏差
所属人数
平均値
中央値
標準偏差
所属人数
平均値
中央値
標準偏差

長距
離・長 主目的 居住地
時間移 地特化 区特化 地元周 健康移
動成分 成分
成分 遊成分 動成分
457人
4.9
.75
1.6
-.43
.36
4.1
1.0
1.5
-2.2
-.07
2.7
2.3
1.9
5.4
1.6
9431人
.08
.27
-.47
.08
-.63
-.09
.34
-.41
.09
-.71
.56
.66
.48
.43
.38
2632人
.07
.14
-1.1
-.17
1.6
-.04
.29
-1.1
-.11
1.3
.42
.74
.62
.43
1.2
1974人
-.88
1.5
1.5
1.2
.67
-.89
1.5
1.4
1.3
.56
.10
.21
.50
.12
.49
5912人
-.24
-1.0
.63
-.43
.02
-.35
-1.1
.68
-.48
-.17
.37
.37
.53
.29
.55
17
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標を用いた人の行動の類型化

表2. 各クラスターの主成分得点

クラスター

行動の類型
長距離・長時間・多地点移動型

A

主目的地特化 CO2排出移動型

B

主目的地特化型 健康移動型

C

居住地区内特化型

D

短時間外出型

E

所属人数
平均値
中央値
標準偏差
所属人数
平均値
中央値
標準偏差
所属人数
平均値
中央値
標準偏差
所属人数
平均値
中央値
標準偏差
所属人数
平均値
中央値
標準偏差

長距
離・長 主目的 居住地
時間移 地特化 区特化 地元周 健康移
動成分 成分
成分 遊成分 動成分
457人
4.9
.75
1.6
-.43
.36
4.1
1.0
1.5
-2.2
-.07
2.7
2.3
1.9
5.4
1.6
9431人
.08
.27
-.47
.08
-.63
-.09
.34
-.41
.09
-.71
.56
.66
.48
.43
.38
2632人
.07
.14
-1.1
-.17
1.6
-.04
.29
-1.1
-.11
1.3
.42
.74
.62
.43
1.2
1974人
-.88
1.5
1.5
1.2
.67
-.89
1.5
1.4
1.3
.56
.10
.21
.50
.12
.49
5912人
-.24
-1.0
.63
-.43
.02
-.35
-1.1
.68
-.48
-.17
.37
.37
.53
.29
.55
18
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標を用いた人の行動の類型化 – 属性情報による比較分析

クラスターA: 長距離・長時間・多地点移動 型

19
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標を用いた人の行動の類型化 – 属性情報による比較分析

クラスターA: 長距離・長時間・多地点移動 型

20歳未満・80歳以上は
ほぼ含まれない

20
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標を用いた人の行動の類型化 – 属性情報による比較分析

クラスターA: 長距離・長時間・多地点移動 型

20歳未満・80歳以上は
ほぼ含まれない
21
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標を用いた人の行動の類型化 – 属性情報による比較分析

クラスターA: 長距離・長時間・多地点移動 型

「生徒・児童・園児」と
「学生」が含まれていない

20歳未満・80歳以上は
ほぼ含まれない
22
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標を用いた人の行動の類型化 – 属性情報による比較分析

クラスターA: 長距離・長時間・多地点移動 型

20歳未満・80歳以上は
ほぼ含まれない

「生徒・児童・園児」と「学生」
が含まれていない
23
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標を用いた人の行動の類型化 – 属性情報による比較分析

クラスターB・C:主目的地特化 CO2排出移動 型 /健康移動 型

24
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標を用いた人の行動の類型化 – 属性情報による比較分析

クラスターB・C:主目的地特化 CO2排出移動 型 /健康移動 型

CO2排出型
その他従事者
→ 通勤

健康移動型
高校生以上の学生
→ 徒歩・自転車通学

25
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標を用いた人の行動の類型化 – 属性情報による比較分析

クラスターB・C:主目的地特化 CO2排出移動 型 /健康移動 型
学生(高校生以上)の利用交通手段の割合

徒歩・自転車が約80%

26
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標を用いた人の行動の類型化 – 属性情報による比較分析

クラスターB・C:主目的地特化 CO2排出移動 型 /健康移動 型

その他従事者:通勤行動によるCO2排出移動
高校生以上の学生:徒歩・自転車メインの通学行動
27
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標を用いた人の行動の類型化 – 属性情報による比較分析

人の行動の類型化

まとめ

行動の類型

属性による特徴

A 長距離・長時間・多目的地型

20歳未満の学生,80歳以上の高齢者が少ない

B 主目的地特化 CO2排出型

その他従事者が多い

C 主目的地特化 健康移動型

高校生以上の学生に多い

D 居住地区内特化型

農林漁業従事者,生徒・児童・園児に多い

E 短時間外出型

非従事者(主婦など)が多い

類型ごとに「年齢」「職業」などの移動者の属性による
移動行動の特徴があることが分かった。

28
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標を用いた地域の類型化

移動行動指標

地域区分:
町丁目集約レベル

全15項目

主成分分析
小学校区

主成分得点

(約370地域に集約)

小学校区ごとに居住者の
主成分得点平均を算出

居住地と松山市駅
の距離

全地域に対して
クラスター分析
市街地と郊外に
二分された

両クラスターに対して
それぞれクラスター分析
結果

比較

図2. 全地域を対象としたクラスター分析の結果

移動行動指標
29
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標を用いた地域の類型化

移動行動指標

地域区分:
町丁目集約レベル

全15項目

主成分分析
小学校区

主成分得点

(約370地域に集約)

小学校区ごとに居住者の
主成分得点平均を算出

居住地と松山市駅
の距離

全地域に対して
クラスター分析
市街地と郊外に
二分された

両クラスターに対して
それぞれクラスター分析
結果

比較

移動行動指標

図3. 地域1・地域2それぞれを対象とした
クラスター分析の結果

30
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標を用いた地域の類型化

地域B(中心市街地)で、
最も高い
↓
中心部ほど徒歩,自転車
での移動が多い

地域Bと地域Dでは
行動範囲が狭い
図3. 地域1・地域2それぞれを対象とした
クラスター分析の結果

31
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標を用いた地域の類型化

地域Dでは、「居住地滞在時間」と
「主目的地」「最遠地」の滞在時間が長い
↓
居住地区近隣で主に活動する傾向にある

図3. 地域1・地域2それぞれを対象とした
クラスター分析の結果

32
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標を用いた地域の類型化

地域性にみる考察

地域Dは、郊外地域の中でも
「人口集中地区」または「過疎地域」
に包含・隣接していることが分かる。

松山市中通
松山市北条辻

行動範囲が狭く、居住地滞在時間が長い 理由

人口集中地区の地域Dの場合:
郊外市街地になっていることが考えられ、
「店舗」「企業」などが集中
→ その地域の中で生活が完結できる

松山市
松山市 高岡町
西垣生町

松山市森松町

東温市則之内

過疎地域の地域Dの場合:
公共交通の便の悪さ,店舗等の減少に起因し、
特に「平日」には遠出しない
また、高齢者の場合「交通弱者」となり
区域外への外出が「できない」居住者の存在
などが考察できる

伊予市大平

図4. 地域クラスターDと
人口集中地区・過疎地域

33
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

移動行動指標を用いた地域の類型化

地域の類型化

まとめ

• 各地域について、それらの類型と「移動行動指標」や「地域性」
の比較から、特性や特異性を見出すことができた。

結論
• 人の「移動行動」から得られる情報(移動行動指標)のみで、
約2万人の「人の移動」を5パターンに、370弱の「地域」を4パターン
に類型化することができた。
• またこの類型に対し、移動行動指標や個人属性,地域性などの特徴や特
異性を把握することができた。

• 類型化により、「人の移動属性」や「地域属性」を簡潔に捉えることが
可能であることを示した。
34
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

まとめ・結論

今後の課題
• 「主成分得点」は量的変数であり、人の行動や地域の特性を
より詳細に表わす指標となり得るため、これを利用した分析を試み
る。
• 「移動行動指標」について、居住地区内での移動距離の推定や代表交
通手段の算出など、改善の余地が多く残されている。

今後の展望
• 本研究で得た、移動行動指標や類型を一つのパラメータとし、
「人の行動予測モデル」や「地域特性の経年変化予測モデル」等を
開発していきたい。

35
御清聴、ありがとうございました。

36
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

付録

個人属性一覧
年齢

職業

移動目的

交通手段

0歳以上5歳未満

農林漁業従事者

通勤

徒歩

5歳以上10歳未満

生産工程・労務作業者

通学

自転車

10歳以上15歳未満

販売従事者

帰宅

原動機付自転車

15歳以上20歳未満

サービス職業従事者

販売・配達等

自動二輪車

20歳以上25歳未満

運輸・通信従事者

打合せ等

タクシー・ハイヤー

25歳以上30歳未満

保安職業従事者

作業・修理

乗用車

30歳以上35歳未満

事務従事者

農林漁作業

軽自動車

35歳以上40歳未満

専門的・技術的職業従事者

その他業務

貨物自動車

40歳以上45歳未満

管理的職業従事者

業務での帰社

軽貨物車

45歳以上50歳未満

その他従事者

買物

自家用バス・貸切バス

50歳以上55歳未満

生徒・児童・園児(中学生以下)

社交・食事

路線バス

55歳以上60歳未満

学生(高校生以上)

観光・レクリ

JR線

60歳以上65歳未満

主婦・主夫(職業従事者を除く)

送迎

市内電車

65歳以上70歳未満

無職

その他私用

郊外電車

70歳以上75歳未満

業務関連の私用

船舶

75歳以上80歳未満

私用での帰社

航空機

80歳以上85歳未満

不明

その他

85歳以上

停滞

37
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

付録

消費カロリーについて
消費カロリーは、個人が移動する際に消費するエネルギーの総和で、
どの程度健康的な移動行動をしているかを表す指標となる。
算出には、厚生労働省 運動所要量・運動指針の策定検討会によって発表された「健康づくり
のための運動指針 2006[14]」に掲載された「1エクササイズの身体活動量に相当するエネル
ギー消費量」の簡易換算式を使用している。

E [kcal] = 1.05 × Ex [MET・h] × w [kg]

Ex :エクササイズ。身体活動の量を表す単位で、身体活動の強度(MET)に身体活動の
実施時間(h)をかけたもの。より強い身体活動ほど短い時間で1エクササイズとなる。
MET :メッツ。身体活動の強さを、安静時の何倍に相当するかで表す単位。

38
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

付録

旅客輸送機関別の
二酸化炭素排出原単位(2009年度)

交通手段別の二酸化炭素排出原単位

自家用乗用車

165

バス

48

鉄道

18

交通エコロジー・モビリティ財団
『2011年度版 運輸・交通と環境』より

二酸化炭素排出原単位
g-co2/人・km
0

自転車

0

原動付自転車

55

自動二輪車

二酸化炭素排出原単位
g-co2/人・km

交通手段
徒歩

輸送機関

82.5

タクシー・ハイヤー

165

乗用車

165

軽自動車

132

貨物自動車

165

軽貨物車

132

自家用バス・貸切バス

96

路線バス

48

JR線

18

市内電車

18

郊外電車

18
39
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

付録

主成分分析の分散・累積寄与率
移動行動指標:各成分により説明されたデータの分散と累積寄与率
成分

1

2

3

4

5

負荷量平方和の合計

6.100

2.614

1.620

1.577

1.017

分散 %

40.665

17.425

10.803

10.516

6.781

累積寄与率 %

40.665

58.090

68.893

79.409

86.190

TwoStep クラスターの品質評価
Cohesionと区切りのシルエット指標により評価される

B A
max A, B
A:クラスター中心へのレコードの距離
B:レコードが属さない最近隣クラスター中心へのレコードの距離
40
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

付録

移動行動の類型と各移動行動指標との比較

41
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

付録

移動行動の類型と各移動行動指標との比較

42
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

付録

移動行動類型の詳しい移動特性
クラスター
番号

主成分分析より解釈した
クラスターの移動特性

移動行動指標より確かめられる
クラスターの移動特性

長距離・長時間・多地点移動型

長距離・広範囲・多数の目的地の移動
長時間移動に費やす
CO2を排出する交通手段での移動

主目的地特化 CO2排出移動型

中規模範囲の移動(総移動距離10km程度)
居住地区外目的地での滞在・トリップ開始から終了ま
での時間 が長い
CO2を排出する交通手段での移動

C

主目的地特化 健康移動型

中規模範囲の移動(総移動距離10km程度)
居住地区外目的地での滞在・トリップ開始から終了ま
での時間 が長い
消費カロリーが多い移動

D

居住地区内特化型

居住地・居住地区内でのみ活動する

E

短時間外出型

居住地近隣地区で活動する
トリップ開始から終了までの時間 が短い

A

B

43
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

付録

移動行動類型と属性情報の比較 – 未掲載図

44
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

付録

各地域クラスターの移動特性
クラスター番号

クラスターの移動特性

A

クラスターCに次いで移動範囲が広い
クラスターBに次いで目的地の数が多い
クラスターBと比較してCO2排出量が多い
居住地・居住地区内での外出時間 が最も短い

B

移動距離が最も短い
クラスターDに次いで移動範囲が狭い
目的地の数が最も多い
トリップ開始から終了までの時間 が最も短い
CO2排出量が最も少ない

C

移動距離が最も長い
移動範囲が最も広い
クラスターDに次いで目的地での滞在時間が長い
CO2排出量が最も多い

D

クラスターCに比べて移動距離が短い
移動範囲が最も狭い
目的地の数が最も少ない
居住地・居住地区内での外出時間 が最も長い

市街

郊外

市街・郊外の比較

移動距離が短い
居住地滞在時間が短い(居住
地・居住地区内での活動者が
少ない)
目的地の数が多い
消費カロリーが多くCO2 排出
量が少ない

移動距離が長い
居住地滞在時間が長い(居住
地・居住地区内での活動者が
多い)
目的地の数が少ない
消費カロリーが少なくCO2 排
出量が多い

45
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

付録

地域類型と移動行動指標 – 未掲載図 1

46
慶應義塾大学理工学部 システムデザイン工学科 岸本達也研究室

付録

地域類型と移動行動指標 – 未掲載図 2

47

Weitere ähnliche Inhalte

Was ist angesagt?

画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
MPRG_Chubu_University
 
画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量
takaya imai
 
グラフィカルモデル入門
グラフィカルモデル入門グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
 

Was ist angesagt? (20)

確率ロボティクス第13回
確率ロボティクス第13回確率ロボティクス第13回
確率ロボティクス第13回
 
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learningゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
 
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
 
画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量
 
グラフィカルモデル入門
グラフィカルモデル入門グラフィカルモデル入門
グラフィカルモデル入門
 
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)
 
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
 
PRMLの線形回帰モデル(線形基底関数モデル)
PRMLの線形回帰モデル(線形基底関数モデル)PRMLの線形回帰モデル(線形基底関数モデル)
PRMLの線形回帰モデル(線形基底関数モデル)
 
データサイエンス概論第一 5 時系列データの解析
データサイエンス概論第一 5 時系列データの解析データサイエンス概論第一 5 時系列データの解析
データサイエンス概論第一 5 時系列データの解析
 
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
 
主成分分析
主成分分析主成分分析
主成分分析
 
これからの仮説検証・モデル評価
これからの仮説検証・モデル評価これからの仮説検証・モデル評価
これからの仮説検証・モデル評価
 
三次元点群処理ライブラリPCLと 統合ロボットシステム研究での 利用例の紹介
三次元点群処理ライブラリPCLと 統合ロボットシステム研究での 利用例の紹介三次元点群処理ライブラリPCLと 統合ロボットシステム研究での 利用例の紹介
三次元点群処理ライブラリPCLと 統合ロボットシステム研究での 利用例の紹介
 
チュートリアル:細胞画像を使った初めてのディープラーニング
チュートリアル:細胞画像を使った初めてのディープラーニングチュートリアル:細胞画像を使った初めてのディープラーニング
チュートリアル:細胞画像を使った初めてのディープラーニング
 
四脚ロボットによる つくばチャレンジへの取り組み
四脚ロボットによるつくばチャレンジへの取り組み四脚ロボットによるつくばチャレンジへの取り組み
四脚ロボットによる つくばチャレンジへの取り組み
 
深層学習によるHuman Pose Estimationの基礎
深層学習によるHuman Pose Estimationの基礎深層学習によるHuman Pose Estimationの基礎
深層学習によるHuman Pose Estimationの基礎
 
Data-Centric AI開発における データ生成の取り組み
Data-Centric AI開発における データ生成の取り組みData-Centric AI開発における データ生成の取り組み
Data-Centric AI開発における データ生成の取り組み
 
最適化超入門
最適化超入門最適化超入門
最適化超入門
 
One Class SVMを用いた異常値検知
One Class SVMを用いた異常値検知One Class SVMを用いた異常値検知
One Class SVMを用いた異常値検知
 
The review of 'Explaining nonlinear classification decisions with deep Taylor...
The review of 'Explaining nonlinear classification decisions with deep Taylor...The review of 'Explaining nonlinear classification decisions with deep Taylor...
The review of 'Explaining nonlinear classification decisions with deep Taylor...
 

人の流れデータを用いたトリップチェーンの形状と地域特性の分析