見
読み込み中...
読み込み中...
AIが設計するデマンド型交通（DRT）で、郊外の縁辺の到達圏はどこまで広がる？（多摩ニュータウン・コンセプト版）
DRT到達圏デザイナーを読み込み中...
ニュータウンの縁辺や郊外では、「バス停はあっても本数が少なく、実質的に公共交通が使えない」地区が広がっています。こうした地区では、決まったダイヤの路線バスより、予約に応じて走るデマンド型交通（DRT）のほうが妥当な解とされます。ただし車両は無限には用意できません。
このツールは、DRTの車両を何台入れると、住民が病院・駅・買い物へどこまで届くようになるかを試算する概念モデルです。上のスライダーで台数を変えると、DRTで新たに届く範囲（緑）と、それでも成立せずタクシー・家族送迎に頼らざるを得ない割合（フォールバック率）が同時に動きます。住宅地区のボタンを選ぶと、その地区から病院・駅・買い物へ「どう行けるか」の内訳を確認できます。
このツールが表示しているのは、ODPT（公共交通オープンデータ）チャレンジ向けに設計した2段構えの仕組みの出口（到達圏）です。
全国都市交通特性調査などの統計に一致するよう、住民の1日の外出（どこへ何のために動くか）をAIが生成します。
その需要を、限られた車両で最も多くの人が許容時間内に動けるよう、強化学習でDRTの配車を設計します。
「DRTで新たに届く範囲」と「タクシー頼みで残る割合」を地図に載せます（＝このツール）。
需要の考え方: 全国都市交通特性調査（国土交通省）の年齢・目的・手段別集計を、段1の需要生成のターゲットに用いる設計です。
公共交通データ: 公共交通オープンデータ協議会（ODPT）
制度の背景: デマンド型交通の手引き（国土交通省）— 導入市町村の約8割がタクシー利用助成を併用（フォールバックの根拠）
地図: 国土地理院 淡色地図タイル
免責事項
本ツールは実験カテゴリのコンセプト版です。表示される到達圏・フォールバック率・車両kmは、透明性を優先した単純な単調モデルによる試算であり、実際の強化学習の配車結果や実運行を表すものではありません。参考情報としてご利用ください。
Q. このツールは何を見せていますか？
公共交通が薄い郊外の縁辺で「デマンド型交通（DRT／乗合の予約制ワゴン）を何台入れると、住民が病院・駅・買い物へどこまで届くようになるか」を試算する概念モデルです。車両台数のスライダーを動かすと、DRTで新たに届く範囲（緑）と、それでも成立せずタクシー・家族送迎に頼らざるを得ない割合（フォールバック率）が変化します。舞台は多摩ニュータウンの縁辺を想定した代表データです。
Q. 「段1」「段2」とは何ですか？
これはODPT（公共交通オープンデータ）チャレンジ向けに設計した2段構えの仕組みの出口を可視化したものです。段1は、全国都市交通特性調査などの統計に一致するように「住民の1日の外出（ツアー）」をAIが生成する需要モデル。段2は、その需要を限られた車両でどう配車すれば最も多くの人が許容時間内に移動できるかを強化学習（RL）で解く配車モデル。このツールはその出口である「①到達圏」を表示します。
Q. 表示されている数字は実際のRLや実運行の結果ですか？
いいえ。本ツールは出力の“かたち”（到達圏JSONと車両台数のトレードオフ）を体験するためのコンセプト版で、内部は「近い（短距離）の移動から車両容量が許す限り成立させ、あふれた分をタクシー/家族へ落とす」という単純で透明な単調モデルです。段2で用いる強化学習の配車方策そのものではありません。ゾーンの座標も説明用の概略値です。
Q. なぜ「タクシー/家族頼み（フォールバック率）」をわざわざ表示するのですか？
デマンド交通を入れても、少ない車両ではすべての移動を担いきれません。国のデマンド型交通導入市町村の約8割はタクシー利用助成を併用しており、タクシーや家族送迎は現実的な安全網です。しかしそれに頼る割合が高いほど「公共交通としては届いていない」ことを意味します。そこで、この“届かなさ”をごまかさず常に画面へ出すことを設計方針にしています。
Q. なぜ縁辺の住宅地は固定路線バスではなくDRTなのですか？
ニュータウンの縁辺部はコミュニティバスの空白が多く、少ない需要に対して決まったダイヤの路線バスを走らせると空気を運ぶ（低乗車）状態になりがちです。予約に応じて走るDRTは、こうした薄い需要の地区で相対的に妥当な解とされます。ただし事前予約制ゆえ急な移動には弱いなどの弱点もあり、そこは今後の課題です。
Q. 実際のエリアで使えるようになりますか？
本ツールは実験カテゴリのパイロットです。実データ版には、実際の道路網でのゾーン間所要時間、GTFSに基づく既存交通、需要生成モデルの学習結果が必要で、これらは順次整備予定です。まずは仕組みと指標の見せ方を検証する位置づけです。
Demand Responsive Transport。決まったダイヤ・経路ではなく、利用者の予約に応じて経路や時刻を組む乗合型の交通。需要の薄い地域や時間帯で、固定路線バスより効率的になりうる。
ある地点から一定の条件（時間・手段）で到達できる範囲。本ツールでは、各住宅ゾーンからDRT・固定交通で届く拠点（駅・病院・商業）の集合を指す。
許容時間内にDRT・固定交通で移動が成立せず、タクシーや家族送迎に頼らざるを得なかった需要の割合。低いほど公共交通で生活の足が満たせていることを示す。
Reinforcement Learning。試行錯誤を通じて「報酬」を最大化する行動方策を学習する機械学習の一分野。段2ではDRTの配車（どの車両でどの予約を受けるか）を学習する。
通院などで「行き」を引き受けたら「帰り」も成立させる必要があるという制約。行きだけ乗せて帰りが成立しないと利用者を目的地へ置き去りにするため、配車設計で重視される。