実都市を対象とした初期マイクロデータの 推定手法の適用と検証 　　　　　　　ドーコン　正員　　　○杉木　直 　　　　　東京都市大学　学生員　　　村中　智哉 　　　　　東京都市大学　フェロー　　宮本　和明 1

背景 ・土地利用－交通モデル分野におけるマイクロ シミュレーションへの関心の高まりと精力的な 取り組みの進展 　シミュレーションへの関心の高まりと精力的な 　取り組みの進展 ・土地利用マイクロシミュレーションにおける 　シミュレーション初期年次の「マイクロデータ」 　の必要性 ・個人、個別世帯に関するデータの入手は困難 　→入手可能データによる「人口データ推計」を実施 　　：集計データ（国勢調査等）＋サンプル調査

目的 ◆初期マイクロデータ推定システムの 実都市を対象とした適用・検証 ◆シミュレーション初期年次のマイクロデータを推定・作成 　するための「体系的な手法」の構築 〈先行研究〉 ・周辺制約の有無、離散変量と連続変量の組み合わせごとに、エージェント 　ベースの手法により総合的な属性からなる初期マイクロ世帯データの推定 　システムを構築 ・道央都市圏パーソントリップ調査データを母集団として、適合度評価により 　推定手法の有効性を検証 ◆初期マイクロデータ推定システムの 　実都市を対象とした適用・検証 ・アンケートサンプルによるパラメータ設定 ・既存統計による周辺分布データの作成 ・人口規模の異なる複数ゾーンを対象とした世帯構成員属性の推定実施 　　→実都市レベルの適用における有効性検証、今後の改良の方向性の検討

初期マイクロ世帯データの推定システム ◆世帯構成員属性（性別/年齢/世帯主との続柄）に 関する世帯属性のみを対象として初期マイクロ 　関する世帯属性のみを対象として初期マイクロ 　世帯データを推計 総合的属性を対象とする初期マイクロ世帯データ推計システムのうち、世帯構成員の属性を推定を行う機能を抽出して利用

初期マイクロ世帯データ推定手法 ◆前提条件 ・対象エージェント：世帯およびその構成員 ・対象属性 　　世帯：世帯人数、世帯構成（続柄の組み合わせで定義） 　　世帯構成員：年齢、性別、世帯主との続柄 ・国勢調査による以下の周辺制約データが入手可能 　 - 性別５歳年齢階層別人口 　 - 世帯主人数別世帯数 ・すべての世帯の世帯構成、各世帯構成員の年齢・性別・ 　　続柄情報を含む限定的な数の世帯サンプルが入手可能

初期マイクロ世帯データ推定手法 ◆推定手法の基本的な考え方 ①世帯人数別の世帯数に対して、世帯サンプルより 各世帯構成員の性別、続柄を付加 　各世帯構成員の性別、続柄を付加 ②各世帯構成員の年齢の付加 　・出現頻度が高い世帯タイプ 　　　‐属性間の相関性を考慮して決定 　・出現頻度が低い世帯タイプ 　　　‐世帯サンプルと同様の年齢を与える ③周辺分布（５歳年齢階層別人口）に一致するように調整 ・推定、データ生成、調整はモンテカルロ法により 　すべて確率的に行う

初期マイクロ世帯データ推定手法 ◆属性間の相関性を考慮した年齢の決定 : ｍ人世帯データの属性変数 : 主成分分析による無相関変数 1 の累積曲線 ranis 乱数発生 pismin pis

初期マイクロ世帯データ推定システムのフロー START 初期データの作成 性別年齢階層別人口 Y Y N 年齢階層別人口 のチェック Y 乱数発生 N END 世帯　　の年齢構成 N Y 累積関数 ランダムサンプリング N 乱数発生 線形関数 Y 　　　　　　　が　 性別年齢階層 N N に所属するか？ 　　人世帯サンプル =［世帯サンプル　　　　　　　　の世帯構成］ =[世帯主性別, 世帯構成員1の続柄・年齢 ,世帯構成員2の続柄・年齢, ・・・ 　　,世帯構成員　　　　の続柄・年齢］ N によって　　と　　の誤差が 改善されるか？ 再生成された　　 Y 世帯　　における 世帯構成員の年齢構成 (初期データセット計算時) (収束計算時)

初期マイクロ世帯データ推定システムのフロー START 性別年齢階層別人口に対する調整計算 性別年齢階層別人口 Y Y N 年齢階層別人口 のチェック Y 乱数発生 N END 世帯　　の年齢構成 N Y 累積関数 ランダムサンプリング N 乱数発生 線形関数 Y 　　　　　　　が　 性別年齢階層 N に所属するか？ 　　人世帯サンプル =［世帯サンプル　　　　　　　　の世帯構成］ =[世帯主性別, 世帯構成員1の続柄・年齢 ,世帯構成員2の続柄・年齢, ・・・ 　　,世帯構成員　　　　の続柄・年齢］ N によって　　と　　の誤差が 改善されるか？ 再生成された　　 Y 世帯　　における 世帯構成員の年齢構成 (初期データセット計算時) (収束計算時)

対象地域の概要 ◆富山市を対象として推定システムを適用 ・人口規模、高齢者比率の異なる７ゾーンを設定 ・性別人口構成はほぼ同一

利用データ ◆サンプルデータ ・富山市を対象としたアンケート調査（H23年12月実施）より 　　　- 3,864世帯、9,747人分のマイクロ世帯データサンプル 　　　　　（世帯人数、世帯構成員の性別/年齢/続柄） 　　→主成分パラメータ、推定システムで利用 ◆周辺分布データ ・H22年国勢調査データ 　 - 性別５歳年齢階層別人口 　 - 世帯主人数別世帯数

属性・カテゴリ設定 ◆世帯構成員タイプ ◆世帯タイプ ：アンケートサンプル 　自由度10以上の 　世帯タイプ

主成分パラメータの推定 ◆自由度10以上の世帯タイプについて主成分パラメータBを推定 【４人世帯】

推定結果：計算時間 ◆各ゾーンの初期マイクロ世帯の推定を３０ケース実行 ◆計算時間　：Intel Xeon 2.4GHz CPU, 16.0GB RAM　　　　　　　　　　 （10ケース平均）　　　　　　　　 ・人口規模：大　→　調整対象世帯探索のため計算時間が指数的に増加 ・大規模データにおいても実用時間内で推定が可能であることを確認

推定結果：タイプ別世帯数 ◆タイプ別世帯数構成比 （30ケース平均）　　　　　　　　 ・サンプルの特性を反映、特定タイプへの偏りなし

推定結果：タイプ別世帯数 ◆タイプ別世帯数標準偏差 （世帯）　　　　　　　　 （30ケース）　　　　　　　　 ・世帯数規模に応じた標準偏差、特定タイプへの偏りなし

推定結果：世帯主年齢構成 ◆世帯主年齢構成比 （30ケース平均）　　　　　　　　 ・概ね再現良好に再現しているが、出現頻度が低い世帯タイプで偏りあり

まとめ ◆初期マイクロデータ推定システムの実都市を対象とした 適用・検証として、以下を実施 ◆初期マイクロデータ推定システムの実都市を対象とした　 　適用・検証として、以下を実施 　　・アンケートよりパラメータ・サンプル設定、既存統計 　　　より周辺分布データ作成 　　・人口規模の異なる複数ゾーンを対象とした世帯構成員 　　　属性の推定 　　　　→計算時間、世帯タイプ構成等より推定システムの 　　　　　実都市レベルの適用における有効性を確認 ◆今後の課題 　　・小地域単位でのマイクロ世帯データの推定 　　・居住住宅タイプ、所得、自動車保有等の属性を含めた 　　　実都市でのマイクロ世帯データの推定