ライドシェアをデータで読み解く！機械学習が解き明かす、意外な真実とは？
皆さんは、ライドシェアサービスを利用したことはありますか？近年、UberやLyftといったサービスが急速に普及していますよね。かくいう私も、終電を逃した時や、荷物が多い時などに、大変お世話になっております（笑）。
そんなライドシェアサービスですが、よくよく考えると不思議に思いませんか？「なぜ、特定の地域で利用者が多いのか？」とか、「どんな人が、どんな時に利用しているのか？」とか。気になり出したら止まらないのは、私だけでしょうか？
今回ご紹介する論文は、まさにそんな疑問に真っ向から挑んだ研究なんです！この論文の著者であるZiqi Li氏は、機械学習の最新技術を駆使して、シカゴにおけるライドシェアサービスの利用状況を徹底的に分析しました。Li氏は以前から、機械学習と地理情報科学を融合させた「GeoAI」という分野に注目し、研究を続けてきたそうです。
この記事では、Li氏がどのように「データ」と「機械学習」を組み合わせて、シカゴのライドシェア事情を解き明かしたのか、その驚くべき手法と結果を、一緒に見ていきましょう！
第1章：機械学習って、結局何ができるの？
まず、今回の研究のキモとなる「機械学習」について、簡単におさらいしておきましょう。機械学習とは、ざっくり言えば、コンピューターに大量のデータを学習させ、データに潜むパターンやルールを見つけ出す技術のことです。
例えば、私たちが普段何気なく使っているスマートフォンの予測変換も、実は機械学習が使われています。過去の入力履歴から、「この言葉の次には、この言葉が入力されることが多いな」というパターンを学習し、入力の手間を省いてくれているんですね。
では、この機械学習が「空間データ」と出会うと、一体何が起こるのでしょうか？空間データとは、緯度・経度などの位置情報を持ったデータのこと。つまり、地図上に落とし込めるデータのことです。機械学習に空間データを学習させることで、「この場所では、こんなことが起こりやすい」といった、場所ごとの特性や傾向を予測できるようになるのです。
今回の研究では、機械学習を用いて空間データを分析することで、シカゴの各地域におけるライドシェア利用状況の違いを明らかにし、その背景にある要因を明らかにしようと試みられました。
第2章：ブラックボックスを開けろ！「SHAP」で機械学習モデルを解読
しかし、ここで大きな壁が立ちはだかります。機械学習は、しばしば「ブラックボックス」と揶揄されます。これは、機械学習モデルが導き出した結果が、人間には理解しづらい、いわば「なぜそうなるのか、よくわからない」状態を指します。複雑な計算を高速で行えるようになった一方で、その思考プロセスが人間にとって不透明になってしまったんですね。これでは、せっかく得られた結果も、宝の持ち腐れになりかねません。
そこで登場するのが、「SHAP (SHapley Additive exPlanations)」という救世主です！SHAPは、機械学習モデルの「中身」を解き明かし、それぞれの要素が結果にどう影響を与えたのかを、人間にもわかりやすく説明してくれる、画期的な手法なんです。
例えるなら、SHAPは料理のレシピのようなもの。最終的な料理の味（＝機械学習モデルの予測結果）に対して、どの材料（＝データの中の要素）が、どれくらい、どのように影響を与えたのか（＝味にどう貢献したのか）を、一つずつ丁寧に教えてくれるんです。
このSHAPを使うことで、これまでブラックボックスだった機械学習モデルの内部構造を、人間が理解し、解釈することが可能になります。
第3章：実験開始！「XGBoost」でシカゴのライドシェア需要を予測
さて、いよいよ本題です。Li氏は、シカゴのライドシェア需要を予測するために、「XGBoost」という機械学習モデルを採用しました。XGBoostは、予測精度の高さから、近年非常に注目されているアルゴリズムです。さらに、Li氏は、このXGBoostと先ほど紹介したSHAPを組み合わせることで、モデルの予測結果を詳細に分析しました。
具体的には、シカゴ市内を細かく区切り、各エリアのライドシェア利用回数（需要）をXGBoostで予測します。そして、その予測結果に対してSHAPを適用し、各エリアの特性（例えば、人口密度、年齢構成、公共交通機関の利便性など）が、どのように需要に影響を与えているのかを明らかにしようと試みたのです。
Li氏は研究の信頼性を高めるために、実際のデータを使う前に、シミュレーションデータを使ってこの手法の有効性を検証しました。そしてシミュレーションの結果、SHAPとXGBoostの組み合わせは、空間的な影響をうまく捉えられることがわかり、いよいよ実データを使った分析へと進みます。
第4章：シカゴのライドシェア需要を左右する意外な要因とは？
Li氏は、2019年のシカゴにおけるライドシェアの利用データ、そして、アメリカの国勢調査データなど、様々なデータを収集し、XGBoostで分析しました。その結果、各地域におけるライドシェア需要の違いを、非常に高い精度で予測することに成功したのです！そして、SHAPを用いて予測結果を分析したところ、驚くべき事実が明らかになりました。
なんと、「大学や大学院を卒業した人が多い地域ほど、ライドシェアの利用が多い」 という傾向が明らかになったのです！また、「平均移動距離が長いエリアほど、利用が少ない」 という傾向も見られました。どうやら、長距離の移動には、ライドシェアはあまり使われないようですね。
さらに、「18歳から34歳の人口割合が40%を超えると、利用回数にそれ以上影響を与えない」 こともわかりました。若者が多い地域ではライドシェアがよく使われるけれど、ある一定の割合を超えると、その影響は頭打ちになるようです。
そして、場所ごとの特性を見てみると、シカゴの中心部や、観光地、大学周辺など、特定のエリアで、ライドシェア需要が特に高い ことがわかりました。これは、直感的には理解しやすい結果ですよね。
第5章：機械学習で未来の都市計画を！研究の意義と今後の展望
この研究は、単にシカゴのライドシェア事情を解明しただけではありません。機械学習とSHAPを組み合わせることで、複雑な都市の現象を、人間が理解できる形で分析できることを示した、画期的な研究なのです。
例えば、この手法を応用すれば、「新しい駅をどこに作れば、最も効果的に人の流れを改善できるか？」とか、「どの地域に、どんな商業施設を誘致すれば、地域経済を活性化できるか？」といった、都市計画に関する重要な問いに、データに基づいた答えを出すことができるかもしれません。
また、Li氏がシミュレーションで示したように、空間的な自己相関や不均一性といった、地理空間データ特有の性質を機械学習モデルが捉えられていることを確認したことも大きな成果です。これは、機械学習が空間統計モデルの優れた代替手段になりうることを示しています。特に、複雑な空間的・非空間的影響(非線形性や交互作用など)が共存し、それが未知の場合には、機械学習モデルの方が優れていることも、シミュレーションから示されました。
もちろん、この研究には限界もあります。例えば、今回使用したデータは、あくまでも2019年時点のものであり、新型コロナウイルスのパンデミック以降の状況は反映されていません。また、分析対象をシカゴに限定しているため、他の都市にも同じような傾向が見られるかどうかは、今後の研究を待つ必要があります。
しかし、この研究が、機械学習を用いた都市分析の可能性を大きく広げたことは間違いありません。Li氏は、今後、より詳細なデータを活用し、さらに発展的な研究を行うことを示唆しています。彼の今後の研究に、大いに期待したいですね！そして、この研究が、より良い都市づくりに貢献することを、心から願っています。
補足情報
専門用語解説
空間自己相関: ある地点のデータが、その周辺の地点のデータと似ている傾向のこと。例えば、ある地域で犯罪が多いと、その周辺地域でも犯罪が多くなる傾向がある、といった現象。
不均一性: データの特性が、場所によって異なること。例えば、人口密度は、都市部と郊外では大きく異なる。
交互作用: 複数の要素が互いに影響を及ぼし合い、単独で作用する場合とは異なる結果を生み出すこと。
参考文献
Li, Z. (2022). Extracting spatial effects from machine learning model using local interpretation method: An example of SHAP and XGBoost. Computers, Environment and Urban Systems, 96, 101845.
著者情報
Ziqi Li: The Alan Turing Institute, Post-doctoral Researcher.
ライセンス
この記事で紹介した論文は、CC BY 4.0ライセンスの下で公開されています。これは、原著作者のクレジットを表示すれば、誰でも自由に論文を利用（複製、再配布、改変など）できることを意味します。