パラメータの推定とモデルの適用結果および考察

60

61

図-3.3.9のような交通量ごとの犯行企図者の行動開始時に視認距離L内に歩行者・自転車お よび自動二輪車・自動車が侵入しない確率が求められる．図-3.3.9は，同じ交通量でも速度 によって動的監視性が異なり，歩行者・自転車の方が自動二輪車・自動車より監視性が高 いことを表している．

推定の結果，α = 0.99 ，β1 = 1.65，β2 = 0.44，β3 = 0.98，γ1 = -1.62，γ2 = 0.59，γ3 = 0.31，t_min

= 11(min)，t_max = 14(min)のとき観測値と理論値の誤差が最少となった．モデルの適用結果を

図-3.3.10に示す．さらに，求められた観測値と理論値の適合度について統計的検定を行っ たところ，コルモゴロフ－スミルノフ検定（K-S検定）において有意水準20%で「理論値の 分布は観測値の分布に適合する」という結果が得られた．これより，モデルは実際の事象 を概ね表現していると言える．学校からの距離が501m～800mの地点では観測値と理論値に

図-3.3.8 計算のフロー図 START

END

通過児童数，5分間交通量，

沿道施設の存在割合の観測値の読込み

パラメータ・L，V_w，V_vの設定

P1iの算出 P2iの算出 P3iの算出

Piの算出

誤差=Σi=1{Pi (理論値) - Pi (観測値)} の算出

誤差=minimum?

パラメータ最適値，

Pi分布の出力 YES NO

62

比較的大きな誤差が生じているが，今回考慮した交通量や静的監視性に関するものとは別 の影響要因が存在することが考えられる．

パラメータ推定より，t_min = 11，t_max = 14（分）となったことから，犯行企図者にとって，

児童の通過時間間隔が11分から14分の間の場合，ターゲットが孤立しているとみなし行動 を起こそうとするという結果となった．静的監視性に関する沿道施設については，要因間 でパラメータβk とγk の値が異なることより，要因によって監視性への影響度は異なること，

γ1の値が負となった店舗は犯行を抑止する要因であり，逆にγ2，γ3の値が正となった駐車場・

空き地，塀・壁・街路樹は犯行を誘発する要因であることが言える．図-3.3.11にパラメー タ推定の結果を考慮した沿道施設の監視性に対する影響度を示す．これより，店舗はエリ ア内に多く存在するほど監視性を高め，逆に駐車場・空き地と，塀・壁・街路樹は多く存 在するほど監視性を低下させると言える．また，対象校区の観測値から得られた静的監視 性に関する要因の存在割合の平均値と，推定したパラメータを用いて算出した各要因の影 響指標γ_k φ_ijk ^βkとそれらの合計である静的監視性に関する指標P_3ijを図-3.3.12，図-3.3.13 に示す．これより，各要因の存在割合については，学校から離れるにつれて小さくなる傾 向にあることと，駐車場・空き地と塀・壁・街路樹に比べて店舗の存在割合が低いことが わかる．このため，各要因の存在割合にパラメータを考慮した図-3.3.13の指標についても その傾向を反映しているが，静的監視性に関する指標P_i3は駐車場・空き地の影響が他に比 べて明らかに大きく，P_3iの値をほぼ決定づけているのに対して，店舗，塀・壁・街路樹の 影響はかなり小さいと言える．影響の小さい要因については今後モデルに組み込むかどう かの検討が必要である．

図-3.3.9 交通量および交通手段による動的監視性の指標

63

図-3.3.10 モデルの適用結果

図-3.3.11 物理的要因の静的監視性への影響度

64

図-3.3.12 対象校区内の静的監視性に関する物理的環境要因の存在割合

図-3.3.13 対象校区内の静的監視性に関する指標

65