連結性を考慮した自転車走行環境の 整備に関する研究

中央大学大学院理工学研究科情報工学専攻 修士論文

連結性を考慮した自転車走行環境の 整備に関する研究

A Study to Construct a Network to Ride Bicycles Easily and Safely Sharing Roads

with Cars and Pedestrians in Urban Area

長野 光 Hikaru NAGANO 学籍番号 11N8100023H

指導教員 田口 東 教授

2013 年 3 月

概要

近年，環境負荷が低く健康増進に繋がることから，自転車を利用する人が増加している．

しかし，歩道を走行する自転車利用者の増加により，自転車と歩行者の交通事故が問題と なっている．自転車が歩道を走行するのは，自転車が走行する空間が明確にされていない ことが理由のひとつとして挙げられる．自転車の走行空間を明確にするには，自転車レー ンや自転車道などの自転車通行帯の整備が必要である．このとき自転車が移動手段である と考えると，自転車通行帯が自転車利用者の出発地から目的地まで連続していることが重 要である．自転車利用者が自転車通行帯のみを利用して出発地から目的地までたどり着く ことができるようになることで，歩行者と自転車の錯綜がなくなり，交通事故が減尐する と考えられる．

本研究の目的は，自転車利用者の出発地から目的地まで走行しやすい道路が連続するよ うに走行環境を改善する道路を求めることである．まず，東京23区の幹線道路を対象とし，

自転車走行環境の定量的評価の指標であるBCIを用いて，道路がどの程度自転車利用者に とって走行しやすいかを求める．次に，適切な自転車交通を念頭において，道路ネットワ ークでBCIの評価が高い道路のみを利用して移動できるようにするためには，どの道路の 自転車走行環境を整備するべきなのかを求める．さらに，鉄道利用者の出発駅から目的駅 までの道路環境が整備されると，鉄道利用者が自転車で移動するようになると考え，自転 車で移動するようになる人数を増加させるような自転車走行環境を整備する道路を求める．

最後に，住宅地からスーパー，学校，駅に移動するような日常的な自転車利用者の移動を 考え，自転車利用者が連続して評価の高い道路のみを利用して移動できるようになるため には，どの道路の自転車走行環境を整備するべきなのかを求める．

キーワード：自転車，BCI，道路ネットワーク，東京23区

目次

第1章 序論 ... 1

1.1 研究背景 ... 1

1.2 研究目的 ... 3

1.3 本論文の構成... 3

第2章 自転車走行環境の定量的評価 ... 4

2.1 BCIの概要 ... 4

2.2 BCIの計算例 ... 6

2.3 東京23区内幹線道路の評価 ... 8

2.3.1 道路交通センサス ... 8

2.3.2 道路交通センサスデータからBCI変数の決定 ... 10

2.3.3 幹線道路の評価 ... 13

2.4 BCIの可視化 ... 15

2.4.1 デジタル道路地図 ... 15

2.4.2 DRMデータの簡略化 ... 16

2.4.3 可視化 ... 18

2.5 東京都自転車走行空間整備推進計画とBCIの比較 ... 19

2.5.1 整備計画の概要 ... 19

2.5.2 優先整備区間の現状と整備後のBCIの計算... 20

第3章 連結性を考慮した自転車走行環境整備 ... 23

3.1 Prim法 ... 23

3.2 道路ネットワークの最小全域木 ... 24

3.3 評価の高いリンクを利用した最小全域木 ... 25

第4章 鉄道移動から自転車移動への転換 ... 26

4.1 使用データ ... 26

4.1.1 大都市交通センサス ... 26

4.1.2 ネットワークデータ ... 27

4.2 転換可能な利用者の条件 ... 28

4.2.1 Dijkstra法 ... 28

4.2.2 転換可能な利用者の条件 ... 28

4.3 100kmまで道路を改善するときの転換可能な利用者 ... 30

4.3.1 現状の道路での転換可能な利用者 ... 30

4.3.2 駅からの連結性を考慮した改善方法 ... 31

4.3.3 ナップサック問題として定式化 ... 33

4.3.4 転換可能な人数を最大にする問題として定式化... 35

4.3.5 自転車走行環境の改善方法のまとめ ... 36

4.3.6 複数経路を考慮した改善方法の提案に向けての課題 ... 37

第5章 足立区における日常的な自転車利用促進のための道路改善 ... 41

5.1 足立区のネットワークの構築 ... 41

5.1.1 国勢調査... 41

5.1.2 MAPPLE10000 ... 42

5.1.3 ネットワークデータ ... 42

5.2 ODデータの作成 ... 45

5.3 移動可能な利用者を増加させる方法の適用 ... 45

5.3.1 ナップサック問題として定式化する方法 ... 45

5.3.2 移動可能な人数を最大化する問題として定式化... 47

第6章 結論 ... 48

6.1 まとめ ... 48

6.2 今後の課題 ... 49

謝辞 ... 51

参考文献 ... 52

関連発表 ... 54

第 1 章

序論

1.1 研究背景

近年，環境負荷が低く健康増進に繋がることから，自転車を利用する人が増加している．

図 1.1の東京都の自転車保有台数の推移をみると，10年間で約2百万台増加していること がわかる．しかし，自転車歩行者道（以下，歩道）を走行する自転車利用者の増加により，

自転車と歩行者の交通事故が問題となっている．図 1.2 の全国の交通事故発生件数と自転 車対歩行者交通事故発生件数をみると，平成16年以降交通事故全体は減尐傾向がみられる が，自転車対歩行者の交通事故は減尐傾向にないのがわかる．さらに，平成23年の都道府 県別の自転車対歩行者の交通事故の発生件数は全国で2801件であり，そのうち東京都が全 国の約4割である1010件を占めている[13]．

図 1.1 東京都の自転車保有台数の推移[18]

699 694 707 733 741

836 818 836 879 865 900

0 100 200 300 400 500 600 700 800 900 1000

H10 H11 H12 H13 H14 H15 H16 H17 H18 H19 H20

自転車保有台数[万台]

図 1.2 全国の交通事故発生件数と自転車対歩行者交通事故発生件数[12]

自転車が歩道を走行するのは，自転車が安全に走行できる空間が車道にないことや，自 転車が走行する空間が明確にされていないことなどが理由として挙げられる．歩行者と自 転車の交通事故を減尐させ，自転車の走行空間を明確にするには，図 1.3 のような車道の 一部を青色等に塗装し自転車のみが通行できるように明示した自転車レーンや，図 1.4 の ような歩行者と自動車の通行空間と縁石やガードレール等で物理的に分離し，自転車のみ が通行できるように整備された自転車道（以下，自転車レーンと自転車道をまとめて「自 転車通行帯」とする）などの自転車のみが通行を許される道路環境の整備が必要である．

しかし，東京 23 区の自転車通行帯の整備状況は，幹線道路の道路距離 1090.4km のうち

9.1kmであり，整備率は1 % 未満となっている（平成22年度道路交通センサス[15]から算

出）．

0 400 800 1200 1600 2000 2400 2800 3200 3600 4000

0 100000 200000 300000 400000 500000 600000 700000 800000 900000 1000000

H13 H14 H15 H16 H17 H18 H19 H20 H21 H22 H23

自転車対歩行者交通事故件数

全国交通事故件数

全国交通事故 自転車対歩行者事故

図 1.4 自転車道（[9]より引用）

図 1.3 自転車レーン（[9]より引用）

また，自転車通行帯は自転車利用者の出発地から目的地まで連続して整備されることが 重要である．現状のように，自転車通行帯が尐なく不連続であると，自転車利用者が歩道 を走行するため，自転車と歩行者の交通事故の発生を抑えることは難しいと考えられる．

自転車利用者が自転車通行帯のみを利用して出発地から目的地までたどり着くことができ るようになることで，歩行者と自転車の錯綜がなくなり，交通事故が減尐すると期待され る．

1.2 研究目的

本研究の目的は，自転車利用者の出発地から目的地まで自転車の走行しやすい道路が連 続するように道路環境を改善するべき道路を求めることである．まず，東京23区の幹線道 路を対象とし，自転車走行環境の定量的評価の指標であるBCI を用いて，道路がどの程度 自転車利用者にとって走行しやすいかを求める．次に，道路ネットワークのすべての点か らすべての点までBCIの評価が高い道路のみを利用して移動できるようにするためには，

どの道路の自転車走行環境を整備するべきなのかを最小全域木を求めるアルゴリズムを用 いて求める．さらに，鉄道利用者の出発駅から目的駅までの道路環境が整備されると，鉄 道利用者が自転車で移動するようになると考え，自転車で移動するようになる人数を増加 させるような自転車走行環境を整備する道路を求める．最後に，住宅地からスーパー，学 校，駅に移動するような日常的な自転車利用者の移動を考え，自転車利用者が連続して評 価の高い道路のみを利用して移動できるようになるためには，どの道路の自転車走行環境 を整備するべきなのかを求める．

1.3 本論文の構成

まず，第2章で自転車走行環境の定量的評価の指標であるBCIを用いて東京23区の幹 線道路が自転車利用者にとって走行しやすいかを評価する．第 3 章では，道路ネットワー クに対して，すべての点間を評価の高いリンクで接続するにはどの道路を改善するべきな のかを求める．第 4 章では，鉄道から自転車へ移動方法を転換させることを考え，転換で きる人数を多くするにはどの道路環境を整備するべきかを求める．第 5 章では，住宅地か らスーパー，学校，駅に移動する日常的な自転車利用者の移動を考え，利用者が評価の高 い道路のみを通るためにはどの道路環境を整備するべきかを求める．第 6 章で本論文をま とめる．

第 2 章

自転車走行環境の定量的評価

本章では，東京23区の幹線道路を対象として，自転車利用者にとって道路がどの程度走 行しやすいかを評価する．

2.1 節では，自転車利用者にとって走行しやすい道路なのかを評価する指標である BCI を説明する．2.2節では，3つの道路環境に対してBCIの計算例を示す．2.3節では，東京 23区の幹線道路を対象としてBCIを計算する．2.4節では，2.3節で求めたBCIの値を道 路ネットワーク上に可視化する．2.5節では，東京都自転車走行空間整備推進計画によって 計画された道路の現状のBCIを計算し，整備した場合のBCIと比較する．

2.1 BCI の概要

アメリカで開発されたBCI（Bicycle Compatibility Index）[1]は，道路が自転車利用者 にとってどの程度走行しやすいかを定量的に評価する指標である．BCI は200以上の被験 者にさまざまな道路環境の67か所の道路の動画を見せ，その道路が自転車で快適に走行で きるかを1～6（1が最も評価が高く，6が最も評価が低い）の値で被験者が評価した結果か ら，回帰分析をし，得られた式である．

AF AREA PKG

S PD OLV

CLV CLW

BLW BL

BCI





















264 . 0 506

. 0 022

. 0 0004

. 0

002 . 0 498

. 0 410

. 0 966 . 0 67 .

3 （2.1）

BCI は（2.1）式のような道路環境を表す 8 つの変数と調整用の変数 AF（Adjustment

Factors）によって表わされる．各変数の詳細は以下の通りである．なお，アメリカではBCI

の値が3.4以下であれば自転車利用者にとって評価が高い道路となる．

 BL：自転車通行帯または路肩の幅員が 0.9m 以上存在するかどうかの変数．存在する

場合BL=1，存在しない場合BL=0

 BLW：BL=1 のときの自転車通行帯の幅員 [m] または路肩の幅員 [m] ，BL=0 のと

きは0.0 [m]

 CLW：路肩側車線の幅員 [m]

 CLV：路肩側車線のピーク1時間当たりの交通量 [台]

 OLV：路肩側以外の車線のピーク1時間当たりの交通量 [台]

 SPD：法定速度 [km/h] +15 [km/h]

 PKG：道路に駐車帯幅員が存在し，1時間当たりの駐車率が30 % 以上の場合PKG=1，

それ以外はPKG=0

 AREA：道路の周辺が住宅街である場合AREA=1，住宅街以外はAREA=0

 AF：

f

 f

 f



f



f



f

表 2.1

f

f

0.5 120以上

0.4 60~119

0.3 30~59

0.2 20~29

0.1 10~19

0.0 10未満

表 2.2

f

f

0.6 15以下

0.5 16~30

0.4 31~60

0.3 61~120

0.2 121~240

0.1 241~480

0.0 481以上

表 2.3

f

f

0.1 270以上

0.0 270未満

2.2 BCI の計算例

本節では，3つのBCIの計算例を示す．例1は片側2車線の道路，例2は片側1車線で 自転車レーンが整備されている道路，例3は片側 2車線で駐車帯が整備されている道路で ある．

（例1） 図 2.1の道路

片側2車線の道路で路肩側車線の幅員は4.3mである．ピーク1時間当たりの片側車線の 交通量は826台であり，路肩側車線の交通量は413台，路肩側車線以外の交通量も413台 である．法定速度は60km/h である．ピーク 1時間当たりの路肩側車線の大型車の交通量 は33台であり，右折車の交通量は83台である．例1のBCIは（2.2）式から求められる．

BCIの値は4.47となり，自転車利用者には走行しにくい評価が低い道路となる．

図 2.1 片側2車線の道路（[1]より引用）

4.47

) 3 . 0 ( ) 0 ( 264 . 0 ) 0 ( 506 . 0 ) 75 ( 022 . 0 ) 413 ( 0004 . 0

) 413 ( 002 . 0 ) 3 . 4 ( 498 . 0 ) 0 . 0 ( 410 . 0 ) 0 ( 966 . 0 67 . 3





















 BCI

（2.2）

（例2） 図 2.2の道路

幅員 1.5m の自転車レーンが整備されている片側 1 車線の道路である．1 車線の幅員は 3.6mでピーク1時間当たりの交通量は385台である．法定速度は50km/hであり，道路の 周りは住宅街となっている．1時間当たりの大型車交通量は5台である．例2のBCIは（2.3）

式から求められる．BCIの値は2.23となり，自転車利用者にとって走行しやすい評価の高

い道路となる．

図 2.2 片側1車線，自転車レーンが整備されている道路（[1]より引用）

2.23

) 0 . 0 ( ) 1 ( 264 . 0 ) 0 ( 506 . 0 ) 65 ( 022 . 0 ) 0 ( 0004 . 0

) 385 ( 002 . 0 ) 6 . 3 ( 498 . 0 ) 5 . 1 ( 410 . 0 ) 1 ( 966 . 0 67 . 3





















 BCI

（2.3）

（例3） 図 2.3の道路

2.4mの駐車帯が整備されている片側2車線の道路である．路肩の幅員は駐車帯の幅員を 引いた値となるので，1.9mとなる．路肩側車線の幅員は3.4mである．ピーク1時間当た りの交通量は600台であり，路肩側車線のピーク1時間当たりの交通量は300台，路肩側 車線以外の交通量も300台である．法定速度は40km/hであり，道路の周りは住宅街とな っている．駐車帯の1時間当たりの駐車率は50 % であり，1時間当たりの大型車交通量は 48台である．例3のBCIは（2.4）式から求められる．BCIの値は2.7であり，駐車帯が 整備してあるのにもかかわらず路肩幅員が広いため，評価の高い道路となる．

図 2.3 片側2車線，駐車帯が整備されている道路（[1]より引用）

2.70

) 3 . 0 ( ) 1 ( 264 . 0 ) 1 ( 506 . 0 ) 55 ( 022 . 0 ) 300 ( 0004 . 0

) 300 ( 002 . 0 ) 4 . 3 ( 498 . 0 ) 9 . 1 ( 410 . 0 ) 1 ( 966 . 0 67 . 3





















 BCI

（2.4）

2.3 東京 23 区内幹線道路の評価

本節では，東京23区内の幹線道路を対象にしてBCIを計算する．2.3.1項ではBCIの計 算に使用する道路交通センサスについて説明する．2.3.2項ではBCIを計算するための変数 を道路交通センサスから決定する方法を示す．2.3.3 項では，東京23 区内幹線道路におい てBCIを計算した結果を示す．

2.3.1 道路交通センサス

本研究では平成22年度道路交通センサスの一般交通量調査[15]を使用する．一般交通量 調査は，道路交通センサスの一環として，全国の道路の交通量及び道路現状等を調査し，

道路の計画，建設，維持修繕その他の管理などについての基礎資料を得ることを目的に実 施されたものである．調査対象路線は高速自動車国道，都市高速道路，一般国道，主要地 方道である都道府県道及び指定市の市道，一般都道府県道，指定市の一部の一般市道であ る．記載されている調査事項は交通量や幅員構成等50項目であり，調査事項の中でも本研 究で用いる項目について説明する．

 昼間12時間自動車類交通量上下合計 [台]（以下，VOLUMEとする）

午前7時から午後7時までの自動車類の台数

 昼間12時間ピーク比率 [%]（以下，PEAKとする）

ピーク時間交通量の昼間12時間交通量に対する割合

 昼間12時間大型車混入率 [%]（以下，LARGEとする）

自動車類交通量に対する大型車交通量の割合

 車道部幅員 [m]（以下，ALLROADWAYとする）

車道，停車帯，路肩及び中央帯の幅員を合計した幅員（図 2.4，図 2.5）

 車道幅員 [m]（以下，ROADWAYとする）

車道幅員の合計であり，中央帯及び路肩の幅員は含まない（図 2.4，図 2.5）

 中央帯幅員 [m]（以下，MEDIANとする）

中央帯の幅員（図 2.5）

 自転車道幅員 [m]（以下，BICYCLEWAYとする）

自転車道の幅員（図 2.4）

 停車帯等幅員 [m]（以下，PARKLANEとする）

路側に設けられた停車帯または緩速車道等（自転車レーンを含む）の幅員（図 2.4）

図 2.4 2車線の場合の例（[14]より引用）

図 2.5 4車線の場合の例（[14]より引用）

 車線数（以下，LANENUMBERとする）

上下線合計の車線数

 両側自転車レーン設置率 [%]（以下，BICYCLELANEとする）

自転車レーンが道路の両側に設置されている区間延長の割合

 指定最高速度 [km/h]（以下，SPEEDとする）

道路標識等により表示されている最高速度

 一方通行フラグ（以下，ONEDIRECTIONとする）

一方通行規制を表 2.4の区分で分類

表 2.4 一方通行フラグ 一方通行フラグ コード番号

なし 0

一方通行 1,2

 代表沿道状況（以下，ROADSIDECONDとする）

代表沿道状況を表 2.5の区分で分類

表 2.5 代表沿道状況

沿道状況区分 コード番号 人口集中地区かつ商業地域 1 人口集中地区（商業地域を除く） 2

その他市街部 3

 人口集中地区：市区町村の区域内で人口密度の高い（約4,000人/

km

区がたがいに隣接して，その人口が5,000人以上の地域

 商業地域：都市計画で沿道の用途が商業地域または近隣商業地域に指定されてい る状況

 その他市街部：人口集中地区に含まれないが道路の両側に人家が連担していて，

車両の運転手から見て市街部を形成しているところ

2.3.2 道路交通センサスデータから BCI 変数の決定

東京23区の幹線道路のBCIを計算するために必要な変数を2.3.1項の道路交通センサス から決定する．まず，新たに路肩幅員とピーク時間交通量，路肩側車線のピーク 1 時間当 たりの大型車交通量の変数を定義する．

 PSW：路肩幅員 [m]

 PHV：ピーク時間交通量 [台]

 CLTV：路肩側車線のピーク1時間当たりの大型車交通量 [台]

以下にBCIの各変数の決定方法を示す．

 PSW

図 2.4，図 2.5 より路肩幅員は車道部幅員から車道幅員と中央帯幅員を引いた値である ことがわかる．BCIの計算では片側車線のみを対象とするため引いた値を2で割る．

2 / MEDIAN) ROADWAY

ALLROADWAY

(  



PSW （2.5）

 BL

自転車道または自転車レーンが整備してあるまたは，路肩幅員が0.9m以上ならば1，そ れ以外は0となる．

A) BICYCLEWAY > 0.0，BICYCLELANE > 0.0，

PSW  0 . 9

1

BL （2.6）

B) A以外のとき

 0

BL

 BLW

BL=1のときの自転車道，自転車レーン，路肩の幅員を値とする．BL=0のときはBLW=0.0 とする．

A) BICYCLEWAY > 0.0のとき

BICYCLEWAY

BLW 

B) BICYCLELANE > 0.0のとき

PARKLANE

BLW 

C)

PSW  0 . 9

PSW

BLW 

D) A，B，C以外のとき

0 .

 0

BLW

 CLW

路肩側車線の幅員は，車道幅員を車線数で割った値である1車線あたりの幅員とする．

LANENUMBER /

ROADWAY

CLW 

 PHV

昼間12時間自動車類交通量上下合計と昼間12時間ピーク比率からピーク1時間当たり の交通量を求める．

100 / VOLUME) PEAK

( 



PHV （2.13）

 CLV

路肩側車線のピーク1時間当たりの交通量は，ピーク1時間当たりの交通量を車線数で 割った値である1車線あたりのピーク1時間の交通量とする．

LANENUMBER /

PHV

CLV 

 OLV

路肩側車線以外のピーク1時間当たりの交通量は車線数と一方通行であるかで決定する．

一方通行ではない場合，車線数によって決定方法が異なる．車線数が 3 以上で偶数の場 合，ピーク1時間当たりの交通量を2で割り，そこから路肩側車線の交通量を引いた値と する．車線数が 3 以上で奇数の場合，上下線の内，車線数が多いほうを計算対象とするた め，1時間当たりの交通量から路肩側車線の交通量引いた値を2で割った値とする．たとえ ば，車線数が5の場合，計算対象の車線数は3として路肩側車線以外の交通量を求めるこ ととする．車線数が2以下の場合は，路肩側車線以外の車線が存在しないため，0とする．

一方通行の場合，1時間当たりの交通量から路肩側車線の交通量を引いた値とする．

A) ONEDIRECTION=0のとき

① 車線数が3以上で偶数のとき

CLV PHV

OLV  / 2 

② 車線数が3以上で奇数のとき

2 / ) (PHV CLV

OLV  （2.16）

③ 車線数が2以下のとき

 0

OLV

B) ONEDIRECTION=1またはONEDIRECTION=2のとき

CLV PHV

OLV  

 SPD

法定速度＋15 [km/h] とする．

15 SPEED 

SPD 

 PKG

BCIの計算には，1時間当たりの駐車帯の駐車率が必要となるが，道路交通センサスから データを得られないため，本研究では駐車帯幅員が存在するならば 1 とし，それ以外は 0 とする．

A) BICYCLELANE=0かつ

PARKLANE / ROADWAY  0.0

 1

PKG

B) A以外のとき

 0

PKG

 AREA

代表沿道状況が人口密集地域または，その他市街部ならば1それ以外は0とする．

A) ROADSIDECOND=2またはROADSIDECOND=3のとき

1

AREA （2.22）

B) A以外のとき

 0

AREA

 CLTV

f

LARGE)/100

( 

 CLV

CLTV （2.24）

 AF

道路交通センサスからは

f

f

f

AF 

2.3.3 幹線道路の評価

道路交通センサスで調査された路線の中で，東京23区内の自転車が走行できる道路（高 速道路を除いた道路）のみを対象として自転車走行環境を評価する．対象路線は 143 路線 で，道路距離合計は1090.4kmである．

BCIの値とその道路距離合計の関係を図 2.6に表す．図 2.6をみると，東京23区の幹線 道路のBCIの値は3.6から5.4までが多いことが分かる．また，自転車通行帯を持つとい った自転車が走行しやすい道路のBCIの値は 3.2以下であった．そこで本研究では，BCI の値が3.2以下の道路は評価が高い道路とする．評価の高い道路の道路距離合計は232.5km であり，幹線道路のうち約21 % が評価の高い道路となる．

次に，評価の高い道路と評価の低い道路の特徴をみる．表 2.6はBCIの評価の高い順に 10路線，BCIの値や各変数の値を表したものである．表 2.7はBCIの評価の低い順に10 路線，BCIの値や各変数の値を表したものである．

評価の高い道路はBLWが0より大きいか，CLWが大きいことが特徴であると考えられ る．幅員が広いため，自転車が走行する空間が十分に確保されていることでBCIの評価が 高い道路になっていると考えられる．

評価の低い道路は，評価の高い道路に比べて CLV やOLV が大きいことが特徴であると 考えられる．特に，江戸川区の一般国道14号はBLWが2.0であるのにもかかわらず，評 価が低い道路となっていることから，自転車が走行する空間が確保されていても，交通量 が多すぎると，自転車にとっては走行しづらい道路になっていることがわかる．

図 2.6 BCIの値と道路距離合計の関係

表 2.6 評価の高い道路

BCI 路線名 行政区 BLW CLW CLV OLV

0.90 環状3号線 台東区 0.0 10.5 475 0

1.38 松戸草加線 葛飾区 3.0 3.6 194 194

1.43 鮫洲大山線 目黒区 1.0 5.0 240 0

1.70 丸の内室町線 中央区 1.0 4.5 209 209

1.72 高円寺砧浄水場線 杉並区 1.0 3.5 174 0

1.75 言問橋南千住線 荒川区 1.0 6.0 422 0

1.76 鮫洲大山線 板橋区 1.0 5.0 224 0

1.77 鮫洲大山線 目黒区 1.0 5.0 360 0

1.77 平方東京線 足立区 1.8 3.8 204 0

1.86 高円寺砧浄水場線 杉並区 0.0 6.0 174 0

0 10 20 30 40 50 60

2 2.2 2.4 2.6 2.8 3 3.2 3.4 3.6 3.8 4 4.2 4.4 4.6 4.8 5 5.2 5.4 5.6 5.8 6

道路距離合計[km]

BCIの値

表 2.7 評価の低い道路

BCI 路線名 行政区 BLW CLW CLV OLV

7.18 千代田練馬田無線 文京区 0.0 3.5 1265 1265

6.73 一般国道1号 千代田区 0.0 3.1 805 2416

6.39 一般国道4号 台東区 0.0 3.6 850 1699

6.21 環状7号線 中野区 0.0 3.8 1024 1024

6.13 白金台町等々力線 目黒区 0.0 3.5 869 869

6.02 一般国道4号線 荒川区 0.0 2.6 575 1149

5.97 一般国道14号線 江戸川区 2.0 3.5 1409 2818

5.89 新荒川堤防線 足立区 0.0 3.5 876 0

5.88 環状6号線 中野区 0.0 3.3 624 624

5.86 環状8号線 杉並区 0.0 3.0 641 1283

2.4 BCI の可視化

前節で求めたBCIの値を道路ネットワーク上に可視化する．2.4.1項では，道路ネットワ ークデータであるデジタル道路地図データについて説明する．2.4.2項では，詳細なデータ であるデジタル道路地図データを簡略化する方法を示す．2.4.3項では，道路ネットワーク にBCIの値を与えて可視化する．

2.4.1 デジタル道路地図

デジタル道路地図（DRM：Digital Road Map）は財団法人日本デジタル道路地図協会[10]

が作成したデータである．本研究では，DRMデータの中の「全国デジタル道路地図データ ベース」を用いる．データベースは管理データ，基本道路網データ，全道路網データ，背 景データを収容しており，本研究では基本道路網データの基本道路ノードデータ，基本道 路リンクデータ，また背景データの施設等位置データを使用する．DRMデータのノードは 交差点，その他道路網表現上の結節点等を表し，リンクはノードとノード間の道路区間を 表している．なお，縮尺は1/25,000である．

基本道路網に該当する道路は，一般都道府県道以上の道路，一般都道府県道以上の道路 以外の道路幅員が5.5m以上の道路である．基本道路ノードデータはノードの座標等のデー タである．基本道路リンクデータはリンク構成ノード番号や路線番号，リンク長 [m] のほ かに車道幅員 [m] ，道路交通センサスから得られる12時間交通量 [台] 等の属性を持つ．

また，施設等位置データは鉄道駅やバスターミナル，空港などの施設の位置データである．

このデータベースにおける位置の表現は，地域メッシュコード（JISX0410-1976）3.3で 規定する統合地域メッシュのうち10倍地域メッシュ（2次メッシュ）の区画中における座 標値（経度，緯度）により表される．データベースで使用する座標系の原点は 2 次メッシ

ュの区画左下隅点とし，x軸は区画下辺，y軸は区画左辺である．データベースで使用する 座標の座標値は，区画左上隅を（0，10000），区画右上隅を（10000，10000），区画左下隅 を（0，0），区画右下隅を（10000，0）とする座標値で表現している（正規化座標）．本研 究では，正規化座標から経度緯度に座標を変換し直し，さらに経度緯度から経度139度50 分，緯度36度を原点とする平面直角座標へ変換して用いる[16][17]．

基本道路ノードデータと基本道路リンクデータから東京23区に該当するデータを抽出し た道路ネットワークを構築すると図 2.7 のようになり，ノード数は 45,481，リンク数は

44,146である．

図 2.7 東京23区の道路ネットワーク

2.4.2 DRM データの簡略化

DRMデータの道路ネットワークは図 2.8のように極めて詳細である．本項では次の3つ のSTEPにより道路ネットワークを簡略化する．

図 2.8 DRMデータ皇居周辺

STEP 1 DRM データから 12 時間交通量の属性を持ち，高速道路に該当し

ないリンクのみを抽出する．このとき，使用されないノードは削除 する．この操作により，ノード数は10,651，リンク数は11,378と なる．

STEP 2 図 2.9のように交差点を表現するノードを両端点に持つリンクを1

つのノードに縮約する．縮約によって生じる自己ループは削除する．

この操作により，ノード数は4,294，リンク数は7,022となる．

図 2.9 交差点をノードとして持つリンクの縮約

STEP 3 並行したリンクを１つのリンクに置き換える（図 2.10）．この操作

により，リンク数は4,734となる．

図 2.10 並行したリンクを1つのリンクに置き換え

3つのSTEPにより簡略化した道路ネットワークはノード数4,294，リンク数4,734であ り，図 2.11のようになる．

図 2.11 簡略化した道路ネットワーク

2.4.3 可視化

2.4.2項で簡略化した道路ネットワークに道路交通センサスから計算したBCIの値を与え

ると，図 2.12のようになる．BCIの評価が高ければ高いほど，リンクの色が暖色になって

いる．BCIの値が3.2以下の評価の高い道路が中心部や郊外部でみられるが，連続していな いことが課題であると考えられる．

図 2.12 BCI値の可視化

2.5 東京都自転車走行空間整備推進計画と BCI の比較

本節では，2012年10月に発表された東京都自転車走行空間整備推進計画[22]の内容を説 明する．また，整備計画区間の現状のBCIと自転車通行帯を整備した場合のBCIを計算す る．

2.5.1 整備計画の概要

東京都は2012年10月に自転車走行空間整備推進計画（以下，整備計画とする）を発表 した．整備計画には，自転車道や自転車レーン等の整備手法と，道路の構造や利用状況を 踏まえ，車道の活用を基本とした整備手法の選定の考え方が示してある．また，整備箇所 は安全性，利便性向上の視点から，既設道路について優先整備区間を選定された．図 2.13 の赤色の優先整備区間のうち，2020 年度までに約 100kmの自転車走行空間を整備するこ とを計画している．

図 2.13 東京都自転車走行空間の優先整備区間（[22]より引用）

2.5.2 優先整備区間の現状と整備後の BCI の計算

図 2.13のうち，東京23区の優先整備区間に該当する道路の現状のBCIと自転車通行帯 を整備した場合のBCIを計算する．優先整備区間の東京23区の該当路線は37か所29路 線で道路距離の合計は約78kmである．

優先整備区間のうち，図 2.13の緑色で囲まれた都道301号白山祝田田町線と青色で囲ま

れた都道318号環状7号線の現状のBCIと自転車通行帯を整備した場合のBCIを計算する．

図 2.14の都道301号は2mの駐車帯が整備されている片側3車線の道路である．路肩幅 員は1.5mであり，路肩側車線の幅員は3.7mである．路肩側車線のピーク1時間当たりの 交通量は407台，路肩側以外の車線のピーク1時間当たりの交通量は814台である．法定 速度は40km/hであり，路肩側車線のピーク1時間当たりの大型車の交通量は47台である．

BCIは（2.26）式のようになり，BCIの値は3.4となる．現在の都道301号は評価の低い 道路となっている．

都道301号のBCIを改善させるために，駐車帯の幅員を1.5mとし，2.0mの自転車レー ンを新たに整備するとする．BCIの値を再度計算すると3.2となり，評価の高い道路となる．

図 2.14 白山祝田田町線（[9]から引用）

3.40

) 3 . 0 ( ) 0 ( 264 . 0 ) 1 ( 506 . 0 ) 55 ( 022 . 0 ) 814 ( 0004 . 0

) 407 ( 002 . 0 ) 7 . 3 ( 498 . 0 ) 5 . 1 ( 410 . 0 ) 1 ( 966 . 0 67 . 3





















 BCI

（2.26）

都道318号は片側3車線の道路で路肩幅員は0.5mであり，路肩側車線の幅員は3.67m である．路肩側車線のピーク1時間当たりの交通量は288台であり，路肩側車線以外のピ ーク1時間当たりの交通量は577台である．法定速度は40km/hであり，道路の周りは住 宅街となっている．路肩側車線のピーク1時間当たりの大型車の交通量は89台である．BCI は（2.27）式のようになり，BCIの値は3.98である．現在の都道318号は評価の低い道路 となっている．

図 2.15 環状7号線（[9]から引用）

3.98

) 4 . 0 ( ) 1 ( 264 . 0 ) 0 ( 506 . 0 ) 55 ( 022 . 0 ) 577 ( 0004 . 0

) 288 ( 002 . 0 ) 7 . 3 ( 498 . 0 ) 0 . 0 ( 410 . 0 ) 0 ( 966 . 0 67 . 3





















 BCI

（2.27）

都道318号を整備することを考える．車道幅員を3.5mに狭めることで，1mの自転車レ ーンを整備できる．整備後のBCIは2.7まで改善することができ，評価の高い道路となる．

第 3 章

連結性を考慮した自転車走行環境整備

本章では，自転車利用者がすべての点からすべての点へ評価の高い道路のみを利用して 移動できるようになるには，評価の低い道路のうちどの道路を評価の高い道路に改善して いくべきかを求める．すべての点を評価の高い道路で結ぶことができれば，自転車利用者 は常に走行しやすい道路を通って出発地から目的地まで移動することが可能になる．すべ ての点をつなぐ方法として最小全域木の考え方を利用する．

3.1 節では，最小全域木を求めるアルゴリズムであるPrim 法について説明する．3.2節 では，道路ネットワークに対して，距離をコストとした最小全域木を求める．3.3 節では，

評価の高いリンクを 1 つのノードに縮約したネットワークに対して，距離をコストとした 最小全域木を求める．

3.1 Prim 法

本節では，グラフの最小全域木を求めるアルゴリズムである Prim 法について[2]をもと に説明する．

無向グラフ

G

G

Prim法はコスト付き連結無向グラフ

[ G  ( V , E ); d ]

s  V

[ G ; s , d ]

（

U

s

n  V

s

s



2. つぎの操作を

n  1

U

u 

v  V  U

3.2 道路ネットワークの最小全域木

本節では，2.4節で作成したBCIの値を持った道路ネットワークを用いる．道路ネットワ ークの道路距離の全長は923kmであり，道路ネットワークのうち評価の低い道路の道路距 離を合計すると，744kmとなる．このうちどのくらい評価の低い道路を評価の高い道路へ 改善することで全点間を評価の高い道路のみを利用して移動可能になるかを求める．

道路ネットワークに対して，辺のコストを距離とし，ある点を始点として選んだときの 最小全域木を求めると図 3.1 の赤色のリンクのようになる．求められた最小全域木の全長

は722kmであり，最小全域木の全長から全域木に含まれる評価の高いリンクの道路距離を

引くと 584km となる．つまり，584km の評価の低い道路を改善することですべての点か

らすべての点へ評価の高い道路のみを使って移動することができるようになる．

図 3.1 道路ネットワークに対して求められる最小全域木

3.3 評価の高いリンクを利用した最小全域木

本節では，評価の高いリンクを 1 つのノードに縮約したネットワークに対して，最小全 域木を求める．評価の高いリンクを縮約することで，評価の低いリンクのみで構成される ネットワークに対して最小全域木を求めることができるので，評価の高いリンクを活かし た整備箇所を提案できる．

評価の高いリンクの両端点を 1 点に縮約し，縮約によって生じる自己ループをすべて除 くと，ノード数3,307，リンク数3,796のネットワークとなる．

次に，評価の高いリンクを縮約したネットワークに対して，ある点を始点として選び，

コストを距離としたときの最小全域木をPrim法を用いて求める．求められた最小全域木の

全長は 561km となる．つまり，561km の評価の低い道路を改善することで，すべての点

間を評価の高い道路のみを利用して移動できるようになる．

道路ネットワークのうち，改善するリンクを赤色で，評価の高いリンクを緑色で表すと，

図 3.2のようになる．

図 3.2 評価の高いリンクを縮約したネットワークにおいて求めた改善するリンク

第 4 章

鉄道移動から自転車移動への転換

本章では，鉄道利用者が自転車に交通手段を転換するためにはどの道路の自転車走行環 境を改善するべきか求める．本研究では，鉄道利用者のうち出発駅から目的駅まで評価の 高い道路のみを利用して30分以内で移動できるような利用者は移動手段を自転車に転換で きる可能性があるとして考えていく．そのために，評価の低い道路のうちどの道路を評価 の高い道路へと改善していくかを求める．また，東京都自転車走行空間整備推進計画[22]

で，100km を優先的に整備すると計画していることから，本研究では評価の低い道路を

100kmまで評価の高い道路へと改善したときに，鉄道から自転車に移動手段を転換できる

利用者の人数を増加させる道路改善方法を考える．

4.1節では，第4章で使用するデータについて説明する．4.2節では，鉄道利用者が自転 車に交通手段を転換する条件を定義する．4.3節では，転換可能な利用者を増加させるため に，評価の低い道路を評価の高い道路へと改善する方法を考える．

4.1 使用データ

本節では，第4章で使用するデータについて説明する．4.1.1項では，鉄道利用者の移動 に関するデータである大都市交通センサスについて説明する．4.1.2項では，道路ネットワ ークに駅の位置データを追加したネットワークについて説明する．

4.1.1 大都市交通センサス

本項では，鉄道利用者が出発駅（Origin：O）から目的駅（Destination：D）までの移動 に関するデータ（ODデータ）について説明する．本研究では，鉄道利用者のODデータで ある平成17年度大都市交通センサス[3]を用いる．

大都市交通センサスは，首都圏，中京圏，及び近畿圏の三大都市圏における鉄道・バス 等の大量公共輸送機関について，鉄道ならびにバス・路面電車の利用者に対するアンケー ト調査や駅・停留所の乗降状況等を調査することにより，その利用実態を詳細に把握し，

三大都市圏における公共交通施策の検討に資する基礎資料を提供することを目的として，

昭和35 年以来5年ごとに実施しているものである．本研究では，2005年に実施された第

10回大都市交通センサスのうち，首都圏の鉄道定期券・普通券等利用者調査と鉄道駅名コ ードのデータを使用する．

鉄道定期券・普通券等利用者調査には，首都圏の鉄道利用者の年齢，性別，居住地，鉄 道利用経路，乗車駅コード，降車駅コード，その利用者のデータが何人分を代表するかを 表す拡大率のデータ等がある．また，鉄道駅名コードはコードに対応する駅名が記載され ているデータである．

鉄道定期券・普通券等利用者調査のうち，本研究で使用した調査項目は乗車駅と降車駅，

拡大率である．本研究では，乗車駅から降車駅まで自転車で移動するとし，移動人数は拡 大率とする．

4.1.2 ネットワークデータ

2.4.1項で説明したDRMデータの施設データから鉄道駅の位置データを抽出し，2.4.3項

で作成したBCI値をもつ道路ネットワークに追加する．抽出する駅データは東京23区に該 当し，前項で説明した大都市交通センサスの駅名コードデータに存在する駅のみとする．

該当する駅は432駅であり，該当する駅を出発駅，目的駅とする鉄道利用人数は1,873,527 人である．

次に，抽出した駅から最も近い道路ネットワークのノードにリンクを張る（以下，駅リ ンクとする）．このときのリンク長は駅のノードと道路ネットワークのノードの直線距離と する．この操作により，ノード数4,693，リンク数5,125の図 4.1のようなネットワークと なる．

図 4.1 駅リンク（赤色）を追加したネットワーク 池袋

新宿

東京

4.2 転換可能な利用者の条件

本節では，鉄道利用者のうち，自転車に交通手段を転換できる条件を説明する．4.2.1項 では，最短経路を探索する方法であるDijkstra法について説明する．4.2.2項では，鉄道利 用者のうち，自転車に交通手段を転換できる条件について説明する．

4.2.1 Dijkstra 法

本項では，ネットワーク上のある 2 つのノード間の最短経路を探索する方法である

Dijkstra 法について[2]をもとに説明する．本研究では，自転車利用者は出発地から目的地

まで最短でたどり着ける道路を通ると考える．

Dijkstra法はコスト付き連結無向グラフ

[ G  ( V , E ); d ]

s  V

[ G ; s , d ]

U

s

した点の集合を表す）．

s

1.

U :  { s }

u :  s

d

( s ) :  0

d

(v ) :  

v  V  {s }

2.

V  U  

（i）

u

v  V  U

{ u , v }  E

)}

, ( ) ( ), ( min{

: )

( v d v d u d u v

d





とする．

（ii）

v  V  U

d

(v )

{ : U v_min

U  

とする．さらに，

V  U  

4.2.2 転換可能な利用者の条件

本項では，鉄道利用者のうち，自転車に交通手段を転換できる利用者の条件を説明する．

本研究では，出発駅から目的駅まで移動する利用者のうち，最短経路の道路距離合計が

7.5km以下で，経路がすべて評価の高いリンク，4.3節で求める改善するリンクまたは駅リ

ンクの場合，交通手段を自転車に転換できるとする．なお，7.5km という距離は，自転車 利用者が時速15kmで0.5時間（30分間）走行したときの距離を表している．

ODデータに対して，A駅を出発駅，B駅を目的駅とする人数と，A駅を目的駅，B駅を

出発駅とする人数を合計し，方向を持たない駅間の利用人数を考える．駅リンクを追加し たネットワークに対して，出発駅から目的駅までの最短経路が7.5km以下の出発地と目的 地の組合せ（ODペア）の数は9,437であり，ODペアを出発地と目的地とする人数は551,118 人である．

改善するべき道路を求めていく中で，次の条件を満たす利用者を転換可能な利用者とす る．

 転換可能な利用者の条件

駅リンクを追加した道路ネットワークにおける出発地から目的地までの最短経路の道 路距離合計が7.5km以下であり，経路がすべて評価の高いリンク，改善するリンクま たは駅リンクとなる利用者．

転換可能な利用者の条件をまとめると表 4.1のようになる．

表 4.1 転換可能な利用者の条件

O→Dの最短経路の道路距離 経路の状態 転換可能

7.5km以下 評価の低い道路を含まない ○

評価の低い道路を含む

7.5kmより長い ×

次に，転換可能な利用者の例を図 4.2を用いて説明する．図 4.2の3つの青色の点は駅 のノードを表し，A，B，Cの駅を表しており，その他の黒色の点は道路のノードを表して いる．赤色の線は評価の高いリンク，黒色の線は評価の低いリンク，緑色の線は改善する リンク，青色の線は駅リンクをそれぞれ表わしており，線に付いている番号はリンクの番 号とする．A駅からB駅，A駅からC駅，B駅からC駅への最短経路の距離はすべて7.5km 以下であり，A駅からB駅への最短経路は{6,3,7}^，A駅からC駅への最短経路は{6,1,2,8}^， B駅からC駅への最短経路は{7,4,5,8}である．

A 駅から B 駅へ移動する利用者の最短経路は評価の高いリンクと駅リンクのみである．

よって転換可能な利用者となる．

A 駅から C 駅へ移動する利用者の最短経路は評価の高いリンクと改善するリンクと駅リ ンクである．よって転換可能な利用者となる．

B 駅から C 駅へ移動する利用者の最短経路には評価の低いリンクが含まれているため，

転換可能な利用者にはならない．

図 4.2 改善する道路を求めた後のネットワークの例

4.3 100km まで道路を改善するときの転換可能な利用者

本節では，評価の低い道路のうち，100kmまで道路を改善するとしたときに，どこの道 路を改善することにより，転換可能な利用者を増加させることができるかを考えていく．

4.3.1項では，改善するリンクを求める前の現状の道路において転換可能な利用者を求め

る．4.3.2項では，駅から連続して評価の低い道路を整備することを考え，転換可能な利用 者を求める．4.3.3項では，ナップサック問題として考えることで，転換可能な利用者を求

める．4.3.4項では，転換可能な利用者の人数を最大化するための改善するリンクを求める．

4.3.5項では，4.3節で用いた道路改善方法の特徴をまとめる．4.3.6項では，複数経路を考

慮した場合の定式化についての課題を述べる．

4.3.1 現状の道路での転換可能な利用者

本項では，改善するリンクを求める前の現状の道路ネットワークの評価の高いリンクの みを移動するとしたときに，転換可能な利用者の人数を求める．評価の高いリンクを赤色 で表した道路ネットワークは図 4.3のようになる．

転換可能な利用者を求めると，1,433人である．

図 4.3 評価の高いリンクを赤色で表した道路ネットワーク

4.3.2 駅からの連結性を考慮した改善方法

本項では，駅から連続して道路環境を100km整備することを考える．全駅を始点として 改善する道路を以下のアルゴリズムによって求める．

無向グラフ

G

G

b

b 

コスト付き連結無向グラフ

[ G  ( V , E ); d , len ]

s  V

[ G ; s , d , len ]

U

s

STEP 1 1点

s



STEP 2

u  U

v  V  U

STEP 3 length len(e)b^のときはSTEP4に．それ以外は終了する．

STEP 4 T:T {e}^，U:U{v}^，length:lengthlen(e)^としSTEP2 に戻る．

ネットワークは4.1.2項で説明した駅リンクを追加したネットワークに対して，評価の高 いリンクを縮約し，縮約によって生じる自己ループをすべて除いたものとする．このネッ トワークはノード数3,739，リンク数4,171である．

リンクのコストは BCI，始点は全駅とし，もっとも転換可能な利用者の人数が多くなる 駅と改善するリンクを求める．このとき，リンクのコストをBCIとしたのは，BCIの値は 低いほど評価が高いため，なるべく道路環境を改善しやすい道路を選ぶようにするからで ある．

もっとも転換可能な利用者の人数が多くなる始点は王子駅となり，その人数は 8,282 人 である．求められた改善するリンクを赤色で，評価の高いリンクを緑色で表すと，図 4.4 のようになる．

この方法で求めた改善するリンクの中には，転換可能な利用者の最短経路で使用されな いリンクが存在することが課題である．

図 4.4 王子駅を始点としたときの改善するリンク（赤色）と評価の高いリンク（緑色）

☆：王子駅

4.3.3 ナップサック問題として定式化

本項では，ナップサック問題の考え方を用いて改善する道路を求めていく．ナップサッ ク問題とは，複数の荷物に価値と重量を与え，ナップサックの重量制限を超えないように，

価値の総和が最大になるようなナップサックへの荷物の詰め方を考える問題である[8]．

ナップサック問題を参考に，改善する道路を100kmまでと制限したときの転換可能な利 用者を最大にする問題を考える．

ODペアの集合をN，ODペアiを出発地・目的地とする人数を

num

経路のうち評価の低いリンクの距離合計を

len

b

b 

x

のような0-1整数計画問題として定式化する．

max.



N i

i i

x

num

s.t.







N i

i

i

x b

len

x

 { 0 , 1 } 　　 ( i  N )

各式について以下で説明する．

（4.1）式は，転換可能な人数を最大化することを表す．

（4.2）式は，ODペアiをの最短経路のうち評価の低いリンクの距離合計の総和が改善す る道路距離合計を超えないことを意味する．

（4.3）式は，

x

この問題を組合せ最適化問題を厳密に解く方法である分枝限定法を用いて解く．これに より求められた転換可能な利用者の人数は47,382人となり，改善するリンクを赤色で表し，

評価の高いリンクを緑色で表すと図 4.5のようになる．

この定式化では，改善するリンクが重複することがある．改善するリンクのうち重複し たリンクを赤色で表すと図 4.6 のようになる．今回の場合は，改善するリンクの道路距離

合計は70.5kmであり，約30kmの余裕がある．

図 4.5 ナップサック問題として考えた場合に改善するリンク（赤色）

図 4.6 重複したリンク（赤色）

4.3.4 転換可能な人数を最大にする問題として定式化

本項では，転換可能な利用者の人数が最大となるように100kmまで改善する道路を求め る方法を0-1整数計画問題として定式化する．転換可能な利用者が最大になることを考え，

次のような問題として定式化する．

ODペアの集合をN，評価の低いリンクの集合をL，ODペアiを出発地・目的地とする 人数を

num

j

len

b

b 

ODペアiが最短経路で使用する評価の低いリンクの集合を

S

x

いリンク

j

y

な0-1整数計画問題として定式化する．

max.



N i

i i

x

num

s.t.







L j

j

j

y b

len

y

 x

(  j  S

,  i  N )

x

 { 0 , 1 } 　　 (  i  N )

y

 { 0 , 1 } 　　 (  j  L )

各式について以下で説明する．

（4.4）式は，転換可能な利用者の人数を最大化することを表す．

（4.5）式は，評価の低いリンクを100kmまで改善できることを表す．

（4.6）式は，ODペアiを出発地・目的地とする利用者が転換可能となるならば，ODペ アiが最短経路で使用する評価の低いリンク

j

（4.7）式は，

x

（4.8）式は，

y

上記の問題を整数計画ソルバーNUOPT13.1.5[5]を用いて解く．

これにより，転換可能な利用者は215,232人となり，最短経路の距離が7.5km以下の利 用者のうち39 % が転換可能な利用者となった．また，改善するリンクの距離合計は99.994

[km] となり，求められた改善するリンクを赤色で表し，評価の高いリンクを緑色で表すと

図 4.7 のようになる．転換可能な利用者を増加させるためには，郊外から都心へと改善す るよりも，新宿と東京，池袋，中野や池袋と東京，上野など，都心間をつなげるように改 善することがよいことがわかった．

図 4.7 転換可能な利用者が最大となるネットワーク

4.3.5 自転車走行環境の改善方法のまとめ

本項では，4.3.2項，4.3.3項，4.3.4項で説明した方法の特徴と計算時間を述べる．なお，

実験に用いたパソコンはIntel (R) Core (TM) i7-2600，CPU:3.40GHz，12.0GB RAM，

Windows 7 Professionalである．

4.3.2項で述べた駅を始点として100km評価の低いリンクを改善する方法（方法1）では，

指定した駅からコストが小さいリンクを選んで連続して整備する．したがって，リンクコ