国連の予測によると、2050年までに世界人口の約66％が都市部に暮らすようになります。最も大きな拡大は、アフリカやアジアなどの開発途上地域で起きると見込まれています。こうした地域の都市は、住民のニーズに応え、十分な住宅、エネルギー、廃棄物処理、医療、交通、教育、雇用を提供するという課題に直面します。
そのため、都市がどのように成長するのか、そしてその過程で都市をよりスマートで持続可能なものにするにはどうすればよいのかを理解することは、世界中の研究者や政府にとって最優先課題です。都市を将来に向けて設計するには、その内部の仕組みを把握する必要があります。幸い、その助けとなるツールがあります。さらにうれしいことに、それらを使うのはシムシティをプレイするようなものです。
まったく新しい（シミュレーションの）世界
都市は複雑なシステムです。近年、都市を研究する科学者たちは、「都市は機械である」という考え方から、「都市は生物である」という捉え方へと移行しています。都市を、シロアリ塚や粘菌の群落のような自然のシステムに似た、複雑で適応力のある生物と見なすことで、その内部の働きを独自の視点から理解できます。その方法を見てみましょう。
複雑な生物は、少数の単純なルールに従って動く個々の単位から成り立っています。比較的単純な個々の要素が暮らし、行動するなかで、それぞれの相互作用や行動が積み重なり、より広範な集合的現象が生み出されます。たとえば、群れをなして飛ぶ鳥が織りなす美しく複雑な模様は、リーダーが指揮しているわけではありません。互いにどれほど近づくか、どの方向へ飛ぶか、捕食者をどう避けるかについて、各々の鳥がごく単純なルールに従うことで生まれます。
同じように、アリのコロニーは非常に高度で、一見知的な行動を示すことがあります。しかし、その高度さは優れたリーダーの結果ではありません。全体像を考慮せず、たくさんのアリが比較的単純なルールに従うことで生じます。この見方を応用できることは容易に想像できます。たとえば、交通渋滞のような現象を人間社会の仕組みから説明できます。
したがって、都市が生物に似ているなら、ボトムアップで都市を調べ、個人レベルの相互作用から予期しない大規模な現象がどのように生まれるのかを理解すべきです。具体的には、「エージェントベース・モデリング」と呼ばれる手法を用いて、人々、世帯、組織など個々の「エージェント」の行動が都市環境に及ぼす影響をシミュレーションできます。
ここから、少しシムシティに似てきます。このコンピューターゲームがもともと着想を得たのは、都市のダイナミクスに関心を持つ、世界的に著名なシステム科学者ジェイ・フォレスターの研究でした。ゲームでは、個々のエージェントにそれぞれの特性とルールが与えられ、ほかのエージェントや環境との相互作用が可能になります。こうした相互作用を通じて異なる行動が生まれ、次の相互作用を促します。
しかし、コンピューターゲームでは人々や組織の行動に関する一般化を使える一方、研究者は現実的で堅牢なルールセットを作り、それを厳密に検証・評価するために、利用可能なデータセットを掘り下げなければなりません。これを効果的に行うには、個人レベルのデータが大量に必要です。
ビッグデータを活用したモデリング
近年、コンピューティング能力の向上とビッグデータの普及によって、エージェントベース・モデリングの能力と適用範囲はかつてないほど広がっています。最も期待される進展の一つは、人々の考えや行動をモデルに取り込める可能性です。これにより、人々の選択が現在の状況や将来に及ぼす影響をモデル化し始めることができます。
たとえば、道路の配置を変えると、特定の地域の犯罪率にどのような影響が出るかを知りたいとします。犯罪を企てる可能性のある人々の活動をモデル化することで、都市環境の変更が人々の市内での移動や、どのような住宅に目を向けるかにどう影響するかを把握できます。その結果、どの場所が空き巣の標的となるリスクが最も高いかも分かります。
この方法で都市をシミュレーションするという目標を十分に実現するには、モデルに膨大なデータが必要です。たとえば、市内を行き交う人々の日々の流れをモデル化するには、人々がどのような活動に時間を費やし、それをどこで、誰と行い、何がその行動を促しているのかを知る必要があります。
質が高く解像度の細かいデータがなければ、モデルが現実的な結果を生み出しているかどうかを知る方法はありません。ビッグデータは、こうした二つのニーズに応える豊富な情報を研究者に提供する可能性があります。都市のモデリング研究者が期待を寄せるデータには、次のようなものがあります。
人々が都市内をどのように移動するかを示す電子交通カード。
人々が何をして何を考えているかを知る手がかりとなるツイッターの投稿。
人混みの存在を示唆する携帯電話の密度。
消費者行動を理解するためのポイントカードやクレジットカードの取引データ。
これまで知られていなかった都市空間を対象とする参加型マッピング。たとえば、オープンストリートマップ。
こうしたデータは、多くの場合、個人一人ひとりのレベルまで細分化できます。その結果、都市現象のモデルは、もはや人口全体に関する仮定に頼る必要がありません。互いに異なる考え方や行動をすることの多い、個人で構成される都市の多様性を捉えられるよう調整できます。
データから抜け落ちる人々
もちろん、ビッグデータを都市モデルに取り入れる際には、重大な実務上および倫理上の問題を考慮しなければなりません。新たなデータソースに含まれる大量のノイズによって、有用で信頼できる情報を抽出するのが難しくなることがあります。たとえば、ツイッターの投稿がボットによるものか、実際の人によるものかを見分けるのは、しばしば困難です。
また、データのなかで誰が十分に代表され、誰がそうでないのかを把握する必要があります。デジタル・ディバイドは依然として存在し、研究によれば、デジタルコンテンツを作る人と作らない人の間には階級による格差があります。つまり、人口の大きな部分がデータセットから抜け落ちている可能性があります。
こうした手法を倫理的なものにする新たな方法も見つけなければなりません。従来、消費者倫理や研究倫理は、十分な説明に基づく同意を中心に構成されてきました。インタビューや調査に参加する前に、参加者は研究者によるデータ利用を許可する同意書に署名する必要があります。しかし今では、人々は気分、思考、感情、行動など、これまで記録されてこなかった生活の側面をデジタル化しています。そして重要なのは、そうした情報がインターネット上で公開されることも多いという点です。
データの利用を許可する欄にチェックを入れたとしても、利用規約を読んで理解した保証にはなりません。2015年6月のiTunes利用規約は、その一例として、2万語を超える長さがあります（この記事の20倍です）。研究者やサービス提供者は、実際にどれほどの人がこうした文書をきちんと理解しているのか、また、その同意が私たちの考える同意の要件を満たすのかを自問する必要があります。
都市に住むすべての人をシミュレーションすることは、決してできないかもしれませんし、おそらくその必要もないでしょう。しかし、都市を形づくる織物の豊かさをシミュレーションできる日が近づいています。それが実現すれば、将来の都市を最善の形で設計するための有益な知見を提供できるでしょう。街灯一つ、バス一台、集合住宅一棟に至るまでです。
