Typos

13-transport-ja.Rmd

@@ -51,7 +51,7 @@ library(sfnetworks) # 空間ネットワークのクラスと関数
 これらは地理的な特徴 (短いセグメントでネットワーク全体を作り上げる) として表現することもできるし、相互接続されたグラフとして構造化することもできる。異なるセグメント上の交通のレベルは、交通モデルでは「フロー」と呼ばれる [@hollander_transport_2016]。
 
 もうひとつの重要なレベルは、私やあなたのような移動する存在を表す**エージェント**である。
-エージェントは、 [MATSim](http://www.matsim.org/) のようなソフトウェアのおかげで、計算によって表現することができる。これは、エージェントベースモデリング (ABM)\index{えーじぇんとべーすもでりんぐ@エージェントベースモデリング}のアプローチを用いて、高い空間および時間分解能で交通システムのダイナミクスを捉えるものである [@horni_multi-agent_2016]。
+エージェントは、 [MATSim](http://www.matsim.org/) のようなソフトウェアのおかげで、計算によって表現することができる。これは、エージェントベースモデリング (agent-based modelling, ABM)\index{えーじぇんとべーすもでりんぐ@エージェントベースモデリング}のアプローチを用いて、高い空間および時間分解能で交通システムのダイナミクスを捉えるものである [@horni_multi-agent_2016]。
 ABM は、R の空間クラスと統合できる可能性が高い交通研究の強力なアプローチであるが [@thiele_r_2014; @lovelace_spatial_2016]、本章の範囲外である。
 地理的レベルやエージェントの次に来るのは、ほとんどの交通モデルの分析の基本単位である**トリップ**であり、出発地「A」から目的地「B」までの単一目的の旅である [@hollander_transport_2016]。
 トリップは、異なるレベルの交通システムを結合し、単純化すると、<u>ゾーン</u>の重心\index{じゅうしん@重心} (<u>ノード</u>) を結ぶ地理的な<u>希望線</u>として、あるいは交通<u>ルートネットワーク</u>に沿った経路として表現することができる。
@@ -70,7 +70,7 @@ Chapter \@ref(location) では、ジオコンピュテーションの応用と
 
 ## Bristol のケーススタディ  {#bris-case}
 
-本章で使用する事例は、イングランド西部の都市 Bristol で、ウェールズの首都カーディフから東に 30 km ほど離れた場所にある。
+本章で使用する事例は、England 西部の都市 Bristol で、Wales の首都 Cardiff から東に 30 km ほど離れた場所にある。
 この地域の交通網の概要は、Figure \@ref(fig:bristol) に示されており、自転車、公共交通、自家用車のための多様な交通インフラが示されている。
 
 ```{r 13-transport-2, echo=FALSE, eval=FALSE}
@@ -97,7 +97,7 @@ tm_shape(region_all[1, ], bbox = region_all) +
 knitr::include_graphics("figures/13_bristol.png")
 ```
 
-Bristol はイングランドで 10 番目に大きい市で、人口は 50 万人であるが、そのトラベルキャッチメントエリア\index{きゃっちめんとえりあ@キャッチメントエリア}はもっと大きい (Section \@ref(transport-zones) 参照)。
+Bristol は England で 10 番目に大きい市で、人口は 50 万人であるが、そのトラベルキャッチメントエリア\index{きゃっちめんとえりあ@キャッチメントエリア}はもっと大きい (Section \@ref(transport-zones) 参照)。
 市内には航空宇宙、メディア、金融サービス、観光などの企業が集まり、2 つの主要な大学とともに、活気ある経済が展開されている。
 Bristol は一人当たりの平均所得が高いが、深刻な貧困地域も含まれている [@bristol_city_council_deprivation_2015]。
 
@@ -118,7 +118,7 @@ View(cw0103)
 ```
 
 多くの都市と同様に Bristol も渋滞、大気質、運動不足などの大きな問題を抱えている。
-自転車は、これらの問題すべてに効率的に取り組むことができる。典型的な[速度](https://en.wikipedia.org/wiki/Bicycle_performance)は、徒歩の時速4〜6kmに対して時速15〜20kmと、徒歩よりも自動車による移動を置き換える可能性が大きい。
+自転車は、これらの問題すべてに効率的に取り組むことができる。典型的な[速度](https://en.wikipedia.org/wiki/Bicycle_performance)は、徒歩の時速 4〜6 km に対して時速 15〜20 km と、徒歩よりも自動車による移動を置き換える可能性が大きい。
 このため、Bristol の[交通戦略](https://www.bristol.gov.uk/council-and-mayor/policies-plans-and-strategies/bristol-transport-strategy)では、自転車利用について野心的な計画を立てている。
 
 この章では、交通研究における政策的配慮の重要性を強調するため、人々を車から解放し、より持続可能な手段、特に徒歩と自転車に乗せることを任務とする人々 (交通プランナー、政治家、その他の利害関係者) にエビデンスを提供する目的で書かれている。
@@ -177,7 +177,7 @@ Bristol は、周辺の町からのトラベル者を惹きつける主要な雇
 names(bristol_zones)
 ```
 
-トラベルデータを追加するために、Section \@ref(vector-attribute-joining) で説明されている一般的なタスクである<u>属性結合</u>*\index{ぞくせい@属性!けつごう@結合} を実行する。
+トラベルデータを追加するために、Section \@ref(vector-attribute-joining) で説明されている一般的なタスクである<u>属性結合</u>\index{ぞくせい@属性!けつごう@結合}を実行する。
 ここでは、[ons.gov.uk](https://www.ons.gov.uk/help/localstatistics) データポータルで提供されている、英国の2011年国勢調査の出勤時間に関するトラベルデータ `bristol_od` を使用する。
 `bristol_od` は、英国の2011年国勢調査によるゾーン間の通勤に関する起点 (Origin)ー終点 (Desitination) (OD) データセットである (Section \@ref(desire-lines) 参照)。
 Section \@ref(desire-lines) 1 列目は出発地のゾーン ID、2 列目は目的地のゾーンである。
@@ -199,9 +199,9 @@ zones_attr = bristol_od %>%
 
 上記のチャンクは、
 
-- 原産地別にデータをグループ化した (`o` の列に含まれる)。
-- `bristol_od` データセットの変数が数値であれば、それを集計して、各ゾーンに住む人の交通手段別の総数を求める。[^13-transport-3]
-- グループ化変数 `o` の名前を変更し、`bristol_zones` オブジェクトの ID 列 `geo_code` と一致するようにした。
+- 原産地別にデータをグループ化した (`o` の列に含まれる)
+- `bristol_od` データセットの変数が数値であれば、それを集計して、各ゾーンに住む人の交通手段別の総数を求める[^13-transport-3]
+- グループ化変数 `o` の名前を変更し、`bristol_zones` オブジェクトの ID 列 `geo_code` と一致するようにした
 
 [^13-transport-3]: `_if` の接頭辞は、変数に対して `TRUE`/`FALSE` の質問をすることを要求しており、この場合は「それは数値か？」で、真を返す変数のみが要約される。
 
@@ -228,10 +228,10 @@ names(zones_joined)
 トリップの起点の地理的な分布は、左の地図 (Figure \@ref(fig:zones)) に示されている。
 このことから、ほとんどのゾーンは、調査エリア内で 0〜4,000 のトリップを発生させていることがわかる。
 Bristol の中心部付近に住む人の移動が増え、郊外に住む人の移動が減っている。
-これはなぜだろうか。調査地域内のトリップだけを扱っていることを忘れないでおこう。
-のトリップ数が少ないのは、これらの周辺ゾーンにいる多くの人が、調査地域外の他の地域へ移動するためであると考えられる。
+これはなぜだろうか。調査地域内のトリップだけを扱っていることを思い出そう。
+周辺ゾーンのトリップ数が少ないのは、周辺ゾーンにいる人の多くが、調査地域外の他の地域へ移動するためであると考えられる。
 調査地域外のトリップは、モデルで表現されていないゾーンに行くトリップをカバーする特別な目的地IDによって、地域モデルに含めることができる [@hollander_transport_2016]。
-しかし、`bristol_od` のデータは、このようなトリップを無視している。
+しかし、`bristol_od` のデータは、このようなトリップを無視している。「ゾーン内」モデルということである。
 
 OD データセットが出発地のゾーンに集約されるのと同じように、目的地のゾーンに関する情報を提供するために集約することもできる。
 人は、中心部に引き寄せられるように集まる傾向がある。
@@ -294,7 +294,7 @@ bristol_od$Active = (bristol_od$bicycle + bristol_od$foot) /
   bristol_od$all * 100
 ```
 
-OD ペアは、大きく分けて<u>ゾーン間</u>と<u>ゾーン内</u>の2種類がある。
+OD ペアは、大きく分けて<u>ゾーン間</u>と<u>ゾーン内</u>の 2 種類がある。
 ゾーン間 OD ペアは、目的地と出発地が異なるゾーン間の移動を表する。
 ゾーン内 OD ペアは、同一ゾーン内の移動を表す (Table \@ref(tab:od) の上段参照)。
 以下のコードチャンクでは、`od_bristol` をこの2種類に分割している。
@@ -334,9 +334,9 @@ source("code/13-desire.R", print.eval = TRUE)
 地理的な交通データにおけるノード\index{のーど@ノード}は、ネットワーク\index{ねっとわーく@ネットワーク}を構成する主に一次元のフィーチャ (線) とゼロ次元のフィーチャ (点) である。
 交通ノードには 2 種類ある。
 
-1. ネットワーク\index{ねっとわーく@ネットワーク}上に直接存在しないノード\index{のーど@ノード}、例えばゾーン重心\index{じゅうしん@重心} (次のセクションで取り上げる) あるいは家や職場などの個人の発着地。
+1. ネットワーク\index{ねっとわーく@ネットワーク}上に直接存在しないノード\index{のーど@ノード}、例えばゾーン重心\index{じゅうしん@重心} (次のセクションで取り上げる) あるいは家や職場などの個人の発着地
 2. 交通網の一部であるノード。
-技術的には、ノードは交通ネットワーク上のどの点にも位置することができるが、実際には、ルートの交差点 (ジャンクション) やバス停や駅など交通ネットワークに出入りする点など、特殊な頂点である場合が多い。[^13-transport-6]
+技術的には、ノードは交通ネットワーク上のどの点にも位置することができるが、実際には、ルートの交差点 (ジャンクション) やバス停や駅など交通ネットワークに出入りする点など、特殊な頂点である場合が多い[^13-transport-6]
 
 [^13-transport-6]: **sfnetworks** パッケージの関数 [`st_network_blend()`](https://luukvdmeer.github.io/sfnetworks/reference/st_network_blend.html) により、ネットワーク上またはネットワーク外の任意の点への近接性に基づいて、ネットワーク上に新しいノードを作成することができる。
 
@@ -355,11 +355,11 @@ source("code/13-desire.R", print.eval = TRUE)
 公共交通機関は、都市への一般的なルートにおいて、高速かつ大量に利用できるオプションを提供することで、この障壁を軽減することができる。
 アクティブトラベルの観点から、公共交通機関を利用した長距離移動の「行程」は、旅を 3 つに分けている。 
 
-- 住宅地から公共交通機関の駅までの起点となる行程。
-- 公共交通機関 (通常、出発地の最寄り駅から目的地の最寄り駅まで)。
-- 降車駅から目的地までの行程。
+- 住宅地から公共交通機関の駅までの起点となる行程
+- 公共交通機関 (通常、出発地の最寄り駅から目的地の最寄り駅まで)
+- 降車駅から目的地までの行程
 
-Section \@ref(desire-lines) で行った分析に基づき、公共交通機関のノードを使って、バスと (この例では) 鉄道を利用できるトラベルのための3分割の希望線を構築することができる。
+Section \@ref(desire-lines) で行った分析に基づき、公共交通機関のノードを使って、バスと (この例では) 鉄道を利用できるトラベルのための 3 分割の希望線を構築することができる。
 最初の段階は、公共交通機関の利用が多い希望線を特定することである。ここでは、先に作成したデータセット `desire_lines` にすでに電車での移動回数を表す変数が含まれているので簡単である (公共交通機関の利用可能性は、[OpenTripPlanner](http://www.opentripplanner.org/) などの公共交通ルート探索\index{るーとけんさく@ルート検索}サービスを使って推定することも可能)。
 アプローチを簡単にするために、レールの使用量の上位 3 つの希望線\index{きぼうせん@希望線}のみを選択することにする。
 
@@ -815,7 +815,7 @@ knitr::include_graphics("figures/bristol_cycleways_zoomed.png")
 例えば、OpenStreetMap\index{OpenStreetMap} のデータをバッファや、Chapter \@ref(attr) と Chapter \@ref(spatial-operations) で紹介した地理データ手法で集約すれば、交通ルートの近くに緑地があるかどうかを検出することも可能である。
 R\index{R} の統計モデリング機能を使えば、例えば、現在と将来の自転車利用のレベルを予測することができるだろう。
 
-この種の分析のベースには、Propensity to Cycle Tool (PCT)がある。 これは、R\index{R} で開発された一般にアクセス可能な ( [www.pct.bike](https://www.pct.bike/) 参照) マッピングツールで、イングランド全域の自転車利用への投資を優先させるために使用されている [@lovelace_propensity_2017]。
+この種の分析のベースには、Propensity to Cycle Tool (PCT)がある。 これは、R\index{R} で開発された一般にアクセス可能な ( [www.pct.bike](https://www.pct.bike/) 参照) 地図作成ツールで、イングランド全域の自転車利用への投資を優先させるために使用されている [@lovelace_propensity_2017]。
 同様のツールは、世界中の大気汚染や公共交通機関へのアクセスなど、他のテーマに関連したエビデンスに基づく交通政策を奨励するためにも使用できる。
 
 ## 演習  {#ex-transport}