現代の都市計画や交通戦略において、人や車の「移動」を正確に把握することは不可欠です。
都市のインフラ整備、交通渋滞の解消、効率的な物流システムの構築。
これらすべては、「どこからどこへ」という移動の実態をデータで捉えることから始まります。
このような移動パターンを明らかにするための基礎調査が、OD調査（Origin-Destination調査）です。
近年では、従来のアンケート調査に加え、スマートフォンの位置情報ビッグデータなどを活用した人流分析によって、より高頻度で移動データを把握する取り組みも進んでいます。
本ページでは、OD調査の基本的な意味と仕組み、行政での活用、
そして人流データとの関係について整理します。
忙しい方のための要点まとめ
- OD調査とは：出発地（Origin）と目的地（Destination）を把握する交通調査
- 目的：人や車の移動パターンを分析すること
- 主な活用：道路整備、都市計画、交通政策
- データ整理：OD表（ODマトリクス）として集計
- 近年の変化：スマートフォン位置情報を用いた人流分析でも活用
OD調査とは
OD調査とは、Origin（出発地）とDestination（目的地）の関係を把握する交通調査のことです。
人や車が「どこから出発し、どこへ移動したのか」という移動の起点と終点を記録・分析することで、地域間の交通の流れや移動パターンを明らかにします。
たとえば、住宅地から都心のオフィス街へ向かう通勤の流れや、観光地へ向かう来訪者の移動、物流拠点から小売店舗への配送ルートなど、さまざまな移動の実態を把握することができます。
こうしたデータは、道路整備や公共交通の改善、都市計画などの基礎資料として活用されます。日本では、国土交通省や自治体が交通政策の基礎データとしてOD調査を実施しており、代表的なものに国土交通省の「道路交通センサス（自動車起終点調査）」があります。
ODの意味
ODとは、以下の英語の略語です。
- Origin（出発地）
- Destination（目的地）
つまりODとは、
「どこから、どこへ移動したのか」
という移動の関係を表す概念です。
交通分野や都市計画では、この移動関係をもとに交通需要や地域間の
流動を分析することが一般的です。
OD調査では何を調べるのか
OD調査では、単に出発地と目的地だけではなく、
移動に関するさまざまな情報が収集されます。
主な調査項目は次の通りです。
- 出発地（Origin）
- 目的地（Destination）
- 出発時刻・到着時刻
- 移動目的（通勤・通学・買い物・観光など）
- 交通手段（自動車・鉄道・徒歩など）
- 経由地
- 移動距離や所要時間
これらのデータを分析することで、
- 通勤・通学の流れ
- 観光地への来訪動向
- 渋滞が発生しやすい交通ルート
などを把握することができます。
そして、こうした移動データは通常
「OD表（ODマトリクス）」と呼ばれる形式で整理されます。
OD表とは
OD表（ODマトリクス）とは、OD調査で得られた移動データを
出発地と目的地の組み合わせで整理した表です。
行（縦）に出発地、列（横）に目的地を配置し、それぞれの交差部分に移動量（人数や交通量など）を記録することで、地域間の移動の強さを可視化できます。
OD表のヒートマップ例（色が濃いほど移動量が多い）
| 出発地 / 目的地 | Aエリア | Bエリア | Cエリア |
|---|---|---|---|
| Aエリア | 0 | 120 | 60 |
| Bエリア | 90 | 0 | 30 |
| Cエリア | 40 | 70 | 0 |
この例では、AエリアからBエリアへの移動（120）が最も多く、
AとBの間で人の移動が活発であることがわかります。
- Aエリア → Bエリア：120人
- Bエリア → Aエリア：90人
といったように、地域間の移動量を把握できます。
OD表は交通需要の分析や都市計画、物流分析などで広く利用されています。
行政におけるOD調査の活用
OD調査の結果は、主に行政の交通政策や都市計画に活用されます。
代表的な活用例には次のようなものがあります。
道路整備計画
地域間の交通量を把握し、新しい道路やバイパスの整備計画を検討する。
渋滞対策
交通集中が発生している区間を特定し、信号制御や道路改良を行う。
公共交通の改善
鉄道やバスの利用動向を把握し、ダイヤや路線の最適化に活用する。
都市計画
通勤・通学の流れや都市間の移動構造を把握し、都市機能の配置を検討する。
このようにOD調査は、都市や交通の将来計画を考える上で重要な基礎データとなっています。
人流データとOD分析
従来のOD調査は、アンケート調査や交通センサスなどの統計調査によって実施されることが一般的でした。
こうした調査は交通政策や都市計画にとって重要な基礎データとなる一方で、いくつかの課題もあります。たとえば、調査の実施頻度が数年に一度と限られることや、大規模な調査コストがかかること、さらに回答者ベースの調査であるためサンプル数やデータ粒度に制約があるといった点です。
主な課題としては、次のような点が挙げられます。
- 調査の実施頻度が低い（数年に一度）
- 大規模な調査コストが必要
- サンプル数やデータ粒度に制約がある
位置情報ビッグデータによる人流データの登場
近年では、スマートフォンのGPSやWi-Fiなどから取得される位置情報ビッグデータを活用することで、より高頻度かつ広範囲の移動データを把握できるようになりました。これにより、従来のOD調査と同様に「どこからどこへ移動しているのか」という移動構造を把握するだけでなく、人々の行動特性まで含めた分析が可能になっています。
人流データから把握できる行動分析
人流データを活用することで、次のような情報を把握できます。
- エリア間の人の移動（OD構造）
- 来訪者の居住地
- 周遊ルートや移動パターン
- 滞在時間や来訪頻度
人流データがもたらす新しい行動指標
Location AIでは、位置情報ビッグデータを活用した人流分析プラットフォーム「Location AI Platform®（LAP）」を通じて、こうしたOD分析を可視化し、エリア分析や商圏分析の結果を意思決定に活用できる環境を提供しています。
さらに、分析結果をマーケティング施策や広告配信と連携させることで、実世界の行動データに基づいたデータドリブンな施策立案やAIを活用したインサイトの発見、集客施策などの活用へとつなげることが可能です。
人流データを活用したエリア分析や商圏分析の詳細については、Location AI Platform（LAP）のサービスページもご覧ください。
まとめ
OD調査とは、出発地（Origin）と目的地（Destination）を把握することで、
人や車の移動の流れを分析する交通調査です。
行政の交通政策や都市計画の基礎データとして長年活用されてきましたが、近年ではスマートフォンの位置情報ビッグデータを活用した人流分析によって、より詳細で高頻度な移動データを把握できるようになっています。
こうした移動データの分析は、交通政策だけでなく、
商圏分析やマーケティング戦略の立案など、さまざまな分野で活用が広がっています。
