製材所の立地問題に対する学習ベースの多基準意思決定モデル

要旨: 製材所の戦略的な立地は、木材サプライチェーンの効率性、収益性、そして持続可能性を高めるうえで極めて重要です。本研究では、機械学習（ML）とMCDMによるGISベースの空間立地分析を統合した、学習ベースの多基準意思決定（Learning-Based Multi-Criteria Decision-Making; LB-MCDM）フレームワークを提案します。提案するフレームワークは、データに基づき、偏りのない、再現可能な手法として、立地適性を評価します。我々は、ミシシッピ州（MS）でのケーススタディを通じて、提案モデルの有用性を示します。具体的には、5つのMLアルゴリズム（Random Forest Classifier、Support Vector Classifier、XGBoost Classifier、Logistic Regression、K-Nearest Neighbors Classifier）を適用し、ミシシッピ州における最も適した製材所の立地候補を特定します。これらのモデルの中で、Random Forest Classifier が最も高い性能を達成しました。さらに、SHAP（SHapley Additive exPlanations）手法を用いて各基準の相対的な重要度を決定し、地域の市場における競争のダイナミクスを反映する複合特徴量である「需給比（Supply-Demand Ratio）」が最も重要な要因であることを明らかにしました。次いで、道路、鉄道路線、都市部までの距離が続きます。LB-MCDMモデルにより生成された適性マップの検証結果は、MSの土地のうち10〜11%が製材所立地として高度に適していることを示唆しています。