• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to previous page

A Prescriptive Study on the Mechanism of Overconcentration into Tokyo Based on Big Data and Macrosystems Ecology

Research Project

Project/Area Number 23K17775
Research Category

Grant-in-Aid for Challenging Research (Exploratory)

Allocation TypeMulti-year Fund
Review Section Medium-sized Section 22:Civil engineering and related fields
Research InstitutionKyoto University

Principal Investigator

藤井 聡  京都大学, 工学研究科, 教授 (80252469)

Co-Investigator(Kenkyū-buntansha) 川端 祐一郎  京都大学, 工学研究科, 助教 (80814996)
Project Period (FY) 2023-06-30 – 2026-03-31
Project Status Granted (Fiscal Year 2023)
Budget Amount *help
¥6,370,000 (Direct Cost: ¥4,900,000、Indirect Cost: ¥1,470,000)
Fiscal Year 2025: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
Fiscal Year 2024: ¥2,600,000 (Direct Cost: ¥2,000,000、Indirect Cost: ¥600,000)
Fiscal Year 2023: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
Keywords東京一極集中 / 生態学 / 機械学習 / マクロシステム生態学 / 定住型社会 / 人口 / インフラ / 地方振興
Outline of Research at the Start

本研究は、人口や経済力の東京一極集中をもたらした要因を分析し、そのメカニズム記述するとともに解決策を検討することを目的とする。人口や経済力の地理的分布は多様な要因に影響されるため、膨大なデータを利用する必要がある。また、企業や個人などの各主体のミクロな行動と、国レベル・地域レベルで生じるマクロな現象とを統合的に分析する必要もある。そこで本研究では、生態系においてビッグデータを用いてミクロ・マクロの両システムを統合的に記述することを試みている「マクロシステム生態学」のアプローチを応用し、東京一極集中メカニズムの記述と、道路ネットワーク拡充のような集中緩和策の効果の検証を行う。

Outline of Annual Research Achievements

東京一極集中のようなマクロな都市現象をモデル化する上で、どのような分析アプローチが有効であるかについて、既存の統計モデルや機械学習モデルを幅広くレビューしつつ検討を行った。
結果として、地図データのような非構造化もしくは半構造化データをインプットとする場合は、グラフニューラルネットワーク等の応用が有効であるという可能性もあり、それは別途検討が必要だが、本件研究の当初の趣旨に照らすと、多種多様な社会経済統計を重ね合わせてインプットとすることが想定され、テーブルデータとなるので勾配ブースティング決定木などの応用が効率的であろうという中間的な結論に至った。
階層ベイズモデルなどを用いて、因果の構造を明示的に定義した分析を行うことも有効である可能性があるが、マクロシステム生態学の援用という本件研究の趣旨からすると、自由度の高い機械学習ベースの手法を試みることが先決であると考えられる。また、エージェントベースモデルなどの検討は現時点ではできていないため、その点については今後、使用の妥当性を含めて検討していく。
2023年度は、分析チームの研究協力者にメンバー交代等があり実データの解析に着手するのが多少遅れている状況である。2024年度には、使用するデータ収集、コーディングなどを包めていく予定である。

Current Status of Research Progress
Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

やや遅れている理由としては、2023年度中に、研究強力メンバーの交代が発生したため(ただし本件の代表研究者・分担研究者に変更はない)。

Strategy for Future Research Activity

2024年度には、サンプル的に入手可能なデータを用いて、実際のモデリングを試していく予定である。データの種類や量に対して、どのようなモデルが有効であるかの判断を行う。

Report

(1 results)
  • 2023 Research-status Report

URL: 

Published: 2023-07-04   Modified: 2024-12-25  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi