| 研究課題/領域番号 |
19K21671
|
|---|
| 研究機関 | 皇學館大学 |
|---|
研究代表者 |
桐村 喬 皇學館大学, 文学部, 准教授 (70584077)
|
|---|
| 研究期間 (年度) |
2019-06-28 – 2022-03-31
|
| キーワード | 都市圏 / 都市内部構造モデル / 小地域統計 / 地理情報システム（GIS） / 機械学習 |
|---|
| 研究実績の概要 |
日本の都市の内部構造に関する研究においては、従来、バージェスの同心円モデルやホイトの扇形モデルなどを念頭に置いた、同心円やセクター（扇形）という地理的パターンの基準をもとにして、分析、解釈がなされてきた。一方で、近年の日本の大都市圏においては、人口の停滞や減少など、その内部構造を大きく変容させる現象が生じており、従来的なモデルやパターンの捉え方が適当ではなくなっている可能性がある。そこで、本研究では、従来の都市内部構造モデルや典型的パターンの日本の都市に対する適合度について、機械学習の手法を援用して定量的に評価するとともに、様々な規模の日本の都市を対象とした機械学習による都市内部構造の分類を通じた、新たな都市内部構造モデルの構築を目指している。
2020年度は、当初予定されていた、都市内部構造分析のための機械学習手法の開発を前半に進め、後半には日本の都市内部構造の典型的パターンの抽出と都市のグルーピング、日本の都市の現状に基づいた都市内部構造モデルの再構築に取り組んだ。前半の成果として、機械学習手法の一つである、非負値行列因子分解（NMF）・非負値テンソル因子分解（NTF）を用いた都市内部構造の分析手法を提示し、人文地理学会において発表した。後半については、リモートセンシングでも用いられる教師付き画像分類の手法を援用しつつ、都市内部の既知の地域を学習したうえで、都市内部の地域分類を行う方法の開発を進めている。この方法を使えば、日本の都市内部構造の典型的なパターンの抽出や既存の都市内部構造モデルの定量的な評価も行うことができる。この研究成果は、2021年9月に開催される予定のRGS-IBG Annual International Conference（英国）においてポスター形式で発表する（2021年3月に申込み済み）。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
新型コロナウイルスの感染拡大によって、当初予定していたような現地調査は十分に実施できなかったが、機械学習による分析手法の開発における技術的な課題が解決され、順調に進んだ。また、現地調査ができなかったものの、全国的なGISデータの購入を行うことができ、全国を対象とした分析環境が整うことになった。したがって、おおむね順調に進展していると判断する。
|
| 今後の研究の推進方策 |
2021年度は最終年度であり、当初予定していた、日本の都市内部構造の典型的パターンの抽出と都市のグルーピングと、日本の都市の現状に基づいた都市内部構造モデルの再構築に取り組む計画である。開発した分析手法の地理学的な視点からの適切な評価のためには、現地調査の実施が不可欠であると考えており、新型コロナウイルスの感染拡大状況を注視しつつ、可能な限り一定の地域で実施することを目指す。また、研究成果の公表については、主に国際雑誌への投稿の形で行うこととし、積極的に進めていく予定である。加えて、研究によって得られた新たなモデルや分析結果データについては、研究期間終了までにインターネット上に公開できるようにする。
|
| 次年度使用額が生じた理由 |
新型コロナウイルスの感染拡大が続き、国内出張が可能な時期が極めて限定的であったため、予定されていた現地調査や学会出張が取りやめとなり、次年度使用額が生じた。2021年度も、対象地域ごとの感染拡大状況に留意しつつ、可能な限りの現地調査を実施するとともに、研究成果の国際雑誌等への投稿のための費用として使用する計画である。
|
