| 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 – 2023-03-31
|
| キーワード | 都市内部構造モデル / 畳み込みニューラルネットワーク / 地域分類 / 可視化 |
|---|
| 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。
2021年度は、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、畳み込みニューラルネットワークによる分析手法の開発を進めた。事例分析として、東京、大阪、名古屋を対象に、東京を学習したモデル、大阪を学習したモデルを用いて3都市を分類し、各モデルの適合性を検討した。研究成果の一部は、2021年7月にオンラインで開催されたEsri User Conferenceにおいてポスターで発表し、Thematic Map部門で2位の表彰を受けた。また、2021年9月に開催されたRGS-IBG Annual International Conference（英国）においてオンラインで口頭発表し、2021年11月の人文地理学会大会で口頭発表した。一方、分析を進めるにつれて、学習対象とする地域を選定する際の基準の必要性が生じたため、その資料として用いるための都市内部の地域イメージに関する大規模なアンケート調査を2021年12月に実施した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
分析手法の開発は一定の水準にまで達しているものの、新型コロナウイルスの感染拡大によって、分析結果の現地確認（グラウンドトゥルース）が十分に行えていない。また、分析手法の開発に関する研究成果の発表についてもまだ行うことができていない。これらを受けて、研究期間の2022年度までの延長を申請し、承認されており、やや遅れていると判断した。
|
| 今後の研究の推進方策 |
最終年度である2022年度は、2021年度に実施した都市内部の地域イメージに関する大規模なアンケート調査の結果も活用しながら、畳み込みニューラルネットワークによる都市内部の地域分類を行い、より現実に合った都市間の比較分析を通して、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。また、地理学的な視点からの適切な評価のためには、現地調査の実施が必要であり、新型コロナウイルスの感染拡大状況を注視しつつ、可能な範囲で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予定である。
|
| 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、現地調査を計画することが困難であったため、次年度使用額が生じた。2022年度は、対象地域ごとの感染拡大状況に留意しつつ、可能な範囲で現地調査を実施する費用として、また、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。
|
