地域課題の解決に向けた公共データと民間ビッグデータの活用～空き家分布推定・企業間取引分析など～

1. 東京大学空間情報科学研究センター助教国土交通省国土交通政策研究所客員研究官秋山祐樹(Yuki Akiyama) （aki@csis.u-tokyo.ac.jp）地域課題の解決に向けた公共データと民間ビッグデータの活用～空き家分布推定・企業間取引分析など～日時：２０１7日5月13日(土）13:00～17:30 場所：立教大学池袋キャンパスマキムホール10階第1・2会議室経済統計学会東北・関東支部会 2017年5月定例研究会

2. 自己紹介氏名：秋山祐樹（Yuki Akiyama）出身地：岡山県岡山市東区出身大学：北海道大学工学部建築都市学科（学士：工学）東京大学大学院新領域創成科学研究科（修士・博士：環境学）所属：東京大学空間情報科学研究センター（CSIS）助教（マイクロジオデータ研究室）国土交通省国土交通政策研究所客員研究官韓国国土研究院（KRIHS）Visiting Research Fellow マイクロジオデータ研究会会長株式会社マイクロベース技術顧問 2 Urban heat island GIS Big data Smart city

3. 建物単位建物データ：Zmap-TOWNⅡ ©Zenrin CO. Ltd. 建物単位→世帯単位→人単位のジオデータ活用時代の到来 3

4. 建物単位世帯単位マイクロ人口統計 ©Yuki Akiyama 建物単位→世帯単位→人単位のジオデータ活用時代の到来 4

5. 建物単位世帯単位人単位人の流れデータ ©CSIS 建物単位→世帯単位→人単位のジオデータ活用時代の到来 5

6. 建物単位→世帯単位→人単位のジオデータ活用時代の到来建物単位世帯単位人単位人の流れデータ ©CSIS 位置情報・時間情報を持つミクロな統計データ・空間データ＝マイクロジオデータ（MGD） 6

7. MGD+民間ビッグデータ＋公共データによる研究展開マイクロジオデータ（MGD）位置情報・時間情報を持つミクロな統計・空間データ人流ビッグデータ（人の動き）企業間取引ビッグデータ（金の動き）など新しい民間ビッグデータ・統計データ様々な公共データオープンデータ＋住基台帳・建物登記情報などこれらを組み合わせ分析することで都市の課題の把握・解決と将来計画立案を支援プログラミング統計解析ビッグデータ処理データ開発＋ 7 ©Google

8. マイクロジオデータを活用した研究は国際的にも注目されつつある http://sigspatial2016.sigspatial.org/ http://giscience.geog.mcgill.ca/http://www.unisa.edu.au/cupum http://www.isprs2016-prague.com/ 私です 8

9. マイクロジオデータの活用は日本政府も注目している G空間プロジェクトとは（経産省） http://www.meti.go.jp/policy/it_policy/GIS/g_proj/ NHK News Web（2014/06/09） http://www3.nhk.or.jp/news/html/20140609/k1 0015066701000.html 日本政府はビッグデータ活用推進ための法整備に着手。個人情報保護法改正に向けた検討を開始。地域経済分析システム（RESAS） https://resas.go.jp/ 9

10. ビッグデータ＋公共データによる研究展開 10 地方自治体との連携研究鹿児島市（H27年度）空き家発生・分布メカニズムの解明に関する調査研究（その１）（本日紹介）鹿児島市+朝倉市（H28年度～）空き家発生・分布メカニズムの解明に関する調査研究（その2）高知市（H29年度～）南海トラフ地震への防災政策立案支援（案）倉敷市（H29年度～）空き家分布調査支援に関する研究（案）将来の生活困難地域推定（案）実施中計画中コネクション有/構築中前橋市（H28年度～）中心市街地活性化のための政策立案支援空き家分布調査支援に関する研究水戸市横須賀市豊橋市

11. パソコン・携帯電話・インターネットの急速な普及に伴いデジタル地図の普及も進み、今や誰でもどこでもデジタル地図を閲覧出来るようになった。 1:民間企業が持つ膨大な種類・容量のビッグデータやMGD 2:自治体が持つ様々なオープンデータや公共データの統融合・活用に関する研究が注目されつつある。マイクロジオデータ活用時代の到来 11 高精細なデジタル地図の普及は、これまでよりもより正確でより詳細な空間データへの需要を生み出している。そのような空間データを活用した研究への注目も高まりつつある。

12. 本日のキーワードマイクロジオデータと公共データの統融合と活用１）日本で利用可能なマイクロジオデータ２）マイクロジオデータと公共データの統融合と活用 2.1 公共データを活用した空き家分布推定 2.2 ミクロな将来推計人口データを用いた将来の空き家分布推定３）新しい民間ビッグデータの活用 3.1 企業間取引ビッグデータを活用した研究４）結論と今後の展望 12

14. 集計単位個店・個人都道府県・市区町村地域メッシュ既存の統計・データ MGD 新たに開発したMGD オープンデータ原則有料（研究目的を除く場合あり）時間的分解能数年～ 1年２ヶ月 5分 1時間 5年商業統計立地環境特性編国勢調査商業統計事業所・企業統計電話帳データ各種モバイル統計国勢調査（メッシュ）商業統計（メッシュ） Webデータ（不動産、飲食, twitter) 人の流れデータセット高い空間的・時間的分解能住宅地図マイクロジオデータの登場・任意の集計単位の設定が可能・広域に渡る比較的詳細な地域分析・把握が可能・データ保有者は利活用方法を模索している。商業集積統計マイクロ人口統計擬似人流データ原則非公開（研究目的を除く場合あり）各種公共データ 1.日本で利用可能なマイクロジオデータ 14

15. 商業集積統計 Eric Fischer, “Eric Fischer’s photostream”, http://www.flickr.com/photos/walkingsf/ Continuation Change Emergence Demise LegendTime-series changes 2003-2008 テナント時系列データ企業間取引ビッグデータデジタル住宅地図デジタル電話帳ウェブの情報(SNSや検索エンジンの検索結果等) 建物・店舗・企業に関するマイクロジオデータ 1.日本で利用可能なマイクロジオデータ 15

16. 人の流れデータ（パーソントリップ）様々なモバイル統計（携帯電話）ジオタグ付きツイートに基づく疑似人流データマイクロ人口統計 Person flow project http://pflow.csis.u-tokyo.ac.jp/index-j.html ©Nightley Inc. ©Shibasaki & Sekimoto lab. Univ. of Tokyo ©Micro Geodata forum ©Person flow project ©Center for Spatial Information Science, The Univ. of Tokyo Akiyama, Y., Takada, T. and Shibasaki, R., 2013, "Development of Micropopulation Census through Disaggregation of National Population Census", CUPUM2013 conference papers, 110. 人の分布や動きに関するマイクロジオデータ 1.日本で利用可能なマイクロジオデータ 16

18. 近年の少子・高齢化の進行、人口減少社会の進展、また産業構造の変化により空き家が増加し続けている。特に管理者不在の戸建て空き家の増加は・放火による火災の発生や、不審者の侵入といった地域の治安の悪化・老朽化による自然災害時の倒壊危険性・景観の悪化など近隣住民、ひいては地域全体に深刻な影響をもたらす可能性がある。また空き家が増加は地域の活力低下や自治体の税収低下などにつながる可能性がある。空き家率の推移 http://www.stat.go.jp/data/jyutaku/2008/10_1.htm 街中での空き家倒壊の報道（日テレNews24） http://www.news24.jp/articles/2015/06/12/07277190.html 2.1 公共データを活用した空き家分布推定 18 研究背景

19. 空き家の適正な管理の必要性が高まっている。 →平成26年11月「空家等対策の推進に関する特別措置法（通称：空き家対策特別措置法）」が成立。平成27年5月より施行された。 →これを受け地方自治体には空き家の分布調査を実施し、その成果をデジタル化（GISで管理）することが努力義務と定められた。このように今後ますます空き家が増えていく情勢の中、将来にわたって空き家の適正な管理と利活用を進めていくためには・・・１）空き家が今どこに分布しているのか２）今後どこにどの程度空き家が増えていくのか（特に戸建て空き家）を把握することが求められている。 2.1 公共データを活用した空き家分布推定 19 研究背景

20. 空き家の適正な管理の必要性が高まっている。 →平成26年11月「空家等対策の推進に関する特別措置法（通称：空き家対策特別措置法）」が成立。平成27年5月より施行された。 →これを受け地方自治体には空き家の分布調査を実施し、その成果をデジタル化（GISで管理）することが努力義務と定められた。このように今後ますます空き家が増えていく情勢の中、将来にわたって空き家の適正な管理と利活用を進めていくためには・・・１）空き家が今どこに分布しているのか２）今後どこにどの程度空き家が増えていくのか（特に戸建て空き家）を把握することが求められている。 2.1 公共データを活用した空き家分布推定 20 研究背景

21. １）空き家が今どこに分布しているのか・アンケート調査や現地調査（林ほか, 2004; 小西ほか, 2008）、公共データに基づく空き家分布モデルの適用（吉岡ほか,2013）などにより空き家の分布を推定・把握しようとした研究が見られる。＞調査対象範囲は限定的（一つの自治体や団地程度）＞公共データ（水道閉栓状況・固定資産税など）の入手は困難。・地方自治体による空き家分布調査業務の例がある。例：京都市、奈良市→公共データ（水道、固定資産税など）を活用＞調査対象範囲は限定的（一つの自治体や団地程度）＞信頼性の検証が不十分（複数・広域のサンプル調査は実施せず。）・住宅土地統計調査では空き家戸数をサンプル的に調査している。様々な公共データ（＋民間データ）を使って空き家の分布状況を迅速かつ安価に把握・推定する手法が求められている（＋信頼性検証も）既存研究 2.1 公共データを活用した空き家分布推定 21

22. 22 国土交通省国土交通政策研究所において、鹿児島市ほかにおいて個人情報を秘匿した公共データを収集し空き家分布把握を試みている。この建物は空き家? 収集している公共データ 1) 住民基本台帳 2) 水道閉栓情報 3) 建物登記情報（建物構造・築年）これらの公共データや現地調査の結果を組み合わせて空き家を推定するモデルを構築した。 ※なお本調査研究は平成27年度～29年度の３ヶ年で成果を出すことを計画しており、本日の報告では平成27年度に行った先行調査研究の結果について紹介する。 2.1 公共データを活用した空き家分布推定上田章紘・秋山祐樹・大野佳哉，2017年，「空き家発生・分布メカニズムの解明に関する調査研究（その１）」，国土交通政策研究，136，1-46.< http://www.mlit.go.jp/pri/houkoku/gaiyou/kkk136.html >

23. 232.1 公共データを活用した空き家分布推定調査対象地域鹿児島県鹿児島市を対象とした。鹿児島市役所の要望も加味した結果、具体的な調査地域を左図の通り設定した。調査地域全体の建物棟数は40,142棟であり、現地調査地域の建物棟数は3,701 棟であった。現地調査の必要性データから空き家の分布を把握。 ↓ 空き家が有する特性を分析する必要有。 ↓ 一定数の実際に空き家である建物に関する情報が必要となるため。

24. 242.1 公共データを活用した空き家分布推定現地調査非空き家基準 ○ 電気メーターが稼働中である ○ 人の出入りを確認できる ○ 洗濯物が干されている ○ 花壇が手入れされている ○ 電気が点いている ○ 常用されている自動車がある等確定空き家基準 ○ 電気メーターが止まっている ○ 出入口に人の出入りの形跡が無い ○ 家具・家財が見受けられない ○ ポストが閉鎖されている ○ 販売・賃貸用の看板が掲示されている ○ 建物が居住不可能な程度に崩壊している現地調査地区内に存在する全ての建物について、１件ずつの戸別目視調査を行った。空き家か否かの判断基準を揃えるために２人１組・６名体制とし、2016年1月13日～15日に実施した。非空き家基準及び確定空き家基準

25. 252.1 公共データを活用した空き家分布推定現地調査非空き家基準 ○ 電気メーターが稼働中である ○ 人の出入りを確認できる ○ 洗濯物が干されている ○ 花壇が手入れされている ○ 電気が点いている ○ 常用されている自動車がある等確定空き家基準 ○ 電気メーターが止まっている ○ 出入口に人の出入りの形跡が無い ○ 家具・家財が見受けられない ○ ポストが閉鎖されている ○ 販売・賃貸用の看板が掲示されている ○ 建物が居住不可能な程度に崩壊している非空き家基準及び確定空き家基準対象建物数現地調査空き家数空き家率 [%] 用途地域エリア① 420 24 5.71 第一種低層住居専用地域エリア② 551 33 5.99 第一種住居地域エリア③ 631 39 6.18 第一種低層住居専用地域エリア④ 591 26 4.40 商業地域エリア⑤ 617 27 4.38 商業地域エリア⑥ 891 35 3.93 第二種中高層住居専用地域合計 3,701 184 4.97 －現地調査結果

26. 262.1 公共データを活用した空き家分布推定公共データ・民間データ・現地調査結果の統合鹿児島市の公共データ 1) 住民基本台帳 2) 水道閉栓情報 3) 建物登記情報民間データ 1) ゼンリン住宅地図（建物用途・面積等）現地調査結果 1) 現地調査による空家・非空き家情報全てジオコーディングして住宅地図上で建物ごとに統合公共データ住基：有水道閉栓：無登記情報1 :・・・登記情報2 :・・・登記情報3 :・・・民間データ建物用途：住宅現地調査現地調査：非空き家公共データ住基：無水道閉栓：有登記情報1 :・・・登記情報2 :・・・登記情報3 :・・・民間データ建物用途：住宅現地調査現地調査：空き家

27. 27 統合結果現地調査の結果（現地調査空き家率）に基づき、建物種別、住基台帳情報の有無、水道閉栓情報の有無の条件ごとに見込み空き家数を推定し、調査地域全体に拡張する。有 88 1 1.14 80 1 無 331 3 0.91 400 4 有 15 0 0.00 20 0 無 133 7 5.26 150 8 有 170 12 7.06 200 15 無 1,381 24 1.74 1,500 27 有 45 21 46.67 40 17 無 453 36 7.95 500 40 有 9 1 11.11 10 2 無 284 2 0.70 300 3 有 27 1 3.70 40 2 無 187 0 0.00 200 0 有 9 0 0.00 10 0 無 56 0 0.00 50 0 有 8 2 25.00 10 3 無 67 15 22.39 70 16 水道閉栓・停止情報対象建物数 [棟] 現地調査空き家数 [棟] 現地調査空き家率 [%] 建物総数 [棟] 見込空き家数[棟] 属性種別コード 1363 《ビル・アパート等》 1364 《戸建住宅（表札有）》 1365 《事業用建物》 2090 《住所・地番を確認できた建物》住民基本台帳の情報有無有無有無有無現地調査地区における調査結果空き家分布把握の対象地区における見込 2.1 公共データを活用した空き家分布推定

28. 28 空き家と判定する建物の選択続いて以下の条件と空き家率をクロスして評点表を作成し、得点の高い建物から順に空き家判定を与える。・世帯人数[人] ・最年少居住者[歳] ・最長期間居住者[年] ・最短期間居住者[年] ・建物築年[年代] ・建物面積[㎡] 最も空き家率が高くなる区分を10点、空き家率が0%の区分を0点とし、それ以外の区分は現地調査空き家率の値の比率に応じて評点を設定した。世帯人数と空き家分布の関係建物築年と空き家分布の関係 2.1 公共データを活用した空き家分布推定

29. 地域メッシュ集計（1km四方）[棟] 鹿児島市中心部における推定空き家棟数・空き家率 29 地域メッシュ集計（1km四方）[%] 2.1 公共データを活用した空き家分布推定

30. 町丁目集計[棟] 鹿児島市中心部における推定空き家棟数 30 町丁目集計[%] 2.1 公共データを活用した空き家分布推定

31. 町丁目集計[棟] 鹿児島市中心部における推定空き家棟数 31 町丁目集計[%] 公共データの収集・活用は困難 (個人情報保護的な観点から) 公共データは信頼性の高いピンポイントデータ →都市の運営・管理上、極めて利用価値が高いと言える。「目的」と「有用性」を正しく説明出来れば（そして自治体にとってもメリットがあれば）地方自治体の公共データを利活用できる可能性は十分にある。 2.1 公共データを活用した空き家分布推定

32. 322.1 公共データを活用した空き家分布推定これまでに得られた結果と課題複数の公共データを組み合わせることで、空き家の分布状況をある程度推定出来ることが明らかになった。公共データの情報量はまだ不十分であり、今後更なる拡充を図る必要がある。＞例えば水道閉栓・停止情報のうち、建物に紐付いたものは約5割。＞平成28年度以降は水道使用量データ等も活用している。今回は先行調査として鹿児島県鹿児島市の中心部を選定して分析を行ったが、本研究の手法を全国展開していくためには、他の市町村における分析を行うことも必要である。＞昨年度からは他の市においても空き家分布推定を試みている。注本調査研究は、空き家分布の把握に要する市町村の負担を軽減するためのものである。特定の範囲で現地調査を行い、そこから得られた情報を広域に拡張して適用することによって、空き家分布を簡易に把握するという手法であって、現に存在する個々の空き家を具体的に特定するための手法ではない。そのため、この手法による空き家分布の精度には誤差が存在し、今後、改善を図っていく必要があること、現時点の手法は開発途上のものであり完成されたものではないことにご留意願いたい。

34. 空き家の適正な管理の必要性が高まっている。 →平成26年11月「空家等対策の推進に関する特別措置法（通称：空き家対策特別措置法）」が成立。平成27年5月より施行された。 →これを受け地方自治体には空き家の分布調査を実施し、その成果をデジタル化（GISで管理）することが努力義務と定められた。このように今後ますます空き家が増えていく情勢の中、将来にわたって空き家の適正な管理と利活用を進めていくためには・・・１）空き家が今どこに分布しているのか２）今後どこにどの程度空き家が増えていくのか（特に戸建て空き家）を把握することが求められている。 2.2ミクロな将来推計人口データを用いた将来の空き家分布推定 34 研究背景

35. ２）今後どこにどの程度空き家が増えていくのか・アンケート調査に基づくモデル構築（中西ほか, 2004）、将来人口に基づくモデル構築（戸川ほか, 2006）などの研究が見られる。＞調査対象範囲は限定的（一つの自治体や団地程度）＞結果の信頼性検証が不十分、あるいはなされていない。全国を対象に収集可能なデータを使って将来の空き家の増加状況を推定する手法が求められている 2.2ミクロな将来推計人口データを用いた将来の空き家分布推定 35

36. 目的国や全国の自治体による空き家調査と空き家対策の支援のために・・・ ●全国をカバーするデータ・統計を用いて、今後戸建ての空き家が増加する地域を推定する手法を開発する。 ●戸建て空き家が増加する地域推定のためのデータを整備する。 ※本日紹介する内容は以下の論文等で発表した内容となります。 1) 秋山祐樹，2015 年，「ミクロな将来人口推計データを用いた将来の空き家分布推定」，日本地理学会発表要旨集，88, 49． 2) 秋山祐樹・柴崎亮介， 2015年，「マイクロ将来推計人口データを用いた将来の空き家分布推定」，CSIS DAYS 2015 研究アブストラクト集，41. 3) 秋山祐樹，2016年，「これからどこで空き家が増えるのか？～マイクロジオデータで探る今後の動向その２～」，GIS NEXT，第56号， 62-63, 2016.07.26 2.2ミクロな将来推計人口データを用いた将来の空き家分布推定 36

37. 一般財団法人日本再建イニシアティブ，2015年，「人口蒸発『5000万人国家』日本の衝撃」，新潮社ワーキンググループメンバーとして参加。「人口問題は日本史上最大の危機」であることを主軸に、財界、官界、アカデミアの有識者による、人口問題をソフトランディングさせ、 100年後も活力ある日本を維持するためにいま何をすべきかを提言した意欲的な内容。本書の中で実施された施設配置シミュレーション内で開発した将来人口推計マイクロジオデータを活用した研究の一つ。本研究のもう一つのきっかけ 2.2ミクロな将来推計人口データを用いた将来の空き家分布推定 37

38. 推定空き家率データの作成住宅地図（ゼンリン; 2010年）国勢調査（総務省統計局; 2010年）マイクロ人口統計（2010年）将来人口メッシュデータ（HIT *1）人口動態調査（厚生労働省; 2010年）将来推定居住者数データ（共同住宅）将来推定居住者数データ（戸建て住宅）推定将来空き家増加率データ（戸建て住宅） ※1一般社団法人北海道総合研究調査会 382.2ミクロな将来推計人口データを用いた将来の空き家分布推定

39. マイクロ人口統計とは世帯データの推定（家族類型・構成人数）住宅地図国勢調査集計結果比較住宅地図から住宅該当建物を抽出世帯データ（ポイントデータ）推定世帯分布データ完成（世帯数分のポイントデータ）世帯人員の推定（年齢・性別）推定世帯分布データ（居住者情報付きの世帯数分のポイントデータ）居住者ごとのポイント生成マイクロ人口統計完成（居住者分のポイントデータ） Akiyama, Y., Takada, T. and Shibasaki, R., 2013, "Development of Micropopulation Census through Disaggregation of National Population Census", CUPUM2013 conference papers, 110. 任意の集計単位で集計可能な人口統計（ポイントデータ） 392.2ミクロな将来推計人口データを用いた将来の空き家分布推定

40. マイクロ人口統計 (2010年千葉県柏市全域) 人口[人] 人口分布（500mメッシュ集計） 40

41. マイクロ人口統計 (2010年千葉県柏市全域) 人口[人] 人口分布（500mメッシュ集計） 41

42. マイクロ人口統計 (2010年千葉県柏市全域) 65歳以上高齢者率（高齢化率）[％] 高齢化率（500mメッシュ集計） 42

43. マイクロ人口統計 (2010年千葉県柏市全域) 65歳以上高齢者数[人] 高齢者数（500mメッシュ集計） 43

45. マイクロ人口統計 (2010年千葉県柏市全域) 65歳以上高齢者数[人] 高齢者数最大のメッシュメッシュコード：5339673644 （柏市明原４丁目、豊四季台2丁目）人口：4,396人（10位 / 1416メッシュ中）高齢者数：1,426人（1位 / 1416メッシュ中）高齢化率：32.44%（201位 / 1416メッシュ中）高齢者数（250mメッシュ集計） 45

47. マイクロ人口統計 (2010年千葉県柏市全域) 高齢者数（250mメッシュ集計+非集計） 65歳以上高齢者数[人] (メッシュ) 居住者数[人] （非集計） 47

48. マイクロ人口統計 (2010年千葉県柏市全域) 48 高齢者数（250mメッシュ集計+非集計） 65歳以上高齢者数[人] (メッシュ) 高齢者数[人] （非集計）

49. マイクロ人口統計 (2010年千葉県柏市全域) 49 高齢者数（250mメッシュ集計+非集計） 65歳以上高齢者数[人] (メッシュ) 高齢者数[人] （非集計）

50. マイクロ人口統計 (2010年千葉県柏市全域) 50 高齢者数（250mメッシュ集計+非集計） 65歳以上高齢者数[人] (メッシュ) 単身高齢者世帯

51. マイクロ人口統計 (2010年千葉県柏市全域) 51 高齢者数（250mメッシュ集計+非集計） 65歳以上高齢者数[人] (メッシュ) 単身高齢者世帯

52. マイクロ人口統計 (2010年千葉県柏市全域) 52 高齢者数（250mメッシュ集計+非集計） 65歳以上高齢者数[人] (メッシュ) 単身高齢者世帯マイクロ人口統計の重要なポイントマイクロ人口統計は「推定データ」各ポイントの情報は必ずしも現実とは一致しない。（とは言え「近からずも遠からず」が目標。）マイクロ人口統計の目的 =集計単位が自由な人口統計を実現する事。

53. 凡例高齢化率 (65歳以上割合)[%] 0 - 10 20 - 30 30 - 50 50 - 10 - 20 ©OpenStreetMap contributors / CC BY-SA マイクロ人口統計 (2010年 500mメッシュ東京23区周辺) 53

54. 都道府県スケール 54 ©OpenStreetMap contributors / CC BY-SA マイクロ人口統計 (2010年 500mメッシュ東京都周辺) 54

55. 地方スケール 55 ©OpenStreetMap contributors / CC BY-SA マイクロ人口統計 (2010年 500mメッシュ関東地方) 55

56. 国土スケール 56 ©OpenStreetMap contributors / CC BY-SA マイクロ人口統計 (2010年 500mメッシュ近畿・中部・関東) 56 全国約5,000万世帯の情報を格納したジオビッグデータ

57. マイクロ人口統計の信頼性検証マイクロ人口統計の信頼性の検証を実施するために以下の統計データとの突合・比較を行った。国勢調査：調査票情報・統計法第33条第２号による申出により総務省統計局より取得。・調査票単位（＝居住者単位）の統計表。・居住者ごとの年代、性別、家族類型が格納されている。・居住者が居住する町丁字IDも格納されている。 →町丁字ごとに年代、性別、家族類型ごとの総数比較やそれらの属性をクロスした集計結果との比較が出来る。・対象地域は以下の地域とした。・東京都心：東京都中央区、墨田区、世田谷区・東京近郊：千葉県柏市、浦安市・地方中核都市：茨城県水戸市、岡山県倉敷市・地方都市近郊：岡山県総社市・地方の小都市：岡山県新見市 57 謝辞：本研究は2016年度中部大学国際GISセンター共同研究特定課題研究（1-4：ビッグデータ解析）の助成を受けています。

58. 信頼性の検証方法のイメージマイクロ人口統計（2010年）非集計データ（ポイント）真値 (2010年) 国勢調査調査票（2010年）推定値（2010年）項目別統計表（テキスト）町丁字単位（ポリゴン）国勢調査調査区（2010年）町丁字単位集計（ポリゴン）マイクロ人口統計（2010年）町丁字単位集計（ポリゴン）国勢調査（2010年）比較・総人口、性別人口・年齢別人口・家族類型別人口・クロス集計 58

59. 町丁字ごとの総人口、男女別人口の比較（千葉県柏市の例） 0 5000 10000 15000 20000 25000 0 5000 10000 15000 20000 25000 マイクロ人口統計人口 [ 人 ] 国勢調査人口[人] n：125 R：0.999984 R2 ：0.999969 RMSE：19.35397 総人口 0 2000 4000 6000 8000 10000 12000 0 2000 4000 6000 8000 10000 12000 マイクロ人口統計人口 [ 人 ] 国勢調査人口[人] 0 2000 4000 6000 8000 10000 12000 0 2000 4000 6000 8000 10000 12000 マイクロ人口統計人口 [ 人 ] 国勢調査人口[人] 男性人口女性人口 n：125 R：0.999932 R2：0.999864 RMSE：20.0511 n：125 R：0.999920 R2：0.999841 RMSE：21.3467 総人口、男性人口、女性人口の決定係数が全てほぼ1であり、また平均二乗誤差（RMSE）も十分に小さいことが確認できた。マイクロ人口統計の信頼性検証 59

60. 対象9市区の町丁字ごとの総人口、男女別人口の比較総人口男性人口女性人口 8201 茨城県水戸市 143 0.999955 0.999902 0.999841 12217 千葉県柏市 125 0.999969 0.999864 0.999841 12227 千葉県浦安市 17 0.991425 0.992240 0.990472 13102 東京都中央区 35 0.999981 0.999928 0.999931 13107 東京都墨田区 26 0.999991 0.999941 0.999950 13112 東京都世田谷区 59 0.999978 0.999750 0.999837 33202 岡山県倉敷市 212 0.999828 0.999224 0.999119 33208 岡山県総社市 62 0.999711 0.999684 0.999476 33210 岡山県新見市 13 0.999986 0.999781 0.999882 市区町村コード市区町村名自由度調整済み決定係数（R2) 町字数自由度調整済み決定係数（R2）総人口男性人口女性人口総人口男性人口女性人口茨城県水戸市 143 1812.66 882.68 929.99 21.81 14.50 21.37 千葉県柏市 125 3167.00 1578.42 1588.58 19.35 20.05 21.35 千葉県浦安市 17 9635.00 4805.82 4829.18 445.58 217.41 229.97 東京都中央区 35 3485.26 1678.91 1806.34 26.11 21.38 19.17 東京都墨田区 26 9409.77 4690.23 4719.54 20.88 21.33 30.36 東京都世田谷区 59 14619.54 6997.07 7622.47 32.30 52.49 51.33 岡山県倉敷市 212 2165.13 1050.66 1114.48 30.97 32.55 36.34 岡山県総社市 62 1050.29 509.03 541.26 26.83 12.82 16.55 岡山県新見市 13 1192.31 559.69 632.62 5.32 8.86 7.00 町字数市区町村名平均二乗誤差（RMSE）町字人口平均平均二乗誤差（RMSE）マイクロ人口統計の信頼性検証 60

61. 総人口男性人口女性人口 8201 茨城県水戸市 199 0.970622 0.970745 0.969547 12217 千葉県柏市 96 0.893870 0.892091 0.895078 12227 千葉県浦安市 17 0.768804 0.761360 0.777612 13102 東京都中央区 10 0.670926 0.647491 0.692199 13107 東京都墨田区 12 0.760158 0.761551 0.758063 13112 東京都世田谷区 54 0.722785 0.710128 0.734182 33202 岡山県倉敷市 300 0.951237 0.948695 0.950140 33208 岡山県総社市 143 0.941831 0.936922 0.944297 33210 岡山県新見市 26 0.911143 0.902609 0.909022 市区町村コード市区町村名 1km メッシュ数自由度調整済み決定係数（R2) 自由度調整済み決定係数（R2）平均二乗誤差（RMSE）総人口男性人口女性人口総人口男性人口女性人口茨城県水戸市 199 1297.10 631.87 665.23 55.99 26.85 29.30 千葉県柏市 96 3349.84 1663.20 1686.65 223.68 111.27 112.55 千葉県浦安市 17 8302.65 4122.53 4180.12 495.54 254.85 240.90 東京都中央区 10 9652.00 4671.80 4980.20 795.57 385.84 409.93 東京都墨田区 12 13611.67 6790.00 6821.67 848.86 420.27 428.90 東京都世田谷区 54 13084.81 6267.19 6817.63 607.84 289.52 318.62 岡山県倉敷市 300 1492.93 722.89 770.04 69.54 33.47 36.48 岡山県総社市 143 460.15 222.02 238.13 31.92 15.65 16.44 岡山県新見市 26 537.88 251.92 285.96 32.08 15.76 16.74 1kmメッシュ人口平均平均二乗誤差（RMSE）市区町村名 1km メッシュ数対象9市区の1kmメッシュごとの総人口、男女別人口の比較マイクロ人口統計の信頼性検証 61

62. 対象9市区における年代別のR2分布サンプル数が非常に小さくなる90歳以上を除くと、決定係数は何れの地域でもR2=0.70以上と大きい値となった。マイクロ人口統計の信頼性検証 62

63. 推定空き家率データの作成住宅地図（ゼンリン; 2010年）国勢調査（総務省統計局; 2010年）マイクロ人口統計（2010年）将来人口メッシュデータ（HIT *1）人口動態調査（厚生労働省; 2010年）将来推定居住者数データ（共同住宅）将来推定居住者数データ（戸建て住宅）推定将来空き家増加率データ（戸建て住宅） ※1一般社団法人北海道総合研究調査会 632.2ミクロな将来推計人口データを用いた将来の空き家分布推定

64. 将来人口データをマイクロ人口統計に配分 115 118 225 105 35 65 25 10 15 将来人口メッシュデータ（3次メッシュ単位） >5年毎で2010～2040年までの人口を格納 2010年 110 120 231 99 31 60 22 9 14 2015年 95 90 195 75 24 54 18 6 9 2040年人口動態調査（厚生労働省; 2010年）・2010年の年齢別死亡率推定世帯人員[人] 共同住宅メッシュごとに将来人口を按分する（世帯主年齢は5歳ずつ増加させる） ※世帯主年齢をコントロールファクターとするマイクロ人口統計（2010年）（3次メッシュ単位に分割）推定将来空き家率データの作成 64

65. 2010年の人口をマイクロ人口統計に配分マイクロ人口統計（2010年） 115 118 225 105 35 65 25 10 15 将来人口メッシュデータ（2010年） 1 1 2 6 4 6 1 3324 3 1 2 5 10 15 15 15 推定世帯人員[人] 共同住宅マイクロ人口統計のメッシュ内人口の合計値＝99人 = 0.0303 世帯Aのマイクロ人口統計に占める人口構成比世帯A 3.18 同様の計算を全てのメッシュの全ての世帯に対して実施世帯Aに配分される人口(2010年) 105 × 0.0303 ≒ 3.18 →世帯Aの居住人数の確率を現す推定将来空き家率データの作成 65

66. 2010年の人口をマイクロ人口統計に配分マイクロ人口統計（2010年） 115 118 225 105 35 65 25 10 15 将来人口メッシュデータ（2010年） 1.06 2.12 5.30 10.60 15.90 推定世帯人員[人] 共同住宅マイクロ人口統計のメッシュ内人口の合計値＝99人 = 0.0303 世帯Aのマイクロ人口統計に占める人口構成比同様の計算を全てのメッシュの全ての世帯に対して実施世帯A 3 1.06 1.06 2.12 2.123.18 3.18 1.06 4.24 4.24 6.36 6.36 15.90 15.90 世帯Aに配分される人口(2010年) 105 × 0.0303 ≒ 3.18 →世帯Aの居住人数の確率を現す 3.18 推定将来空き家率データの作成 66

67. 将来人口データをマイクロ人口統計に配分マイクロ人口統計（2010年）（3次メッシュ単位に分割） 115 118 225 105 35 65 25 10 15 将来人口メッシュデータ（3次メッシュ単位） >5年毎で2010～2040年までの人口を格納 2010年 110 120 231 99 31 60 22 9 14 2015年 95 90 195 75 24 54 18 6 9 2040年推定世帯人員[人] 2015年の人口を推定する共同住宅人口動態調査（厚生労働省; 2010年）・2010年の年齢別死亡率推定将来空き家率データの作成 67

68. 2015年の将来人口を推定マイクロ人口統計将来人口メッシュデータ（2010年） 1.06 2.12 5.30 10.60 15.90 推定世帯人員[人] 共同住宅 3.18 1.06 1.06 2.12 2.123.18 3.18 1.06 4.24 4.24 6.36 6.36 15.90 15.90 115 118 225 105 35 65 25 10 15 2010年 110 120 231 99 31 60 22 9 14 2015年 2010～2015年の増減人口 99 – 105 = -6 戸建て住宅と共同住宅の 2010年総人口戸建て住宅(ΣD) ≒ 46.64 共同住宅(ΣC) ≒ 58.36 2010～2015年の戸建て住宅と共同住宅の増減人口戸建て住宅(ΣD) ≒ (ΣD/ΣD+ΣC) ×(-6) ≒ -2.6651 共同住宅(ΣC) ≒ (ΣC/ΣD+ΣC) ×(-6) ≒ -3.3349 推定将来空き家率データの作成 68

69. マイクロ人口統計 1.06 2.12 5.30 10.60 15.90 推定世帯人員[人] 共同住宅 3.18 1.06 1.06 2.12 2.123.18 3.18 1.06 4.24 4.24 6.36 6.36 15.90 15.90 2010～2015年の戸建て住宅と共同住宅の増減人口戸建て住宅(ΣD) ≒ (ΣD/ΣD+ΣC) ×(-6) ≒ -2.6651 共同住宅(ΣC) ≒ (ΣC/ΣD+ΣC) ×(-6) ≒ -3.3349 共住A 共同住宅の場合前の年（2010年）の居住者数の割合で増減人口を按分する。戸建て住宅と共同住宅の 2010年総人口戸建て住宅(ΣD) ≒ 46.64 共同住宅(ΣC) ≒ 58.36 共同住宅Aの場合 10.60 + ΣC=58.36 10.60 × (-3.3349) ≒ 9.9943 2015年の将来人口を推定推定将来空き家率データの作成 69

70. マイクロ人口統計 1.06 2.12 5.30 10.60 15.90 推定世帯人員[人] 共同住宅 3.18 1.06 1.06 2.12 2.123.18 3.18 1.06 4.24 4.24 6.36 6.36 15.90 15.90 2010～2015年の戸建て住宅と共同住宅の増減人口戸建て住宅(ΣD) ≒ (ΣD/ΣD+ΣC) ×(-6) ≒ -2.6651 共同住宅(ΣC) ≒ (ΣC/ΣD+ΣC) ×(-6) ≒ -3.3349 世帯A 世帯主年齢:60-64歳戸建て住宅の場合世帯主年代により決定される死亡率に応じて増減率を按分する。（減少の場合、死亡率が高い世帯ほど減少する割合が大きく、増加の場合はその逆となる。）人口動態調査（厚生労働省; 2010年）・2010年の年齢別死亡率 0～4歳：0.064% 5～9歳：0.010% ・・・ 95～99歳：27.845% 100歳～：43.665% 世帯Aの場合 3.18 + Σd=6.51 0.66 × (-2.6651) ≒ 2.9098 60-64歳の死亡率メッシュ内全ての戸建て住宅の世帯主の死亡率合計 2015年の将来人口を推定推定将来空き家率データの作成 70

71. 将来人口データをマイクロ人口統計に配分 115 118 225 105 35 65 25 10 15 将来人口メッシュデータ（3次メッシュ単位） >5年毎で2010～2040年までの人口を格納 2010年 110 120 231 99 31 60 22 9 14 2015年 95 90 195 75 24 54 18 6 9 2040年人口動態調査（厚生労働省; 2010年）・2010年の年齢別死亡率推定世帯人員[人] 共同住宅以降同様の計算を2040年まで繰り返すことで戸建て住宅と共同住宅の将来人口を推定する（世帯主年齢は5歳ずつ増加させる）マイクロ人口統計（2010年）（3次メッシュ単位に分割）推定将来空き家率データの作成 71

72. 推定将来空き家率データの作成住宅地図（ゼンリン; 2010年）国勢調査（総務省統計局; 2010年）マイクロ人口統計（2010年）将来人口メッシュデータ（HIT *1）人口動態調査（厚生労働省; 2010年）将来推定居住者数データ（共同住宅）将来推定居住者数データ（戸建て住宅）推定将来空き家増加率データ（戸建て住宅） ※1一般社団法人北海道総合研究調査会 722.2ミクロな将来推計人口データを用いた将来の空き家分布推定

73. マイクロ人口統計（20XX年） 0.32 1.19 3.38 推定世帯人員[人] 共同住宅 2.22 0.56 0.85 0.98 0.822.18 2.01 0.26 2.14 1.96 4.25 3.31 推定将来空き家増加率データの整備 20XX年には居住人数の確率が1.0未満の戸建て住宅が出現するようになる。居住者数の確率が1.0未満の戸建て住宅については以下の式で空き家率を与える。空き家率 = 1.0 – 居住者数の確率（空き家率<0の場合は0） 2010年に存在する戸建て住宅が取り壊されず20XX年を迎えた時に空き家になっている確率の推定値推定将来空き家率データの作成 73

74. マイクロ人口統計（20XX年） 0.68 0.00 0.00 共同住宅 0.00 0.44 0.15 0.02 0.180.00 0.00 0.74 0.00 0.00 0.00 0.00 推定将来空き家増加率データの整備推定空き家率[%] 0 0~25 25~50 50~75 75~100 20XX年には居住人数の確率が1.0未満の戸建て住宅が出現するようになる。居住者数の確率が1.0未満の戸建て住宅については以下の式で空き家率を与える。空き家率 = 1.0 – 居住者数の確率（空き家率<0の場合は0）上地域の20XX年の2010年比推定空き家増加率 = 15 2.21 =0.1473 ある地域（市区町村・町丁目など）全体の戸建て住宅の2010年比の空き家増加率は以下の式で与えられる。＝地域内戸建住宅の空き家率地域内の戸建住宅の戸数地域内戸建住宅の 2010年比空き家増加率推定将来空き家率データの作成 74

75. 2010年の居住者数（社人研の2010年人口を配分） 75 推定将来空き家増加率データ（徳島県鳴門市の例）推定将来空き家率データの作成

76. 推定空き家率（2010年） 76 推定将来空き家増加率データ（徳島県鳴門市の例）推定将来空き家率データの作成

77. 2010年比推定空き家率（2015年） 77 推定将来空き家増加率データ（徳島県鳴門市の例）推定将来空き家率データの作成

80. 2010年比推定空き家率（2040年）推定将来空き家増加率データ（徳島県鳴門市の例）推定将来空き家率データの作成 80

81. 推定将来空き家増減率マップ（徳島県鳴門市の例：町丁目集計） 2010年比推定空き家率（2015年）（戸建住宅数/空き家数/空き家率）推定将来空き家率データの作成 81

82. 2010年比推定空き家率（2040年）（戸建住宅数/空き家数/空き家率）推定将来空き家増減率マップ（徳島県鳴門市の例：町丁目集計）推定将来空き家率データの作成 82

83. 2010年比推定空き家率（2040年）（戸建住宅数/空き家数/空き家率） 2040年までに最も空き家が増える可能性がある地区瀬戸町堂浦字北泊 →44.93件増加 2040年までに最も空き家率が高まる可能性がある地区(10世帯以上の地区のうち) 北灘町碁浦 →39.42%の住宅が空き家化する可能性有り推定将来空き家増減率マップ（徳島県鳴門市の例：町丁目集計）推定将来空き家率データの作成 83

84. 2020年 2030年 2040年 2010年以降新規に空き家となった戸建住宅の割合の推定値空き家となった戸建住宅の割合（2010年比）特に中部地方，近畿地方南部，中国四国地方，九州地方など，西日本の山間部を中心に特に空き家が急速に増加していく可能性があることが分かった． 84推定将来空き家率データでみる将来の空き家増加

85. 2020年 2030年 2040年 85 2040年までに最も空き家が増加すると推定される地域大阪市西成区天下茶屋北付近 --------------------------------------------------- mesh: 513574701 戸建住宅数(2010年):1146 2040年までに空き家になる戸建住宅の推定戸数：592.2 空き家遷移率：51.67% 空き家となった戸建住宅の割合（2010年比）推定将来空き家率データでみる将来の空き家増加

86. 2020年 2030年 2040年 86 2040年までに全て空き家になるうち世帯数最大のメッシュ北海道夕張市日吉9付近 --------------------------------------------------- mesh: 644147283 戸建住宅数(2010年):8 2040年までに空き家になる戸建住宅の推定戸数：8 空き家遷移率：100.00% 空き家となった戸建住宅の割合（2010年比）推定将来空き家率データでみる将来の空き家増加

87. 2020年 2030年 2040年推定将来空き家率データでみる将来の空き家増加 87 2040年までに新規空き家が0件のうち世帯数最大のメッシュ東京都練馬区三原台付近 --------------------------------------------------- mesh: 533954081 戸建住宅数(2010年):1023 2040年までに空き家になる戸建住宅の推定戸数：0 空き家遷移率：0.00% 空き家となった戸建住宅の割合（2010年比）

88. 0 500000 1000000 1500000 2000000 2500000 3000000 3500000 4000000 4500000 その他空き家数その他空き家数の推移と将来推計（青：確報値、緑：2008年と2013年の確報値から推計、赤：本研究で推計、グラフ内数字の単位は万） 125 131 149 182 212 288 300 318 342 384 402 408 413 417 推定将来空き家率データでみる将来の空き家増加 88

89. 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0 20000 40000 60000 80000 100000 120000 140000 ２０４０年空き家遷移率（２０１０年比）戸建て世帯数北海道東北関東中部近畿中四国九州沖縄市区町村ごとの戸建て世帯数と2040年新規空き家遷移率（2010年比）の関係・戸建て世帯数が多いほど新たに空き家となる確率も低くなる傾向にある。・沖縄地方は空き家遷移率が小 →少子高齢化が他の地域よりも緩やかなことが要因？東京都杉並区大阪府西成区北海道歌志内市（左）・夕張市（右）推定将来空き家率データでみる将来の空き家増加 89

90. これまでに得られた結果全国をカバーするデータ・統計を用いることで、今後戸建ての空き家が増加すると見られる地域を、ある程度推定する手法を提案した。同手法を全国のデータに適用し、全国の将来推定空き家増減率マップを整備する環境が実現した。今後の展望住宅土地統計調査よりも精緻な検証データを収集し、信頼性の検証を実施する。＞地方自治体へコンタクト？空き家化するメカニズム（空き家化に繋がる要因）を明らかにしデータ作成手法を改善する（世帯構造に基づいた出生率、周辺施設との位置関係、建物の構造や築年、用途地域などを考慮）。＞国交省との研究成果を活用することを検討。同成果の活用が期待される国・地方自治体などへのヒアリング（国交省国土情報課・住宅局、内閣府まち・ひと・しごと創生本部など）推定将来空き家率データについて：今後の展望 90

92. 人口減少の克服と地方創生は、我が国の将来に関する大きな課題。政府は、「まち・ひと・しごと創生本部」を設置し、平成26年末に「長期ビジョン」と「総合戦略」を取りまとめた。さらに今後は各地方公共団体において「地方人口ビジョン」と「地方版総合戦略」が策定されていくことになっている。まち・ひと・しごと創生「長期ビジョン」「総合戦略」, pp.1. まち・ひと・しごと創生「長期ビジョン」「総合戦略」, pp.2. ・その際には地域特性に応じた処方箋が必要であると指摘。・これを実現するために地域経済分析システム（RESAS）（ビッグデータ）等を活用し、地域特性を把握した効果的な政策立案を実施することを期待されている。 3.1 企業間取引ビッグデータを活用した研究 92 「地域」て何？

93. 3.1 企業間取引ビッグデータを活用した研究地域をどのように決定するか？第６回 HPCI戦略プログラム分野3 地震津波シミュレーションワークショップパネルディスカッション資料より従来の自治体の枠に囚われない実態に即した「地域」を決めるために以下の情報に注目することを考えている。 ①企業の空間的な集積（企業クラスタ） →企業間取引ビッグデータから整備出来る。 ②人々の日々の行動の圏域（生活行動圏） →日々の人の動きに関するデータが必要。 ①と②の統合＝「地域」

94. 3.1 企業間取引ビッグデータを活用した研究 94 企業間取引データ（2008～2013年）企業間の取引情報を格納したデータベース。累計約2,200万取引（約 590万企業間ネットワーク）を格納。以下の情報を含む。・発注企業ID ・受注企業ID ・取引品目・取引発生時期・推定取引額企業データ（2008～2013年）企業間取引に関わった累計約160万社の企業情報を格納したデータベース。以下の情報を含む。・企業ID ・売上高・住所・資本金・従業者数・業種・主業・代表者年齢・営業所数・後継者有無など取引品目：牛乳取引発生時期：201401 推定取引額：1.1億円企業ID：1 売上高：5億円住所：北海道根室市・・・業種：製造業（乳製品製造）などの情報受注企業ID：1 発注企業ID：2 企業信用調査に伴う調査員約 1,700人による企業1件1件に対する聞き取り調査により整備されている、日本最大規模の企業信用調査データ（（株）帝国データバンク）企業ID：2 売上高：200億円住所：福岡県福岡市・・・業種：卸売業（各種商品卸）などの情報

95. 企業間取引ビッグデータの規模 95 取引に参加した企業数取引件数 2007年 12,872 17,825 2008年 448,108 2,471,689 2009年 553,705 3,367,724 2010年 612,148 3,841,549 2011年 653,674 4,174,799 2012年 685,399 4,453,946 2013年 710,760 4,672,870 2007～2013年 1,654,179 5,900,052 年別取引に参加した企業と取引件数（TDB調査分） 2014年経済センサスによる経営組織別事業所数（総務省統計局）常用雇用者規模別会社企業数 TDBデータと経済センサス比較経営組織件数割合[%] 個人経営 2,089,716 50.99 会社企業 1,750,071 42.70 会社以外の法人 258,497 6.31 合計 4,098,284 常用雇用者数企業数割合[%] 企業数割合[%] 0～4人 992,706 56.72 957,457 57.88 5～9人 302,876 17.31 292,061 17.66 10～19人 210,173 12.01 186,121 11.25 20～29人 80,987 4.63 70,351 4.25 30～49人 67,498 3.86 59,052 3.57 50～99人 49,987 2.86 45,268 2.74 100～299人 32,169 1.84 31,438 1.90 300～999人 10,133 0.58 9,716 0.59 1000～1999人 1,927 0.11 1,588 0.10 2000～4999人 1,091 0.06 809 0.05 5000人以上 524 0.03 318 0.02 合計 1,750,071 1,654,179 掲載センサス（2014年） TDBデータ

96. 受注・発注取引総額（事業所単位 1kmメッシュ集計：2013年）受発注取引総額[億円] 取引総数：4,920,379件推定取引総額：461兆7618億3753万円取引額平均値：9,385万円取引額中央値：2,807万円 96

97. 市区町村間受発注総額上位1000位（2013年）受発注総額[億円] 受発注総額上位20位の市区町村間取引順位市区町村名１市区町村名２市区町村１から2への資金流動[億円] 市区町村2 から1への資金流動[億円] 資金流動総額[億円] 1 東京都中央区東京都千代田区 34006.66 29252.7 63259.36 2 東京都千代田区東京都港区 32652.29 29652.79 62305.09 3 東京都中央区東京都港区 28948.85 23849 52797.85 4 東京都千代田区大阪府大阪市中央区 10437.44 14152.81 24590.24 5 東京都中央区大阪府大阪市中央区 11061.4 11990.66 23052.06 6 大阪府大阪市中央区東京都港区 13125.88 8357 21482.88 7 東京都品川区東京都港区 8517.65 8425.79 16943.44 8 東京都新宿区東京都千代田区 7659.93 8247.95 15907.88 9 東京都港区東京都新宿区 8540.35 7181.23 15721.58 10 東京都渋谷区東京都港区 7317.62 8402.65 15720.26 11 東京都千代田区東京都品川区 7380.37 7701.79 15082.16 12 東京都千代田区東京都渋谷区 7443.29 6305.38 13748.66 13 東京都中央区東京都新宿区 6280.79 6714.13 12994.92 14 東京都江東区東京都千代田区 6928.81 5580.62 12509.43 15 東京都中央区東京都江東区 5907.76 6496.1 12403.86 16 東京都品川区東京都中央区 6199.66 6120.26 12319.92 17 大阪府大阪市西区東京都千代田区 7238.5 4885 12123.5 18 大阪府大阪市西区大阪府大阪市中央区 6624.25 5414.76 12039.01 19 東京都江東区東京都港区 6167.14 5408.51 11575.65 20 大阪府大阪市西区東京都港区 6648.21 4578.42 11226.63 97

98. 取引品目に「自動車」を含む取引上位100件（2013年）取引額上位5位（292.07億円以上）上位6～10位（161.92億円以上 292.07億円未満）上位11～50位（86.50億円以上 161.92億円未満）上位51～100位（57.33億円以上 86.50億円未満）取引額1位大阪市淀川区→東京都新宿区 543億4107万円取引額2位大阪市淀川区→東京都港区 505億7266万円取引額3位東京都中央区→東京都新宿区 313億8394万円取引総数：79,868件推定取引総額：10兆6468億3039万円取引額平均値：1億3331万円取引額中央値：2,978万円上位100件取引総額：1兆1015億0300万円（総額に占める割合：10.35%） 98

99. 取引品目に「黒糖」を含む取引上位100件（2013年）取引額上位5位（1.8383億円以上）上位6～10位（1.1619億円以上 1.8383億円未満）上位11～50位（0.4192億円以上 1.1619億円未満）上位51～100位（0.2291億円以上 0.4192億円未満）取引額1位沖縄県浦添市→東京都千代田区 6億5139万円取引額2位東京都千代田区→大阪市浪速区 4億2629万円取引額3位東京都中央区→東京都千代田区 3億6339万円取引総数：201件推定取引総額：77億7607万円取引額平均値：3,869万円取引額中央値：2,253万円上位100件取引総額：67億0386万円（総額に占める割合：86.21%） 99

100. 取引品目に「羊肉」を含む取引上位100件（2013年）取引額上位5位（1.587億円以上）上位6～10位（0.8122億円以上 1.1587億円未満）上位11～50位（0.0252億円以上 0.8122億円未満）上位51～100位（0.0204億円以上 0.0252億円未満）取引額1位札幌市北区→北海道旭川市 2億2065万円取引額2位北海道旭川市→茨城県筑西市 2億1287万円取引額3位北海道江別市→東京都千代田区 1億4167万円取引総数：51件推定取引総額：19億8840万円取引額平均値：3,899万円取引額中央値：1,356万円上位100件取引総額：19億8840万円（総額に占める割合：100.00%） 100

101. 複数の企業が地理的に集積している地域を1つの領域として表現。地域連携の際の単位として機能する。首相官邸まち・ひと・しごと創生本部平成26年10月10日資料企業間取引ビッグデータから企業クラスタを抽出し、各クラスタ内の取引の広がりからその地域特性を把握することで、地域ごとにその地域の産業構造に根ざした適切な地域活性化政策を検討できる可能性がある。例えば・・・・八王子→東京志向・高知→拠点都市（ローカル）・大野・勝山→福井・鯖江志向など。企業クラスタデータの整備 101

102. 企業の立地（経度・緯度）に基づいた非階層型クラスタリングを採用＝企業の地理的集積を検出する。＜主な非階層型クラスタリングの手法＞・k-means法 ●メリット：計算量が少ない ●デメリット：初期のクラスタ配置がランダムなので、クラスタ結果が初期状態に依存しやすい。クラスタ数を事前に決定する必要がある。・k-means++法 ●メリット：クラスタの適切な初期を値（なるべくクラスタ同士が離れるように）決めるため、クラスタが分散しやすい ●デメリット：クラスタ数を事前に決定する必要がある。・x-means法 ●メリット：最適なクラスタ数を自動的に決定できる。計算量が少ない。 ●デメリット：クラスタリングに使う次元が少ない場合、情報量の一様性が卓越しやすい＝クラスタ数が期待よりも小さくなりがち。企業クラスタデータの整備方法結果が安定・デメリットも少ない→採用 102

103. クラスタ数は400に設定した。 K-means++ clustering (400クラスタ) 160万企業分布を紫で図示 (ポイントデータ) 赤点：クラスタ中心クラスタごとに色分け（右上図）都市部にクラスタが集積 Akeyama, Y., Akiyama, Y. and Shibasaki, R., 2015, “A New Method of Estimating Locality of Industry Cluster Regions Using Large-scale Business Transaction Data”, Proceedings of CUPUM 2015, 347, 1-13 103企業クラスタデータの整備結果

104. 企業クラスタ評価方法１：特定産業への特価の程度地域産業構造転換係数（ICRIS）（権田, 1996）・ICRISにより地域の産業構造の特化具合を評価 →1に近づくほど特定の業種に特化 →0の場合はその地域の産業構造が全国平均と一致・産業状況変数は事業所数、従業員数、付加価値生産額などにより決定する。 →今回は従業員数で評価した。 →業種は企業間取引ビッグデータに格納された中分類（89業種）を使用。 104   n nr i ir A A A A ICRIS 2 1 Air:地域iの業種rの従業員数 Ai:地域iの全業種の従業員数 Anr:全国の業種rの従業員数 An:全国の全業種の従業員数特定産業への特価の程度を評価する

105. ICRISが高い企業クラスタ（離島除く）クラスタ業種含まれる地域 343 製造業輸送機械製造愛知県豊田市 371 製造業輸送機械製造愛知県刈谷市 79 製造業電気機械器具製造千葉県茂原市 50 製造業化学工業徳島県阿南市 111 製造業飲食料品・飼料製造宮崎県都農町 198 製造業電気機械器具製造長野県諏訪市 286 製造業パルプ・紙製造愛媛県四国中央市 355 製造業電気機械器具製造山形県鶴岡市 75 製造業輸送機械製造静岡県掛川市 289 製造業飲食料品・飼料製造岩手県二戸市 2013年のICRIS（製造業の場合）・豊田市周辺・離島で特に高い値を示した（＝特定の業種に特化している）地域産業構造転換係数（ICRIS）高低企業クラスタ評価方法１：特定の産業への特価の程度 105

106. 企業クラスタ評価方法2：ローカル度の評価 106 ローカル度の定義企業クラスタiのローカル度 Li を以下の式で定義する。 Li = Nii / ∑j n Nij Nij ：クラスタiからクラスターjへの取引の総数 Li：クラスタ内で取引が完結している割合（ローカル度）ローカル度高い＝ Liが大きいクラスタほど、地元志向が強い、あるいは地理的に孤立した地域。ローカル度高低

107. 札幌函館釧路帯広北海道自クラスター以外で取引数の最も多い産業クラスターへの取引を矢印で図示（受注→発注＝どこから受注されているか） ※2013年の全業種による結果複数の矢印が集中するクラスタ＝「ローカルハブ」と定義。矢印によるリンクが地域的に孤立しているクラスタのグループ＝「ネイティブクラスタ」と定義。企業クラスタ評価方法3：企業クラスタ間の関係 107

108. ローカルハブ産業クラスタ重心ネイティブクラスタ青森山形岩手仙台青森秋田盛岡山形八戸企業クラスタ間の関係（全産業：2013年） 108

109. 新潟諏訪・飯田石川福井・小浜甲府新潟富山・高岡福井金沢福島郡山長野企業クラスタ間の関係（全産業：2013年） 109

110. 東京水戸高崎前橋宇都宮甲府企業クラスタ間の関係（全産業：2013年） 110

111. 諏訪・飯田静岡浜松岐阜豊田名古屋岐阜津企業クラスタ間の関係（全産業：2013年） 111

112. 京都大阪神戸和歌山大津企業クラスタ間の関係（全産業：2013年） 112

113. 福山岡山広島高松徳島高知出雲松江松山企業クラスタ間の関係（全産業：2013年） 113 鳥取香川徳島高知浜田松江・出雲

114. 宮崎大分長崎熊本鹿児島北九州大分福岡佐世保佐賀鹿児島宮崎都城長崎熊本企業クラスタ間の関係（全産業：2013年） 114

115. 那覇企業クラスタ間の関係（全産業：2013年）沖縄鹿児島 115

116. 企業クラスタ研究の今後の展開今後の展開・課題・クラスタ作成手法の改善＞大都市でクラスタが細部化される現象を回避できる手法を検討する。＞クラスタ数を自動的・定量的に決定する手法を検討する。・時系列で結果を比較、整理。・次元を増やしたクラスタリングを検討する。日本各地の産業クラスタの現状と変化を把握・整理地域活性化政策への適用可能性検討へ・首相官邸「まち・ひと・しごと創生本部」・内閣府「地域活性化推進室」などに本研究の紹介し、コラボレーション、ケーススタディなどの可能性を検討。 × 116

118. これまで困難であった実用的・実践的な研究・業務の実現へ。 >データが「存在しない」時代、「作らないといけない」時代からデータが「溢れる」「日々蓄積され続ける」時代の到来。 >これまでやりたくてもやれなかった研究・業務を実現するための豊富なデータが登場。 >自治体も大量のデータを蓄積している（オープンデータ以外にも）。 >データに基づいた意思決定・政策立案。誰もがMGDを操作できる物理的環境を構築出来る時代の到来 >高性能で大容量のパソコンやハードディスクを安価で入手出来る。＝ビッグデータを利活用できる物理的環境をどこでも誰でも準備出来る。広域・多時点をターゲットに出来る >MGDにより集計単位（市区町村・町丁目等）の壁を取り除くことが出来る。 >全国を同一の基準でシームレスに比較出来る。 >汎用性の確認。研究成果の他地域への適用・実用化に繋がる。４. 結論と今後の展望 118

119. ＜課題＞ビッグデータを操作・分析出来る研究者・技術者の育成ビッグデータの活用は近い将来、都市・地域の課題発見と解決を進めていく上で重要なファクターになるものと考えられる。そのような時代の到来に備えて我々は様々な統計やデータを操作・分析するための技術と知識を身につけていく必要がある。 >対象がビッグデータとなるため、テラバイトクラスのデータでも処理できる程度のプログラムスキルを持った人材の育成。 >可視化のためにGISのスキルも必要。 >結果の解釈のために統計の知識も必要（＋分析ソフト・プログラムのスキルも。）「データ＝万能の道具」ではないことを理解する現場（特に住民レベル）でのデータ活用にはまだまだ壁がある。ビッグデータとフィールドデータをバランスよく使い分け、あるいは組み合わせていくセンスも求められてくると考えられる。ビッグデータ活用領域の開拓世界的にもビッグデータ活用は活発になってきており、それに関連した研究も今後ますます盛んになる。日本がこの分野のイニシアティブを握り、日本初の研究・技術を普及させていくためには、関連する研究者・事業者との連携が重要である。４. 結論と今後の展望 119

120. 様々なビッグデータ・MGDの利用環境の整備が進みつつある。実用段階：地域経済分析システム（RESAS) 開発途上：データ統合・解析システム（DIAS) 実用段階：共同研究利用システム（JoRAS）今後は MGDを知り、活用するだけでなく・MGDの開発・提供環境の整備・様々なプラットフォームとの連携・成果と課題の共有→改善が求められていくだろう。４. 結論と今後の展望 120

121. マイクロジオデータ研究会 MGDの取得・普及および研究方法の共有を行う場として機能してきました。また様々な共同研究を開始するきっかけにもなりました。産学官の研究者・データ保有者・データ利用者でマイクロジオデータの利活用方法・開発・普及に関するアイディアを持ち寄り共有する場として、 2011年に発足した研究会です。これまでに10回の研究会（参加者数総勢約1,100名）4回のデータ講習会を開催してきました。研究会メンバーによる論文・査読付論文：30編・講演論文：90編以上他多数の講演・受賞・展示 121

122. MGD活用事例が紹介された書籍阿部博史[編]，2014年，「震災ビッグデータ―可視化された〈3・11の真実〉〈復興の鍵〉〈次世代防災〉」林良嗣・鈴木康弘[編著]，秋山祐樹ほか[著]， 2015年，「レジリエンスと地域創生」一般財団法人日本再建イニシアティブ[著]， 2015年「人口蒸発「5000万人国家」日本の衝撃」他にGISの専門誌「GIS NEXT」内のコーナー「平下治のビジネスGIS推進室」にてマイクロジオデータ研究チームの研究紹介を継続中。 122

123. ご清聴頂きありがとうございました <Contact> 秋山祐樹東京大学空間情報科学研究センター助教国土交通省国土交通政策研究所客員研究官マイクロジオデータ研究会会長 Email: aki@csis.u-tokyo.ac.jp URL: http://akiyama-lab.jp/yuki/ （MGDに関する資料もダウンロード出来ます）マイクロジオデータ研究会ホームページ http://geodata.csis.u-tokyo.ac.jp/ 「秋山祐樹」・” akiyama.yuuki”で検索

地域課題の解決に向けた公共データと民間ビッグデータの活用～空き家分布推定・企業間取引分析など～

地域課題の解決に向けた公共データと民間ビッグデータの活用～空き家分布推定・企業間取引分析など～

Recommended

More Related Content

What's hot

What's hot(20)

More from Yuki Akiyama

More from Yuki Akiyama(7)