SlideShare a Scribd company logo
造園図学
2016年1月28日(木) 1限
日本学術振興会特別研究員PD 高瀬唯
© 2016 Yui Takase
事前準備!
来週は「jSTAT MAP」という総務省が提供しているWebGISを使います。利用
には事前の登録が必要です(登録申請して,IDが来るまでに1日はかか
る・・・!)。
1. 「jSTAT MAP」をネットで検索!
2. 「利用申し込み」をクリック。
3. 必須項目を入力して,送信。
利用申し込みをしていない人は,お試し版を
使ってください。一部機能制限あり。
体験!
実際にやってみましょう〜。
© 2016 Yui Takase
jSTAT MAPを
体験①
まずは,ログイン!
1. 左上の「ログイン」ボタ
ンをクリック
2. 総務省統計局からの
メール
「【地図による小地域分析
(jSTAT MAP)】登録完了の
お知らせ」
のIDとパスワードを
使う
3. パスワードを変更する
© 2016 Yui Takase
jSTAT MAPを
体験①
表示したい場所を表示
左上にある検索バーに住所
や郵便番号を入力!
さっそく,千葉県松戸市松戸と入力して,
松戸キャンパスを表示してみましょう!
↑ここに表示したい地域の住所や郵便番号を入力する
※番地レベルの検索はできない
© 2016 Yui Takase
jSTAT MAPを
体験①
現在地をプロットする!
1. GIS機能「プロット」をク
リック!
2. 「地図クリック」をクリッ
クする
© 2016 Yui Takase
jSTAT MAPを
体験①
現在地をプロットする!
1. グループ名やアイコンを
設定する(グループ名を
今回は「現在地」)
2. 決定ボタンをクリック
© 2016 Yui Takase
jSTAT MAPを
体験①
現在地をプロットする!
1. プロット名を入力(今回
は「現在地」)
2. 地図上でプロットしたい
場所をクリック(今回は
松戸キャンパス)
3. 「登録」をクリック
© 2016 Yui Takase
jSTAT MAPを
体験①
最寄駅までの距離を測定し
てみる!
1. 最寄駅を調べたい地点
を地図の中心に持って
くる
2. 「最寄駅」をクリック
© 2016 Yui Takase
jSTAT MAPを
体験①
もうワンパターン!
1. 「距離・面積計測」,の
「経路距離」のボタンを
クリック
2. 経路距離測定のスター
ト地点とゴール地点にし
たいところを地図上でク
リック(今回は松戸キャ
ンパスと松戸駅)
© 2016 Yui Takase
jSTAT MAPを
体験①
解決方法として・・・
• スタート地点のピンをク
リック&ドラッグして移動
する
• 経路上をクリック&ドラッ
グして,○を移動させて
選択する経路を調整す
る
© 2016 Yui Takase
jSTAT MAPを
体験②
シェープファイルをjSTAT
MAP上に表示する
1. インポートボタンをクリッ
ク
2. 「シェープファイル」をク
リック
© 2016 Yui Takase
jSTAT MAPを
体験②
シェープファイルをjSTAT
MAP上に表示する
3. ファイル3種類をアップ
ロードする(参照ボタン
をクリック)
4. 「アップロードする」をク
リック
© 2016 Yui Takase
jSTAT MAPを
体験②
シェープファイルをjSTAT
MAP上に表示する
3. グループ名を入力する
(今回は松戸市都市公
園)
4. 名称属性を選択する
(今回はP13_003)
© 2016 Yui Takase
jSTAT MAPを
体験②
プロットのアイコンを変えよ
う!
5. アイコンを変えたいプ
ロットを右クリック
6. プロパティを選択
7. 「アイコン選択」で好き
なものを選択
8. 「更新」ボタンをクリック
© 2016 Yui Takase
jSTAT MAPを
体験②
ちゃんとjSTAT MAPに,手
持ちのデータを表示すること
ができました!
© 2016 Yui Takase
jSTAT MAPを
体験②
最後の仕上げ!誘致圏を
表示してみよう!
1. 「エリア」をクリック
2. グループ名,ハッチ色
(塗りつぶし),線色など
を設定する
3. 「次へ」をクリック
© 2016 Yui Takase
jSTAT MAPを
体験②
最後の仕上げ!誘致圏を
表示してみよう!
4. 今回は「到達圏(プロッ
トグループ指定)」を選
択
© 2016 Yui Takase
jSTAT MAPを
体験②
最後の仕上げ!誘致圏を
表示してみよう!
1. 到達圏を調べる対象を
「プロットグループ選択」
で選択
2. 到達圏設定をする
© 2016 Yui Takase
jSTAT MAPを
体験③
人口を地図に表現する!
1. GIS機能「統計データ」
をクリック!
2. 今回は「H22国勢調査
(小地域)」,「男女別人
口…」,「人口総数」を
選択する
3. 「指標選択」を押す
© 2016 Yui Takase
jSTAT MAPを
体験③
人口を地図に表現する!
1. 今回は小地域を選ぶ
2. 「集計開始」をクリックす
る
3. 地図上に人口が表現さ
れます!
© 2016 Yui Takase
jSTAT MAPを
体験③
おまけ,リッチレポート!
表示している地域の統計情
報(グラフ)をインターネット
上(html)や,エクセルで見
ることができます。
「レポート」をクリック!
© 2016 Yui Takase
jSTAT MAPを
体験③
おまけ,リッチレポート!
1. 必要な情報をチェック
2. 「次へ」をクリック
© 2016 Yui Takase
jSTAT MAPを
体験③
おまけ,リッチレポート!
1. エリアを設定
2. 調べたいエリアの中心
地を地図上でクリック
3. 「リッチレポートを作成
する」をクリック
© 2016 Yui Takase
jSTATMAPの使い方
jSTATMAPの使い方
jSTATMAPの使い方
jSTATMAPの使い方
jSTATMAPの使い方
jSTATMAPの使い方

More Related Content

What's hot

機械学習を用いた効果検証POL共催セミナー_20220819.pdf
機械学習を用いた効果検証POL共催セミナー_20220819.pdf機械学習を用いた効果検証POL共催セミナー_20220819.pdf
機械学習を用いた効果検証POL共催セミナー_20220819.pdf
ssuser5ec200
 
「R言語による Random Forest 徹底入門 -集団学習による分類・予測-」 - #TokyoR #11
「R言語による Random Forest 徹底入門 -集団学習による分類・予測-」 - #TokyoR  #11「R言語による Random Forest 徹底入門 -集団学習による分類・予測-」 - #TokyoR  #11
「R言語による Random Forest 徹底入門 -集団学習による分類・予測-」 - #TokyoR #11
Koichi Hamada
 
Phronetic Leadership And Agile Scrum Gathering Tokyo 2013
Phronetic Leadership And Agile Scrum Gathering Tokyo 2013Phronetic Leadership And Agile Scrum Gathering Tokyo 2013
Phronetic Leadership And Agile Scrum Gathering Tokyo 2013
Kenji Hiranabe
 
自治体Gisの勘違い(1)
自治体Gisの勘違い(1)自治体Gisの勘違い(1)
自治体Gisの勘違い(1)
和仁 浅野
 
MCMCとともだちになろう【※Docswellにも同じものを上げています】
MCMCとともだちになろう【※Docswellにも同じものを上げています】MCMCとともだちになろう【※Docswellにも同じものを上げています】
MCMCとともだちになろう【※Docswellにも同じものを上げています】
Hiroyuki Muto
 
【FOSS4G 2016 Hokkaido】Cesiumマニアックス
【FOSS4G 2016 Hokkaido】Cesiumマニアックス【FOSS4G 2016 Hokkaido】Cesiumマニアックス
【FOSS4G 2016 Hokkaido】Cesiumマニアックス
中洞 友希
 
A summary on “On choosing and bounding probability metrics”
A summary on “On choosing and bounding probability metrics”A summary on “On choosing and bounding probability metrics”
A summary on “On choosing and bounding probability metrics”
Kota Matsui
 
混合ガウスモデルとEMアルゴリスム
混合ガウスモデルとEMアルゴリスム混合ガウスモデルとEMアルゴリスム
混合ガウスモデルとEMアルゴリスム
貴之 八木
 
数理モデリングからはじめるPython数理最適化 PyData.Tokyo 2017/6/28 Retty Inc. Iwanaga Jiro
数理モデリングからはじめるPython数理最適化 PyData.Tokyo 2017/6/28 Retty Inc. Iwanaga Jiro数理モデリングからはじめるPython数理最適化 PyData.Tokyo 2017/6/28 Retty Inc. Iwanaga Jiro
数理モデリングからはじめるPython数理最適化 PyData.Tokyo 2017/6/28 Retty Inc. Iwanaga Jiro
Jiro Iwanaga
 
MCMC法
MCMC法MCMC法
MCMC法
MatsuiRyo
 
[DL輪読会]Deep Anomaly Detection Using Geometric Transformations
[DL輪読会]Deep Anomaly Detection Using Geometric Transformations[DL輪読会]Deep Anomaly Detection Using Geometric Transformations
[DL輪読会]Deep Anomaly Detection Using Geometric Transformations
Deep Learning JP
 
発表スライド
発表スライド発表スライド
発表スライド
Akira Tamamori
 
“確率的最適化”を読む前に知っておくといいかもしれない関数解析のこと
“確率的最適化”を読む前に知っておくといいかもしれない関数解析のこと“確率的最適化”を読む前に知っておくといいかもしれない関数解析のこと
“確率的最適化”を読む前に知っておくといいかもしれない関数解析のこと
Hiroaki Kudo
 
はじぱた7章F5up
はじぱた7章F5upはじぱた7章F5up
はじぱた7章F5up
Tyee Z
 
【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展
【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展
【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展
Deep Learning JP
 
効果のあるクリエイティブ広告の見つけ方(Contextual Bandit + TS or UCB)
効果のあるクリエイティブ広告の見つけ方(Contextual Bandit + TS or UCB)効果のあるクリエイティブ広告の見つけ方(Contextual Bandit + TS or UCB)
効果のあるクリエイティブ広告の見つけ方(Contextual Bandit + TS or UCB)
Yusuke Kaneko
 
Graphic Notes on Linear Algebra and Data Science
Graphic Notes on Linear Algebra and Data ScienceGraphic Notes on Linear Algebra and Data Science
Graphic Notes on Linear Algebra and Data Science
Kenji Hiranabe
 
計量経済学と 機械学習の交差点入り口 (公開用)
計量経済学と 機械学習の交差点入り口 (公開用)計量経済学と 機械学習の交差点入り口 (公開用)
計量経済学と 機械学習の交差点入り口 (公開用)
Shota Yasui
 
RでMplusがもっと便利にーmplusAutomationパッケージー #Hiroshimar05
RでMplusがもっと便利にーmplusAutomationパッケージー #Hiroshimar05 RでMplusがもっと便利にーmplusAutomationパッケージー #Hiroshimar05
RでMplusがもっと便利にーmplusAutomationパッケージー #Hiroshimar05
Masaru Tokuoka
 
協調フィルタリングを利用した推薦システム構築
協調フィルタリングを利用した推薦システム構築協調フィルタリングを利用した推薦システム構築
協調フィルタリングを利用した推薦システム構築
Masayuki Ota
 

What's hot (20)

機械学習を用いた効果検証POL共催セミナー_20220819.pdf
機械学習を用いた効果検証POL共催セミナー_20220819.pdf機械学習を用いた効果検証POL共催セミナー_20220819.pdf
機械学習を用いた効果検証POL共催セミナー_20220819.pdf
 
「R言語による Random Forest 徹底入門 -集団学習による分類・予測-」 - #TokyoR #11
「R言語による Random Forest 徹底入門 -集団学習による分類・予測-」 - #TokyoR  #11「R言語による Random Forest 徹底入門 -集団学習による分類・予測-」 - #TokyoR  #11
「R言語による Random Forest 徹底入門 -集団学習による分類・予測-」 - #TokyoR #11
 
Phronetic Leadership And Agile Scrum Gathering Tokyo 2013
Phronetic Leadership And Agile Scrum Gathering Tokyo 2013Phronetic Leadership And Agile Scrum Gathering Tokyo 2013
Phronetic Leadership And Agile Scrum Gathering Tokyo 2013
 
自治体Gisの勘違い(1)
自治体Gisの勘違い(1)自治体Gisの勘違い(1)
自治体Gisの勘違い(1)
 
MCMCとともだちになろう【※Docswellにも同じものを上げています】
MCMCとともだちになろう【※Docswellにも同じものを上げています】MCMCとともだちになろう【※Docswellにも同じものを上げています】
MCMCとともだちになろう【※Docswellにも同じものを上げています】
 
【FOSS4G 2016 Hokkaido】Cesiumマニアックス
【FOSS4G 2016 Hokkaido】Cesiumマニアックス【FOSS4G 2016 Hokkaido】Cesiumマニアックス
【FOSS4G 2016 Hokkaido】Cesiumマニアックス
 
A summary on “On choosing and bounding probability metrics”
A summary on “On choosing and bounding probability metrics”A summary on “On choosing and bounding probability metrics”
A summary on “On choosing and bounding probability metrics”
 
混合ガウスモデルとEMアルゴリスム
混合ガウスモデルとEMアルゴリスム混合ガウスモデルとEMアルゴリスム
混合ガウスモデルとEMアルゴリスム
 
数理モデリングからはじめるPython数理最適化 PyData.Tokyo 2017/6/28 Retty Inc. Iwanaga Jiro
数理モデリングからはじめるPython数理最適化 PyData.Tokyo 2017/6/28 Retty Inc. Iwanaga Jiro数理モデリングからはじめるPython数理最適化 PyData.Tokyo 2017/6/28 Retty Inc. Iwanaga Jiro
数理モデリングからはじめるPython数理最適化 PyData.Tokyo 2017/6/28 Retty Inc. Iwanaga Jiro
 
MCMC法
MCMC法MCMC法
MCMC法
 
[DL輪読会]Deep Anomaly Detection Using Geometric Transformations
[DL輪読会]Deep Anomaly Detection Using Geometric Transformations[DL輪読会]Deep Anomaly Detection Using Geometric Transformations
[DL輪読会]Deep Anomaly Detection Using Geometric Transformations
 
発表スライド
発表スライド発表スライド
発表スライド
 
“確率的最適化”を読む前に知っておくといいかもしれない関数解析のこと
“確率的最適化”を読む前に知っておくといいかもしれない関数解析のこと“確率的最適化”を読む前に知っておくといいかもしれない関数解析のこと
“確率的最適化”を読む前に知っておくといいかもしれない関数解析のこと
 
はじぱた7章F5up
はじぱた7章F5upはじぱた7章F5up
はじぱた7章F5up
 
【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展
【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展
【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展
 
効果のあるクリエイティブ広告の見つけ方(Contextual Bandit + TS or UCB)
効果のあるクリエイティブ広告の見つけ方(Contextual Bandit + TS or UCB)効果のあるクリエイティブ広告の見つけ方(Contextual Bandit + TS or UCB)
効果のあるクリエイティブ広告の見つけ方(Contextual Bandit + TS or UCB)
 
Graphic Notes on Linear Algebra and Data Science
Graphic Notes on Linear Algebra and Data ScienceGraphic Notes on Linear Algebra and Data Science
Graphic Notes on Linear Algebra and Data Science
 
計量経済学と 機械学習の交差点入り口 (公開用)
計量経済学と 機械学習の交差点入り口 (公開用)計量経済学と 機械学習の交差点入り口 (公開用)
計量経済学と 機械学習の交差点入り口 (公開用)
 
RでMplusがもっと便利にーmplusAutomationパッケージー #Hiroshimar05
RでMplusがもっと便利にーmplusAutomationパッケージー #Hiroshimar05 RでMplusがもっと便利にーmplusAutomationパッケージー #Hiroshimar05
RでMplusがもっと便利にーmplusAutomationパッケージー #Hiroshimar05
 
協調フィルタリングを利用した推薦システム構築
協調フィルタリングを利用した推薦システム構築協調フィルタリングを利用した推薦システム構築
協調フィルタリングを利用した推薦システム構築
 

jSTATMAPの使い方

Editor's Notes

  1. 2016/1/28 © Yui Takase
  2. 【基礎知識】 行政区域のように面的なパーツ:ポリゴン 川のように線的なパーツ:ライン 公園の位置のように点的なパーツ:ポイント
  3. d