PowerPoint プレゼンテーション

徒然なる空間解析論
都市空間データがもたらす研究テーマ
東京工業大学大学院情報理工学研究科
情報環境学専攻
大佛俊泰
１．空間解析における定義と仮定
（それは定義ですか仮定ですか？）
都市解析モデルにおける「都心」or「都心部」
＊理論の単純化
＊解釈の容易さ
＊適合性の高さ
↓
＊点vs面？
＊空間概念vs距離概念（都心からの距離）？
＊数値データとの相性（一極vs多極）
＊数値的には連続量（強度）でも可？
＊空間データと対応の良い定義や仮定
空間データにバラエティ：
直線距離から時間距離へ⇒適合性は向上するが・・・
N
Ohmiya
山手線までの時間距離
（地点→最寄駅→山手線）
10 min
Tachikawa
Yokohama
20 min
30 min
Tokyo
40 min
To k y o
B ay
0
10
20
30km
２．高速情報通信社会の空間解析
（距離概念が消えてしまったら？）
高度情報通信社会
＊情報伝達の高速化・低廉化
＊物流の高速化・低廉化
↓
＊空間距離（ﾕｰｸﾘｯﾄﾞ距離，ﾈｯﾄﾜｰｸ距離）
＊時間距離
＊金銭距離
＊Generalized Distanceの提案？
＊距離概念の喪失
＊ゼロ次元～四次元の混在・変化
＊空間解析に及ぼす影響
China
Japan
CPU from USA
The Pacific Ocean
空間移動に伴う時間・費用に関するデータベース
（カーナビ，駅ナビ，パス探索システム）
ex）立地論の展開/再検討？
３．分析対象空間範囲の決め方
（勝手に決めていいですか？）
モデル検証・応用のための分析対象地域
＊任意の範囲vs特定の範囲
＊都市空間の連続性vs行政区単位
＊対象地域の外側からの影響（外部ゾーン）
↓
＊地域構造の非一様性
＊モデルの適用範囲を知るためのモデル？
＊空間範囲の決め方の論理
N
Sum ida
river
Ueno
Park
I idabashi
Asakusa
Ueno
Akihabara
I mperial
Palace
Tokyo
モデルの適用限界を知る
モデルの有効利用を図る
↓
空間範囲の決め方の論理
Kinsh icho
0
1
km
2
土地利用転換構造の
類似性からみたゾーン
４．空間解析におけるオントロジ
（川の上には建てられません！）
＊実空間の単純化（点，線と考える）
＊理論上の立地点からのずれ（＝空間的バイアス）
↓
＊オーバーラップ・隣接の考え方
＊関心の外にある空間事象との関係性
＊地理的特性（海，川，山，都市基盤，・・）
活動Ａの空間分布
島
駅
近隣商業
空間単位と相関関係
住宅地
５．可変単位地区問題
（どんどん複雑になりますが・・・）
＊MAUP，ｴｺﾛｼﾞｶﾙ･ﾌｧﾗｼｰ，集計単位問題
＊ラスター型からベクター型へ＝問題の深刻化？
＊空間次元だけでなく時間次元でも？
＊時空間分析時には一層厄介（集計単位が変化？）
＊ｻﾝﾌﾟﾘﾝｸﾞの問題vs既存の空間データ
↓
＊扱う現象の裏に別のモデルを想定する？
地区
時間
ex1）時刻により異なる？
ex2）変量の種類・組合せで異なる？
６．インターフェイス論
（わかった気がしないんですが・・・）
空間データの大規模化と分析手法の複雑化
＊巨大なデータの前処理・ハンドリング
＊分析過程/結果が難解・不明瞭
↓
＊ｸﾞﾗﾌｨｶﾙ･ﾓﾃﾞﾘﾝｸﾞvsﾌﾞﾗｯｸﾎﾞｯｸｽ
＊分かり易さ＝視覚化
＊誤解釈を避ける工夫（＝認知科学の援用？）
＊空間データ・ブラウジング
（凡例）
官公庁施設
教育文化施設
厚生医療施設
供給処理施設
事務所建造物
専用商業施設
住商併用建物
宿泊遊興施設
専用独立住宅
集合住宅
専用工場
住居併用工場
倉庫運輸関係
屋外利用地
公園運動場
鉄道港湾等
東京都都市計画地理情報システムのデータ（1992年）
4351
4351
4351
499
2600
3868
294
1796
3385
200
1180
2902
141
778
2418
101
534
1935
73
340
1452
47
189
968
23
83
485
1
1
1
Natural-Brakes
Quantile
Equal-Interval
4351
4351
1226
Asaka
Kawaguchi
1988
1036
1059
596
892
364
725
220
Mitaka
558
Shinjuku
Tokyo
127
390
Chofu
Shinagawa
223
65
22
56
0
4
8 km
1
1
Standard-Deviation
事業所数の空間分布
Study area
Minimization of Information loss
classified by existing methods (ArcView3.2，9 classes : 3220 cells ）
７．データマイニング：空間解析版
（何かアイディアないですか？）
＊空間データの目的的利用・作成
＊モデルの検証／モデルの応用
↓
＊情報を如何に捨てるか
＊大規模空間データから「思いがけない」法則性の発見
＊空間解析＝空間データマイニング？
＊ただし安心して
→インターフェイス，データエラー，MAUP
（可能な組合せ） Ⅰ
A ○
B ○
C ×
項目② ↑
Ⅰ
Ｂ
Ｃ
Ⅲ ←項目①
○
○
○
項目①
Ⅱ
Ａ
Ⅱ
×
×
○
多数決
法によ
る同定
項目②
顕在的
Ⅲ
Ⅰ
Ｃ
同定結果
項目①
Ⅱ
Ⅲ
Ｃ
Ａ
Ｂ
Ｃ
多数決
法によ
る同定
項目②
潜在的
同定結果
８．空間解析のロバストネス
（まったく結果が違うじゃない！）
空間データエラーの問題
＊原資料・同定方法・電子化方法
＊統計的・人為的
＊データ精度に関する議論
↓
＊モデルの頑強性：データ量よりもデータの質
＊分析結果に及ぼす影響の評価
＊データエラーの影響を受けにくい空間解析？
９．空間データ整備の指針
（どんなデータが必要ですか？）
今後の空間データ整備に向けて
＊種類，精度，範囲，時刻，インターバル，構造
＊空間解析の視点から指針を示せないか？
10．空間解析の応用
（こんなことできませんか？）
＊現行法制度＝理念的，経験的
＊法改正・規制緩和＝右往左往する都市
＊3Dデータ・VR技術の進展
↓
＊法制度の見直し（空間解析による理論的根拠）
＊都市の健康診断から健康管理へ
診察（触診，聴診器，レントゲン，CTスキャン・・・）
→処方箋→健康管理→身体づくり

Download Report