B09 Research Abstracts on Spatial Information Science CSIS DAYS 2015 厳格な形状制約や連結性を仮定しない空間集積検出手法の開発福本潤也，○氏家晃仁東北大学大学院情報科学研究科 Email: <[email protected]> (1) 動機：空間データの探索的な分析手法の１つに，事象が集中する空間領域（以下，集積領域）の検出手法がある．集積領域を検出する場合，空間的にまとまった領域を検出するため，集積領域の幾何形状に制約を加える必要がある．既存手法では，集積領域が地理空間上の連結した領域であると仮定している．空間解像度が高い空間データに既存手法を適用すると，集積領域に事象が観測されない空間単位が含まれたり，本来１つとみなされるべき集積領域が複数に分裂して検出される可能性がある．本研究では，集積領域が地理空間上の連結した領域であるという仮定を緩めた空間集積検出手法を開発する． (2) アプローチ：画像処理分野で広く用いられるモデルベースクラスタリングの枠組みを採用する．モデルベースクラスタリングは，画像等のデータが確率的プロセスを経て生成されると仮定する空間的クラスタリング手法である．データの生成過程を表す確率モデルには Q 状態ポッツモデルを用いる．Q 状態ポッツモデルは，距離が近い空間単位(e.g. 市区町村，メッシュ)が同一の領域に所属する可能性が高いことを表す確率モデルである．Q 状態ポッツモデルを用いることで，集積領域が地理空間上の連結した領域であるという仮定を緩める． (3) 意義：空間解像度が高い空間データの利用可能性が近年高まっている．集積領域が地理空間上の連結した領域であるという仮定を緩めた空間集積検出手法を開発することで，既存手法を空間解像度が高いデータに適用する場合に生じる問題が緩和される．集積領域の幾何形状の制約が集積領域の数や範囲に及ぼす影響が小さくなり，詳細に事象が集中する場所を把握したり，集積領域の数や広さについて規則性を見出すことが容易になる． (4) 特徴：画像の分割問題等の空間的クラスタリングの問題に対するモデルベースクラスタリングの手法の定式化をそのまま適用すると，遠く離れた空間単位から成る集積領域といった，地理空間上の集積領域とは認め難い集積領域が検出される恐れがある．本研究では，Q 状態ポッツモデルのエネルギー関数に集積領域とは認め難い幾何形状の集積領域の検出を防ぐためのペナルティを追加することで，この問題に対処する． (5) 結果：本研究では一都三県を分析範囲として 1/2 地域メッシュ単位で集計された産業別事業所数データに空間集積検出手法を適用し，事業所の集積領域を検出した．図 1 は全産業合計の事業所数を東京都区部について示した図である．黒の濃いメッシュほど事業所数が多いことを意味する．図 2 は，全産業合計の事業所数データに本研究で提案する空間集積検出手法を適用した結果を示す．色が同じメッシュは同一の集積領域に所属する．新宿駅を含む集積領域を始めとして，本手法により，地理空間上で一続きでない集積領域を検出できる． (6) 謝辞：本研究では，東京大学空間情報科学研究センターの研究用空間データ（研究番号 582）を利用した．ここに感謝の意を表する．池袋駅池袋駅新宿駅新宿駅渋谷駅渋谷駅図 1: 1/2 地域メッシュの全産業合計の事業所数図 2: 全産業合計の事業所数から検出された集積領域 - 28 -