Evaluation and Reconstitution of Existing Models of Urban Structure in Japan Using Machine Learning

利用机器学习评估和重构日本现有城市结构模型

• 批准号: 19K21671
• 负责人: 桐村 喬
• 金额: $ 3.66万
• 依托单位: Kogakkan University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Challenging Research (Exploratory)
• 财政年份: 2019
• 资助国家: 日本
• 起止时间: 2019-06-28 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19K21671/
• 关键词: 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; 地域イメージ; 都市圏; 小地域統計; 地理情報システム（GIS）; 機械学習

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。2022年度は、機械学習の学習対象とする地域を選定する際の基準を検討するために2021年度に実施した、東京圏および大阪圏に居住する住民への大規模なアンケート調査結果の集計・分析を行い、皇學館大学紀要に論文として公表した。アンケート結果からは、オフィス街や高級住宅街など、イメージしやすい地区類型については具体的な地域が特定できることが多い一方で、商業集積地のように、アンケート回答者の居住地に依存するような地区類型については回答が分かれる結果となった。これらの結果をもとに、機械学習の学習対象とする地域の基準を定め、実際に学習地域を検討する作業を進めた。

Research on the internal structure of Japanese cities: the concept of concentric circles, the concept of concentric circles, the concept of circles, the concept of concentric circles, the concept of concentric circles, the concept of circles, the concept of concentric circles, the concept of concentric circles, the concept of circles, the concept of concentric circles, the concept of circles On the other hand, in recent years, Japan's metropolitan areas have experienced a phenomenon of population stagnation, population decline, and internal structure change. In this study, the urban interior structure of Japan is classified into two categories: typical urban interior structure, mechanical learning method, quantitative evaluation method, and new urban interior structure. The results of the large-scale survey of residents living in Tokyo and Osaka in 2021 were collected and analyzed. The result of the survey is that the answer to the question is different from the answer to the question. The results of the study, mechanical learning, regional benchmarking, and practical learning

项目成果

畳み込みニューラルネットワークによる都市内部構造分析の試み

尝试使用卷积神经网络分析城市内部结构

• 发表时间: 2021
• 作者: 遠部慎;河野摩耶;畑山智史;米田穣;小林謙一;太田好信;眞田航;竹内峻・後藤秀昭;桐村 喬
• 通讯作者: 桐村 喬

Application of neural networks for the geographical analysis of spatial urban structures: a case study of Tokyo and Osaka

神经网络在城市空间结构地理分析中的应用：以东京和大阪为例

• 发表时间: 2021
• 作者: 竹本 仁美;松多 信尚;佐藤 善輝;廣内 大助;Takashi Kirimura
• 通讯作者: Takashi Kirimura

大都市圏住民がもつ地区類型のイメージとその空間的パターン―教師付き機械学習による都市内部構造分析に向けて―

大都市地区居民所持有的地区类型及其空间格局的图像：利用监督机器学习分析城市内部结构

• 发表时间: 2023
• 期刊: 皇學館大学紀要
• 作者: Akiyama Yuki;Yamamoto Yohei;Shibasaki Ryosuke;Kaneda Hodaka;Daisuke SAKUMA;桐村 喬
• 通讯作者: 桐村 喬

Supervised Geodemographic Classification Approach Using Neural Networks: A Case Study of Tokyo and Osaka

使用神经网络的监督地理人口分类方法：东京和大阪的案例研究

• 发表时间: 2021
• 作者: Qin Yinglan;Akiyama Yuki;Ogawa Yoshiki;Shibasaki Ryosuke;Sato Taisei;REKI ANDO;佐久間大輔;Takashi Kirimura
• 通讯作者: Takashi Kirimura

Supervised geodemographic classification approach using neural networks: a case study of Tokyo, Osaka, and Nagoya

使用神经网络的监督地理人口统计分类方法：东京、大阪和名古屋的案例研究

• 发表时间: 2021
• 作者: Tomoya Aono.;Hodaka Kawahata.;Yuuji Soeda;山本宗立;Takashi Kirimura
• 通讯作者: Takashi Kirimura