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

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。

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。