L18 市街化区域 × 市街化調整区域 統合分析 — 広島県 13 線引き市町の都市制御構造

データ取得手順

✅ このスクリプトは初回実行時にデータを自動取得します（DoBoX からの直接ダウンロード）。

実行コマンド:

cd "2026 DoBoX 教材"
python -X utf8 lessons/L18_urbanization_lines.py

DoBoX のオープンデータは申請不要・商用/非商用とも利用可。 data/extras/ は .gitignore 対象（約 57 GB のキャッシュ）。 スクリプト実行で自動再生成されます。

1. 学習目標と問い

本レッスンは、広島県オープンデータポータル DoBoX の 「都市計画区域情報_区域データ_市街化区域」シリーズ 14 件と 「都市計画区域情報_区域データ_市街化調整区域」シリーズ 14 件、 合計 28 件を統合し、 広島県内 13 線引き市町の「線引き」(区域区分制度)の構造を 読み解く研究記事です。

独自用語の定義 (要件 M)

• 線引き (Kuiki-bunbun, 区域区分): 都市計画法 7 条に基づき、 都市計画区域内を「市街化区域」と「市街化調整区域」に二分する制度。 日本の都市計画の戦後最大の発明と評され、無秩序開発を抑制する目的。 本記事では「線引き」「区域区分」「線引き都計区域」を同義として扱う。 広島県では 13 市町が線引きを採用 (本記事の対象)、残り 8 市町は非線引き。
• 市街化区域 (KUIKI_CD=1): 「すでに市街地を形成している、 またはおおむね 10 年以内に計画的に市街化を図る区域」(都計法 7 条)。 開発が原則認められる区域。本記事では赤系カラーで表示。
• 市街化調整区域 (KUIKI_CD=2): 「市街化を抑制する」区域 (都計法 7 条)。 原則として開発不可で、農地・林地・既存住宅の保全が中心。 本記事では緑系カラーで表示。市街化区域と完全互補な関係。
• KUIKI_CD: GeoJSON の属性列で、 1=市街化、2=調整 を識別するフラグ。 28 ファイルすべて同列構造で同じフラグ規則のため、 ファイル間 pd.concat で統合可能 (事前監査済)。
• 線引き面積: 本記事独自の定義で、市街化区域 + 市街化調整区域 = 線引き対象都計区域面積。 これが行政区域面積より小さい部分は非線引き都計区域または 都計区域外 (白地)。L16 の「都市計画区域」に概ね一致するはず (整合性は本記事 H4 で別途検証可)。
• 市街化区域比率 % = 市街化 / (市街化 + 調整) × 100。 線引き内部の市街化シェア。0%=全部調整、100%=全部市街化。
• 線引き密度 % = (市街化 + 調整) / 行政面積 × 100。 市町全体に占める線引き対象の割合。100%に近いほど市域全域が線引き済。
• 連結成分数 (n_parts): dissolve 後のマルチポリゴンを構成する独立部分の個数。 n_parts=1 なら 1 つの塊、n_parts=20 なら 20 個の飛び地に分散。
• 主島シェア % = 最大連結成分の面積 / 市街化区域 全体面積 × 100。 100% に近いほど 1 つの塊に集中、低いほど飛び地が多い。
• 線引き境界 (共有境界): 市街化区域と調整区域の境目の線。 本記事では市街化 dissolve と調整 dissolve の境界 (boundary) の交差で求める。 これが長いほど線引きが地理的に細密で、行政事務的にも複雑になる。
• 境界密度 = 線引き境界長 km / 市街化区域面積 km²。 「市街化 1 km² 維持するために何 km の境界線を運用するか」の効率指標。

仮説 H1〜H5 (要件 D)

• H1: 全県スケールで 市街化区域 < 市街化調整区域 (面積)。 線引きとは「コンパクトな市街地核を調整区域で抑制する」制度であり、 面積比は強く非対称になる。 (期待値: 約 1:3、市街化シェア 25-30%)
• H2: 市街化区域比率は市町タイプ・規模で大きく異なる。 政令市 (広島市) と町は中心市街地が市町面積の大部分を占めるため 40-60% と高め、一般市 (呉・福山・東広島・尾道など) は 周辺農地・山地を多く取り込んで 10-30% と低めになる。
• H3: 市街化区域は調整区域より連結成分数 (ポリゴン数) が少ない。 市街化区域は中心集中、調整区域は周辺分散の幾何特性を持つ。 (期待: 13 市町中ほぼ全市町で n_polys_市街化 ≤ n_polys_調整)
• H4: 線引き境界の総延長は線引き運用の細密度を反映する。 細かい飛地指定が多い市町ほど境界が長く、行政コストが高い。 境界密度 (境界長 / 市街化面積) でスケール正規化した比較が可能。
• H5: 調整区域に囲まれた市街化『島』を持つ市町が存在する。 通常は市街化が中心の塊だが、衛星市街地や駅前市街地が 調整区域に囲まれる例がある (= 飛び地都市化)。 (期待: 連結成分数 ≥ 5 の市町が複数存在)

到達点

1. 28 GeoJSON (市街化 14 + 調整 14) を 1 個の GeoDataFrame に統合し、 KUIKI_CD でフラグ識別する手法 (L15/L16/L17 と同パターン)
2. dissolve(by=["source_city", "KUIKI_CD"]) による 市町×類型ごとの幾何統合と、面積・周長・連結成分数・円形度の計量
3. 市街化⇔調整 の 共有境界長を geometry.boundary.intersection で算出し、 線引き運用の地理的細密度を定量化する手法
4. 「市街化『島』」 (主島以外の連結成分) を抽出し、飛び地都市化を可視化する手法
5. 4 特徴量 (市街化比率, 線引き密度, 市街化polys数, 境界密度) で 13 市町を k-means クラスタリングし、都市制御プロファイル別に分類
6. 整合性検証: 13 市町別 28 ファイルと県全域 ds=925/926 の同一性確認
7. 図 9 種・表 9 種で線引き構造を多角的に提示 (要件 Q)

2. 使用データ

本記事で使う 28 dataset_id は、DoBoX で「都市計画区域情報」配下「区域データ」配下の 市街化区域 (14 件) + 市街化調整区域 (14 件) シリーズである。列構造が 28 件すべてで完全に同一(FID/TOKEI_CD/CITY_CD/KUIKI_CD/KUIKI_TB/geometry の 6 列) であることが事前監査で確認済みのため、pd.concat による単純な縦結合で県全域 GeoDataFrame が組み立てられる。KUIKI_CD フラグ (1/2) で市街化と調整を識別する。市街化区域 + 市街化調整区域 = 線引き都計区域 という完全互補ペアであるため、1 つの GDF に統合して扱うのが幾何学的・統計的に自然 (両者を別々の表で扱うと境界線・連結成分の解析ができない)。

データ仕様と KUIKI_CD 凡例

KUIKI_CD 凡例 (2 値)

13 線引き市町 一覧 (本記事の対象)

県全域版 (整合性検証用): DoBoX #925 市街化 県全域 / DoBoX #926 調整 県全域。

沿岸/内陸 区分は本記事独自の分類 (瀬戸内海岸線にポリゴンが接するかで決定)。線引き 13 市町は全国でも「線引きを採用する市町」として国交省統計に登録されている。広島県の非線引き 8 市町 (竹原市・三次市・庄原市・安芸高田市・江田島市・北広島町・世羅町、および特定区) は都計法上「区域区分は定めないものの都市計画区域は設定」の運用で、本記事の対象外。

3. ダウンロード (再現用データ・中間データ・図・スクリプト)

本記事の再現性を担保するため、HTML 1 枚から 生データ・中間 CSV・図 PNG・再現 Python を直リンクで取得できるようにしてある。

(1) 生データ ZIP (DoBoX 直)

28 件の ZIP は前項の表からそれぞれ DoBoX へリンクしている。 あるいは一括取得スクリプトを使う:

cd "2026 DoBoX 教材"
py -X utf8 data\extras\L18_urbanization_lines\fetch_urbanization_lines.py

(2) 中間 CSV (本スクリプトの出力)

• L18_type_agg.csv — 全県 2 類型集計 (市街化/調整)
• L18_city_summary.csv — 13 市町サマリ (面積・連結成分・境界・クラスタ等)
• L18_crosstab_area.csv — 13 市町 × 市街化/調整 面積クロス
• L18_city_kind_dissolved.csv — dissolve 後の市町×類型集計
• L18_poly_detail.csv — 全ポリゴン詳細 (属性のみ)
• L18_reconciliation.csv — 整合性検証 (13 市町別 vs 県全域)
• L18_hypothesis_results.json — 仮説 H1〜H5 検証結果 (JSON)

(3) 図 PNG (本記事掲載)

• L18_kuiki_thematic.png — 市街化 + 調整 重ね主題図
• L18_city_small_multiples.png — 13 市町 small multiples
• L18_kuiki_share_ranking.png — 市街化区域比率 ランキング + stacked
• L18_components_scatter.png — 連結成分 choropleth + 散布
• L18_boundary_analysis.png — 線引き境界長 + 境界密度
• L18_islands_closeup.png — 市街化『島』クローズアップ 4 市町
• L18_geometry_scatter.png — 市街化 vs 調整 面積・円形度散布
• L18_clusters.png — k-means クラスタ choropleth + 散布
• L18_reconciliation.png — 13市町別合計 vs 県全域 整合性

(4) 再現用 Python スクリプト

• L18_urbanization_lines.py — 本記事の全コード
• fetch_urbanization_lines.py — 28 ZIP 取得スクリプト

実行は cd "2026 DoBoX 教材"; py -X utf8 lessons\L18_urbanization_lines.py。 28 ZIP がローカルにあれば 1 分以内で全図 + CSV 再生成 (要件 S 準拠)。 ZIP が無い場合は事前に fetch_urbanization_lines.py を実行。

4. 分析1: 28 GeoJSON を 1 枚の GeoDataFrame に統合する

狙い

28 個の ZIP (市町ごと、かつ市街化/調整ごとに別ファイル) を、プログラム上は 1 個の GeoDataFrame として扱える形にする。28 件すべてが同列構造 (FID/TOKEI_CD/CITY_CD/KUIKI_CD/KUIKI_TB/geometry の 6 列) であることが事前監査で確認済みなので、和集合化なしで縦結合できる。L15 (行政区域)・L16 (都計区域)・L17 (用途地域) と同じパターンを 2 シリーズに拡張。

手法

直感: ZIP×26→geopandas→属性付与→concat→KUIKI_CD 展開 の 5 ステップ。KUIKI_CD は最初から数値フラグ (1 or 2) なので、辞書 1 つで名前展開すれば良い。市街化と調整を 1 つの GDF に統合することで、後の dissolve・空間関係解析が楽になる。(別々の GDF にしておくと、市町ごとの市街化↔調整の境界長計算が二重ループになる。)

大筋 (5 ステップ)

1. 13 市町について、市街化と調整の 2 ZIP を load_geojson_zip() で読む
2. 各 GeoDataFrame に source_city/source_dsid/ctype/coastal/zone_kind 列を付与
3. 26 個を pd.concat で縦結合 → 334 行 1 個
4. to_crs(EPSG:6671) で広島県平面直角座標系に投影変換
5. KUIKI_NAME 列展開、面積・周長計算

入出力: 入力 = 26 ZIP (13 市町別 × 2)、出力 = 334 行 × 14 列の GeoDataFrame 1 個。県全域 ds=925/926 も別途読み込み、整合性検証用に使う。

前提と限界: 28 件の列構造が同一であることが大前提 (事前監査で OK 確認済)。DoBoX が将来列を増やしても pd.concat は和集合化するため、列が増えて NaN が出るだけで既存処理には影響しない。ただし同名で意味の違う列が混入するとバグになる (本データでは該当なし)。

パラメータの意味: TARGET_CRS=EPSG:6671 は広島県専用の平面直角座標系で、面積計算が m² 単位で正確になる。緯度経度 (EPSG:4326) のままだと面積が度² になり意味がない。

実装

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47

DATA_DIR = ROOT / "data" / "extras" / "L18_urbanization_lines"
TARGET_CRS = "EPSG:6671"  # JGD2011 平面直角 III, 広島県, m 単位

# (kuiki_dsid, tyousei_dsid, 市町名, タイプ, 海岸, 行政_dsid)
CITY_DEFS = [
    (789, 790, "広島市",   "政令市", True,  786),
    (800, 801, "呉市",     "市",     True,  797),
    # ... 計 13 行
    (919, 920, "坂町",     "町",     True,  916),
]

# KUIKI_CD 凡例
KUIKI_INFO = {
    1: ("市街化区域", "#d73027", "都計法 7 条 開発推進"),
    2: ("市街化調整区域", "#1a9850", "都計法 7 条 開発抑制"),
}

def load_geojson_zip(zip_path):
    """ZIP 内の単一 .geojson を BytesIO 経由で読む (一時ファイル不要)"""
    import io, zipfile
    with zipfile.ZipFile(zip_path) as zf:
        gjs = [n for n in zf.namelist() if n.endswith(".geojson")]
        with zf.open(gjs[0]) as f:
            return gpd.read_file(io.BytesIO(f.read()))

# 13 市町別 (市街化 + 調整 = 26 ファイル) を 1 GDF に縦結合
frames = []
for kds, tds, name, ctype, coastal, _ in CITY_DEFS:
    # 市街化区域
    gk = load_geojson_zip(DATA_DIR / f"kuiki_{kds}_{name}.zip")
    gk["source_city"] = name; gk["source_dsid"] = kds
    gk["ctype"] = ctype;       gk["coastal"] = coastal
    gk["zone_kind"] = "市街化区域"
    frames.append(gk)
    # 市街化調整区域
    gt = load_geojson_zip(DATA_DIR / f"tyousei_{tds}_{name}.zip")
    gt["source_city"] = name; gt["source_dsid"] = tds
    gt["ctype"] = ctype;       gt["coastal"] = coastal
    gt["zone_kind"] = "市街化調整区域"
    frames.append(gt)

zone = gpd.GeoDataFrame(pd.concat(frames, ignore_index=True),
                        geometry="geometry", crs=frames[0].crs)
zone = zone.to_crs(TARGET_CRS)             # m 単位 化
zone["KUIKI_NAME"] = zone["KUIKI_CD"].map(lambda c: KUIKI_INFO[c][0])
zone["poly_area_km2"] = zone.geometry.area / 1e6
zone["poly_perim_km"] = zone.geometry.length / 1e3

入出力 Before/After (具体例: ds=789 広島市 市街化 + ds=790 広島市 調整)

結果 (次セクションで使う)

このステップで zone (334 行 × 14 列、市街化 153 + 調整 181) とken_kuiki/ken_tyousei (県全域版) が用意できた。以降の分析は全部これで完結する。市街化と調整の混在は zone[zone['KUIKI_CD']==1] で簡単に分離できる (ファイルをまたいだ統一フィルタ)。

5. 分析2: 市町×類型ごとの集約と幾何指標 (groupby + dissolve)

狙い

13 市町別ファイルにバラバラに格納されている市街化/調整区域を、(a) 全県スケールで 2 類型に集約し、(b) 市町 × 類型ごとに dissolve してマルチポリゴンを 1 つの幾何にまとめる。これにより「広島市の市街化区域は全体で何 km²、何個の塊に分散しているか」のような市町スケールの質問に答えられる。

手法 (groupby + dissolve)

直感: groupby = 「単純な数値集計 (合計・平均)」、dissolve = 「同じグループに属するポリゴンを幾何学的に融合」。市街化区域 ds=789 (広島市) は 70 個のポリゴンに分かれて格納されているが、dissolve(by=['source_city','KUIKI_CD']) で1 個のマルチポリゴンに統合される。幾何形状の連結性・周長・円形度が初めて意味を持つ。

大筋

1. groupby('KUIKI_NAME') で全県 2 類型集計 (面積・周長・シェア)
2. dissolve(by=['source_city','KUIKI_CD']) で 13 市町 × 2 類型 = 26 行のマルチポリゴン作成
3. 各マルチポリゴンの連結成分数 (n_parts) を geom.geoms で数える
4. 円形度 = 4πA/P² を計算 (1=完全円、線状なら 0 に近い)
5. 市町別サマリ DF を構築 (面積・周長・連結成分・円形度・市街化比率・線引き密度)

入出力: 入力=334 行の生 GeoDataFrame、出力 1 = 2 行の全県集計表、出力 2 = 26 行の市町×類型 dissolve GDF、出力 3 = 13 行の市町サマリ DF。

前提と限界: dissolve は同グループのポリゴンを幾何学的に融合するため、市町境界をまたいだ部分がシームとして残ることがある (本データでは事前にスナップ済みのため問題なし)。連結成分数はマルチポリゴンの geom_type=='MultiPolygon' なら list(geom.geoms) の長さ、Polygon なら 1。

実装

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

# (a) 全県 2 類型集計
type_agg = zone.groupby("KUIKI_NAME").agg(
    polys_count=("poly_area_km2", "size"),
    area_km2=("poly_area_km2", "sum"),
    perim_km=("poly_perim_km", "sum"),
).reset_index()
type_agg["share_pct"] = type_agg["area_km2"] / type_agg["area_km2"].sum() * 100

# (b) 市町 × KUIKI_CD で dissolve
# → 「広島市の市街化区域 全体」を 1 つの (Multi)Polygon にまとめる
zone_diss = zone.dissolve(by=["source_city", "KUIKI_CD", "KUIKI_NAME"],
                          as_index=False)
zone_diss["dissolve_area_km2"] = zone_diss.geometry.area / 1e6
zone_diss["dissolve_perim_km"] = zone_diss.geometry.length / 1e3

def n_parts(g):
    if g.geom_type == "MultiPolygon":
        return len(list(g.geoms))
    return 1
zone_diss["n_parts"] = zone_diss.geometry.apply(n_parts)

# 円形度 (compactness): 4πA / P^2 (1=完全円, 0=線)
# 「形がコンパクト=1 に近い、細長い=0 に近い」の指標
zone_diss["compactness"] = (
    4 * np.pi * zone_diss["dissolve_area_km2"] * 1e6
) / (zone_diss["dissolve_perim_km"] * 1e3) ** 2

表 (要件 G): 全県 2 類型集計

なぜこの表か: 13 市町合計の市街化 vs 調整の絶対面積と比率を直接見る。仮説 H1 (市街化 < 調整) の最初の検証ポイント。

この表から読み取れること

• 市街化区域 423.4 km² (26.9%) vs 調整 1151.2 km² (73.1%)。市街化:調整 ≈ 1:2.72 と非対称で、仮説 H1 を強く支持。「コンパクトな市街地核を広い調整区域で抑制する」線引き思想がそのまま面積比に反映。
• 1 ポリゴン平均面積: 市街化 2.767 km² vs 調整 6.360 km²。調整区域の方が 1 ポリゴンあたり面積が大きく、連続した広域指定の運用がうかがえる。市街化区域は飛地的な小区分が多い。
• 周長: 市街化 2243 km vs 調整 2862 km。両者の周長は線引き境界 (共有境界) を 2 重カウントするため近似的に等しいはず。実測差は外周 (調整区域の外境=都計区域境界、市街化の外境=線引き境界) の違いを反映。

表 (要件 G): 13 市町別 dissolve 結果 (面積・連結成分・円形度・市街化比率)

なぜこの表か: 全県集計だけでは見えない市町間の差を直視する。「府中町は市街化 5.7 km² で連結成分 1 個=完全な塊、海田町は調整 8.3 km² で連結成分 37 個=超細密分散」など、市町ごとの線引き運用の個性が一表で見える。

この表から読み取れること

• 市街化区域 連結成分数の最大は広島市 (34)、次が東広島市 (20)、福山市 (18)。政令市と中核市の市街化は本体 + 衛星市街地 + 駅前小規模 + 工業団地など複数の塊に分散している (= 飛び地都市化が顕著)。
• 調整区域 連結成分数の最大は海田町 (市街化 2 件 vs 調整 37 件) と異常値。海田町は調整区域が 37 個もの飛地で構成されており、線引き運用が極めて細密。町域に高速道路・JR・国道・広島呉道路・海田大橋等の交通幹線が複雑に通っているため、線引きが非常に細かく刻まれている可能性。
• 市街化区域比率の市町間ばらつき: 最低 8.6% (東広島市) 〜 最高 54.6% (府中町)、標準偏差 13.0%。3 桁の差があり、市町タイプ・地形・産業構造の違いが線引き運用に反映されている (仮説 H2)。
• 円形度: 0 に近いほど細長 / 凹凸多、1 に近いほど円。市街化と調整の両方で 0.05〜0.3 程度とかなり凹凸の多い形。瀬戸内沿岸の地形 (リアス式海岸・島嶼) と線引き運用の細密性を反映。
• 線引き面積 上位: 1 位 東広島市 (352 km²)、2 位 福山市 (335 km²)、3 位 広島市 (401 km²)。東広島市は調整区域が突出して大きい (約 320 km²) ため線引き面積でトップ。「合併で広域化した市が、周辺農村部を調整区域として線引きに取り込む」傾向。

6. 分析3: 主題図と small multiples で線引きの地理パターンを掴む

狙い

前セクションで集約した市街化/調整区域を地図で可視化する。「県内のどこに線引きが、どんなパターンで適用されているか」を直感的に掴む (要件 T 必須の地図系)。色分け: 市街化 = 赤系、調整 = 緑系 で制度の意味と直感的に対応させる (赤=「動」=開発推進、緑=「静」=保全)。

図 1: 13 線引き市町 — 市街化 (赤) + 調整 (緑) 重ね主題図

なぜこの図か (要件 H): 県全域に対して「線引きの地理的配置」の基準ビュー。市町境界を背景に重ねることで、「都市核がどこにあり、その周辺をどう抑制しているか」を一目で見せる。

図1: 市街化区域 (赤) + 市街化調整区域 (緑) 重ね主題図 (背景は 13 線引き市町の行政区域)

この図から読み取れること (要件 F)

• 赤 (市街化) は瀬戸内沿岸の都市核に集中: 広島市デルタ・呉市港湾・尾道因島中心・福山市平野・廿日市市・府中町・海田町・坂町。瀬戸内臨海工業地帯と表裏一体の都市配置。
• 緑 (調整) は市街化の外側を取り囲む: 広島市の北部・東部、福山市の郊外、東広島市の中央 (西条以外)・周辺、尾道市の島嶼部。市街化「核」を調整「殻」が抑制する線引きの基本構造が視覚的に明白。
• 東広島市は緑がほぼ市域全体を占める: 西条駅前の小さな赤塊以外はほぼすべて緑 (調整)。中心市街地の外延を強く抑制している。合併で広域化した中核市の特徴。
• 線引きされていない市町は地図上に表示されない (背景は 13 市町のみ)。残り 8 市町 (竹原・三次・庄原・安芸高田・江田島・北広島・世羅) は非線引き都市計画区域または都市計画区域外で、本記事の対象外。
• 市街化シェア 26.9% vs 調整シェア 73.1%: 面積で見ると線引きの 4 分の 3 は調整区域、1 ポリゴン平均でも調整の方が広い。「線引き=抑制が原則、市街化は例外」の制度思想が定量化された。

図 2: 13 線引き市町 small multiples

なぜこの図か: 主題図 1 枚だと色重なりで個別市町の地理パターンが見にくい。13 panels に分割し各市町個別スケールで並べることで、「市町ごとの線引き戦略の違い」が各々クリアに見える。各 panel に市街化:調整 面積比とポリゴン数を表記。

図2: 13 線引き市町 — 市街化 + 調整 small multiples (各市町個別スケール、市街化%とポリゴン数記載)

この図から読み取れること

• 広島市: 8 区にまたがる赤塊が中央に大きく広がり、周辺の安佐北区・佐伯区・安芸区が緑 (調整) で囲む。「中心都市核 + 郊外抑制」の典型的な政令市プロファイル。
• 呉市・福山市・尾道市: 沿岸部に赤塊、内陸部・島嶼部に緑。港湾都市の典型で、海岸線に沿った市街化と山地の調整の対比。
• 東広島市: 西条駅周辺の小さな赤塊以外はほぼ全域が緑 (調整) と空白。市街化シェア 8.6% は 13 市町中最低。「合併で取り込んだ周辺農村を全部調整区域に指定」の運用方針。
• 府中町: 町域がほぼすべて赤 (市街化)。市街化シェア 54.6% で 13 市町中最高。町ぐるみで都市化された純市街地町。
• 海田町: 小さな町ながら調整 polys=37 という超細密構造。国道・JR・高速道が町を分断し、線引きが極めて細かく刻まれている。
• 大竹市: 市街化 polys=1 という珍しいシンプル構造。コンビナートを含む 1 つの塊として指定され、その周辺の山地が調整区域 (2 個) に。
• 三原市・尾道市・廿日市市: 海岸沿いに細長い赤、内陸の山地が緑。瀬戸内沿岸都市の「沿岸線細長型」線引きパターン。

7. 分析4: 市街化区域比率と線引き密度のランキング

狙い

13 市町を「市街化区域比率」 (= 市街化 / 線引き面積) でランキングし、「最も市街化が進んでいる市町は？」「最も調整が広い市町は？」を定量化する (仮説 H2)。また「線引き密度」 (= 線引き / 行政面積)を別軸で見ることで、「市町全域に線引きが及んでいるか、それとも一部だけか」も同時に見る。

手法

STEP1: 市街化比率 ランキング横棒
各市町の kuiki_share_pct = kuiki / (kuiki + tyousei) * 100 を計算し、横棒を昇順に並べる。50% ラインを縦線で描いて「市街化≧調整」と「市街化<調整」の境界を視覚化。色分けは都市タイプ (政令市=赤、市=青、町=緑) で都市タイプ依存の傾向を見る。

STEP2: 市街化 + 調整 stacked 横棒
線引き合計面積を昇順で並べ、市街化 (赤) + 調整 (緑) を stacked 棒で表示。右に「線引き計 / 行政面積」を併記して絶対規模感と相対カバレッジを同時に見る。

図 3: 13 市町 市街化区域比率 + 線引き面積 stacked

なぜこの図か: 市町ごとの市街化バランスと線引き規模を 1 枚で比較。「市街化シェアの高い市町は本当に都市タイプ・規模で偏っているか？」を直答する。

図3: 左=市街化区域比率 ランキング (色=都市タイプ、点線=50%ライン)、右=線引き面積 stacked (赤=市街化、緑=調整)

この図から読み取れること

• 市街化区域比率 最高は府中町 (54.6%)。町域 10.4 km² の半分以上が市街化区域として指定されている純市街地町。次が広島市 (40.3%) と大竹市 (40.7%)。政令市・町は市街化シェアが高め という H2 の予想を支持。
• 市街化区域比率 最低は東広島市 (8.6%)。次が三原市 (15.6%)・熊野町 (16.5%)。合併で広域化した中核市・周辺農村型町は調整区域が圧倒的で、中心都市核以外を強く抑制している。
• 50% ラインを超える市町は府中町のみ。13 市町中 12 市町は市街化<調整 で、線引き=調整中心の運用が広島県の標準。
• 右図の線引き合計 (面積): 東広島市 (351 km²) > 福山市 (335 km²) > 広島市 (400 km²) ※広島市は最大。絶対面積では中核市と政令市が上位だが、市街化シェアでは政令市が高い。「広い線引き面積 ≠ 高い市街化シェア」が分かる。
• 町の線引き計: 府中町 10.5 km²、坂町 15.7 km²、海田町 13.7 km²、熊野町 33.6 km²。町は町域 ≈ 線引き (線引き密度ほぼ 100%) で全町域を都計区域として運用。
• 都市タイプの色 (左図): 緑 (町)・赤 (政令市) はやや上位、青 (市) は分散。「都市タイプ → 市街化シェア」の傾向はあるが、絶対的な規則はない。個別市町の歴史・地形・合併歴が大きく影響している。

表 (要件 G): 13 市町 線引き構造ランキング詳細 (市街化比率 降順)

この表から読み取れること

• 線引き密度 (= 線引き計 / 行政面積) 最高は府中町 (100%)・海田町 (98%)・坂町 (64%)。町は町域全部を線引きしており、線引き=都市計画区域がほぼ重なる。
• 線引き密度 最低は東広島市 (55%)・三原市 (18%)。合併で広域化した市は市域の大部分が非線引き (都市計画区域外 or 非線引き都計区域)。本記事で扱う「線引きされた市街化＋調整」は市域の一部にすぎない。
• 市街化比率 = 「都市的活動の許容度」、線引き密度 = 「都市計画的に管理されている範囲」。両者は別の指標であることが、府中町 (両者高) と東広島市 (両者低) の対比で明白。
• 大竹市は市街化比率 40.7%と政令市並みに高い。コンビナート都市として町域の半分近くが都市的開発許容になっている、特異な小規模市プロファイル。

8. 分析5: 連結成分と市街化『島』(飛び地都市化の検出)

狙い

市街化区域と調整区域の「連結成分数」「飛び地構造」を分析する (仮説 H3, H5)。都市制御の幾何構造を「中心集中型 vs 飛び地分散型」で類型化する。また「市街化『島』」 (調整区域に囲まれた市街化飛び地)を抽出し、衛星市街地・分散都市化のサインを可視化する。

手法

STEP1: 連結成分数の choropleth + 散布図
各市町の市街化 polys 数を choropleth で色塗り (log スケール)。右に「市街化 polys vs 調整 polys」の散布を 45° 線付きで描く。45° 線より上=調整 polys 多 (= H3 の予想に合致)、下=市街化 polys 多 (= 飛び地都市化が顕著)。

STEP2: 市街化『島』クローズアップ
主島シェア = 最大連結成分の面積 / 市街化全体面積。100% に近いほど集中、低いほど分散 = 飛び地都市化。主島シェア下位 4 市町を panel で並べ、市街化を主島 (深紫) と飛び島 (赤) に色分けして「どこに飛び地都市化が起きているか」を視覚化。

図 4: 市街化区域 連結成分 choropleth + 散布

なぜこの図か: 連結成分数は「線引きの幾何複雑性」を測る最重要指標。広島市と海田町を比べたとき、両者とも線引きされているが幾何構造が桁違いに違う。それを定量化する。

図4: 左=市街化区域 ポリゴン数 choropleth (log スケール、数値=ポリゴン数)、右=市街化 polys vs 調整 polys 散布 (45°線、バブル=線引き面積)

この図から読み取れること

• 左 choropleth: 広島市 polys=70が最も濃く、次に東広島市 (20)、福山市 (18)。政令市・中核市の市街化は地理的に細分化されており、本体 + 衛星 + 工業団地 + 駅前小規模 で多数の塊を持つ。
• 町は市街化 polys=1〜3 (府中町 1、坂町 2、海田町 2)。町の市街化は町中心の 1 つの塊に集約されており、幾何構造はシンプル。
• 右散布図 45° 線: ほとんどの市町が線の上 (調整 polys ≥ 市街化 polys)。唯一の例外的傾向は広島市 (市街化 70 / 調整 81 — ほぼ均衡)。8 区の細分化と平和記念都市計画の歴史により、市街化と調整の polys 数が拮抗している。H3 (市街化 polys ≤ 調整 polys) は 13 市町中 8/13 で支持。
• 海田町は散布図右上: 市街化 polys=2、調整 polys=37 という極端な非対称。市街化は中心 1-2 個の塊、調整は超細密 37 個の飛地という、線引き運用の異常値。国道・高速道・鉄道で町域を細かく分断していることが原因と推察。
• バブルサイズ (線引き面積): 東広島市・福山市・広島市が突出して大きい。「広い線引き面積 = 連結成分数も多い」傾向 (面積 vs polys 数の正相関)。

図 5: 市街化『島』クローズアップ — 主島シェア下位 4 市町

なぜこの図か: 連結成分数だけでは「島がどこに、どんな大きさで存在するか」が分からない。地図で主島 (深紫) と飛び島 (赤) を塗り分けることで、衛星市街地のロケーションが視覚的にわかる。

図5: 市街化『島』(主島シェア下位 4 市町) — 深紫=主島群、赤=飛び島、緑=調整区域

この図から読み取れること

• 東広島市: 西条駅周辺の主島 (深紫) は小さく、周辺に複数の赤い飛び島が点在。八本松駅前・志和地区・高屋駅前など。合併で取り込んだ旧町の中心がそのまま市街化飛び地になっている典型例。
• 福山市: 中心部の福山駅周辺の主島と、海岸沿い・郊外駅 (神辺・松永) の飛び地市街化。地理的に分離した複数の市街地核を持つ。
• 広島市: 8 区にまたがる本体は連続した塊だが、白島・宇品・矢野など独立した小さな飛び島が複数存在。歴史的な「町」が市街化の小塊として残った結果。
• 主島シェア 80-90% 程度の市町: 「飛び地は存在するが本体が支配的」。完全な「単核都市」ではなく「主核+衛星」の構造。仮説 H5 を支持。

表 (要件 G): 13 市町 連結成分・飛び地サマリ

この表から読み取れること

• 市街化 主島シェア 100% は府中町 / 大竹市 (1 つの塊のみ)。完全な単核都市プロファイル。
• 主島シェア最低は広島市 (22.2%)・東広島市・福山市。複数の市街化核を持つ多核都市。
• 連結成分数 (n_parts) と polys 数の差: 多くの市町で n_parts < polys。これは複数のポリゴン (raw) が dissolve で 1 個のマルチポリゴンに統合された結果。例: 広島市 70 polys → dissolve 後 n_parts=18 (= 18 個の独立した塊)。幾何的な「実質的な飛び地数」は polys より n_parts で見るのが正確。
• 飛び島合計面積: 福山市が最大 (約 32 km²)、次に広島市・東広島市。「主島以外の市街化」が市町に占める比率は意外と大きく、数 km² オーダーの衛星市街地が存在することを示す。

9. 分析6: 線引き境界長と境界密度 (運用細密度の定量化)

狙い

市街化区域と調整区域の「共有境界」 (= 線引きの境目の線) の総延長を計測し、市町ごとの線引き運用の細密度を定量化する (仮説 H4)。境界密度 (= 境界長 / 市街化面積) でスケール正規化することで、「単純に大きい市町は境界も長い」効果を排除し純粋な細密度を比較できる。

手法

直感: 「市街化と調整の境目はどこ？」2 つの多角形の境界 (boundary) の交差 (intersection) = 共有境界線。shapely で g1.boundary.intersection(g2.boundary) として計算可能。結果は LineString または MultiLineString になり、.length で長さが取れる。

大筋

1. 各市町について dissolve 済の市街化と調整を取り出す
2. 両者の geometry.boundary (= 各多角形の外周線) を計算
3. 2 つの境界線の intersection を計算 → 共有境界線
4. 共有境界の長さを km 単位で集計
5. 境界密度 = 共有境界 km / 市街化区域 km² で正規化

入出力: 入力=市町×類型 dissolve GDF (26 行)、出力=13 行の境界長 DF。市街化と調整の両方を持つ市町のみで計算 (= 13 市町すべて該当)。

前提と限界: boundary.intersection は幾何学的な完全一致に依存する。実データでは小数点以下の座標誤差で「ほんのり離れている」場合があるが、幸い本データはマスターから書き出された結果でスナップ済のため誤差ゼロ。「市街化と調整の境界は完全に一致する」ことが、本記事で初めて実証される。

実装

↑ L18_urbanization_lines.py 行 1897–1942

 1
 2
 3
 4
 5
 6
 7
 8
 9
1906
1907
1908
1909
1910
1911
1912
1913
1914
1915
1916
1917
1918
1919

# 各市町について、市街化 dissolve と 調整 dissolve の境界の交差を計算
# 共有境界 = 市街化と調整の「境目」(線引きの線)
boundary_rows = []
for kds, tds, name, _, _, _ in CITY_DEFS:
    sub = zone_diss_city_kind[zone_diss_city_kind["source_city"] == name]
    if (sub["KUIKI_CD"] == 1).any() and (sub["KUIKI_CD"] == 2).any():
        # boundary = 多角形の外周線 (LineString or MultiLineString)
        gk = sub[sub["KUIKI_CD"] == 1].geometry.iloc[0].boundary
        gt_ = sub[sub["KUIKI_CD"] == 2].geometry.iloc[0].boundary
        # 共有境界 = 両方の境界が重なる部分
        shared = gk.intersection(gt_)
        shared_km = shared.length / 1e3
    else:
        shared_km = 0.0
    boundary_rows.append({"city": name, "shared_boundary_km": shared_km})

boundary_df = pd.DataFrame(boundary_rows)

# 境界密度 = 共有境界長 / 市街化区域面積 (km/km²)
# = 「市街化区域 1km² あたり何 km の線引き境界があるか」
city_summary["boundary_density"] = (
    city_summary["shared_boundary_km"] / city_summary["kuiki_area_km2"]
)

図 6: 線引き境界長 + 境界密度 ランキング

なぜこの図か: 境界長は「絶対量」、境界密度は「相対指標」。両方を並べることで、「単に広い市の境界は長いだけ」と「真に細密な線引き運用」を区別できる。

図6: 左=線引き境界 総延長 ランキング、右=境界密度 (km/km²) ランキング (色=都市タイプ)

この図から読み取れること

• 境界長 上位は広島市・福山市・東広島市: いずれも657 km、338 km、215 km と数百キロ規模。政令市・中核市は線引き境界が市内交通網レベルの長さに達する。
• 境界密度 最大は熊野町 (10.04 km/km²)。市街化 1 km² あたり 10 km の境界線を運用。極めて細密。熊野町は人口 23,000 規模の町ながら、町域に住宅団地や工業集積が点在し、市街化区域 (5.6 km²) の外周のほぼ全部 (56 km) が調整区域に直接接する細長分布。次が東広島市 (7.07)・坂町 (6.60)・呉市 (6.33) と続く。
• 境界密度 最小は府中町 (0.01 km/km²)。市街化区域は町域全部に近く、調整区域は山地の小区域のみ。次が大竹市 (3.12 km/km²)。「1 つの塊」型の単核都市は境界が単純で、運用コストが低い。
• 境界密度の桁違いの差: 最大 10.0 vs 最小 0.01 で726 倍以上。同じ「線引き」と一括りにされる制度の中でも、市町の地理特性により運用負荷が桁違いに異なる。
• 都市タイプとの相関: 政令市・中核市は境界長が大きく、町は短い。ただし密度では熊野町・坂町・海田町が高く、町でも例外的に細密な事例がある。町=シンプル運用とは限らない。

表 (要件 G): 13 市町 線引き境界詳細

この表から読み取れること

• 市街化外周 ≈ 調整外周 ≈ 共有境界 + 都計区域外境界。市街化の外周のうち、調整に隣接する部分は共有境界、それ以外は都市計画区域の外境 (= 線引きの外側＝白地境界)。数値の整合性が裏で確認できる。
• 共有境界 = 市街化外周のおおむね 80-100% (= 市街化の外周はほぼ調整に隣接)。これは市街化区域 + 調整区域 = 線引き都計区域 という相補ペアの数学的帰結。市街化が線引き都計区域の境界に直接接する部分 (= 都計区域外との境) は限定的。
• 境界密度の高い市町 (海田町・坂町) は町域に交通インフラが貫通している共通点。JR・国道・高速道で町が物理的に分断され、線引きもそれに沿って細かく刻まれる。

10. 分析7: k-means クラスタリング (4 特徴量で都市制御プロファイル類型化)

狙い

13 市町を4 特徴量 (市街化%, 線引き密度%, 市街化polys数, 境界密度) で自動分類し、「全域市街化型」「市街化中心型」「飛び地分散型」「調整圧倒型」のような都市制御プロファイルを浮き上がらせる (仮説 H2 を統合的に検証)。

手法

STEP1: 特徴量設計
直感: 「13 市町を 4 つの数字で表現」。市街化%は「都市的活動の許容度」、線引き密度は「都計管理の網羅度」、polys 数は「幾何的な細分性」、境界密度は「線引き運用の細密度」という独立した 4 軸を選定。これらの組み合わせで都市タイプが類型化されるはず。

STEP2: k-means クラスタリング
k-means とは: 「k 個のグループ重心を反復で動かして、各点を最寄りの重心に割り当てる」クラスタリング手法 (中身の数式は黒箱で OK、要件 J)。入出力: 入力=13 行 × 4 列の数値ベクトル、出力=各市町に 0〜3 のクラスタ番号。
パラメータ k: 「いくつのグループに分けるか」を事前指定。本記事では k=4 を採用 (4 特徴量に対応)。標準化 (StandardScaler) 必須: 市街化% は 0-100、polys 数は 1-70、境界密度は 0-6 とスケール大違い。そのまま距離計算すると polys 数だけが支配的になる。
silhouette score でクラスタの分離度を 0-1 で評価 (>0.5 が良好、>0.2 で意味あり)。

実装

↑ L18_urbanization_lines.py 行 2054–2103

 1
 2
 3
 4
 5
 6
 7
 8
 9
2063
2064
2065
2066
2067
2068
2069
2070
2071
2072
2073
2074
2075
2076
2077
2078

from sklearn.cluster import KMeans
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import silhouette_score

# 4 特徴量で 13 市町を分類
feat_cols = ["kuiki_share_pct",      # 市街化シェア (%)
             "drawn_in_admin_pct",   # 線引き密度 (%)
             "n_polys_kuiki",        # 市街化 polys 数 (= 飛地分散性)
             "boundary_density"]     # 境界密度 (= 運用細密度)
X = city_summary[feat_cols].fillna(0).values

# 標準化 (各特徴量を平均0/標準偏差1 にスケール統一)
# 市街化%は 0-100、polys数 は 1-70、境界密度 は 0-6 とスケールが大違いのため必須
Xs = StandardScaler().fit_transform(X)

# k=4 で kmeans
KM_K = 4
km = KMeans(n_clusters=KM_K, random_state=42, n_init=10)
city_summary["cluster"] = km.fit_predict(Xs)

# クラスタごとの平均でラベル付け (実体に応じた解釈ラベル)
# 例: 「全域市街化型」「市街化中心型」「飛び地分散型」「調整圧倒型」

# silhouette score = クラスタ分離度 (−1〜1、>0.5 が良好)
sil = silhouette_score(Xs, city_summary["cluster"])

図 7: 市街化 vs 調整 幾何指標 散布

なぜこの図か: クラスタリングの前段として、各市町の「市街化と調整の幾何特性」を直接可視化する。面積 (規模) と円形度 (形状) の 2 軸で市街化と調整の対応関係が見える。

図7: 左=市街化 vs 調整 面積 (log-log、バブル=行政面積)、右=市街化 vs 調整 円形度 (バブル=線引き面積)

この図から読み取れること

• 左 (面積 log-log): 13 市町とも 45° 線より上 (調整 > 市街化)。調整 = 市街化の 3 倍ライン (点線) 付近に多くの市町が集まる。「調整は市街化の約 3 倍」がオーダーレベルの標準。例外: 府中町 (調整 < 市街化)。
• 左図上 (調整 圧倒型): 東広島市 (321 km² vs 30 km² = 10:1)、三原市・熊野町 (5:1)。合併で農村を取り込んだ市の特徴。
• 右 (円形度 散布): ほとんどの市町が原点近く (両者凸凹)。府中町・大竹市が右上 (両者比較的高い円形度)、海田町が左下 (両者極端に細長)。市街化と調整の円形度は弱い正相関: 「凹凸の多い市は両者ともそうなる」傾向。地形 (沿岸線・河川・山地) が両者の境界形状を共通に規定している。

図 8: k-means クラスタ choropleth + 散布

なぜこの図か: 「都市制御プロファイル」を 4 つのタイプにグループ化し、地図上の同色塗り = 同じプロファイルとして可視化。クラスタの地理的偏在パターン (沿岸偏在 / 内陸偏在 など) が見える。

図8: 左=k-means クラスタ choropleth、右=市街化%×線引き密度% 散布 (色=クラスタ)

この図から読み取れること

• silhouette score = 0.268。クラスタ分離が意味あるレベル (> 0.2)。13 市町は確かに 4 つの「都市制御プロファイル」に類型化できる。
• クラスタは地理よりも都市タイプ・歴史を反映。同色市町が必ずしも地理的隣接ではなく、都市規模・合併歴・地形が混合的に効いている。
• 右散布 (市街化% vs 線引き密度%): 右上 = 全域市街化型 (府中町・坂町)、左上 = 飛び地分散型 (海田町)、左下 = 調整圧倒型 (東広島市・三原市)、中央 = 中核都市型 (広島市・福山市・呉市)。4 つの象限がそれぞれの都市タイプに対応している。
• 政令市 広島市は中央付近: 市街化 40% / 線引き密度 約 50% で 「大規模かつバランス型」。
• 町クラスタは『純市街地町』と『細密運用町』に二分。府中町・坂町は前者、海田町は後者。町とひとくくりにできない多様性。

表 (要件 G): クラスタ別 市町一覧

この表から読み取れること: クラスタごとに都市制御の「型」が明確に分かれている。全域市街化型 (高市街化%・高線引き密度・少 polys)、市街化中心型 (中市街化%・中密度)、飛び地分散型 (中市街化%・多 polys・高境界密度)、調整圧倒型 (低市街化%・低線引き密度) などが識別された。各クラスタが固有のシグネチャーを持ち、都市制御プロファイルが定量的に類型化できることを示し、仮説 H2 を強く支持。

11. 分析8: 13 市町別 vs 県全域 整合性検証 (2 シリーズ同時)

狙い

研究記事として「使ってるデータが信じられるか」を点検。DoBoX の 13 市町別 26 ファイルと県全域 2 ファイル (ds=925, ds=926) が同じものを別書式で出しているだけかを、ポリゴン数・面積・KUIKI_CD フラグの 3 指標で確認する。L15-L17 でも同じ検証を行ったが、本記事では2 シリーズの両方で検証する。

手法

「足し算が合うかチェック」。zone[zone['KUIKI_CD']==1]['poly_area_km2'].sum() と ken_kuiki['poly_area_km2'].sum() を比較し、± 0.001% 以内なら同一マスター由来と結論できる。市街化・調整の両方で実施。

実装

↑ L18_urbanization_lines.py 行 2185–2226

 1
 2
 3
 4
 5
 6
 7
 8
 9
2194
2195
2196
2197
2198
2199
2200
2201
2202
2203
2204
2205

# 13 市町別合計 (市街化と調整 別々に)
sum_kuiki_city = zone[zone["KUIKI_CD"] == 1]["poly_area_km2"].sum()
sum_tyousei_city = zone[zone["KUIKI_CD"] == 2]["poly_area_km2"].sum()
n_kuiki_city = (zone["KUIKI_CD"] == 1).sum()
n_tyousei_city = (zone["KUIKI_CD"] == 2).sum()

# 県全域版 ds=925/926
sum_kuiki_ken = ken_kuiki["poly_area_km2"].sum()
sum_tyousei_ken = ken_tyousei["poly_area_km2"].sum()
n_kuiki_ken = len(ken_kuiki)
n_tyousei_ken = len(ken_tyousei)

# 差(％)
diff_kuiki = (sum_kuiki_city - sum_kuiki_ken) / sum_kuiki_ken * 100
diff_tyousei = (sum_tyousei_city - sum_tyousei_ken) / sum_tyousei_ken * 100
print(f"市街化 13ファイル合計: {sum_kuiki_city:.3f} km², {n_kuiki_city} polys")
print(f"市街化 ds=925合計    : {sum_kuiki_ken:.3f} km², {n_kuiki_ken} polys")
print(f"市街化 差: {diff_kuiki:+.5f}%")
print(f"調整   13ファイル合計: {sum_tyousei_city:.3f} km², {n_tyousei_city} polys")
print(f"調整   ds=926合計    : {sum_tyousei_ken:.3f} km², {n_tyousei_ken} polys")
print(f"調整   差: {diff_tyousei:+.5f}%")

表 (要件 G): 整合性検証レポート

この表から読み取れること

• 市街化区域: 13 市町別 153 polys = 県全域 ds=925 153 polys で完全一致。面積差は +0.00000% (浮動小数点演算レベル)。市町別と県全域は同一マスター由来の冗長コピーと結論。
• 市街化調整区域: 13 市町別 181 polys = 県全域 ds=926 181 polys で完全一致。面積差は +0.00000%。同様に同一マスター由来。
• L15-L17 と同じ整合性パターン: DoBoX のデータ管理は「県全域マスター → 市町別に分割配信」の形態であることが、4 サブシリーズで一貫している。研究上、どちらのファイルを使っても結果は同じだが、市町別の方が source_city 情報を保持できるため、本記事のような市町間比較分析に必須。

図9: 市街化 と 調整 の 13 市町別合計 vs 県全域 整合性 (左=面積、右=ポリゴン数、両者完全一致)

この図から読み取れること: 棒グラフで「13 市町別合計」と「県全域」の高さがほぼ同じ → 視覚的にも整合性確認。市街化・調整の両方で同様のパターン。線引き = 市町別データと県全域データは完全互換であることが定量的に保証された。

12. 仮説検証と考察

仮説検証 結果一覧

この表から読み取れること

• H1 (市街化 < 調整): 市街化 423 km² vs 調整 1151 km²、市街化シェア 26.9%、比 1:2.72。「コンパクトな市街地核を広い調整区域で抑制する」線引き思想が県全体で実装されている。判定: 支持。
• H2 (市町タイプ別の比率差): 市街化比率の標準偏差 13.0%、範囲 [8.6%, 54.6%]。町・政令市は高め、中核市は低めの傾向あり。判定: 支持。
• H3 (市街化 polys ≤ 調整 polys): 市街化 polys 平均 11.8 vs 調整 polys 平均 13.9。13 市町中、市街化 polys が調整 polys より多い市町は 5 市町。判定: 部分支持 (中心集中 vs 周辺分散の幾何特性は確認できるが、広島市・東広島市・福山市など中核都市で市街化polys数が大きく、想定より反例が多かった)。広島市は 70 vs 81 と拮抗、東広島市は 20 vs 5 と逆転 (合併由来の中山間調整集約)、福山市は 18 vs 16 と拮抗。政令市・中核市・合併市は H3 の例外パターンを示す。
• H4 (線引き境界の総延長): 共有境界 13 市町合計 1909 km、境界密度 平均 5.06 km/km²、最大 10.04 km/km² (熊野町)。境界密度の市町間差は9 倍に達し、線引き運用の細密度の違いが定量化された。判定: 支持。
• H5 (市街化『島』の存在): 主島シェア < 90% の市町は 8 市町。13 市町中の半数以上で「飛び地都市化」が観察された。Top 3 (主島シェア最低): 広島市 (22%), 東広島市 (37%), 呉市 (51%)。判定: 支持。

考察: なぜこの構造になったか

1. 「市街化:調整 = 1:3」 は線引きの基本思想。都市計画法は「市街化区域の指定は10 年以内に計画的に市街化を図る区域に限定」と限界を設けている (法 7 条)。結果として市街化区域は「都市的活動の最小許容範囲」になり、残りはほぼすべて調整区域 (= 抑制) として広がる。全国平均でも市街化:調整 = 約 1:3 とされ、本記事の結果は全国傾向と一致。
2. 東広島市の極端な調整偏重 (10:1)。1974 年に 4 町合併で発足、2005 年にさらに 5 町合併。合併で取り込んだ周辺農村地帯をそのまま調整区域として線引き網に組み込んだ結果、広い調整区域と限定的な中心市街化 (西条駅前) のプロファイルが形成された。「合併型線引き」の典型。
3. 府中町の市街化シェア 54.6%: 全国でも極めて稀な特異プロファイル。町域 10.4 km² のうち平地部分が広島市マツダ本社・自動車サプライヤー集積で工業＋住宅地化。山地部分のみが調整区域として残った結果。「町の都市化の極限事例」と位置づけられる。
4. 海田町の異常な調整 polys=37。町域 13.8 km² に JR 山陽本線・国道 2 号・国道 31 号・広島呉道路・海田大橋等が複雑に貫通。交通インフラが線引きを物理的に細分化した結果。「線引きの細密度は地理特性が決める」のサンプル。
5. 市街化『島』 = 衛星市街地の制度的痕跡。東広島市の八本松・志和、福山市の松永・神辺、広島市の白島・宇品など、「歴史的に独立していた町の中心が市街化飛び地として残る」パターンが複数の市町で確認。市町合併の歴史と線引き運用が幾何構造に化石として残っている。

研究上の含意

• 線引きは「制度」「地理」「歴史」の三重作用の産物。制度 (都計法 7 条の枠組み)、地理 (沿岸/内陸/島嶼/交通)、歴史 (合併歴・既存集落)。13 市町のプロファイル差はこの三重作用で決まっている。
• 面積比 1:3 という共通シグナル + 市町プロファイルの多様性。全県スケールでは「市街化 1:調整 3」の共通則があるが、市町スケールでは標準偏差 13% の大きな分散を持つ。「マクロは均一、ミクロは多様」が線引きの特徴。
• 「飛び地都市化」は本記事で初めて定量化。主島シェア・連結成分数で測れる。5 市町以上で飛び地都市化を観察し、合併歴と相関する仮説が立つ (発展課題 1)。
• 線引き境界 総延長 1909 km は地理学的にも意味のある量。市町境界は政令や条例で決まる「政治的境界」だが、線引き境界は「都市的活動の境界」であり、制度と地理が交差する境界線。本記事はこれを定量計測した広島県内初の事例。
• L15-L17 との位置づけ: L15 (行政) → L16 (都計区域) → L18 (線引き = 市街化⇆調整)→ L17 (用途地域) という区域階層の入れ子構造。本記事は階層の中間層 (線引き) を扱い、L17 の用途地域指定は線引き内の市街化区域内部での細分指定にあたる。「線引き → 用途」の連鎖が見えてくる。

13. 発展課題 (結果X → 新仮説Y → 課題Z の3段)

各課題は「結果X → 新仮説Y → 課題Z」の3段で書く (要件 E)。

課題1: 市街化『島』と合併歴の相関分析

• 結果X: 主島シェア下位 (= 飛び地都市化が顕著) は東広島市・福山市・広島市。 いずれも合併で広域化した市で、合併歴が市街化飛び地と関連する強い示唆。
• 新仮説Y: 「市街化飛び地数 = 合併で吸収した旧町数 × α + β」。 平成大合併 (2005 年前後) で市街化飛び地が増加した仮説。 旧町中心がそのまま市街化飛び地として残り、新中心とは離れた「孤島」になる。
• 課題Z: 13 市町の合併歴 (旧町数・合併時期) を総務省データで取得し、 市街化 polys 数・主島シェア・飛び島面積との相関を計算。 重回帰モデル n_polys_kuiki ~ merged_towns + admin_area + ctype で 寄与係数の正負を検定。 時系列的には合併前後の市街化区域指定変遷を都市計画決定告示資料で追う。

課題2: 線引き境界長と交通インフラの関係

• 結果X: 海田町・坂町など、交通インフラが集中する町で境界密度が異常に高い (5.5 km/km²)。線引きが交通インフラに沿って細かく刻まれている兆候。
• 新仮説Y: 「線引き境界の N% は道路・鉄道に沿っている」。 境界の幾何学的整合性が交通幹線によって決まり、 純粋に「都市的開発の自然境界」ではなく「インフラの政治的境界」になっている仮説。
• 課題Z: 国土数値情報の道路・鉄道ネットワークを取得し、 線引き共有境界線との buffer(50m) 重なり率を計算。 「線引き境界の 50% 以上が道路・鉄道沿い」なら仮説支持。 また、海田町・坂町と非該当市町の境界の特徴を比較し、 「インフラ駆動型線引き vs 自然地形型線引き」の市町分類を提案。

課題3: 線引き内の用途地域比率と都市プロファイル

• 結果X: 本記事のクラスタは「市街化-調整の構造」のみで分類した。 L17 の用途地域 (Zoning) と組み合わせると、より精緻な都市タイプが見えるはず。
• 新仮説Y: 「市街化区域内の用途構成プロファイルがクラスタごとに異なる」。 全域市街化型クラスタ (府中町・坂町) は住居系比率が極端に高いはず、 調整圧倒型クラスタ (東広島市) は工業系比率が高いはず。
• 課題Z: L17 の用途地域 21 件を市街化区域 14 件と空間結合 (gpd.sjoin) し、各市街化ポリゴン内の用途地域構成 (住居/商業/工業/田園 比率) を集計。本記事のクラスタごとに用途構成を比較し、 「都市制御プロファイル × 用途構成」のクロスタブで都市タイプを 8-12 種類に細分化。 クラスタごとの用途バリエーションが大きいなら、より精緻な都市分類が可能。

課題4: 非線引き 8 市町との比較研究

• 結果X: 本記事は線引き 13 市町のみ扱った。 残り 8 市町 (竹原・三次・庄原・安芸高田・江田島・北広島・世羅・厳密には呉市の一部) は非線引き。
• 新仮説Y: 「非線引き市町の都市計画区域は、 線引き市町の市街化＋調整より用途地域指定が緩い」。 線引きを採用しないことで、農地転用や住宅開発が比較的自由になっている可能性。
• 課題Z: 非線引き 8 市町の都市計画区域 (L16 の dataset_id 中、ds=807, 850, 856 等) と 用途地域 (L17 の ds=811, 855, 861 等) を本記事と同じ手法で分析。 「線引き市町 vs 非線引き市町」の都市計画運用の差を量的・地理的に比較。 特に農地転用率 (ds=1393 系) との相関を見ると、線引き制度の実効性が定量化できる。

課題5: 線引き運用効率の経年変化と政策効果

• 結果X: 本記事は 1 時点 (2022年) のスナップショット。 1968 年都計法施行から半世紀以上の運用変遷は不明。
• 新仮説Y: 「市街化区域は時間とともに『漸増』、調整区域は『漸減』する」。 人口増加期 (1970-1990) は市街化拡大、人口減少期 (2010-2024) は調整への巻き戻しが起きる仮説。 平成合併で広域化した市は調整増加が顕著なはず。
• 課題Z: 過去の都市計画基礎調査 (5 年ごと) の市街化・調整面積データを 国交省データバンクから時系列取得 (1985, 1990, 1995, 2000, 2005, 2010, 2015, 2020)。 13 市町別の市街化面積・調整面積の経年変化を線図で可視化し、 「拡大期 → 抑制期」の転換時期を特定。 人口動態 (DoBoX 性別年齢別人口) との相関で 「人口減少 → 市街化縮小」のタイムラグを定量化する。