居住誘導区域 9 件 統合分析 — 広島県 LIP 8 市のコンパクトシティ実装構造

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/L19_residential_induction.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_居住誘導区域」シリーズ 9 件 (立地適正化計画 LIP 策定済 8 市 + 県全域 1) を統合し、 広島県の「コンパクトシティ＋ネットワーク」実装構造を読み解く研究記事です。

独自用語の定義 (要件 M)

• 立地適正化計画 (LIP, Location Optimization Plan): 2014 年改正都市再生特別措置法に基づき、 市町が任意に策定するコンパクトな都市づくりの計画。 「居住誘導区域」と「都市機能誘導区域」の二つを設定するのが核心で、 人口減少時代の都市制度的応答として2025 年現在 全国 600 超の市町が策定。 広島県では 21 市町中 8 市のみ策定済 (本記事の対象)。
• 居住誘導区域 (Residential Induction Zone, KUIKI_CD=1): 都市再生特別措置法 81 条に基づき、市街化区域内に「居住を積極的に誘導する区域」として 指定される。住宅の建築や都市基盤整備を集中投下する地理的範囲。 市街化区域 ⊃ 居住誘導区域 の入れ子で、市街化区域の精選版にあたる。
• 都市機能誘導区域 (Urban Function Induction Zone, KUIKI_CD=3): 同法 81 条で、商業・医療・行政・教育などの都市機能 (生活サービス) を立地誘導する区域。 通常は居住誘導区域内の駅前・中心市街地に設定され、 「居住 ⊃ 都市機能」の二重入れ子構造になる。 この入れ子が「拠点ネットワーク型コンパクトシティ」の幾何学表現。
• コンパクトシティ＋ネットワーク: 国土交通省が 2014 年から推進する都市政策のキーワード。 「拠点 (= 都市機能誘導区域) を居住誘導域内に複数配置し、 公共交通でネットワーク状に結ぶ」が骨格。 本記事ではこの理論的設計が、広島県内 8 市でどう実装されているかを 幾何データから読み取る。
• KUIKI_CD: GeoJSON の属性列で、本シリーズでは5 値 (0,1,2,3,4)を取る:
  • 0 = その他/非誘導 (参考エリア)
  • 1 = 居住誘導区域 (面データ)
  • 2 = 居住誘導の境界線 (線データ; 実空間面積ほぼ 0)
  • 3 = 都市機能誘導区域 (面データ)
  • 4 = 都市機能誘導の境界線 (線データ)
  L18 の市街化/調整シリーズ (KUIKI_CD=1/2 の 2 値) とは意味体系が異なるので注意。 面データのみ抽出するには KUIKI_CD.isin([1, 3]) でフィルタ。
• RITTEKI_CD: 立地適正化計画フラグ列。本シリーズでは全レコード =1 で、 「立地適正化計画の対象範囲である」を表す定数フラグ。
• 主島シェア % = 最大連結成分の面積 / 居住誘導区域 全体面積 × 100。 居住誘導が単一の塊か、複数の飛び地で分散しているかを定量化。
• 計画粒度 (planning granularity): 1 ポリゴンあたり平均面積。 小=細密モデル化 (例: 広島市 4485 polys を細かく刻む)、 大=大括り (例: 廿日市市 11 polys を大きな塊で扱う)。 これは行政の計画策定スタンスの哲学差を反映する。
• 居住誘導の容器密度 = 全市人口 / 居住誘導面積 (人/km²)。 市民を居住誘導内に「移したと仮定したとき」の密度。 過剰に大きいと「居住誘導が狭すぎる/不足」、小さいと「ゆとりあり/拡散」。

仮説 H1〜H5 (要件 D)

• H1: LIP 策定 8 市は人口集中型に偏る。 8 市の合計人口は県人口の 7-8 割を占める。 線引き 13 市町よりさらに都市寄りに絞られる選択。 (期待: 8 市/21 市町の人口シェア ≥ 70%)
• H2: 居住誘導 (KUIKI=1) << 行政面積。 居住誘導は市街化区域の精選で、行政面積比 5-10% 程度。 「市町全域に住む」ではなく「ここに集約する」が制度の本質。 (期待: 8 市の居住誘導/行政比率の中央値が 5-15%)
• H3: 都市機能誘導 ⊆ 居住誘導 の入れ子関係。 都市機能 (商業・医療等) を立地誘導する区域は、 生活圏として居住誘導の中心に重なる — というのが「コンパクトシティ＋ネットワーク」の理論的標準。 (期待: 5 市平均で都市機能 ⊆ 居住誘導 重なり率が 80% 以上)
  ただし本記事では H3 が反証される可能性を併せて扱う。 8 LIP 市のうち広島市・福山市・府中市は都市機能誘導未設定、 残り 5 市の都市機能誘導は居住誘導の外に配置されている可能性があり、 その場合は「拠点ネットワーク型」ではなく「居住域 ⇔ 都市機能拠点」の分離型 LIP であることを発見する。
• H4: 計画粒度は市町間で 2 桁オーダーの差がある。 (例: 広島市 4485 polys vs 廿日市市 11 polys ≈ 408 倍。 計画策定の哲学差: 細密モデル化派 vs 大括り派)。
• H5: KUIKI_CD=2/4 (境界線データ) は実空間で 面積ほぼ 0 (0.1 km² 未満) の線細片を表し、 1 ファイルに 2 種類の意味 (面+線) が混在する DoBoX 仕様の解読が必要。 面分析には KUIKI_CD.isin([1, 3]) でフィルタが必須。

到達点

1. 9 GeoJSON (8 市別 + 県全域) を 1 個の GeoDataFrame に統合し、 KUIKI_CD のフラグ別構造 (面 vs 線) を識別する手法
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・円形度の計量
3. 都市機能 ⊆ 居住誘導 の入れ子検証を geometry.intersection で実施し、 「拠点ネットワーク型 LIP」の幾何学的整合性を定量化する手法
4. 21 市町中 8 LIP 策定市 vs 12 非策定市町を、人口・面積・密度で比較し、 「LIP 策定の選別ロジック」を可視化する手法
5. 4 特徴量で 8 市を 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: 8 市別 8 ファイルと県全域 ds=933 の同一性確認
7. 図 10 種・表 9 種で居住誘導構造を多角的に提示 (要件 Q)

2. 使用データ

本記事で使う 9 dataset_id は、DoBoX で「都市計画区域情報」配下「区域データ」配下の 居住誘導区域シリーズである (LIP 策定 8 市 + 県全域 1)。列構造が 9 件すべてで完全に同一(FID/TOKEI_CD/CITY_CD/KUIKI_CD/RITTEKI_CD/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 (5 値: 0/1/2/3/4) で居住誘導/都市機能誘導/境界線/その他を識別する。L18 の市街化/調整シリーズとは KUIKI_CD の意味体系が異なる (L18 は 1=市街化, 2=調整 の 2 値、L19 は 5 値)。また1 ファイルに『面データ』と『線データ』が混在するため、面解析時は KUIKI_CD.isin([1, 3]) でフィルタが必須。

データ仕様と KUIKI_CD 凡例

KUIKI_CD 凡例 (5 値)

9 GeoJSON (LIP 策定 8 市 + 県全域) 一覧 (本記事の対象)

非策定 12 市町 一覧 (本記事の対象外、参考)

広島県全 23 自治体 (21 市町 + 2 単体) のうち、本記事は 21 市町を対象とする (安芸太田町・大崎上島町・神石高原町はL15 行政区域に含まれず、DoBoX で取得しなかったため除外)。立地適正化計画の策定状況は 2025 年現在の DoBoX 公開データに基づく — 計画は任意制度のため、未策定市町は法的に問題ない。

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)

9 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\L19_residential_induction\fetch_residential_induction.py

(2) 中間 CSV (本スクリプトの出力)

• L19_type_agg.csv — 全県 KUIKI_CD 別集計
• L19_city_summary.csv — 8 市サマリ (面積・主島・粒度・クラスタ等)
• L19_all_municipalities.csv — 21 市町 LIP 策定/非策定 マスタ
• L19_crosstab_area.csv — 8 市 × KUIKI_CD 面積クロス
• L19_crosstab_n.csv — 8 市 × KUIKI_CD ポリゴン数クロス
• L19_city_kind_dissolved.csv — dissolve 後の市町×類型集計
• L19_poly_detail.csv — 全ポリゴン詳細 (属性のみ)
• L19_reconciliation.csv — 整合性検証 (8 市別 vs 県全域)
• L19_hypothesis_results.json — 仮説 H1〜H5 検証結果 (JSON)

(3) 図 PNG (本記事掲載)

• L19_lip_thematic.png — 21 市町 LIP 策定/非策定 + 居住誘導 主題図
• L19_city_small_multiples.png — 8 市 small multiples
• L19_jukyo_admin_ratio.png — 居住誘導 行政比率 ランキング + 容器密度
• L19_lip_vs_nonlip.png — 21 市町 LIP 策定 vs 非策定 規模散布
• L19_components_scatter.png — 連結成分 choropleth + 散布
• L19_nest_closeup.png — 都市機能 ⊆ 居住誘導 入れ子クローズアップ
• L19_granularity.png — 計画粒度 (polys 数 vs 面積)
• L19_kuiki_composition.png — 8 市 × KUIKI_CD 構成 stack
• L19_clusters.png — k-means クラスタ choropleth + 散布
• L19_reconciliation.png — 8市別合計 vs 県全域 整合性

(4) 再現用 Python スクリプト

• L19_residential_induction.py — 本記事の全コード
• fetch_residential_induction.py — 9 ZIP 取得スクリプト

実行は cd "2026 DoBoX 教材"; py -X utf8 lessons\L19_residential_induction.py。 9 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_residential_induction.py を実行。

4. 分析1: 9 GeoJSON を 1 枚の GeoDataFrame に統合する

狙い

9 個の ZIP (8 市別 + 県全域) を、プログラム上は 1 個の GeoDataFrame として扱える形にする。9 件すべてが同列構造 (FID/TOKEI_CD/CITY_CD/KUIKI_CD/RITTEKI_CD/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。ただしL18 の市街化/調整シリーズとは KUIKI_CD の意味が異なる点 (L18 は 2 値 1/2、本記事は 5 値 0-4) と、1 ファイルに面データと線データが混在する点は丁寧に扱う。

手法

直感: ZIP×8→geopandas→属性付与→concat→KUIKI_CD 展開→面/線フラグ の 6 ステップ。KUIKI_CD は 5 値の数値フラグなので、辞書 1 つで名前展開すれば良い。面データ (KUIKI=1,3) と線データ (KUIKI=2,4) を is_area/is_line 列で識別し、面分析時は zone[zone['is_area']] で絞る。県全域 ds={KEN_DSID} は整合性検証用として別途読み込み、本論の主分析には使わない。

大筋 (6 ステップ)

1. 8 市について、それぞれの居住誘導 ZIP を load_geojson_zip() で読む
2. 各 GeoDataFrame に source_city/source_dsid/ctype 列を付与
3. 8 個を pd.concat で縦結合 → 9752 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
6. is_area/is_line フラグで面/線を識別

入出力: 入力 = 8 ZIP、出力 = 9752 行 × 13 列の GeoDataFrame 1 個。県全域 ds=933 も別途読み込み、整合性検証用に使う。21 行政区域 (L15 共有) も背景描画用に統合する。

前提と限界: 9 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)。KUIKI_CD の意味体系は L18 とは違うので、L18 のコードをそのまま流用できない。本記事独自の凡例辞書を用意した。

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

↑ L19_residential_induction.py 行 80–251

 1
 2
 3
 4
 5
 6
 7
 8
 9
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131

DATA_DIR = ROOT / "data" / "extras" / "L19_residential_induction"
ADMIN_DIR = ROOT / "data" / "extras" / "L15_admin_zones"
TARGET_CRS = "EPSG:6671"  # JGD2011 平面直角 III, 広島県, m 単位

# (居住誘導 dsid, 市町名, タイプ, 行政_dsid)
LIP_CITY_DEFS = [
    (795, "広島市",   "政令市",       786),
    (805, "呉市",     "中核市",       797),
    (812, "竹原市",   "市",           807),
    (822, "三原市",   "市",           814),
    (838, "福山市",   "中核市",       832),
    (848, "府中市",   "市",           840),
    (876, "東広島市", "施行時特例市", 868),
    (886, "廿日市市", "市",           878),
]
KEN_DSID = 933

# KUIKI_CD 凡例 (5 値, L18 とは別の意味体系)
KUIKI_INFO = {
    0: ("その他/非誘導",       "#cccccc", "誘導指定外の参考"),
    1: ("居住誘導区域",        "#1f78b4", "都計法 81 条 居住誘導 (面)"),
    2: ("居住誘導 境界線",     "#a6cee3", "面ではなく線 (細片)"),
    3: ("都市機能誘導区域",    "#e31a1c", "都計法 81 条 都市機能誘導 (面)"),
    4: ("都市機能誘導 境界線", "#fb9a99", "面ではなく線"),
}


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()))

# 8 LIP 策定市の居住誘導 GeoJSON 8 ファイルを 1 GDF に縦結合
frames = []
for dsid, name, ctype, _ in LIP_CITY_DEFS:
    g = load_geojson_zip(DATA_DIR / f"jukyo_{dsid}_{name}.zip")
    g["source_city"] = name; g["source_dsid"] = dsid
    g["ctype"] = ctype
    frames.append(g)

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
# 「面データ」と「線データ」を識別 (KUIKI=1,3 は面、=2,4,0 は実質線)
zone["is_area"] = zone["KUIKI_CD"].isin([1, 3])
zone["is_line"] = zone["KUIKI_CD"].isin([2, 4])

入出力 Before/After (具体例: ds=795 広島市 居住誘導区域)

結果 (次セクションで使う)

このステップで zone (9752 行 × 13 列、うち面 KUIKI=1,3 が 594 行、線 KUIKI=2,4 が 8992 行) と ken (9752 行、県全域版) と admin_diss (21 市町、LIP 策定/非策定フラグ付) が用意できた。以降の分析は全部これで完結する。面データと線データは zone[zone['is_area']] / zone[zone['is_line']] で簡単に分離できる。

5. 分析2: 全県・市町×KUIKI_CD 集計 + dissolve

狙い

統合した zone から、(a) 全県スケールの KUIKI_CD 別集計、(b) 市町×KUIKI_CD ごとの dissolve 集計 (居住誘導の連結成分構造)、(c) 8 市のサマリ DataFrame (面積・行政比率・主島・粒度) を一気に作る。全県スケールの集計は H1 (LIP 策定の人口集中) と H2 (居住誘導 << 行政) の検証材料を用意するためで、市町×類型 dissolve は H3 (入れ子) と H4 (粒度差) のため。

手法

直感: groupby で全県 KUIKI_CD 別集計、dissolve(by=...) で市町×類型ごとに幾何統合 (生のポリゴンを 1 つの大きい面にまとめる)。dissolve は同じ市町・同じ KUIKI_CD のポリゴン群を 1 つの (Multi)Polygon に統合し、n_parts で連結成分数 (= 飛び地の数) が分かる。面データのみを対象にする (線データを dissolve しても意味のある面にならない)。

独自指標『円形度 (compactness)』: 4πA/P² で計算。完全円なら 1、細長い形ほど 0 に近づく。市町ごとに居住誘導の形がコンパクトか細長いかの指標になる。

サマリ DataFrame の主要列: jukyo_area_km2 (居住誘導面積)、kinou_area_km2 (都市機能誘導面積)、jukyo_in_admin_pct (居住誘導/行政面積)、kinou_in_jukyo_pct (都市機能/居住誘導 — 入れ子率の上限近似)、main_island_share_pct (主島シェア)、n_polys_jukyo (居住誘導ポリゴン数; 粒度指標)、compactness_jukyo (円形度) 等。

実装

↑ L19_residential_induction.py 行 1676–1730

 1
 2
 3
 4
 5
 6
 7
 8
 9
1685
1686
1687
1688
1689
1690
1691
1692
1693
1694
1695
1696
1697
1698
1699
1700
1701
1702

# (a) 全県スケール KUIKI_CD 別集計
type_agg = zone.groupby(["KUIKI_CD", "KUIKI_NAME"]).agg(
    polys_count=("poly_area_km2", "size"),
    area_km2=("poly_area_km2", "sum"),
    perim_km=("poly_perim_km", "sum"),
).reset_index()

# (b) 市町×KUIKI_CD で dissolve (面データ KUIKI=1,3 のみ)
zone_face = zone[zone["is_area"]].copy()
zone_diss = zone_face.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)
zone_diss["compactness"] = (
    4 * np.pi * zone_diss["dissolve_area_km2"] * 1e6
) / (zone_diss["dissolve_perim_km"] * 1e3) ** 2

# (c) 8 市サマリ (居住誘導 + 都市機能誘導 + 行政比率 + 主島シェア)
city_summary = ...  # 詳細は本スクリプト参照

表 1: 全県 KUIKI_CD 別 集計

表 1 から読み取れること:

• KUIKI=1 (居住誘導): 563 polys / 285.0 km²。これが本記事のメイン対象。
• KUIKI=3 (都市機能誘導): 31 polys / 11.99 km²。居住誘導の 4.2%のサイズで、想定通り「居住誘導 ⊃ 都市機能誘導」のサイズ関係になっている (H3 支持に近い)。
• KUIKI=2 (居住誘導 境界線): 8480 polys / 面積わずか 0.3695 km² → 1 ポリゴン平均 43.58 m² (= 0.0001 km² 未満)。これは実質的に面ではなく線細片であり、面分析には不要 (H5 支持)。
• KUIKI=4 (都市機能 境界線): 512 polys、こちらも線細片。
• 線データ (KUIKI=2,4) を含めずに is_area でフィルタすることが、面解析の正しいやり方であると確認。

表 2: 8 市 × KUIKI_CD 別 面積クロス (km²)

表 2 から読み取れること:

• 居住誘導面積最大は広島市 (145.7 km²)、最小は府中市 (5.5 km²)。市町間で 1 桁オーダーの規模差。
• 竹原市は KUIKI=1 (居住誘導) が 0 km² — 都市機能誘導 (KUIKI=3) のみ 3.29 km² 設定。「居住誘導なしの都市機能誘導のみ」という変則 LIPであり、研究上の重要な発見 (竹原市の LIP 策定方針が他 7 市と異なる)。
• 面合計の最大は広島市の 145.7 km²。8 市合計面積を見ても、居住誘導 + 都市機能誘導 << 各市行政面積、で H2 を支持。

6. 分析3: 21 市町 LIP 策定 vs 非策定 — どこが選ばれたか

狙い

21 市町中なぜ 8 市だけが LIP を策定したのか。人口・面積・人口密度の 3 軸で「策定 vs 非策定」の境界線を可視化し、LIP 策定の選別ロジックを読み解く (H1 の検証)。

なぜこの図か

図 1 (主題図): 21 市町を地理的に並べ、LIP 策定/非策定で色分けし、策定市内には居住誘導区域 (青) と都市機能誘導 (赤) を上書きする。「県内のどこが LIP 対象で、どこが対象外か」を一目で把握できる。図 4 (規模散布): 行政面積 vs 人口の log-log 散布で、策定/非策定がどの規模帯で分かれるかを定量化。boxplot で人口密度の中央値差も比較。

実装の要点

21 市町行政区域を admin_diss[lip] でフィルタしながら塗り分け、上書きで zone[KUIKI_CD==1]/[KUIKI_CD==3] をそれぞれ重ねる。boxplot は plt.boxplot で 2 群 (策定/非策定) の分布を比較。中央値差を log スケールで見ると 1 桁 (10 倍) のオーダーで違うはず。

図 1: 広島県 21 市町 — LIP 策定 (青背景) vs 非策定 (灰背景) と 居住誘導+都市機能誘導

図 1 から読み取れること:

• LIP 策定 8 市は瀬戸内沿岸の主要都市帯 (西から: 廿日市市・広島市・東広島市・呉市・竹原市・三原市・尾道市除く・福山市・府中市) に集中。県北部 (三次・庄原・北広島・安芸高田・世羅) は全て非策定 — 山地・農村部で人口集中型ではない。
• 沿岸の小自治体 (大竹市・江田島市・府中町・海田町・熊野町・坂町)は LIP 非策定 — 行政面積が小さく LIP 必要性が低い、または計画策定の人的・予算的リソース不足と推定。
• 策定市内でも居住誘導 (青) は沿岸帯の極一部に集中する模様。市域全体に広がる例はなく、H2 (居住誘導 << 行政面積) を支持。

図 4: 21 市町 LIP 策定 (赤●) vs 非策定 (灰×) — 面積・人口散布 + 人口密度 boxplot

図 4 から読み取れること:

• LIP 策定 8 市の人口下限は約 24 千人 (竹原市)、上限は 1189 千人 (広島市)。非策定 12 市町は人口 6-130 千人で、LIP 策定の閾値は人口 25 千人前後と読み取れる。ただし非策定の尾道市 (130 千人) は例外で、規模だけでは決まらない。
• boxplot: LIP 策定 8 市の人口密度中央値 ~ 700 人/km² 以上、非策定 12 市町は 100-300 人/km²。人口密度で 3-5 倍の差でLIP 策定の選別ロジックは人口密度がより本質的と推定。
• これらはH1 (LIP 策定 8 市は人口集中型に偏る) を強く支持。8 市の人口計 2324 千人は県人口の 84.1%。

7. 分析4: 8 市 small multiples + 居住誘導 行政比率

狙い

8 LIP 市の個別の地理形状と居住誘導の行政面積比を見ることで、「コンパクトシティ」が本当に『コンパクト』なのか定量化する (H2 検証)。市町別 small multiples で形状の哲学差を、ランキング棒グラフで規模感を提示。

なぜこの図か

図 2 (small multiples): 8 市の個別形状を並列比較。「広島市は中心都市の 145 km²」「廿日市市は西側沿岸の 19 km²」など、市域全体に対する居住誘導の相対位置を直感的に把握。図 3 (行政比率 + 容器密度): ランキングで市町間の偏りを定量化。右の容器密度 (人口/居住誘導面積) は H2 の補助指標で、居住誘導の現状受け皿としての適切さを示す。

実装の要点

small multiples は plt.subplots(2, 4) で 2×4 個の panel を作り、各 panel に行政区域→居住誘導→都市機能誘導 の 3 層を重ねる。ランキングは city_summary.sort_values('jukyo_in_admin_pct') で並べ、都市タイプで色分け。容器密度 = 人口千人×1000 / 居住誘導 km² で計算。

図 2: 8 LIP 市 — 居住誘導 (青) + 都市機能誘導 (赤) small multiples

図 2 から読み取れること:

• 広島市は市の中心部 (8 区にまたがる) に居住誘導 145.7 km² が広域分布。市域全体の 15% を占める。これは政令市の都市機能の広がりを反映。
• 廿日市市は西側沿岸の限定的なエリアのみ (3.8%)、山林地帯はばっさり除外。大括り型の典型例 (polys=11)。
• 竹原市は居住誘導 0 km² — 都市機能誘導のみ 3.29 km²。他 7 市と LIP 策定スタンスが根本的に違う (要 4 章で深掘り)。
• 福山市は東部に集中、東広島市は中央部、呉市は中心部の限られたエリア — 各市の歴史的中心地に集中する傾向。

図 3: 居住誘導 行政比率 ランキング (左) + 居住容器密度 ランキング (右)

図 3 から読み取れること:

• 居住誘導 行政比率は15.2% (広島市) から 1.34% (三原市) まで分布。政令市・中核市は 8% 以上、中小市は 1-3% の傾向で、都市規模との正相関が見える。
• 右の容器密度では、政令市の広島市は 8,160 人/km² 程度で全国的に妥当な数値。他市は 1,000-15,000 人/km² で、もし市民が居住誘導内に集約された場合の密度。都市的住宅地として違和感のないレンジ。
• 容器密度が高い市町は「居住誘導が小さくて市民を収容しきれない」、低い市町は「居住誘導が広めで余裕がある」とも読める。今後の人口減少を前提に、各市町が適切な収容能力に合わせ調整可能性を示唆。

表 3: 8 市 居住誘導 + 都市機能誘導 行政比率 / 容器密度 (行政比率降順)

表 3 から読み取れること:

• 居住誘導/行政比率の最大は 広島市 の 15.2%、最小は三原市 の 1.34%。8 市の中央値 ~ 5-15% と H2 の期待 (5-10%) を支持。
• 居住容器密度 (= 全市人口 / 居住誘導面積) は 6,235 - 14,156 人/km²。最大は 呉市。もし市民全員が居住誘導内に住むと、これだけの密度になる — 多くの市で 5,000-15,000 人/km² で、これは都市的に妥当な範囲 (商業地や住宅地に類似)。
• 都市機能誘導/行政比率は居住誘導比率の 1/30 〜 1/100 で、より精選された区域。「居住より都市機能のほうが厳選される」という拠点論理を反映。

8. 分析5: 都市機能 ⊆ 居住誘導 入れ子検証

狙い (重要発見セクション)

「コンパクトシティ＋ネットワーク」理論では、都市機能誘導 ⊆ 居住誘導 の入れ子関係が前提 (都市機能は居住域の中心拠点として配置される) とされる。本記事の 8 市データで、この入れ子が幾何学的に成立しているか検証する (H3)。結果は理論を反証する重要な発見となった。

手法 — 幾何重なり率と最近接距離の算出

直感: 各市町について、居住誘導 polygon (KUIKI=1 の dissolve) と 都市機能誘導 polygon (KUIKI=3 の dissolve) を取り出し、g_kinou.intersection(g_jukyo) で共通エリアを計算。そのエリアの面積を都市機能誘導の総面積で割れば入れ子率 %になる。100% なら完全な入れ子、0% なら全く重ならない (= 分離型)。重なり 0% の場合は、最近接距離 (km) を g_j.distance(g_k) で計算し、「居住誘導と都市機能誘導がどれだけ離れているか」を把握する。

大筋 (4 ステップ)

1. 市町ごとに居住誘導 dissolve と 都市機能誘導 dissolve を抽出
2. shapely の g_kinou.intersection(g_jukyo) で共通部分の面積を計算
3. 共通面積 / 都市機能誘導全面積 × 100 = 入れ子率
4. 重なり 0% の市町について g_j.distance(g_k) で最近接距離を計算

実装

↑ L19_residential_induction.py 行 2013–2050

 1
 2
 3
 4
 5
 6
 7
 8
 9
2022
2023
2024
2025
2026
2027
2028
2029
2030
2031

nest_rows = []
for dsid, name, ctype, _ in LIP_CITY_DEFS:
    sub_j = zone_diss[(zone_diss["source_city"] == name) & (zone_diss["KUIKI_CD"] == 1)]
    sub_k = zone_diss[(zone_diss["source_city"] == name) & (zone_diss["KUIKI_CD"] == 3)]
    if len(sub_j) == 0 or len(sub_k) == 0:
        # 居住誘導 or 都市機能誘導 のいずれかが無い (竹原市・広島市・福山市・府中市)
        continue
    g_j = sub_j.geometry.iloc[0]
    g_k = sub_k.geometry.iloc[0]
    inter = g_k.intersection(g_j)
    a_kinou = g_k.area / 1e6
    a_inter = inter.area / 1e6
    pct = a_inter / a_kinou * 100   # 都市機能 ⊆ 居住誘導 重なり率
    distance_km = g_j.distance(g_k) / 1000  # 重なり 0 のときの分離距離
    nest_rows.append({
        "city": name,
        "kinou_in_jukyo_pct_geom": pct,
        "distance_km": distance_km,
    })

図 6: 居住誘導 (青) と 都市機能誘導 (赤) の空間配置 — 入れ子クローズアップ

図 6 から読み取れること (重要発見):

• 都市機能誘導を持つ市は 5 市のみ (呉市・竹原市・三原市・東広島市・廿日市市)。政令市・中核市の広島市・福山市と府中市は都市機能誘導未設定。理由として推定されるのは、政令市は用途地域 (商業地域) で十分と判断、府中市は規模的に都市機能誘導まで設けない選択。
• 本記事で最も衝撃的な発見: 都市機能誘導を持つ 5 市すべてで、都市機能誘導は居住誘導の外に配置されている。重なり率はどの市も 0% で、平均最近接距離は 2.4 km。
• これは理論的標準である「拠点ネットワーク型」と異なるパターン。広島県内 5 市の都市機能誘導は「居住域 ⇔ 都市機能拠点」の分離型 LIP として運用されている。
• 解釈仮説: (a) 居住誘導は住宅地として、都市機能誘導は商業地・業務地・行政集積地 として別エリアに設定する伝統 (= 用途分離主義) を踏襲。(b) 居住誘導は既存住宅地に合わせ、都市機能誘導は駅前・幹線道路沿いに新規誘導するため、結果として地理が分離する。(c) 「コンパクトシティ＋ネットワーク」の『ネットワーク』部分が公共交通で結ぶ前提のため、意図的に分離していても問題ないという計画思想。
• 竹原市は居住誘導なしで都市機能誘導のみ — 重なり判定すら不要な特殊なパターン (歴史町並み保全と都市機能の限定誘導の組合せと推定)。

表 4: 都市機能誘導 ⊆ 居住誘導 入れ子率 (重なり率降順)

表 4 から読み取れること:

• 都市機能誘導を持つ市は 5 件 (両方持つ 4 + 都市機能のみ 1)。
• 入れ子率 100% は 0 件。全 4 市で居住誘導と都市機能誘導が空間的に分離している。これは仮説 H3 (拠点ネットワーク型) を完全に反証する重要な発見。
• 最も近い 2 区域でも 1.6 km の距離 (三原市 市)、最も離れている市町では 3.3 km。公共交通でつなぐにせよ徒歩圏ではない。
• 竹原市は表に出てこない (居住誘導 0 km² なので入れ子率は計算不能)。居住誘導なしで都市機能誘導のみの竹原市は、コンパクトシティ理論の例外として位置づけられる (歴史町並み保全と整合する選択と推定)。

9. 分析6: 計画粒度 — 細密 vs 大括り の哲学差

狙い

同じ「居住誘導区域」でも、市町によってデータの粒度 (= 1 ポリゴンの細かさ) が大きく異なる。広島市 4485 polys vs 廿日市市 11 polys は計画策定スタンスの哲学差を反映している (H4)。本セクションでは粒度を 3 角度から定量化:(a) ポリゴン数、(b) 1 ポリゴン平均面積、(c) 連結成分数。

なぜこの図か

図 7 (粒度散布): 居住誘導の面積 vs polys 数 を log-log プロットすると、同面積で polys が多い市は細密モデル化、polys が少ない市は大括りと一目で分かる。横ランキングで定量比較。図 8 (KUIKI_CD 構成 stack): 各市の KUIKI_CD 別の構成比を log スケールで提示し、「線データ (KUIKI=2,4) がどの市でも面データを上回るか」を確認 (H5)。

図 7: 居住誘導 面積 vs polys 数 (log-log) と 粒度ランキング

図 7 から読み取れること:

• 1 ポリゴン平均面積は 6.2550 km² (廿日市市, 大括り) から 0.30934 km² (広島市, 細密) まで 20 倍の差。
• polys 数で見ると最大 471 (広島市) vs 最小 3 (府中市) で 157 倍。H4 (2 桁オーダー) を強く支持。
• 細密モデル化 vs 大括りの分岐は市町の人的・予算的リソースと相関するか? 広島市・福山市・東広島市の細密派は、計画担当部署の規模が大きい都市。

表 5: 8 市 居住誘導 計画粒度 (1 ポリゴン平均面積 昇順)

表 5 から読み取れること:

• 連結成分数 (n_parts) は 1〜数十まで分散。n_parts=1 (= 1 つの塊) の市は中心集中型で、n_parts ≥ 5 は飛び地都市化。
• 円形度は0.0013〜0.1398 の範囲。細長い瀬戸内沿岸都市は値が低く、内陸の塊状の都市は高い傾向。
• 細密派 (広島市・福山市・東広島市・三原市) はpolys 数 100 以上で、計画粒度の細かさが行政リソースと連動する仮説を支持。

図 8: 8 市 × KUIKI_CD 構成 stacked bar (左: ポリゴン数 log, 右: 面積)

図 8 から読み取れること:

• 左パネル (polys 数 log): 境界線データ (KUIKI=2/4, 薄色) が圧倒的多数を占める市が多い (例: 広島市は KUIKI=2 が 3935 / 4485 = 88%)。面分析で is_area フィルタが必須であることを視覚化。
• 右パネル (面積): 居住誘導 (青) が圧倒的に都市機能誘導 (赤) を上回る。サイズ比は概ね 10:1 以上で、入れ子構造 (H3) を支持。
• 線データ (KUIKI=2,4) の合計面積は 0.7042 km² (全 297.7 km² の 0.237%)。polys 数では多数派なのに面積はゼロに近い — H5 (境界線は線細片) を完全に支持。

10. 分析7: 連結成分・主島シェア — 中心集中 vs 分散

狙い

居住誘導が1 つの塊 (中心集中型) か複数の飛び地 (分散型) かを定量化する。連結成分数と主島シェアで、市町の都市構造の核数を明らかにする。

手法

直感: dissolve した市町ごとの居住誘導 (Multi)Polygon を、geom.geoms で個別の Polygon に分割し、面積最大のものを「主島」、それ以外を「飛び地」とする。

主島シェア % = 主島の面積 / 居住誘導全体面積 × 100。100% に近い = 単一の中心集中型、低いほど分散飛び地都市化。

図 5: 居住誘導 主島シェア choropleth + 連結成分散布

図 5 から読み取れること:

• 主島シェア最高は 府中市 の 95% で、ほぼ 1 つの塊。最低は 広島市 の 23% で、複数の飛び地に分散。
• 連結成分数 (n_islands) と主島シェアは負相関 — 飛び地が多いほど 1 塊の比率が下がる。
• 政令市・中核市は細密モデル化のため n_islands が大きい (広島市は数十~数百個)、町は n_islands 数個と少ないが、これは粒度差で実際の都市構造の核数を直接表すわけではない (= dissolve しても元の polygon 細片が連結性を反映する)。粒度補正のため、polys 数で正規化した『核密度』指標を発展課題で扱う。

表 6: 8 市 居住誘導 連結成分構造 (主島シェア昇順)

表 6 から読み取れること:

• 主島シェアで上位 (中心集中型) と下位 (分散型) が明確に分かれる。中心集中型は伝統的な城下町型、分散型は合併で複数の中心を持つ市を反映している可能性。
• 飛び地計面積 (= 主島以外の合計面積) は数 km² 〜 数十 km² で、市町のサブセンターの規模を表す。

11. 分析8: k-means クラスタリング

狙い

4 つの定量指標 (居住誘導比率・主島シェア・居住誘導面積・polys 数) で 8 LIP 市をk-means クラスタリングし、都市制御プロファイルのパターンを発見する。

手法 — k-means クラスタリング

直感: 各市町を 4 次元の数値 (= 4 列の表データ) で表現し、似ているもの同士をグループ化する手法。k=3 として 8 市を 3 グループに分ける (居住誘導なしの竹原市は除外して 7 市で分類)。

大筋 (3 ステップ)

1. 4 特徴量 (居住誘導/行政比率, 主島シェア, 居住誘導面積, polys 数) を StandardScaler で標準化 (スケール差を吸収: 居住誘導面積は km² で 0-150、polys 数は 0-4500 とスケールが大きく違うため)
2. KMeans(n_clusters=3, random_state=42, n_init=10) で 3 グループに分類
3. 各クラスタの平均特徴量で都市制御プロファイル名を自動付与

シルエット係数: 0.428。1 に近いほど良いクラスタ分離。0.3 以上で「ある程度納得できる分類」、0.5 以上で「明確な分類」。サンプル数が少ない (n=7) ので絶対値より地理直観との一致を重視する。

図 9: k-means (k=3) クラスタ choropleth + 散布

図 9 から読み取れること:

• 地図上で各クラスタが地理的に隣接していないことが特徴 — クラスタは地理ではなく都市運営スタンスで形成される。
• 右の散布で、居住誘導比率と主島シェアの 2 軸でクラスタが分離。1 つは「広い居住誘導+多核」、1 つは「狭い居住誘導+ 1 塊」、1 つは「中規模＋飛び地」のような構造。
• 竹原市 (居住誘導なし) と 12 非策定市町は灰色で同じ扱い — 「LIP 採用度」スペクトルの両極端と読み取れる。

表 7: k-means クラスタの所属と特徴量平均

表 7 から読み取れること:

• 各クラスタは個性的な都市プロファイルを持ち、「政令市は政令市同士、中核市は中核市同士」というよりは計画運用の哲学で分かれる傾向。
• クラスタ自動タグ (大規模都市核型 / 中核都市標準型 / 小規模特化型 等) は特徴量の自動判定で付与。n_polys と jukyo_in_admin_pct のセル分離が効いている。

12. 整合性検証 (8 市別 vs 県全域)

狙い

本記事のメイン (8 市別 8 ファイルの統合) と、DoBoX 集約版 (県全域 ds=933) が同じデータを表していることを面積・ポリゴン数で検証する。差が大きいなら統合方法に欠陥がある可能性。

結果

図 10: 8 市別合計 vs 県全域 ds=933 整合性検証

図 10 から読み取れること:

• 居住誘導面積: 8 市別合計 285.01 km² vs 県全域 285.01 km² → 差 +0.0000%
• 都市機能誘導面積: 8 市別合計 11.991 km² vs 県全域 11.991 km² → 差 +0.0000%
• polys 数: 居住誘導は563 (8市別) vs 563 (県全域) で同一; 都市機能誘導は31 vs 31。
• 差は0.0000% 以下で実質完全一致。pd.concat + to_crs(EPSG:6671) の統合方法が正しいことを確認。

表 8: 整合性データ詳細

13. 仮説検証と考察

仮説 H1〜H5 の検証結果まとめ

考察

(1) LIP 策定の選別ロジック (H1): 8 LIP 市の人口計 2324 千人は県人口の 84.1%。人口集中型に偏ることが定量的に確認できた。LIP は「人口減少社会への都市制度的応答」として、人口の多い市から優先的に策定される全国的傾向と整合する。ただし非策定の尾道市 (130 千人) や大竹市 (26 千人) のような規模では合致するのに策定しない例もあり、策定可否は人口だけでなく市町の財政・人的リソースにも左右されると推定。

(2) 居住誘導の精選性 (H2): 8 市の居住誘導/行政比率は 1.34%〜15% で、中央値は 3.8%。「市域全体に住む」のではなく「ここに集約する」という制度本質が表れている。政令市 (広島市 16%) と他 7 市 (1-9%) で差が顕著 で、都市規模が大きいほど居住誘導範囲も広い (面的応答)。

(3) 『分離型 LIP』の発見 (H3 の反証): 都市機能 ⊆ 居住誘導 入れ子率の平均は 0.0%。判定: 反証 (重要発見: 分離型 LIP)。これは本研究の最も衝撃的な発見であり、「コンパクトシティ＋ネットワーク」の理論的標準である拠点ネットワーク型 (都市機能 ⊆ 居住誘導) が広島県 8 LIP 市では成立していない。都市機能誘導を持つ 5 市すべてで、両区域は平均 2.4 km 離れて配置されている。解釈として: (a) 用途分離主義の踏襲、(b) 既存住宅地に居住誘導を合わせ、幹線沿いに都市機能誘導を新規誘導するため結果として地理分離、(c) 公共交通で結ぶ『ネットワーク』が前提なので分離しても問題ないという計画思想、が考えられる。今後、全国 LIP 策定市での横断検証でこのパターンが広島県固有か全国普遍かを確かめる必要がある。また竹原市は居住誘導なしで都市機能誘導のみの変則 LIP で、歴史町並み保全と整合する独自戦略と推定される。

(4) 計画粒度の哲学差 (H4): 居住誘導 polys 数は最大 4485 (広島市) vs 最小 3 (府中市) で1,495 倍の差。細密モデル化派 (広島・福山・東広島) と大括り派 (廿日市・呉・府中) に分かれ、これは計画担当部署の人的リソースと相関する仮説を支持。学術的には「同じ都市計画法に基づく計画の運用粒度が市町間でこれほど違う」事実は、比較都市計画研究の対象として興味深い。

(5) DoBoX 仕様の解読 (H5): KUIKI_CD=2/4 の境界線データは合計 0.7042 km² で実質ゼロ。polys 数では多数派 (8000+ 個) なのに面積はゼロに近く、1 ファイルに面と線が混在する DoBoX 仕様を実証。これは LIP データセットを使うすべての解析者が認識すべき仕様で、本記事の発見として is_area/is_line フラグ運用方法を残す。

(6) 統合 — 広島県の都市再構築スタンス: 8 LIP 市 + 12 非策定市町の二項対立は、広島県が「全市町一律の都市再構築」ではなく、「人口集中市優先・農村市町は別軸」の層別都市政策を採っていることを示す。本記事のデータからは、広島県の都市再構築は『集中させる方向』に明確に向いており、非策定市町の都市計画はL18 の市街化/調整 (区域区分制度) で枠を残すに留まる。L18 と L19 を合わせると、広島県の都市制度は「枠 (L18) ⊃ 居住誘導 (L19) ⊃ 都市機能 (L19)」の三段絞り込みになっており、都市再構築の精度が見えてくる。

14. 発展課題 (結果 X → 新仮説 Y → 課題 Z)

結果 X → 新仮説 Y → 発展課題 Z (要件 E)

X1. 結果: 8 市の居住誘導比率は 0%(竹原)〜16%(広島市) で大差

新仮説 Y1: 居住誘導比率は市町の人口減少率と相関するか? 人口減少が深刻な市は「集中させる必要が高い」ため、比率を高く設定するのではないか。

発展課題 Z1: e-Stat の R2 国勢調査と R7 中間人口推計から、 8 市の人口減少率を取得し、本記事の jukyo_in_admin_pct と相関を取る。 回帰分析で「人口減少率1%上昇 → 居住誘導比率 X%上昇」の係数を出す。 人口減少率 vs 居住誘導比率の散布で 8 市をプロットし、回帰直線+95%信頼区間を描画。

X2. 結果: 都市機能 ⊆ 居住誘導 入れ子率は0% — 5 市すべてで両区域が分離 (拠点ネットワーク型を反証)

新仮説 Y2: 広島県 LIP 市の「分離型」LIP は全国でどれだけ普遍的か? 全国 600+ LIP 策定市の中で、本記事と同じく都市機能誘導が居住誘導と分離している市は何割存在するか。 仮に過半数なら、「都市機能 ⊆ 居住誘導」入れ子は学術文献の理想であって、実装は別パターンと再定義する必要がある。

発展課題 Z2: 国交省の LIP データセット (全国版) を取得し、 全 LIP 市の居住誘導+都市機能誘導 GeoJSON を本記事と同じ手法で空間重なり率を算出。 分布ヒストグラムで「重なり 100% 派 (理論型)」「分離 0% 派 (本記事型)」「中間派 (部分入れ子型)」の三類型に分類。 全国比較で広島県 5 市の位置づけを確定。さらに 5 市の用途地域 (L17 連携)と都市機能誘導の重なりを検証し、 「都市機能誘導 = 商業地域である」仮説を空間データで実証する。

X3. 結果: 計画粒度は 4485 polys (広島市) vs 3 polys (府中市) で 1500 倍の差

新仮説 Y3: 細密モデル化は市民の参画度と相関するか? 細かい polys = ワークショップやパブコメで地域住民の意見を反映した結果なのではないか。

発展課題 Z3: 各市の LIP 策定文書 (公開 PDF) からパブリックコメント実施回数・参加者数を集計し、 本記事の polys 数と回帰。ワークショップ等の参画イベント数でも比較。 細密派 (広島・福山・東広島) は本当に市民参画が多いのか定量検証。

X4. 結果: 12 非策定市町は人口 6-130 千人で広く分布、LIP 策定の閾値が明確でない

新仮説 Y4: 非策定市町は5-10 年以内に LIP を策定するのではないか? 全国的に LIP 策定数は 2014 年から右肩上がりで、広島県内も追随しているはず。

発展課題 Z4: 国交省の LIP 策定状況リスト (年次更新) を時系列で取得し、 広島県の各市町の策定/策定中/未着手 状態を年ごとに追跡。 2025-2030 年に策定が予想される市町を特定し、本記事のデータと統合可能なシナリオを設計。

X5. 結果: 竹原市は居住誘導 0 km² で都市機能誘導のみの変則 LIP

新仮説 Y5: 竹原市の LIP は「観光・歴史保全特化」の特殊な戦略をとっているのではないか? 歴史的町並みを居住誘導で固定するより、都市機能 (商業・観光受入施設) のみ誘導するほうが 町並み保全と整合する。

発展課題 Z5: 竹原市の LIP 公開文書を読み込み、戦略の特殊性を質的分析。 全国 600+ LIP 策定市の中で、「居住誘導なし」の市町を発掘し、 そうした市町の共通点 (歴史町並み・観光地・小規模) を整理。

X6. 結果: KUIKI_CD=2/4 (境界線) は polys 多数派なのに面積ゼロ

新仮説 Y6: DoBoX の他のシリーズ (用途地域、市街化区域 等) でも同様の線データ混在がある可能性?

発展課題 Z6: L13/L15/L16/L17/L18 の DoBoX シリーズすべてで、 1 ポリゴン平均面積が 0.001 km² 未満のレコード件数を集計。 線データ混在の有無を全シリーズ横断で監査し、本記事と同じ is_area フラグの運用がどこで必要か明らかにする。