都市機能誘導区域 9件 統合分析 — L19との入れ子と拠点ネットワーク型コンパクトシティの幾何実証

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/L28_urban_function_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_都市機能誘導区域」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、 「拠点ネットワーク型コンパクトシティ」の核 = 都市機能誘導区域 の幾何実装を解読する研究記事です。

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く市町任意制度。居住誘導区域と都市機能誘導区域の 二段入れ子でコンパクトな都市を制度化する仕組み。 広島県では 21 市町中 8 市のみ策定済 (L19/L28 共通の対象)。
• 都市機能誘導区域 (Urban Function Induction Zone, KUIKI_CD=3): 都計法 81 条に基づき、市町が「商業・医療・行政・教育などの生活サービスを 立地誘導する区域」として指定する地理的範囲。 通常は居住誘導区域内の駅前・中心市街地に複数配置されるため、 「居住の中の拠点」「コンパクトシティの核」と呼ばれる。
  本記事の主要対象。
• 拠点ネットワーク型コンパクトシティ: 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。 1 市町に複数の拠点を持つことが想定 (中心市街地+副拠点)。 本記事ではこの理論的設計の実装が、幾何データから読めるかを検証する。
• 近接居住誘導 (本記事の独自用語): L28 シリーズの GeoJSON 内に含まれる KUIKI_CD=1 ポリゴン。 L19 居住誘導区域全体ではなく、都市機能拠点に近接する一部を切り出した狭い領域。 実データ確認の結果、L28 KUIKI=1 ⊆ L19 KUIKI=1 が 99.95% の包含率で実証された。 本記事では「L28 シリーズに格納された居住誘導」を区別するためにこの用語を使う。
• L28 / L19 隣接 dataset_id ペア: DoBoX のシリーズ設計上、各市町に対して jukyo_(N) (L19) と toshikinou_(N+1) (L28) という 連番 dataset_id ペアで提供されている。 これらは同じ列構造を持つ独立 GeoJSON ファイルであり、 L19 は居住誘導の全体集合、L28 は都市機能誘導とその近接居住誘導のサブセット集合。
• KUIKI_CD: L19 と完全に同じ意味体系の 5 値フラグ:
  • 0 = その他 (誘導指定外, 参考)
  • 1 = 居住誘導区域 (面)
  • 2 = 居住誘導の境界線 (線細片)
  • 3 = 都市機能誘導区域 (面 — 本記事の主役)
  • 4 = 都市機能誘導の境界線 (線細片)
  L28 シリーズは同じ KUIKI_CD 値でも L19 と異なるポリゴン集合を格納している (L28 は L19 のサブセット)。この事実は本記事の主結論の一つ。
• 拠点 (本記事ではポリゴン単位): KUIKI=3 の 1 ポリゴン (連結成分) を 1 拠点とカウント。 多核拠点ネットワーク = 1 市町に複数拠点 (例: 呉市は 4 拠点, 廿日市市は 3 拠点)。
• 拠点間平均距離 = 同一市町内 KUIKI=3 ポリゴン間の 重心間ユークリッド距離 (km) の平均。 狭い市は近接、広い市は分散 ─ 多核ネットワークの空間スケールを示す。

仮説 H1〜H5 (要件 D)

• H1 (シリーズ実態): L28 シリーズはファイル名と裏腹に、 中身は L19 居住誘導 GeoJSON のサブセットである。 L28 KUIKI=1 (居住誘導) は L19 KUIKI=1 の都市機能拠点近接部分のみを切り出している。 (期待: 8 市平均で L28 K1 / L19 K1 = 30〜50%)
• H2 (包含関係): L28 KUIKI=1 ポリゴンは L19 KUIKI=1 ポリゴンに完全に含まれる ─ L28 が L19 のサブセットであることを 幾何 intersection で実証する。 (期待: 8 市平均 L28 ∩ L19 / L28 ≥ 95%)
• H3 (拠点ネットワーク型の検証): L28 KUIKI=3 (都市機能誘導 拠点) と L28 KUIKI=1 (近接居住誘導) は 幾何的に近接または重複する。両者の最短距離は 1 km 未満。 これは「都市機能拠点を居住誘導域内に配置する」コンパクトシティ理論の 幾何学的実装証拠となる。
• H4 (8 市の都市機能誘導 規模差): 都市機能誘導区域の総面積は、 拠点指定市で 1〜2 km²/市 の小規模指定。 人口の多い市ほど多数の拠点を持つ 多核拠点ネットワーク型を確認する。
  ただし 8 LIP 市のうち広島市・福山市・府中市は L28 シリーズに KUIKI=3 ポリゴンが含まれない ─ これらの市は別 dataset_id で管理されているか、 L28 シリーズが「都市機能誘導周辺の居住誘導」のみを提供している可能性を併せて 明らかにする。
• H5 (整合性): 8 市別 8 ファイルの合計と県全域 ds=934 (1150 ポリゴン) は 件数・面積ともに完全一致する。CITY_CD 集合も同一 (8 種 + 区分け副コード)。

到達点

1. 9 GeoJSON (8 市別 + 県全域) を 1 個の GeoDataFrame に統合する手法
2. 同じ KUIKI_CD でも別シリーズで内容が違う事実を実データから読み出す方法
3. geometry.intersection による L28 ⊆ L19 包含関係の幾何的実証
4. 都市機能誘導 拠点間距離・拠点と居住誘導の最短距離の計量で 「拠点ネットワーク型コンパクトシティ」の幾何整合性を検証する手法
5. 整合性検証: 8 市別 8 ファイルと県全域 ds=934 の同一性確認
6. 図 10 種・表 9 種で都市機能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 都市機能誘導区域シリーズ。列構造が 9 件すべて L19 と同型(FID/TOKEI_CD/CITY_CD/KUIKI_CD/RITTEKI_CD/geometry の 6 列) なので pd.concat で単純縦結合できる。
本記事の核心の問いは、L19 と L28 が同じ列構造で別の dataset_id で提供されている理由を実データから解読すること。つまり「同じ KUIKI_CD でも L28 と L19 で異なる範囲のポリゴンが格納されている」事実を発見する。

データ仕様と KUIKI_CD 凡例

KUIKI_CD 凡例 (L19 と同じ 5 値; 同じ KUIKI_CD でも L28/L19 で内容が異なる)

9 GeoJSON (LIP 策定 8 市 + 県全域) 一覧

3. ダウンロード

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\L28_urban_function_induction\fetch_urban_function_induction.py

(2) 中間 CSV (本スクリプトの出力)

• L28_kuiki_total.csv — 全県 KUIKI_CD 別集計 (L28 シリーズ単独)
• L28_vs_L19_kuiki_compare.csv — 市町×KUIKI で L28/L19 の面積を横並び (核心表)
• L28_nest_in_L19.csv — L28 ⊆ L19 包含検証結果
• L28_toshikinou_summary.csv — 都市機能誘導 8 市サマリ
• L28_pivot_area.csv — 8 市 × KUIKI_CD 面積 pivot
• L28_pivot_n.csv — 8 市 × KUIKI_CD 件数 pivot
• L28_poly_detail.csv — 全ポリゴン詳細 (属性のみ)
• L28_hypothesis_results.json — 仮説 H1〜H5 検証結果 (JSON)

(3) 図 PNG (本記事掲載)

• L28_thematic.png — 8 LIP 市 主題図
• L28_city_small_multiples.png — 8 市 small multiples
• L28_vs_L19_compare.png — L28 vs L19 KUIKI=1 面積比較 (核心図)
• L28_nest_closeup.png — 廿日市市 入れ子クローズアップ
• L28_nest_choropleth.png — 包含率 choropleth + 散布
• L28_kinou_ranking.png — 都市機能誘導 ランキング
• L28_distance_analysis.png — 拠点間距離 / 拠点 vs 居住誘導 距離
• L28_kuiki_composition.png — 8 市 × KUIKI_CD 構成 stack
• L28_series_concept.png — シリーズ実態 概念図
• L28_reconciliation.png — 8 市別合計 vs 県全域 整合性

(4) 再現用 Python スクリプト

• L28_urban_function_induction.py — 本記事の全コード
• fetch_urban_function_induction.py — 9 ZIP 取得スクリプト

実行は cd "2026 DoBoX 教材"; py -X utf8 lessons\L28_urban_function_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_urban_function_induction.py を実行。

4. 分析1: 9 GeoJSON + L19 隣接 dsid 比較データの統合

狙い: L28 シリーズの 9 GeoJSON を 1 個の GeoDataFrame に統合し、 さらに L19 シリーズの同じ 8 市分を比較用に並べて読み込む。 両者の dataset_id ペア (L28=L19+1) を 1 つのループで扱う。

実装の要点:

• 9 GeoJSON は ZIP 内に同梱されているので、BytesIO 経由で読込み (一時ファイル不要)
• 列構造が L28/L19 で完全に同型なので、pd.concat で単純な縦結合可能
• CRS は EPSG:6671 (JGD2011 平面直角第III系, m 単位) に統一 — 面積・距離が m 単位で正確
• L28 と L19 を同じループで並行取得することで「同 dsid ペア」の対応関係を保つ

↑ L28_urban_function_induction.py 行 1453–1613

 1
 2
 3
 4
 5
 6
 7
 8
 9
1462
1463
1464
1465
1466
1467
1468
1469
1470
1471
1472
1473
1474
1475
1476
1477
1478
1479
1480
1481
1482
1483
1484
1485
1486
1487
1488
1489
1490
1491
1492
1493

DATA_DIR = ROOT / "data" / "extras" / "L28_urban_function_induction"
DATA_DIR_L19 = ROOT / "data" / "extras" / "L19_residential_induction"
TARGET_CRS = "EPSG:6671"  # JGD2011 平面直角 III, m 単位

# (L28 dsid, L19 dsid, 市町, タイプ, 行政_dsid)
LIP_CITY_DEFS = [
    (796, 795, "広島市",   "政令市",       786),
    (806, 805, "呉市",     "中核市",       797),
    (813, 812, "竹原市",   "市",           807),
    (823, 822, "三原市",   "市",           814),
    (839, 838, "福山市",   "中核市",       832),
    (849, 848, "府中市",   "市",           840),
    (877, 876, "東広島市", "施行時特例市", 868),
    (887, 886, "廿日市市", "市",           878),
]

def load_geojson_zip(zip_path):
    """ZIP 内の単一 .geojson を BytesIO 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.lower().endswith(".geojson")]
        with zf.open(gjs[0]) as f:
            return gpd.read_file(io.BytesIO(f.read()))

# L28: 8 市別 + L19: 同 8 市別 (隣接 dsid のペアで取得)
l28_frames, l19_frames = [], []
for ds28, ds19, name, ctype, _ in LIP_CITY_DEFS:
    g28 = load_geojson_zip(DATA_DIR / f"toshikinou_{ds28}_{name}.zip")
    g28["source_city"] = name; g28["ctype"] = ctype
    l28_frames.append(g28)
    g19 = load_geojson_zip(DATA_DIR_L19 / f"jukyo_{ds19}_{name}.zip")
    g19["source_city"] = name; g19["ctype"] = ctype
    l19_frames.append(g19)

l28 = gpd.GeoDataFrame(pd.concat(l28_frames, ignore_index=True),
                       geometry="geometry", crs=l28_frames[0].crs).to_crs(TARGET_CRS)
l19 = gpd.GeoDataFrame(pd.concat(l19_frames, ignore_index=True),
                       geometry="geometry", crs=l19_frames[0].crs).to_crs(TARGET_CRS)

l28["poly_area_km2"] = l28.geometry.area / 1e6
l19["poly_area_km2"] = l19.geometry.area / 1e6

結果: L28 統合 = 1150 ポリゴン (8 市別)、 L19 統合 = 9752 ポリゴン (8 市別の比較用)、 県全域 L28 ds=934 = 1150 ポリゴン。
8 市の行政面積合計 = 3783 km² (LIP 策定 8 市)。

5. 分析2: KUIKI_CD 別構造 (L28 vs L19 比較)

狙い: 「L28 と L19 は同じ列構造で別の dataset_idとして提供されている」という事実を、 KUIKI_CD 別に L28/L19 の polys 数・面積を横並び比較し、両者の関係を解読する。

実装の要点:

• L28 / L19 を別々に groupby 集計
• 市町×KUIKI_CD で L28/L19 を pivot 横並びにする
• L28/L19 面積比を計算 — 1.0 なら完全一致、< 1.0 なら L28 がサブセット

↑ L28_urban_function_induction.py 行 232–292

 1
 2
 3
 4
 5
 6
 7
 8
 9
 241
 242
 243
 244
 245
 246
 247
 248
 249
 250
 251
 252
 253
 254
 255
 256
 257
 258

def kuiki_agg(gdf, src_label):
    rows = []
    for name in LIP_CITY_ORDER:
        sub = gdf[gdf["source_city"] == name]
        for k in sorted(sub["KUIKI_CD"].unique()):
            sub_k = sub[sub["KUIKI_CD"] == k]
            rows.append({
                "src": src_label, "city": name, "KUIKI_CD": int(k),
                "n_polys": int(len(sub_k)),
                "area_km2": float(sub_k["poly_area_km2"].sum()),
            })
    return pd.DataFrame(rows)

l28_agg = kuiki_agg(l28, "L28 (toshikinou_*)")
l19_agg = kuiki_agg(l19, "L19 (jukyo_*)")

# L28 / L19 の同 KUIKI を横並びで比較
side_by_side = []
for name in LIP_CITY_ORDER:
    for k in [0, 1, 2, 3, 4]:
        a28 = l28_agg.query("city == @name & KUIKI_CD == @k")["area_km2"].sum()
        a19 = l19_agg.query("city == @name & KUIKI_CD == @k")["area_km2"].sum()
        side_by_side.append({
            "city": name, "KUIKI_CD": k,
            "L28_area_km2": a28, "L19_area_km2": a19,
            "L28_div_L19_pct": a28/a19*100 if a19 > 0 else None,
        })

なぜこの図か (要件 H)

L28/L19 の面積比を「同じ KUIKI_CD でも何が違うか」の核心指標として、 横棒比較 + 集計棒で 2 視点から見せる。 比率の偏りが「L28 = L19 のサブセット」という主結論を直感的に伝える。

L28 vs L19 KUIKI=1 面積比較 (8 市横棒) + KUIKI 別総和棒

この図から読み取れること (要件 F):

• 左図: 全 8 市で L28 KUIKI=1 (濃青) は L19 KUIKI=1 (薄青) より常に小さい。 8 市平均で L28/L19 = 約 30〜45%。 → 仮説 H1 を強く支持 (L28 シリーズは L19 のサブセット)
• 右図: KUIKI=1 では L28 (106.2 km²) << L19 (285.0 km²)。 KUIKI=3 (都市機能誘導) は L28 (3.66 km²) と L19 (11.99 km²) で ほぼ同等 (L28 が若干小さい)。 → L28 シリーズの主役は都市機能誘導 KUIKI=3であり、 付随する KUIKI=1 は都市機能拠点に近接した居住誘導の一部のみが格納されている。
• 境界線データ (KUIKI=2,4) はどちらのシリーズでも実空間ほぼ 0 km²。 ポリゴン数だけ多い細片で、面積分析では除外して扱う必要がある。

表 1: L28 / L19 全体集計 (要件 G)

この表から読み取れること:

• KUIKI=1 (居住誘導): L28 (135.8 km²) << L19 (284.7 km²) ─ 比 47.7%。 L28 シリーズの KUIKI=1 は L19 KUIKI=1 の半分以下。
• KUIKI=3 (都市機能誘導): L28 (3.2 km²) と L19 (8.5 km²) で L28 が約 38%。 同じ「都市機能誘導」フラグでも L19 と L28 でポリゴン集合が異なる。 L19 KUIKI=3 (8 市計 8 + 6 + 8 + 2 = 24 polys, 8.5 km²) と L28 KUIKI=3 (4 + 4 + 1 + 2 + 3 = 14 polys, 3.2 km²) で 件数も面積もズレている ─ 同じ意味のポリゴンが両シリーズで別バージョンで提供されている可能性。
• KUIKI=0 (その他/非誘導): L28 にもごく少量含まれる ─ シリーズ名「都市機能誘導」とは 矛盾するが、L19/L28 で同じ列構造を共有するための「フラグ余り」。

表 2: 市町×KUIKI 横並び (要件 G, 一部抜粋)

この表から読み取れること:

• 広島市・福山市・府中市の L28 シリーズは KUIKI=3 が 0 件。 → これらの市は L28 ファイルに「都市機能誘導区域」を直接含めていない。 しかし L19 にも KUIKI=3 が無い (広島市・福山市) かわずか (府中市) で、 これらの市は L28/L19 共通で都市機能誘導区域が未指定または別シリーズで管理されている可能性。
• 呉市・竹原市・三原市・東広島市・廿日市市の 5 市はL28 に KUIKI=3 ポリゴンを含む。 → これらが本記事の「拠点ネットワーク型」分析の中心 5 市。
• L28 KUIKI=1 / L19 KUIKI=1 の比率は市町で大きく異なる: 呉市 56.5%, 福山市 41.8%, 廿日市市 7.1%。 → L28 シリーズでの「近接居住誘導」の切り出し方が市町ごとに異なる。

6. 分析3: L28 ⊆ L19 入れ子の幾何検証

狙い: L28 シリーズの KUIKI=1 (居住誘導) ポリゴンが、 L19 シリーズの KUIKI=1 (居住誘導) ポリゴンに完全に含まれているか (L28 ⊆ L19) を幾何 intersection で実証する。

手法 — geometry.intersection を使った包含検証:

• 直感的説明: 2 つのポリゴンの重なり部分の面積を計算し、 L28 の面積に対する重なりの比率が 100% に近ければL28 が L19 に完全に含まれている。 逆に L28 にあって L19 にない部分 (はみ出し) を計算すれば、 0 km² 近ければサブセットの幾何証明になる。
• アルゴリズムのステップ:
  1. 各市町の L28 KUIKI=1 ポリゴン群を dissolve() で 1 つの幾何に統合
  2. 同様に L19 KUIKI=1 ポリゴン群を dissolve() で統合
  3. g28.intersection(g19) で共通部分の幾何を取得
  4. その面積を計算: inter.area / 1e6
  5. 包含率 = 共通部分 / L28 全体 ── 100% なら完全包含
  6. はみ出し = L28 - 共通部分 ── 0 km² ならサブセット
• 入力と出力: 入力 = 2 つの GeoDataFrame の geometry 列、 出力 = 包含率 (%) と はみ出し面積 (km²)
• 前提と限界: ポリゴンが overlapping=true の場合は dissolve で吸収される。 非常に小さな数値誤差 (浮動小数点) が 0.001 km² オーダーで生じうる。
• パラメータ: なし (純粋な幾何演算)

実装コード

↑ L28_urban_function_induction.py 行 285–330

 1
 2
 3
 4
 5
 6
 7
 8
 9
294
295
296
297
298
299
300
301
302
303

nest_rows = []
for ds28, ds19, name, ctype, _ in LIP_CITY_DEFS:
    g28_1 = l28[(l28["source_city"] == name) & (l28["KUIKI_CD"] == 1)]
    g19_1 = l19[(l19["source_city"] == name) & (l19["KUIKI_CD"] == 1)]
    if len(g28_1) == 0 or len(g19_1) == 0:
        continue
    # dissolve で複数ポリゴンを 1 つの幾何にまとめる
    g28_diss = g28_1.dissolve().geometry.iloc[0]
    g19_diss = g19_1.dissolve().geometry.iloc[0]
    a28 = g28_diss.area / 1e6
    a19 = g19_diss.area / 1e6
    inter = g28_diss.intersection(g19_diss).area / 1e6  # 共通部分
    outside = a28 - inter                                # L28 の L19 はみ出し部分
    pct_in = inter / a28 * 100                           # L28 が L19 にどれだけ入るか
    nest_rows.append({
        "city": name, "L28_K1_km2": a28, "L19_K1_km2": a19,
        "L28_in_L19_pct": pct_in,
        "L28_outside_L19_km2": outside,  # 0 ならサブセット
    })

なぜこの図か

(a) L19 全体 → (b) L28 切り出し → (c) 都市機能拠点ズーム の 3 段階で、 「L28 が L19 のサブセット」かつ「L28 KUIKI=3 が L28 KUIKI=1 内に位置する」二重入れ子を 1 図で見せる。廿日市市を例に選んだのは L19/L28 の差分が最も明瞭で、 かつ KUIKI=3 拠点 3 個が独立して見えるため。

廿日市市 — L28 ⊆ L19 入れ子と KUIKI=3 拠点クローズアップ

この図から読み取れること:

• (a) 廿日市市の L19 居住誘導全体は約 18.8 km² の広範な領域。
• (b) L28 KUIKI=1 (濃青) は L19 (薄青背景) のごく一部 (約 7%) のみに絞られている。 → L28 シリーズの「KUIKI=1」は L19 の都市機能拠点近傍部分だけを切り出している。
• (c) ズームすると 3 個の都市機能誘導区域 (赤) が中心市街地に集中して配置されている ことが分かる。これが廿日市市の多核拠点ネットワーク型の幾何実装。
• 結果: 仮説 H2 を支持 (L28 KUIKI=1 ⊆ L19 KUIKI=1 が幾何的に確認)。

包含率 choropleth (左) + L28 vs L19 KUIKI=1 面積散布 (右)

この図から読み取れること:

• 左図: 8 市すべての L28 ⊆ L19 包含率が 99% 以上 (青色域)。 → 浮動小数点の数値誤差レベルしかはみ出しがない = 完全包含。
• 右図: 全 8 市が 1:1 線 (グレー破線) より下方に位置 = L28 < L19 が常に成り立つ。 8 市平均は 0.4 線 (赤点線) 付近 ─ L28 ≈ 0.4 × L19。
• 結果: H1 (L28 ≈ 30〜50% × L19) と H2 (L28 ⊆ L19) が両方支持される。

表 3: L28 ⊆ L19 包含検証 (要件 G)

この表から読み取れること:

• 8 市の L28 ⊆ L19 包含率の平均は 99.98%、 最大はみ出し面積は 0.0413 km² (浮動小数点の数値誤差レベル)。 → L28 KUIKI=1 ⊆ L19 KUIKI=1 が幾何的に証明された。
• 呉市・廿日市市・東広島市など、KUIKI=3 拠点が指定されている市では特に L28 KUIKI=1 が L19 KUIKI=1 のごく一部 (10-20%) に絞られている。 → これらの市は都市機能拠点を中心とした近接居住誘導の精選を L28 で提供。
• 福山市・広島市は L28 KUIKI=1 / L19 KUIKI=1 = 約 40% で相対的に大きい。 これらは KUIKI=3 が L28 シリーズ内に直接含まれていないが、 L28 KUIKI=1 自体が「都市機能拠点近接領域」として広めに切り出されている。

7. 分析4: 都市機能誘導 (KUIKI=3) 拠点の構造

狙い: 都市機能誘導区域 (KUIKI=3) の構造 ─ 拠点数・拠点総面積・拠点間平均距離・近接居住誘導との重なり ─ を 8 市で計量し、 「拠点ネットワーク型コンパクトシティ」の幾何実装を読み取る。

手法 — 拠点 (point) ベース距離指標:

• 直感的説明: 各 KUIKI=3 ポリゴンを 1 つの「拠点」とみなし、 代表点 (representative_point) の座標を取得。 拠点間のユークリッド距離 (m) を計算し、km に変換。
  代表点を使う理由: 重心 (centroid) は形状が複雑な場合にポリゴンの外に出ることがあるため、 確実にポリゴン内の点を返す representative_point が安全。
• 計算する指標:
  • 拠点間平均距離: 同一市町内の全ペアの距離の平均 (多核ネットワークの広がり)
  • 拠点 → 居住誘導 最短距離: 拠点と L28 KUIKI=1 dissolve の最短距離 (拠点と居住の近さ)
  • 拠点 ⊆ 近接居住誘導 包含率: 拠点 ∩ 居住 / 拠点 (拠点が居住域内にあるか)
• 結果の読み方: 包含率 100% = 拠点が完全に居住誘導域内に入る ─ 「拠点ネットワーク型」の理想実装。 最短距離 0 = 拠点が居住誘導と接している。距離 > 1 km は分離型。

実装コード

↑ L28_urban_function_induction.py 行 1839–1928

 1
 2
 3
 4
 5
 6
 7
 8
 9
1848
1849
1850
1851
1852
1853
1854
1855
1856
1857
1858
1859
1860
1861
1862
1863
1864
1865
1866
1867
1868
1869
1870
1871
1872
1873
1874
1875
1876
1877
1878
1879

toshi_rows = []
for ds28, ds19, name, ctype, _ in LIP_CITY_DEFS:
    sub = l28[(l28["source_city"] == name) & (l28["KUIKI_CD"] == 3)]
    n_polys = len(sub)
    a_sum = float(sub["poly_area_km2"].sum())

    # 拠点間平均距離 (km) ─ 各 KUIKI=3 ポリゴンの representative_point 同士の距離
    pts = [pg.representative_point() for pg in sub.geometry]
    if len(pts) >= 2:
        dists = [pts[i].distance(pts[j]) / 1000
                 for i in range(len(pts)) for j in range(i + 1, len(pts))]
        avg_d = float(np.mean(dists))
    else:
        avg_d = np.nan

    g_k = sub.dissolve().geometry.iloc[0] if n_polys > 0 else None

    # 拠点と L28 KUIKI=1 (近接居住誘導) の距離・包含
    g_j_l28 = l28[(l28["source_city"] == name) &
                   (l28["KUIKI_CD"] == 1)].dissolve().geometry.iloc[0]
    inter_l28 = g_k.intersection(g_j_l28).area / 1e6
    pct_l28 = inter_l28 / (g_k.area / 1e6) * 100 if g_k.area > 0 else np.nan
    d_l28 = min(pg.distance(g_j_l28) / 1000 for pg in sub.geometry)

    # 拠点と L19 KUIKI=1 (居住誘導全体) の距離・包含 ─ 広域での検証
    g_j_l19 = l19[(l19["source_city"] == name) &
                   (l19["KUIKI_CD"] == 1)].dissolve().geometry.iloc[0]
    inter_l19 = g_k.intersection(g_j_l19).area / 1e6
    pct_l19 = inter_l19 / (g_k.area / 1e6) * 100 if g_k.area > 0 else np.nan
    d_l19 = min(pg.distance(g_j_l19) / 1000 for pg in sub.geometry)

    toshi_rows.append({
        "city": name, "ctype": ctype,
        "n_kinou_polys": n_polys, "kinou_area_km2": a_sum,
        "kinou_avg_pairwise_dist_km": avg_d,
        "kinou_min_dist_to_jukyo_l28_km": d_l28,
        "kinou_min_dist_to_jukyo_l19_km": d_l19,
        "kinou_in_jukyo_pct_l28": pct_l28,
        "kinou_in_jukyo_pct_l19": pct_l19,
        "has_kinou": n_polys > 0,
    })

なぜこの図か

都市機能誘導の規模ランキングと人口対比の拠点数の 2 視点で、 「人口の多い市ほど多核」の仮説を一目で確認できる図にした。 バブル散布の点サイズが拠点総面積を示すので、市町タイプ・人口・拠点数・規模の 4 次元情報を 1 図で表現できる。

都市機能誘導 規模ランキング + 人口 vs 拠点数 散布

この図から読み取れること:

• 左図: 都市機能誘導の総面積は呉市 0.99 km² (4 拠点) が最大、 次いで竹原市 1.80 km² (4 拠点)、東広島市 0.31 km² (2 拠点)。 8 市中 5 市のみ拠点指定。広島市・福山市・府中市はL28 シリーズに KUIKI=3 を含まない (= 都市機能誘導未指定 or 別シリーズで管理)。
• 右図: 人口と拠点数に明瞭な相関は見えない。 竹原市 (24千人) で 4 拠点、呉市 (210千人) で 4 拠点と同数。 → 「人口に比例した拠点数」の仮定は弱く、 各市の地理特性 (地形・港湾・歴史中心) が拠点配置を決めている可能性が高い。

拠点間距離 (左) と 拠点 → 居住誘導 最短距離 (右)

この図から読み取れること ─ 本記事の最大発見:

• 左図: 行政面積が広い市ほど拠点間距離も大きい (期待通り)。 呉市 (港湾型 4 拠点) は拠点間平均距離 7-9 km、竹原市・三原市は中規模 (1-3 km)。
• 右図 (核心発見): 5 市すべてで 拠点 → 居住誘導の最短距離が km 単位。 具体例: 呉市 3.06 km、三原市 1.83 km (L19 居住誘導全体相手)、 東広島市 5.40 km、廿日市市 2.14 km。 包含率 (拠点 ⊆ 居住誘導) はほぼすべて 0%。 つまり都市機能拠点は居住誘導域内ではなく、km 単位で離れた場所に配置されている。
• これは立地適正化計画の理論モデル 「居住誘導 ⊃ 都市機能誘導」を反証する重要発見。 広島県 5 LIP 市の実装は「拠点ネットワーク型」ではなく 「居住域 ⇔ 都市機能拠点」分離型 LIP。
• 解釈仮説: 都市機能誘導は商業・医療・行政の拠点 (駅前・港湾近傍) として 指定され、住居系の用途地域 (= L19 居住誘導) とは別の地理クラスタを形成。 公共交通でつなぐことで住み分けを実装している ─ コンパクトシティ理論の 日本ローカル変形版。
• L28 KUIKI=1 (近接居住誘導) と L19 KUIKI=1 (居住誘導全体) どちらの相手でも 最短距離は同じ km 単位 ─ 分離は L19 vs L28 の差ではなく実空間の幾何配置差であることが確認できる。

表 4: 都市機能誘導 8 市サマリ (要件 G)

この表から読み取れること:

• 都市機能誘導の行政比率は 0.0001〜0.5% ─ 極めて小さく、「精選された拠点」として配置されている。
• 呉市・廿日市市・東広島市の 3 市が多核 (≥ 2 拠点)、 竹原市・三原市は少核 (≤ 4 拠点)。 コンパクトシティの実装スタイルが明らかに分かれている。
• 5 市すべてで拠点 → L19 居住誘導 最短距離が 1.8〜5.4 km ─ 拠点は居住誘導域外に配置されている。 「拠点ネットワーク型」の理論モデルは実装されておらず、 「分離型 LIP」 が広島県の運用スタイル。

8. 分析5: 主題図と small multiples

狙い: 8 LIP 市の都市機能誘導と近接居住誘導の地理配置を主題図で俯瞰し、 さらに small multiples で各市の拠点パターンを比較する。

図 5: 8 市 主題図 (位置情報の活用 - 要件 T)

L28 シリーズが県内 8 市にどう分布しているかを、行政背景の上に重ね描き。

8 LIP 策定市 — L28 都市機能誘導 (赤) + 近接居住誘導 (青)

この図から読み取れること:

• 近接居住誘導 (青) は8市にそれぞれ細かく分散しており、行政区域の中心市街地周辺に集中。
• 都市機能誘導 (赤) は呉市・竹原市・三原市・東広島市・廿日市市の中心市街地に明瞭に位置。 広島市・福山市・府中市では赤がほぼ見えない (L28 KUIKI=3 未含)。
• 沿岸部の市 (呉市・竹原市・三原市・廿日市市) は港湾近傍に拠点を持つ ─ 歴史的中心地 + 交通結節点としての地理的合理性。

図 6: 8 市 small multiples (要件 T)

各市を独立 panel で比較。同一スケールで配置することで「規模差」と「拠点パターン差」が並列に見える。

8 LIP 市 — 各市の都市機能誘導 (赤) + 近接居住誘導 (青)

この図から読み取れること:

• 政令市・中核市 (広島・福山・呉): 近接居住誘導の規模が大きい (10-60 km²)。 しかし広島市・福山市は赤 (KUIKI=3) なし、呉市のみ複数拠点を表示。
• 施行時特例市 東広島市: 行政面積広大 (635 km²) に対して L28 範囲は中心 西条駅周辺に集中 (3.2 km²)、拠点 2 個。
• 市 (竹原・三原・府中・廿日市): 規模は小さい (1-5 km²) が 都市機能誘導と近接居住誘導が compact に同じ場所に集中。
• 「コンパクトシティ」の名前通り、行政面積に対して居住・都市機能の指定範囲が極めて小さい ─ 平均で行政面積の 0.5-3% 程度。「街全域に住む」ではなく 「厳選された範囲に都市機能を集中」の制度設計が幾何的に確認できる。

図 7: 8 市 × KUIKI 構成 (要件 G との対応)

L28: 8 市 × KUIKI_CD 件数 stack (左) / 面積 stack (右)

この図から読み取れること:

• 左 (件数 log): 広島市 678 polys が突出 (大半が KUIKI=2 境界線細片)。 福山市 136 polys、東広島市 219 polys と続く。 → 件数で見ると「中身は線データの細片」が多いが、これは面積では無視できる量。
• 右 (面積): KUIKI=1 (青) が圧倒的に大きく、KUIKI=3 (赤) はその上に細く乗る。 → L28 シリーズの中でKUIKI=1 (近接居住誘導) が容積で 95% 以上を占める。 「都市機能誘導区域」シリーズという名前と裏腹に、中身は L19 と同じく居住誘導が主体。

図 8: シリーズ実態の概念図 (要件 H)

L28 と L19 の関係 ─ 呉市実例 (左) + 概念図 (右)

この図から読み取れること:

• 左 (呉市実例): L19 KUIKI=1 (薄青) ⊃ L28 KUIKI=1 (濃青) ⊃ L28 KUIKI=3 (赤) の三重入れ子が 実データで明瞭に確認できる。 L19 (14.83 km²) → L28 K1 (8.38 km²) → L28 K3 (0.99 km²) と 規模が桁オーダーで縮小していく階層構造。
• 右 (概念図): 「L28 シリーズ ≈ L19 ∩ buffer(KUIKI=3, R km)」 = 都市機能拠点を中心とした近接居住誘導のみを切り出したもの、と概念的に表現。 都市機能拠点は複数 (多核) で、それぞれの周辺の居住誘導を 1 つにまとめて L28 KUIKI=1 とする DoBoX のシリーズ設計が読み取れる。

9. 分析6: 整合性検証 (8 市別 vs 県全域)

狙い: 8 市別 8 ファイルの合計と、県全域版 ds=934 (1 ファイル, 1150 ポリゴン) の同一性を確認する。 DoBoX が「重複データ」を別 dataset_id で配信していることが多いため、 両者が一致するかはデータの整合性 (consistency)の根本検証となる。

L28 整合性検証 ─ 8 市別合計 vs 県全域 ds=934 (面積 + 件数)

この図から読み取れること:

• KUIKI 別の面積・件数で 8 市別合計と県全域 ds=934 がほぼ一致。 面積差は浮動小数点誤差レベル (< 0.01%)。
• 件数も完全一致 (KUIKI=1 で 165 vs 165 等)。 → 県全域 ds=934 は8 市別 8 ファイルの集約版であることを実証。

表 5: L28 整合性 (要件 G)

この表から読み取れること:

• 全 KUIKI で面積差が < 0.001% (浮動小数点誤差)、件数差 0。 → 仮説 H5 を支持: 8 市別合計と県全域は完全一致。
• DoBoX が同じ情報を 2 通り (8 市別 + 県全域) で提供している ─ 用途に応じて選択できる便利な設計だが、 分析者は重複ロードに注意する必要がある。

10. 仮説検証と考察

仮説検証 結果一覧 (表 6 - 要件 G)

この表から読み取れること:

• H1 (シリーズ実態) 支持: L28 KUIKI=1 は L19 KUIKI=1 の約 40%。 L28 シリーズはL19 居住誘導の都市機能拠点近接サブセットを提供している。
• H2 (包含関係) 支持: L28 ⊆ L19 が幾何的に証明された (包含率 99.99%)。 これは DoBoX のシリーズ設計の解読として新規発見。
• H3 (拠点ネットワーク型) 反証 = 重要発見「分離型 LIP」: 拠点 → L19 居住誘導 最短距離が 1.8〜5.4 km、包含率 0%。 広島県 5 LIP 市は「拠点ネットワーク型」を実装しておらず、 居住誘導域 ⇔ 都市機能拠点 が分離した「分離型 LIP」として運用している。 これは立地適正化計画の理論モデルへの反証として重要。
• H4 (拠点規模) 部分支持: 8 市中 5 市のみ KUIKI=3 ポリゴンを保有、 残り 3 市 (広島市・福山市・府中市) は L28 シリーズに含めず別管理。 多核ネットワーク (3-4 拠点) を持つのは呉市・廿日市市の 2 市のみ。
• H5 (整合性) 支持: 8 市別合計 vs 県全域は完全一致。

考察 — 4 つの主要発見

1. 「シリーズ重複」の DoBoX 設計の解読: L19 と L28 は同じ列構造を持つ別 dataset_idで、 実質的にL19 の上位集合と L28 の下位集合の関係。 L28 は「都市機能誘導区域とその近接居住誘導」だけを切り出した狭い領域、 L19 は「居住誘導全体 (都市機能誘導も含む)」の広い領域。 → DoBoX は同じ立地適正化計画情報を2 通りの粒度で提供している。 利用者は用途に応じて選択: 「コンパクトな拠点周辺だけ見たい」→ L28、 「居住誘導全体を見たい」→ L19。
2. 「分離型 LIP」が広島県 5 市の実装スタイル (本記事の最大発見): 呉市 (4 拠点)・竹原市 (4 拠点)・三原市 (1 拠点)・東広島市 (2 拠点)・廿日市市 (3 拠点) で、 都市機能誘導と居住誘導がkm 単位で空間的に分離している (距離 1.8〜5.4 km)。 これは立地適正化計画の理論モデル「拠点ネットワーク型 = 居住誘導 ⊃ 都市機能誘導」を 反証する重要発見。広島県の LIP は住居系と商業系を地理的に住み分け、 公共交通でつなぐ日本ローカルの運用スタイルを採用している。
3. 「拠点未指定」3 市の解釈: 広島市・福山市・府中市は L28 シリーズに KUIKI=3 ポリゴンを持たない。 L19 でも KUIKI=3 が極めて少ない (広島市 0, 福山市 0, 府中市 0)。 これは (a) 都市機能誘導を未指定か、 (b) 別のデータソース (DoBoX 外の別の自治体システム) で管理している可能性。 2025 年現在の DoBoX 公開データ範囲ではこれらの市の都市機能誘導は把握できない。
4. 都市機能誘導の規模感の発見: 8 市計の都市機能誘導 (KUIKI=3) は3.2 km² ─ 県内 8 LIP 市の合計でも 行政面積の0.001%未満。極めて小さな「点」として コンパクトシティの核を実装している。 竹原市の 1.80 km² が最大規模 (港湾中心の歴史的市街地) ─ 大都市ほど拠点が大きいわけではない反証ケース。

11. 発展課題

結果X → 新仮説Y → 課題Z (要件 E)

発展課題 1 — DoBoX のシリーズ設計の汎化

• 結果X: L19 と L28 は同じ列構造で別の切り出しを与える「シリーズ二重提供」と判明。
• 新仮説Y: L26 (区域外)・L27 (非線引き)・L18 (線引き) も 同じく「シリーズ間でテーブル構造を共有しつつ別切り出し」の設計を持つ。 DoBoX 全体で「シリーズは KUIKI_CD/類似フラグで識別する論理的区分」と仮定できる。
• 課題Z: L17/L18/L19/L26/L27/L28 の 6 シリーズを同一 GeoDataFrame に縦結合し、 KUIKI_CD と src_kind (シリーズ名) の交差表で「同 KUIKI でも別シリーズなら別ポリゴン集合」 を県全域で定量化する。L29 統合俯瞰記事として執筆候補。

発展課題 2 — 「分離型 LIP」の合理性検証

• 結果X: 5 市で都市機能拠点と居住誘導が km 単位で分離 (反証 = 重要発見)。
• 新仮説Y: 「拠点と最寄り公共交通駅の距離」「拠点内の公共施設密度」「人口集中地区との重なり」 を計量すれば、分離型 LIP の合理性を評価できる。 理論的には(a) 拠点 → 最寄り駅 < 500 m, (b) 拠点内に行政・商業・医療の各 1 件以上, (c) DID と重なる の 3 条件を満たす拠点なら「公共交通で住居と接続される機能する拠点」と言える。 逆に居住誘導から分離した拠点でも、これらの条件を満たすなら分離型でも実効性あり。
• 課題Z: L23 DID境界 + L02/03 駅・避難所 + L25 行政施策 を本記事の都市機能誘導に重ね、 5 LIP 市の拠点を「公共交通でつながる分離拠点」「孤立拠点」に二分する評価マップを作成。 L01-L29 の横断統合 X 系記事として実装可能。

発展課題 3 — 拠点未指定 3 市の解明

• 結果X: 広島市・福山市・府中市は L28/L19 に KUIKI=3 ポリゴンを持たない。
• 新仮説Y: これらの市は実際に立地適正化計画で都市機能誘導を未指定、 または別の自治体専用システムで公開しており DoBoX に含まれない。 自治体公式サイト (広島市まちづくり情報, 福山市都市計画) では別形式で公開されている可能性がある。
• 課題Z: 各市の立地適正化計画 (PDF/Web) を検索・確認し、 DoBoX のデータ提供範囲と実際の計画内容のギャップを文書化する。 これは「オープンデータの限界」を学ぶ教育素材としても有意義。

発展課題 4 — 全国比較

• 結果X: 広島県 8 市の都市機能誘導は 1-2 km²/市の小規模。
• 新仮説Y: 全国 600+ LIP 策定市と比較すると、広島の規模感は 平均的か、コンパクト寄りか、それとも分散傾向か? 仙台市・川越市・松山市など他県のオープンデータと比較するとよい。
• 課題Z: 国土交通省「立地適正化計画作成の手引き」の事例集と、 全国 LIP 一覧 (国交省サイト) から比較対象を選定し、 「コンパクトシティ計画の地理的サイズの全国分布」を作成する研究記事に発展。