臨港交通施設 2 件統合分析 — 広島県 24 港湾 + 7 漁港の 296 道路・橋・駐車場が描く港湾アクセス第 3 層

データ取得手順

⚠️ このスクリプトは自動取得に対応していません。以下のデータセットを DoBoX から手動でダウンロードし、data/extras/ 以下に保存してください。

実行コマンド:

cd "2026 DoBoX 教材"
python -X utf8 lessons/L34_port_traffic.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。

学習目標と問い

シリーズ構造判定: (a) 行政カテゴリ分割型 + (b) 整備格差型のハイブリッド

このシリーズの 2 件は、L32/L33 と同様「港湾」「漁港」の 2 行政カテゴリで 分割される相補型構造ですが、L32/L33 とは決定的に違う点があります。

• L32 外郭: 27 港湾 + 14 漁港 = 41 港 (842 件) すべての港に整備
• L33 係留: 同 41 港 (1,224 件) すべての港に整備
• L34 臨港交通: 24 港湾 + 7 漁港 = 31 港のみ (296 件)。残り 10 港は交通施設データなし

すなわち L34 は「整備された港のみが入っているサブセット型」であり、 これ自体が研究的に重要な発見です。「外郭+係留はあるが臨港交通はない港」とは何か? これらの港は独立した港湾道路を持たず、既存の集落道路・市道に依存していると推察されます。

独自用語の定義 (本記事内で固定)

研究の問い (RQ)

広島県の臨港交通施設 (296 件) は、L32/L33 で同定された 41 港集合のうち どれだけの港にしか整備されていないか? 整備された 31 港では、 道路・橋・駐車場がどんな構成で陸海接続を支え、 L32 外郭・L33 係留と空間的にどう重なるのか?

1. 整備済み港は何港か? 整備格差 (L32/L33 にあって L34 にない港) はどれくらいあるか?
2. 施設種類 (道路 / 駐車場 / 橋) はカテゴリ別にどう分布し、駐車場は港湾のみか?
3. 件数規模差は? L32 (1.33:1)、L33 (1.9:1) と比べて港湾偏重はどれくらい強いか?
4. 大規模商業港 (広島港・福山港・尾道糸崎港) は道路面積でも他を引き離すか?
5. GIS 情報の欠損パターン (なぜ橋は欠損が多いか?)
6. 臨港交通の道路は L33 係留から 100m 圏内に何 % か (岸壁直結)?
7. 3 層比 (外郭 : 係留 : 交通) はどれくらいの数比か?

仮説 H1〜H7

• H1 (整備格差・極端): L32/L33 41 港のうち 10 港 (≈24%) は L34 未整備。 特に漁港は 14 中 7 のみ整備で、半分は車道・橋すらデータ上ない。 これは「漁港は集落道路を併用」という現実を反映。
• H2 (件数規模差・最大): 港湾 278 (94%) vs 漁港 18 (6%)、 比 15.4:1。L32 (1.33:1)、L33 (1.9:1) と比べ圧倒的な港湾偏重。 理由: 漁港は集落道路併用でデータ上の独立交通施設が極少。
• H3 (施設種類の分化): 港湾は 3 種、漁港は 2 種。駐車場は漁港にゼロ。 駐車場 = フェリー・客船客の自家用車対応 = 旅客港マーカー。 漁港は不特定多数旅客なし → 駐車場不要。
• H4 (大規模港集中・最強): 港湾上位 3 港 (広島・尾道糸崎・福山) で 全体の 50%+。L32 (44%)・L33 (46%) よりさらに集中。 道路網は商業ハブ港でしか面的に整備されない。
• H5 (GIS 欠損の構造的偏り): GIS 情報あり 港湾 22% / 漁港 17% のみ。 「道路-車道」 vs 「橋りょう」で欠損率が異なる。 漁港の橋 6 件は全て GIS なし。データ整備の優先度の現れ。
• H6 (3 層整合): 臨港交通 POLYGON は L33 係留から 100m 以内に 80%+ 位置。岸壁の真裏に道路 = 「岸壁直結」が原則。
• H7 (3 層比例関係): 1 港の 3 層件数比 ≈ 外郭 : 係留 : 交通 = 5 : 7 : 2。 交通が最少。これは「交通施設は港の規模ではなく、貨物量の関数」を示唆。

到達点

2 dataset_id を「港湾 + 漁港」の相補的な 2 カテゴリとして読み解き、 296 件の臨港交通施設の地理分布・施設種類構成・面積分布・整備格差・ L32 外郭・L33 係留との 3 層階層関係を統合分析する。これにより、 広島県の港湾交通整備が 「外郭で守り、係留で泊め、交通で陸へ繋ぐ」3 層階層設計であり、 かつ整備された港湾の中でもさらに大規模商業港に強く偏在していることを実データで裏付ける。 さらに、「臨港交通なし」の 10 港の存在自体が港湾整備の階層性を逆照射する。

使用データ

本記事が使用する 2 dataset_id の一覧。L32/L33 と完全に同一スキーマ (14 列) で、 カテゴリ列 事業 = 港湾 / 漁港 が二分の唯一の指標です。

列スキーマ (両 dataset 共通)

L32/L33 との重要な相違

データ品質メモ

• geom 欠損: 全 296 件のうち 231 件 (78.0%) が GIS 欠損。 L32/L33 は 1-2% しか欠損がなかったのと対照的。 これは「臨港交通施設は地番ベースで管理され、空間範囲を測量して登録するインセンティブが弱い」可能性を示唆 (発展課題 Z3)。
• 施設番号体系: D-1-3 のような番号。D = 道路系 (港湾整備事業区分の Code D)。 L32 外郭は B 系統、L33 係留は C 系統。これでアルファベット A〜D の 4 体系のうち本記事は D を扱う。
• geom タイプ: 全て POLYGON または MULTIPOLYGON (面)。 道路・駐車場の幅と長さを面で記録するため。L33 (LineString) と計算する指標が違う: 延長 m → 面積 m² へ。
• 整備格差データ: L32/L33 で扱われた 41 港のうち、L34 に登場しない港は 港湾 3 港 (中浜港, 佐木港, 重井港)、 漁港 7 港 (五日市, 地御前, 安浦, 横田, 沖浦, 箱崎, 音戸)。 これは欠損ではなく「臨港交通施設が物理的に存在しない (=既存道路で代替されている)」港。

本記事の主要分析テーブル

2 dataset を縦結合した L34_all_facilities.csv (65 行 × geom 有効分のみ) を主軸に、 各分析セクションでクロス集計と GIS 操作 (主に L33 との空間結合) を重ねる。

ダウンロード

生データ (DoBoX 直リンク)

• 臨港交通施設（港湾） (dsid=1252, 港湾): 直 DL / DoBoX
• 臨港交通施設（漁港） (dsid=1256, 漁港): 直 DL / DoBoX

中間データ (本記事生成 CSV)

• L34_series.csv — 2 dataset 一覧
• L34_all_facilities.csv — 統合臨港交通施設 (65 行) + area_m2 + dist_to_moor_m + near_moor
• L34_kind_count_cross.csv — カテゴリ × 施設種類 (件数)
• L34_kind_area_cross.csv — カテゴリ × 施設種類 (面積 ha)
• L34_port_aggregate.csv — 港別集計 (件数 + 総面積)
• L34_gis_missing_pattern.csv — GIS 欠損率 (種類×カテゴリ)
• L34_layer_coverage_gap.csv — L32/L33 vs L34 整備格差表 (41 港の状態)
• L34_three_layer_by_port.csv — 港別 3 層件数 (外郭・係留・交通)
• L34_office_breakdown.csv — 事務所別管理件数
• L34_hypothesis_results.csv — H1〜H7 検証結果

図 (本記事生成 PNG)

• L34_fig1_dataset_overview.png / L34_fig2_three_layer_heatmap.png / L34_fig3_port_ranking.png
• L34_fig4_pref_overview.png / L34_fig5_kind_smallmult.png / L34_fig6_top_ports_3layer.png
• L34_fig7_area_distribution.png / L34_fig8_gis_missing.png / L34_fig9_three_layer_overlay.png
• L34_fig10_office_breakdown.png

再現用 Python スクリプト

L34_port_traffic.py を取得して プロジェクトルートで py -X utf8 lessons/L34_port_traffic.py を実行。 データが無ければ自動取得します (L32/L33 の中間 CSV が lessons/assets/ に あれば 3 層関係も自動分析、無ければそれらのセクションのみスキップ)。

分析 1: 2 dataset の構造を可視化

狙い

「港湾」「漁港」の 2 dataset が、件数・カバー範囲・施設種類構成でどう分化しているかを 1 枚の絵で示す。L32/L33 と比較し、臨港交通固有の極端な偏重を識別する。

手法 (簡潔に)

L32/L33 と全く同じ手順: 2 dataset を縦結合し、port_category 列 (港湾 / 漁港) で 件数・港数・施設種類分布を集計。施設種類別件数を二系列バーで比較する。

実装

↑ L34_port_traffic.py 行 107–145

 1
 2
 3
 4
 5
 6
 7
 8
 9
116
117
118
119
120
121
122

SERIES = [
    (1252, "臨港交通施設（港湾）", "港湾", "harbor_traffic_facility.csv",       32496),
    (1256, "臨港交通施設（漁港）", "漁港", "fishing_port_traffic_facility.csv", 32500),
]
dfs = []
for dsid, label, cat, fname, rid in SERIES:
    p = DATA_DIR / fname
    ensure_dataset(p, dataset_id=dsid, resource_id=rid)
    df = pd.read_csv(p, encoding="utf-8-sig")
    df["port_category"] = cat
    df["dsid"] = dsid
    dfs.append(df)

ALL = pd.concat(dfs, ignore_index=True)  # 全 296 行
pv_kind = pd.pivot_table(ALL, index="port_category", columns="施設種類",
                         values="施設番号", aggfunc="count", fill_value=0)

図と読み取り

なぜこの図か: 2 dataset の規模を文字 + バーで同時に伝える。 左 (カード) は「カテゴリ別の件数+港数+構造形式の内訳」をテキストで、 右 (バー) は「3 種の絶対件数」を視覚化。両方を 1 枚に置くことで 「カテゴリの極端な規模差 (H2)」と「施設種類の分化 (H3)」が同時に読める。

2 dataset の構造概観 — カードビュー (左) と施設種類比較 (右)

読み取り:

• 港湾は 278 件 / 24 港、漁港は 18 件 / 7 漁港。 件数比 港湾:漁港 = 15.4:1。 これは L32 外郭 (1.33:1) ・ L33 係留 (1.9:1) と比べて圧倒的な偏重で、H2 を強支持。
• 主役は道路-車道: 港湾 172 + 漁港 12 = 184 件で全体の 62%。 車両通行が港湾アクセスの主機能であることを反映。
• 駐車場は港湾のみ: 93 件すべて港湾、漁港はゼロ。 これは H3 を支持し、駐車場 = 旅客港マーカー という解釈が成り立つ。
• 橋りょうは少数: 全体で 19 件 (6.4%) のみ。 水路・運河を跨ぐ短橋に限定。本格的な道路橋は別途国道・県道として管理されるため。
• L33 41 港集合との比較: L34 整備済みは 31 港のみで、 10 港 (24%) は L34 未整備。 これらの未整備港は独立港湾道路を持たず既存道路に依存している (H1 支持)。

表と読み取り (件数クロス)

読み取り: 道路-車道は港湾・漁港両方に多数あり、橋りょうは両方に少数あるが、 駐車場は港湾のみ。漁港の施設構成は「道路 + 橋」の 2 機能に絞られ、 旅客機能 (駐車場) を持たない。これは漁港 = 漁業者専用 + 集落道路で代替という運用思想の現れ。

表と読み取り (面積クロス)

読み取り:

• 港湾の道路-車道は 97.94 ha。 広島県の港湾内に整備された車道の総面積で、サッカーコート約 137 個分。
• 港湾の駐車場は 5.11 ha。 1 件あたり平均 550 m² で、 標準的なフェリー駐車場のサイズ感。
• 漁港の合計面積は 0.22 ha で港湾 (108.14 ha) の 0.2%。 件数比 (15.4:1) を上回る面積比 491.5:1 となり、 漁港の交通施設は数だけでなく面積も極小。

分析 2: 整備格差と 3 層構造 — どの港が 3 層揃うか

狙い

L34 のシリーズ構造はL32/L33 と異なる — 同じ 41 港集合のうち 整備済の港のサブセットのみが入っている。 どの港が整備済み / 未整備かを特定し、「整備格差」の地理を読む。

手法 (リテラシレベル解説)

集合演算 (差集合): 単純な 2 集合の差を取る:

• (L32/L33 港集合) − (L34 港集合) = L34 未整備港
• 入力: L33_all_facilities.csv の港名一覧、L34 自身の港名一覧
• 出力: 整備状態 (全層整備 / L32-L33 のみ / 交通のみ) を持つ港リスト
• 限界: 「データに登録されていない」 ≠ 「物理的に存在しない」。 DoBoX の登録漏れの可能性も否定できないが、シリーズの公式定義からは「整備格差」と解釈するのが自然。

実装

↑ L34_port_traffic.py 行 1587–1630

1587
1588
1589
1590
1591
1592

l33 = pd.read_csv("lessons/assets/L33_all_facilities.csv", encoding="utf-8-sig")
ports_l33_h = set(l33[l33["port_category"]=="港湾"]["港湾名"].unique())
ports_l34_h = set(ALL[ALL["port_category"]=="港湾"]["港湾名"].unique())

only_l33_h = ports_l33_h - ports_l34_h  # L34 未整備の港湾
both_h = ports_l33_h & ports_l34_h      # 全層整備の港湾

表と読み取り

読み取り:

• 港湾 3 港が L34 未整備。 これらは「外郭 + 係留」はあるのに「臨港交通」がない港で、独立した港湾道路を持たない。 中浜港, 佐木港, 重井港 など、規模の小さい島嶼港・地方港湾が中心。
• 漁港 7 漁港が L34 未整備、これは 14 漁港中 50%。 漁港は半数以上が独立交通施設を持たない。 五日市, 地御前, 安浦, 横田, 沖浦, 箱崎, 音戸 などの小規模漁港。 集落道路で代替され、漁港専用道として登記されていない。
• 整備格差は明確に「規模に従う」: 大規模港 (広島・福山・尾道糸崎) は完全整備、 小規模港・島嶼漁港は道路を持たない。 これは「貨物量に応じた段階的整備」という政策ロジックの実証。

図と読み取り — 3 層件数ヒートマップ

なぜこの図か: 港ごとの 3 層 (外郭/係留/交通) 件数を 1 表で並べ、 「どの港が全層豊富か」「交通だけ薄い港はどこか」を視覚的に発見できる。 ヒートマップ (左) で全体像、スタックバー (右) で 3 層比率を見る。

上位 25 港の 3 層件数ヒートマップ + 上位 15 港の 3 層スタックバー

読み取り:

• 広島港: 3 層全てで首位 (外郭○ + 係留○ + 交通 79 件)。多層豊富な総合港湾。
• 尾道糸崎港: 外郭・係留も多いが、交通も 39 件。多島港のため複数の島面に道路。
• 福山港: 工業港湾。外郭・係留に対して交通 21 件は相対的に少ない = 道路網が集約されている。
• 倉橋 (漁港): 係留が圧倒的に多い (倉橋島の漁港集積) が、交通は 4 件と極少。 漁港の係留は集落道路で繋がるため、独立した「漁港道路」を持たない。
• 3 層比 外郭 : 係留 : 交通 = 730 : 1060 : 296。 正規化すると ≈ 2.5 : 3.6 : 1 で、 交通が最少 (H7 を 支持)。

分析 3: 港別ランキングと上位集中

狙い

整備済 31 港の中で「どこが交通施設を最も豊富に持つか」を 件数・面積の 2 軸で順位付け。H4 (上位港集中) を検証。

手法

港湾名 + カテゴリでグループ集計。施設数・総面積 (POLYGON 面積、ha 単位) を取り、 件数で降順ソート。上位 15 港を 2 軸バーで比較。

実装

↑ L34_port_traffic.py 行 1644–1665

1644
1645
1646
1647
1648
1649
1650
1651

port_agg = ALL.groupby(["port_category", "港湾名"]).size().reset_index(name="n_facilities")
area_agg = gdf.groupby(["port_category", "港湾名"]).agg(
    total_area_m2=("area_m2", "sum"),
    n_with_geom=("area_m2", "size"),
).reset_index()
port_agg = port_agg.merge(area_agg, on=["port_category", "港湾名"], how="left")
port_agg["total_area_ha"] = port_agg["total_area_m2"].fillna(0) / 10000
port_agg = port_agg.sort_values("n_facilities", ascending=False)

図と読み取り

なぜこの図か: 件数だけでは「小さい施設多数の港」が上位、面積だけでは 「大型 1 件の港」が上位になる。両方を並べることで両ベクトルの整合・不整合が読める。 特に L34 は GIS 欠損が多いので、面積はサンプル分のみ。

臨港交通施設 上位 15 港 — 件数 (左) と総面積 (右、GIS有のみ)

読み取り:

• 広島港 (港湾) が件数で首位 — 79 件 (26.7%)。 これだけで全体の 27% を 1 港で占有 — 極端な集中。
• 上位 3 港 (広島港, 尾道糸崎港, 福山港) で全体の 47.0%。 H4 (上位 3 港で 50%+) を 支持。
• カテゴリ混在ランキング: 上位 15 港のうち漁港は0 港のみ。 H2 (港湾偏重) の視覚的確認。
• L33 ランキングとの比較: L33 上位は広島港・倉橋・福山・尾道糸崎で、 L34 上位は 広島港, 尾道糸崎港, 福山港, 小用港 で順序が変わる。 特に倉橋 (L33 で 248 件の係留豊富) が L34 では大きく順位を落とすのが特徴的。 これは漁港が「係留はあるが交通はほぼ無い」という構造の証拠。

表と読み取り (上位 10 港)

カテゴリ別の上位集中 (H4 検証)

読み取り: 港湾上位 3 で全体の 50%。 これは L32 (44%)・L33 (46%) より強い集中。 道路網は商業ハブ港でしか面的に整備されないという法則の数値的裏付け。

分析 4: 県全域マップで臨港交通分布を観る

狙い

件数や面積だけでは見えない地理偏在を、県全域の POLYGON マップで一望する。 瀬戸内海岸 + 主要島嶼のどこに臨港交通が密集し、どこが手薄かを可視化。

手法

WKT パース済 GeoDataFrame を EPSG:6671 (平面直角 III 系) に投影し、 geopandas.plot() で面塗り。 L33 (LineString = 線で描画) と違い、L34 は POLYGON で面で描画するため、 広域マップでは小さな道路 POLYGON が点状に見えることに注意。 県全域 polygon (L15 admin_922) を背景に、カテゴリ・施設種類で色分け。

実装

1
2
3
4
5
6
7
8

g_admin_pref = load_zip_first_geo(ADMIN_DIR / "admin_922_広島県.zip").to_crs("EPSG:6671")
pref_diss = g_admin_pref.dissolve()  # 県境 1 ポリゴン

fig, ax = plt.subplots(figsize=(14, 8))
pref_diss.boundary.plot(ax=ax, color="#222", linewidth=1.0)
for cat, color in CAT_COLOR.items():
    sub = gdf[gdf["port_category"] == cat]
    sub.plot(ax=ax, color=color, edgecolor=color, alpha=0.7, linewidth=0.6)

図と読み取り — 県全域

なぜこの図か: 県全域に対する臨港交通 POLYGON の分布密度を、青 (港湾) と緑 (漁港) で 直接見ることで「どこに何カテゴリが集中しているか」を一目で把握できる。 個別の港名ラベルで上位 8 港を識別。

広島県 臨港交通施設マップ — GIS 有 65 件をカテゴリで色分け

読み取り:

• 広島湾岸 (広島市〜廿日市) に港湾 (青) のクラスタ。広島港の道路網と駐車場群。
• 福山〜尾道〜三原の東部: 港湾 (青) が連続。尾道糸崎港・福山港の連鎖。 ただしL33 と比べて密度がはるかに低い (件数規模が 1/4 程度)。
• 呉湾岸 + 倉橋島・江田島: 漁港 (緑) はほとんど見えない。 L33 では緑 (漁港係留) が密集していたエリアだが、L34 では沈黙。 「漁港は集落道路で代替」の視覚的確認。
• 瀬戸内海島嶼 (大崎上島・生口島・因島): 中田港・小用港・蒲刈港など中規模港の道路が点在。
• L32/L33 と同じ瀬戸内海岸線に分布するが、密度が大幅に薄いのが特徴。

図と読み取り — 施設種類 small multiples

なぜこの図か: 県全域マップでは施設種類の偏在が見えない。 3 種を別パネルにすることで「道路は全域、駐車場は港湾のみ、橋は極稀」のような 形式ごとの地理パターンが分離して見える。

施設種類 3 種別 small multiples — それぞれの偏在パターン

読み取り:

• 道路-車道 (184 件): 県全域に広く分布。整備済 31 港すべてに見られる主要施設。
• 駐車場 (93 件): 主要商業港 (広島・尾道糸崎・福山) に集中。 漁港エリアにはほぼ無い (H3 視覚的支持)。
• 橋りょう (19 件): GIS 有が極少 (4 件のみ) で、ほぼ点でしか見えない。 データ品質欠落 (H5) を視覚的に確認。
• 3 種重ね合わせのパネルでも、L33 のような「面的な瀬戸内海岸の係留密集」は見えない。 臨港交通は「特定の主要港にしか面整備されない」のが視覚化されている。

分析 5: 上位 4 港の 3 層重ね詳細マップ — 階層配置の発見

狙い

上位 4 港 (広島港, 尾道糸崎港, 福山港, 走) の3 層重ね詳細マップを並べ、 各港で外郭 (紫線) + 係留 (青線) + 交通 (種類色塗り)がどう配置されているかを精読する。 本記事の主役分析。

手法

各港について bbox を取り、L32 外郭 + L33 係留 + L34 交通 の 3 レイヤを同一座標系で重ね描画。 これにより「外郭で守られた港内に係留が並び、その背後に道路と駐車場」という階層が 1 枚の絵で読める。

実装

↑ L34_port_traffic.py 行 1804–1827

1804
1805
1806
1807
1808
1809
1810
1811
1812

# 3 層重ね描画
l32_local = l32_gdf.cx[bbox[0]-pad:bbox[2]+pad, bbox[1]-pad:bbox[3]+pad]
l33_local = l33_gdf.cx[bbox[0]-pad:bbox[2]+pad, bbox[1]-pad:bbox[3]+pad]

l32_local.plot(ax=ax, color="#9467bd", linewidth=2.0)  # 紫: 外郭 (線)
l33_local.plot(ax=ax, color="#0969da", linewidth=2.0)  # 青: 係留 (線)
for k in KIND_ORDER:
    sk = sub[sub["施設種類"] == k]
    sk.plot(ax=ax, color=KIND_COLOR[k], alpha=0.85)  # 色: 交通 (面)

図と読み取り

なぜこの図か: 3 層を別々に見るのではなく同じ地図上に重ねることで、 階層関係 (外郭 → 係留 → 交通) が空間的にどう同心円配置されているかが直感的に読める。 これが本記事の最大の発見ポイント。

上位 4 港の 3 層重ね詳細マップ — 紫:外郭 青:係留 色:交通

読み取り — 1 港ずつ:

• 広島港 (港湾, 全79件 / GIS有33件 / 82.44ha): 道路-車道 58, 駐車場 17, 橋りょう 4。県内最大の総合港湾。道路+駐車場+橋の 3 種共存。フェリー乗り場を中心に同心円状に駐車場群が配置され、その外側に港湾道路が走る典型構造。3 層 (外郭=北防波堤・宇品防波堤、係留=岸壁・物揚場群、交通=道路+駐車場) が同一エリアに共存し、港湾の標準形を形成。
• 尾道糸崎港 (港湾, 全39件 / GIS有11件 / 9.14ha): 道路-車道 26, 駐車場 8, 橋りょう 5。多島港ゆえ道路が島ごとに分散。橋りょうもこの港に集中 (島と島を繋ぐ短橋)。フェリー航路用の駐車場も整備済み。L32/L33 と組み合わせると、各島に小さな「外郭+係留+交通」セットが点在する群島型港湾。
• 福山港 (港湾, 全21件 / GIS有5件 / 12.72ha): 道路-車道 14, 駐車場 6, 橋りょう 1。工業港湾。大型岸壁背後の貨物搬出道路が中心。駐車場は労働者用と少数の旅客フェリー対応。鉄鋼・機械貨物の物流動線として道路面積が大きい。
• 走 (漁港, 全2件 / GIS有2件 / 0.17ha): 道路-車道 2。中規模港の典型構成。

分析 6: 面積分布の 4 視点解析

狙い

臨港交通施設の面積分布を多角的に観察し、施設種類ごとの 標準サイズ・港間集中度・駐車場プロファイルを統計的に検証する。

手法 (リテラシレベル解説)

4 つの可視化手法を統合する:

• (1) Box plot (log 軸): 3 種の面積分布を 1 枚に集約。 log スケールで小さな道路片 (10 m²) と大型駐車場 (5,000 m²) を同時可視化。
• (2) ヒストグラム: 道路と駐車場の面積分布を港湾・漁港で重ねる。 log 軸で広い面積レンジを表示。
• (3) Lorenz 曲線: x 軸 = 港のランク (%)、y 軸 = 累積面積 (%)。 完全均等線 (対角線) からの偏差が集中度。
• (4) 散布図 (バブル): 各港の駐車場プロファイル。 1 港 = 1 バブルで「件数 × 平均面積」を散布。

実装

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13

# POLYGON 面積を計算 (EPSG:6671 で m² 単位)
gdf["area_m2"] = gdf.geometry.area

# 駐車場プロファイル
park_per_port = gdf[gdf["施設種類"]=="駐車場"].groupby(["port_category", "港湾名"]).agg(
    n=("area_m2", "size"),
    mean_m2=("area_m2", "mean"),
    total_m2=("area_m2", "sum"),
).reset_index()

# Lorenz 曲線
sorted_ports = port_agg.sort_values("total_area_ha", ascending=False)
sorted_ports["cum_pct"] = sorted_ports["total_area_ha"].cumsum() / sorted_ports["total_area_ha"].sum() * 100

図と読み取り

なぜこの図か: 4 視点を 2x2 で並べることで、分布形状・分散・集中・港単位プロファイルを 1 枚に統合できる。

面積分布 4 視点 — boxplot、ヒスト、Lorenz、駐車場散布図

読み取り (左上 — 種類別 boxplot):

• 道路-車道: 中央値が最も大きく、面積分布も広い。port_road の長尺な POLYGON。
• 駐車場: 中央値はやや小さいが、ばらつきが大きい (フェリー大型駐車場 vs 港湾事務所駐車場)。
• 橋りょう: サンプル数が少なく統計が不安定だが、中央値は中規模。

読み取り (右上 — 道路 vs 駐車場 ヒスト):

• 港湾道路と港湾駐車場は面積レンジが重なる (どちらも数百〜数千 m²)。
• 漁港道路は港湾道路より小さめにシフト。漁港の道路は短く狭い。

読み取り (左下 — Lorenz 曲線):

• 曲線は対角線から大きく上に膨らむ = 強い上位集中。
• 上位 10% の港 (整備済 31 港のうち 3 港) で面積の大半を占有。 L33 (係留) より集中度が高い。
• これは「臨港交通は特定大型港でしか整備されない」べき分布構造。

読み取り (右下 — 駐車場プロファイル散布図):

• 右上 (件数多 + 平均大) に広島港・尾道糸崎港: 多数の大型駐車場を抱えるフェリー旅客港。
• 左下 (件数少 + 平均小) は中規模港: 駐車場 1〜3 件を最小限に保有。
• 漁港は1 件もプロットなし (駐車場ゼロ、H3 視覚確認)。

分析 7: GIS 欠損パターン分析 — データ整備優先度の発見

狙い

L34 のGIS 欠損率 78% は L32 (~1%)・L33 (~2%) と比べて異常に高い。 この欠損が「ランダム」か「構造的偏り」かを判定する。 構造的偏りなら、データ整備の優先度・歴史的経緯が読めるはず。

手法 (リテラシレベル解説)

2 軸クロス集計 + ヒートマップ:

1. カテゴリ × 施設種類で欠損率を計算。
2. ヒートマップで「どこが欠損集中か」を視覚化。
3. 港別の欠損率もバーで並べ、整備差が「種類差」か「港差」かを切り分け。

• 入力: 全 296 件の施設、各々の GIS 情報の有無
• 出力: 種類×カテゴリの欠損率 + 港別欠損率
• 仮説: 「データ整備優先度は主要港 → 地方港、道路 → 駐車場 → 橋の順」

実装

↑ L34_port_traffic.py 行 216–242

 1
 2
 3
 4
 5
 6
 7
 8
 9
225
226

gis_pattern = ALL.groupby(["port_category", "施設種類"]).agg(
    n_total=("GIS情報", "size"),
    n_with_gis=("GIS情報", lambda x: x.notna().sum()),
).reset_index()
gis_pattern["欠損率(%)"] = (1 - gis_pattern["n_with_gis"] / gis_pattern["n_total"]) * 100

# 港別の欠損率
gis_per_port = ALL.groupby(["port_category", "港湾名"]).apply(
    lambda x: pd.Series({{"n_total": len(x), "n_missing": x["GIS情報"].isna().sum()}})
).reset_index()
gis_per_port["miss_pct"] = gis_per_port["n_missing"] / gis_per_port["n_total"] * 100

図と読み取り

なぜこの図か: ヒートマップ (左) で種類×カテゴリの2 次元偏りを、 バー (右) で港別の1 次元偏りを、両方提示することで欠損の構造的パターンが分離できる。

GIS 欠損パターン — 種類×カテゴリ ヒートマップ + 港別バー

読み取り (左ヒートマップ):

• 道路-車道: 欠損率 港湾 73% / 漁港 75%。 道路が比較的整備度が高い (主要対象)。
• 駐車場: 欠損率 88% (港湾のみ)。 道路と同程度に欠損が多い。
• 橋りょう: 欠損率が顕著に高い。漁港の橋 6 件は100% GIS 欠損。 港湾の橋 13 件中 9 件が欠損。 これは橋が桁・橋台ベースの「点的」管理で、面積測量されていないためと推察。
• H5 (橋りょう欠損が顕著) を支持。

読み取り (右バー):

• 港別では欠損率 0% (完全整備) から 100% (全件欠損) まで広く分布。 特定の港に整備が集中する構造的偏りが見える。
• 大規模商業港は欠損率が低く (測量済)、小規模港・漁港は欠損率が高い。 これは「重要港から優先測量」の整備順序の現れ。
• 整備格差 (どの港か) と GIS 整備度 (測量されたか) は強く相関する可能性が高い。

分析 8: 3 層空間関係 (外郭 → 係留 → 交通)

狙い

本記事の主結果: L32 (外郭) と L33 (係留) と L34 (交通) の3 層空間関係を分析する。 仮説 H6: 臨港交通の道路 POLYGON は L33 係留 LineString から 100m 以内に 80%+ 位置するはず (=岸壁直結アクセス)。

手法 (リテラシレベル解説)

距離計算 + 閾値判定 (POLYGON ↔ LineString):

1. L33 係留 LineString を 1 つの巨大 MultiLineString に統合 (union_all())。 これにより距離計算が高速化される (各交通施設 vs 1 つの統合線)。
2. 各交通施設のPOLYGON 境界から係留 LineString への最近距離を geometry.distance() で計算。 POLYGON が LineString と重なる場合は距離 = 0 m。
3. 100 m 以内を「岸壁直結」と判定。100 m は岸壁の背後 1 ブロック程度の距離で、 「岸壁から運び出された貨物が短距離で道路に乗る」物理的範囲。

• 入力: 交通 POLYGON 65 件 + 係留 LineString (L33 由来)
• 出力: 各交通施設の dist_to_moor_m + near_moor ブール
• 限界: 「近い」 ≠ 「物理的に直結」。実際は岸壁のヘリ部 (船から降ろす場所) と道路の入口 (車に積む場所) が連続する必要がある。本分析は位置の必要条件を見ている。

実装

↑ L34_port_traffic.py 行 2006–2032

 1
 2
 3
 4
 5
 6
 7
 8
 9
2015
2016

l33 = pd.read_csv("lessons/assets/L33_all_facilities.csv", encoding="utf-8-sig")
l33["geometry"] = l33["GIS情報"].apply(parse_wkt)
l33_gdf = gpd.GeoDataFrame(l33.dropna(subset=["geometry"]),
                           geometry="geometry", crs="EPSG:4326").to_crs("EPSG:6671")

# 係留 LineString を 1 つの巨大 MultiLineString に統合 (高速化)
moor_diss = l33_gdf.geometry.union_all()

# 各交通施設 (POLYGON) → 係留 への最近距離
gdf["dist_to_moor_m"] = gdf.geometry.distance(moor_diss)
gdf["near_moor"] = gdf["dist_to_moor_m"] <= 100.0  # 100m 圏 = 岸壁直結

図と読み取り

なぜこの図か: 県全域 (左) で 3 層全体の重なりを、広島港ズーム (右) で個別の港内構造を精査する。 紫 (L32 外郭線) → 青 (L33 係留線) → 色塗り (L34 交通面) の 3 色階層が読める。

3 層空間関係 — 県全域 (左) + 広島港ズーム (右)

読み取り:

• 交通施設の 73.8% が L33 係留から 100m 圏内 (港湾 74.2% / 漁港 66.7%)。 H6 (80%+) を 部分支持。
• 交通 → 係留の最近距離 中央値: 16 m。 ほとんどの交通施設は係留のすぐ近く (= 岸壁直後の道路) に位置する。
• 広島港ズームでは「外郭の内側に係留、係留の陸側に道路+駐車場」という 3 層階層が一目で見える。これは港湾工学の教科書設計の実データ確認。
• 3 層階層の主結論: 41 港の港湾施設は、 外洋から陸へ向かって 外郭 → 係留 → 交通の 3 層が同心円状に重なる。 ただし交通層は半数以上の港で欠落 (整備格差 H1)、 存在する港でも主要 3 港に集中 (H4)。
• 「外郭→係留→交通」は時系列順序でもある: 整備の歴史としても 先に防波堤 (外郭) を築き、次に岸壁 (係留)、最後に道路 (交通) が整備される。 施設番号 (B → C → D) のアルファベット順がこれを反映 (発展課題 Z2)。

仮説検証と考察

H1〜H7 の検証結果を 1 表で示す。

事務所別の管理件数

管理事務所別の臨港交通施設数 (港湾 + 漁港)

読み取り:

• 事務所別では 広島港湾振興事務所 が首位 (124 件)。 これは 広島港湾振興事務所 の管轄エリアに大規模商業港が含まれるため。
• 事務所が港湾 + 漁港の両方を管理する地域もあれば、片方しか持たない地域もある。 管轄ごとの設計思想・整備順序を読む手がかりになる。

総括: 広島県の臨港交通整備思想

2 dataset から再構成した臨港交通施設の構造分析により、以下の4 つの設計思想が読み取れる。

• (1) 整備格差・極端: L32/L33 41 港のうち 10 港 (24%) が L34 未整備。 特に漁港は半数以上が独立交通施設なし。これは「漁港は集落道路で代替」という運用思想の物理的実体。
• (2) 機能的二相設計: 港湾は道路 + 駐車場 + 橋の 3 機能共存、 漁港は道路 + 橋の 2 機能のみ (駐車場ゼロ)。 これは「旅客対応か漁業者専用か」の機能差を反映。 L32 (外郭の二相)、L33 (係留の二相) と整合する一貫した設計。
• (3) 商業ハブ集中: 整備済 31 港のうち上位 3 港 (広島港, 尾道糸崎港, 福山港) で 全交通施設の 47% を占有。 L32 (44%)・L33 (46%) より集中度が高く、道路網は商業ハブでしか面整備されない法則。
• (4) 3 層階層整備: 交通施設の 74% が L33 係留から 100m 圏内に位置。 「外郭で守り、係留で泊め、交通で陸へ繋ぐ」同心円状階層が実データで確認できた。

本記事は「臨港交通施設は港湾施設階層の最終 1 km インフラ」という視点を実データで裏付けた。 296 件の交通施設が、2 つの法的カテゴリで 31 港の陸海接続容量を形成し、 L32 で示した外郭施設の防護網と L33 で示した係留施設の接岸網の陸側に階層配置されている。 この網の幾何構造を理解することは、港湾の物流動線・防災避難・観光客対応の総合分析の出発点である。

L32 / L33 / L34 の 3 層比較表 (本記事の到達点)

発展課題

結果 X1 → 新仮説 Y1 → 課題 Z1: 整備格差の歴史的経緯と政策評価

• 結果 X1: L32/L33 41 港のうち 10 港 (24%) が L34 未整備。 特に漁港は半数以上が独立交通施設なし。
• 新仮説 Y1: これは整備の優先度の現れであり、 「貨物量・旅客量が一定基準を超えた港のみが交通施設整備の対象になる」運用基準が存在するはず。 未整備港は「交通量がしきい値未満」として独立道路整備が見送られている可能性が高い。
• 課題 Z1: 国交省港湾統計年報で各港の年間貨物量・旅客数を取得し、 本記事の整備済 / 未整備フラグと散布。「貨物量しきい値」を ROC 曲線で同定。 これは港湾整備政策の定量評価の入口になる。 さらに、過去 30 年の整備変遷 (整備計画書) と照合すれば整備順序の歴史が読める。

結果 X2 → 新仮説 Y2 → 課題 Z2: 施設番号 (B/C/D) の付番順と整備時系列

• 結果 X2: 施設番号は L32 が B 系統、L33 が C 系統、L34 が D 系統。 これは港湾整備のアルファベット順と推察される。
• 新仮説 Y2: 港湾整備の歴史的順序は「先に防波堤 (B) を築き、次に岸壁 (C)、最後に道路 (D)」。 施設番号の数字部分 (D-1-3 の「1-3」) は整備順序を示すかもしれない。 広島港の場合、明治期に北防波堤 (B-1)、大正期に宇品の岸壁 (C-1)、戦後に港湾道路 (D-1) という順。
• 課題 Z2: 港湾管理者の港湾整備史 (記念誌・年報) と本データの施設番号を照合し、 時系列マップで「外郭 → 係留 → 交通」の整備順序を可視化。 3 層の整備時期差 (外郭の方が古いか、同時か) を実証。 これは港湾発達の地理史研究の核となる。

結果 X3 → 新仮説 Y3 → 課題 Z3: GIS 欠損 78% の構造的理由

• 結果 X3: L34 の GIS 欠損率は 78% で L32/L33 の 1-2% と比べ異常に高い。 特に漁港の橋りょう 6 件は全て欠損。
• 新仮説 Y3: 道路・駐車場・橋は「占用許可ベースで地番管理」される性質があり、 shapefile での面積測量が後回しになる。一方、防波堤・岸壁は港湾施設構造物として直接測量される。 これが GIS 整備度の差を生む。
• 課題 Z3: 港湾管理者 (広島県) の管理システム文書を調査し、 施設データの取得経路を明らかにする。占用許可台帳 vs 構造物台帳の差を確認し、 GIS 欠損が「データソースの違い」であることを実証する。 これは公共データ整備のメタ研究の入口。

結果 X4 → 新仮説 Y4 → 課題 Z4: 駐車場面積と旅客数の対応

• 結果 X4: 駐車場 93 件 (5.11 ha) は港湾のみに整備され、 特に広島港・尾道糸崎港・小用港 (江田島) などフェリー航路港に集中。
• 新仮説 Y4: 駐車場面積は港の年間フェリー旅客数と強く相関する。 具体的には「ピーク時 1 時間旅客数 × 1 台あたり 25 m²」でほぼ説明できるはず。
• 課題 Z4: 国交省旅客船統計または各フェリー会社の航路時刻表 + 1 便あたり乗用車収容数から ピーク旅客数を推定し、本記事の駐車場面積と散布。 「ピーク旅客 × 25 m²」モデルの適合度を測る。 過大な駐車場 = 計画時旅客数より少ない実数 = 計画見直し対象 を識別できる。

結果 X5 → 新仮説 Y5 → 課題 Z5: 道路の管理者責任分界

• 結果 X5: 港湾道路は道路法でなく港湾法で整備され、管理者は広島県 (港湾管理者)。 一般市道とは別物。
• 新仮説 Y5: 港湾道路と一般市道の境界線 (=管理責任分界) は実地でどう引かれているか? 災害時の通行止め判断・補修費用負担などで、両者の境界が問題になることがあるはず。
• 課題 Z5: 国交省 GeoBase または OSM の市道データと本記事の港湾道路 POLYGON を空間結合し、 境界エリア (オーバーラップ・空隙) を抽出。 広島港では国道 487 号と港湾道路の境界がどこかを特定。 これは災害時通行管理の実務に直結する課題で、 災害復旧計画 (L11 ハザード重ね) との統合分析の入口にもなる。