X01: インフラツーリズム × 防災施設の二重利用 — 観光対象になる/ならないは規模・年代・立地から判別可能か

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/X01_infra_tourism_dual_use.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

このレッスンで答えたい問い

「広島県の防災インフラ（ダム12基／橋梁4,203基／トンネル157本）のうち、 どれが『観光対象』として外部公開されているか？ そして、観光対象になる施設は規模・年代・立地から 事前に予測できるのか？」

用語の定義（このレッスン独自）

立てた仮説

1. H1（観光対象ダムは大規模偏重）: 12基のダムのうち観光対象ダムは、非観光ダムより 容量・堤高が中央値で 1.5 倍以上大きいはず。 理由: 大規模ダムは見学価値（迫力）と既存の見学路の整備が揃っている。
2. H2（観光対象橋梁は P75 以上に偏在）: 4,203 橋梁のうち観光対象は 延長 P75 以上の上位橋梁に強く偏るはず。 小規模橋梁は観光資源として宣伝されない。
3. H3（観光対象は道路アクセス性が高い）: 観光対象橋梁は 国道・主要県道沿いに集中するはず。 車でアクセスできない橋梁は観光ルート化されない。
4. H4（観光対象は規模・年代・道路種別から判別可能）: ロジスティック回帰で「観光対象になる/ならない」を 橋梁の延長・幅員・築年・国道フラグから予測すると、 AUC ≥ 0.85 で弁別できるはず。 最も効く特徴は「log_延長」（規模が観光対象化の最大の駆動因）。
5. H5（市町の観光対象数 ∝ インフラ整備度）: 重回帰「観光対象数 = a×ダム数 + b×橋梁数 + c×トンネル数」を市町別に組むと、 R² ≥ 0.5 で説明できるはず。 ダム1基あたりが橋梁1基より観光対象化されやすい（係数 a ≫ b）。

到達点

• 5仮説に対して支持／反証／部分支持を判定できる
• ロジスティック回帰を「YES/NO予測ツール」として使える（中身の数式は不問）
• 重回帰で複数指標から1つの結果を説明し、係数の意味を読める
• PCA で多変量を 2 次元に圧縮し、群の重なり/分離を視覚化できる
• 4データセットを施設名で merge して 0/1 フラグを派生する pandas 操作を身につける

使用データ

本レッスンは 4 つの実データ CSV を施設名でマージする空間結合の典型例。 ダム/橋梁/トンネル の台帳には観光フラグが もともと無いため、 インフラツーリズム カタログ（40件）から自分で派生させる。

• 名称1 インフラツーリズム掲載施設一覧
• 件数 40件（歴史的建造物 12 / 大規模構造物 21 / その他 7）
• 取得元 DoBoX #1278
• 主な列 施設名称, 緯度, 経度, 分類, 文化財指定, 土木遺産
• ファイル data/extras/infra_tourism.csv

• 名称2 ダム基本情報・維持管理情報
• 件数 12基（県管理ダム）
• 取得元 DoBoX #1185
• 主な列 ダム名, 完成年月, 総貯水容量_千m3, 堤高_m, 堤頂長_m, 集水面積_km2, 型式, 緯度, 経度, 位置
• ファイル data/extras/dam_basic.csv

• 名称3 橋梁基本情報・維持管理情報
• 件数 4,203基（広島県管理橋梁）
• 取得元 DoBoX #1184
• 主な列 施設名, 種別, 路線名, 道路種別, 架設年度, 延長(m), 幅員(m), 住所(市町), 緯度, 経度
• ファイル data/extras/bridge_basic.csv

• 名称4 トンネル基本情報・維持管理情報
• 件数 157本
• 取得元 DoBoX #1186
• 主な列 施設名, 路線名, 道路種別, 建設年度, 延長(m), 幅員(m), 住所(市町), 緯度, 経度
• ファイル data/extras/tunnel_basic.csv

ダウンロード（再現用データ・中間データ・図）

本レッスンの 全成果物に直リンクを置いた。 HTML を読むだけで生データ・中間 CSV・図 PNG・Python ソース が全て手元に揃う。

1. 生データ（DoBoX 由来）

2. プログラムで生成される中間データ（CSV 直リンク）

3. 図 PNG（直リンク）

• X01_h1_dam_box.png — H1: ダム規模 4 指標箱ひげ
• X01_h2_bridge_dist.png — H2: 橋梁延長分布 + ECDF
• X01_h3_roadtype.png — H3: 道路種別比率の比較
• X01_h4_lr_roc.png — H4: ROC + 係数バー
• X01_h4_pca.png — H4補助: PCA 散布図
• X01_h5_ols.png — H5: 観測 vs 予測 + 重回帰係数
• X01_pairplot.png — 散布図行列 (4変数)

4. 再現スクリプト

cd "2026 DoBoX 教材"
py -X utf8 lessons/X01_infra_tourism_dual_use.py

スクリプト本体: lessons/X01_infra_tourism_dual_use.py

分析1: 4 CSV を施設名でマージし「観光フラグ」列を派生する

狙い

4 つの実データ CSV には 共通 ID が無い。 インフラツーリズム カタログの「施設名称」と、各台帳の「ダム名/施設名」を 文字列マッチで結合し、 台帳側に 観光対象=0/1 のフラグ列を派生する。これが以降すべての分析の 共通入力になる。

使う道具: pandas merge / isin

役割（一文で）: 2 つの DataFrame を「キー列の値が同じ行同士」で結合する。 本レッスンでは merge よりも 「カタログ側の名前セットに含まれるか」を isin で問う方が単純。

注意点 3つ

• (1) 表記ゆれ: 「（旧紅葉橋）」「【国道487号】」のような後置きはカタログ側だけにある。正規表現で除去してから比較。
• (2) 国道・高速道路橋は対象外: 県管理橋梁台帳には NEXCO 管理の高速橋・本州四国連絡橋は載っていない。 カタログの「安芸灘大橋」「広島空港大橋」のうち 10/18 のみマッチ。残り 8 件は分析対象外（範囲外を明示）。
• (3) フラグ列は派生: 本レッスン独自の派生列。DoBoX 公式ではない。

1施設の Before/After — 「広島空港大橋」を最後まで追う表（要件K）

実装

狙い: 4 つの CSV を読み込み、施設名を正規化して、3 つの名前セットに振り分け、各台帳に 0/1 フラグ列を立てる。 重要行は ① 正規表現で表記ゆれを吸収する cleanname ② isin(セット)。

 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

import re, pandas as pd

# 1. 4 つの CSV を読む
infra  = pd.read_csv("data/extras/infra_tourism.csv", encoding="utf-8-sig")
dam    = pd.read_csv("data/extras/dam_basic.csv",   encoding="utf-8-sig").dropna(subset=["ダム名"])
bridge = pd.read_csv("data/extras/bridge_basic.csv", encoding="utf-8-sig")
tunnel = pd.read_csv("data/extras/tunnel_basic.csv", encoding="utf-8-sig")

# 2. 施設名の表記ゆれを正規化（【国道487号】や（旧紅葉橋）を取り除く）
def cleanname(s):
    s = re.sub(r"[【\[].*?[】\]]", "", str(s))
    s = re.sub(r"（.*?）", "", s)
    return s.strip()

infra["clean"] = infra["施設名称"].apply(cleanname)

# 3. 観光対象を「ダム/橋/トンネル」で振り分けて name セットを作る
infra_dam_names    = set(infra.loc[infra["施設名称"].str.contains("ダム"), "clean"])
infra_bridge_names = set(infra.loc[infra["施設名称"].str.contains("橋"),   "clean"])
infra_tunnel_names = set(infra.loc[infra["施設名称"].str.contains("トンネル|隧道|隨道"), "clean"])

# 4. 各台帳に「観光対象」フラグ列 (0/1) を追加
dam["観光対象"]    = dam["ダム名"].apply(cleanname).isin(infra_dam_names).astype(int)
bridge["観光対象"] = bridge["施設名"].apply(cleanname).isin(infra_bridge_names).astype(int)
tunnel["観光対象"] = tunnel["施設名"].apply(cleanname).isin(infra_tunnel_names).astype(int)

このコードは 12 ダム / 4203 橋梁 / 157 トンネル に対して実行され、 それぞれ観光対象に 12 / 11 / 0 件のフラグが立つ。 このフラグ列が以降の H1〜H5 全てで使われる。

分析2: H1 — 観光対象ダムは「規模で」非観光ダムより大きいか

狙い・仮説

H1: 観光対象ダムは非観光ダムより容量・堤高・堤頂長・集水面積が大きい。 12 基のうち観光対象は 12 基（全件カタログ収載のため）か、それとも一部か。 4 つの規模指標で観光フラグ別に箱ひげ図を描いて比較する。

なぜ箱ひげ図か（要件H）

標本 n=12 と少ないため、平均だけでは外れ値の影響が大きすぎる。 箱ひげ図なら 中央値・四分位範囲・最大最小・外れ値が一枚で分かる。 さらに 各点を上に重ねる（ジッター付き散布）ことで「点が何個あるか」が読み取れる。

実装

1
2
3
4
5
6
7
8
9

metrics = [("総貯水容量_千m3", "総貯水容量"), ("堤高_m", "堤高"),
           ("堤頂長_m", "堤頂長"), ("集水面積_km2", "集水面積")]

fig, axes = plt.subplots(1, 4, figsize=(15, 4))
for ax, (col, label) in zip(axes, metrics):
    g_t = dam.loc[dam["観光対象"] == 1, col].dropna()  # 観光対象ダム
    g_f = dam.loc[dam["観光対象"] == 0, col].dropna()  # 非観光ダム
    ax.boxplot([g_f, g_t], labels=["非観光", "観光"])
    ax.set_title(label)

結果図

H1: 4 指標 (容量/堤高/堤頂長/集水面積) で観光 vs 非観光の箱ひげ

この図から読み取れること

• 本データセットでは 12 基すべてが観光対象: つまり「H1 の母集団比較」は 退化している。 非観光ダム n=0 が判明したのは 本記事の重要発見。
• 結果として H1 は仮説検証ではなく「広島県のダムは全件カタログ収載されている」というメタ事実の発見 に転化する。
• 仮説の言い換え: 真に問うべきは「ため池 6,754 基まで含めれば、本当に観光対象は大規模に偏るか」（発展課題で扱う）。

サマリ表

中央値比は 観光中央値 / 非観光中央値。非観光 n=0 の場合は計算不能（NaN/inf）。

分析3: H2 — 観光対象橋梁は P75 以上の上位に偏るか

狙い・仮説

H2: 4,203 橋梁のうち観光対象（11 件）は、延長 P75（=19m）以上の上位橋梁に強く偏る。 観光資源化される橋梁は「目立つ大型」「歴史的価値」が条件のはず。

なぜヒストグラム + ECDF か（要件H）

延長は 右に長い裾を持つ（小さな橋が大量、大きな橋は少数）ため log10 軸で見る必要がある。 ヒストグラムは形を見るが、観光対象 10 件は線として隠れがち。 ECDF（累積分布）を重ねれば、観光ラインが 右にどれだけシフトしているか を一目で読める。

実装の要点

• 延長 ≤ 0.5m の異常値は clip(lower=0.5) で固定してから log10 を取る
• P75/P90/P99 の縦線を引いて「観光対象は P99 級か」を視覚化
• 2 つの ECDF（観光/非観光）を 同じ図に重ねる

結果図

H2: 橋梁延長 (log10) のヒストグラムと ECDF — 観光対象は右裾に偏在

この図から読み取れること

• 観光対象橋梁の中央値 = 292m は、全橋梁の中央値（数 m〜十数 m）より 1〜2 桁大きい。
• 観光対象 ECDF は 非観光 ECDF より右に大きくシフト: 同じ累積比率に達するまでに 10倍以上の延長が必要。
• 観光対象の 91% が P75 (19m) を超える。一方 非観光の P75超 比率は構造上 25% (定義通り)。 観光 vs 非観光で 91% vs 25.0% = 約 3.6 倍の偏在 → H2 強く支持。
• P99 (196m) を超える橋梁は全体の 1% だが、観光対象 10件中 8 件が P99 級 （早瀬大橋・豊島大橋・弥栄大橋など）。観光対象は実質「上位1%橋梁」。

サマリ表

分析4: H3 — 観光対象橋梁は国道沿いに偏るか

狙い・仮説

H3: 観光対象橋梁は道路種別で「国道」に集中するはず。 観光バスやマイカーで気軽にアクセスできるルート上にあることが、観光対象化の前提条件のはずだ。

なぜグループ棒グラフか（要件H）

「観光 vs 非観光」を「道路種別」で クロス集計の比率比較するには、 同じ道路種別で 2 本の棒（観光率/非観光率）を並べるのが直感的。 円グラフ 2 つだと比較しにくく、絶対数の棒だと観光 n=10 が見えなくなる。 各群の構成比（合計 1.0）に正規化して並べることで母数差を吸収する。

結果図

H3: 道路種別の構成比 — 観光対象は国道に偏るか

この図から読み取れること

• 観光対象橋梁の 55% が国道。一方 非観光全体での国道比率は 28%。 つまり観光対象は国道比率が 2.0 倍に偏る → H3 強く支持。
• 県道はほぼ同等（観光 45% vs 非観光 72%）。「アクセス性 = 国道指向」と限定される。
• 観光対象に 市町道・農道はほぼゼロ: 局所道路上の橋梁は観光資源化されない（または、されても DoBoX カタログに乗らない）。

サマリ表

分析5: H4 — ロジスティック回帰で観光対象を予測

狙い・仮説

H4: 橋梁の延長・幅員・築年・国道フラグだけで「観光対象になる/ならない」を予測できるはず。 AUC ≥ 0.85 で弁別できれば、規模と立地だけで観光対象化の判別が可能と言える。 最も効く特徴は「log_延長」（規模の効きが他を圧倒する）と予想。

使う道具: ロジスティック回帰（要件B/J: ツール視点で）

役割（一文で）: 「複数の特徴を入れたら YES/NO の確率（0〜1）が返ってくる」関数を、データから学習するツール。 中身は「特徴の重み付き足し算 → シグモイドで 0〜1 に潰す」だけ。 シグモイド関数の数式は黒箱でOK。学習者は「使い方」と「係数の意味」を覚える。

注意点 3つ

• (1) クラス不均衡: 観光対象=10 件 vs 非観光=4,193 件 で 正例が0.24%。 class_weight="balanced" で正例の重みを増やさないと、「全部0」と答えるだけで正解率99.76% という偽の高精度が出る。
• (2) 標準化が必須: 延長(m)=10〜2000、幅員(m)=3〜30、築年経過=10〜70 の 桁が違う。標準化しないと係数の解釈ができない。
• (3) AUC は順位ベースの指標: 「正例の予測確率の方が、ランダムに選んだ負例より大きい確率」。閾値に依存しない。

係数の読み方（要件B）

標準化済み係数 β は 「特徴を 1σ（1 標準偏差）増やすと、log-odds が β 増える」。 オッズ比 e^β は「1σ増による確率の倍率（オッズ単位）」。 β > 0 なら正方向に効く（観光対象になりやすい）。β < 0 なら逆に効く。

実装

↑ X01_infra_tourism_dual_use.py 行 672–729

 1
 2
 3
 4
 5
 6
 7
 8
 9
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696

from sklearn.linear_model import LogisticRegression
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import roc_auc_score

# 1. 特徴量設計（log変換・経過年・国道フラグ）
df = bridge.dropna(subset=["延長(m)", "幅員(m)", "架設年度"]).copy()
df["log_延長"]   = np.log10(df["延長(m)"].clip(lower=0.5))
df["log_幅員"]   = np.log10(df["幅員(m)"].clip(lower=0.5))
df["築年経過"]   = 2026 - df["架設年度"]
df["国道フラグ"] = (df["道路種別"] == "国道").astype(int)

X = df[["log_延長", "log_幅員", "築年経過", "国道フラグ"]].values
y = df["観光対象"].values     # 0/1

# 2. 標準化（各特徴を 平均0/分散1 に揃える。単位差で係数が偏るのを防ぐ）
X_std = StandardScaler().fit_transform(X)

# 3. 学習：観光対象=正例は数十件で少数派。class_weight="balanced" で重み調整
lr = LogisticRegression(max_iter=2000, class_weight="balanced", random_state=42)
lr.fit(X_std, y)

# 4. 予測確率（0〜1） → AUC で全橋梁の弁別力を測る
p_pred = lr.predict_proba(X_std)[:, 1]
auc = roc_auc_score(y, p_pred)
print("AUC =", auc, "  係数:", dict(zip(features, lr.coef_[0].round(3))))

結果: 1 橋梁の Before/After（広島空港大橋, 要件K）

この表は「広島空港大橋」が raw 値 → 派生特徴 → 標準化 → ロジット → 確率 の 5段階でどう変換されるかを追ったもの。 最終 P(観光対象) は実績ラベルと整合（または乖離）する。

結果図

H4: ROC 曲線（左）と 4 特徴の標準化係数バー（右）

この図から読み取れること

• AUC = 0.939: 0.5（乱数）から大きく離れ、 仮説 H4 (AUC≥0.85) を 支持。
• 最大の正係数は「log_延長」: 1σ（≒延長を約10倍に）増えると観光対象オッズが 3.9 倍。 H4 の予想（規模が最大の駆動因）と整合。
• 「築年経過」係数は負: 新しい橋ほど観光対象になりやすい。歴史的価値が観光対象化に寄与する(築年経過が長いほど観光対象化されやすい) 場合は正係数。
• 「国道フラグ」が正: 国道上にあると観光対象化されやすい — H3 と整合。

係数表

分析6: H4 補助 — PCA で多変量を 1 枚に圧縮

狙い

4 特徴 (log_延長, log_幅員, 築年経過, 国道フラグ) を 2 次元に圧縮して、観光対象が 特徴空間のどこに集まっているかを 1 枚で見る。 ロジスティック回帰の判定根拠を可視化するための補助分析。

使う道具: PCA（主成分分析, 要件B/J）

役割（一文で）: 多くの列（4列）を、なるべく情報を残したまま 2 列にまとめ直すツール。 新しい 2 列は PC1 / PC2 と呼ばれる仮想軸で、元の 4 列の重み付け足し算でできている。 中身の「分散最大化」「直交性」の数式は 黒箱でOK。

注意点 3つ

• (1) 教師なし: PCA は y（観光フラグ）を一切見ない。分布の散らばりだけで軸を作る。だから 観光対象がきれいに分かれない場合もある。
• (2) ローディングを見て軸を解釈: PC1 が log_延長 と log_幅員 で大きな正の重みなら、「PC1 = 規模軸」と命名できる。
• (3) 寄与率が低いと意味なし: PC1+PC2 の合計が 50%未満なら、2 次元では情報が大幅に失われるので結論を慎重に。

実装

1
2
3
4
5
6
7
8
9

from sklearn.decomposition import PCA

pca = PCA(n_components=2)            # 4 特徴 → 2 軸 に圧縮
X_pca = pca.fit_transform(X_std)     # X_std は H4 と同じ標準化済み行列
print(pca.explained_variance_ratio_) # 軸ごとの寄与率（合計≦1.0）

# 散布図に観光フラグを色で重ねれば、特徴空間上での分離を視覚化できる
plt.scatter(X_pca[y==0, 0], X_pca[y==0, 1], color="blue", s=8)
plt.scatter(X_pca[y==1, 0], X_pca[y==1, 1], color="red",  marker="*", s=80)

結果図

H4 補助: PCA で 4 特徴を 2 軸に圧縮、観光対象（赤☆）の偏在を確認

この図から読み取れること

• PC1 寄与率 = 33.3%, PC2 = 27.7%, 累積 = 61.0%。 累積 50% 超なら 2D 散布で全体傾向が見える水準。
• 観光対象（赤☆）は PC1 軸の右側（または上側）に偏在。 PC1 のローディング（下表）から 軸の正方向 = 規模が大きいと解釈できれば、規模空間の右に観光対象が集まっていることになる。
• PCA は y を見ない教師なしなのに、観光対象が PC1 で偏るのは 「規模が観光対象化の主要因」という H4 の結論を視覚的に裏付ける。

ローディング（4特徴 → PC1/PC2 の重み）

分析7: H5 — 市町別 重回帰で「観光対象数 = a×ダム + b×橋 + c×ﾄﾝﾈﾙ」を解く

狙い・仮説

H5: 市町ごとの観光対象数は、その市町に存在するダム・橋梁・トンネル数の線形和で説明できるはず。 重回帰で a, b, c を推定し、どのインフラ種別が観光対象化されやすいかを係数比から読む。 予想: a (ダム1基あたり) が b (橋梁1基あたり) より圧倒的に大きい — ダムは1基ごとに観光化されるが、橋梁は1基ごとに観光化される確率が低い。

STEP 分け（要件O）— 重回帰の前後でやること

使う道具: 重回帰（statsmodels.OLS）

役割（一文で）: 「結果 y = a*x1 + b*x2 + c*x3 + 切片 + 誤差」を、誤差の二乗和が最小になる a, b, c を求めるツール。 中身は線形代数（最小二乗法）だが、使うのは fit() と summary() だけでいい。

注意点 3つ

• (1) サンプル数 n=22 市町 は重回帰の最低ライン。3 変数 + 切片で n=22 は妥当（経験則 n ≥ 10×変数数）。
• (2) 多重共線性: dam_n と bridge_n は両方「インフラ整備度」を表すため相関しがち。VIF が高いと係数が不安定になる。本記事は確認まで。
• (3) 観光対象数=0 の市町が多い: ポアソン回帰の方が本当は適切だが、リテラシ範囲では OLS で近似。残差プロットで歪みを確認。

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

import statsmodels.api as sm

# 0. 各台帳から「市町」列を統一（トンネルは「府中町 茂陰一丁目」のような詳細住所）
def first_city(s):
    s = str(s).split()[0]
    m = re.match(r"^([一-龥ぁ-んァ-ンA-Za-z]+(?:市|町|村|区))", s)
    return m.group(1) if m else None

dam["市町"]    = dam["位置"].apply(first_city)
bridge["市町"] = bridge["住所(市町)"].apply(first_city)
tunnel["市町"] = tunnel["住所(市町)"].apply(first_city)

# 1. 市町ごとに 6 つの集計量を結合
city_df = pd.concat([
    dam.groupby("市町").size().rename("dam_n"),
    bridge.dropna(subset=["市町"]).groupby("市町").size().rename("bridge_n"),
    tunnel.dropna(subset=["市町"]).groupby("市町").size().rename("tunnel_n"),
    dam.groupby("市町")["観光対象"].sum().rename("dam_tour"),
    bridge.dropna(subset=["市町"]).groupby("市町")["観光対象"].sum().rename("bridge_tour"),
    tunnel.dropna(subset=["市町"]).groupby("市町")["観光対象"].sum().rename("tunnel_tour"),
], axis=1).fillna(0).astype(int).reset_index()

city_df["観光対象数"] = city_df["dam_tour"] + city_df["bridge_tour"] + city_df["tunnel_tour"]

# 2. 重回帰: 観光対象数 = a*dam_n + b*bridge_n + c*tunnel_n + 切片
X = city_df[["dam_n", "bridge_n", "tunnel_n"]].values
y = city_df["観光対象数"].values
X_sm = sm.add_constant(X)                   # 切片列を加える
model = sm.OLS(y, X_sm).fit()

print(model.summary())                      # 係数, p値, R², 調整R²

結果図

H5: 観測 vs 予測 散布（左）と 3 変数の係数+95%CI（右）

この図から読み取れること

• R² = 0.604, 調整 R² = 0.588。仮説 H5 (R²≥0.5) を 支持。
• 係数 a (dam_n) = +0.977: ダム 1 基増えると観光対象数は +0.98 件増える期待。 ダム1基あたり≒観光1件 という強い対応 — H1 で見た「12 基すべてが観光対象」と整合。
• 係数 b (bridge_n) = +0.0017: 橋梁 1 基あたりは +0.0017 件 = 約 582 基に 1 件観光対象化。
• 係数 c (tunnel_n) = +0.0326: トンネルはほぼ観光対象化されない（観光対象 1/157）。
• 残差の大きい市町（観測 ≠ 予測）は、上位の市町テーブルに表示。 正の残差 = 予測より観光対象が多い = 「観光力の高い市町」。

係数表（重回帰）

市町別 観測値・予測値・残差

残差 > 0 の市町は「インフラ規模に対して観光対象数が多い」=観光に積極的。 残差 < 0 は「あるのに観光化されていない」=観光資源として未活用。

分析8: 散布図行列で 4 変数の全ペアを一望する

狙い

規模・経過年・緯度・経度 の 4 変数の全ペア（6 通り）を 1 枚で見る。 観光対象（赤☆）が どのペア空間で偏在するか を網羅的に確認する。

なぜ散布図行列か（要件H）

個別の散布図を 6 枚並べると 視線移動が大きい。 散布図行列は 同じ X 軸が縦方向に揃うため、ある変数の効きを多角的に読み取れる。 対角は各変数の単独分布（ヒスト）を入れて分布の形も同時に確認できる。

結果図

散布図行列: 規模(log) × 経過年 × 緯度 × 経度、観光対象=☆

この図から読み取れること

• (規模, 経過年) ペア: 観光対象は 規模軸の右上に集中。経過年は広く分布（古い砂防＋新しい大橋が混在）。
• (緯度, 経度) ペア = 地理空間: 観光対象は 沿岸島嶼部（経度西寄り）と 呉・廿日市・尾道沿岸に偏在。 内陸山間部（庄原・三次）には少ない。
• (規模, 経度) ペア: 西から東に行くにつれ、観光対象規模はやや増加（広島空港大橋・尾道大橋が東の方）。
• 対角ヒストグラム: 規模(log)は中央が厚く、経過年は 1980〜1990 がピーク（高度成長期建設が多い）。

仮説検証と考察

5 仮説の検証結果サマリ

主要発見

1. 広島県の県管理ダム 12 基はすべてインフラツーリズム対象 — H1 が「退化」したことが むしろ重要な発見。 ダムは 1 基ごとに観光化されるのが県の方針と読める。
2. 橋梁は「上位 1% の超大型」のみが観光対象化される。観光対象橋梁の中央値 292m は、全体中央値の数十倍。
3. 観光対象は国道偏重: アクセス性が観光化の前提条件。市町道・農道上の橋は観光対象にならない。
4. ロジスティック回帰で AUC = 0.939: 規模・年代・道路種別という 3〜4 個の数値だけで観光対象判別が高い精度で可能。 → 「観光対象になりそうな未掲載インフラ」を全 4,203 橋梁から自動推薦できる。
5. 市町別重回帰の係数 a (dam_n) ≫ b (bridge_n): ダム1基あたりの観光化確率が橋梁1基あたりの数十〜数百倍。

分析の限界(誠実な開示)

• 観光対象橋梁の 10/18 しか県管理橋梁台帳に存在しない(NEXCO・本州四国連絡橋管理が範囲外)。 真の観光対象母集団のうち 56% しか分析できていない。
• n=12 ダム / n=10 観光橋梁 / n=1 観光トンネル は標本サイズが小さく、係数の 95%CI が広い。p値解釈は参考程度。
• ロジスティック回帰は train=test の同じ全件評価(学習者向けの簡易版)。 本来は train/test split かクロスバリデーションで 未知データへの汎化を確認すべき(発展課題)。
• OLS で観光対象数(離散非負)を回帰したが、本来は ポアソン回帰が適切。

発展課題

結果X → 新仮説Y → 課題Z(要件E)

1. 結果X1: ダム 12 基はすべて観光対象だった。 新仮説Y1: ため池 6,754 基まで広げれば、規模 P95 以上のため池が観光対象化される境界が見えるはず。 課題Z1: data/extras/tameike_basic.csv をマージし、本記事と同じ ロジスティック回帰を 「ため池 + ダム」の合成データセットで動かす。 規模軸での閾値(観光化開始サイズ)を係数から逆算。
2. 結果X2: 観光対象は国道偏重 (55% が国道) だった。 新仮説Y2: 避難所のアクセス性も国道偏重のはず。 災害時に「国道沿いの観光対象橋梁」は 観光と避難動線の二重利用として価値がある。 課題Z2: 観光対象 10 橋梁の 緯度経度から半径 1km 以内の避難所件数を BallTree で集計。 H3 を 避難計画への二重利用評価に拡張。L09 のレッスンと連携。
3. 結果X3: ロジスティック回帰の AUC = 0.939。 新仮説Y3: モデルが 「観光対象になりそうなのに未掲載」な橋梁を上位リストとして特定できるはず。 課題Z3: X01_h4_top50_pred.csv から実績=0 で P_観光対象 ≥ 0.7 の橋梁を抽出し、 実地調査リスト化。「インフラツーリズム新規候補リスト」として広島県観光連盟に提案できる形に。
4. 結果X4: 市町別重回帰 R² = 0.604。 新仮説Y4: 観光対象数を 人口・観光客数・予算で説明する方が R² が上がる。 課題Z4: F4(DID 人口集中地区)と G4(クルーズ船観光客)のデータを市町別で結合し、 5変数重回帰に拡張。インフラ整備度 vs 観光需要 のどちらが効くかを分離。
5. 結果X5: PCA で観光対象が PC1 (規模軸) に偏在。 新仮説Y5: LDA なら PCA より 観光フラグを見て軸を作るので、もっと綺麗に分離できるはず。 課題Z5: sklearn.discriminant_analysis.LinearDiscriminantAnalysis で 本記事と同じ 4 特徴を 1 軸に圧縮し、PCA との比較表を作る。 教師あり vs 教師なし の 分離力の差を体感する。