Page 1

2012.11.8 古谷誠章研究室 1x09a025 猪又直己

SNSを用いた駅圏の潜在的特性に関する研究 - ジオロケーションが現す東京 23 区徒歩圏内外の超短期的人口分布から 目次 □序章 0.1 研究背景 0.2 研究目的 0.3 論文構成

□第1章 地図による都市の分析手法 1.1 地図の種類 1.2 駅圏ボロノイマップ 1.2.1 駅圏ボロノイマップの概要 1.2.2 古谷誠章研究室における駅圏ボロノイマップ

1.3 SNS GeoLocation MAP 1.3.1 日本における SNS の状況 1.3.2 SNS GeoLocation MAP の概要 1.3.3 Eric Ficher による SNS の地図 1.3.4 渡辺仁史研究室による SNS の地図

1.4 本研究における分析手法 1.4.1 駅圏ボロノイマップ 1.4.2 徒歩圏内と徒歩圏外 1.4.3 Twitter GeoLocation 1.4.4 東京都地価公示 1.4.5 地図の重ね合わせ

□第2章 Tweet 解析による東京 23 区駅圏の超短期的変位 2.1 Tweet 駅圏ボロノイマップ 2.1.1 総合 2.1.2 季節的変位 2.1.3 曜日的変位 2.1.4 昼夜的変位 2.1.5 時間的変位

2.2 人口駅圏ボロノイマップとの比較 2.3 徒歩圏内と徒歩圏外における差異

研究背景

 駅圏ボロノイマップをさらに徒歩圏の内

ところ、交流人口マップと強い相関関係が

と外で分割した。徒歩圏とは、駅から半径

見られた。[fig.2a][fig.4b]

500m の領域で、往復 15 分かかる場所のこ

 季節的な変化を図化したボロノイマップ

という。この徒歩圏内外ボロノイマップに

 情報化社会において、情報をマスメディ

では、夏の Tweet が多くを占めるが、ボロ

おいて、Tweet 総数を図化したところ、徒

アが掌握する時代は終わり、ソーシャル・

ノイごとに季節的特性がある。[fig.5a]

歩圏 内 の色が濃くなっている。駅の中心

ネットワーキング・サービス(SNS)によっ

 時間的な変化をあらわしたボロノイマッ

性は強く、人が集まっていることを示して

て、個人が極小のメディアを形成するよう

プでは、昼間は交流人口と比較的関連性が

いる。ただ 外 に向けて Tweet が拡散し、

になった。そのため高密度都市において、

見られた。[fig.2a,2d][fig.5c]

むしろ外の方が人が集積しているものもみ

コンピューターネットワークの技術的高度

一方で夜間は夜間人口と全く関連性がない。

られた。これより、徒歩圏外をまたいだ駅

古谷研究室の駅圏ボロノイマップ 2001 年 , 2004 年

[fig.1a 交流人口ボロノイマップ]

た場所を、発信し、仕立て上げるようになり、 都市空間が変容しつつあるといえる。

「高密度都市における交流人口の分布研究」  金井淳 早稲田大学 2001 範囲   :山手線を囲む 15km 四方の範囲 駅圏数  :178 人口データ:1997 年(平成9年度)

3.2 山手線全域における Tweet 集積地 3.3 各ボロノイ駅圏の分析結果 3.3.1 徒歩圏外のないボロノイ駅圏 3.3.2 徒歩圏外のあるボロノイ駅圏 3.3.2.a Tweet 内外比 100% 以上

[fig.1c 夜間密度ボロノイマップ]

[fig.1d 通勤人口ボロノイマップ]

圏間の移動性を考察するには、より詳細な

[fig.2b,2c][fig.5c]

「街に潜むイメージの形成の研究」  宮本将毅 2004 範囲   :山手線を囲む 15km 四方の範囲 駅圏数  :213  (追加 - 大江戸線・三田線・南北線・ゆりかもめ・臨海副都心線) 人口データ:2002 年 (平成 14 年度)

 Twitter は統計による長期的な人口動態に

Tweet の分析をしていくべきことがわかっ

はない独特の動きが見られる。

た。[fig.4c]

2011 年

60000

研究目的

50000

40000

SNS で見い出した駅圏の潜在的な特性 を把握し、それによって起こる駅圏間 の移動を明らかにする。

30000

20000

□春  □夏  □秋  □冬

 SNS を解析することで、個人の行動の時 空間が把握可能である。これを用いて、超

[fig.2a 交流人口ボロノイマップ]

短期的な人口分布を高密度都市東京におい

「東京 23 区の人口動態からみる専門店集積地」 - 高密度都市居住研究 - 竹花洋子 2011

て明らかにする。  さらに、駅から遠い駅圏境界上に現れる

[fig.2b 夜間人口ボロノイマップ]

[fig.2c 夜間密度ボロノイマップ]

[fig.2d 通勤人口ボロノイマップ]

[fig.5a Tweet 四季ボロノイマップ]

10000

0

0

1

2

3

4

5

6

7

8

9

10 11 12 13 14 15 16 17 18 19 20 21 22 23

[fig.5b Tweet 数の時間的変位(1 時間ごと)]

[fig.5c Tweet 時間ボロノイマップ]

範囲   :東京 23 区全域 駅圏数  :442  (追加 - 副都心線・日暮里舎人ライナー)      人口データ:2008 年 (平成 20 年度)

現代的な動きを可視化し、その情報の集積

SNS GeoLocation MAP

地を抽出することで場所の潜在的な特性を 見い出す。

渡辺仁史研究室 重ね合わせ 独自の評価手法

00:00

01:00

02:00

03:00

04:00

05:00

06:00

07:00

08:00

09:00

10:00

11:00

12:00

13:00

14:00

15:00

16:00

17:00

18:00

19:00

20:00

21:00

22:00

23:00

Twitter 研究 ソーシャルネットワークを用いた都市生活者の時空間分布モデル 奥津拡  2010 ソーシャルメディアに現れる発言の集積としての都市のイメージ 小池太輔 2011

日本における SNS の状況 Google Earth, GIS ソフトの使用

 日本において、SNS のひとつである 3.1.1 対象範囲 3.1.2 Tweet 集積地の算出方法

[fig.1b 夜間人口ボロノイマップ]

化と爆発的普及によって、個人が見い出し

□第3章 Tweet 集積地からみる各ボロノイ駅圏の特性 3.1 ボロノイ駅圏の分析手法

第 2 章 Tweet 解析による東京 23 区駅圏の超短期的変位  Tweet 総数を駅圏ボロノイマップ化した

東京では、鉄道駅圏を中心とした移動 のなかで、SNS の情報によって、人が 駅圏間を移動している。

2.3.1 徒歩圏内外 Tweet 駅圏ボロノイマップ 2.3.2 地価公示価格

2.4 考察

第 1 章 地図による都市の分析手法

範囲   :東京 23 区全域(経度 139.60-139.90, 緯度 35.50-35.80) 位置情報数:748419 件      期間   :2010.1.1. - 2012.5.31. [fig.3 銀座周辺における Tweet 行動別ホットスポット]

Twitter は約 3000 万ものアカウントがあり、 東京は世界最大規模の Tweet 数を誇る都市 である。  Twitter の利用者は年代的に偏りがみられ、

第 2 章 Tweet 解析による東京 23 区駅圏の超短期的変位 東京 23 区広域において、季節的・曜日的・昼夜的・時間的な変化を駅圏ボロノイマップに可視化する

若年層(15-39 歳)が 60%を占める。若年 層の人口が、総人口の 30%であることを考 えるとかなりの割合といえる。

第 3 章 Tweet 集積地からみる各ボロノイ駅圏の特性 山手線全域の 111 駅圏に対し、徒歩圏外における Tweet 集積地を抽出し、駅圏同士の連続性、および駅圏の個性を見い出す

3.3.2.b Tweet 内外比 30% 以上 3.3.2.c Tweet 内外比 10% 以上 3.3.2.d Tweet 内外比 10% 以下

ボロノイ駅圏定義関数(全 442 駅圏)

3.4 ボロノイ駅圏の傾向 3.5 考察

徒歩圏円定義関数(全 442 駅圏)

ある場所の緯度経度座標をこの式に代入(E2= 緯度 , D2= 経度)し、

徒歩圏:半径 500m の円で示される領域、往復 15 分

不等号式が成り立てばそのボロノイ駅圏であると判定される。 [駅緯度][駅経度]に駅中心の座標を入れることで、駅からの徒歩

□第4章 結論

圏円(半径 500m)の方程式ができあがる。

No.1: 池袋 =IF(AND(  E2<=-0.297999824*D2+77.37078029,E2<=-5.913043478*D2+861.901569, E2>=1.250341997*D2-138.9638345,E2>=-0.313106512*D2+79.46914804, E2>=-2.816666667*D2+429.225875,E2<=2.408112395*D2-300.6950081 ),"OK","-")

4.1 結論 4.2 展望

ある場所の緯度経度座標をこの式に代入(E2= 緯度 , D2= 経度)し、 1 以下であれば徒歩圏内、1以上であれば圏外であると判定される。

No.2: 新宿 =IF(AND( E2<=1.526717557*D2-177.5857247,E2<=0.162750895*D2+12.9570231, E2>=16.62435233*D2-2286.793523,E2>=0.14612326*D2+15.27360849, E2>=-0.203805224*D2+64.15880464,E2>=-25.97826087*D2+3664.784095 ),"OK","-")

参考文献

No.3: 渋谷 =IF(AND( E2<=0.442945145*D2-26.2150263,E2<=-0.019685039*D2+38.41466169, E2<=-0.288716814*D2+75.99861505,E2<=-1.105434596*D2+190.09917, E2>=0.537961369*D2-39.50305588,E2>=0.129732396*D2+17.52931784, E2>=-6.557522124*D2+951.7301879 ),"OK","-")

都市のイメージ Kevin Lynch 著 丹下健三・富田玲子 訳 岩波書店 2007(1968) マスメディアとしての近代建築 ロースとコルビュジエ Beatriz Colomina 著 松畑強 訳 1996(1994) 錯乱のニューヨーク Rem Koolhaas 著 鈴木圭介 訳 ちくま学芸文庫 1999(1995) CODE VERSION 2.0 Lawrence Lessig 著 山形浩生 訳 翔泳社 2007 サイバーシティ Christine Boyer 著 田畑暁生 訳 NTT 出版 2009 都市計画家 石川栄耀 都市探求の軌跡 鹿島出版 2009 メイド・イン・トーキョー 貝島桃代 黒田潤三 塚本由晴 鹿島出版 2001 超合法建築図鑑 吉村靖孝 彰国社 2006 高密度都市における交流人口の分布研究 金井淳 2001 高密度都市居住研究 - 環境変化と人口分布によるコンプレックスシティの考察 - 金井淳 2002 街に潜むイメージの形成の研究 宮本将毅 2004 東京 23 区の人口動態からみる専門店集積地 - 高密度都市居住研究 - 竹花洋子 2011 ソーシャルネットワークを用いた都市生活者の時空間分布モデル 奥津拡 2010 ソーシャルメディアに現れる発言の集積としての都市のイメージ 小池太輔 2011 都市空間認知の視点によるモバイル端末が提供する経路案内情報に関する研究 石井信行 2009

No.441: 高田馬場 =IF(AND (E2<=-0.321699766*D2+80.66017528,E2<=-1.659190372*D2+267.5190417, E2>=0.651012891*D2-55.24031788,E2>=-0.152401988*D2+56.9980945, E2>=-0.328335256*D2+81.57594985,E2>=-5.661538461*D2+826.6098939, E2<=2.092670973*D2-256.6315143 ),"OK","-")

No.442: 西早稲田 =IF(AND (E2>=-0.10092241*D2+49.80241327,E2<=0.651012891*D2-55.24031788, E2<=-0.32533784*D2+81.16600668,E2>=4.281174771*D2-562.4388587, E2>=-0.85636751*D2+155.3432646 ),"OK","-")

[fig.4a Tweet 点散分布図]

[fig.4b Tweet 密度ボロノイマップ]0

500〔回 /ha〕

0 [fig.4c Tweet 密度 徒歩圏内外ボロノイマップ]

500


2012.11.8 古谷誠章研究室 1x09a025 猪又直己

SNSを用いた駅圏の潜在的特性に関する研究 - ジオロケーションが現す東京 23 区徒歩圏内外の超短期的人口分布から 第 3 章 Tweet 集積地からみる各ボロノイ駅圏の特性

3500

100% ∼

山手線全域 + 中央本線

42 2

30 ∼ 100%

渋谷

3000

111 駅圏 池袋

52 2

10 ∼ 30%

恵比寿

2500

なし 17 駅圏 〈徒歩圏外〉 徒歩圏 = 半径 500m円     往復 15 分

68 68

本駒込

東池袋 目白

池袋

雑司ヶ谷

1500

江戸川橋

100% ∼

2 駅圏

早稲田

飯田橋

30% ∼ 100% 11 駅圏

796 96 96 目黒

1000

12 125 25 2

29 295 9

広尾

湯島

後楽園

早稲田

〈Tweet 内外比〉 圏外 Tweet 数 / 圏内 Tweet 数

桜田門

表参道

若松河田

24 駅圏

∼ 10%

57 駅圏

へ向けた移動の拡張性が強いことが予想さ

途地域と比較すると全く異なる性質があり

れる。10 ∼ 100% である 37 駅圏は、それ

Tweet は情報の偏りが存在する。[fig.10]

らが隣り合うことによって、駅圏を越えた

 徒歩圏 内 における Tweet は商業店舗

移動があると考えられる。[fig.6]

が目立つが、徒歩圏 外 では駅圏ごとに

 山手線全域の 111 駅圏において詳細な

ばらつきが大きい。[fig.11]これは徒歩

Tweet 分布図を作成し、徒歩圏 外 にお

圏 外 の Tweet 集積地がその駅圏の潜在

215 ヶ所抽出できた。それらをボロノイマッ

 徒歩圏 外 では、店舗がもっとも多く、

100% ∼ 明治神宮前

30000

30 ∼ 100%

乃木坂 高円寺 市ヶ谷

[fig.13]  徒歩圏内外の経済的価値を比較すると、

高田馬場 2%

10 ∼ 30%

雑司ヶ谷 広尾

400

300

白金高輪

後楽園 北参道

阿佐ヶ谷

東池袋

17 177 17

56

国立競技場

曙橋

200

465 4 65

0 3000

4000

5000

20%

40%

60%

0

恵比寿

50

100

150

200

250

300

目黒 目白

[fig.9 山手線全域における徒歩圏内外の経済的価値 / 地価の差異]

鴬谷 池袋

<用途地域面積> 0%

渋谷

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

あり、私たちの移動はこれに大きく依存し

市ヶ谷

ている。駅から遠い場所は、大多数の人に

飯田橋

徒歩圏外

とって関係のない場所であり、イメージの

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

徒歩圏内

 Tweet 集積地を可視化することで、用途

曙橋 徒歩圏外

□緑地 □店舗 □オフィス □住居 □ホテル □インフラ □公共 □教育 □娯楽

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

本駒込

渋谷 12%

16 160 60 6 0

山手線6駅 9 徒歩圏内

167

34

20 2

34

114

白山

① 山手線全域 徒歩圏外

湯島

25

表参道 26%

29

43

8

26

5

12

60

桜田門 □緑地 □店舗 □オフィス □住居 □ホテル □インフラ □公共 □教育 □娯楽 □駅ホーム

広尾

[fig.11 徒歩圏内外の Tweet 集積地の差異]

乃木坂

展望

泉岳寺 0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

 Tweet 内容に言及すれば、一人ひとりの

山手線内部 中央線以北

11

8

4

11

2

7

3

5

1

国立競技場

5

20

11

13

0

7

02

4

□緑地 □店舗 □オフィス □住居 □ホテル □インフラ □公共 □教育 □娯楽 他57駅圏

 SNS によって見い出された場所をさらに

339 33 39 3 9

御成門 0%

21 215 2 1

23 233 3

140 14 4

344 344 4

大門

麻布十番 7%

赤羽橋 0%

118 11 1

恵比寿 33%

芝公園 1% 117 17 1 7

浜松町 116 11 16 1 6

223 23 3

241 24 41 4 1

103 03 0 3

三田 12%

236 236 23 103 1 03 03

田町 6%

95 5 115 1 78 78

白金台 67%

白金高輪 25%

80 0

2 237

目黒 27%

182

泉岳寺 96 52%

77 77

90

30 305 7 72

五反田 4% 372 37 72 7 2

99 99

高輪台 5%

143 43 4 3

662 662 66 6

品川 8%

95 5

〔凡例〕

早稲田 38%

駅圏名 Tweet 内外比 フォントの大きさは Tweet 内外比を表す

大崎 3%

とも可能であり、また別の人の動きや集積 する場所が浮かび上がると思われる。

三田

108 1080 080 0 80 0

126 26 6

きるだろう。さらに他の SNS に応用するこ

③ 山手線内部 中央線以南

行為が把握でき、駅圏間の移動性を検証で

508 508

新橋 0%

213 3 神谷町 1% 406 406 0

六本木 3%

広尾 118%

100%

表参道

253 25 2530 2 53 530 53

78 781 7 81

虎ノ門 1%

60 604 0

15 1 152 52 52

92

駅圏ボロノイマップと Twitter を組み合わせ るという、ひとつの手法を確立できた。

2 4 244

溜池山王 0%

六本木一丁目 0%

乃木坂 31%

有楽町

内幸町

16 161 6

119 19

 駅圏境界線上の人の動きを考察する上で、

61

赤坂 10%

142 1 14 4

766 76 66 6

133 33 3

日比谷 0%

1540 1 5

270 2700 2 27 700 7 0

33 336 3

いの存在という特色を見いだせた。[fig.13]

若松河田

949 9 霞ヶ関

外苑前 8%

なかった駅圏に対して徒歩圏外でのにぎわ

33

国会議事堂前

100 00 0

39 395 3 95 9

門や広尾、雑司ヶ谷など、長期的な人口動 態を現すボロノイマップで特徴を記述でき

東池袋

708 08

106 1 06 6

 また、 超短期的人口分布によって、桜田

東新宿

[fig.7 徒歩圏外の Tweet 集積地 / 山手線全域 111 駅圏]

明治神宮前 4%

りやすい場所を示す地図ができた。

[fig.10 目黒駅圏における用途地域と Tweet 集積地の差異] ①

181 8 81

二重橋前 3%

桜田門 274%

永田町 1%

617 617 7

地域図からではわからなかった、人が集ま

早稲田 江戸川橋

個性を見いだすことができる。

208 20 2080 大手町 0%

東京

80 8 0

641 641

145 1450 4 0 450

2 26 265

神田

26 268 2 6

458 45 58 8

個人が発信した場所から Twitter を介して、

<Tweet 集積地>

根津

信濃町 5%

国立競技場前 24%

910 91 910

小川町 淡路町 290 2 90 90

半蔵門 9%

405 405 05

189 8

900 90 900 0

16 161 61

竹橋 4%

2 1 211

四ツ谷 69 6 9 1%

青山一丁目 3%

原宿 3%

新御茶ノ水

217 21 17

4 8 408

赤坂見附 1%

157 1 15 57 57

茗荷谷

<駅圏の潜在的特性> [fig.8 徒歩圏外における建築機能]

北参道 21%

103 03 3

秋葉原 1%

379 379 神保町

九段下 10%

麹町

100 1 0

ない場所ともいえる。しかし、そこにいる

□商業地域 □工業地域 □住居地域

雑司ヶ谷

北参道

千駄ヶ谷 0%

徒歩圏内

明治神宮前

代々木

593 5 93 9 3

362 3 36 6 62

278 78

294 29 9 94

四谷三丁目 2%

6 68

104 04

 東京において、鉄道は主要なインフラで

末広町 0% 159 5 59

14 146 46 6

1950 95 950 50

新宿御苑前 1%

徒歩圏外に着目することで駅圏の潜在 的な特性がわかり、それによる駅圏間 の移動の可能性が見えた。

約3倍

徒歩圏外

92 9 2

御茶ノ水 0%

10 108

28 28 289

8 81

市ヶ谷 23%

〔万円/㎡〕

徒歩圏内

水道橋 1%

120 120 0

新宿三丁目 0%

[fig.6 駅圏における徒歩圏外への移動拡張性 / 徒歩圏内外における Tweet 数の散布図]

御徒町

357 357 35 57

曙橋 39%

1820 1820 0 新宿

80% 100%

白金高輪

90

徒歩圏内における Tweet 数

301 3 30 0

後楽園

54

2 251

上野広小路

108 0

6000

127 27 7

上野御徒町 689 89

262 26 62 6

8 81

123 2 23

牛込神楽坂 5%

牛込柳町 2%

57 7

6 63 2000

本郷三丁目 7%

200 2 00 0

80

若松河田 14%

東新宿 20%

白山 本駒込

1000

157 57 7

湯島 10%

59 9

98 98

大崎

鴬谷 湯島

0

上野 1%

157 15 1 5

飯田橋 19%

65

110 0

東中野

春日 0%

104 10 04 0 4

66 6 6

根津 38%

83 3

三田

東新宿

西荻窪

100

神楽坂 10%

早稲田 38%

新大久保 4%

74 7 4

89 9

12 123 1 23 23

目白

白金台

泉岳寺

東大前 7% 87 8 7

後楽園 22%

鶯谷 13%

60 6 0

62 2

66

104 62 6 2

西早稲田 9%

∼ 10%

中野

結論 0%

96

江戸川橋 33%

荻窪

泉岳寺 根津

55 5

91

61 61

53

個性が明らかとなった。南側では、特に店 教育施設が特徴的に現れる。[fig.12]

71

40 0

江戸川橋

茗荷谷

三田

よって、山手線全域の北側と南側の地域的 舗やオフィスが目立ち、北側では、緑地や

護国寺 4% 57

274 27 274

白金高輪

住居、オフィス、インフラ、緑地とつづく。

3分の 1 であることがわかる。[fig.9]

68

白山 16%

9 95

500

[fig.11]さらに駅圏ごとの特性の集積に

地価公示を参照すると 外 は 内 の

60

6 65

上野

動の様子が浮き上がってくる。[fig.7]

65 5

茗荷谷 38%

1 105

明治神宮前

渋谷

日暮里 1%

67

目白 26%

雑司ヶ谷 85%

600

乃木坂

表参道

目黒

プ上に表現することで、さらに、駅間の移

25000

700

高輪台

的特性を表していると考察できる。[fig.8]

20000

桜田門

国立競技場

恵比寿

ける Tweet の集積地を可視化したところ、

15000 徒歩圏内における Tweet 数

北参道

 Tweet 集積地を建築機能で分類した。用

10000

40 40

千駄木 1%

6 68

61 5000

87 87 67

52

秋葉原

0

1 124

56 6

本駒込 17%

千石 4%

東池袋 17%

76 6

市ヶ谷

0

 Tweet 内外比が高いほど、徒歩圏 外

6 68

3 39

500

曙橋

4 46

西日暮里 4%

新大塚 8%

六本木

10% ∼ 30%

44

68 8

137 3 37

品川

6 68 東新宿

54

106 1 10 0

池袋 13%

飯田橋

田端 5%

56 6

駒込 7%

115 15

∼ 10%

根津

茗荷谷

大塚 10%

106 10 06

2000

鶯谷

白山

あり 94 駅圏

54

64 4

9 96

巣鴨 4%

164

: Tweet 集積地(徒歩圏外)         : Tweet 位置 (徒歩圏内) : 地価[万円 / ㎡](徒歩圏外) : 地価[万円 / ㎡](徒歩圏内)

<地域の潜在的特性> [fig.12 地域的な Tweet 集積地の特性]

調査すれば、情報によって都市空間が変容 し、新たな空間が生まれていることだろう。

[fig.13 情報の集積による徒歩圏をこえた移動を現す地図 / 山手線全域の徒歩圏外における Tweet 集積地(全 215 ヶ所)]

Profile for Yuki NEMOTO

SNSを用いた駅圏の潜在的特性に関する研究 - ジオロケーションが現す東京23 区徒歩圏内外の超短期的人口分布から -  

情報化社会において、情報をマスメディアが掌握する時代は終わり、ソーシャル・ネットワーキング・サービス(SNS)によって、個人が極小のメディアを形成するようになった。そのため高密度都市において、コンピューターネットワークの技術的高度化と爆発的普及によって、個人が見い出した場所を、発...

SNSを用いた駅圏の潜在的特性に関する研究 - ジオロケーションが現す東京23 区徒歩圏内外の超短期的人口分布から -  

情報化社会において、情報をマスメディアが掌握する時代は終わり、ソーシャル・ネットワーキング・サービス(SNS)によって、個人が極小のメディアを形成するようになった。そのため高密度都市において、コンピューターネットワークの技術的高度化と爆発的普及によって、個人が見い出した場所を、発...

Profile for f-lab
Advertisement