Webネットワークが街の通行に与える影響に関する研究

Webネットワークが街の通行に与える影響に関する研究

1

目次

2

目次

0 はじめに 0-1.はじめに

1 研究目的 1-1.研究目的 1-2. 研究フロー

2 研究背景 2-1.Webネットワークの成長 2-2.Webネットワークの都市への影響 2-3.既往研究との位置づけ

3 研究背景 3-1.ネットワーク 3-1-1.ネットワークの科学概要 3-1-2.街路ネットワーク 3-1-3.Webネットワーク 3-1-4.ネットワークの統合 3-2.通行量シミュレータ 3-2-1.マルチエージェントシミュレータ概要 3-2-2.数値の定義 3-2-3.シミュレーションフロー 3-3.シミュレーションと現実との相関検証 3-3-1.相関分析概要 3-4.通行量評価指標 3-4-1.Web因子変更時の通行量予測シミュレーション 3-4-2.駅から距離に対する誘因ポテンシャル評価

3

目次

4 研究結果

4-1.通行量シミュレーション 4-2.シミュレーションと現実との相関分析 4-3.Web因子変更時の通行量予測シミュレーション結果 4-4.駅からの距離に対する誘因ポテンシャル評価

5 考察 5-1.通行量シミュレーション 5-2.シミュレーションと現実との相関分析 5-3.Web因子変更時の通行量予測シミュレーション結果 5-4.駅からの距離に対する誘因ポテンシャル評価

6 展望 6-1 展望

7 参考文献 7-1.参考文献

8 おわりに 8-1.おわりに 8-2.謝辞

9 資料編 9-1.資料編

4

0.はじめに 0-1.はじめに

5

0.はじめに 大学2年の時から友達と続けていたある読書会。ネットワークとの初めて出会いは 大学3年の3月のある日の 読書会だった。その日に取り上げられたのは「新ネットワーク思考」というアルバート=ラズロ・バラバシの一冊 の本だった。その一冊が今まで見向きもしなかったネットワークの世界の扉を開いた。そして、それから一ヶ月後 に偶然ゼミでスペースシンタックス理論という建築におけるネットワーク理論がある事を知り、原広司さんのグ ラフ理論を用いた集落研究の存在を知った。その偶然がきっかけとなり街路ネットワークを扱う事になり、そして Webネットワークと街路ネットワークがどのような関係性を持っていて、Webネットワークがどのような影響を 及しているかを調べる事が研究のテーマとなった。 「シンタックス」や「集落の内的構造」という言葉が出てくるまで、あまり意識する事がなかったが、これは統 語論や構造主義などの言語や文化人類学の世界と根を同じくするものである。ツリーやセミラティス、リゾームと 言った言葉と近接する世界であるという事が研究を始めた後からわかった。言語の研究では単語と単語の使用する 組合せを調べるとハブとなる単語の存在が浮かび上がり、さらに各単語の出現確率をグラフにすると、ベキ則を示 す事がわかっている。このベキ則とは80:20の法則としても知られるもので、ある量が観察される確率がその大 きさのベキ乗に比例する事を言う。アマゾンドットコムなどのロングテール現象を説明するのによく見られるグラ フがベキ則を持ったグラフである。このベキ則を持ったネットワークをスケールフリーネットワークと言い、 「新 ネットワーク思考」の著者であるアルバート=ラズロ・バラバシが発見したモデルである。 「 新ネットワーク思考」 はその発見とその後までの話しを簡易にわかりやすく書いた書物である。 この研究のタイトルにもあるWebネットワークを取り扱った理由は、最初は実にどうでもいいものだった。ただ、 最近ネットワークの科学の中で注目を集めていてスケールフリーである事、Webネットワークの解析のためにロ ボットをプログラミングして作成する事くらいである。研究の後半でマルチエージェントシミュレータを使った作 業も行ったのも同様の理由だが、科学やコンピュータの視点から建築や社会を眺めるとはどのようなものか?とい うのが、この研究の自分の中での裏テーマとなっていた。 近年、コンピュータによるデザインの範囲はどんどん広がっているように思う。構造デザインの分野におけるア ルゴリズムはやはりコンピュータの発達と切り離せないものである。同様の変化は社会学でも起こっている。今回 研究に使用したマルチエージェントシミュレータは社会学研究のために開発されたものだった。その裏側にあった のは離散的アプローチと呼ばれる手法であり、非線形、複雑系と呼ばれる科学の分野である。 最初に紹介した新ネットワーク思考が解き明かす世界も非線形科学の一分野であり、量子や素粒子と言った非日 常的な世界が表舞台だった、物理学が日常的な世界の解明へと矛先を向けたものの一つであった。非線形科学の基 本的な要素として挙げられるのが「正のフィードバック」と「負のフィードバック」という二つの自己調整機構で ある。例えば、様々な雑誌やWebサイトに取り上げられて、どんどん知名度が上がっていくのは正のフィードバッ クである。逆に流行が終わって、世間から忘れられていくのは負のフィードバックである。ネットワークの話しで 言えば、優先的選択と呼ばれるルールのように、リンクが多いほど新しいリンクを得やすいというのは正のフィー ドバックである。 コンピュータの発展と共に拡大したWebネットワーク成長は日本でも成熟を向かえ有名な名所から今まで雑誌 にも載ってないような施設などの情報まで実に様々なものがアップロードされている。ブロガーたちは自分の好み やスタイルに合わせて様々なサイトに対して日々リンクを貼り、各ポータルサイト、インデックスサイトは地道に 登録数を増やしている。今までのメディアのように発信は企業側による一方的なものではなく、受信側と発信側と いう明確な境界はない曖昧な状態になっている。であるから、必ずしも情報雑誌と施設の関係のようなツリー型の 関係ではなく、リゾームに近い形でいくつかのハブ形成してお互いにネットされているのがWebネットワークで ある。ゆえに、ネットワークの観点から情報を捉える事が重要となってくる。 あの店は人気があって行ってみたいけど、もう歩き疲れたからどうしよう?、みたいな公的人気と私的体力とい う異なる自己調整機構の駆け引きの相互作用が結果としてどのようなものになるかを占うのがマルチエージェント シミュレータの今回の仕事だった。非線形科学のおもしろい点の一つは、現象の局所的な関係をモデル化する事で 大域的な状態を導き出す、そのボトムアップアプローチにある。それは扱う自己調整機構に何を選ぶかが重要な問 題となる事を意味する。どのような局所的な関係が大域的な状態に寄与しているのかを選ばなければ上手く行かな い。最近の構造デザインなどの分野ではコンピュータによってデザインが自動生成されるような錯覚に陥るが、そ 6

0.はじめに のような事は決してなく、むしろ一番重要な点は人間が選ぶ、その局所的なモデルである。 今回あくまで、そのモデルを考える上でネットワークにこだわったのは、Webともう一つが遺伝子の存在だった。 Googleなどの検索サービスがロボットとアルゴリズムを用いて各サイトを価値付けしていく行為は、その根元を 同じくする社会ネットワーク分析の分野でも再考され、会社の人事への適用も今日では広がっている。近年では会 社と言う体を維持する問題だけでなく、人自身の体を維持するタンパク質や分子、そして遺伝子の研究においても ネットワーク分析の手法は広まっている。そのような中で「街」という体を形成するネットワークとはどのような ものであり、そしてそれを形成する遺伝子は、分子は、タンパク質はどのような相互作用を行って、 「 街」という 生命を維持しているのか?研究を進める中で、そのような疑問に対して何か答えを出したいと思っていた。 そのような疑問に対して、Webネットワークの通行への影響と言う観点から街と言う生命維持装置の輪郭を示 したいと思う。

7

1.研究目的 1-1.研究目的 1-2.研究フロー

8

1-1.研究目的 ■研究目的 都市の街路構成と、Webが形成するネットワークから通行量シュミレータを作成し、その場所の誘因ポテンシャ ルを明らかにし、都市構造と情報による通行への効果を明らかにする。これにより、ディベロッパー、店舗出店者 にとっての通行量評価指標を得ることを目的とする。

■用語の定義：誘因ポテンシャル 街路を介して作られる街におけるコンテンツのネットワークによる、街路に潜在する人を誘因する能力。

9

1-2.研究フロー

10

2.研究背景 2-1.Webネットワークの成長 2-2.Webネットワークの都市への影響 2-3.関連研究との位置づけ

11

2-1.Webネットワークの成長 ほんの十年前まで、一部の人間しか触れる事がなかったWorldWideWebも現在では、ほとんどの人間が何かし らの形で触れているといっても過言ではない。人はそこで情報に触れて、時にはそこで商品を注文して家に送られ て来るのを待つかもしれない。時には店の位置をプリントアウトしておいしい食事を楽しむのかもしれない。 テレビや新聞とよく強く比較されるWebは分散型システムなので、無数のサーバーで公開されているファイル の所在を一括管理する機能が用意されていない。WWWのページの総数を知るには、webページ同士をつないで いるハイパーリンクを

って、一ページずつカウントしていく必要がある。

インターネット研究会委員の内田斉の研究では「推計したjpドメイン数は1998年2月1000万ページだった のが、1999年2月2900万ページ、2002年2月6600万ページに拡大した。初期には一年間で3倍近くに拡大 したが後期には成長は鈍化し、ほとんど止まりかけている。」という報告がなされている。日本におけるWebの 成長も一段落を向かえ、各サイトのコンテンツの充実やリンク関係の充実へと向かっている。 しかし、成長が一段落終えたように見えるサイトに対して、全てにアクセスできるかというと、そのような事に はならないのもWebの現実である。仮にjpドメインサイトに限ったとしても、それは同じであるし、Web先進 国のアメリカでは1999年の時点で全ての検索エンジンがカバーするサイトは全体の40%に過ぎず、それ以降は Webの成長に対してカバー数の伸びは遅く、かつ方向性として全てをカバーするのではなく、より魅力的なもの を見つけやすくするという方向へとシフトしている。

12

2-2.Webネットワークの都市への影響 日本のWebの成長が一段落を迎えた2002年に「情報都市論」という一冊の本が出版されている。これはNTTデー タのシステム科学研究所における活動の一つであるネットワーキング・デザイン・フォーラムの活動内容の報告と なっている。その中でリアル空間としての都市とサイバー空間としてのWebとの関係について、いくつか論じら れている。 「リアル空間とサイバー空間を重ね合わすための具体的な方法は、多様なものが考えられるだろう。例えば、オ ンライン・コミュニティのメンバー同士が時々実際に顔を合わせて話し合う「オフ会」は誰でも思いつく方法であ る。また、オンライン・コミュニティの中で物財の交換が行なわれるなら、それも一種の両空間の重ね合わせとも 言える。直接あって渡すならば、両者の関係はいっそう濃密なものとなるだろう(インターネットを利用した電子 取引においても、商品や代金の対面での直接受け渡しが信頼感を醸成することは、ウェブページと実店舗を兼ね備 えたいわゆる「クリック&モルタル」企業の成功が示している)。」 情報都市論 西垣通 ブロードバンド時代の都市空間 p.276 「これは単純作業を伴う無駄なうどうがなくなる事を意味する。駅前に数多く立地する旅行代理店の店舗の必要 規模がさほどいらなくなる。同じような事は駅前の銀行についても似たような事が起きつつある。これは,従来型 のターミナル立地の床需要圧力が下がる事を意味する。∼(中略)∼情報化に伴い、コンテンツの付帯した行為には、 ますます時間をかける方向に向かうのではないか。とすると、単純行為の移動は、障害を克服できる情報化で対応 できるにしても、それ以外のコンテンツ付き移動、は減るどころかむしろ増えていくはずである。機能的に住・職・学・ 遊と分類すると、 「 遊」の機能は,量あるいは数ではなく,コンテンツの善し悪しが魅力度の大小に直結する。そし て、この遊の機能に対応する情報発信機能を持つエリアを、コンテンツスペースと呼ぶならば,このコンテンツ創 造地域こそが従来のターミナルに取って代わる、と考えるべきだろう。このコンテンツスペースに関係する産業活 動が、まさに現在起きている情報化のうねりとも符合する」 情報都市論 山田雅夫 都市は拡張するのか、それともコンパクト化に向かうのか p.93∼94 完全なクリック&モルタルの型でないにしても、実店舗とWeb上での店舗を両方持つと言う形式は、もはや基 本となっている。ClickZというリサーチ会社の2006年3月のアメリカのGoogleの検索エンジンを使っている人 への商品購入の調査結果では「検索エンジンを利用した人のうち25%が検索クエリに関連したものを買っており、 そのうち37%がオンラインで商品を購入し、63%はオフラインで商品を購入した」というものになっている。国 が違うが日本においても同様な現象が生じていると考えるのは決して浅はかではないだろう。今後、Webサービ スの向上とともにオンラインでの完結する動きが全体の割合の中で伸びる事があるだろうが、完全に逆転する事は 考えにくいのが現状と言えるだろう。オフ会にしろ、クリック&モルタルにしろ、両空間をどのように横断して いくかが

となるように思われる。その点で考えた時に都市計画家の山田雅夫氏の意見は面白い。渡辺研の既往研

究の「駅を起点とした歩行領域に関する研究 加納征子」における考察によると都市において歩行領域が伸びるに は魅力ある施設の連鎖が重要となる事が述べられている。私はなにか山田氏の言う「コンテンツスペース」と呼ぶ ものと加納氏の考える「施設の連鎖」に似たものを感じずにはいられない。 「 駅前の一等地には、銀行や旅行代理 店などが林立している。これらの業態の店舗は、駅前の高い地価や家賃に見合う収益性により、駅前に立地してき た」(山田)しかしインターネットの普及とWebの拡大によって、効率性を求められるものはオンラインでの窓口 業務へとシフトしている。駅前という場所が持っていた利便性が全てWebに吸収されるとは考えづらいが、その 需要が変化の時を迎えている事は間違いないだろう。そして、 「 単純行為の移動は、障害を克服できる情報化で対 応できるにしても、それ以外のコンテンツ付き移動、は減るどころかむしろ増えていく」事によって「このコンテ ンツ創造地域こそが従来のターミナルに取って代わる」。

13

2-3.関連研究との位置づけ この研究の既往研究との差異は一つに従来の研究が実際に都市の現実空間にある立面や看板などの要素や人口や 床面積などの街の統計上の数字を扱っているのに対して、現実空間ではないサイバー空間の「Webネットワーク」 を加味したところにある。それによってWebの情報がどのように現実空間に反映されるかを明らかにする。もう 一つにWebネットワークの変化がどのように現実の空間に反映されるかを明らかにする事にある。山田雅夫氏の コンテンツスペースなどから発想を得た「誘因ポテンシャル」という指標を使ってそれを行なう。 以下にいくつかの既往研究を挙げる。 1.「駅を起点とした歩行領域に関する研究 加納征子」 1999年の早稲田大学渡辺仁史研究室の卒業論文である。駅からの歩行に焦点を当てた研究であり、研究の概要 としては (1) 山手線全駅の周辺土地利用調査。 (2) 1の結果より駅タイプ分類をする。その結果からアンケート調査対象駅を選択する。 (3) 駅からの歩行に関するアンケート調査。 (4) 歩行領域3Dモデルの作成。 となっている。歩行領域3DモデルはArc View GISへ調査対象地域の地図データとアンケートから得られた「街 区ポテンシャル値(アンケートで街区まで歩いた人数の合計)」を取り込みグラデーションによる表現処理を行な い、それをFormZによって3D化している。考察より、歩行領域と魅力的な施設の存在には関係性があり、施設 の存在が歩行領域の拡大に大きな影響を与えている事がわかっている。 2.「商業集積地における空間の「奥行」に関する研究 ー下北沢を対象としてー 高山幸太郎」 2001年の東京工業大学中井研究室の卒業論文である。この論文は日本でのスペースシンタックス理論を使った 都市解析の比較的初期の事例である。スペースシンタックス理論は1980年代からイギリスで発展した理論であり、 ノーマン・フォスターのミレニアムブリッジ、トラファルガースクエア改造など実際の都市計画にも実践されてき た。この理論はグラフ理論やネットワークの科学に基づいて作られており、グラフ理論の「ノード」と「パス」に 「コンベックススペース」と「アクシャルライン」と定義された二つの構成要素が対応する 。 「 コンベックススペー ス」と「アクシャルライン」の細かい定義についてはここでは長くなるので省略するが、交差点や曲がり角をノー ドと考えれば大雑把なイメージは出来ると思う。この研究ではRealRelativeAsymmetryという数値を使って、そ の数値との店舗との関係から下北沢の解析を行なっている。RealRelativeAsymmetryはRRAと省略されてよく使わ れる、数値はグラフ理論におけるノードの各ノード間の平均距離に基づいている。RRAは歩行者通行量を予測す るのに用いられるが歩行者通行量は駅からの距離が最も相関性が高く、RRAはそれに劣るという結果となってい る。結果から考えるにRRAの大きい、街の中で奥側に位置する場所でも飲み屋や情報発信店舗がある事が影響し ていると考えられる。 3.「スぺースシンタックス理論市街地オーフンスぺースの特性評価 荒屋亮」 九州大学の竹下研究室から2005年の日本建築学会計画論文集NO.589に投稿されている。スペースシンタッ クス理論に関する知識が簡易な形でまとめられており、スペースシンタックス理論を学ぶには貴重な論文である。 RRA値に基づいたインテグレート値をこの研究では使用している。対象地域は福岡市の香椎駅周辺と吉塚駅周辺 である。通行量に影響を及ぼす因子を1用途集積度(12種)、2インテグレート値、3駅からの距離の合計14種 と通行量との相関係数を調べ、相関の高いインタグレート値(0.65)と駅からの距離(-0.4)をベースとして(括弧内 は相関係数)、12種の因子を説明変数とした場合に歩行者量予測するステップワイズ法による重回帰分析を行なっ て歩行量を予測するモデル式を得ている。こちらの香椎では下北沢と異なり、駅からの距離よりもインテグレート 値が通行量との相関が強い事が示されている。香椎駅自体は福岡市東の副都心と位置づけられ駅周辺は小さな繁華 街となっているので商業的な要素の優位性がありそうだがインテグレート値が強い相関を示しているのは注目すべ き事だと思われる。 14

2-3.関連研究の位置づけ 4.「都心商業地における歩行空間のアクセシビリティに関する研究 ­渋谷を事例として­ 藤田真弓」 東京大学都市交通研究室の2006年修士論文である。東京プローブパーソン調査というGPS搭載の携帯電話と インターネットを通じたWebダイアリーを用いて、被験者の移動状況を記録する調査から属性が偏らないように 50人をモニタとして抽出して渋谷の利用実態を明らかにして、スペースシンタックス理論の各値との相関を考察 している。基本的には下北沢の研究と同じような結果となって、奥行の深い位置の服飾や飲食の店舗が来訪者を多 く呼び寄せている事が指摘されている。プローブパーソン調査によって、一人一人の活動の軌跡が得られたが、活 動を文脈から考慮し分析する事は出来ずにいる。 5.「地方都市における市街地滞在時間のモデル化と歩行回遊シミュレーションへの応用に関する研究 松岡亮介」 2007年の早稲田大学交通計画浅野研究室の修士論文である。対象地域は主に青森で、アンケートから得た数値 からハザード函数を用いて滞在時間をモデル化し、滞在時間に対する考察を行ない、さらに個人属性の違いによる 歩行回遊特性を考慮した歩行回遊シミュレーションをマルチエージェントシステムによって構築する事で通行量の 正確な再現を試みている。歩行回遊シミュレーション結果と通行量との相関係数は0.89と非常に高い数字なって おりマルチエージェントシステムの研究手法としての優位性を示している。シミュレーター自体は滞在時間や個人 属性など、かなり細かい設定を行なわれており、それが相関係数の高い結果へと導いている。

15

3.研究方法 3-1.ネットワーク 3-1-1.ネットワークの科学概要 3-1-2.街路ネットワーク 3-1-3.Webネットワーク 3-1-4.ネットワークの統合 3-2.通行量シミュレータ 3-2-1.マルチエージェントシミュレータ概要 3-2-2.数値の定義 3-2-3.シミュレーションフロー 3-3.シミュレーションと現実との相関検証 3-3-1.相関分析概要 3-4.通行量評価指標 3-4-1.Web因子変更時の 通行量予測シミュレーション 3-4-2.駅から距離に対する 誘因ポテンシャル評価

16

3-1.ネットワーク ■ネットワークの科学概要 「ノード」と「パス」という二つの要素へと現実を抽象化して扱っていく。 「 ノード」と「バス」によって形成さ れるものを「ネットワーク」と呼び、それらを解析、分析していく事を特徴とする。 「 ノード」は「頂点」、 「 パス」 は「線」、 「 枝」と日本語に訳される事が多い。時代や扱う分野によって特徴的な名前になったり、扱う数式にも違 いが表れたりする。20世紀の半ば頃までは数学や社会学を中心に扱われて来たが、20世紀後半からは物理学の力 によって大きく展開し、分子生物学など新しい分野でも大きく使われるようになった。 最近では本屋に行くといくつもののネットワークの科学に関する本を見つける事が出来るようになって来た。こ の成果へはダンカン・ワッツたちのワツ・ストロガッツモデルとアルバート=ラズロ・バラバシたちのスケール フリーモデルという二つのネットワークモデルの貢献が大きいだろう。そもそもネットワークの科学は数学のグラ フ理論を基礎としている。1736年のオイラーによるケーニヒスベルク問題の解決からグラフ理論は始まった。20 世紀半ばまでは、様々なグラフを見つけその性質を順に調べていく事が目標であった。その後、 「 ネットワークは いかに形成されるか?」と言う事を解く事が目標となった。1950年代にはエルデェシュらによってランダム・グ ラフ理論を作り出された。1990年代に社会学でさかんに研究されてた「小さな世界」の問題へと物理学者の注意 を向けさせたダンカン・ワッツたちのクラスタリングの関する論文が世に出回り、1999年にバラバシたちは優先 的選択によって大きなハブによるベキ則を示すスケールフリーネットワークを考え出した。詳しい事は「新ネット ワーク思考(アルバート=ラズロ・バラバシ)」などの読み物を参考にして欲しい。 グラフ描画、解析ソフトは現在Web上に様々なものが配布されている。Windowsを使っているのであれば 「Ucinet」が一番多くの人間に使われている解析ソフトであろう。その中に含まれる「pajek」や「netdrow」によっ てデータを描画できる。今回はMacを使っていたので「Cytoscape」という「pajek」の機能をMacでも使えるよ うにと開発されたソフトを使った。UcinetがC+でプラグインが書かれているのに対してCytoscapeはJavaでプ ラグインが書かれている。Cytoscapeでは.sifと言う各ノード間の関係を記述したデータ形式で書かれたものをソ フトに取り込み、ネットワークを視覚化できる。version2.4.0以降は描画機能や配列機能が容易に調整できるよう になって使い勝手が良くなって来ている。生物学の分子や遺伝子などのネットワーク解析に主に使われるので、そ の関連のプラグインが無料で配布されている。

17

3-1.ネットワーク ■街路ネットワーク 1.街路ネットワーク概要 関連研究でも取り上げたが、街路をネットワークと して扱う考え方としては、イギリスのスペースシンタッ クス理論が重要な地位を占めている。コンベックスス ペースとアクシャルラインというノードとパスによっ てネットワークを描く。関連論文では以下の様に説明し ている。 「 コンベックススペースとは全ての内角の和が 180 未満となる多角形で、局所的なオープンスペース の形態から見た近隣空間との接続関係を解析する事が出 図3-1-1-1:街路ネットワーク 来る。一方、アクシャルラインは視覚的に見通せる範囲 を一本の直線で示したものであり、対象地区全体のオー プンスペースの接続関係を解析する事が出来る。これら の要素の接続関係を定量化し、対象区域におけるオープ ンスペースの全体的な配置構造を明らかにするために開 発された手法である。」内角の和が180 未満というと ころから、大体のところ交差点や曲がり角のところで分 割していけばいいと言う事がイメージできると思う。そ して、分割された要素を線で結んでいったものがネット ワーク図となる。 2.街路ネットワークの作成 今回のネットワークを作成にあたり、スペースシン タックス理論のコンベックススペースとは少し異なる方

図3-1-1-2：対象地域例

法を採用した。オープンスペースへの着目が重要なコン セプトであるが、今回はより歩行者が歩く街路というも のに重要性をおいたモデルを作るべきだと考えた。 図3-1-1-1のように交差点や曲がり角毎に街路を分割 する。車の通行量が多い、もしくは信号があり歩行者用 の街路空間が分断されているような時は図の右のように ノードも分割した状態に合わせて配置する。 図のように街路に面した店を各ノードに接続させてい く。大型店舗で店舗自身が街の通路の役割を果たしてい る時はそこを一つの街路のノードと考えてネットワーク を作成する。 図3-1-1-3が実際に原宿の街路を例にとってネット ワ ー ク を 作 成 し た も の で あ る 。対 象 と し た 地 域 は 図 3-1-1-2の切り取られた地域である。

図3-1-1-3：街路ネットワーク例 18

3-1.ネットワーク ■Webネットワーク 1-1.Webロボット作成 Webの現状を知るためには、Webページ同士をつないでいるハイパーリンクを

って、一ページずつ訪ねてい

かなければならない。その作業を手動でやるにはWebは広大で終わりが見えない。そこでWebロボットの作成 が必要となってくる。今回、ロボットのライブラリと書籍の充実さからperlという言語によってロボットの作成 を試みた。各サイトのURLの扱い、ロボットの動きのフローについては図3-1-2-1を参照に。 1-2.用語の説明 1-2-1.perl Perlは1987年にLarry Wall氏によって作られ、Webページの掲示板やチャットなどのCGIやシステム管理、 テキスト処理などのプログラムを書くのに広く用いられている。許容度の高い文法と強力な文字列演算機能、組み 込みの連想配列、cpanによる柔軟な拡張性が大きな特徴である。言語処理系としてのperlはフリーソフトウェア であり様々なプラットフォーム上で動作する。 1-2-2.cpan Perlプログラムには、モジュールによって機能を付加することができる。たとえば、他のプログラムやネットワー クとの通信、各種ファイル形式の取り扱い、数学的な計算など、数多くのモジュールが存在する。CPANは、こう いったモジュールを体系的に管理する組織であり、インターネット上のサービスである。 1-2-3.LWP cpanの中のWebアクセス用のモジュールを一式にまとめたもの。libwww-perlとも呼ばれている。ロボットは 主にこのセットによって作る事が出来る。 1-3.開発におけるマナー robot.txtはサイトのルートに配置されたファイルであり、該当サーバー内でロボットに許されている行動が記述 されている。サーバー管理者に迷惑をかけないためにもrobot.txtを守る事は重要な事である。他にも短時間のう ちに多くのコンテンツを取得使用するとサイトに多大な負荷をかけて他の人の迷惑になる。 WebmasterWorld.com への寄稿者たちが提案している基準はページに対するリクエストを一秒当たり一、二回までに抑えておくというも のである。同様な事から、必要なものを必要な回数だけ取得するようにすべきで、何度も同じページ、ディレクト リ、サイトへ必要以上にアクセスする事はサイトに多大な負荷をかける事になる。 2.Webネットワーク作成 街の名前を検索ワードとしてGoogleの検索した上位50位内のインデックスサイト、ブログを始点としてスパ イダリングを行ない、ネットワークのデータを入手する。ロボットとは別で補足としてGoogleMapにおける各施 設のリンク情報もデータとして採用する。図3-1-2-2がネットワークのデータの一部をcytoscapeで描画したもの である。 http://www.xxxx.co.jp/xxxx/xxxx/xxxx/xxxx この部分でサイトを識別する。 http://blog.xxxx.ne.jp/xxxx/xxxx/xxxx/xxxx ブログなどの場合はこの部分でサイトを識別する。

図3-1-2-2：Webネットワーク図

図3-1-2-1上：サイト識別法 下：ロボットフロー図 19

3-1.ネットワーク ■ネットワークの統合 1.アフィリエーション・ネットワーク 作成された街路ネットワークとWebネットワークに対するそれぞれへの各施設の所属関係をグラフ化する。社 会ネットワーク分析ではアフィリエーション・ネットワークと呼ばれ、その中で二部グラフと呼ばれる所属関係を 表すグラフがある。 二部グラフは同じ集合内のノードの間には結合がなく、他の集合のノードとだけ結合するような二つのノードの 集合からなるグラフである。図3-1-3-1右は二つの二部グラフを店舗ノードを介して結ぶ合わせた重層的なアフィ リエーション・ネットワークである。

図3-1-3-1左：街路ネットワーク 右：二部グラフ 2.アフィリエーション・ネットワークにおける中心性 アフィリエーション・ネットワークの中心性にはいくつか種類があるが、今回は所属次数中心性モデルという中 心性を採用した。次数中心性モデルはノードの結合の選択数によるモデル化である。各ノードの情報の発信性から ネットワークの中心を評価するものである。図3-1-3-2は図3-1-3-1右のアフィリエーション・ネットワークの隣 接行列である。1が接続あり、0が接続なしを表している。左が街路と施設、右がWebと施設の隣接行列であり、 両方とも施設が列となっている。 所属次数中心性は隣接行列の行和、列和から求める事が出来る。施設のWebページに対する所属中心性は図 3-1-3-2左の列和から求める事が出来る。三番目の施設が三つのWebページから接続されていて中心性が一番高 い事がわかる。 実際の作業ではノード数が多いので隣接行列は書かずにコンピュータに計算処理させて和だけを出したが、ノー ド数が少ない時は行列を書くと接続関係が理解しやすい

図3-1-3-2左：隣接行列（街路 施設） 右：隣接行列（Web 施設）

20

3-2.通行量シミュレータ ■マルチエージェントシミュレータ概要 人工社会(artifical society)という言葉は学問的成果と言える出版物に限れば1996年頃がはじめてという社会的 に見れば新しい言葉である。マルチエージェント・シミュレーションとは、この人工社会を基礎となっているコン ピューター・シミュレーションの技法です。人工社会は学問的には1960年代末にはマルチエージェント・シミュ レーションという言葉もコンピューターも使わずに既に行なわれていたが、コンピューターが発達する1990年代 までその成長を待つ必要があった。マルチエージェント・シミュレーションは日本では理工系の学問分野で急速に 蓄積されつつあるものの、社会科学ではまだまだ浸透していないのが現状である。構造計画研究所が開発したKKMASをプロトタイプとしつつ、改良された第二世代のシミュレーターが「artisoc」である。人工社会として社会 現象のモデルを作りシミュレーションを実行する事を念頭に置いて開発されたもので、その名も人工社会(artifical society)を縮めたartisocである。人工社会という社会の新しい捉え方が従来のものとは異なる最大の特徴はボト ムアップ・アプローチであるところである。 従来の捉え方を比較対照的に考えるとトップダウン・アプローチであると言える。人間の社会をモデル化する時 に社会全体の性質を取り込んだモデルを作る必要がある。ゆえに数理モデルを解析的に解いたり数値的にシミュ レーションしたりすることによって全体の性質をはっきりと描く事が出来る。 人工社会がボトムアップ・アプローチである言うのは人工社会の研究では全体を表すモデルを作る必要がない。 これは非線形科学で良く行なわれるシミュレーション技法である。現象で支配的な変数を扱う事で全体を浮かび上 がらせる。つまり、主体間の相互作用にせよ主体と環境との相互作用にせよ、局所的な関係をモデル化しさえすれ ば、全体についての性質は自ずと現れる、という社会の捉え方である。

21

3-2.通行量シミュレータ ■数値の定義 1.街路ネットワークの距離

station

街路ネットワークの各ノード間の距離 St

001

街路ネットワークの直径(最大距離) L

002

街路ネットワークの各ノードと駅との距離 St(0) 図3-2-1-1を例にとると、001と002の間の距離Stは2

004 003

街路ネットワークの直径Lは003と004もしくは005との

005

距離なので、4である。St(0)は005の場合は2である。 図3-2-1-1：街路ネットワーク例

2.各施設のWebページとの所属中心性

W1

W2

W3

Sh2

Sh3

Sh4

各施設のWebページとの所属次数中心性 W 施設とWebページとの最大所属次数中心性 Wmax アフィリエーション・ネットワークの中心性にて説明した 通りである。図3-2-1-2ではSh1の所属中心性Wは1であ り、ネットワーク最大所属中心性WmaxはSh2の3となる。

Sh1

Sh5

図3-2-1-2：アフェリエーションネットワーク例 3.その他 エージェントの体力。 4∼6の間の数字をランダムに与えた値 P P­St(0) α(αは縮尺に応じて調整) Pst ランダムに与えられる0∼1の間の数字 R 道の通行量 Stp

22

3-2.通行量シミュレータ ■シミュレーションフロー 1.フロー図

図3-2-2-1：シミュレーションフロー

2.条件式と行動 ①客が訪れる:各ステップにつき二人訪れる ②施設を選択:全施設の中から条件式1成立まで順次選択 条件式1:(L­St)/L + W/Wmax > R + R ならyes ③施設に移動:Pst­1,Stp+1 ④周囲で施設を選択:周囲約50m範囲全施設に条件式1 条件式1:(L­St)/L + W/Wmax > R + R ならyes ⑤近場を選択:周囲約50m範囲の道に条件式2 条件式2:(L­St)/L > R ならyes ⑥近場に移動:Pst­0.2,Stp+1 ⑦体力が残っていない:条件式3:Pst < 1.5 ならyes ⑧周囲で施設を選択2:周囲約50m範囲全施設に条件式4 条件式4:(L­St(0))/L + W/Wmax > R + R ならyes ⑨近場を選択2:周囲約50m範囲の道に条件式5 条件式5:(L­St(0))/L > R ならyes ⑩体力が残ってない2:条件式6:Pst+St(0) α < 0 ならyes ※「選択」は他の客がそこにいる場合、左辺に+0.2

23

3-3.シミュレータと現実との相関検証 ■相関分析概要 1.相関係数 相関係数とは、二つの確率変数の間の相関(類似性の度合い)を示す統計学的指標である。-1 から 1 の間の実数 値をとり、1 に近いときは二つの確率変数には正の相関があるといい、-1 に近ければ負の相関があるという。0 に 近いときはもとの確率変数の相関は弱い。ちなみにに 1 もしくは -1 となる場合は二つの確率変数は線形従属の関 係にある。たとえば、都市の通行量と駅からの距離は強い負の相関関係にあり、相関係数を求めれば比較的に -1 に近い数字になる。普通は、たんに相関係数といえば、ピアソンの積率相関係数をさす。これは偏差の正規分布を 仮定する(パラメトリック)方法であるが、他にこのような仮定を置かないノンパラメトリックな方法として、ス ピアマンの順位相関係数、ケンドールの順位相関係数なども一般に用いられる。 相関係数は、あくまでも確率変数の線形関係を計測しているに過ぎない。また、確率変数間の因果関係を説明す るものでもない。相関係数は順序尺度であり間隔尺度ではないので、例えば「相関係数が0.2と0.4であることか ら、後者は前者より二倍の相関がある」などと言うことはできない。 二組の数値からなるデータ列が与えられたとき、相関係数は次の式で求める事が出来る。

と はそれぞれデータ列の相加平均である。Excelでは関数「correl(配列1,配列2)」で求める事が出来る。 一般に一つの目安として、相関係数の大きさ（絶対値）と相関の程度の表現の対応関係は以下の様に考えれば良 いと言われている。 0.0∼0.2 ほとんど相関がない 0.2∼0.3 弱い相関がある 0.3∼0.4 ある程度の相関がある 0.4∼0.5 中程度の相関がある 0.5∼0.7 かなり高い相関がある 0.7∼1.0 高い相関がある 2.無相関検定 「母相関係数＝0」。対立仮説H1： 相関係数の有意性を計る一つの手法である。帰無仮説H0： 「母相関係数 0」。 有意水準αで両側検定を行なう。標本の大きさ（データの組数）をn、標本相関係数をrとする。次式で検定統計 量t0を計算する。

t 0 は自由度がn-2のt分布に従う。有意確率を「P = Pr{¦t¦

「母相関係数が 0 でないとはいえない」.。P

t 0 }」とする。P > α のとき,帰無仮説を採択する。

α のとき,帰無仮説を棄却する。 「母相関係数は 0 ではない」。

3.相関検証 実際に行なわれた通行量調査とその地点に対応する街路ネットワークのノードの二組のデータ列の相関係数と無 相関検定から判断する。

24

3-4.通行量評価指標 ■Web因子変更時の予測シミュレーション概要 各街でWeb因子をいくつかの地域で変化した時の予測を行う。変化は新たなWeb因子の発生という形で行った。 発生させるWeb因子は各街の中規模商業施設程度のものとした。図3-4-1-1で赤く囲まれた地域が新たにWeb因 子を発生させた地域である。図3-4-1-2は変更前と変更後の各シミュレーション差を表したもので、変化なしを黄 色とし、正に出た方を緑、負に出た方を赤に変化させたものである。図3-4-1-3が各街路における増減を表したも のである。

Web因子変更地域 東宝会館周辺 図3-4-1-1：対象地域例

図3-4-1-2：変更時の通行量の増減

（人）

（街路ID）

図3-4-1-3：Web因子変更前後の通行量差

25

3-4.通行量評価指標 ■駅からの距離に対する誘因ポテンシャルの評価 『商業集積地における空間の「奥行」に関する研究（高山）』 で高山が指摘するように日本の商業性が高い街では、駅から の距離と通行量との相関が高いので、一般に大通りや駅前が 地価の高い土地が集中している。経済学においては地価はそ の土地の収益性によって決定されるが、 『 都心商業地におけ る歩行空間のアクセシビリティに関する研究（藤田）』にて 藤田が渋谷の街の滞在密度と奥行との関係を調べているが、 収益性と関連性の高い通行量・滞在密度が必ずしも駅前や 大通りと言った駅から距離の近い奥行の浅い場所であるとは 限らない事を述べている。また、研究背景でも取り上げたが 都市計画家：山田雅夫が述べるようにWebの普及は駅前と いう交通の利便性ゆえに存在した旅行会社や銀行などの窓口 業務に対する変革迫り、Web自身がそうであるように、街

図3-4-2-1:シミュレーション結果

に対してもコンテンツの魅力の重要性の向上をもたらしてい る。 コンテンツが通行を誘因する力を含めた各街路の持つ誘因 ポテンシャルを得るためにシミュレータから得た各街路の通 行量から駅からの距離に応じた通行量を取り除く。そうする 事で、不鮮明であったコンテンツを含めた街路の価値を明る みに出す。差が正と出た部分を黄色から緑で表示し、負と出 た部分を黄色から赤で表示した。

図3-4-2-2:駅からの距離に応じた通行量

図3-4-2-3:誘因ポテンシャル

26

4.研究結果 4-1.通行量シミュレーション 4-2.シミュレーションと現実との相関分析 4-3.Web因子変更時の 通行量予測シミュレーション結果 4-4.駅からの距離に対する 誘因ポテンシャル評価

27

4-1.通行量シミュレーション ■シミュレーション対象地域 シミュレーションは浦和、大宮、釧路の三つの街で行った。三つを選んだ主な選んだ理由としては大規模な通行 量調査報告書がある事、商業的に発展している事である。範囲は各街の施設を含んだ商業的な地域と含まない住宅 地としての地域の境から導きだした。

図4-1-1:浦和対象地域

図4-1-2:大宮対象地域

28

4-1.通行量シミュレーション

図4-1-3:釧路対象地域

29

4-1.通行量シミュレーション ■シミュレーション結果 図4-1-4から4-1-6までが実際に三つの街でシミュレーションを実行した結果である。色付けされた丸が各街路 を表しており、色が濃いほど通行量が多い。色は薄黄色からマゼンダ、薄黄色からシアンへと変化する。前者が Webから参照された施設を含まない街路、後者がWebから参照された施設を含む街路となっている。 それぞれの上の図は第三章で説明した数値とフローで行ったシミュレーション結果であり、下はそのシミュレー ションのWeb参照数を「0」として、Webによる街路選択の要素を除いたシミュレーションを行ったものである。

浦和 商工会ビル

浦和駅

ワシントンホテル

浦和 商工会ビル

浦和駅

ワシントンホテル

図4-1-4上:浦和シミュレーション結果 下:浦和シミュレーション結果（Web抜き） 30

4-1.通行量シミュレーション

ロフト

中央デパート

大宮駅

ロフト

中央デパート

大宮駅

図4-1-5上:大宮シミュレーション結果 下:大宮シミュレーション結果（Web抜き）

31

4-1.通行量シミュレーション

釧路駅

フィッシャーマンズワーフ

釧路駅

フィッシャーマンズワーフ

図4-1-6上:釧路シミュレーション結果 下:釧路シミュレーション結果（Web抜き）

32

4-1.通行量シミュレーション ■シミュレーション結果（グラフ） それぞれの街で行った通行量シミュレーションのデータを通行量の多い順に並べたものが図4-1-7から図4-1-9 である。

（人）

（街路）

図4-1-7:浦和シミュレーション結果

（人）

（街路）

図4-1-8:大宮シミュレーション結果

33

4-1.通行量シミュレーション

（人）

（街路）

図4-1-9:釧路シミュレーション結果

34

4-1.通行量シミュレーション ■シミュレーション結果（3D） 通行量シミュレーションで得た結果をZ軸に各街路の通行量をとって3D化したものである。それぞれの棒の色 は黄色から緑へと変化しており、緑が濃いほど通行量が多く、黄色に近いほど通行量は少ない。

図4-1-10:浦和シミュレーション結果（3D）

35

4-1.通行量シミュレーション

図4-1-11:大宮シミュレーション結果（3D）

図4-1-12:釧路シミュレーション結果（3D）

36

4-2.シミュレーションと現実の相関 ■シミュレーションと現実の関係 図4-2-1から図4-2-3の赤い点が実際に行われた通行量調査の報告書による各街路の通行量であり、青い点が通 行量シミュレーションの結果である。下にシミュレーションから得た通行量を実際に行われた調査の通行量で引い た時の差を黄色の棒グラフで示した。それぞれの図の上が第三章で説明した数値、フローで行ったシミュレーショ ンに基づいたもの、シミュレーションのWeb参照数を「0」として、Webによる街路選択の要素を除いたシミュレー ションを行ったものである。

（人）

（街路）

（人）

（街路）

図4-2-1上:浦和シミュレーションと現実の関係 下：浦和シミュレーション（web抜き）と現実の関係

37

4-2.シミュレーションと現実の相関

（人）

（街路）

（人）

（街路）

図4-2-2上:大宮シミュレーションと現実の関係 下：大宮シミュレーション（Web抜き）と現実の関係

38

4-2.シミュレーションと現実の相関

（人）

（街路）

（人）

（街路）

図4-2-3上:釧路シミュレーションと現実の関係 下:釧路シミュレーション（Web抜き）と現実の関係

39

4-2.シミュレーションと現実の相関 ■相関分析結果 表4-2-1がWeb参照数ありシミュレーション、Web参照数抜きの2種類のシミュレーションの結果の他に ・街路ネットワークの各街路間の平均距離 ・駅から各街路までのネットワーク上での距離（第三章3-2.数値の定義参照） ・各街路におけるWebから参照されている店舗の数の和 ・各街路におけるWebから参照されている店舗のWeb参照ページ数数の和（第三章3-2.数値の定義参照） の4つの数値と合わせて6つの要素と実際に行われた通行量調査の結果との相関分析を行った結果である。

表4-2-1:各街の因子と通行量との相関 相関係数：浦和

相関係数：大宮

相関係数：釧路

シミュレーション

0.89

0.89

0.72

シミュレーション（Web抜き）

0.43

0.57

0.62

各ノードへの平均距離

0.06

0.09

0.26

駅からの距離

-0.56

-0.72

-0.37

店舗数

0.24

0.58

0.001

Web参照数

-0.2

0.62

0.01

40

4-3.Web因子変更時の通行量予測シミュレーション結果 ■Web因子変更時の通行量予測シミュレーション結果 図4-3-1から図4-3-3が左が対象地域とWeb因子を変更した地域を表した図、右がシミュレーションした結果 である。右の結果は色は通行量のWeb因子変更前との変化の状態を表し、黄色が変化なし、そこから赤に近けれ ば減少、緑に近ければ増加を表現している。図4-3-4から図4-3-5が各街路の変更前後での増減をグラフ化したも のである。図4-3-6以降は上記と同じものを各街にて行ったものである。

Web因子変更地域 浦和オリコビル周辺

図4-3-1左:浦和対象地域1 右：浦和Web因子変更による通行量の増減1

Web因子変更地域 エイベックスタワー周辺

図4-3-2左:浦和対象地域2 右：浦和Web因子変更による通行量の増減2

Web因子変更地域 浦和商工ビル周辺

図4-3-3左:浦和対象地域3 右：浦和Web因子変更による通行量の増減3

41

4-3.Web因子変更時の通行量予測シミュレーション結果

（人）

（街路）

図4-3-4:浦和Web因子変更による通行量の増減1

（人）

（街路）

図4-3-5:浦和Web因子変更による通行量の増減2

（人）

（街路）

図4-3-6:浦和Web因子変更による通行量の増減3 42

4-3.Web因子変更時の通行量予測シミュレーション結果 ■Web因子変更時の通行量予測シミュレーション結果

Web因子変更地域 飯田ビル周辺

図4-3-7左:大宮対象地域1 右：大宮Web因子変更による通行量の増減1

Web因子変更地域 中央デパート周辺

図4-3-8左:大宮対象地域2 右：大宮Web因子変更による通行量の増減2

Web因子変更地域 東宝会館周辺

図4-3-9左:大宮対象地域3 右：大宮Web因子変更による通行量の増減3

43

4-3.Web因子変更時の通行量予測シミュレーション結果

（人）

（街路）

図4-3-10:大宮Web因子変更による通行量の増減1 （人）

（街路）

図4-3-11:大宮Web因子変更による通行量の増減2 （人）

（街路）

図4-3-12:大宮Web因子変更による通行量の増減3 44

4-3.Web因子変更時の通行量予測シミュレーション結果

Web因子変更地域 幸町公園周辺

図4-3-13左:釧路対象地域1 右：釧路Web因子変更による通行量の増減1

Web因子変更地域 釧路社会保険事務所周辺

図4-3-14左:釧路対象地域2 右：釧路Web因子変更による通行量の増減2

Web因子変更地域 芸術館周辺

図4-3-15左:釧路対象地域3 右：釧路Web因子変更による通行量の増減3

45

4-3.Web因子変更時の通行量予測シミュレーション結果

（人）

（街路）

図4-3-16:釧路Web因子変更による通行量の増減1

（人）

（街路）

図4-3-17:釧路Web因子変更による通行量の増減2

（人）

（街路）

図4-3-18:釧路Web因子変更による通行量の増減3

46

4-4.駅からの距離に対する誘因ポテンシャル評価 ■誘因ポテンシャル評価 図4-4-1から図4-4-3が各街で実際に誘因ポテンシャルを求めた結果である。ポテンシャル値が正に出た場所は 黄色から緑で表されており、緑に近いほどポテンシャル値が高い。逆に負に出た場所は赤で表されており、赤の彩 度が高いほど負のポテンシャル値が高い。

図4-4-1:浦和誘因ポテンシャル

47

4-4.駅からの距離に対する誘因ポテンシャル評価

図4-4-2:大宮誘因ポテンシャル

図4-4-3:釧路誘因ポテンシャル

48

5.考察 5-1.シミュレーションと現実との相関分析 5-2.通行量シミュレーション 5-3.Web因子変更時の 通行量予測シミュレーション結果 5-4.駅からの距離に対する 誘因ポテンシャル評価

49

5-1.シミュレーションと現実の相関 ■シミュレーションと現実との相関 表5-1-1：各街の因子と通行量との相関 相関係数：浦和

相関係数：大宮

相関係数：釧路

シミュレーション

0.89

0.89

0.72

シミュレーション（Web抜き）

0.43

0.57

0.62

各ノードへの平均距離

0.06

0.09

0.26

駅からの距離

-0.56

-0.72

-0.37

店舗数

0.24

0.58

0.001

Web参照数

-0.2

0.62

0.01

浦和、大宮、釧路の三つの街で、それぞれ相関係数が0.89、0.89、0.72と強い相関が有意水準1%で認められた。 この事からシミュレーションに妥当性がある事が証明された。これまでの日本の街においてのスペースシンタック ス理論による既往研究での通行量との相関係数は0.6∼0.7あたりが平均的な数値であり、マルチエージェントシ ミュレーションでは0.7∼0.9あたりが平均的な数値である。これらと比較からシミュレーションに高い妥当性が あると言える。 ■Web因子と通行量との相関 三つの内どの街もWeb参照数が直接的に通行量と相関する事はない事がわかった。しかし、シミュレーション のルールからWeb因子を抜いた場合よりも含めた場合の方が相関係数が向上している事から、Web因子が通行量 に対してなんらかの影響を与えていると言える。これは通行の量というのは通行の結節点となる場所で多くなるの で、目的地となるWebに参照された施設とは直接相関性がないが結節点の位置やそこに流れてくる通行量は目的 地となる施設の配置に左右されるからだと考えられる。また、駅から距離の離れた地域へのアクセスを増やすのに Web因子が大きく貢献している事がグラフの18の街路の各シミュレーションの現実との差の関係からわかる。同 時にそれは駅に近いだけの施設へのアクセスを減少させている事が5の街路からわかる。

（人）

（街路）

（人）

（街路）

図4-2-1左：浦和対象地域 右上:浦和シミュレーションと現実の関係

右下：浦和シミュレーション（web抜き）と現実の関係

50

5-1.シミュレーションと現実の相関 ■駅からの距離と通行量の相関 『商業集積地における空間の「奥行」に関する研究（高山）』によると商業性の強い街においては駅からの距離と 通行量に強い相関があると言う事であるので、三つの街は駅からの距離と通行量の相関係数が異なった街を選んだ。 相関係数の大きな方から、大宮、浦和、釧路の順になる。大宮、浦和においては駅からの距離は通行量と相関が認 められたが、釧路においては弱い相関しかない。 このような結果になる要因として店舗の街路上での配置が重要なポイントとなっていると推測される。一番相関 の低い釧路は駅から一番離れた場所に多くの飲食店や大型店舗が存在する。元々、海を中心に栄えた歴史がそのよ うな構造を作り出していると言える。そのような施設配置から距離とは相関しない結果が導き出されていると考え られる。 逆に浦和、大宮は駅前に大型店舗が存在しているなど商業性の高い要素は駅から近い場所に集中しているゆえに 駅からの距離との相関が強いと言える。また、浦和と大宮の駅からの距離との相関の違いは街の広がり方の違いに 見られるように思われる。大宮は駅前から広い範囲に対して全体的に商業地域が広がっている。それに対して浦和 では駅の南側では駅前の裏側には小学校がすぐにあったりとすぐに住宅地となって奥行が小さい。ゆえに北側に比 べて通行量が駅からの距離の割に伸びない。それが浦和と大宮の相関係数の違いの原因と考えられる。

図5-1-2：大宮における商業地域の広がり方のイメージ

図5-1-3：浦和における商業地域の広がり方のイメージ

図5-1-1：釧路における商業地域の広がり方のイメージ 51

5-2.通行量シミュレーション ■通行の流れと結節点 シミュレーション時の動きを観察していると駅への行き来によって通行の結節点となる街路の通行量が強く上昇 していくのが見て取れた。浦和における伊勢丹は施設数の点での通行量の向上もあるが、同時に街路の結節点とし ての位置による通行量の向上もあるからこそ、大量の人間が行き来する場所となっている事がわかる。その極端な 例が大宮の駅ビル、エキナカであろう。 ■Web参照数の分布と通行量の関係 大宮は駅前・エキナカに施設が集中しているため駅周辺の一部の地域を除いて通行量に伸びがない状態が生じて いる事がわかる。逆に釧路は施設は運河、海側に多く集中しているため街路の結節点となる場所の施設の集中が少 ない事が駅以外の街路において全体としてなだらかな分布となる結果をもたらしている。

釧路駅

図5-2-1左：釧路シミュレーション対象地域 右：釧路シミュレーション結果（3D）

大宮駅

図5-2-2左：大宮シミュレーション対象地域 右：大宮シミュレーション結果（3D） 52

5-2.通行量シミュレーション 浦和は大宮と釧路の間のような性格で駅前の街路や伊勢丹などの大型店舗のに通行量が集中しているが大宮のよ うな極端な偏りではなく分布が広がっている。それは大型店舗の位置や規模、そしてその周囲の店舗のWebから の参照数の関係が作り出しているものと考えられる。 また浦和では比較的駅から離れたところの方がWebからの参照数の大きい施設がいくつもある。その結果、駅 に極端な偏りが生じずに済んでいると言える。浦和の駅を出て北と南の通行量では実際の調査でも 2倍 ほどの違 いがある。これは単純に伊勢丹という百貨店が北側の近くにあるという事だけでなく、北側の施設のある街路の領 域の広さが大きく影響している事がわかる。

浦和駅

図5-2-3左：浦和シミュレーション対象地域 右：浦和シミュレーション結果（3D）

53

5-2.通行量シミュレーション ■通行量の分布 下図の棒グラフは街における各街路を通行量の多い順に左から並べたものである。それぞれ指数関数的に減少し ている点では共通しているが、その傾きはおのおの異なっている。特に釧路、大宮では大きな傾きで通行量が減少 していっている。それに対して浦和は指数関数的な減少であるが、緩やかな減少をしている事が見て取れる。

（人）

（街路）

図5-2-4：浦和シミュレーション結果

（人）

（街路）

図5-2-5：大宮シミュレーション結果 （人）

（街路）

図5-2-6：釧路シミュレーション結果 54

5-3.Web因子変更時の通行量予測シミュレーション結果 ■Web因子による通行量の増減 基本的にWeb因子の増えた部分の周囲が通行量が増えるのと同時に駅との通路となる部分の通行量が大きく増 えた。逆に、Webが増えた部分に対して駅への通路となりにくく、かつ施設を持っている場所では大きく減って いる事が多い。逆に通路になりにくいが、もともと施設の少ない場所ではあまり大きな変化は見られない。 各街の考察において増加している目立ってしている部分を緑、減少している部分を赤で囲った。また左右のシミュ レーション結果と棒グラフで囲った位置を対応させている。 ■浦和 他の街と比べて、大きな変化が見られた。特にエイベックスタワー周辺のWeb因子を増やしたパターンでは周 囲全体で通行量の増加が見られる。これは、場所が駅に近いので回遊する時間が長いと言う事と、もともと施設が 密集している地域であるため回遊する通行が外に漏れにくい事が要因となっているように思われる。オリコビルと 商工ビルのパターンでは駅への通路となる部分での増加が目立った。特に商工ビルの場合はその範囲が広く伊勢丹 の付近まで増加している範囲が広がっている。これはエイベックスタワーとは逆に駅から遠いため、回遊する事が 少なく駅へと戻ろうとする動きが早い事が要因であると考えられる。

（人）

（街路）

図5-3-1左：浦和Web因子による通行量の増減2 右：浦和Web因子による通行量の増減2（グラフ）

（人）

（街路）

図5-3-2左：浦和Web因子による通行量の増減3 右：浦和Web因子による通行量の増減3（グラフ）

55

5-3.Web因子変更時の通行量予測シミュレーション結果 ■大宮 増減グラフの形がどれも似ている。どれもロフトと高島屋の間の地域を中心に通行量が増えて、その周囲が減少 するという傾向がある。それぞれのグラフで増加と減少が被らない場所から、どの場所も比較的駅に近い事が近接 する施設の多いロフトと高島屋の間の地域の通行量への回遊を誘発していると考えられる。

（人）

（街路）

図5-3-3左：釧路Web因子による通行量の増減1 右：釧路Web因子による通行量の増減1（グラフ）

（人）

（街路）

図5-3-4左：釧路Web因子による通行量の増減2 右：釧路Web因子による通行量の増減2（グラフ） （人）

（街路）

図5-3-5左：釧路Web因子による通行量の増減3 右：釧路Web因子による通行量の増減3（グラフ） 56

5-3.Web因子変更時の通行量予測シミュレーション結果 ■釧路 もともと通行量が多いわけではないので、Web因子の増えた地域、駅との通路となる部分以外の変化はあまり 大きなものは見られない。特に釧路社会本事務所周辺のパターンでは、周囲に施設が無さ過ぎるために通行を誘 引する結果とならず、Web因子の増えた地域、駅への通路となる部分でさえもあまり目立った増加は見られない。 共通して減少している場所は施設の密集している地域で、新しくWeb因子の増えた地域に通行量が奪われたから と思われる。

図5-3-6左：釧路Web因子による通行量の増減2 右：釧路Web因子による通行量の増減1 （人）

（街路）

図5-3-7：釧路Web因子による通行量の増減2（グラフ） （人）

（街路）

図5-3-8：釧路Web因子による通行量の増減1（グラフ） 57

5-4.駅からの距離に対する誘因ポテンシャル評価 ■浦和 駅北側で正の誘因ポテンシャル、駅南側で負の誘因ポテンシャルが出ている。そこから北側の方がその立地に対 しての誘因ポテンシャルが高い事がわかる。その理由は、やはりWebから参照されている施設の配置の影響であ ろう。また駅北側でも、伊勢丹の裏側で負の誘因ポテンシャルが出ている場所がある。 伊勢丹裏側の負の誘因ポテンシャルは街路ネットワークの構造が原因となっていると考えられる。伊勢丹から二 つの方向に人の流れは枝分かれする。一つはユザワヤや図書館などの大きな施設を中心とした地域、もう一つが役 所へ通じる商店の建ち並ぶ地域である。ちょうど枝分かれした時に出来る

間が負の誘因ポテンシャルが出ている

地域である。この場所は強い正の誘因ポテンシャルを持った場所と負の誘因ポテンシャルを持った地域が隣り合う という点でとても興味深い場所となっている。同じような現象はバスロータリーの周囲でも起こっている。伊勢丹 に隣接するコルソの東側のロータリーに面する街路は駅前で駅に面したファサードの街路であるが、そのネット ワーク上の関係性から負の誘因ポテンシャルを示す事となっている。

図5-4-1左：浦和誘因ポテンシャル概略図 右：浦和誘因ポテンシャル

■大宮 圧倒的に駅に人が集中している事がわかる。これは駅ビル内の施設、店舗へのWebからの参照数が非常に多い事 が関係している。その影響で駅以外の場所での伸びが小さい。駅以外では、小さくではあるがLOFT周辺において 誘因ポテンシャルが正にでている地域がある。この周辺はデパートや百貨店以外の小売店が集中している地域であ り、その影響が出たものと思われる。Web参照数の多いが誘因ポテンシャルの伸びが見られないのが駅の南側の 飲屋街である。今回のシミュレーションでは好みやイメージと言った評価軸は取り入れてないので、飲屋街と言う イメージから来る通行量への影響は現れていないはずである。その条件で、このような結果になる事は周囲の施設 との街路ネットワーク上での関係が分離している事が原因となっていると考えられる。 飲屋街のある南側の地域は高島屋以外に特別に大きな店舗はなく、高い参照数を持った施設も存在しない。ゆ えに飲屋街方面に行く人間以外に結節点となって通行量が増えるような事はあまり起きていない。それに対して LOFTの方は面的に施設の配置は広がっておりLOFTやその周囲に通行の結節点となる場所が発生している。

58

5-4.駅からの距離に対する誘因ポテンシャル評価

図5-4-1左：大宮誘因ポテンシャル概略図 右：大宮誘因ポテンシャル ■釧路 駅近くの和商市場周辺と海側のフィッシャーマンズワーフ周囲、そして大通りを挟んで向かい側の丸井今井や飲 屋街がある地域が主な人の行き交う地域である。釧路における大半のWebからの参照を受けている施設は丸井今 井や飲屋街のある地域に集中している。しかしその立地上の遠さによって、和商市場周辺の地域への人の流れが抑 制を強く受ける事なく発生しているように思われる。 海側の施設と駅との間の通行は主に大通りを介して行なわれている。これは店や施設が点在している事も要因と してあるが駅との距離の近いルートである事が大きな要因となっているように考えられる。大通りには特別に通行 量が多い場所もない事がそれを説明している。

図5-4-1左：釧路誘因ポテンシャル概略図 右：釧路誘因ポテンシャル 59

6.展望 6-1.まとめ 6-2.展望

60

6-1.まとめ

61

6-1.展望

62

6-2.まとめ Webネットワークを取り入れただけのシンプルなシミュレータでこれだけの通行量の相関の強い結果を導き出せ たと言う事は、現代の都市での人々の行動が現実にそこにある看板や街路の大小ではなく、いかに街における人の 通行が情報というものに左右されているかを非常によく表している。しかし、このシミュレータ自体は通行量の再 現は出来ているが、まだその段階で止まっているとも言える。昨年発表された早稲田大学浅野研究室の松岡による マルチエージェントシミュレータを使ったシミュレーションなどでは立ち寄り回数や滞在時間などの数値も扱える ように工夫がされている。今後の展望としてはそのようなツールの付与を行なえるようにする必要があるように思 われる。松岡の研究ではアンケートから人がある場所から次の場所へ行く確率を割り出して、それをシミュレーショ ンに反映させていた。行なわれていたのは街路レベルであるが、店、業種レベルでの移動に反映させる事が出来る かもしれない。東京大学都市交通研究室の藤田による研究で使われたプロパーソン調査のように人の動きをトレー スする事で容易にデータ化された情報を扱えるかもしれない。 また、今回はWebネットワークのデータを次数中心性という一番シンプルなものとして取り扱った。理由として は今回取り扱った街では、次数中心性が情報の発信性を元にした中心性である事とサイトに張られるリンクに対し て特に分類する必要があるほど差異が見出せなかった事からである。しかし、Web因子変更のシミュレーション をする上で、どのようなサイトからリンクから張られたものかを分類できた方がより現実への還元ができるシミュ レータとなるように思われる。ネットワークでの中心性には次数中心性以外にもたくさんの中心性がある。Web ネットワークをシミュレーショタのために評価するにはGoogleのランクアルゴリズと言われる計算に近い地位中 心性モデルに分類される中心性が好ましいように思われる。しかし、今回使用を見送った理由でもあるが、計算時 間が長い事が短所である。この問題を上手く扱える方法を考える必要がある。 今回扱った浦和、大宮、釧路はどれも駅を起点とした歩行行動を取る商業性の強い街である。これらの街のよう に駅のように明確な出入り口がある場所では有効なシミュレーションモデルであるが、車が主流な交通手段となっ ている郊外やWebなどの情報が行動に有意に働かないような街での行動など、あらゆる場所に対して普遍的なモ デルというわけではない。同様の事は国柄にも言えるだろう。今回のモデルがあらゆる国の商業性の高い都市に適 応できるかはわからない。今後、様々な種類の街でのシミュレーションを行なってより優れたものに精錬化させて いく必要がある。 今回は都市レベルでのネットワークを使っての研究となったが、建築レベルのスケールにおいても今後このよう な手法を用いて人の動きを予測する事は可能であると思われる。特に商業施設のような情報に行動が左右されやす い場所では有効な手法と言えるだろう。

63

7.参考文献 7-1.参考文献

64

7-1.参考文献 ■書籍 著:アルバート=アズロ・バラバシ/訳:青木薫/新ネットワーク思考∼世界のしくみを読み解く∼/NHK出版 /2002 著:金光淳/社会ネットワーク分析の基礎∼社会的関係資本論に向けて∼/勁草書房/2003 著:増田直紀,今野紀雄/複雑ネットワークの科学 /産業図書/2005 著:増田直紀,今野紀雄/「複雑ネットワーク」とは何か̶複雑な関係を読み解く新しいアプローチ/2006 著:ダンカン・ワッツ/訳:栗原聡,福田健介,佐藤進也/スモールワールド̶ネットワークの構造とダイナミクス /東京電機大学出版局/2006 著:ダンカン・ワッツ/訳:

竜平,友知政樹 スモールワールド・ネットワーク̶世界を知るための新科学的思考

法/阪急コミュニケーションズ/2004 著:蔵本由紀/新しい自然学̶非線形科学の可能性/岩波書店/2003 著:蔵本由紀/非線形科学/集英社/2007 著:山影進/人工社会構築指南̶artisocによるマルチエージェント・シミュレーション入門/書籍工房早山/2007 著;西垣通,松葉一清,石川英輔,古谷誠章,山田雅夫,北川高嗣/編集:NTTデータシステム科学研究所/情報都市 論/NTT出版/2002 著:西垣通/基礎情報学̶生命から社会へ/NTT出版/2004 著:梅田望夫/ウェブ進化論∼本当の大変化はこれから始まる/筑摩書房/2006 著:加藤政洋,大城直樹/都市空間の地理学/ミネルヴァ書房/2006 著:上野俊哉/アーバン・トライブ・スタディーズ/月曜社/2005 著:柄谷行人/隠喩としての建築 (定本 柄谷行人集) /岩波書店/2004 著:Kevin Hemenway,Tara Calishain/訳:村上雅幸/SPIDERING HACKSーウェブ情報ラクラク取得テクニック101 選/オライリー・ジャパン/2004 著:Larry Wall,Tom Christiansen,Jon Orwant/訳:近藤嘉雪/プログラミングPerlー第3版ーVolume1/オライリー・ ジャパン/2002 著:Larry Wall,Tom Christiansen,Jon Orwant/訳:近藤嘉雪/プログラミングPerlー第3版ーVolume2/オライリー・ ジャパン/2002 著:Tom Christiansen,Nathan Torkington/訳:Shibuya Perl Mongers,ドキュメントシステム/Perlクックブックー 第2版ーVolume2/2004

■論文 著:山久瀬健,長澤夏子,木村謙,林田和人,渡辺仁史/空 日本建築学会学術講演

ポテンシャルに基づく空間記述 /社団法人日本建築学会,

概集,p.883-884/1999

著:加納征子,長澤夏子,高柳英明,木村謙,渡辺仁史/駅を起点とした歩行領域に関する研究/社団法人日本建築 学会,日本建築学会学術講演

概集,p.1055-1056/2000

著:島宏之,郷田桃代/東京区部における駅周辺の商業・業務系建物集積に関する研究/社団法人日本建築学会, 日本建築学会学術講演

概集,p.745-746/2006

65

7-1.参考文献 著:高山幸太郎,中井検裕/商業集積地における空間の「奥行」に関する研究ー下北沢を対象としてー/社団法人 日本都市計画学会,日本都市計画学会都市計画論文集,No37,p.79-84/2002 著:荒屋亮,竹下輝和,池添昌幸/スペースシンタックス理論に基づく市街地オープンスペースの特性評価/社団 法人日本建築学会,日本建築学会計画系論文集,No.589,p.153-160/2005 著:藤田真弓/都心商業地における歩行空間のアクセシビリティに関する研究ー渋谷を事例としてー/東京大学大 学院工学系研究科都市工学専攻都市交通研究室論文概要シリーズ/2006 著:松岡亮介/地方都市における市街地滞在時間のモデル化と歩行回遊シミュレーションへの応用に関する研究 /早稲田大学大学院理工学研究科建設工学専攻交通計画浅野研究室修士論文/2007

■Web(通行量) さいたま市環境経済局経済部経済政策課/平成18年度さいたま市主要駅周辺地区歩行者通行量調査報告書/ http://www.city.saitama.jp/www/contents/1173093069562/files/hyousimokuji.pdf/2006 釧路市経済部商業労政課/平成18年度釧路市都心部通行量調査報告書/http://www.city.kushiro.hokkaido.jp/ www/contents/1173165955919/files/P1-42.pdf/2006

■Web(相関分析) おしゃべりな部屋(プラネタリウム,星,植物,熱帯魚,統計学)/http://aoki2.si.gunma-u.ac.jp/ 早稲田大学人間科学部向後千春研究室H.P./http://kogolab.jp/elearn/icecream/chap3/sec3.html

■Web(perlプログラミング) CPAN/http://search.cpan.org/ 河馬屋二千年堂/http://homepage3.nifty.com/hippo2000/ 東京都立科学技術大学平成9年度修士論文「Web構造の把握」/http://home2.highway.ne.jp/miyakuji/shuron. html Mac OS X Darwin Tips/http://www1.kiwi-us.com/ mizusawa/penguin/html_hint/osXDarwinTips.shtml#top Super Technique講座/http://www.nurs.or.jp/ sug/soft/super/tk2.htm#sec8

■Web(グラフ描画・複雑ネットワーク関連) 点と線の部屋/http://www32.ocn.ne.jp/ graph_puzzle/index.html Cytoscape/http://www.cytoscape.org/ Networks / Pajek/http://vlado.fmf.uni-lj.si/pub/networks/pajek/ Analytic Technologies/http://www.analytictech.com/ 犀角(Diceros Horn)/http://www.tokunagakenichi.net/ComplexNetwork/index.html

■Web(マルチエージェントシミュレーション関連) MASコミュニティ/http://mas.kke.co.jp/index.php

66

8.おわりに 8-1.おわりに 8-2.謝辞

66

8-1.おわりに 初めてづくしの研究だったが、新たな分野に挑戦できた事が大きな収穫だった。4月の時点では全くプログラ ミングをした事もなかったけれど、気がつけば8月9月は毎日のようにプログラムを書くような生活をしていた。 おかげで、プログラム言語も一つの言語なんだと言う認識が出来てしまったほどだ。そんな見地から考えるとクリ ストファー・アレグザンダーがパタン・ランゲージという名の理論を作り出した事は非常に興味深い事だと思う。 プログラム言語を書く時に、いくつもの条件式やループや関数を集めて局所的な現象から大域的な現象まで積み重 ねていくように、都市の現象はそこにある小さなセグメントたちの積み重なりの結果である事を暗示しているよう だから。 シミュレータでモデルを作成しシミュレーションする事が明確に決まったのが9月。初めてのシミュレータ作 成も1週間で参考書を読み切ってのスタートで行き当たりばったり。しかし、初めて触れたマルチエージェント シミュレータはとても興味深かったし、色んな意味で勉強になった。以前からの

だった非線形科学への理解がよ

うやく明確になって来たのはこの時からだったし、ネットワークへの理解を再考できたのもこの時だった。そして、 論文の執筆に入り改めて次の言葉を強く考えさせられる事となった。 「こうしてわれわれの目標は,トポロジーを理解する事から、ネットワークの進化メカニズムを理解する事に変わっ た。」(アルバート=ラズロ・バラバシ/新ネットワーク思考/p.133) この研究はまだ建築・都市におけるネットワークの進化のメカニズムを理解する域にまで達してはいないように 思う。しかし、その方向に向けて歩み出す事はできたのではないかと考えたい。

67

8-2.謝辞

謝辞

ネットワークへの扉を開いてくれたピンクに、そのきっかけを作ってくれた恭平に感 謝を、自分の科学への興味を与えてくれた池内理に感謝を、様々な想像力を掻き立てら れる言葉をくれた寝太郎さんに感謝を そして様々な意見や批評をして頂いたゼミの皆さん、そして研究室のみなさんに感謝 を、特に研究用のアプリケーションや手法など様々なアドバイスをしてもらったゼミ長 の遠田さんに感謝したい。

68

9.資料編

69

9.資料編 ■Webロボット・ソース #! /usr/bin/perl use strict; use HTML::LinkExtor; use LWP::Simple; use encoding 'shiftjis'; binmode(STDERR, ':raw :encoding(sfiftjis))'); use Encode; my %Finished; my $num_visited; my $linkarray; my @Data; my @Data2; my @data_next; my @data_next2; my %Done = ( ); my %Todo; #URLリスト my @Todo = qw( #URLを入れる ); #URLのハッシュ my @before = qw( ); while (@before) { my $todo = shift @before; $Todo{$todo}++; } while (@Todo) { my %sif = ( ); my %seen = ( ); my %todo = ( ); my $todo_url = shift @Todo; my $base_url = $todo_url; my ($B_http,$B_none,$B_content,$B_content2,$B_content3) = split /\//,$todo_url; my $Base_content = $B_content; if ($base_url = /livedoor¦goo¦yaplog¦rakuten¦yahoo¦nifty¦ameblo¦hatena¦so-net/i) {$Base_content = "$B_content\/$B_content2"}; $Finished{$base_url}++; 70

9.資料編 #指定サイト数でループを解除する $num_visited++; last if ( $num_visited > #指定サイト数 ); #10サイト前までに訪れているようなら2秒スリープしてから作業するようにする if (exists $Done{$B_content} ) {sleep 2}; $Done{$B_content}++; if ($num_visited > 10) {each %Done}; #リンクの抽出作業 my $parser = HTML::LinkExtor->new(undef , $base_url) ; $parser->parse(get($base_url))->eof; my @links = $parser->links; #抽出されたデータからURLのみを取り出して、各リストに入れていく foreach $linkarray (@links) { my @element = @$linkarray; my $elt_type = shift @element; while (@element) { #タブとリンクを分ける my ($attr_name , $attr_value) = splice(@element, 0, 2) ; #余分なものを除外する if ($attr_value = /\.jpg$¦\.jpeg$¦\.gif$¦javascript¦mailto¦comment¦trackback¦banner¦i mg/i) {$attr_value = ( )}; #URLを分解する my $base_value = $attr_value; my ($A_http,$A_none,$A_content1,$A_content2,$A_content3) = split /\//,$attr_value; my $A_content = $A_content1; if ($base_value = /livedoor¦goo¦yahoo¦so-net/i) { if ($base_value = /blog/i) { if (!($base_value =

/google¦archives¦a

tom¦index¦blogtimes¦biz¦amigo¦ranking¦special¦theater¦cgi¦idolmaster¦avatar¦awaset e¦category¦aboutproinfo¦common¦articles¦service¦php¦pid¦search¦blogreader/i)) { $A_content = "$A_content1\/$A_content2"; } } } if ($base_value = /rakuten/i) { if ($base_value = /plaza/i) { if (!($base_value =

/google¦archives¦a

tom¦index¦blogtimes¦biz¦amigo¦ranking¦special¦theater¦cgi¦idolmaster¦avatar¦awaset e¦category¦aboutproinfo¦common¦articles¦service¦php¦pid¦search¦blogreader/i)) { $A_content = "$A_content1\/$A_content2"; } 71

9.資料編 } } if ($base_value = /yaplog¦ameblo¦hatena/i) { if (!($base_value = /images¦register¦login¦theme¦news¦google ¦archives¦atom¦index¦blogtimes¦biz¦amigo¦ranking¦special¦theater¦cgi¦idolmaster¦avatar¦awasete¦cate gory¦aboutproinfo¦common¦articles¦service¦php¦pid¦search¦blogreader¦keyword/i)){ $A_content = "$A_content1\/$A_content2"; } } if ($base_value = /saitama\-town/i) { if (($base_value = /review/i)) { $A_content = "$A_content1\/$A_content2\/$A_content3"; } } #ハッシュに組み込む my $Value = $attr_value; #すでにparseしてあるのなら、空を返す if (exists $Finished{$attr_value} ) {$Value = ( )}; #すでに待機中のリストに組み込まれているなら、空を返す if (exists $Todo{$attr_value} ) {$Value = ( )}; #同一のbase内のリンク関係を取り上げる時のため => if (!(exists $Done{$A_content} )) {$Value = ( )}; #各ハッシュに値を入れる $seen{$attr_value}++; $sif{$A_content}++; $todo{$Value}++; $Todo{$Value}++; } } my @Seen = sort keys %seen; my @sif = sort keys %sif; my @todo = keys %todo; my @Seen2 = @Seen; my @sif2 = @sif; my @Seen3 = @Seen; my @sif3 = @sif; my $Out = @Seen; my $Out2 = @sif; #待機中のリストに追加する push @Todo,@todo; #URLを短縮した方を.sif形式のデータへ、加工する shift @sif; my @Sif = join ("\n$Base_content link ",@sif),"\n"; my @Sif2 = join ("\n$Base_content link ",@sif2); 72

9.資料編 my @Sif3 = join("\n$Base_content link ",@sif3); #加工したデータを保存用のリストへ追加する push @Data,@Sif2; #URLが完全な方を.sif形式のデータへ、加工する unshift @Seen,"now$num_visited,base_url=$base_url,links=$Out"; my @To = join ("\n$base_url link ",@Seen),"\n"; my @To2 = join ("\n$base_url link ",@Seen2); my @To3 = join("\n$base_url link ",@Seen3); #加工したデータを保存用リストへ追加 push @Data2,@To2; #加工したデータを作業用リストに追加 push @data_next,@Sif3; push @data_next2,@Seen; #途中経過を表示 print @To,"\n"; } #最終リストをハードディスクに保存 open (ABC,">/Volumes/HD-HBIU2/data/abc.txt"); print ABC "@Data\n"; close(ABC); open(Data,">/Volumes/HD-HBIU2/data/Data.txt"); print Data "@Data2\n"; close(Data);

#各urlのリンク数を求める。 my@Base = @data_next; my@Base2; my %content_D; my %content_D2; my @content_A; my @content_A2; my @Todo_link; my @test_link; while(@Base) { #Baseから要素を取り出す my $Base = shift@Base; @Base2 = split/\n/,$Base; 73

9.資料編 while(@Base2) { my $content_A = shift @Base2 ; my $content_B = $content_A; my ($content_1,$content_2,$content_3) = split / /,$content_B; #終了済みのリストを参照し、不要なものを除外する if (!(exists $content_D{$content_A})) { if (!(exists $content_D2{$content_3})) {@content_A2 = $content_3}; @content_A = $content_A; push@Todo_link ,@content_A; push@test_link,@content_A2; } $content_D2{$content_3}++; $content_D{$content_A}++; } } my $num_All = @Todo_link; my @Base_link; my %test_link; my %done_link; my $num_link; my $num_link2; my @Data4; my @Data5; my @Data6; while (@test_link) { @Base_link = @Todo_link; %test_link = my$base_link = shift @test_link; if(!(exists$done_link{$base_link})) { while (@Base_link) { my $Todo = shift @Base_link; my ($content_5, $content_6,$content_7 ) = split / /,$Todo ; if (exists$test_link{$content_7}) { $num_link ++ ; } } my @data_link = "$num_link = $base_link \n"; $num_link2 = $num_link / $num_All; my @data_link2 = "$num_link2 = $base_link \n"; my @data_link3 = "$num_link"; push @Data4,@data_link; push @Data5,@data_link2; push @Data6,@data_link3; print @data_link; 74

9.資料編 print @data_link2; } $done_link{$base_link}++; $num_link = ( ); $num_link2 = ( ); } #最終リストをハードディスクに保存 open (Linked_num,">/Volumes/HD-HBIU2/data/Linked_num.txt"); print Linked_num "@Data4\n"; close(Linked_num); open(Linked_num2,">/Volumes/HD-HBIU2/data/Linked_num2.txt"); print Linked_num2 "@Data5\n"; close(Linked_num2); open(Linked_num3,">/Volumes/HD-HBIU2/data/Linked_num3.txt"); print Linked_num3 "@Data6\n"; close(Linked_num3);

#リンク数ごとの確率と数を求める my @data_N4; my @data_N; my %base_N; my %done_N; my $num_N; my $num2_N; my @num_N; my @num2_N; my @Data7; my @Data8; @data_N4 = @Data6; my $num_All_N = @Data6; while (@data_N4) { @data_N = @Data6; %base_N = my$base_N = shift @data_N4; if(!(exists $done_N{$base_N})) { while (@data_N) { my $content_N = shift @data_N; if (exists $base_N{$content_N}) {$num_N ++}; } $num2_N = $num_N / $num_All_N; 75

9.資料編 @num_N = "$base_N = $num_N \n"; @num2_N = "$base_N = $num2_N \n"; print "$base_N = $num_N \n"; print "$base_N = $num2_N \n"; push @Data7,@num_N; push @Data8,@num2_N; $done_N{$base_N}++; $num_N = ( ); $num2_N = ( ); } } #最終リストをハードディスクに保存 open (Num_link,">/Volumes/HD-HBIU2/data/num_link.txt"); print Num_link "@Data7\n"; close(Num_link); open(Num_link2,">/Volumes/HD-HBIU2/data/num_link2.txt"); print Num_link2 "@Data8\n"; close(Num_link2);

76

9.資料編 ■各ノード間のステップ数を求める（CSV形式用） #! /usr/bin/perl @before = qw{ #.sif形式のソースを挿入 }; my %test; my %base; my @base1; while (@before) { $content1 = shift @before; $content2 = shift @before; $content3 = shift @before; $content = "$content1 $content2 $content3"; if (!(exists$base{$content1})) { $base{$content1}++ }; if (!(exists$base{$content3})) { $base{$content3}++ }; @base_A = $content; push @base1,@base_A; } my @base_S = sort keys %base; while (@base_S) { my $base = shift @base_S; $num = 0; $done{$base}++; @base = @base1; @timer = @base1; LINE: while(@timer) { shift @timer; $num ++; while (@base) { $content = shift @base; $content_D = $content; my ($content1, $content2,$content3) = split / /,$content_D ; if (exists$done{$content1} ¦ $base == $content1) { if (!exists$finished{$content3}) { $content4 = $content3; $content_A = "$content3/,$num"; $done_A{$content3}++; $finished{$content4}++; $data{$content_A}++; 77

9.資料編 } } elsif (exists$done{$content3} ¦ $base == $content3) { if (!exists$finished{$content1}) { $content4 = $content1; $content_B ="$content1/,$num"; $done_A{$content1}++; $finished{$content4}++; $data{$content_B}++; } } else {$test{$content}++; } } @test = keys %test; @base = @test; @done_A = keys %done_A; @finished = keys %done; while (@finished) { $finished1 = shift @finished; $finished{$finished1}++; } while (@done_A) { $done_A = shift @done_A; $done{$done_A}++; } if ($num > 30) { next LINE }; } $a = "$base/,0"; $data{$a}++; @data1 = sort keys %data; while (@data1) { $b = shift @data1; my($data1,$data2) = split /\//,$b; unshift @data2 , $data2; } while (@data2) { $c = shift @data2; unshift @data4 , $c; } unshift @data4 ,"\n\n$base,0,0,0,0.0,0,0,0"; %done = ( ); %finished = ( ); %data = ( ); %done_A = ( ); 78

9.資料編 %test = ( ); $num = ( ); } open (ABC,">/Volumes/HD-HBIU2/street/street2.txt"); print ABC "@data4\n"; close(ABC); print "@data4 \n";

79

9.資料編 ■各ノードの平均距離 #! /usr/bin/perl @before = qw{ #.sifファイルを挿入する。 }; my %test; my %base; my @base1; while (@before) { $content1 = shift @before; $content2 = shift @before; $content3 = shift @before; $content = "$content1 $content2 $content3"; if (!(exists$base{$content1})) { $base{$content1}++ }; if (!(exists$base{$content3})) { $base{$content3}++ }; @base_A = $content; push @base1,@base_A; } my @base_S = sort keys %base; while (@base_S) { my $base = shift @base_S; $num = 0; $done{$base}++; @base = @base1; @timer = @base1; LINE: while(@timer) { shift @timer; $num ++; while (@base) { $content = shift @base; $content_D = $content; my ($content1, $content2,$content3) = split / /,$content_D ; if (exists$done{$content1} ¦ $base == $content1) { if (!exists$finished{$content3}) { $content4 = $content3; $content_A = "$content3/$num"; $done_A{$content3}++; $finished{$content4}++; $data{$content_A}++; 80

9.資料編 } } elsif (exists$done{$content3} ¦ $base == $content3) { if (!exists$finished{$content1}) { $content4 = $content1; $content_B ="$content1/$num"; $done_A{$content1}++; $finished{$content4}++; $data{$content_B}++; } } else {$test{$content}++; } } @test = keys %test; @base = @test; @done_A = keys %done_A; @finished = keys %done; while (@finished) { $finished1 = shift @finished; $finished{$finished1}++; } while (@done_A) { $done_A = shift @done_A; $done{$done_A}++; } if ($num > 30) { next LINE }; } $a = "$base/0"; $data{$a}++; @data1 = sort keys %data; while (@data1) { $b = shift @data1; my($data1,$data2) = split /\//,$b; unshift @data2 , $data2; } @data3 = @data2; while (@data2) { $c = shift @data2; unshift @data4 , $c; } while (@data3) { $Lnum = shift @data3; $Anum = $Anum + $Lnum; } 81

9.資料編 $average_num = $Anum / 568; print "$base $average_num \n"; %done = ( ); %finished = ( ); %data = ( ); %done_A = ( ); %test = ( ); $num = ( ); $Anum = ( ); }

82

9.資料編 ■VectorのデータからテキストオブジェクトのX.Y座標を取り出す #! /usr/bin/perl @original = qw{ #VectorScriptのtext objectの部分を取り出す TextOrigin(399960.367651525244582,293390.699643999512773) BeginText 000 EndText }; while (@original) { my $content1 = shift @original ; my $content2 = shift @original ; my $content3 = shift @original ; my $content4 = shift @original ; my($T,$X,$Y) = split /\(¦\,¦\)/,$content1; @content1 = "$content3 $X $Y"; push @content ,@content1; } print join ("\n", @content),"\n";

83

9.資料編 ■artisocで得たデータをvector用の3Dデータに書き換え #! /usr/bin/perl @before = qw ( #Z軸となる数値、X座標、Y座標の順番で挿入 7200

225754.0281

444816.3764

-96

440315.1866 177077.7879

96

455754.8423 173292.2023

); while (@before) { $point = shift @before; $X = shift @before; $Y = shift @before; $column = "BeginColumn($point);" ; $X1 = $X - 6000; #3Dの底の形 $X2 = $X + 6000; #3Dの底の形 $Y1 = $Y + 6000; #3Dの底の形 $Y2 = $Y - 6000; #3Dの底の形 $move = "Move3D(0,0,0);" ; if ($point > 0) { $pen = 65535 - $point *3.5; #色を調整 $pen2 = 65535 - $point; #色を調整 } if ($point < 0) { $pen = 65535 + $point; #色を調整 $pen2 = 65535 + $point * 3.5; #色を調整 } $penfore = "PenFore($pen,$pen2,0);"; $fillback = "FillBack($pen,$pen2,0);"; $rect = "Rect($X1,$Y1,$X2,$Y2);" ; @group = "$column\n$move\n$penfore\n$fillback\n$rect\nEndGroup;\n"; push @data , @group; } print @data,"\n";

84

9.資料編 ■通行量シミュレータソースコード（浦和） //------------------------------------------------------// Agent Rule //------------------------------------------------------#begin_rule UNIVERSE Univ_Init{ #変数の定義 Dim set As Agtset Dim set2 As Agtset Dim one As Agt Dim St As Agt #集合をセットする MakeAgtSet(set,Universe.town.shop) MakeAgtSet(set2,Universe.town.street) #集合内のエージェントの変数を定義 For each one in set For each St in set2 if one.streetID == St.ID then one.streetD = St.distanceS(0) one.X = St.X one.Y = St.Y St.shoppoint = St.shoppoint +1one.street = St end if next St next one } Univ_Step_Begin{ #客の生成 Dim one As Agt one = CreateAgt(Universe.town.customer) one = CreateAgt(Universe.town.customer) one.X = 6.95 one.Y = 21.14 one.point = Rnd() } Univ_Step_End{ Dim set As Agtset Dim one As Agt Dim num As Integer Dim Pnum As Integer Universe.point = 0 num = 0 Pnum = 0 #棒グラフ用の数値を出力 MakeAgtSet(set,Universe.town.customer) 85

9.資料編 For each one in set MergeAgtset(Universe.street,one.street) next one MakeAgtSet(set,Universe.town.street) SortAgtSet(set,"Universe.town.street.point",False) For each one in set If CountAgtSet(set) > 0 then if CInt(num Mod CDbl(CountAgtset(set)) / 30) == 0 then Universe.St_point(1,Pnum) = one.point Pnum = Pnum +1 end if else Universe.St_point(0,) = num Universe.St_point(1,Pnum) = one.point Pnum = Pnum +1 end if num = num +1 Universe.point = Universe.point + one.point next one #指定回数ステップが済んだらデータを出力する if GetCountStep() > 1000 then SortAgtSet(set,"Universe.town.street.ID",True) For each one in set OpenFileCSV("output.txt",2,3,) WriteFileCSV(2,one.ID,False) WriteFileCSV(2,one.point,True) CloseFileCSV(2) next one ExitSimulation() end if } Univ_Finish{ } #end_rule UNIVERSE

//------------------------------------------------------// Agent Rule //------------------------------------------------------#begin_rule UNIVERSE.TOWN.STREET Agt_Init{ }

86

9.資料編 Agt_Step{ #施設を含む街路は黄色から緑、ない街路は黄色から赤へ通行量に応じて変化する if my.shoppoint > 0 then if my.point < 255 then my.color = RGB(255 - my.point,255, 200) else my.color = RGB(0,255,200) end if else if my.point < 255 then my.color = RGB(255,255 - my.point,200) else my.color = RGB(255,0,200) end if end if } #end_rule UNIVERSE.TOWN.STREET

//------------------------------------------------------// Agent Rule //------------------------------------------------------#begin_rule UNIVERSE.TOWN.CUSTOMER Agt_Init{ } Agt_Step{ Dim i As Integer Dim j As Integer Dim num As Integer Dim num2 As Integer Dim one As Agt Dim cus As Agt Dim now As Agt Dim set As Agtset Dim set2 As Agtset Dim St As Agt Dim stpercent As Double Dim shopercent As Double MakeAgtSet(set2,Universe.town.street) MakeAgtSet(set, Universe.town.shop) now = my.now 87

9.資料編 #まだ施設に

り着いていないなら

if my.point < 1 then For i = 0 To 50 one = GetAgt(set,Int(Rnd()*CountAgtset(set))) shopercent = one.webpoint / 25 cus = one.street if cus.point * Universe.point > 0 then #街路に他に客がいるかいないかを判断する。 stpercent = (20 - one.streetD)/20 + cus.point / Universe.point else stpercent = (20 - one.streetD)/20 end if If shopercent + stpercent > Rnd() then #街路へ移動するかどうかを判断する。 For each St in set2 if one.streetID == St.ID then St.point = St.point +1 break end if next St AddAgt(St.direct,one) AddAgt(my.street,one) #移動したら数値の変更を行なう。 my.X = one.X my.Y = one.Y my.point = my.point + 1 MakeOneAgtSetAroundOwn(set,0,Universe.town.street,False) one = GetAgt(set,Int(Rnd()*CountAgtset(set))) my.now = one break end if next i #指定値まで体力が減るまで周囲を周遊する。 elseif my.point + my.now.Direction *0.05 < 3.5 then #周囲にまだ行っていない施設があるか判断、あれば行くかどうかを判断 MakeOneAgtSetAroundOwn(set,3.5 + Rnd()*1-0.5,Universe.town.shop,False) MakeAgtSet(set2,Universe.town.street) PurifyAgtSet(set,my.shop) j = 0 For i = 0 To CountAgtSet(set) -1 one = GetAgt(set,Int(CountAgtset(set)*Rnd())) For each cus in Universe.street if cus.ID == one.street.ID then shopercent = one.webpoint / 25 + 0.2 break else shopercent = one.webpoint / 25 end if next cus num = one.street.ID stpercent = (20 - my.now.distanceS(num)) / 20 + one.street.point / Universe.point If shopercent + stpercent > Rnd() +Rnd() then 88

9.資料編 one.street.point = one.street.point +1+ Rnd() one.point = one.point +1 AddAgt(St.direct,one) AddAgt(my.shop,one) AddAgt(my.street,one) j = j +1 end if next i #施設へ移動しなければ周囲のどこかへ移動するか判断 if j == 0 then MakeOneAgtSetAroundOwn(set,3.5 + Rnd()*1-0.5,Universe.town.street,False) For i = 0 To CountAgtSet(set) -1 one = GetAgt(set,Int(CountAgtset(set)*Rnd())) num = one.ID For each cus in Universe.street if cus.ID == one.ID then stpercent = (20 - my.now.distanceS(num)) / 20 + one.point / Universe.point + 0.1 break else stpercent = (20 - my.now.distanceS(num)) / 20 end if next cus if stpercent > Rnd() then my.X = one.X my.Y = one.Y AddAgt(one.direct,one) AddAgt(my.street,one) one.point = one.point +1 my.point = my.point + 0.2 break end if next i MakeOneAgtSetAroundOwn(set,0,Universe.town.street,False) one = GetAgt(set,Int(Rnd()*CountAgtset(set))) my.now = one else my.point = my.point + 1 end if #体力が指定値を超えたら駅へ戻りはじめる elseif my.point < 4.1 then MakeOneAgtSetAroundOwn(set,3.5+ Rnd()*1-0.5,Universe.town.shop,False) MakeAgtSet(set2,Universe.town.street) PurifyAgtSet(set,my.shop) j = 0 SortAgtSet(set,"shop.street.Direction",True) For each one in set For each cus in Universe.street 89

9.資料編 if cus.ID == one.street.ID then shopercent = one.webpoint / 25 + 0.2 break else shopercent = one.webpoint / 25 end if next cus num = Int(one.street.Direction) stpercent = (20 - num) / 20*(20 - num) / 20 + one.street.point / Universe.point If shopercent + stpercent > Rnd() + Rnd()*Rnd() then one.street.point = one.street.point +1 one.point = one.point +1 AddAgt(St.direct,one) AddAgt(my.shop,one) AddAgt(my.street,one) j = j +1 end if next one if j == 0 then MakeOneAgtSetAroundOwn(set,3.5 + Rnd()*1-0.5,Universe.town.street,False) SortAgtSet(set,"street.Direction",True) For each one in set num = Int(one.Direction) For each cus in Universe.street if cus.ID == one.ID then stpercent = (20 - num) / 20*(20 - num) / 20 + one.point / Universe.point break else stpercent = (20 - num) / 20*(20 - num) / 20 end if next cus if stpercent > Rnd() *Rnd() then my.X = one.X my.Y = one.Y AddAgt(one.direct,one) AddAgt(my.street,one) one.point = one.point +1 my.point = my.point + 0.2 break end if next one MakeOneAgtSetAroundOwn(set,0,Universe.town.street,False) one = GetAgt(set,Int(Rnd()*CountAgtset(set))) my.now = one else 90

9.資料編 my.point = my.point + 1 end if #体力が指定値を超えたら、訪れた街路を順番で書き出し客は街を去る。 elseif my.point >= 4.1 then OpenFileCSV("output.txt",3,3) For each one in my.street WriteFileCSV(3,one.ID,False) next one CloseFileCSV(3) DelAgt(my) end if } #end_rule UNIVERSE.TOWN.CUSTOMER

//------------------------------------------------------// Agent Rule //------------------------------------------------------#begin_rule UNIVERSE.TOWN.SHOP Agt_Init{ } Agt_Step{ } #end_rule UNIVERSE.TOWN.SHOP

91

9.資料編 ■大宮通行量シミュレーション結果 街 路ID 通 行 量

70

18800

61

9300

19

3200

station 505400 72

18100

156

9200

53

3200

1

249600 110

18100

31

9100

50

2800

4

119100 147

17800

46

8600

23

2700

6

85500

112

17200

45

8300

153

2700

81

85400

85

17000

106

8300

58

2500

75

63500

86

17000

116

8200

52

2300

71

52900

84

16400

126

7900

15

2200

7

43400

146

16200

145

7900

42

2200

95

41600

87

16000

103

7800

60

2100

80

40700

141

15500

100

7500

128

2100

8

40400

109

15000

101

7500

130

2100

29

37400

90

14900

111

7400

18

2000

68

35200

108

14600

22

7200

21

1900

66

34400

24

14500

13

6900

129

1800

74

33200

96

14300

123

6600

43

1600

69

30700

36

14200

154

6500

44

1600

3

30000

78

13600

26

6400

59

1600

67

28400

93

13300

102

6300

48

1500

139

27700

98

13100

127

6300

49

1500

77

27500

65

12700

38

6200

17

1100

88

25900

140

12300

105

6100

47

1100

33

25400

25

12000

119

6100

131

1000

64

25400

148

12000

57

6000

132

700

34

25200

12

11800

20

5700

136

600

89

24600

55

11800

54

5600

137

500

79

24500

117

11800

125

5300

138

500

5

23600

121

11600

142

5200

133

300

157

23600

27

11300

16

5100

134

100

73

23300

56

11200

150

5000

135

100

2

23000

91

11100

115

4900

10

22400

120

10900

152

4900

63

22400

122

10700

51

4600

76

22300

118

10600

155

4400

82

22200

11

10400

40

4300

83

21600

144

9900

124

4200

37

21200

149

9900

62

4100

113

20100

35

9700

104

4100

92

19900

99

9700

39

4000

28

19200

114

9600

151

3900

9

19100

94

9500

14

3500

32

19100

97

9500

143

3400

30

18800

107

9400

41

3300 92

9.資料編 ■大宮施設Webpoint 街 路ID webpoint 0

1

106

1

108

1

68

1

122

1

7

1

112

1

61

1

7

1

126

1

121

1

7

1

29

1

144

1

7

1

71

1

95

1

0

1

30

1

3

1

7

1

0

1

120

1

0

1

121

1

144

1

7

1

61

1

108

1

7

1

126

1

68

1

7

1

8

1

155

1

7

1

116

1

61

1

36

1

29

1

0

1

63

1

29

1

0

1

0

1

29

1

24

1

127

1

37

1

75

1

0

1

28

1

64

1

63

1

0

1

93

1

0

1

139

1

77

1

29

1

63

1

88

1

139

1

108

1

92

1

29

1

89

1

83

1

0

1

69

1

85

1

29

1

29

1

29

2

34

1

39

1

7

2

37

1

0

1

63

2

63

1

112

1

65

2

95

1

55

1

139

2

0

1

8

1

7

2

117

1

3

1

7

3

8

1

0

1

0

3

63

1

46

1

0

5

40

1

0

1

140

1

0

1

29

1

0

1

142

1

139

1

69

1

34

1

31

1

139

1

29

1

0

1

0

1

64

1

0

1

112

1

68

1

11

1 93

9.資料編 ■大宮誘因ポテンシャル 街 路ID potential 42

-7296

85

6138

128

14126

0

-4722

43

5624

86

1644

129

4324

1

9106

44

2605

87

-3087

130

6877

2

1071

45

-2522

88

-4373

131

5836

3

-4871

46

-962

89

-3596

132

6905

4

-583

47

5655

90

3827

133

10229

5

-2095

48

342

91

52

134

10595

6

-182

49

4175

92

-1571

135

10087

7

-3317

50

5104

93

-6911

136

5132

8

-1344

51

4568

94

-2925

137

7366

9

1171

52

2884

95

-6779

138

8353

10

-795

53

3338

96

-5292

139

-185

11

413

54

1738

97

-659

140

-3240

12

5784

55

-4502

98

-4902

141

-4253

13

2619

56

-3346

99

-4050

142

4630

14

6368

57

-1267

100

-7757

143

3786

15

5558

58

-396

101

5181

144

4912

16

3857

59

-2550

102

-1848

145

5969

17

5114

60

-2528

103

-3804

146

8204

18

6619

61

-9735

104

-6095

147

-450

19

2884

62

-7683

105

-1819

148

208

20

1490

63

-3466

106

-1571

149

1447

21

4890

64

-8469

107

3720

150

1749

22

2950

65

-11541

108

1643

151

6288

23

4241

66

-12436

109

1359

152

-915

24

2195

67

-8802

110

-516

153

5026

25

-2131

68

-7866

111

-410

154

4307

26

-1718

69

-2854

112

6153

155

-2

27

-4173

70

-4638

113

-2307

156

-5137

28

-2949

71

-4841

114

5990

29

-6427

72

-6989

115

2172

30

-6598

73

-2624

116

8411

31

-4120

74

1032

117

9267

32

-9084

75

-8594

118

8008

33

-14309

76

1073

119

7107

34

-15956

77

3552

120

9938

35

-872

78

-1242

121

5131

36

-8564

79

2556

122

6149

37

-14617

80

2422

123

2793

38

-9028

81

1593

124

9132

39

-9485

82

3174

125

7108

40

-7315

83

6871

126

4418

41

-7383

84

5629

127

3822 94

9.資料編 ■釧路通行量シミュレーション結果 街 路ID 通 行 量

371

18300

44

12000

366

8900

88

7300

station 234300 75

18200

236

11700

393

8900

98

7300

3

40700

290

18200

356

11700

182

8800

202

7300

38

38900

1

18100

370

11500

322

8800

278

7300

18

36300

241

17800

245

11200

239

8700

323

7300

128

33700

79

17000

280

11200

358

8700

395

7300

45

33400

35

16900

231

11100

359

8700

80

7200

78

32500

208

16600

248

11100

402

8600

296

7200

189

32300

130

15400

376

11100

93

8500

332

7200

36

32200

251

15400

258

11000

350

8400

399

7200

126

32000

281

15300

373

11000

87

8300

77

7100

286

31900

13

14900

374

10900

403

8300

330

7100

246

29700

372

14800

123

10800

365

8200

333

7000

76

29500

287

14700

131

10700

379

8200

250

6900

230

29300

378

14600

16

10400

394

8200

6

6800

54

28300

122

14500

249

10400

20

8100

25

6800

11

28100

292

14300

391

10400

23

8000

392

6800

196

27500

344

14200

279

10300

56

8000

124

6700

238

26700

53

14000

336

10300

295

8000

114

6600

285

26300

354

13800

377

10300

339

8000

121

6600

37

25600

284

13700

381

10000

24

7900

242

6600

15

25400

353

13600

73

9900

257

7900

297

6600

244

25300

203

13500

82

9900

334

7900

340

6600

4

24800

288

13300

343

9900

383

7900

384

6600

74

23600

39

13200

369

9900

69

7800

398

6500

282

23300

92

13100

184

9800

338

7800

68

6400

195

23200

247

13100

331

9800

300

7700

115

6400

201

22700

375

13100

72

9700

361

7700

390

6400

291

21100

351

12900

86

9700

382

7700

118

6300

34

20900

19

12800

283

9700

243

7600

259

6300

214

20900

294

12800

335

9700

260

7600

299

6300

17

19900

198

12700

5

9600

360

7600

404

6300

52

19800

289

12700

240

9600

91

7500

136

6200

346

19300

22

12600

188

9500

298

7500

303

6200

14

19100

83

12600

348

9500

368

7500

407

6200

46

19000

355

12600

400

9500

380

7500

40

6100

50

18800

237

12500

337

9400

21

7400

104

6000

12

18600

341

12500

401

9400

49

7400

205

6000

293

18600

357

12500

2

9200

71

7400

275

6000

345

18500

327

12400

81

9000

85

7400

116

5900

51

18400

95

12200

185

9000

127

7400

233

5900

129

18300

186

12200

84

8900

194

7400

389

5900

347

18300

352

12200

229

8900

55

7300

386

5800

95

9.資料編 ■釧路通行量シミュレーション結果 70

5700

364

4700

224

3600

105

2600

155

1500

125

5700

133

4600

306

3600

164

2600

319

1500

180

5700

193

4600

388

3600

172

2600

110

1400

204

5700

349

4600

147

3500

174

2600

267

1400

397

5700

183

4500

167

3500

265

2600

141

1300

234

5600

207

4500

181

3500

266

2600

175

1300

328

5600

255

4500

232

3500

272

2600

387

1300

90

5500

326

4500

276

3500

304

2600

62

1100

117

5500

119

4400

31

3400

113

2500

106

1100

120

5500

165

4400

32

3400

170

2500

142

1100

302

5500

273

4400

263

3400

274

2500

148

1100

218

5400

363

4400

309

3400

65

2400

111

1000

256

5400

67

4300

315

3400

146

2400

144

1000

57

5300

135

4300

96

3300

99

2300

149

1000

138

5300

199

4300

28

3200

177

2300

159

1000

253

5300

262

4300

179

3200

223

2300

190

1000

277

5300

405

4300

316

3200

314

2300

313

1000

329

5300

26

4200

396

3200

157

2200

325

1000

367

5300

139

4200

61

3100

163

2200

9

900

58

5200

191

4200

100

3100

312

2200

153

900

89

5200

192

4200

168

3100

320

2200

154

900

132

5200

66

4100

178

3100

8

2100

156

900

213

5200

169

4100

29

3000

47

2100

10

500

227

5200

206

4100

217

3000

107

2100

410

409

261

5200

226

4100

48

2900

171

2100

150

400

33

5100

108

4000

140

2900

268

2100

134

5100

143

4000

151

2900

311

2100

137

5100

220

4000

166

2900

97

2000

200

5100

228

4000

187

2900

318

2000

235

5100

270

4000

254

2900

30

1900

269

5100

60

3900

27

2800

103

1900

362

5100

212

3900

63

2800

145

1900

42

5000

264

3900

102

2800

158

1900

94

4900

305

3900

173

2800

160

1900

225

4900

7

3800

101

2700

176

1900

342

4900

219

3800

161

2700

210

1900

41

4800

308

3800

162

2700

64

1800

43

4800

321

3800

216

2700

109

1800

252

4800

406

3800

221

2700

215

1800

197

4700

324

3700

271

2700

112

1700

301

4700

385

3700

310

2700

152

1700

307

4700

408

3700

409

2700

222

1700

317

4700

209

3600

59

2600

211

1600

96

9.資料編 ■釧路施設Webpoint 街 路ID webpoint 393

1

402

1

352

1

214

2

221

1

369

1

371

1

18

1

283

2

198

1

378

1

402

1

169

1

370

2

38

1

372

1

408

1

251

1

389

2

36

1

196

1

378

1

56

1

294

2

214

1

67

1

368

1

45

1

358

2

214

1

74

1

341

1

83

1

288

2

214

1

286

1

341

1

189

1

280

2

214

1

404

1

74

1

345

1

390

2

214

1

280

1

0

1

344

1

368

2

210

1

393

1

0

1

347

1

16

2

108

1

287

1

348

1

54

1

357

2

219

1

238

1

378

1

18

1

287

2

44

1

407

1

407

1

76

1

369

2

45

1

378

1

125

1

260

1

384

2

45

1

374

1

327

1

354

1

45

2

54

1

378

1

333

1

357

1

378

2

106

1

287

1

393

1

171

1

392

2

54

1

378

1

393

1

46

1

371

2

45

1

378

1

288

1

292

1

391

2

237

1

378

1

287

1

352

1

288

2

236

1

378

1

357

1

347

1

398

2

236

1

372

1

408

1

369

1

397

2

236

1

391

1

277

1

236

1

374

2

236

1

288

1

399

1

347

1

327

2

36

1

373

1

391

1

38

1

327

2

45

1

365

1

377

1

341

1

327

2

45

1

407

1

389

1

354

1

341

2

236

1

404

1

393

1

347

1

238

2

54

1

355

1

393

1

189

1

390

2

114

1

275

1

17

1

347

1

293

2

114

1

327

1

193

1

353

1

347

2

308

1

378

1

243

1

354

1

126

2

308

1

357

1

38

1

353

1

256

2

50

1

287

1

292

1

46

1

351

2

402

1

378

1

288

1

247

1

188

2

341

1

372

1

249

1

347

1

214

2

238

1

393

1

344

1

347

1

346

2

323

1

371

1

293

1

129

1

346

2

323

1

275

1

345

1

129

1

351

2

323

1

378

1

351

1

286

1

129

2

323

1

371

1

347

1

346

1

248

2

372

1

372

1

352

1

347

1

288

2

97

9.資料編 ■釧路施設Webpoint 355

2

344

3

287

6

201

2

347

3

294

6

292

2

18

3

386

6

354

2

126

3

185

6

359

2

189

3

341

6

38

2

185

3

54

6

287

2

45

3

45

6

139

2

45

3

51

6

214

2

45

3

345

7

38

2

50

3

58

7

38

2

51

3

23

7

38

2

45

3

375

8

38

2

45

3

280

8

38

2

38

3

312

8

38

2

286

4

51

8

38

2

294

4

199

8

354

3

275

4

376

9

281

3

173

4

288

10

286

3

288

4

327

10

359

3

288

4

327

10

287

3

379

4

137

11

369

3

385

4

18

12

391

3

403

4

128

12

367

3

285

4

365

13

380

3

286

4

269

14

372

3

391

4

345

14

318

3

403

4

357

18

389

3

369

4

330

18

195

3

335

4

205

18

351

3

45

4

287

25

341

3

51

4

341

25

391

3

3

4

286

3

45

4

288

3

45

4

287

3

374

5

371

3

370

5

397

3

374

5

286

3

341

5

38

3

45

5

76

3

371

5

129

3

38

5

406

3

45

5

248

3

38

5 98

9.資料編 ■釧路誘因ポテンシャル 街 路ID potential 42

-3678

85

-3757

128

22543

171

-3479

0

156200 43

-4963

86

-1457

129

5283

172

-2979

1

-20950

44

843

87

-1463

130

4243

173

-2407

2

-16833

45

20383

88

-3857

131

-457

174

-2979

3

1650

46

3380

89

-4563

132

-5957

175

-3907

4

-1233

47

-6578

90

-4263

133

-5163

176

-3307

5

-9925

48

-5778

91

-3657

134

-4663

177

-2907

6

-8820

49

-2363

92

1943

135

-4378

178

-2479

7

-9217

50

5783

93

-2657

136

-3563

179

-2379

8

-9057

51

5383

94

-4863

137

-4663

180

-308

9

-8863

52

4180

95

1043

138

-3378

181

-2508

10

-8178

53

-1620

96

-6463

139

-4478

182

2292

11

-10950

54

8775

97

-6678

140

-5778

183

-2008

12

-7433

55

-8320

98

-2463

141

-6510

184

2700

13

-4625

56

-7620

99

-6378

142

-6710

185

1190

14

-6933

57

-7717

100

-5578

143

-4678

186

4390

15

-633

58

-5957

101

-5110

144

-6810

187

-4200

16

-9125

59

-8557

102

-5878

145

-5910

188

822

17

375

60

-7257

103

-5910

146

-5410

189

23622

18

16775

61

-6663

104

-3763

147

-5178

190

-6100

19

-6725

62

-7578

105

-6078

148

-6710

191

-3610

20

-7520

63

-6963

106

-6710

149

-6100

192

-3610

21

-5617

64

-6878

107

-5000

150

-6700

193

-4078

22

-3020

65

-7363

108

-3100

151

-4200

194

-1278

23

-3157

66

-5663

109

-6010

152

-4808

195

13438

24

-3257

67

-6857

110

-5108

153

-5108

196

17738

25

-2963

68

-4757

111

-6100

154

-5108

197

-3978

26

-5563

69

-5217

112

-6110

155

-4508

198

2938

27

-5878

70

-5457

113

-6178

156

-4679

199

-4378

28

-4610

71

-5617

114

-2078

157

-3379

200

-3578

29

-4100

72

-5920

115

-3363

158

-4108

201

14022

30

-5200

73

-3117

116

-2778

159

-4579

202

-510

31

-4410

74

7980

117

-4263

160

-3679

203

4822

32

-4410

75

2580

118

-4857

161

-3308

204

-2110

33

-4663

76

13880

119

-4278

162

-3308

205

-1810

34

9743

77

-5917

120

-4263

163

-4308

206

-3710

35

3883

78

16880

121

-4557

164

-3908

207

-3310

36

12675

79

1380

122

1483

165

-2700

208

7922

37

9980

80

-5817

123

-357

166

-3108

209

-4210

38

25883

81

-4017

124

-3063

167

-3008

210

-4608

39

2043

82

-3117

125

-4063

168

-2908

211

-4408

40

-3663

83

-417

126

18983

169

-1908

212

-2608

41

-3878

84

-4117

127

-3757

170

-3508

213

-1900

99

9.資料編 ■釧路誘因ポテンシャル 214

13090

257

1892

300

1192

343

4693

386

1689

215

-4208

258

4992

301

-879

344

8621

387

-5800

216

-3308

259

721

302

-508

345

12492

388

-305

217

-3508

260

2021

303

-308

346

13292

389

1789

218

-1700

261

-7

304

-3408

347

12721

390

2495

219

-2708

262

-1279

305

-2608

348

4293

391

6289

220

-2008

263

-1807

306

-2408

349

-281

392

2689

221

-2879

264

-1307

307

-1308

350

3519

393

4995

222

-3879

265

-2607

308

-1779

351

7693

394

3861

223

-3279

266

-2281

309

-2608

352

6993

395

3189

224

-1979

267

-3481

310

-2879

353

8021

396

-519

225

-1108

268

-2494

311

-3479

354

8221

397

1795

226

-1908

269

219

312

-3007

355

7393

398

2389

227

-1308

270

-881

313

-4207

356

6493

399

2861

228

-2508

271

-1894

314

-2907

357

7619

400

4906

229

1800

272

-1994

315

-2179

358

3819

401

4806

230

21490

273

-481

316

-2379

359

4106

402

4261

231

4000

274

-2094

317

-879

360

3006

403

3706

232

-3600

275

1119

318

-3207

361

3361

404

1961

233

-1200

276

-1094

319

-3381

362

761

405

-39

234

-908

277

706

320

-2681

363

-194

406

-311

235

-1408

278

2419

321

-1779

364

361

407

2089

236

4600

279

5093

322

2792

365

3861

408

-205

237

4690

280

6319

323

1721

366

4306

409

-1019

238

18890

281

10093

324

-1507

367

1189

239

1600

282

17721

325

-3881

368

3161

240

2500

283

4819

326

-707

369

5306

241

10700

284

8493

327

6821

370

6619

242

92

285

20721

328

393

371

13093

243

1092

286

25892

329

93

372

9919

244

17490

287

9493

330

2219

373

6119

245

4100

288

7721

331

4593

374

6306

246

22600

289

6692

332

1621

375

8219

247

6000

290

11692

333

1421

376

6506

248

4592

291

14592

334

2693

377

5419

249

3892

292

8292

335

4121

378

10006

250

892

293

12092

336

4721

379

3861

251

8892

294

6292

337

4193

380

3389

252

-1208

295

1992

338

2919

381

5406

253

-708

296

1192

339

2793

382

3361

254

-2679

297

592

340

1719

383

3306

255

-1079

298

1921

341

7293

384

2261

256

-179

299

292

342

19

385

-411

100

9.資料編 ■浦和通行量シミュレーション結果 街 路ID 通 行 量

189

55000

87

29250

141

15750

146

4500

station 435000 80

54500

59

28750

137

15250

170

4500

20

340500 180

54250

61

28750

96

15000

94

4000

11

249750 35

54000

8

27500

95

14750

127

4000

191

207500 5

53250

46

27000

158

14750

148

3750

1

205500 82

52250

63

26500

58

14000

93

3500

13

193500 9

52000

190

26500

92

13750

120

3500

22

172250 32

51500

97

26250

159

13750

126

3500

16

140500 45

51250

79

25750

111

12500

128

3500

169

133250 50

48750

192

25750

138

12500

130

3250

15

111250 54

48750

42

25500

174

12500

151

3250

24

101250 83

48750

188

25500

143

11750

150

3000

3

100750 6

48500

55

25250

182

11500

124

2750

90

98250

17

48000

183

25250

114

11250

76

2500

23

97500

172

48000

134

24750

185

11250

123

2500

10

94000

176

47750

48

24250

160

11000

122

1750

19

93750

38

46750

118

24250

116

10750

121

1500

21

92500

67

46750

56

24000

132

9500

147

1500

26

86250

179

46000

193

24000

184

9250

153

1500

14

81000

40

45500

60

23500

99

8750

113

1000

36

80500

25

45250

109

23250

157

8750

154

1000

68

77250

187

45250

69

22750

131

8500

155

1000

33

75500

71

44250

102

22500

140

8500

125

750

81

71000

53

43250

106

22500

78

8250

156

0

12

70000

173

43000

52

22250

100

8250

34

69750

43

41750

108

22250

145

8250

18

68000

66

41750

103

21250

47

7750

65

68000

88

41500

142

21250

167

7500

44

67250

41

40000

77

21000

101

7250

28

64250

135

40000

39

20250

115

7250

29

64000

171

39250

186

19750

144

7000

31

62750

51

36750

98

19250

166

7000

175

62250

107

36000

49

18750

129

6750

73

61750

194

36000

75

18750

139

6500

27

60750

89

35750

85

18750

161

6500

30

59750

178

35500

136

18750

162

6250

7

58750

62

34750

105

18500

117

6000

2

58000

70

34500

110

17500

149

5750

64

57750

119

33000

133

17250

163

5500

4

57500

91

32750

168

16750

164

5250

37

57000

57

30750

86

16500

165

5250

177

56500

72

30500

104

16000

152

5000

74

56250

181

30000

84

15750

112

4750

101

9.資料編 ■浦和施設Webpoint 街 路ID webpoint 46

1

48

1

22

2

65

3

20

1

42

1

42

1

54

2

22

3

20

1

32

1

43

1

90

2

30

3

20

1

44

1

34

1

60

2

20

3

20

1

43

1

34

1

157

2

20

3

20

1

168

1

34

1

135

2

20

3

20

1

163

1

50

1

132

2

17

3

20

1

163

1

20

2

123

2

26

3

20

1

163

1

20

2

46

2

6

3

20

1

163

1

20

2

32

2

132

3

20

1

22

1

20

2

34

2

64

3

20

1

22

1

20

2

32

2

97

3

20

1

22

1

20

2

158

2

40

3

20

1

22

1

20

2

22

2

18

3

20

1

22

1

20

2

22

2

71

3

20

1

22

1

20

2

22

2

77

3

20

1

22

1

20

2

22

2

82

3

20

1

22

1

20

2

22

2

5

3

36

1

22

1

20

2

171

2

173

3

88

1

22

1

20

2

22

2

158

3

82

1

22

1

20

2

22

2

64

3

171

1

22

1

20

2

22

2

33

3

65

1

22

1

20

2

89

2

22

3

113

1

22

1

20

2

115

2

60

3

22

1

22

1

20

2

59

2

71

3

22

1

22

1

20

2

158

2

71

3

22

1

22

1

20

2

158

2

64

3

31

1

82

1

22

2

65

2

42

3

54

1

109

1

20

2

42

2

20

4

97

1

144

1

34

2

42

2

20

4

91

1

119

1

36

2

34

2

20

4

82

1

73

1

20

2

50

2

65

4

82

1

61

1

22

2

50

2

20

4

81

1

61

1

5

2

50

2

20

4

81

1

173

1

77

2

20

3

71

4

89

1

173

1

64

2

20

3

22

4

77

1

69

1

34

2

20

3

61

4

138

1

65

1

60

2

20

3

178

4

64

1

173

1

90

2

20

3

109

4

66

1

171

1

49

2

20

3

68

4

173

1

171

1

36

2

20

3

77

4

132

1

171

1

65

2

20

3

98

4

46

1

166

1

22

2

20

3

98

4

102

9.資料編 ■浦和施設Webpoint 4

4

53

5

station 7

157

12

144

4

22

5

17

7

43

12

36

4

22

5

130

7

163

12

52

4

83

5

46

7

36

13

49

4

132

5

161

7

96

13

119

4

42

5

20

8

143

13

22

4

163

5

97

8

174

13

82

4

22

5

158

8

42

14

64

4

134

5

22

8

81

14

31

4

168

5

171

8

77

14

31

4

50

5

4

8

107

15

135

4

34

6

22

8

135

15

118

4

53

6

53

8

65

15

68

4

36

6

96

8

98

16

43

4

110

6

71

8

178

16

38

4

22

6

15

8

16

16

158

4

71

6

34

8

4

17

22

4

97

6

41

8

171

18

22

4

53

6

4

8

119

20

22

4

82

6

20

9

95

20

4

4

32

6

71

9

45

21

43

4

44

6

36

9

4

23

33

4

46

6

159

9

34

26

178

4

22

6

15

9

20

27

34

4

68

6

88

9

53

36

20

5

64

6

159

9

22

53

20

5

107

6

25

10

142

60

20

5

65

6

69

10

119

90

97

5

34

6

178

10

22

100

49

5

42

6

22

10

20

147

95

5

32

6

77

10

34

5

163

6

49

10

22

5

22

6

142

10

59

5

109

6

50

10

74

5

142

6

90

11

64

5

46

6

90

11

119

5

38

7

140

11

133

5

22

7

44

11

82

5

32

7

43

11

97

5

74

7

22

12

33

5

131

7

40

12

18

5

70

7

60

12

44

5

110

7

6

12 103

9.資料編 ■浦和誘因ポテンシャル 街 路ID potential 42

7454

85

9534

128

4902

171

-1246

0

3343

43

5836

86

7707

129

2222

172

4756

1

5484

44

4787

87

15552

130

-4159

173

-11940

2

4970

45

9904

88

11011

131

-3255

174

-5591

3

5007

46

4214

89

6751

132

463

175

2083

4

5011

47

4576

90

9444

133

384

176

-3318

5

8864

48

7461

91

17700

134

-10064

177

-1928

6

-6886

49

7769

92

4324

135

-10918

178

1722

7

-10188

50

6703

93

7765

136

-17588

179

6093

8

-10130

51

6823

94

4923

137

-12754

180

3667

9

3249

52

2890

95

8425

138

-7358

181

-3448

10

13750

53

2540

96

5679

139

-7853

182

-1194

11

-466

54

-2493

97

9597

140

-2311

183

3673

12

-2522

55

569

98

3882

141

-5896

184

2445

13

9744

56

-528

99

1584

142

-9112

185

9156

14

23763

57

-7652

100

-690

143

-4612

186

-15835

15

-1324

58

-3565

101

-4362

144

1681

187

-12963

16

7089

59

-2918

102

15024

145

-1348

188

-13625

17

2815

60

-1160

103

6071

146

-3197

189

-11221

18

6085

61

-4324

104

6554

147

-3440

190

844

19

18923

62

-14897

105

10794

148

-596

191

500

20

11483

63

-8591

106

5759

149

-1559

192

-12828

21

14743

64

-8606

107

2104

150

3485

193

-11306

22

799

65

-10230

108

-4904

151

-1255

194

-3891

23

602

66

-2273

109

-2733

152

530

24

4102

67

-3314

110

-12419

153

2986

25

-6633

68

-9748

111

-8456

154

-1681

26

-5349

69

-15585

112

-6508

155

-2167

27

-7326

70

-9834

113

-12500

156

295

28

-6636

71

-15457

114

-15397

157

5700

29

-5184

72

-4444

115

-10888

158

431

30

4710

73

-9182

116

-10058

159

1038

31

687

74

-10887

117

-12090

160

863

32

4435

75

-12063

118

-11515

161

2810

33

6304

76

-10180

119

-8576

162

2337

34

8997

77

-5686

120

-9103

163

851

35

6733

78

-4319

121

-6481

164

4821

36

11017

79

-5012

122

-5920

165

4080

37

11257

80

471

123

7220

166

4394

38

7633

81

5267

124

-425

167

6140

39

8051

82

6502

125

-2373

168

2800

40

4865

83

9925

126

2774

169

11944

41

4107

84

6266

127

52

170

3546

104

9.資料編 ■各街のWebサイトリサーチ 街の名前

解析サイト数

URL数

pass数

cluster

立川

10000

22465

68514

0.00027

秋葉原

10000

39210

137747

0.00018

原宿

10000

51328

82230

0.000006

渋谷

10000

12364

24056

0.00031

新宿

5000

14654

22764

0.00021

吉祥寺

5000

14534

21972

0.00021

六本木

5000

10107

20208

0.00039

品川

5000

14225

28613

0.00028

秩父

5000

3520

8277

0.00133

log(node数出現率)

近似直線傾き＝1.8

log(node数)

105