VI. 空間解析
道路や鉄道など,線オブジェクトの集合は GIS ではネットワークデータと呼ばれることが多い.
VI-5 線分布(ネットワークデータ)を分析する方法
VI. 空間解析
ネットワークデータの分析に良く用いられる手法は,ネットワークを「グラフ」と見なし,その接続状態を分析する方法である.このような手法はグラフ論的手法( graph-theoretic approach )と呼ばれることもある.
VI. 空間解析
ネットワークをグラフと見なすとは?
ネットワークにおける,個々の線の接続状態だけに着目し,線の長さや向き,線に付随する属性などの情報を全て捨て去ること.
Three equivalent graphs representing a metro network
VI. 空間解析
1) 連結グラフ:
グラフ中の全てのノードがリンクによって結合されているグラフ
2) 非連結グラフ:
グラフ中の全てのノードがリンクによって結合されていないグラフ
VI-5.1 グラフ論において用いられる用語
connected graph disconnected graph
VI. 空間解析
3) 結合成分:
非連結グラフにおいて,結合していない個々の部分
VI. 空間解析
4) 平面グラフ:
平面上でノード以外の交点を持たないグラフ
5) 非平面グラフ:
平面上でノード以外の交点を持たないグラフ c
planar graph non-planar graph
VI. 空間解析
6) 完全グラフ:
全てのノード対を結ぶリンクから成るグラフ
7) ツリーグラフ:
巡回路(サイクル)を持たないグラフ
complete graph tree graph
VI. 空間解析
8) 位相距離:
グラフにおいて,各リンクの長さを 1 と考えた場合における, 2 つのノードを結ぶ最短距離
VI. 空間解析
なお,一般的にグラフ論では,ループ(起終点が同一のリンク)や重複リンク(起点と終点がそれぞれ同一のリンク群)を許す.しかし,以下では説明を簡単にするため,これらはいずれも存在しないものと仮定しておく.
VI. 空間解析
いま,ノード数 n ,リンク数 l ,結合成分数 pというグラフがあるものとする.
このグラフの様子を簡潔に表すための指標を考える.
VI. 空間解析
ネットワークをグラフとしてみるとき,全体の結合の強さ(密度)はしばしば興味の一つとなる.道路で言えば,十分な道路網があるのか,という問題である.
VI-5.2 結合度( connectivity )指標
VI. 空間解析
結合度指標とは,基本的に,ノードとリンクの比を見る指標,すなわち,ノードと比べてリンクが十分に多いかどうかを示す.
VI. 空間解析
1) 指標
= l - n + p
結合度が高い(リンクが多い)ほど,値が大きい.
平面グラフでは,リンクの数は最大で 3n-6である.従って,
≦ ≦ n - 5
VI. 空間解析
2) 指標
指標は,指標を最大値 n - 5 で割って基準化し,変域を 0 ~ 1 となるように基準化したもの.平面グラフにおいては,
≦ ≦
= l - n + pn - 5
VI. 空間解析
3) 指標
結合度が高い(リンクが多い)ほど,値が大きい.
平面グラフでは, ≦ ≦ -
= l n
6 n
VI. 空間解析
4) 指標
=
指標は,指標を基準化したもの.平面グラフにおいては,
≦ ≦
- 6 n
= l
n - 6
0.00
0.00
0.80
0.44
0.00
0.00
0.80
0.44
3.00
0.60
1.40
0.78
5.00
1.00
1.80
1.00
VI. 空間解析
以上, 4 つの結合度指標は,いずれもノードとリンク,結合成分の数だけに注目し,ネットワーク全体の結合の強さを表したものである.
この方法ではしかし,グラフの詳細な連結状態が考えられていないため,相互に区別できないグラフが生ずることになる.例えば,ツリーグラフは全て同一の指標を持つ.
VI. 空間解析
結合度指標・・・ネットワーク全体の様子を表す
近接度指標・・・各ノードの様子を表す
近接度指標は,各ノードのネットワーク中における「便利さ」を示すと考えて良い.
VI-5.3 近接度( accessibility )指標
VI. 空間解析
1) ケケケケケ指数
各ノードから最遠点までの距離
ケーニッヒ指数の小さなノードは,他のノードに対して近接性が高く,ネットワークの中心にあると考えて良い.
ケーニッヒ指数
4 3
4
4
4
3
4
32
VI. 空間解析
(参考) ケケ
単一グラフにおける全ケーニッヒ指数の最大値
グラフの歪み(扁平度)を表す
VI. 空間解析
2) ケケケケ指数(近接指数)
各ノードから全てのノードまでの距離の和
ケーニッヒ指数と同様,ノードの近接性や中心性を表す.
シンベル指数
25 18
18
18
17
12
20
1313
VI. 空間解析
以上挙げた 2 種類の指標群は,いずれもネットワークの接続状態だけに注目し,ノードやリンクの属性を全く考慮していない.しかし例えば,道路網の評価を行う際には,道路の容量や混雑度なども考慮に入れる必要がある.このような,ノードやリンクの属性を考慮する指標も多数提案されているが,ここでは時間の都合上,割愛する.
VI. 空間解析
VI-5.4 ネットワーク分析の応用 - 都市の発展過程
VI. 空間解析
連続分布とは...
2 次元平面上の一点を与えたときに,そこにおける数値が一つ定まるデータ
スカラー場
例:標高や地価, CO2 分布
VI-6 連続分布(サーフェス)を分析する方法
VI. 空間解析
但し,連続分布を GIS で表現する場合には,サンプル点のデータに基づく補間を用いるか,あるいは,空間集計単位による集計を用いることになり,表現形式上,データは 2 種類に分類される.
VI. 空間解析
サーフェス( surface ):
サンプル点におけるデータに基づいた補間によって構成される連続分布
例:標高値や地価,気温など
VI. 空間解析
面データ( areal data, area data ):
空間集計単位ごとにデータを集計して構成される連続分布
例:町丁目ごとの人口密度,街区ごとの建蔽率など
VI. 空間解析
サーフェスと面データの違い
サーフェス: 滑らかな関数
自然地理発祥
面データ:階段状の関数
人文地理発祥
VI. 空間解析
「密度」という,空間のある領域を定めない限り得られない値は面データにしか現れない.
但し,これらはそれほど本質的な差異ではない.従って,ほとんどの分析手法はいずれにも適用可能である.
VI. 空間解析
サーフェスを簡単な多項式で近似し,その特性を見る方法.
例: z=a+bx+cxy+dy+ex2+fx2y+gx2y2+hxy2+iy2
式の当てはめは,通常は最小二乗法を用いる.
VI-6.1 傾向面分析
VI. 空間解析
傾向面分析の問題点
サーフェスが,簡単な多項式で表されるほどに単純であれば有効であるが,そうでなければ結果の解釈が難しい
VI. 空間解析
分析領域 R
サーフェス関数 f(x)
VI-6.2 バリオグラム( variogram )
VI. 空間解析
バリオグラム関数 (x)
xt
xttx
x txt
x txt
dd 2
dd
,
,
2
R hR
R hRff
h
この関数は,分析領域 R において,距離が hだけ離れた 2 点間での,サーフェス関数 f(x) の値の差の二乗の平均値である.つまり,空間的にどのくらい距離が離れると,関数の値がどのくらい異なるのかを表現したと考えればよい.
nickel concentrations in north Vancouver Island
0.00.20.40.00.8
1.0
0.0 1.0 2.0
(x)
VI. 空間解析
サーフェスデータの全体的な構造を表す,全く別の方法として位相法がある.これは,頂点や底,尾根,谷など,サーフェスの局所的な位相特性に着目し,それらの相互関係を記述するものである.
VI-6.3 位相法
peak (頂点) bottom (底)
col (鞍点) slope (斜面)
VI. 空間解析
これら 4 つの特性点と,それらを繋ぐ尾根線を全てサーフェス上に描く.そして,それらの接続状態を前述のネットワーク分析法によって分析する.