都市構造シミュレーションv2.0

検証や実証に用いた方法・データ・技術・機材

今回の実証実験では、2022年度の「都市構造シミュレーション」において構築した都市構造シミュレーターをGUI上で扱えるようにするアプリケーションを開発した。本アプリケーションは、3D都市モデルを都市構造シミュレーターのインプットデータに変換するための「①建築物データ作成機能」、施設データ、交通データ、人口データ等を読み込み、都市構造シミュレーターのインプットデータに変換するための「②インプットデータ生成機能」、分析したい都市施策や交通施策をGUI上で設定できる「③シナリオ設定UI機能」、都市構造シミュレーターを実行する「④都市構造シミュレーション機能」、都市構造シミュレーターの出力結果を3Dで可視化をする「⑤3D可視化機能」の5つの機能を実装している。

「①建築物データ作成機能」では、シミュレーションのインプットデータである建築物データを、3D都市モデル等をもとに生成することができる。この機能は、シミュレーションに必要な都市計画情報、土地利用、前面道路幅員、駅までの距離を属性として建築物モデル（LOD1）に付与する処理、用途、地上階数、延べ床面積、築年数等の建築物の欠損情報を補完する処理、建築物の立地していない空地に対して、シミュレーション上で建設され得る建築物のFootPrintを追加生成する処理、の3つで構成される。
1つ目の処理は、建築物モデル（LOD1）に対して、都市計画情報モデル、土地利用モデルの属性情報を付与するものである。2つ目の処理は、建築物の用途、地上階数、延べ床面積、築年数等の欠損情報について、3D都市モデルの欠損値以外のデータを用いて確率的に補完するものである。具体的には、土地利用モデルに基づいて用途を付与し、建築物の高さ情報・形状に基づいて地上階数、延床面積を算出し、周辺の建築物の築年数をもとに築年数を推定している。 3つ目の処理は、建築物の立地していない空地に対して、シミュレーション上で建設され得る建築物のFootPrintを追加生成するものであり、空地に対して一定の大きさのFootPrintを等間隔に生成、あるいは空地に対して内側にバッファをとってFootPrintを生成する処理を行う。

この機能を実行する際に準備が必要なデータとしては、GeoDataBase形式の建築物モデル（LOD1）、都市計画情報モデル、土地利用モデル、shp形式の道路ネットワークデータ、csv形式の鉄道駅ポイントデータがある。建築物モデル（LOD1）、都市計画情報モデル、土地利用モデルは、「ArcGIS Data Interoperability for Pro」を用いて3D都市モデル（CityGML）をGeoDataBase形式に変換したものを準備する。道路ネットワークデータは、DRM（デジタル道路地図）データを用いるか、OpenStreetMapの道路ネットワークをもとに準備する。鉄道駅ポイントデータは、Google Maps等を用いて駅名称と座標のCSVファイルを準備する。

「②インプットデータ生成機能」では、シミュレーションのインプットデータであるゾーンデータ、ゾーン間所要時間データ、個人データを、オープンデータを用いて生成することができる。この機能は、ゾーンごとの施設数等を算出する処理、交通手段別のゾーン間所要時間を算出する処理、性別・年齢・世帯類型等の属性が付与された個人データを作成する処理、の3つで構成される。これらはいずれも、Pythonで開発したのち、Pyinstallerを用いてexe形式の実行ファイルとして作成されており、本アプリケーションではArcGISのカスタムツールによって実行する。そのためユーザーは、GUI上でこれらの機能を実行することができる。
1つ目の処理は、施設のポイントデータとゾーンポリゴンデータをインプットに、GeoPandasを用いてゾーン内の施設数をカウントするものである。2つ目の処理は、道路・鉄道・バスのネットワークデータをインプットに、最短経路探索により交通手段毎の所要時間を算出するものである。3つの目の処理は、インプットしたメッシュ別性年齢別の人口データをもとに、確率モデル（ベイジアンネットワーク）を用いて家族類型等の属性を付与した個人データを生成するものである。
この機能を実行する際に準備が必要なデータとしては、ゾーンポリゴンデータ（shp形式）、ゾーンごとの人口データ（csv形式）、図書館や病院等の施設ポイントデータ（csv形式）、道路・鉄道・バスのネットワークデータ（csv形式・shp形式）等がある。ゾーンポリゴンデータは国勢調査小地域ポリゴンデータをダウンロードして用いることができる。ゾーンごとの人口データは、国勢調査のメッシュ別人口データを用いることができる。施設ポイントデータは、国土数値情報から図書館や病院等のポイントデータ（shp形式）をダウンロードし、QGIS等を用いてcsv形式へ変換して準備することができる。道路ネットワークデータは、DRM（デジタル道路地図）データを用いるか、OpenStreetMapの道路ネットワークをもとに準備する。鉄道のネットワークデータは、鉄道事業者のウェブサイト等の時刻表情報を元に作成する。バスのネットワークデータは、GTFS（General Transit Feed Specification）等をダウンロードして用いることができる。

「③シナリオ設定UI機能」では、シミュレーションを実行する際の施策の設定をGUI上で設定することができる。ユーザーが3D地図上からゾーンを複数選択し施策を設定、実行すると、「②インプットデータ生成機能」で作成したゾーンデータ（csv形式）、ゾーン間所要時間データ（csv形式）等をシナリオ用のフォルダに複製し、施策の設定値に応じてシミュレーションのインプットデータを書き換える。この機能は、ArcGISのカスタムツールで実装している。設定可能な施策は、代表的な都市施策・交通施策である「公共施設数等の施設数の変更」、「都市機能誘導等のための税制優遇・容積率の緩和・用途地域の変更」、「居住誘導のための税制優遇・補助の有無や程度」、「所要時間の短縮を実現する公共交通の拡充度合い」等である。

「④都市構造シミュレーション機能」では、前述の①②③の機能を実行して作成されたデータをインプットに都市構造シミュレーションを実行し、将来時点の個別建築物の建替え、ゾーン別の地価、個人の居住地のデータをcsv形式で出力することができる。シミュレーションは、将来の建築物一つ一つの除却・建設・用途を推計する「建替・用途選択モデル」、将来のゾーン単位の地価を推計する「地価モデル」、将来の個人の居住地をゾーン単位で推計する「居住地選択モデル」の３つのサブモデルにより構成されている。各サブモデルのインプット及びアウトプットはpandas.DataFrame形式で保持され、あるサブモデルのアウトプットは別のサブモデルのインプットとして利用される仕組みになっている。これによって建築物の建て替え、地価、人口分布の相互作用を考慮している。2022年度に開発した「都市構造シミュレーター」をベースに開発しており、その際、都市ごとに規模が異なる人口や地価等を調整する処理の追加や、３つのサブモデルのインプットデータの精査により、汎化性能と推計精度の向上を図った。さらに、転入・転出や隣接する土地の統合を加味できるよう改良した。

これにより、例えば「③シナリオ設定UI機能」で、ターミナル駅の周辺のゾーンを地図上で３つ選択し、これらのゾーンの容積率を800%にする、といったシナリオを設定すると、シミュレーションのインプットデータのうち容積率の情報を保持しているゾーンデータについて、地図上で選択した３つのゾーンの容積率の値を800%に上書きしたデータが生成される。このデータをインプットに「④都市構造シミュレーション機能」を実行すると、例えば指定した３つのゾーンにおいて容積率を変更する前と比較して商業施設が増加する等、設定したシナリオに対応した将来時点の個別建築物のデータが出力される、といった処理を実現している。

シミュレーションは、Pythonで開発したのち、Pyinstallerを用いてexe形式の実行ファイルとして作成されており、本アプリケーションではArcGISのカスタムツールによって実行する。そのためユーザーは、GUI上でこれらの機能を実行することができる。

「⑤3D可視化機能」は、シミュレーション結果を3D地図上で可視化するArcGISのカスタムツールである。本機能は、2つのシミュレーション結果を建築物用途、建築物の有無、建築物の高さで比較する。比較結果は、「①建築物データ作成機能」で作成した建築物データの複製に対して属性として付与される。建築物データとシミュレーション結果の関連付けは、シミュレーション結果に含まれる建築物IDでマッチングする。処理のなかで比較結果に基づく塗分け設定も自動的に適用されるため、実行するだけで比較結果を視覚的に確認することができる。都市構造シミュレーション機能によって出力された将来の建築物データに対して、単一のシナリオにおける建物、人口、地価等の経年的な変化を可視化できるようにするとともに、複数のシナリオ間における違いも可視化できるようにしている。

本アプリケーションはArcGISのツールボックスを用いて作成している。利用者は、PLATEAUのウェブサイト（GitHub）からツールボックス一式を自身のPCにダウンロードした上で、ArcGISでフォルダ接続を行い、必要な入力データのファイルを指定フォルダに保存することで、本アプリケーションを利用することが可能となる。

本開発システムや上記に記載の各機能の有用性を検証するために、宇都宮市と仙台市において複数シナリオを設定したシミュレーションを実施し、行政職員を対象にヒアリング・アンケートを実施した。

検証で得られたデータ・結果・課題

宇都宮市及び仙台市を対象に、前述の各機能を用いて、建築物データ、個人データ、ゾーンデータ等のシミュレーションのためのインプットデータを作成した。その上で、各市について複数のシナリオを設定し、シミュレーションを行った。

宇都宮市では、宇都宮ライトレール（以下「LRT」という。）が宇都宮駅の東側で運行している現状が今後も続く「趨勢ケース」と、LRTが西側に延伸し、公共交通の利便性を更に向上させる「基幹路線強化ケース」、都市機能誘導区域への商業施設の誘導と中心市街地の容積率緩和を行う「都市機能誘導ケース」を設定した。
また、仙台市では、公共交通の運行頻度や所要時間について、現在と同じ状況が今後も続く「趨勢ケース」と、仙台市地域公共交通計画において定められているバス幹線区間・準幹線区間の沿線のゾーンを対象に公共交通の運行頻度の増加や所要時間の短縮を見込む「鉄道バス強化ケース」、宇都宮市と同様の「都市機能誘導ケース」を設定した。

各ケースのシミュレーションを実施し、2040年時点のシミュレーション結果について3D可視化機能を用いて可視化し、比較した。宇都宮市の「基幹路線強化ケース」では、「趨勢ケース」と比較して、LRTの沿線において地価が上昇し、戸建ての住宅が減少する一方で、共同住宅や商業施設が増加する結果となった。
また、仙台市の「鉄道バス強化ケース」においても、バス幹線区間・準幹線区間の沿線のゾーンで、地価の上昇と共同住宅や商業施設の増加が見られた。さらに、「都市機能誘導ケース」では、都市機能誘導区域内の地価の上昇や商業施設の増加といった結果が両市に共通して得られた。

上記の分析には、従来は表計算ソフトやGIS等を用いた作業（数日程度）が必要であったが、本アプリケーションにより、ArcGISのGUI上の操作のみで作業を完了することができた。その結果、例えば宇都宮市の「基幹路線強化ケース」では、GUI上の操作に費やした時間は、演算の待ち時間を除けば全体で5-10分程度であり、わずかな作業時間でシミュレーションの実行が可能であることが確認できた。

課題として、今回設定したシナリオは幹線となる公共交通のサービスレベル向上や都市機能誘導、居住誘導等のマクロな施策が中心であったが、地方公共団体の現場においては都市構造再編集中支援事業等の活用による個別の施設整備や、道路空間再編等のミクロな施策についても検討ニーズがある。このため、より多様な施策を設定できるようシナリオ設定UI機能を充実させていくことが挙げられる。

また、今回開発したシミュレーション機能では、建築物、人口、地価の相互作用をモデル化しているものの、交通条件に関しては簡便に指標化するにとどまっており、土地利用と交通の相互作用のモデル化は限定的である。この相互作用を適切にモデル化することで、建築物の変化がもたらす中心市街地の来訪者数や公共交通利用者数、CO2排出量等の交通に関する指標の変化、さらには公共交通サービスの運行頻度や運賃の改定、道路整備等による交通の変化がもたらす建築物や地価等の変化をより高い精度で評価することが可能になる。交通行動のシミュレーションと組み合わせることも課題である。

参加ユーザーからのコメント

宇都宮市及び仙台市との意見交換では、以下のコメントが得られた。

・施策の効果をシミュレーションできるため、施策の実施根拠の庁内説明に活用できる。
・インプットデータの自動生成が可能であるため、活用が容易になった。3D都市モデル以外の各種インプットデータについても、なるべくオープンデータを無加工で活用できるシステムになれば、なお自治体職員にとって活用しやすくなる。
・施策の対象地や内容等をGUI上で自治体職員自ら自由に設定できるため、コストを抑えながら多数のケースを設定できる点が、施策検討に有用である。
・住民ワークショップや庁内検討などの活用場面に応じて、適切な指標や可視化方法は異なる。3次元での可視化以外にも、多様な可視化を自動で行えるとよい。
・建築物、地価、人口のシミュレーションに加えて、交通行動のシミュレーションを組み合わせることができれば、交通施策の影響をより直接的に表現でき、適切な評価や多様な施策の表現が期待できる。
・3D都市モデルを継続的に整備更新していくことで、直近の開発状況等を反映したシミュレーションの実施や、シミュレーションの更新や精度向上が期待できる。
・シミュレーションによって施策を実施した場合の指標値を算出するアプローチだけでなく、指標の目標値を達成する施策を求めることもできると、施策検討の場面においてさらに有用ではないか。

今後の展望

シミュレーションのインプットデータの作成、シナリオの設定、シミュレーションの実施、結果の可視化をGUI上で行うアプリケーションを開発したことで、非エンジニアの地方公共団体職員にとってシミュレーション活用のハードルは下がったといえる。

シミュレーション結果の理解やそれを踏まえた議論、合意形成を促進するためには、シミュレーション結果を3次元で可視化することに加えて、人口や地価、延床面積等の各種指標の変化をグラフ等により明確に示すことも重要である。今後は、主要な指標の可視化を自動で行う機能を開発することで、さらに地方公共団体の現場において活用しやすくなる期待がある。

さらに、3D都市モデルの継続的な整備・更新、それを簡便にシミュレーションに反映するための手法の開発も進めたい。今回開発したシミュレーションは、インプットデータとして使用する3D都市モデルをシミュレーションの初期時点のデータとして使用する。このため、過去に整備された3D都市モデルをインプットデータに用いると、最新の開発状況は必ずしも反映されない。また、各種アルゴリズムは現時点で得られているデータに基づいて構築しているため、将来的には、都市において実際に生じている変化とアルゴリズムが整合しなくなる可能性がある。
そこで、複数年次の3D都市モデルをインプットデータとして、各種モデルのパラメータの更新や調整等のアルゴリズムのチューニングを地方公共団体職員がノーコードで行う機能を開発すれば、シミュレーションの精度維持、継続的な活用が期待できる。また、このような機能は、個別の都市における再現性向上にも有用である。今回の実証実験では、汎用的なシミュレーション機能を開発したため、個別の都市の細かな特性の表現には限界がある。各種モデルのパラメータの更新や調整、個別都市の特性を表現するインプットの追加等のアルゴリズムのチューニングが容易になれば、地方公共団体職員がよりシミュレーションを活用しやすくなることが期待される。

これらを通じて、様々な都市において、これまで以上にその都市の最新の実態に即したシミュレーションを容易に実施できる環境を整えていくことで、まちづくり施策に関する合意形成のハードルを下げ、都市政策の円滑化・高度化を目指す。