###### tags:`大学院科目`

# 空間計画学特論第二
## 1回目
- イントロダクション
- 歴史的背景
- ラスターデータについて
- メッシュデータというのは日本だけ
- 来週はベクターデータを扱う
- 7,8回目（2023/1/12）は木曜授業
- 11回，12回は授業なし
- 最終レポート
- 空間データなどを集めて，分析手法を使った事例を紹介する
- 8，9，10回目に分析事例をたくさん紹介する

### 空間データの必要性
- 商業施設→潜在的市場の分布
- お客さんが来てくれなかったら大損
- 見込みを立てる
- ex.マクドナルドの市場調査
- 若い人食べるけど高齢者あまり食べないので、若い人が良く来る地域なのか？
- ほかの競合飲食店との兼ね合い
- 医療施設→疾病の発生分布
- 道路建設→地盤・地形の情報
- 道路建設コストは、動かす土（建物）のコストに比例する
- トンネルとか
- あとは地権者の数とか

- 人口・地域基盤・土地資源などの空間分布
-　→地図に書いてみる

### 従来の方法（地図）の限界
- 精度と範囲の問題
- 1/100の地図を作ろう（精度が高いもの）と思ったら、めっちゃでかくなる
- 重ね合わせの問題（複数の主題図）
- 建築でいうトレぺ
- 情報更新の問題
- 配管を変えようって図面を変えることもよくあるけど、その情報が伝わらない
- 東工大で年末年始漏水してたらしい（更新をサボってた）
- 定量的な分析の問題
- 不動産のプロなら，坪単価いくらくらいとかわかる
- 定量的に判断する必要がある
- GIS
- Measurement
- Mapping
- Monitoring
- Modeling
- 地理情報の収集・保存・更新ーーーーーーー（間に合わんかった）
-　基礎学問/応用分野
-　基礎：地理など
-　応用：林業など
-　役所のデータの95%が地理情報と結びついているらしい
-　講義の目標
-　空間データの必要性・重要性
-　空間データの処理方法
-　空間データの活用方法
-　修論でやってやつでなくて、新しい例を
-　GISからGIScに
-　Spacial Information Systemと言っている人も

## 2回目
### the raster gis
- infinitely complex
- an infinitely large database
- data must somehow bereduced
- データを軽くしたい↓
- discrete elements or objects

- the data model(データを軽くするために検討すべきな概念)
- 1977年に発案
- 主なGISデータモデル
- ラスターデータ
- a regular grid of cells
- それぞれのセルには一つの値
- space-filling
- １つのセル内は塗りつぶされている
- どこを指さしても同一の値
- many layers
- 非常にたくさんの（数百、数千）レイヤーが必要になる
- ベクターデータ
- Lineやポイントの要素で構成
- 点と点を直線（曲線）で結んでいる
- 領域すべてが塗りつぶされているわけではない

- ラスターデータ
- 何がそこで起こっているかわかる （space-filling）
- ベクターデータ
- どこでaが起こっているかわかる
- ラスターデータだと、各セルについてどこがbか問い合わせないといけない
- 大規模なデータとか複数回数（数万とか）やるときにこの違いは表れる
- 今回の講義のきも
- 昔はデータのサイズの問題でラスターの方が進歩していた
- CREATING A RASTER
- Typical ASCLL file formats used in importing
- 使いずらい、時間を要する
- RasterModelでは川などの線的なものが消えてしまう
- 住宅のような小さいものも他の用途に負けることも
- それぞれのセルを航空写真を見ながら塗り絵して、ぐるぐる回しながら塗り絵を読み込んでいく
- インクがかすれて色を判別できず、エラーになったり
- spatial autocorrelation
- 最初に連続する個数、次にその値を記述して、その塊を並べて記述する
- 同じ値が連続しやすいデータに対しては有効（ほとんど連続しないのだと、むしろ長くなる、最大倍になる）
- digital data
- 標高データのようなものは　run（連続する）する部分は少ない
- CELL VALUE
- Integer Values
- 整数
- 昔はこれしかできなくて、変換したものを保存してた
- Real Values
- 小数点含む
- Non-Numerical Values
- クラス名など
- One value per cell
- 不正確な場合がある
- 顕在的な同定誤差
- そのエリアの特徴については多数決（最も割合の多いものをそのエリアの値に）する
- 実際にはありえない状況になることも（400%の一種低層住居専用地域というエリアが爆誕！！！）
- 建築基準法の表に該当するものがないため、間違いに気がつくことが出来る（顕在的）
- 潜在的な同定誤差
- 上と同じ原理で、実際と異なる値（400%の第一種住居専用地域）となっても、建築基準法の表に該当するものがあるため、間違いに気づかない（潜在的）

- Map　Layer
- 主題図(Thematic map)
- 干ばつや，降水量などを表すレイヤー
- resolution(解像度)によってセルのサイズが変わる→細かさ
- class
- 飛び地の空間の集団のこと？
- Example analysis using a raster GIS
- 例では三つの条件を満たすエリアの特定を目指す
- レイヤーをyes,noに変換することで位置を確定させる
-
### RASTER GIS CARABILITIES
- Introduction
- Displaying layers
- 標高のデータに色を付けるときはカラーにも意味を持たせる
- 等量分類
- 各カラーの面積が同じ（等量になるように色分けの境界値を決める）
- 自然分類
- データ変化量が比較的大きいところに閾値が設定される
- 東京などがはっきり見えている
- 等間隔分類
- 境界値が等間隔→ほとんど色分けがない
- 標準偏差分類
- →人をだますときに使えるし、特定の分類方法しか知らない場合に得られる情報にミスが起きてしまう
- Other type of display
- contours map（等高線）
- perspective view（鳥観図的な）
- Local Operations
- 今あるレイヤーから新しいレイヤーを作る
- 持っている値にレンジを与えて，分類する
- Overlaying layers
- 複数レイヤーから一つのレイヤーを生み出す
- ラスターによる論理演算
- 論理積
- AND
- 論理和
- OR
- OPERATIONS ON LOCAL NEIGHBORHOODS
- フィルターをかけて平滑化、強調を行う
- weightの合計は1
- 画像処理などで使われる
- エッジ検出など
- Slopes and Aspects
- 傾斜，標高差の利用
- Operations on Extended Neighborhoods
- Bufferを用いることで，近隣の分析を行う
- 見る，見えないの分析が可能
- Operations on Zones
- ラスターだと周長，面積の値の精度に限界がある
- Shape of zone
- SI
- 円は1
- 四角形は1.13
-

## 3回目
### THE VECTOR OR OBJECT GIS
- Example of vector GIS data
- スケールが変わると，データを表す方法が変わる
- ARCS
- 座標の順番として定義される
- Building Topology
- 大森+蒲田＝大田区
- Editing
- 線にバッファーを設けることで線同士の交差を判定
- ADDING ATTRIBUTES
- keyで結合するか，新しいデータベースを追加するか
- VECTOR GIS CAPABILITIES
- SIMPLE DISPLAY AND QUERY
- TOPOLOGICAL OVERLAY
- 2つの線が交わった場合はかならずintersectionが発生する
- Spurious polygons
- 交差が非常におおいと計算が重くなる
- BUFFERING
### SIMPLE ALGORITHMS 1
- Algorithms
- アルゴリズムは所定のプロセスを経て恒常的に得られるものでなければならない
- どんな問題でも適応可能であるべき
- 問題のサイズが小さくても、何回も繰り返すというのであればやっかいな問題になってくる
- COMPLEX LINES
- シンプルな手法では計算量が莫大になる
- 最大，最小をつかった四角形で判定
- 単調増加，単調現象で分ける
- POLYGONS
- 半直線に対して，辺の向きで計算するか否かを決定する
- CENTROID LOCATION
- SKELETON

## 4回目
### STORAGE OF COMPLEX OBJECT
- どうやってデータを保存するかについて
- REPRESENTATION OF SIMPLE OBJECTS
- areaに関しては、最後のpointは最初のpointと同じになる（閉じる）
- STORAGE OF OBJECT ATTRIBUTES
- lineやareaは、何この点から構成かわからないから、データ構成に一手間かかる
- REPRESENTATION OF TOPOROGY
- topologyとは、オブジェクト間の関係性、
- 最接近、交差など
- Relationships in networks
- 2種類のオブジェクトタイプを用いる
- ノード，ラインから構成される
- lineベースで考えるのではなく、Nodeベースで考える
- lineベースだと、うまく循環できない場合がある（FromとToの二つのNodeしか記録できない（T字路だと詰む））
- Relationships between areas
- 共通の境界を持たせる
- disadvantage of arc-based representations
- other issues about data structures
- ほかのデータに比べて効率的になる
### Efficient storage of lines
-　Clothoid curve
-　高速道路とか、角速度が一定となるように設計されている（円ではない）
-　splines
-　代表点を用意して，そこを通るように関数で曲線を設定
-　storing chains(arcs)
-　小数点が列挙（緯度経度とか）するとデータが大きすぎる
-　→最初だけ緯度経度で表記して、そこから、最初との変化量のみで表記
-　ただし、最初の表記での有効数字以下の変化量は表記できなくなる
-　freeman chain code
-　0から7までの方向を設定(45°ずつ)
-　方向を利用して，増分でlineを決定
-　compressing code
-　45度ずつの動く方向で定義している
-　repeating sequences
-　直線の場合は、ある順序（斜めの角度によって長さは異なる）を繰り返すことで構成できる

### RASTER STORAGE
- ラスターを使う理由
- 必要な知識が少ない
- アルゴリズムがシンプル
- 多くの解法がある
- storage options for raster data
- 基本的に一行ずつ左から読んでいく
- run encoding
- 空間的に自己を相関している
- お店があったらとなりもお店
- toblerの言葉
- 全ての物の間には相関がある，近くの物体間は遠くの物体間より相関が強い
- problems
- 標高データでは，少しの座標変化で大きく情報が変わるため向かない
- scan order
- morton order
- 大きなジャンプを減らすような仕組み
- 2の階乗の個数でないとうまくいかない？
- peano scan
- orderの比較
- 64*64程度では大きな違いが見られない
- decode scan order
-

タイピングだるいし、小文字でいい？笑　タイトル
特に気にしてないからどっちでも～
オッケー

## 5回目
### HIERARCHICAL DATA STRUCTURES
- indexing pixels
- decoding locations
- 4分割しているので4進法で数える
- the quadtree
- 四分木
- 葉の数分の探索で済む
- variants of quadtrees
- 立体的な四分木

### QUADTREE ALGORITHMS AND SPATIAL INDEXES
- traverse
- measure the area
- treeをtraverseして，重みづけして面積を求める
- overray
- adjacency algorithm
- tesseral arithmetic
- area of contiguous patch algorithm
- つながりの判定
- quadtree indexes
- 要素どうしの重なりを簡易的に計算可能
- 要素の位置をあらかじめ持たせておく
- R-treeを作るといいかも

## 6回目
- Digital elevation models(DEM)
- データの集計方法
- 二つのカメラの出力結果から
- レーザー（現在）
- use of Dems
- 川に流れ込む水量などの計算に用いる
- estimating elevation
- z=a+bx+cyというパラメータを作成して、等高線を算出
- 最小二乗法を用いなくても、求められる（2×2window）
- 4点の高さを基に任意の1点の高さを定めている
- ネットワークは八方位で
- local slope
- 平面としてみた際に、どちらに流れていくかを求める
- demは国土地理院のデータで簡単に手にはいる
- うまくいかないだろうから、アルゴリズムを変更して精度を高める（課題にできる的な？）
- センサー
- LIDAR
- 航空機から発射されたレーダー？が反射するまでにかかる時間から算出
- きちんとした地表面の高さは直接計測できない
- delaunay triangulation（3点で考えるのが前提）
-　任意の3点で三角形を構成した際に、他の三角形が入らない場所
- gabriel graphs（2点で考えるのが前提）
- 2点を直径とする円に3点目が入らないものに関してグラフを構成する
- relative neighborhood graph（ベン図みたい）
- レンズのなかに他の点が入らない2点についてグラフを構成する
- C-rate
- どの表現方法（βの値）のネットワークが最適かを計算
- 大体1から1.5くらいがいい
- index of travel efficiency
- 2地点間のネットワーク上の距離と直線距離に大きな差がある場合は移動が難しい箇所であると言える

## 7回目
- spatial dataの分類
- 山をいくつに分けるべきか
- どのように色分けすべきか
- AIC
- akaike's infomation criterion
- モデルが小さいほど、小さい分類で良い
- information loss
- 結局グラフにする際に細かい情報が抜ける
- 元々のデータによって、失う情報量は異なる
- special cluster
- 4分木
- 近い値をまとめていく
- AICによってどの程度情報をまとめるか決める
- 変な形のクラスターは4分木では検出できない

## 8回目
- Choice Behavior and logit model
- 元々の要素が持つ数値-その時々の誤差→これを定式化したのがロジットモデル
- 図書館の場合
- 図書館の魅力-図書館への移動コスト
- 図書館に行かないという要素も分母に加味
- 移動コストと距離の関係性、約1.5kmで傾きが変わる→この辺りで移動手段が変わるから
- 標高の違い（地形の複雑さ、高低差）によって，移動コストも変化する
- undulation:うねり
- distinct-scale model
- 同じ利用率の場所を考えると，楕円形の利用圏になる
- 三鷹と渋谷の本屋の例
- Choice model
- どの手段を用いるか
- Use model
- 使うか否か
- Use Choice model
- 上の2つの融合
- 精度が高い
- 標高とコストの関係
- 1m上に上がると，横に11m分移動するだけのコストが発生するなど
- 新しい図書館は利用者が増えるが，このデータはモデルに反映されていない

- Spatial Correlation
- 近傍は近い属性を持つという考え
- Aspatial Correlation と　Spatial Correlation
- 相関係数が単数か複数か
- Network SCF
- 建物のデータをネットワークのデータで分析したいときに，ランダムポイントを配置することでサンプリングを行う
- Computation methods
- 面積で見る，時間距離で見るなどのバリエーションがある
- Standrdization by the area

## 9回目
- 場所の名前は，実際の場所としての情報だけでなく，その場所で想像される魅力や環境も想起させる
- 建物の名前を当てるモデル
- 町の境界をexpで，駅をxで導入すると精度が上がる
- solo name（都立大学のように地名と駅名が異なる場合）よりも、Duplicate name（自由が丘のように地名と駅名が両方ある場合）の方が嘘つきやすい
- 地価を推定するモデル
- Place image modelを導入することで精度が向上する
### レポート
- spatial dataを分析する
- 27日11:30まで
- presentationもT2scalaで提出する
- 新しい分析を行ってほしい

## 10回目
## 11回目
## 12回目
## 13回目
- 夜間光のデータ分析
- デカナバッドでスポーツ施設が新設
- 谷本
- 最終結果をGIS上で見るとよかったかも
## 14回目