検索
  • Eiji Kano

市民通報データを用いた地域課題の分析 [論文]

更新日:2月15日


[ 概  要 ]


自治体が人的・予算的制約の中で、優先順位を付けて地域のインフラ等に係る問題を解決するためには、問題を的確に把握し、関係する要因を明らかにする必要がある。近年、自治体で導入が進む市民通報システムは、これに資する可能性がある。本研究では、市民通報データを用いて地域の問題を把握する手法を示すとともに、同手法を用いて、人口動態の変化が地域に与える影響、及び地域の問題が犯罪の発生に与える影響を明らかにする。


In order for municipalities to prioritize and solve local problems, it is necessary to accurately understand problems and clarify related factors. Citizen report system can be contributed to this. This study shows a method to grasp local problems using citizen report data and clarify the relationship between local problems and related factors.


※本記事は、筆者が2020年3月16日の電気学会情報システム研究会に投稿し、電気学会研究会資料IS-20-009として掲載された論文を転載したものです。


1. はじめに

 近年,自治体運営を取り巻く状況は厳しさを増しつつある.少子高齢化と生産年齢人口の減少に伴い,税収の減少や社会保障費の増大による財政のひっ迫,行政職員の成り手の不足が深刻化している.他方で,行政が取り組むべき地域課題は複雑化・多様化しており,住民サービスの水準を維持することが困難となりつつある.こうした中,課題解決を行政任せにするのではなく,官民の協働によって取り組むことの重要性が指摘されている[1].その代表的な取組みとして挙げられるのが,いわゆる「市民通報システム」を通じた,住民による地域課題の解決への参画である.

 市民通報システムとは,住民が発見した街の問題をスマートフォンのアプリを通じて行政に通報し,解決を促すシステムである.2007年に英国でサービスが開始されたFixMyStreetを皮切りに,世界各国で同様のサービスが普及しつつあり,日本でも数十の自治体で導入されている.市民通報システム導入の目的としては,道路の損傷や街頭切れ,設置物の損傷などの問題の早期発見・解決による住民サービスの向上と,公共物の点検に係る行政側のコストの低減が挙げられる.しかしながら,これらの用途にとどまらない価値を地域にもたらす可能性がある.市民通報システムを通じて寄せられたレポートには,どの地域で,どのような問題が,どのように起きたのかを示す情報が含まれており,これらを集積したデータ(以下「市民通報データ」)を分析できれば,地域ごと問題の特徴や外部要因との関係性を定量的に把握し,問題に対する解決策をより精緻に講ずることも可能になると考えられる.

 そこで本研究では,この論点に関し筆者らが実施した,市民通報データを用いた地域課題の分析手法の開発[2],人口動態の変化が地域課題に与える影響の分析[3]及び地域課題が犯罪発生率に与える影響の分析[4]に関する3つの研究の成果を再構成し,市民通報データが地域課題の発見と解決にとって,どのような有用性を有するかを明らかにすることを目的とする.


2. 市民通報システムと関連研究


〈2・1〉 市民通報システムの社会的意義

 市民通報システムには様々な種類のアプリがあるが,基本的な機能は図 1に示すような流れで共通している.すなわち,報告者は,1)発見した問題をスマートフォンのカメラで撮影し,2)問題のカテゴリを選択し,3)コメントを自由記述で書き,4)コメントを登録(又は自治体に送信)する.これに対し,自治体側は,5)受信した報告を担当部門に振り分け,6)問題に対処し,7)結果を報告者に報告する.


図1 市民通報システムによる問題解決の流れ


 市民通報システムは,住民にとっては気軽に行政にアクセスし,迅速に問題解決を図ることができる利点がある.自治体側にとっても,道路の点検費の節約といった業務・サービスの効率化が期待できる利点がある.双方にとってWIN-WINの関係を目指す公民協働型の取組みといえる.


〈2・2〉 市民通報に関する研究


 市民通報の活用は,元々の出発点である道路の損傷の発見に留まらず,住民と行政の関係性の再定義に繋がる画期的な試みとしても注目されており,取組みの意義や社会的機能,新たな用途の提案など様々な研究が行われている[5].最近では,住民による問題発見の役割を一種のセンサーとして位置づけてその社会的意義の説明を試みる研究も行われている[6].我が国でも,主に市民通報システムの運営に関わる組織や関係者によって,システムの仕組み,社会的意義等について様々な考察が加えられている[7].

 市民通報のデータを用いた分析としては,登録者数の推移の分析[8]や住民の課題認識の差異を分析するためのワークショップでのデータ利用[9]などがある.また,市民通報ではないが,類例として住民のコメントのデータについて,機械学習を用いて分類することを試みた研究[10]もある.


〈2・3〉 先行研究の課題

 他方で,これらの研究には以下のような課題があった.

 第一に,市民通報システムの仕組みや意義を解明したり,事業の達成度を評価したりする研究は行われる一方で,市民通報データを地域課題を理解するための素材として捉え,分析することを目指した研究は行われていない.

 第二に,市民通報データから地域課題を抽出・分類するためには,テキストマイニングを用いて通報内容を分析することが有効な選択肢となり得るが,同手法を市民通報データに適用した研究も存在しない.

 第三に,公開データが少ない上,自治体毎の分類基準が区々となっていることもあり,自治体を跨いで市民通報データの集計や比較分析をした研究も行われていない.

 そこで,本研究では,同一規模の3つの自治体から収集した市民通報データについて,テキストマイニングを用いて地域間の比較分析及び外部要因との関係性分析を行うことで,地域課題の把握と解決に資することを明らかにする.


3. 市民通報を用いた地域課題の分析手法の開発


〈3・1〉 本分析のアプローチと使用データ


 本章では,千葉市の4,573件の市民通報データについて,タイトル及びコメントのテキスト文にテキストマイニングを実施し,問題の性質に即した分類を行うとともに,当該方法が他の自治体でも適用可能であることを検証する.

 テキストマイニングとは,文を,意味を持つ最小単位である形態素まで分解し,その品詞等を判別する形態素解析等の自然言語処理を行ったのちに,データマイニングの技術を活用して,語の出現頻度や係り受け関係,共起関係等を解析し,有用な情報を抽出する技術である[11].

 同市の市民通報データを用いるのは,道路に関する問題については「道路」よりも細かい区分は設けられてないため,所与の分類が与えるバイアスがなく,住民の主観的な課題認識が色濃く投影されると考えられるからである.

 テキストマイニングを用いた分類には様々な先行研究[12]があるが,市民通報データに対する適用の例はないため,本研究では新たに問題を分類する手法を構築した.


〈3・2〉 分析手法

 市民通報の内容に沿って,客観的かつ再現可能な方法で,精度の高い問題分類が行えるよう,以下の手順を実施した.


①自然言語処理

 Text Mining Studio ver. 6.0.3で形態素解析を行った.


②係り受け構造を用いたグルーピング

 同ソフトウェアを用いて係り受け解析を行い,例えば,「街灯」や「街路灯」といった語を分類する場合,「切れる」という同一の係り先を持つ単語同士を類義の係り元単語とみなし表 1のようにグルーピングした.その上で,グルーピングに役立たない,もしくは意義のある分類には役立たない組合せを一定の基準にしたがい除外した.

表1 係り受けを利用したグルーピング


③カテゴリの作成

 同一の係り元の語を持つ係り先の語同士でグルーピングを行った.係り先の語として2つの語が存在するもの同士でグルーピングすると,最も地域の特徴をよく表すと考えられるグループが形成された.そこで,これらを①のグループとの係り受け関係を踏まえて整理すると,図 2に示す7つのカテゴリが導出された.これらのカテゴリを街灯切れ,路面損傷,設置物不具合,視認困難,草木繁茂,排水支障及び放置と命名した.


図2 係り先の語の共通性を利用したカテゴリ


④自動分類ルールの設定

 市民通報が,いずれかのカテゴリに含まれる係り先若しくは係り元の語又はその同義語を含む場合に,当該カテゴリへと分類する.複数の語が含まれた場合等について一定の分類基準を設けることで,どの市民通報もいずれか一つのカテゴリに自動的に分類することが可能となる.いずれにも分類できない等によるエラー率は12.4%にとどまった.


⑤自動分類ルールの検証

 人手で③のカテゴリに基づいて分類した正解データと,④の自動分類ルールによって分類した結果との差異を検証した.その結果,図 3に示すように,エラー除去後の各カテゴリの構成比の差異はいずれも5%未満に収まった.


図3 自動分類ルールの検証結果


〈3・3〉 分析結果


 従来の分類では,図 4左側のグラフに示すように,道路に関する問題が4分の3を占めている.一見すると,住民にとっての街の問題の大部分は道路の支障であるかのように見える.しかしながら,3.2の自動分類ルールを全件に適用した結果,導出されたのは,図 4右側のグラフに示す姿であった.ここから,住民にとっての街の課題は,道路の問題に偏っている事実はなく,実際には,前述の7つの課題が,満遍なく存在しているという事実が確認された.実際の道路そのものの問題は16%にとどまっていた.


図 4 自動分類ルールの検証結果


〈3・4〉 他自治体への適用可能性の検証


 上記の自動分類ルールが,①千葉市以外の自治体にも適用可能であるか,②通報者自身が行った分類結果と乖離していないかを検証した.具体的には,浜松市の1,434件の市民通報データを用いて検証を行った.同市の市民通報では,住民自身が分類と通報内容の記入を行っており,この検証に適しているからである.

 検証の結果,エラー除去後の各カテゴリの構成比の差異は図 5に示すように,いずれも5%未満に収まった.

 以上の結果から,3.2の自動分類ルールは,①他の自治体にも適用可能であること,及び②通報者自身が行った分類結果と乖離していないことが確認された.


図5 自動分類ルールの他自治体への適用検証結果


4. 人口動態の変化が地域課題の認識に与える影響の分析


 人口の増減によって地域の生活環境や交通安全の状態に負荷がかかっている場合に,その影響が市民通報にも反映されるか否かを検証する.これが検証できれば,市民通報は,地域課題に対する住民の課題認識を投影していることが確認できる.


〈4・1〉 本分析のアプローチと使用データ


 人口増減率は自然増減率と社会増減率の和からなり,それぞれの増減要因と,それが住民に与え得る影響は異なる.以下の仮説を設定し,地域への課題認識が市民通報に投影されているかどうかを検証する.


①自然増減率(出生率と死亡率の差)は,出生が多い地域で育児環境の改善へのニーズが高まれば,育児環境は生活環境全般に関連するため,多くのカテゴリの問題で市民通報が増加するはずである.


②社会増減率(転入率と転出率の差)は,転入者が多い地域では,車両の交通量が増加するため,危険個所に関する市民通報が増加するはずである.


 以上の関係性を整理したのが,図6である.なお,本分析では,相模原市,千葉市及び浜松市の3自治体を対象とする.これらの市はいずれも同程度の人口規模を持つ政令指定都市であること,市街地から住宅地までを含む多様性を持つこと,市民通報システムの運用開始後4年以上経過しており,運用が定着していることから,共通性が高く,集計や比較分析に適していると考えられるからである.


図6 人口動態が地域課題に与える影響の仮説


〈4・2〉人口の自然増減が生活環境上の課題認識に与える影響の分析


 人口の増減が生活環境上の課題認識に直接影響を及ぼす問題のカテゴリは,表 2左列に示すように,街灯切れ,設置物不具合,排水支障,放置,視認困難の5つと考えられる(以下これらをまとめて「生活環境上の問題」という.).一方,路面損傷や草木繁茂は人口の増減の影響を直接受けないと考えられる.以上の仮説が正しければ,人口の自然増減率は,生活環境上の問題に対する市民通報の通報率(人口比による比率.以下「市民通報率」という.)との間に正の相関関係が存在するはずである.

 調査対象とした3市を構成する16の行政区毎に,人口の自然増減率とカテゴリ毎の市民通報率を集計し,両者の間の相関係数を算出したところ,表 2右列のとおりとなった.人口の自然増減率は,すべての生活環境上の問題の市民通報率との間で正の相関関係が確認された一方,その他の問題の市民通報率との間では無相関であった.

表2 自然増減率と生活環境上の問題の通報率の関係性


 上記の相関関係が成立する以上,人口の自然増減率から,生活環境上の問題の発生率を推定することも可能と考えられる.そこで,生活環境上の問題に対する市民通報率の合計値を目的変数とし,人口の自然増減率を説明変数とする単回帰分析を行ったところ,図 7の回帰式が導出された.


図7 生活環境上の問題に対する市民通報率を目的変数,自然増減率を説明変数とする単回帰分析


 この結果から,人口の自然増減率は,生活環境上の問題の市民通報率に正の影響を与えることが確認された.


〈4・3〉人口の社会増減が交通安全上の課題認識に与える影響の分析


 表 3左列に示すように,問題カテゴリのうち,交通安全上の問題に直結するのは視認困難と考えられる(以下「交通安全上の問題」という.).したがって,人口の社会増減率は,交通安全上の問題に対する市民通報率との間に正の相関が存在するはずである.

 4.2.と同様の方法で,人口の社会増減率とカテゴリ毎の市民通報率の相関係数を算出したところ,表 3右列のとおりとなった.人口の社会増減率は,交通安全上の問題に対する市民通報率との間で正の強い相関関係が認められる一方,その他の問題の市民通報率との間では無相関であった.


表3 社会増減率と交通安全上の問題の通報率の関係性


 次に,4.2.と同様に,交通安全上の問題の市民通報率の合計値を目的変数とし,人口の社会増減率を説明変数とする単回帰分析を行ったところ,図8の回帰式が導出された.


図8 交通安全上の問題の市民通報率の合計値を目的変数,人口の社会増減率を説明変数とする単回帰分析


 以上から,人口の社会増減率は,交通安全上の問題の市民通報率に正の影響を与えることが確認された.

 4.2及び4.3の研究結果から,市民通報は,住民の生活環境や交通安全に関する課題認識を反映していることが確認された.


5. 地域課題が犯罪発生率に与える影響の分析


〈5・1〉 本分析のアプローチと使用データ


 市民通報データが地域の状態の把握に役立つとすれば,その分析結果を地域課題の解決に役立てられる可能性も出てくる.

 犯罪防止理論の中の有力な理論の一つとして「割れ窓理論」がある[13].同理論では小さな犯罪や違反行為が放置されているとより深刻な犯罪を誘発するとする.これを裏返せば,地域の状態を改善すれば,犯罪の抑止に役立つことになる.この論理を根拠に,米国ニューヨーク市をはじめ,我が国を含めた様々な自治体で街の浄化に向けた取組みが行われ,その犯罪抑止に対する成果が報告されてきた[14].しかし,割れ窓理論は取組みと効果の関係性を示す理論的根拠と再現性が不十分であり,実用性に限界があることなどから,様々な批判にさらされてきた[15].

 こうした中,市民通報データは,地域の問題を定量的に把握し,犯罪発生率との関係性を分析するのに役立つ可能性がある.具体的には,地域の問題の発生状況と犯罪発生率の関係性を明らかにすることで,割れ窓理論の実用性を定量的なデータによって検証するとともに,地域の問題の発生状況から犯罪発生を予測し,当該地域の状況を先手を打って改善することで,防犯に役立てられる可能性がある.

 本研究では,前述の3市の市民通報データと同地域の窃盗犯の犯罪データを利用して分析を行った.


〈5・2〉 地域の問題と犯罪発生率の関係性の分析


 市民通報件数と犯罪発生件数について,各政令指定都市の行政区毎に人口1万人あたりの件数を集計して市民通報率と犯罪発生率を算出した.その上で,両者の相関分析を行ったところ,相関係数は0.68の正の相関となり(1%水準で有意),両者の関係性が確認された.そこで,犯罪発生率を目的変数,市民通報率を説明変数とする単回帰分析を行ったところ,図 9の回帰式が導出された.


図9 犯罪発生率を目的変数,市民通報率を説明変数とする単回帰分析


〈5・3〉 地域課題の分類毎の犯罪発生率との関係性の分析


 地域課題解決に向けた対応の検討をより単純化するため,第2章で導出した7つの問題のカテゴリをさらに少数のカテゴリにグルーピングする.各行政区の分類毎の市民通報率をもとにward.D2法によるクラスタリングを行ったところ,図 10に示すAからDの4つのクラスターに分類された.


図10 地域課題のクラスタリング結果


 これらのクラスターは,表 4に示すように犯罪発生率との相関係数の強度によって次の3つのグループに分類された.


(1)正の強い相関があるグループ:クラスターC


(2)正の相関があるグループ:クラスターB及びD


(3)無相関のグループ:クラスターA


表4 地域課題の犯罪発生率との相関係数の強度に基づくグルーピング


 上記の結果は,以下のように解することができる.


(1)に含まれる地域の問題は「設置物不具合」と「放置」であり,いずれも人為的に引き起こされると考えられる問題である.公共物が毀損されやすい場所で犯罪も起きやすいという関係性の存在が強く示唆された.


(2)に含まれる地域の問題は「排水支障」,「街灯切れ」,「総木繁茂」である.これらは人為的に引き起こされることがない問題である.しかしながら,これらの問題が存在すること自体が犯罪心理に何らかの影響を及ぼしている可能性は,(1)ほど影響は強くないものの,存在すると考えられる.


(3)に含まれるのは「路面損傷」のみである.これは,路面損傷は犯罪心理には全く影響を及ぼしていないことを示唆する.


 以上のように,地域の問題と犯罪発生率の関係性は一貫性ある説明が可能である.また,割れ窓理論に照らし,人為的に起きる問題である「設置物不具合」と「放置」の状態を改善すると,窃盗犯の抑止につながる可能性が高いことが示唆された.


6. おわりに


 本研究では,これまで十分に活用されることがなかった市民通報データについて,地域課題の把握と解決に役立つ可能性があるのではないかとの仮説を立て,筆者らが実施してきた3つの研究の成果を再構成することで検証を試みた.

 第3章では,市民通報データを用いて地域課題を分析するための分類手法を提示した.これにより,実際に地域課題の状況の把握に役立つことが示された.

 第4章では,人口動態を切り口に,地域の環境の変化が住民による地域課題の認識に与える影響を分析し,両者の関係性の存在を確認した.これにより,市民通報データから地域課題の変化を捉えることが可能であることが示された.

 第5章では,地域課題が犯罪発生率に影響を与えることを明らかにした.これにより,地域課題の把握が地域犯罪の抑止に役立つ可能性があることが示された.

 以上から,市民通報データは地域課題を把握し,解決するのに役立つ可能性が存在することが確認できた.

 今後の課題としては,より地域の特性を詳細に捉えた分析が挙げられる.本研究では,政令指定都市全体を対象に分析を行ったが,こうした大規模自治体の域内の特徴は必ずしも一様ではなく,都市部と郊外部,商業地域と非商業地域といった区分により差異があると考えられる.これらの特性の特性を踏まえた分析を行えば,より実用的で精緻な地域課題解決への示唆が得られると考えられる.

文   献


[1] 千葉市, 千葉市におけるICTを活用した市民協働の取組み, 自治体総合フェア2019

[2] Eiji Kano, Yoshikatsu Fujita, Kazuhiko Tsuda, A Method of Extracting and Classifying Local Community Problems from Citizen-Report Data using Text Mining, Volume 159, Pages 1347-1356, 2019

[3] Eiji Kano, Kazuhiko Tsuda, Use of a text mining method for classifying citizen report data and analyzing the occurrence trend of local problems, Artificial Intelligence Research, Vol. 8, No. 2, 2019

[4] Eiji Kano, Kazuhiko Tsuda, (印刷中)Analyzing the Relationship Between Citizen Report and Local Crime Occurrence Tendency Using Broken Windows Theory, 2020 the 3rd International Conference on Big Data Management

[5] Stephen F. King, Paul Brown, “Fix My Street or Else: Using the Internet to Voice Local Public Service Concerns,” ICEGOV '07, December 10-13, pp. pp.72-80, 2007.

[6] Lasse Berntzen, Marius Rohde Johannessen, Stephan Böhm, Roberto Morales, “Citizens as Sensors Human Sensors as a Smart City Data Source,” SMART 2018, The Seventh International Conference on Smart Cities, Systems, Devices and Technologies, At Barcelona, pp. 11-18, 2018.

[7] 金親 芳彦, “市民と行政をつなぐ新たなコミュニケーションツール,” 行政&情報システム, 第 巻51, 第 2, pp. 8-14, 2015.

[8] 本田正美, “オープンデータ化された「ちばレポ」の登録者情報を基にした行政アプリケーションの浸透過程の推定,” 情報知識学会誌, 第 巻26, 第 2, pp. 187-194, 2016.

[9] 中戸川 翔太 , 瀬戸 寿一, “社会属性による課題認識の差異からみる市民参加型 GIS の可能性 ―「ちばレポ」を事例に―,” 日本地理学会発表要旨集, 第 巻s, 第 0, 2016.

[10] Yuta Sano, Kohei Yamaguchi, Tsunenori Mine, “Automatic Classification of Complaint Reports about City Park,” Information Engineering Express International Institute of Applied Informatics, 第1巻, 第 4, p. 119–130, 2015.

[11] 那須川 哲哉, テキストマイニングを使う技術/作る技術-基礎技術と適用事例から導く本質と活用法-, 東京電機大学出版局, 2006.

[12] 齋藤朗宏, “日本におけるテキストマイニングの応用,” The society for economic studies, The University of Kitakyushu, Working Paper Series 2012, No. 2011-12.

[13] Wilson, J. Q., Kelling, G, L. 1982. Broken windows: The police and neighborhood safety. Atlantic Monthly, 211, 29-38

[14] 足立区, ビューティフル・ウィンドウズ運動

https://www.city.adachi.tokyo.jp/kikikanri/ku/koho/b-windows.html(2020年2月16日確認)

[15] David Thacher. 2004. Order Maintenance Reconsidered: Moving beyond Strong Causal Reasoning. Journal of Criminal Law and Criminology. 94 (2): pp.381–414.

39回の閲覧0件のコメント