続きです。
Urban indicators
In this assignment, the aim is to develop an urban analytics tool and apply it to at least two cities or neighborhoods (e.g. Helsinki and Tampere, or neighborhood areas in Helsinki). The main idea is to calculate a set of metrics / indicators based on the urban form and/or population, and to compare the cities/regions based on these measures. This assignment is not accurately defined, as the idea is to allow you to use your own imagination and interest to explore different datasets and conduct analyses that interest to you, still providing useful insights about the urban areas using specific set of indicators (you should use 2-4 different indicators, see examples from below).
この宿題では、都市部の分析ツールを開発し、少なくとも、２つの都市かその近隣（例えば、ヘルシンキとタンペレ、または、ヘルシンキの近隣のエリア）に適用することを目的にします。
主要なアイデアは、都市の形状かつ／または人口に基づいく測定値や指標のセットを計算すること、都市と地域の測定結果に基づいて都市や地域を比較することです。
この宿題は、正確に定義されていない。あなた自身の想像力や関心で、異なるデータセットを探求し、関心があることを分析し、また、特定の指標のデータセットを使って都市エリアについての使い道のある考察を提供することを想定している。（２～４個の指標を使うべき、例としては以下。）
Data
You can use any (spatial) data that you can find, and generate your own report describing how the cities differ from each other based on different perspectives (see below hints about possible analyses). You can use any data that is available, for example, from the following sources:
- OpenSreetMap (e.g., streets, buildings, points of interest) following the approach from lesson 6.)
- PaiTuli
- Avoindata.fi service
- Helsinki Region Infoshare
- Open data service of Tampere
Data sources are not limited to these, hence you can also use other data from any source that you can find (remember to document where the data is coming from!).
どんな（空間）データも使うことができます。そして、異なる視点に基づいて、都市がほかの都市とどのように異なるかを説明する、あなた自身のレポートを作ってください。（実現可能な分析については以下のヒントを参照。）
どんなデータも使うことができます。例えば、以下のようなデータソース：
- OpenSreetMap （例えば、道路、建物、関心があるポイント）、レッスン6の手法に沿って
- PaiTuli
- Avoindata.fi service
- Helsinki Region Infoshare
- Open data service of Tampere
データソースはこれらに制限されません。あなたは自分で見つけた他のデータソースの他のデータを使えます。（どのデータを使ったのかを忘れずに記載するように！）
Example analyses
The tool should calculate 2-4 indicators about the urban areas. Here are some examples of potential metrics:
このツールは都市エリアの２～４個の指標を計算すべきです。可能性のある指標の例はこちら。
Population distribution and demographics
- Input data management (table joins, data cleaning etc.)
- Calculate key statistics
- create maps and graphs
人口分布と人口統計
- 入力データの管理する（テーブルの結合、データのクリーニング他）
- 主要な統計を計算する
- 地図とグラフを作る
Urban population growth
- Fetch population data from at least two different years
- Compare statistics from different years
- Visualize as graphs and maps
都市の人口の増加
- 少なくとも異なる２つの年の人口データを取得する
- 異なる年の統計を比較する
- グラフや地図で可視化する
Accessibility:
- Decide what travel tiles you are focusing on (walking, driving, public transport..)
- Decide what types of destinations you are focusing on (transport stations, health care, education, sports facilities..)
- Get travel time data from the Travel Time Matrix OR calculate shortest paths in a network
- Calculate travel time / travel distance metrics, or dominance areas
- Visualize the results as graphs and maps
アクセスのしやすさ:
- 何の移動のタイル（徒歩、車の運転、公共機関など）にフォーカスをあてるのかを決める
- どんな目的地（駅、医療機関、教育機関など）にフォーカスをあてるのかを決める
- 移動時間のマトリックス、または、ネットワークの最短経路から移動時間を取得する
- その結果をグラフや地図で可視化する
Green area index
- Fetch green area polygons and filter the data if needed
- Calculate the percentage of green areas in the city /region + other statistics
- Visualize the results
緑葉面積指数
- 緑葉面積のポリゴンを取得し、必要ならフィルターする
- 都市部、または、地域と、それ以外の統計情報から、緑葉面積のパーセントを計算する
- 結果を可視化する
Green area index（緑色面積指数）については、こちらを参照ください。
Street network metrics
- Fetch street network data
- Calculate street network metrics (see Lesson 6 and examples from here)
- Visualize the results
道路ネットワークのメトリックス
- 道路ネットワークを取得する
- 道路ネットワークのメトリックスを計算する（レッスン6とレッスン6にある例を参照）
- 結果を可視化する
レッスン6はこちら。
Building density
- Fetch the data, and filter if needed
- Calculate building density and other metrics
- create maps showing the building types and density
ビルの密度
- データを取得し、必要ならフィルターする
- ビルの密度や他の測定値を計算する
- ビルの種類や密度を含む地図を作成する
Structure of the urban indicators tool assignmnent
You can design the structure of your assignment freely. We suggest that you create functions in separate script files, and demonstrate the use of those functions in one or several notebooks. In addition, you should provide some basic information in the README.md file of your final assignment. All in all, the work should include these components:
- A topic for your work (eg. “Urban indicators: analyzing the street netowrk structure in Helsinki and Tampere”).
- A short introduction to the topic (present 2-4 research questions that you aim to answer using the indicators)
- Short description of the datasets you used
- Short generic description of the methods you used
- Actual codes and visualizations to produce the results
- Short discussion related to the results (what should we understand and see from them?)
- Short reflection about the analysis, for example: - What kind of assumptions, biases or uncertainties are related to the data and/or the analyses that you did? - Any other notes that the reader should know about the analysis
宿題は自由にデザインできます。
異なるスクリプトファイルで関数を実装すること、一つ以上のノートブックでそれらの関数の使い方のデモをすることを提案します。
加えて、基本的な情報がREADME.mdで提供すべきです。
全体的に見て、この作業は以下のコンポーネントを含むべきです。
- あなたの作業のトピック（例えば、「都市部の指標：ヘルシンキとタンペレの道路ネットワークの構造を分析する」）
- 簡潔なトピックの紹介（この指標を使って答えを出そうと考えている２～４の研究課題を表示する）
- 実際のソースコードと結果を可視化したもの
- 結果に関する簡潔な議論（この結果から何を読み取るべきか）
- この分析に対する簡潔な考察、例えば、
- どのような仮説、バイアス、または、不確実性がデータかつ／または分析結果に紐づくか
- この分析について、読者が知るべきその他の特記事項
Technical considerations
Take care that you:
- Document your analyses well using the Markdown cells and describe 1) what you are doing and 2) what you can see from the data and your results.
- Use informative visualizations
- Create maps (static or interactive)
- Create other kind of graphs (e.g. bar graphs, line graphs, scatter plots etc.)
- Use subplots that allows to easily compare results side-by-side
- When writing the codes, we highly recommend that you use and write functions for repetitive parts of the code. As a motivation: think that you should repeat your analyses for all cities in Finland, write your codes in a way that this would be possible. Furthermore, we recommend that you save those functions into a separate .py -script file that you import into the Notebook (see example from Geo-Python Lesson 4)
以下の点に注意：
- マークダウンのセルを使って、1) 何をしているのか 2) データや結果から何がわかるのかを記述することで、あなたの分析をドキュメント化する
- 意味のある可視化
- 地図を作る（静的、もしくは双方向な）
- 別の種類のグラフを作る（例えば、棒グラフ、折れ線グラフ、散布図など）
- 結果を横並びで比較できるよう、サブプロットを使う
- ソースコードを書くときは、何回も行う処理の関数を作成し、それを使用することを強く推奨する。動機として：フィンランドの全部の都市に対し分析を繰り返すことが可能になるような方法でコードを書くべきだと考えてください。さらに言うと、これらの関数を、異なるpyファイル（スクリプトファイル）に保存し、ノートブックにインポートすることを推奨します。（Geo-Pythonのレッスン4を参照）
Literature + inspiration
Following readings provide you some useful background information and inspiration for the analyses (remember to cite if you use them):
- European Commission (2015). “Indicators for Sustainable Cities”
- Rob Kitchin, Tracey Lauriault & Gavin McArdle (2015). Knowing and governing cities through urban indicators, city benchmarking and real-time dashboards . Regional Studies, Regional Science, Vol. 2, No. 1, 6–28.
以下を読むで、役に立つ前提知識と分析についての発想を得ることができます（使用する場合は必ず引用してください）：
- 欧州委員会（2015）「持続可能な都市の指標」
- Rob Kitchin、Tracey Lauriault、Gavin McArdle（2015） 中心都市の指標を通じて、都市を理解し統治する、都市の比較や分析、ならびに、すぐに状況を把握や分析ができる画面。Regional Studies, Regional ScienceのVol. 2のNo. 1の6–28ページ
続きます。