LoginSignup
5
6

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 1 year has passed since last update.

@wahagon(Ryunosuke Deguchi)in日本オラクル株式会社

Oracle Spatial Studio で駅ごとの年齢層の人口を集計してみた

Last updated at Posted at 2022-03-09

はじめに

本記事ではこちらの記事の続きとして、東京都の境界データと国勢調査の年齢階層データ、先ほどロードした全国の駅データを使って、Spatial Studioで分析をしてみます。

1. 境界データ/小地域（東京都）のダウンロードとロード

こちらから東京都の境界データのShapefileをダウンロードします。
利用規約を読んでzipファイルを展開します。

(補足)
Shapefile（シェープファイル）とは、Esri社が提唱する、GISデータのフォーマットの1つです。
https://www.esrij.com/gis-guide/esri-dataformat/shapefile/
図形情報と属性情報を持った地図データファイルが集まったファイルで、例えばこの後使う「市区町村の形状データ」では、市町村の形を示す情報や、その市町村の名前などが格納されています。*.shp, *.dbf など、決まった拡張子を持つ複数のファイルからなります。

tokyo_shp.jpg
出典：政府統計の総合窓口(e-Stat)

以下の4つのファイルが展開されます。

  • h27ka13.dbf
  • h27ka13.prj
  • h27ka13.shp
  • h27ka13.shx

2. 国勢調査の年齢階層データのダウンロード

こちらから東京都の年齢階層データ（age_group_tokyo.csv）をダウンロードします。合わせてテーブル定義書も確認します。
※ 政府統計の総合窓口(e-Stat)『平成２７年国勢調査 人口等基本集計 年齢（５歳階級）、男女別人口、総年齢及び平均年齢（外国人－特掲）－町丁・字等』のデータを一部加工して作成しています。

3. 各データのSpatial Studioへのロード

先ほどダウンロードしたシェープファイルと年齢階層データをSpatial Studioへロードし、データセットを作成します。

  1. Spatial Studioへログインし、[Create Dataset]→[From file upload]を選択し、4つのファイルを全てインポートします。
    import_shp.jpg

  2. 以下の画像のように設定し、Submitします。
    tokyo_boundary.jpg

    • Upload to connection：SPATIAL_STUDIOを選択
    • Table name：TOKYO_BOUNDARYに変更
    • Dataset name：TOKYO_BOUNDARYに変更
    • Create Spatial Index：ON（デフォルト）に設定、空間索引が作成されます。

  3. AREA列を主キー列に設定します。
    tokyo_boundary_pk.jpg

  4. age_group_tokyo.csvをインポートします。Issuesが2つありますが、ここはこのままで先に進みます。
    age_group_tokyo_issues.jpg

4. Database Actionsで2つの表をjoinする

Spatial StudioでロードしたTOKYO_BOUNDARY表とAGE_GROUP_TOKYO表を、共通のKEY_CODE列でjoinします。
現在の設定では、studio_repoユーザーでDatabase Actionsにサインインできないため、ADMINユーザーでRESTの有効化をする必要があります。

  1. ADMINユーザーでDatabase Actionsにサインインします。

  2. [データベース・ユーザー]をクリックします。
    database_actions_user.jpg

  3. studio_repoユーザーにRESTの有効化をします。
    database_actions_rest.jpg

  4. 一度サインアウトし、studio_repoユーザーでサインインし直します。

  5. 『開発』の[SQL]をクリックします。

  6. Spatial Studioでロードした3つの表AGE_GROUP_TOKYO、STATION、TOKYO_BOUNDARYがあることを確認します。
    studio_repo_tables.jpg

  7. 以下のコマンドでAGE_GROUP_TOKYO表とTOKYO_BOUNDARY表をjoinし、geo_age_tokyo表を作成します。

    create table geo_age_tokyo as select a.PREF, a.CITY, a.S_AREA, a.PREF_NAME, a.CITY_NAME, a.S_NAME, a.KIGO_E, a.HCODE, a.AREA, a.PERIMETER, a.H27KAXX_, a.H27KAXX_ID, a.KEN, a.KEN_NAME, a.SITYO_NAME, a.GST_NAME, a.CSS_NAME, a.KIHON1, a.DUMMY1, a.KIHON2, a.KEYCODE1, a.KEYCODE2, a.AREA_MAX_F, a.KIGO_D, a.N_KEN, a.N_CITY, a.KIGO_I, a.MOJI, a.KBSUM, a.JINKO, a.SETAI, a.X_CODE, a.Y_CODE, a.KCODE1, a.GEOM, b.*
from TOKYO_BOUNDARY a, AGE_GROUP_TOKYO b 
where a.key_code = b.key_code;

  8. 再度Spatial Studioに戻り、作成したgeo_age_tokyo表でデータセットを作成します。[Create Dataset]→[Table/view]からGEO_AGE_TOKYOを選択します。また、[Validate geometries]のトグルスイッチをONにします。
    geo_age_tokyo_import.jpg

  9. 主キー列をAREA列に設定し、[Create Spatial Metadata and Index]をクリックします。
    create_lat_lon_index.jpg

設定が成功するとGEO_AGE_TOKYOのアイコンがピンマークに変わります。

5. 地理情報を用いた分析

作成したgeo_age_tokyo表と駅データを用いて、駅周辺の特定の年齢層の人口を集計してみます。
以下は、東京都を駅周辺の650個の小地域に分け、駅ごとに0~14歳、15~64歳、65歳以上の人口を表示するSQL文です。
このSQL文をDatabase Actionsで実行します。

select sum(a.T000849017), sum(a.T000849018), sum(a.T000849019), b.station_name
from geo_age_tokyo a, STATION b
where sdo_anyinteract (a.geom, sdo_geometry(2001, 8307, sdo_point_type(b.lon, b.lat, NULL), NULL, NULL)) = 'TRUE'
group by b.station_name;
  • sdo_anyinteract：表内のジオメトリに、特定のジオメトリとの位相関係があるかどうかを確認する、つまり東京都の小地域の空間データと駅の座標位置になんらかの位相関係があればTRUEを返します。
  • sdo_geometry：Oracleのデータベース上に点やポリゴンを収容するオブジェクト型です。引数の2001は二次元の点を表し、8307はWGS84経度/緯度座標系に関連付けられています。詳しくはこちらをご参照ください。
  • sdo_point_type：点ジオメトリの座標を格納するオブジェクト型です。

10秒ほど待つと、以下のような結果が返されます。東京都の各駅周辺の地域の年齢階層別の人口が表示されています。
75results.jpg

続いて以下のSQLで15歳未満・15~64歳・65歳以上の人口の総計と65歳以上の人口の割合を駅ごとに表示してみます。
駅データと人口データの集計の仕方が若干異なっており、rate_over_64列の計算で0除算が発生してしまうため、回避のための条件を追加しています。

select
  sum(a.T000849017) AS num_under_15,
  sum(a.T000849018) AS num_15_to_64,
  sum(a.T000849019) AS num_over_64,
  sum(a.T000849019) / NULLIF((sum(a.T000849017) + sum(a.T000849018) + sum(a.T000849019)) ,0) AS rate_over_64,
  b.station_name
from geo_age_tokyo a, STATION b
where sdo_anyinteract (a.geom, sdo_geometry(2001, 8307, sdo_point_type(b.lon, b.lat, NULL), NULL, NULL)) = 'TRUE'
group by b.station_name having sum(a.T000849019) / NULLIF((sum(a.T000849017) + sum(a.T000849018) + sum(a.T000849019)) ,0) is not null
ORDER BY rate_over_64 DESC;

実行すると以下のような結果が返されます。

image.png

最後にこのデータを地図上で図示してみたいと思います。
上記のSQL文にcreate table...asを追加したtmp表を作成し、tmp表と駅データの表を駅名でjoinしてage_over_64_tokyo表を作成します。

create table tmp
as select
  sum(a.T000849017) AS num_under_15,
  sum(a.T000849018) AS num_15_to_64,
  sum(a.T000849019) AS num_over_64,
  sum(a.T000849019) / NULLIF((sum(a.T000849017) + sum(a.T000849018) + sum(a.T000849019)) ,0) AS rate_over_64,
  b.station_name
from geo_age_tokyo a, STATION b
where sdo_anyinteract (a.geom, sdo_geometry(2001, 8307, sdo_point_type(b.lon, b.lat, NULL), NULL, NULL)) = 'TRUE'
group by b.station_name having sum(a.T000849019) / NULLIF((sum(a.T000849017) + sum(a.T000849018) + sum(a.T000849019)) ,0) is not null
ORDER BY rate_over_64;

create table age_over_64_tokyo as
select a.rate_over_64, b.*
from tmp a, STATION b
where a.station_name=b.station_name;

Spatial Studio上でage_over_64_tokyo表のデータセットを作成し、プロジェクトを作成します。
データセットを地図上にドラッグアンドドロップすると、以下のようになります。
image.png

65歳以上の割合によって色を分けてみます。
Layers ListのAGE_OVER_64_TOKYOの右のボタンをクリックし、Settingsをクリックします。
age_over_64_tokyo_config.png

Layerの設定画面になるので、BasicのColorをデフォルトのSingle ColorからBased on dataに変更します。
age_over_64_tokyo_layersetting1.png

列を選択できるのでRATE_OVER_64列を選択し、基準となる値を0から0.6まで0.1刻みで設定します。
設定できたらSet paletteから色分けを再度選択し直すことで以下のような画面になります。
age_over_64_tokyo_layersetting2.png

これで東京都の駅周辺の地域を65歳以上の人口の割合ごとに色分けして表示することができました。

おわりに

Oracle Spatial Studioを使って、地理情報を含むデータの可視化やその空間分析ができることをご確認いただきました。
また、ここでは扱いませんでしたが、面積計算を織り込んだ分析や道路/経路面を考慮した対象商圏の分析などもOracle Spatial の機能を利用することで可能になっています。
さらにAutonomous Databaseで使用することで、大量のデータに対しても高速に処理を行うことができます。
Oracle Spatial StudioはAutonomous Databaseに標準で含まれておりますので、Autonomous Databaseを使用する際は合わせてご検討ください。

参考資料

5
6
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
5
6

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?