観光歩行行動における 3 次元可視化分析手法の提案

観光歩行行動における 3 次元可視化分析手法の提案
C-12 奥野 祐介（2008808）
2011 年 12 月
目次
1
はじめに
1
2
調査概要
2
2.1
ハンディ GPS 端末を用いた観光歩行行動データの取得 . . . . . . . . . . .
2
2.2
ハンディ GPS 端末の測位精度 . . . . . . . . . . . . . . . . . . . . . . . . .
3
観光行動における従来の可視化分析手法
4
3.1
カーネル密度分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4
3.2
カーネル密度分析の検索半径別結果 . . . . . . . . . . . . . . . . . . . . . .
4
3.3
カーネル密度分析の短所 . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5
GIS による 3 次元可視化手法
6
4.1
GIS を用いた座標変換 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6
4.2
GPS ログデータベースの作成 . . . . . . . . . . . . . . . . . . . . . . . . .
7
4.3
GPS ログの補正 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7
4.4
GIS を用いた 3 次元可視化 . . . . . . . . . . . . . . . . . . . . . . . . . . .
7
4.5
実データを用いた 3 次元可視化分析 . . . . . . . . . . . . . . . . . . . . . .
8
4.5.1 歩行観光行動の状況 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8
4.5.2 一定時間間隔毎の観光行動状況 . . . . . . . . . . . . . . . . . . . . . . .
9
3
4
考察
10
5.1
提案手法の有用性検討 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
5.2
時空間パスによる相互補完 . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
まとめ
11
5
6
謝辞
11
引用文献
11
参考文献
13
1
はじめに
近年の観光旅行は，従来の団体旅行から家族・友人・個人での少人数旅行へと変化が見
られる [1]．そのため，観光都市間の回遊といったマクロスケールな行動分析に加えて，
観光都市内におけるミクロスケールな個人観光行動の調査分析が必要となっている．
観光者の行動を調査する方法として，米国が構築した全地球測位システム（Global
Positioning System: 以下，GPS）を用いた調査が増加する傾向にある [2]．小型の GPS 端
末は，持ち歩くだけで詳細な歩行ルートを取得可能であるため，従来のアンケート調査票
を用いる手法と比べ，被験者への負担が少ない．また，取得した GPS ログは，そのまま
デジタル化されるため，データの処理が容易という利点がある [3][4][5]．
GPS を用いた観光行動調査に関する研究としては，野村ら [3]，本郷ら [6]，藤田ら [7]
が挙げられる．野村らは，鎌倉市内で観光者の GPS ログを取得し，歩行者流動の可視化
および歩行者速度点分布という新たな可視化手法の提案をしている．本郷らは，奈良飛
鳥地域にて観光者の GPS ログを取得し，移動滞在判別や観光スポット抽出，関連性分析
を行なっている．藤田らは，小田原市内で GPS ログを取得し，被験者の移動先把握を行
なっている．
また，GPS を用いた観光に関する分析手法の研究としては，長尾ら [8]，矢部ら [2] が
挙げられる．長尾らは，レンタカー利用者を対象として，GPS ログを収集し，観光動態情
報を抽出するためのログデータマイニング手法を提案している．矢部らは，GPS を用い
た分析手法について，2 次元・3 次元可視化手法に注目し，その有効性を分析している．
この 2 次元可視化手法のひとつとして，カーネル密度分析を用いる方法がある [9]．
カーネル密度分析は，点密度が滑らかな曲線で描かれ，集中軸や密集エリアを抽出しやす
いのが特徴である [10][11]．ミクロスケールの観光歩行行動の GPS ログに対しても，こ
のカーネル密度分析を適用すると，各 GPS ログにおける長時間滞在ポイントの抽出が可
能である．
しかし，本研究を進める過程で，ある一つの GPS ログをカーネル密度分析により可視
化した際，観光者の歩行ルートが不明瞭になることや，高密度部分における密度の高さに
よって，他の滞在ポイントの把握が困難になる場合があり，カーネル密度分析では，ミク
ロスケールの観光歩行行動分析が困難なケースがあることがわかった．
そこで，本研究では，カーネル密度分析による可視化手法の短所解決を目指して，観光
行動の歩行速度に着目した GPS ログの 3 次元可視化分析手法を提案する．そして詳細な
観光歩行行動情報を抽出することで，ミクロスケールの観光歩行行動分析における本提案
手法の有用性を検証する．また，北海道小樽市を事例に，ハンディ GPS 端末を用いて観
光者の歩行行動データを取得し，この実データを用いて，未来とスケールの観光歩行行動
に対する本提案手法の有用性を検証する．
本研究で提案する手法では，観光者の滞在場所や移動経路等，詳細な観光歩行行動を視
覚的に把握することが可能になる．これにより，観光都市等における観光まちづくりや観
光施策の立案等に寄与できるものと考えられる．
以下，第 2 章で観光者を対象とした GPS ログ取得調査の概要を述べ，第 3 章で従来の
1
分析手法ついて述べる．第 4 章では，本研究で提案する 3 次元可視化手法を説明し，第 5
章で，提案手法についての考察を行なう．最後に第 6 章で課題と展望をまとめる．
調査概要
2
本研究では，観光歩行行動に関する実データを用いて，提案する 3 次元可視化分析手法
の検証を試みる．そこで，まず，その実データを取得するために行なった観光歩行調査と
その調査で用いたハンディ GPS 端末について，以下，概要を述べる．
2.1
ハンディ GPS 端末を用いた観光歩行行動データの取得
本研究では，実際の観光者が歩行した GPS ログを取得し，この実データを用いて，提
案手法の有用性を検証する．GPS ログの取得は，北海道小樽市を訪れる観光者を対象と
し，歩行観光動態調査として実施した．図 1に調査対象エリアを示す．小樽市は，運河や
歴史的建造物，ガラス製品，スイーツなど観光資源が豊富な地方都市で，全国でも有数な
観光都市である．本調査の概要は，表 1 の通りである．
本調査では，JR 小樽駅入口横に，調査の説明，調査用端末の貸出および返却を行なう受
付（以下，調査基点ブース）を設置した（図 2）
．この調査基点ブースにて，小樽を訪れた
歩行観光者グループに対し，ハンディ GPS 端末（図3）を貸与した．そのグループには，
観光終了後に調査基点ブースへハンディ GPS 端末を返却するよう依頼した．
±
小 運河エリア
小 運河
JR
浅草橋
線
樽駅
函 館 JR⼩小
運河ターミナル
⼩小樽市役所
メルヘン交差点
国
道
5
0
号
線
図1
250
m
分析対象エリアの位置
表 1 観光動態調査の概要
調査対象
調査期間
調査時間
調査起終点
使用端末
取得データ数
500
JR 小樽駅に観光目的で来訪
した歩行観光者グループ
2011 年 9 月 17 日∼ 19 日，
23 ∼ 25 日（6 日間）
10:00 ∼ 17:00（原則）
JR 小樽駅
eTrex Venture HC（7 台）
32 グループ
2
図 2 調査基点ブース
図 3 ハンディ GPS 端末
本調査で用いたハンディ GPS 端末は，GARMIN 社の eTrex Venture HC[12] で，7 台使
用した．この GPS 端末は，1 回の調査で約 10,000 個の測地点データを蓄積可能で，本研
究では，5 秒間隔で取得するよう設定し，約 6 時間で約 4,300 個の測地点データを蓄積す
ることとした．調査期間は，2011 年 9 月 17 ∼ 19 日，23 ∼ 25 日の計 6 日間とし，各日
原則 10 時から 17 時までを調査時間とした．本調査では，32 グループの GPS ログを取得
した．
2.2
ハンディ GPS 端末の測位精度
本調査で用いるハンディ GPS 端末の測位精度を検証するため，固定点における定点観
測を実施した．観測場所は，小樽運河と堺町本通りの 2 箇所で，観測日時は，小樽運河が
2011 年 9 月 19 日の 11 時 30 分頃から 14 時 30 分頃までの約 3 時間，堺町本通りは 2011
年 9 月 25 日の 14 時頃から 16 時 30 分頃までの約 2 時間 30 分とした．
図 4は，各観測場所における定点観測結果である．この 2 つの観測は，同じハンディ
GPS 端末を用いて行なっている．表 2は，各観測における平均誤差と最大誤差である．観
±
±
20m
堺
道
10m ⼩小
道
町
!
!
!!
!
!
!
!!
!!!
!!!!
!
!!
!!
!
!
!! !
!
!!
! ! !!
!!
!!! !
!
!!
!!!
!!
!!! ! !
!
!!!
!!
!!!
! !!
!!
!!
!!
!!
!
!!
! !!!
!!!!
!!
!
!!
!
!!
!!!
!!
!!
!!!
!!!!
!!!
!
!!!
!
!
!!
! !!
!!
!
!!
!!
!
!
!
!!! !
!!
!
!!
!!
!!!!
!! !!
!!!
!!
!!!! !
!! !
!! !
!!
!
!
!!!
!!!!!
!!
!!
!!!!
!!
!!!!!
!!!!
! !!
!!
!!
!!
!
!
!!!
!!
!!!! !!
!
!
!! !
!
! !!!
!
!
!! !
!
!
17
号
!
!
!!
!! !!
!
樽
!
!!
!
!
!
!!
!!
!!
! !!
!
!!
!
!!! !!!
!
!!
!!
!!
!
!!!!!
!!
!!!!
! ! !!
!
!!
!!
!!!!!!
!
! !!
!!!!!
!!
!
!!!!
!!!!!
!!!!
!!
!!
!!!!
!!
!
!!!
!!!
!!
!!!!
!
!!
!!
!!
!!
!
!!
!
!!
!!
!!!
!
!!
!!
!!!!!
!!
!!
!!
!!
!! !
!!
! !
!
!
!!!!
!
!
!!
!
! !!!!
!!
!!!
!
!
!!
!
! !!
!!
!!
!! !!
!
!
!!
!!
!
!!
10m
通
!
!
!!
!!
!!!!!
!
小
本
樽
運
港
り
河
線
0
10
20
30
40
0
50
m
（a）小樽運河（2011年9月19日）
定点観測における誤差
観測場所
平均誤差 (m)
最大誤差 (m)
小樽運河
5.84
1.60
18.28
3.90
堺町本通り
20
30
（b）堺町本通り（2011年9月25日）
図 4 定点観測結果
表2
10
3
40
50
m
測場所によって観測結果に差が出たが，現在，市販されている GPS 受信機の精度は 10 ∼
20m であり [13]，本調査で用いるハンディ GPS 端末の精度も同程度であることを確認
した．
観光行動における従来の可視化分析手法
3
3.1
カーネル密度分析
従来，観光者の行動調査では，カーネル密度分析がよく用いられてきた [9]．カーネル
密度分析は，密度を計算する地点を中心として，任意に指定した検索半径内の点密度を，
計算地点からの距離減衰効果による重み付けを伴って計算する手法である [2]．本来は滑
らかなヒストグラムを得るために考案された技法であるが，容易に 2 次元の地図学的問
題に応用できる手法である [14]．カーネル密度の計算においては，検索半径の設定が重要
で，検索半径が大きければ広域的な傾向を，小さければ局地的な傾向を表す．そのため，
計算過程では，適当な結果とみなされるまで，検索半径を繰り返し調整する必要がある．
3.2
カーネル密度分析の検索半径別結果
まず，本説で用いるデータを図5に示す．このデータは，第 2 章で述べた歩行感行動対
調査によって取得したもので，浅草橋や運河ターミナル，メルヘン交差点といった小樽観
光における有名なポイントの周辺を歩行している代表的な観光行動データである．
本データに対して，GIS の代表的なソフトウェアである ArcGIS を用いて，カーネル密
度分析を行なった．その結果を図6に示す．図6は，カーネル密度分析における検索半径
を，10m，50m，100m，200m の 4 パターンを設定し，可視化したものである．計算し
たカーネル密度を 10 段階に等分割し，色分けをした．見やすさを考慮して，密度の第 1
段階（最低密度部分）は無色にしてある．
一つの GPS ログを用いてカーネル密度分析を行なった場合，歩行行動データにおける
±
JR 函
館 線 JR⼩小 樽
駅
!
!!!!!!!
!!
!!
!
!!
!
!
!
!
!!
!
!
!!
!
!!
!!
!
!!
!
!!
!!
!!
!!
!!!
!!
!
!!
!!
!
!
!
!
!
!!
!!
!!
!
!
!
!
!
!
!!
!!!
!!
!!
!
!
!
!!
!
!!
!!!
!
!
!!!
!!
!
!
!
!
!
!
!!
!
!!
!!
!!!
!
!
!
!!
!!!
!!
!
!
!!!!!!
!!
!!
!!!!
!
!
!!
!!
!!!!!!
!
!
!
!
!!
!!
!
!!
!
!!
!!
!
!!!
!
!!
!!!!!
!
!!
!!!
!!
!
!
!!
!!!!
!!
!
!
!!!
!
!
!!
!!
!
!
!
!!
!!
!!
!!
!!!!!!
!!
!
!!
!!!!!!!
!!
!!!
!!
!!
!!!
!!!
!
!
!!
!!
!
!
!
!!!!!!!!!
!
!!
!!
!! !
!
!!
!!
!
!
!
!
!
!!
!!! !!
!!
! !!
!
!!!
!!
!! !
!!
!!!!!!!!!!!!!!!! ! !
!
!
!!
!!
!!
!
!
!!!!
!!
!!!
!!
!
!
!
!!!
!!
!!
!!
!!
!!
!
!!
!!!!
!!!
!!!!!!!!!!
!!!
!
!! !!!
!!
!!
!!
!!
!!
!!!!
!
!
!!!
!!!
!!!!
!!!!!!!
!
!
!!
!
!!
!
!!
!!
!!!! !!!!!
!!!!
!
!! !!!
!!
!!
! !!!
!!!
!!
!
!!
!
!!!
!
!
!!
!!!
!
!!
!!!
!! !
!
!
!
!!
!
! !!!
!!
!!!!!
!!
!
!!
!!!!
!!
!!
!!
!
!!!! ! !!!
!!
!!
!!!!
!!
!
!
!!!!
!!!
! ! !!
!!
!!!!!!
!! !! !!!! !!
!
!!
! ! ! !!!!!
!!
!!
!
!
!
!
!
!
! ! !!
!!
! ! !
!
!!!
!!
!
!!
!!
!
!
! !!!
!!
! !! ! !!!
!!!
!
!
! ! !!
!!!
!!
!
!!!!
!!
!!
!!
!!
!
!!
!
!!
!!
!
!
!
!! !
!!
!!!!
!
!!! ! ! ! !
!
!!
!!
!!
!
! !!
!!!
!
!
!!!
!
!
!!
!!!
!
!
!!
!
!
!
!!
!!!
!
!!!
!
! ! !!
!
!!
!!
!
!
!! !
!
!
!!! !!!
!
!
!
!
!
!
!
!
!!!!!!!
!! ! !! !!!!!!
!!
!!
!!!
!
!!!
!!!!!!!!
!
!!
!!
!!!
!!!
!
!
!!
!
!!
!
!
!
!
!
!
!! !!!
!!
!!
!!
!!!!!!
!!
!!!
!!!!
!! !! !
!!
!!
!!
!!
!!
!
!
!
!!
!!
!
!
!
!
!!
!
!!
!
!! !!
!
!!
!
!
!
!
!
!
!
!!!!!!!
!!
!
!!!
!!
!!!
!!!
! !
!!
!!
!!!
!!
!
!
!
!
!
!
!
!
!
!
!
!
!!
!
!
!!
!
!!
!
!!
!!
!!
!
! !! !!
!
!
!!
!
! !!!!!!
!
!
!!!!!
!!
!!
!
!!
!
!!!
!!!!
!!
!
!
!
!!!
!
!!
!
!
!
!!!
!
!
!
!!
!!
!
!!
!
!
!!!
!
!!
!
!
!
!!!!
!
!!!
!
!!
!
!
!!
!
!!!
!
!
!
!
!!!
!
!!
!!
!
!
!!
!
!
!! !!
!
!!
!
!!!!!!
!
!!!! ! !!!! !!
!!!!
!!
!!
!!
!
!!!
!!!!
!
!
!!!
!!
!!
!!!
!
!!
!!!!!!
!!
!
!
!
!
!!!!!!!
!!!
!
!!
!!!
!!
!
!!
!
!
!
!
!!
!!
!
!
!
!
!
!!
!!
!
!
!!
!! !
!! !!
!
!!!
!
!!
!
!
!
!
!!
!
!!!!!!!!!
!!
!!
!
!
!
!
!
!
!!
!
!!
!!
!!
!!
!!
!
!
!
!!
!
!
!!
!
!
!
!!
!
!!
!
!
!!
!!!
!!!
!
!
!
!!
!!!
!
!!
!! !
!
!
!!
!
!
!!
!!!
!!!
!!
!!
!!!!
!
!!
!
!!!!
!!!
!
!!!
!!
!!!
!!
!
!
!
!!
!!
!
!
!
!
!
!
!
!
!
!
!!
!
!
!
!
!
!
!
!
!!!
!
!!
!!
!
!
!!
!!!!
!!!!!!!!
国
道
5
号
線
図5
0
250
分析で使用する実データ（ポイントデータ表示）
4
500
m
長時間滞在ポイントの抽出が可能である．図6のうち，密度の橙色から赤色部分が長時間
滞在ポイントである．
図6（a）は，検索半径を 10m に設定し，本データの密度分布を可視化したものである．
密度分布が非常に小さく可視化されており，判別が困難であることがわかる．そこで，検
索半径をさらに大きくした上で，カーネル密度を計算した．図6（b）は検索半径を 50m，
図6（c）は 100m，図6（d）は 200m に設定し，可視化したものである．図6（b）や図6
（c）は，歩行行動データにおける長時間滞在ポイントが明瞭に現れており，本データの分
析に適した検索半径であるといえる．しかし，検索半径を 200m に設定した図6（d）で
は，長時間滞在していたとされるポイントがかなり広範囲に表示されているため，詳細な
分析を行なうのは困難であることがわかる．なお，本データにおける長時間滞在ポイント
は，カーネル密度分析（検索半径 100m）を用いて可視化することで，3 箇所あることが
わかった．
3.3
カーネル密度分析の短所
3.2 で述べた通り，実データを用いてカーネル密度分析を行ない，3 箇所の長時間滞在
ポイントを抽出することができた．しかし，カーネル密度分析の短所も明らかになった．
すなわち，図5，図6を比較すると，図5の歩行ルート上に密度分布が現れていない部分が
あることから，カーネル密度を用いて計算した密度分布図だけでは，歩行ルートの把握が
±
±
凡例例
JR 函
JR 函
凡例例
館線
館線
検索索半径10m
検索索半径50m
<セル値>
JR⼩小
JR⼩小
<セル値>
0 -‐‑‒ 6,106.2
樽駅
樽駅
0 -‐‑‒ 47,355.0
47,355.0 -‐‑‒ 94,710.0
6,106.2 -‐‑‒ 12,212.4
94,710.0 -‐‑‒ 142,065.0
12,212.4 -‐‑‒ 18,318.7
142,065.0 -‐‑‒ 189,420.0
18,318.7 -‐‑‒ 24,424.9
189,420.0 -‐‑‒ 236,775.0
24,424.9 -‐‑‒ 30,531.1
236,775.0 -‐‑‒ 284,130.0
⼩小樽市役所
号
線
30,531.1 -‐‑‒ 36,637.3
284,130.0 -‐‑‒ 331,485.0
国
道
5
331,485.0 -‐‑‒ 378,840.0
0
⼩小樽市役所
378,840.0 -‐‑‒ 426,195.0
100 200 300 400 500
426,195.0 -‐‑‒ 473,550.0
m
36,637.3 -‐‑‒ 42,743.6
国
道
5
号
線
42,743.6 48,849.8
0
48,849.8 -‐‑‒ 54,956.0
100 200 300 400 500
54,956.0 -‐‑‒ 61,062.2
m
（a）検索半径10m
（b）検索半径50m
±
±
凡例例
JR 函
館線
館線
JR 函
凡例例
検索索半径100m
検索索半径200m
<セル値>
JR⼩小
JR⼩小
<セル値>
0 -‐‑‒ 743.0
樽駅
樽駅
0 -‐‑‒ 2,006.3
2,006.3 -‐‑‒ 4,012.6
743.0 -‐‑‒ 1,486.0
4,012.6 -‐‑‒ 6,018.8
1,486.0 -‐‑‒ 2,229.1
6,018.8 -‐‑‒ 8,025.1
2,229.1 -‐‑‒ 2,972.2
8,025.1 -‐‑‒ 10,031.4
2,972.2 -‐‑‒ 3,715.2
10,031.4 -‐‑‒ 12,037.7
⼩小樽市役所
号
線
3,715.2 -‐‑‒ 4,458.3
12,037.7 -‐‑‒ 14,044.0
国
道
5
14,044.0 -‐‑‒ 16,050.3
0
100 200 300 400 500
m
⼩小樽市役所
16,050.3 -‐‑‒ 18,056.5
18,056.5 -‐‑‒ 20,062.8
4,458.3 -‐‑‒ 5,201.3
国
道
5
号
線
5,201.3 -‐‑‒ 5,944.3
0
100 200 300 400 500
m
（c）検索半径100m
（d）検索半径200m
図6
検索半径別密度分布図
5
5,944.3 -‐‑‒ 6,687.4
6,687.4 -‐‑‒ 7,430.4
困難であることがわかった．
カーネル密度分析を用いて可視化した分布図と，図 5 のようなポイントデータを重ね合
わせて表示することで，この短所をある程度解決できるが，数時間といった極端に長時間
の滞在ポイントがある場合，そのポイントが顕著に表されてしまうため，数分間という短
時間の滞在ポイントが可視化されない恐れがある．
4
GIS による 3 次元可視化手法
本研究では，観光歩行行動を対象として，ミクロスケールでの滞在場所や歩行状況，歩
行ルート等といった観光動態を明らかにすることを目的として，GIS を用いた 3 次元可
視化分析方法を提案する．一般に，観光行動では，歩行速度が速い場合は，観光スポット
等で立ち止まらずに目的の場所へ移動している状況であると考える．一方，歩行速度が遅
い場合は，街並みを眺めているなど，観光を楽しむような行動をとっているものと推測さ
れる．
そこで，本提案手法では，観光者の歩行速度に着目し，これを Z 軸として，GIS を用い
た 3 次元可視化を試みる．歩行速度に着目した 3 次元可視化分析は，交通行動の分野にお
ける研究が一部あるが [15]，観光行動の分野においてはまだなされていない．
以下，図7に本提案手法のアルゴリズムを示し，この図の手順に従って，データ処理の
詳細を述べる．
4.1 GIS を用いた座標変換
本提案手法では，まず，ハンディ GPS 端末から GPS ログを GPX 形式でパーソナルコ
ンピュータに取り込む．このデータ取り込みには，eTrex Venture HC 付属のソフトウェア
（MapSource）を使用した．取得した GPS ログには，測位地点の経緯度，標高，日付，時
刻が記録されている（図8）．
GPSログデータ
（経緯度，標高，日付，時刻）
GPSログをPCへインポート
座標系変更および基礎データ算出
（移動距離，測地間隔，移動速度）
GPSログの補正
GPSログの移動速度を標高に置換
</trkpt>
経度
緯度
<trkpt lat="43.1977105" lon="140.9940081">
<ele>30.4188232</ele> 標高
<time>2011-09-17T03:34:24Z</time> 日付・時刻
</trkpt>
<trkpt lat="43.1977284" lon="140.9940691">
<ele>34.7448730</ele>
<time>2011-09-17T03:34:28Z</time>
</trkpt>
GIS（カシミール3D）へインポート
GISを用いた3次元可視化
図7
本提案手法の手順
図8
6
GPS ログデータの例
次に，インポートした GPS ログのうち，緯度，経度を平面直角座標系に変換する．長
尾らは GPS ログポイント間の距離をヒュベニの距離計算式に基づき計算している [8]．本
提案手法では，ポイント間の距離計算を簡略化するため，GIS を用いて平面直角座標系の
X 座標，Y 座標に変換する．
4.2 GPS ログデータベースの作成
PC にインポートして座標変換をした GPS ログから，移動距離や歩行速度といった基礎
データを算出し，データベース化する．図9にデータベース化した基礎データ算出結果の
例を示す．本研究では，Microsoft Office Excel を用いて基礎データの算出を行なった．
4.3 GPS ログの補正
GPS ログには歩行速度に関して明らかなエラーが含まれており，補正をする必要があ
る．そこで，補正基準を設定し，GPS ログの補正を行なった．補正基準は，以下の通りと
する．基準を設定するにあたり，文献 [2]，[3]，[8] を参考にした．
• 歩行速度が時速 10km/h を超える点
• 対象エリア（小樽運河周辺エリア）外の点
• 物理的に極短時間で移動不可能な点
なお，歩行速度の基準は，人間の平均歩行速度（1.3m/s ≒ 4.7km/h）を考慮して設定
した．
4.4 GIS を用いた 3 次元可視化
エラーを除去した GPS ログを GIS へインポートし，3 次元可視化を行なう．本研究で
は，歩行速度に着目した 3 次元可視化により，GPS ログに関する歩行観光行動の全体概
要を把握できる．また，GIS の画面表示を様々な角度で回転させることにより，ミクロ
スケールで詳細な歩行観光行動を分析することができる．今回，3 次元可視化に使用した
GIS は，カシミール 3D である [16]．カシミール 3D は，Web 上で無料提供されている
GIS ソフトウェアで，山岳展望や GPS データの解析，3D 風景・景観 CG の作成などが可
平面直角座標Y座標へ変換
平面直角座標X座標へ変換
A
ポイント番号
1
2
3
4
5
B
緯度
43.19776
43.19776
43.19777
43.19778
43.19778
C
経度
140.99406
140.99406
140.99400
140.99401
140.99401
D
標高
38.6
38.6
38.1
37.6
37.1
E
日付
2011/09/17
2011/09/17
2011/09/17
2011/09/17
2011/09/17
F
時刻 (UTC)
3:47:00
3:47:05
3:47:10
3:47:16
3:47:21
G
測地系
WGS84
WGS84
WGS84
WGS84
WGS84
I
Y
-88854.380
-88854.380
-88853.425
-88852.862
-88853.082
J
K
L
測地間隔
移動距離 (km) 移動速度 (km/h)
0:00:00
0.0000
0.000
0:00:05
0.0000
0.000
0:00:05
0.0051
3.699
0:00:06
0.0011
0.632
0:00:05
0.0003
0.238
測地間隔：J3=F3-F2
説明： 1. 経度・緯度を平面直角座標X座標・Y座標に変換
2. F列から測地間隔を計算し，J列に代入
3. 移動距離をH列，I列から計算し，K列に代入
4. 測地間隔と移動距離から移動速度を算出し，L列に代入
図9
H
X
60470.329
60470.329
60465.281
60466.170
60466.416
移動距離 (km)：K3=SQRT((H3-H2)^2+(I3-I2))/1000
移動速度 (km)：L3=K3/(J3*24)
基礎データ算出結果の例（文献 [3] の図 2 を参考に作成）
7
能な多機能ソフトウェアである．通常，3 次元を扱う GIS では，Z 軸方向のデータは標高
データとなっている．本提案手法では，この標高データを歩行速度データに置き換えるこ
とで歩行速度の 3 次元化を実現している．
4.5
実データを用いた 3 次元可視化分析
前節まで述べた提案手法のアルゴリズムに従って，小樽市で取得した歩行観光行動の
GPS ログデータを用いた 3 次元可視化分析を行ない，提案方法の有用性を検証する．
4.5.1 歩行観光行動の状況
図10は，図 5 の GPS ログポイントデータを線でつなぎ合わせることで軌跡化し，本提
案手法を用いて 3 次元可視化したものである．歩行速度が低いほど，ベースマップ面に近
く表示される．
まず，図10（a）は JR 小樽駅側から全体概要を表示したものである．JR 小樽駅を起終
点とし，小樽運河や堺町本通りを歩行していることがわかる．
次の図10（b）では，JR 小樽駅からあまり立ち止まることなく，小樽運河の方へ移動し
ていることがわかる．図10（c）では，埠頭付近の数カ所で歩行速度がゼロになっており，
海を眺望するような行動をとっていることが推察される．
最後に図10（d）は，堺町本通りを南方面から表示したものである．この通りでは，観
光者の歩行速度が全体的に低いことがわかる．
移動速度 (km/h)
0 1.25 2.5
5
移動速度 (km/h)
7.5
10
0 1.25 2.5
5
（a）JR小樽駅側から撮影
5
10
（b）色内埠頭側から撮影
移動速度 (km/h)
0 1.25 2.5
7.5
移動速度 (km/h)
7.5
10
0 1.25 2.5
（c）小樽埠頭側から撮影
図 10
5
7.5
10
（d）堺町本通り側より撮影
歩行速度に着目した GPS ログの 3 次元可視化（小樽運河周辺エリア）
8
4.5.2 一定時間間隔毎の観光行動状況
図 11は，図10の GPS ログを，1 時間毎に表示したものである．この 3 次元可視化によ
り，ある時間帯にどの場所で行動をしているかがわかる．また，時間経過別に可視化する
ことにより，観光行動のルートおよび，歩行順路を把握することができる．
図 11（d）では，堺町通りをゆっくりとした速度で歩行していることがわかる．この観
光者は，15 ∼ 16 時の時間帯には目的地に到着し，観光資源を見ながらゆっくりと移動し
ていたということが推察される．それに対して図 11（e）における GPS ログは，一定の速
度で移動していることが確認でき，16 ∼ 17 時の時間帯は，あまり立ち止まること無く，
次の目的地へと移動していることがわかる．
移動速度 (km/h)
0 1.25 2.5
5
移動速度 (km/h)
7.5
10
0 1.25 2.5
5
（a）JR小樽駅出発（12時8分）∼13時までの行動
5
移動速度 (km/h)
7.5
10
0 1.25 2.5
5
（c）14時∼15時までの行動
5
7.5
10
（d）15時∼16時までの行動
移動速度 (km/h)
0 1.25 2.5
10
（b）13時∼14時までの行動
移動速度 (km/h)
0 1.25 2.5
7.5
移動速度 (km/h)
7.5
10
0 1.25 2.5
（e）16時∼17時までの行動
5
7.5
10
（f）17時∼JR小樽駅到着（17時7分）までの行動
図 11 歩行速度に着目した GPS ログの 3 次元可視化（時間帯別）
9
考察
5
5.1
提案手法の有用性検討
4.5 の分析結果から，観光都市内というミクロスケールの観光行動分析に本提案手法を
適用することで，歩行観光動態に関する情報抽出に有用であることがわかった．また，一
定時間間隔毎の表示をすることで，個人観光者が多くの時間を消費している場所を把握す
ることができた．また，観光者がどのような順序で観光スポットを観光したか，といった
時系列に沿った観光行動情報の抽出も可能となった．
一方，本提案手法の課題も明確になった．一つは，観光歩行行動データに対して本提案
手法を適用すると，データ上のすべての滞留地点を抽出してしまうという課題である．す
なわち，景色を楽しむ，写真を撮るといった観光行動上の滞留だけではなく，交差点や信
号での一時停止による滞留も抽出されてしまう．ある地点における滞留が，明らかに交差
点や信号による停止であることが確認できれば，データを補正することで，ある程度解消
できる．しかし，観光スポットと交差点が重なる地点においては，補正するのは困難であ
る．屋内で測位可能な屋内 GPS が開発され，実証実験も行なわれているようではあるが
[17][18]，一般に普及するにはまだまだ時間がかかるであろう．
もう一つは，本提案手法を含め，GPS 端末を用いて観光行動データを取得する手法で
は，観光者が屋内に入った場合，GPS ログデータの蓄積ができないという課題である．現
段階では，基本的に GPS を用いた屋内測位はできない．よって，屋内滞留時のログデー
タは未取得になり，提案する 3 次元可視化手法では，その間の行動を可視化できない．そ
こで，このような場合に対する対応策のひとつとして，本提案手法の他に，時空間パスを
作成し，相互に補完することで，解決できると考えられる．
5.2
時空間パスによる相互補完
時空間パスは，時間地理学で用いられてきた行動分析手法で [19][20]，平面位置に対し
て垂直方向に時間軸を加えることで，時空間座標上に移動軌跡を表現できる．図 12は，図
時刻
17:00
時刻
17:00
14:00
14:00
11:00
11:00
（a）JR小樽駅側より撮影
（b）小樽埠頭側より撮影
図 12
時空間パス
10
5で示した GPS ログを時空間パスとして表現したものである．時空間パスは，滞留地点に
おける滞在時間を把握可能で，移動軌跡が垂直方向に伸びている部分が，その地点におけ
る滞在時間を表し，斜めに伸びる斜線は移動状態であることを表す．
本提案手法を用いて屋外での観光行動情報を抽出し，屋内滞在時の情報を時空間パスで
表現することで，屋内滞在時の課題に対応できると考えられる．
6
まとめ
本研究では，観光都市内におけるミクロスケールの歩行観光行動を対象として，観光者
の歩行速度に着目した 3 次元可視化分析方法を提案した．本提案方法の有用性を検証する
ため，小樽市運河周辺エリアを事例として，実際の観光行動で取得した GPS ログを用い
た分析を行なった．
その結果，歩行ルートや滞留する位置等を抽出することができ，歩行観光動態に関する
情報抽出に有用であることがわかった．また，本提案手法の課題に対しては，時刻を用い
た 3 次元可視化手法である時空間パスと相互補完することで対応が可能であると考えら
れる．
今後は，本提案手法における課題を解決すべく，引き続き研究を進めていく予定であ
る．将来的には，本提案手法を用いて，小樽市における観光者の行動特性を把握し，小樽
市の観光政策との比較をすることで，小樽観光の現状を明らかにしたい．
謝辞
本研究では，2011 年 9 月に行なった調査で取得したデータを使用しました．調査にお
いて，被験者を快く引き受けていただいた観光者の方々とともに，調査基点ブースの設置
をご快諾いただいた北海道旅客鉄道（株）小樽駅職員の皆様，ならびに調査に協力してい
ただいた地域活性化サークル小樽笑店の皆様に大変お世話になりました．
ここに記して，深く御礼申し上げます．
引用文献
[1] 溝尾良隆 『観光学―基本と実践』，古今書院 （2003）
[2] 矢部直人，有馬貴之，岡村祐，角野貴信：GPS を用いた観光行動調査の課題と分析
手法の検討，観光科学研究 第 3 号，pp.17-30 （2010）
[3] 野村幸子，岸本達也：GPS・GIS を用いた鎌倉市における観光客の歩行行動調査とア
クティビティの分析，日本建築学会総合論文誌 第 4 号， pp.72-77 （2006）
[4] 井上道哉，堀束隼人，藤井光，長澤可也：携帯電話の GPS 機能を活用した神奈川県
内観光地における観光客の行動調査，情報科学技術フォーラム講演論文集，第 8 巻，
第 4 号，pp.473-474 （2009）
[5] 大森宣暁，室町泰徳，原田昇，太田勝敏：高度情報機器を用いた交通行動データ収集
の可能性，都市計画論文集，第 34 号，pp.169-174 （1999）
11
[6] 本郷達也，朝倉康夫：GPS による移動データを用いた奈良飛鳥地域での周遊行動の
分析，土木学会年次学術講演会講演集，第 58 巻，第 4 号，pp.441-442 （2003）
[7] 藤田朗，半明照三，山田雅夫，大内浩，三宅理一：GPS 携帯電話を用いた回遊行動
の調査分析―小田原市中心市街地を事例として，日本建築学会大会学術講演概欄集
F-1，pp.855-856 （2003）
[8] 長尾光悦，河村秀憲，山本雅人，大内東：GPS ログマイニングに基づく観光動態情
報の取得，観光情報学会誌，観光と情報，第 1 巻，第 1 号，pp.38-46 （2005）
[9] 有馬貴之：上野動物園と多摩動物公園における空間利用の時空間変化とその地域的
差異，地理情報システム学会講演論文集，18，pp.9-14 （2009）
[10] ArcGIS Desktop ｜カーネル密度（Kernel Density）（Spatial Analyst）：
http://help.arcgis.com/ja/arcgisdesktop/10.0/help/index.
html#/na/009z0000000s000000/（最終アクセス日：2011 年 12 月 8 日）
[11] 首都大学東京｜倉田陽平/Yohei Kurata, Ph.D ｜観光地理情報学特論 I ｜点分布分析：
http://www.comp.tmu.ac.jp/kurata/class/adv tgis I2010-5.
pdf（最終アクセス日：2011 年 12 月 8 日）
[12] いいよねっと｜ eTrex Venture HC：
http://www.iiyo.net/products/etrexVenturehc/（最終アクセス日：
2011 年 12 月 8 日）
[13] 白井澄夫：高精度衛星測位技術の動向と応用，電子情報通信学会誌，Vol.92，No.9，
pp.768-774 （2009）
[14] 中谷友樹，谷村晋，二瓶直子，堀越洋一 『保健医療のための GIS』，古今書院 （2004）
[15] 橋本雄一，加賀屋誠一，萩原亨：GIS を援用した凍結防止剤散布後の路面管理と運転
行動に関する統合データベース構築，地理学論集，83 号，pp.3-11 （2008）
[16] カシミール 3D / 風景 CG と地図と GPS のページ：
http://www.kashmir3d.com/（最終アクセス日：2011 年 12 月 8 日）
[17] JAXA ｜シームレス測位試作機を用いた実証実験の実施結果について：
http://www.jaxa.jp/press/2007/04/20070403 seamless j.html
（最終アクセス日：2011 年 12 月 8 日）
[18] ソフトバンクテレコム株式会社｜ JAXA が打ち上げた準天頂衛星「みちびき」と屋
内で位置情報を送信可能な機器を連携させた、日本初の実証実験の実施について ∼
屋内外シームレス測位の実現∼：
http://www.softbanktelecom.co.jp/ja/news/press/2011/
20110913 01/（最終アクセス日：2011 年 12 月 8 日）
[19] Torsten Hägerstrand: What about people in regional science? Papers and Proceedings
of Regional Science Association, 24, pp.7-21 (1970)
[20] Mei-Po Kwan: Interactive geovisualization of active-travel patterns using threedimensional geographical information systems: a methodological exploration with a
large data set, Transportation Research C8, pp.185-203 (2000)
12
参考文献
[1] 小樽市観光基本計画：
http://www.city.otaru.lg.jp/kankou/torikumi/kihonkeikaku/
index.data/kanko kihonkeikaku seihon.pdf（最終アクセス日：2011 年
12 月 8 日）
[2] 小樽市観光客動態調査：
http://www.city.otaru.hokkaido.jp/kankou/torikumi/doutai/
（最終アクセス日：2011 年 12 月 8 日）
[3] 小樽市景観計画：
http://www.city.otaru.lg.jp/sisei tokei/public comment/
h20/keikankeikaku.data/final keikan.pdf（最終アクセス日：2011 年
12 月 8 日）
[4] 佐藤俊明，岡部篤行：カーネル密度法による点密度の動的な表現方法に関する研究：
http://www.csis.u-tokyo.ac.jp/csisdays2007/
csisdays2007-ra-pdf/csisdays07-c01.pdf（最終アクセス日：2011 年
12 月 8 日）
[5] 首都大学東京｜倉田陽平/Yohei Kurata, Ph.D：
http://www.comp.tmu.ac.jp/kurata/index-j.html（最終アクセス日：
2011 年 12 月 8 日）
[6] 鈴木綾子，伊藤史子：個人嗜好を考慮した訪問エリア選択支援システム - 越後妻有
「大地の芸術祭」を題材として -，日本建築学会大会学術講演梗概集，F-1，都市計画，
建築経済・住宅問題，pp.607-608 （2009）
[7] 鈴木晃志郎，若林芳樹：日米の旅行案内書から見た東京のツーリズム空間の異文化比
較，地理情報システム学会講演論文集，15，pp.113-116 （2006）
[8] 鈴木恵二，松原仁，鈴木克也：はこだてまちナビにおける観光客動態の推定，情報処
理学会研究報告，UBI40，pp.41-46 （2008）
[9] 高橋重雄，三条和博，井上孝，高橋朋一 『事例で学ぶ GIS と地域分析―ArcGIS を
用いて』
，古今書院 （2005）
[10] 長尾光悦，河村秀憲，山本雅人，大内東：観光動態情報の獲得を意図した GPS ログ
マイニング，情報処理学会研究報告，ICS29，pp.7-12 （2004）
[11] 長尾光悦，河村秀憲，山本雅人，大内東：GPS ログからの周遊型観光行動情報の抽
出，情報処理学会研究報告，ICS78，pp.23-28 （2005）
[12] 中谷友樹，矢野桂司：犯罪発生の時空間 3 次元図 ― ひったくり犯罪の時空間集積の
可視化 ―，地学雑誌 117（2），pp.506-521 （2008）
[13] 西野正彬，瀬古俊一，青木政勝，山田智広，武藤伸洋，阿部匡伸：滞在地遷移情報から
の行動パターン抽出方式の検討，情報処理学会研究報告，UBI110，pp.57-64 （2008）
13
[14] 西村雄一郎，岡本耕平，ソムキッド ブリダム：ラオス首都近郊農村における GPS・
GIS を利用した村落住民の生活行動調査，地学雑誌，117，pp.568-581 （2008）
[15] 羽生冬佳，黒田乃生，髙橋正義：白川村萩町地区における観光行動と観光対象とし
ての集落風景に関する研究，ランドスケープ研究，第 65 巻，第 5 号，pp.785-788
（2002）
[16] 深田秀実，船木達也，兒玉松男，宮下直也，大津晶：画像認識型 AR 技術を用いた観光
情報提供システムの提案，情報処理学会研究報告，2011-IS-115(13)，pp.1-8 （2011）
[17] 松本修一：GPS 携帯を活用した行動調査に関する基礎的研究，Keio SFC journal，第
9 巻，第 1 号，pp.21-28 （2009）
[18] 水野惠司，本村直靖，廣瀬隆一：子供の交通事故と犯罪被害発生率と密度の地域差，
大阪教育大学紀要 第 IV 部門：教育科学 57（2），pp.145-156 （2009）
[19] 目黒浩一郎：GPS 携帯電話を活用した交通行動データ収集処理手法の開発，情報処
理学会研究報告，ITS57，pp.47-54 （2008）
[20] 矢部直人：GPS データに対する配列解析の援用，地理情報システム学会講演論文集，
19，pp.181-190 （2010）
[21] 山本康裕，伊藤弘，小野良平，下村彰男：GPS を用いた新宿御苑における利用者の
行動パターンに関する研究，日本造園学会誌「ランドスケープ研究」
，第 69 巻，第 5
号，pp.601-604 （2006）
[22] 吉田勝美，杉森裕樹：GPS 付き携帯端末及び地理情報システム（GIS）を用いた高齢
者行動分析，千葉大学環境リモートセンシング研究センター年報，第 8 巻，pp.32-33
（2003）
14