DH研究事例集

歴史的都市空間の動態分析と生活文化の復元：GISと多層テキストデータマイニングの統合的アプローチ

Tags: GIS, テキストマイニング, 都市史, 空間分析, デジタルヒューマニティーズ

導入

デジタルヒューマニティーズ（DH）分野において、地理情報システム（GIS）を用いた空間分析と、大規模テキストデータに対する高度なテキストマイニング技術の統合は、歴史学、都市史学、社会学といった人文科学諸分野に新たな研究パラダイムをもたらしています。本稿で紹介する研究事例は、特定の歴史的都市空間の変遷を、多時代にわたる地理空間データと非構造化テキストデータを組み合わせることで、過去の住民生活、社会構造、文化的な意味合いを多角的に復元しようとするものです。

この研究は、膨大な量の断片的な歴史情報から、時代を超えて変動する都市の物理的・社会的な様相、そしてそれに伴う人々の生活感や意識の変化を、精密なデジタル手法によって可視化し、解釈するという学術的・技術的課題に取り組んでいます。これにより、従来の定性的・記述的な歴史研究が抱えていたデータ量の限界や、空間的・時間的な情報の統合の困難さを克服し、より実証的かつ深い洞察を提供することを目指しています。

研究の目的と仮説

本研究の主要な目的は、19世紀末から20世紀半ばにかけての欧州某都市を対象に、その都市空間が経験した物理的な変貌と、それに呼応する住民の生活様式、社会意識、文化的な表象がいかに動態的に変化したかを、デジタルデータに基づいて解明することにあります。具体的には、以下の仮説の検証を試みました。

  1. 都市の物理的構造（道路網、建物用途、公共施設の配置など）の変遷は、住民の経済活動、社会階層、居住パターンと密接に連動しており、GISを用いた時系列分析によってその相関関係を特定できる。
  2. 住民の書簡、日記、新聞記事、公文書といった多層的なテキストデータからは、特定の空間に対する認識、感情、言説が抽出可能であり、それらをGIS上にマッピングすることで、物理的空間に付随する「意味の空間」を再構築できる。
  3. 物理的空間の変化と意味の空間の変化を統合的に分析することで、特定の歴史的イベント（例: 戦争、産業構造の変化、都市計画の実施）が、都市のアイデンティティや住民の集合的記憶に与えた影響を、より詳細に記述できる。

研究方法論と技術的アプローチ

本研究では、多様なソースから収集されたデジタルデータを、GISとテキストマイニングの複合的な手法を用いて分析しました。

データ収集とデジタル化

データ処理と前処理

  1. GISデータ処理:

    • 異なる時代の地図データを同一の座標参照系（例: EPSG:4326 WGS84）に統合し、各時代の都市構造をレイヤーとして重ね合わせ、時系列での変化を分析可能としました。
    • PythonのGeoPandasライブラリを用いて、地物間の距離、面積、隣接関係などの空間指標を算出しました。 ```python import geopandas as gpd

    異なる時代の都市構造レイヤーを読み込み

    urban_layer_1880 = gpd.read_file("urban_1880.shp") urban_layer_1920 = gpd.read_file("urban_1920.shp")

    CRS（座標参照系）の統一

    if urban_layer_1880.crs != "EPSG:4326": urban_layer_1880 = urban_layer_1880.to_crs("EPSG:4326") if urban_layer_1920.crs != "EPSG:4326": urban_layer_1920 = urban_layer_1920.to_crs("EPSG:4326")

    例: 1880年から1920年の間に新設された建物を抽出

    spatial_difference = urban_layer_1920.overlay(urban_layer_1880, how='difference')

    print(f"1920年に新たに建設された建物数: {len(spatial_difference)}")

    2. **テキストデータの前処理:** * 収集したテキストデータは、PythonのNLTK、spaCyを用いて、トークン化、ストップワード除去、品詞タグ付け、レンマ化（見出し語化）を行いました。 * 特に固有名詞（地名、人名、組織名など）の抽出には、spaCyの固有表現認識（NER: Named Entity Recognition）モデルを適用し、抽出された地名情報は後述のGIS統合のためにジオコーディング（テキストの地名を地理座標に変換）を行いました。python import spacy

    英語モデルをロード

    nlp = spacy.load("en_core_web_sm")

    text = "The new railway station in Westminster was a significant development for the city of London." doc = nlp(text)

    固有表現（地名、組織名など）を抽出

    for ent in doc.ents: if ent.label_ in ["GPE", "LOC", "ORG"]: # GPE: Geopolitical Entity, LOC: Location, ORG: Organization print(f"Entity: {ent.text}, Type: {ent.label_}")

    出力例:

    Entity: Westminster, Type: GPE

    Entity: London, Type: GPE

    ```

分析手法

  1. GIS空間分析:
    • 変化検出分析: 各時代マップを比較し、都市の拡張、地区の再開発、土地利用の変化（例: 農業地域から工業地域へ）を定量的に把握しました。
    • 空間的自己相関分析: 特定の社会経済指標（例: 住民の職業分布、貧困率）が都市空間内でどのようにクラスターを形成し、時間とともに変化するかをMoran's Iなどの指標で分析しました。
    • ネットワーク分析: 道路網や交通機関の変遷が、住民の移動パターンや都市内アクセス性に与える影響を分析しました。
  2. テキストマイニング:
    • トピックモデリング: 収集された文書群に対し、Latent Dirichlet Allocation (LDA) を適用し、特定の時代や地域における主要な言説、関心事、文化的なテーマを抽出しました。これにより、各文書に潜在するトピックの分布を把握し、時間的・空間的なテーマの変遷を追跡しました。
    • 感情分析: 特定の都市開発プロジェクトや社会問題に関する新聞記事、住民の書簡を対象に、センチメント分析を実施し、当時の住民の感情的反応や意見の対立を分析しました。
    • 共起ネットワーク分析: 頻出するキーワードや固有表現間の共起関係を抽出し、概念間の関連性や社会的な議論の構造を可視化しました。
  3. GISとテキストデータの統合分析:
    • テキストデータから抽出されたトピックの強度、感情スコア、特定のキーワードの出現頻度などを、GIS上の特定の行政区画や分析グリッドに属性情報として付与しました。
    • 例えば、特定の地域で頻繁に言及されるトピック（例: 「公衆衛生」「労働条件」）や、特定の感情（例: 「不満」「期待」）の空間的な偏りを可視化し、物理的な都市構造との関連性を考察しました。
    • PostgreSQLとPostGISを組み合わせることで、空間情報と非空間情報を統合的に管理し、複雑なクエリによる分析を可能にしました。

データセットへのアクセス

本研究で使用された主要な地理空間データ（ジオリファレンス済みの歴史地図データの一部）およびテキストデータ（匿名化された一部の新聞記事データ）は、プロジェクトウェブサイトのデータリポジトリを通じて公開されており、研究目的での利用が可能です。詳細はサイト内の利用規約をご確認ください。

研究成果と考察

本研究から得られた主要な成果は以下の通りです。

これらの成果は、当初の目的であった都市空間の動態的変化と住民生活・文化の連関を多角的に解明することに成功したことを示しています。特に、定性的なテキスト情報と定量的な空間情報を統合することで、個々の事象や断片的な記録だけでは見えなかった、都市とその住民が織りなす複雑な歴史の層を、実証的に再構築する新たな道筋を提供しました。

一方で、本研究にはいくつかの限界も存在します。例えば、OCR処理の精度が低い古文書の分析は依然として課題であり、手作業による校正に多大な時間を要しました。また、テキストマイニングによって抽出されたトピックや感情の解釈には、専門家による深い吟味が不可欠であり、完全に自動化することは困難です。今後の研究では、より高度な機械学習モデル（例: BERTベースのトピックモデルや感情分析モデル）を導入することで、これらの課題を克服し、より微細なレベルでの分析を目指す必要があります。

結論と今後の展望

本研究は、GISと多層テキストデータマイニングを統合することで、歴史的都市空間の物理的・社会的な変遷と、それに伴う住民の生活文化、社会意識の変化を、これまでにない精度と解像度で再構築できることを実証しました。このアプローチは、都市史研究に新たな視点を提供するだけでなく、デジタルヒューマニティーズにおけるデータ駆動型研究の可能性を大きく広げるものです。

今後の展望として、以下の点が挙げられます。

本研究が提示する統合的アプローチは、歴史学のみならず、都市計画、文化遺産保全、社会学といった関連分野においても、過去の知見を現代の課題解決に応用するための新たな視座を提供すると期待されます。

参考文献・関連情報