街は一日の中で何度も生まれ変わる――45人の地図会社が日本を125メートルで読む

東京駅八重洲口から、ほんの数分歩く。朝は改札へ向かう人の流れが歩道を満たし、昼には飲食店の前に列ができる。夕方、オフィスの明かりが消え始めるころ、別の路地で居酒屋の看板が灯る。道路一本を越えれば、休日に人が集まる商業施設と、平日にだけ膨らむオフィス街が隣り合う。

住所録では、どちらも「駅前」だ。国勢調査では、住む人と働く人を区別できる。だが店を出す人が知りたいのはさらに細かい。午前7時にコーヒーを買う人はいるか。午後2時にもランチ需要が残るか。土曜日に家族が来るか。夜間配送を受け取る人がいるか。場所は座標だけではなく、時間と用途の組み合わせである。

技研商事インターナショナル株式会社は8月5日、こうした違いを既製のエリアデータにした「c-japan® Dynamics」の提供を始めた。ソフトバンク子会社Agoopのスマートフォン位置情報を基に、全国を約125メートル四方のメッシュへ区切り、平日・休日×24時間帯の平均滞在人口を分析。「繁華街型」「オフィス型」「休日レジャー型」「交通・物流型」「生活活動型住宅地」「ベッドタウン型」の6タイプ、さらに23分類へ分ける。

伊能忠敬が測ったのは「形」だった

日本をデータで読む歴史は、まず国土の形を正確に描くことから始まった。伊能忠敬は1800年から1816年まで、方位と距離を野帳に記しながら沿岸と街道を測った。没後の1821年、幕府天文方が「大日本沿海輿地全図」を完成させた。大図は縮尺3万6千分の1、214枚。畳ほどの紙をつなぎ、日本列島を覆った。

伊能図が答えたのは「海岸線はどこにあるか」「宿場と宿場はどれほど離れているか」という問いだった。そこに人が何人住み、昼にどこへ働きに出て、夜にどこへ戻るかは描かれない。地図は場所の骨格であり、人の生活はその上を流れる血液だった。

明治政府は1871年の戸籍法から人口を数えたが、本籍と実際の居住地にはずれがあった。転出・死亡の届け漏れで、記録上の人口が膨らむ問題も生じた。1920年、日本で初めて全国民を直接対象とする国勢調査が行われ、55,963,053人を数えた。国は初めて、同じ瞬間に「誰がどこにいるか」を統一した方法で捉えた。

人口は、夜と昼で違う

近代都市が成長すると、住民票の人口だけでは街を説明できなくなった。1930年の国勢調査は従業地を調べ、「昼間人口」を集計した。1960年には通勤・通学、従業地・通学地が拡充され、工業化と大都市への人口集中が生んだ毎日の移動を捉えようとした。

この区別は強力だった。千代田区のような都心は夜に住む人口より、昼に働く人口がはるかに多い。郊外のベッドタウンは逆になる。鉄道会社、百貨店、自治体は、住宅人口だけでなく、昼に集まる人を見て交通、店舗、公共施設を考えられるようになった。

しかし「昼」と「夜」は二枚の静止画にすぎない。朝の乗換客、正午の昼食客、午後の買い物客、深夜の働き手は同じ昼間人口へ折り畳まれる。Dynamicsが狙うのは、その二枚の間に24枚ずつの時間断面を差し込むことだ。

行政界を外し、国土を格子にした

市区町村や町丁目は生活に便利な名前だが、統計比較には不安定である。合併や境界変更があり、面積も形も違う。広い山村と都市の一街区を同じ「一地域」として比べることはできない。

そこで統計局は、緯度・経度に基づく固定格子へ統計を編成した。政府初の地域メッシュ統計は1969年、首都圏などを対象に試作され、1970年国勢調査の時代に本格化した。1キロ、500メートルなどほぼ同じ形と大きさの区画なら、行政境界が変わっても時系列と地域を比較しやすい。都市計画、防災、公害対策、商圏分析に使われた。

125メートルメッシュは、1キロメッシュを縦横8分割したほどの細かさだ。駅の東口と西口、幹線道路のこちら側と向こう側、大型施設とその裏の住宅地を別のセルとして扱える。だが細かい格子は、必ずしも正確な観察を意味しない。この違いが新製品を読む鍵になる。

小さな地図会社が、30年かけて見てきたもの

技研商事は1976年設立、名古屋と東京に本社を置く非上場企業である。資本金2億3,112万5千円、2026年4月時点の従業員は45人。統計士10人、データ解析士5人を擁する。巨大広告会社でも、通信キャリアでもない。地図上で人口、世帯、消費、店舗を重ねる専門会社だ。

同社の商圏分析GIS「MarketAnalyzer」は約30年の歴史があり、会社発表では大手企業を中心に2,000社超へ導入された。国勢調査と店舗情報を重ね、半径や車の移動時間から商圏をつくり、競合との距離や市場規模を読む。かつて専任者が地図へ円を描き、統計表を集めていた作業を、画面上で繰り返せるようにした。

c-japanシリーズは、その分析をさらに既製品化する。「Home」は住民の世帯、年収、年齢などから居住地を分類し、「Daytime」は働く人や来街者から昼の地域像を分類する。新しい「Dynamics」は、誰が住むかではなく、いつ人が集まるかを加える。会社は10万項目以上のデータを統計分析して地域像をまとめると説明する。

スマートフォンが「動く国勢調査」になった

国勢調査は原則5年に一度で、調査時点を精密に切り取る。スマートフォンは位置情報の許可を通じ、時間とともに変わる観測点になる。Agoopは自社・提携アプリへ仕組みを組み込み、同意して位置情報送信を許可した利用者からデータを得る。通信会社の契約者だけに限られないマルチキャリア型で、個人と結び付かないよう秘匿・統計加工するという。

Dynamicsは、この位置情報から125メートルごとの平均滞在人口をつくる。時間ごとの人数の波形を比べれば、午前に鋭く膨らむ駅、正午に山を作るオフィス街、休日の午後に増える商業地、夜に人口が戻る住宅地を区別できる。

人が多いという「量」だけでなく、いつ多いかという「形」を見る点が新しい。二つの場所が正午に1,000人でも、一方は通勤途中の短い滞在、もう一方は休日に長く滞在する家族かもしれない。製品は移動目的や個人属性を直接観察するのではなく、時間パターンから場所の使われ方を分類する。

AI-readyとは、街を言葉から数値へ移すこと

従来、データサイエンティストが人流を需要予測へ使うには、欠損や外れ値を処理し、時間帯を正規化し、平日と休日を分け、人口密度の違いを調整し、特徴量を作る必要があった。これが「前処理」であり、分析時間の大きな部分を占める。

技研商事は、時間波形を分析し、分類ラベルだけでなく「職住軸」「平休軸」「繁華街軸」「特定時間軸」などの主成分得点を連続値として付けるという。利用企業は、自店売上、家賃、配達、広告反応と結合し、回帰、分類、クラスタリングへ入力できる。AI-readyは、街をAIが理解したという称号ではない。人間が何度も行っていた整形と圧縮を、再利用できる列にしたという実務上の約束だ。

125メートルの精細さと、125メートルの正しさは違う

地図が細かいほど、見た人は確信を持ちやすい。しかし位置情報には誤差がある。GNSSは屋内や地下で弱く、Wi-Fi、基地局、センサーを組み合わせても建物の谷間で揺れる。駅ホームの人が隣の商業施設セルへ入ることも、信号待ちの車が歩行者の滞在に見えることもあり得る。

さらに観測対象は全国民ではない。対応アプリを持ち、位置情報を許可し、端末を携帯し、データが取得できた人である。子ども、高齢者、フィーチャーフォン利用者、プライバシー意識の高い人、電池節約設定の人は違う比率で抜ける可能性がある。アプリの人気が地域や時期で変われば、街が変わらなくてもサンプルは変わる。

Agoopの流動人口はアプリ利用者を日本の総人口規模へ拡大推計する。推計は必要だが、倍率だけでは選択偏りを消せない。国土交通省の手引きは、スマホ人流は実測ではなく推計の場合があり、サンプルサイズ、方法、地域・期間のサンプルを確認し、歩行者調査や既存統計と比較するよう勧める。

分類は、便利な嘘でもある

街を6タイプ23分類にすることで、膨大な時間データは会議で使える言葉になる。「オフィス型だから平日昼」「休日レジャー型だから家族向け」。ラベルは社内説明を速くし、複数都市を比べやすくする。

同時に、分類は連続した世界へ境界線を引く。オフィスと繁華街が混在するセル、大学と住宅が交わるセル、平日は物流拠点で休日はイベント会場になる場所は、一つの名前に収まらない。道路一本やメッシュ原点の位置で、同じ商圏が別の分類へ割れる「面積単位の問題」もある。

ラベルが人を表すわけでもない。「ベッドタウン型」のセルにいる個人が会社員とは限らず、「繁華街型」の来訪者が飲酒や買い物をしているとも限らない。地域の平均から個人の属性や意図を推測するのは、生態学的誤謬である。広告で個人を決めつければ、分析の便利さが差別と不気味さへ変わる。

出店判断に足りないもの

午前型か夜型かは、コーヒー店、保育サービス、ドラッグストア、居酒屋にとって重要だ。だが人がいるだけでは売上にならない。歩道の反対側へ渡れるか、改札から看板が見えるか、競合が強いか、家賃はいくらか、客が急いでいるか、雨の日に動線が変わるかが利益を左右する。

正しい使い方は、Dynamicsを答えではなく説明変数の一つにすることだ。候補地の賃料、面積、競合、通行方向、店舗前カウント、自社売上、客単価を重ね、既存店で学習したモデルを未使用店舗で検証する。予測が外れた場所を調べ、地域と時期を変えて再現するかを見る。

平均は、祭りも災害も消してしまう

平均的な平日と休日は、店の通常運営に役立つ。一方、街の重要な日は普通ではない。花火大会、祭り、コンサート、台風、地震、鉄道停止、猛暑、インバウンドの季節波動は、いつものリズムを壊す。平均の作り方によっては、この異常が薄まるか、逆に分類を歪める。

更新頻度も重要だ。再開発で改札が動き、オフィスが開業し、工場が閉鎖し、大学が移転すれば、街の使われ方は数カ月で変わる。観測期間が長すぎれば変化に遅れ、短すぎれば偶然に振られる。発表は平均を作った日付範囲と更新予定を示していない。

商品名の「Dynamics」は動きを連想させるが、提供されるのは動きから作った静的な分類表とスコアである。時間別パターンを含む動的なデータと、現在を表示するライブデータを混同してはならない。

位置情報の同意と、統計になった後の責任

会社説明によれば、Agoopは提携アプリの規約に同意し、端末で位置情報送信を許可した利用者だけから取得し、個人を識別できないよう加工する。これは重要な基礎だ。しかし同意画面で、利用者が「自分の移動が商圏分類や広告、配送モデルへ使われる」と具体的に理解できるかは別問題である。

集計済みでも、人口の少ない地域や深夜の細かなセルでは、少数者の行動が目立つ。最低人数、抑制、時間の丸め、隣接セルとの統合などが必要になる。発表は個人情報を排斥し統計加工したと説明するが、最低集計閾値や差分プライバシーの有無は公表していない。

商業用途と公共用途の境界にも注意が要る。コンビニ出店の仮説なら誤差は投資家の損失になりやすい。避難所、医療、交通、行政サービスの配置なら、スマホに映りにくい高齢者、低所得者、子どもを過小評価することが権利の不均衡につながる。自治体が使う場合は、データの透明性、監査、住民説明、公的統計との照合がさらに必要だ。

AIは相関を語れても、街の「なぜ」を知らない

時間波形は「何が起きているか」を示す。平日正午に人が増える。休日午後に滞在が長い。深夜に人口が戻る。しかし、なぜ増えたかは位置情報だけで決まらない。安い食堂、学校の時間割、工場の交代勤務、宗教施設、病院、工事、観光バスなど、同じ形を生む理由は複数ある。

技研商事は8月3日、別製品の「商圏レポートAI」を更新し、LLMが持つ街の一般的イメージと統計を合わせ「ストーリー」を語ると発表した。会社自身が、一般的な生成AIは一面的要約やハルシネーションへ陥りやすいと認める。一方で、LLMのステレオタイプを制御しつつ許容し、背景・文脈を読むという説明には危うさもある。

「若者の街」「高所得の住宅地」「外国人観光客の街」という既成イメージを数値へ重ねると、相関が因果の物語に化ける。AIが書いた理由は仮説として扱い、現地観察、店舗聞き取り、行政資料、交通時刻表で検証すべきだ。説得力のある文章は、正しい説明の証拠ではない。

小さな会社だからできること、説明すべきこと

45人の非上場企業が、全国の街をAI用の特徴量へ整える。これは「小さいから信用できない」話ではない。むしろ30年の商圏分析で、巨大プラットフォームが見落とす実務の摩擦を知る可能性がある。どの統計を結合し、どの単位なら店長が使え、どのラベルなら会議で伝わるか。専門性は人数と一致しない。

同時に、全国同一基準や誤分類除去をうたうなら、方法の説明責任がある。観測期間、サンプル分布、分類アルゴリズム、外れ値処理、低密度地域、検証手順、更新履歴をデータシートにする。モデルカードの地理データ版が必要だ。利用企業も、特許出願中や独自技術を「検証不要」の理由にしてはならない。

1か月の無料トライアルは、その入り口になる。本番同等データで、自社の既存店舗を隠して予測し、現場が知る街のリズムと突き合わせる。便利なセルだけでなく、外れたセルを見る。小さな会社が信頼を得る最も強い方法は、大きな断言ではなく、どこで間違えるかを見せることだ。

地図は街そのものではない

伊能忠敬の地図は、海岸線を驚くほど正確に描いた。それでも地図の紙から、漁港の朝の匂いや宿場の人声は聞こえない。国勢調査は住民と通勤を数えた。それでも一日の街の変化を24枚に分けなかった。スマートフォンは、その間を細かな点で埋めた。

c-japan Dynamicsの魅力は、街を固定した住所ではなく、時間の波として扱うことにある。午前の駅、昼のオフィス、休日の公園、夜の住宅地。同じ125メートルが違う役割を持つことを、AIや表計算へ渡せる形にする。

だが格子は人間が引き、分類名は会社が付け、推計は観測されなかった人を補う。地図が細かくなるほど、その選択は見えにくくなる。優れた地域データは、街を「分かった」気にさせるものではない。次にどこを歩き、何を数え、誰に話を聞くべきかを、より良く教えるものである。