ビデオ画像処理による群集性状評価手法に関する研究

ビデオ画像処理による群集性状評価手法に関する研究 A Study on Analysis Techniques of Video Images for Pedestrians

平成 13 年度 修士論文

指導：渡辺仁史 教授 早稲田大学大学院理工学研究科 建築工学専攻建築学専門分野 600E0471 葛島 知佳

はじめに

群集流動をどうにかして簡単に調査できないか，そこから始まった研究である． 研究中に明石の事故があり，あらためて人が集まり群集となったときの恐ろしさ，群集 事故の悲惨さを感じた．特に日本人は群衆心理状態に陥りやすいためもあるのか，毎年多 くの方が犠牲になっていることに驚き，日常に潜む危険を再認識した．この研究が群集事 故の防止につながり，少しでも犠牲者が減少することを望みます．

目次 はじめに 第１章 序論 1.1 研究目的 1.2 研究背景 1.2.1 群集事故について 1.3 既往研究 1.4 語句の定義 1.5 群集流動評価指標 1.6 研究概要 1.7 研究・開発環境

2 3 4 9 16 18 22 23

第２章 調査方法 2.1 群集流動のビデオ撮影 2.2 調査結果 2.2.1 渋谷調査結果 2.2.2 新宿西口調査結果 2.2.3 新宿南口調査結果

26 27 27 28 29

第３章 群集流直交座標データの分析 3.1 分析方法 3.1.1 歩行軌跡データの抽出 3.1.2 群集性状データの算出 3.2 分析結果 3.2.1 群集速度と群集密度 3.2.2 対向割合と群集速度

31 32 33 34 35 36

第４章 群集画像データの解析 4.1 解析画像 4.2 べき指数の算出 4.2.1 解析方法 4.2.2 解析結果 4.2.3 解析画像サイズの検討 4.3 充填率の算出 4.3.1 充填率とは 4.3.2 解析方法 4.3.3 解析結果 4.3.4 解析画像サイズの検討 4.4 セル遷移パターンの分析 4.4.1 セル遷移パターンとは 4.4.2 解析方法 4.4.3 解析結果

38 39 39 53 57 60 60 61 64 67 70 70 72 73

第５章 撮影環境の検討 5.1 撮影環境要素 5.2 撮影範囲の検討 5.2.1 分析方法 5.2.2 分析結果 5.3 撮影高さの検討 5.3.1 分析方法 5.3.2 分析結果 5.4 撮影環境についての考察

78 79 80 81 89 90 91 97

第６章 群集性状評価モデルの提案 6.1 モデルの概要 6.1.1 相関分析結果のまとめ 6.1.2 目的変数，説明変数の決定 6.2 群集性状評価モデル結果 6.2.1 群集密度評価モデル 6.2.2 群集速度評価モデル 6.2.3 対向割合評価モデル

99 101 104 105 105 108 113

第７章 モデルの検証 7.1 検証の流れ 7.2 検証用画像データの準備 7.3 直交座標系群集流動データの算出 7.4 群集画像解析データの算出 7.5 モデルの検証 7.5.1 群集密度評価モデルの検証 7.5.2 群集速度評価モデルの検証 7.5.3 対向割合評価モデルの検証

119 120 121 122 123 124 125 126

おわりに 参考文献・URL 参考資料

第１章 序論

-1-

1.1 研究目的

1.1 研究目的 本研究では，群集流動を撮影した動画データをもとに，2 値化されたピクセルの振る舞 いを解析する．それにより，従来までは困難であった、監視カメラで撮影された直の映像 から群集の流動状態を把握することを可能とし，群集流動を監視・判断・予測するシステ ムの基礎研究を行うことを目的とする．

-2-

1.2 研究背景

1.2 研究背景 群集が高密度に集まるイベントや祭りにおいて，開催者側が群集の密度や状態を把握す ることは群集事故を防ぐ対応策として，非常に重要な問題である．主催者側も監視カメラ を設置するなど監視体制を整えてはいるが，映された映像を確認し，危険を判断するのは 人間が行っているのが現状である． 現在，ビデオ画像を解析することで人の行動を解析しようという研究は，比較的群集密 度の低い歩行行動を対象に個人の抽出を目的に研究されており，密度の高い群集流動の解 析は研究されていない．

-3-

1.2 研究背景

1.2.1 群集事故について 群集事故は雑踏事故とも呼ばれ，人が過度に密集した結果，将棋倒しなどが起こり，群 集による圧力で最悪の結果，圧死してしまう事故である．人は群集状態に巻き込まれると 個々人は意識をなくして無意識に全体の流れに沿う行動を取りがちになる．一般に群衆心 理といわれる心理状態である． 群集事故は「将棋倒し」と「群衆なだれ」に分けられる．前者は一方向に圧力がかかっ て人が倒れていく転倒現象を指し，後者はお互いの相反する力がぶつかり合って揉み合い が生じ，両足が浮き上がるほどの超過密状況の中でかろうじて支えあっていた群衆のバラ ンスが崩れ，四方八方からねじれるように倒れたて起こる転倒現象を指す．

図 1.2.1 将棋倒しと群衆なだれ

2001 年 7 月 21 に花火を見に来た見物客が歩道橋上で将棋倒しになった「明石市民夏ま つり事故」によって群集事故がニュースなどでクローズアップされたが，群集事故による 死亡者は珍しいことではなく，毎年数名の方が群集事故によって命を落としている． 歴史的に有名な雑踏事故としては，皇居二重橋事故や，1948年新潟市の花火大会で万代 橋の欄干が倒壊し，多くの見物人が落ちて 40 人が死傷した事故，また，1955 年 12 月 31 日から元旦にかけて神社に押し寄せた初詣客が引き起こし，124 名の人が死亡した弥彦事 件があげられる．

○弥彦事件（昭和 30 年 12 月 31 日から元旦にかけて発生，124 名死亡） 1956 年（昭和 31）年 1 月 1 日午前零時半ごろに弥彦神社境内で発生した大量圧死 事件． 新年早々初参りの客でゴッタ返す新潟県弥彦神社で石サクが崩れ拝殿前から雪崩落 ち，参拝客 124 名（男 86 名，女 38 名，軽傷 28 名（実際は 150 名以上））の死者を 出すという惨事が起きた． この弥彦神社の将棋倒し事故は「弥彦事件」と呼ばれている．弥彦神社で行われる 「二年参り」は，万葉集にも登場するほどの長い歴史を持つこの神社に伝わる独特の -4-

1.2 研究背景 習慣で，年が変わる午前 0 時の前後に旧年中の感謝，新年分の多幸を祈り，2 度参拝 する．この年， 「二年参り」の参拝客は前年を 3,000 人ほど上回る約 13,000 人．前 年が豊作に恵まれたことなどが要因とみられている． 神社境内内で発生した大量圧死事件は後にも先にもこの事件のみという事実があ る．モチまきに殺到した群集が引き起こしたものと言えるが，この事件の後，弥彦 神社の神官は全員入換え，神社庁と全国各地の警察が正月に何名警官を動員するか という打ちあわせが行われるようになった．神社の神官なら必ず聞いたことがある 神社界を揺るがす大事件であった． 近年の「二年参り」には，毎年 5 万人を超える参拝客が訪れ，県警や神社は 100 人体制で警備をしている． 群集事故には他に，1959 年（昭和 34 年）の京都駅事件（死者 80 人），1973 年（48 年）の新潟市万代橋事件（同数人）などがあるが，いずれも原因を把握できず，立 件されなかった．弥彦事件の裁判では， 「ただでさえ混雑している状況で，もちをま けば，何らかのトラブルが起きるのは当たり前」とする検察側と， 「列車の遅れは予 想できず，石段で群集同士が押し合うことは防げなかった」とする弁護側が争った が，東京高裁は 64 年，事故の予見性を認める有罪判決を言い渡した．この判例は， 群集事故防止対策の基本的指針を示したものとして，現在も重要視されている．

-5-

1.2 研究背景 近年，コンサートや花火大会，祭りなど群衆の多く集まる機会が増えており，その規模 も年々大きくなってきている．新聞やニュースにはアーティストの野外コンサートで動員 人数が新記録を達成したという記事を毎年見かけるような状況である．そのような華やか なニュースの裏では，図1.2.2に示すように毎年数十人の方が雑踏事故の被害者となり，毎 年数人の方が亡くなっている．警察には雑踏警備専門の部署があり，雑踏警備専門の警備 会社もあり，人が多く集まるような状況においては警備をしているが，雑踏事故による被 害者の数が減少することはなく，現在に至っている．

18

120

16 100

死者 14

負傷者 事故件数

12 10

60 8

事故件数（件）

死傷者数（人）

80

6

40

4 20 3

5

5

S62

S63

H1

1

4

5

6

H3

H4

H5

3

3

4

3

H6

H7

H8

H9

6

2 0

0 H2

H10

図 1.2.2 群集事故発生件数と死傷者数の推移 1) （警察白書）

警察白書によると，人出は年々増加が見られるが，それに反して警察官の出動人数は昭 和 61 年の 208,000 人をピークに減少していることがわかる． （次頁図 1.2.3） 現在では，監視カメラなどの普及により，群集の状況を逐次モニターするなどの対処が とられているが，明石市民夏まつり事故に見られるようにそのモニターを確認するのは人 の目視であり，その確認が不十分であるために，十分モニターによる監視が機能していな いことが多い．2)

1) 警察白書：http://www.pdc.npa.go.jp/hakusyo/index.htm 詳細は参考資料を参考 2) 参考資料添付の関連記事を参考

-6-

1.2 研究背景

1200

900,000 800,000

1000

800

人出（千人）

600,000 500,000

600 400,000 人出（千人）

300,000

400

出動警察官数（千人）

出動警察官数（千人）

700,000

200,000 200 100,000

H10

H8

H6

H4

H2

S63

S61

S59

S57

S55

S53

S51

0

S49

0

図 1.2.3 雑踏警備実施状況 （警察白書より）

○明石市民夏まつり事故 明石市民夏まつり事故調査委員会 http://www.city.akashi.hyogo.jp/jikochousa/ http://www.arch.kobe-u.ac.jp/~n2/news/2001/akashi/keika.html 事故の概要 発生日時：平成 13 年 7 月 21 日（土）20:35 頃 発生場所：ＪＲ朝霧駅南連絡歩道橋 死傷者の状況（平成 13 年 8 月 20 日） 死者 11 名，負傷者 222 名（内，入院 5 名） 計 233 名 明石市大蔵海岸で開催されていた明石市民夏祭りの花火大会終了後，帰ろうとす る見物客が会場北側のＪＲ朝霧駅に向かって海岸側の階段を次々と上り始め， 駅から は祭りの雰囲気を味わおうと大蔵海岸へ向かう人の波が駅と会場を結ぶ連絡歩道橋上 （幅 6 ｍ，長さ 109.7 ｍ）でぶつかり始めた．その直後，まず 20 数人が一気に将棋倒 しとなり死傷者が発生した． この事故では市，警察，警備会社の事故責任が問われているが，市は事件後，事 故調査委員会を設置し，原因究明を行っている．事故後の調査の結果，花火大会の来 場者数は会場面積，人口密度等からピーク時で 70,000 人〜 80,000 人と推定されて いる．また，歩道橋内の滞留者は，推計方法により数字は異なるが，いずれも 6,000 -7-

1.2 研究背景 人〜 7,000 人と推計されている．設計当時，歩道橋の通行量は最高で 1,800 人と予 想されていた，事故当時はこれの 3 倍以上の人がいたことになる． 事故調査委員会の報告では，群集密度は一番密度の低いと見られる駅の近いとこ ろで 5 人 / ㎡，一番密度の高いとみられるところで 11 人〜 13 人 / ㎡としている．11 人〜 13 人 / ㎡とは，ほとんど足や体が宙に浮くような状態である．自分では支えら れず，どちらかから圧力が来れば，全く抵抗できないで倒れてしまうという状態で ある．事故後，歩道橋の手すりが曲がっており，この手すりは 1 メートルあたり 85 —140kg の力がかかると曲がるといわれている．報告では，群集にかかった圧力は 進行方向に向かって幅 1m あたり最大約 400kg だったと推定している． 明石市民夏まつり事故では 11 人の死者，222 人の負傷者を出したが，それら被害 者のうち胸部などの圧迫で意識を失うなどした人は、十歳未満の子どもや高齢者に 集中している．また，死傷者の八割近くには打撲が見られ、状況を打開しようとも み合いが続く中で、下敷きになった抵抗力のない幼児や高齢者が、身動きできなく なったもようが想像できる． 現場の歩道橋の近くには大小11の監視カメラが設置されており，明石署および兵 庫県警本部にも中継されていたが，常時監視しないなど十分に活用されていなかっ た．

-8-

1.3 既往研究

1.3 既往研究 ○行動調査手法 人の行動を調査する場合，行動を記録されるものによって①画像記録と②非画像記録に 大別される．また，近年では情報・通信技術の高度化に伴い，GPS，携帯電話，PHS など に代表される移動体通信システムの利用者が爆発的に増加しており，それら動体通信によ る位置情報サービスも実用化され，携帯機器をもつ個人の位置データを特定することが可 能になったため，③移動体通信システムを利用した位置情報のログデータを用いた調査手 法も積極的に研究されている． ①画像記録の方法には，目視によるスケッチ，測量機器による人間の位置実測，写真，8 ミリ撮影，DV 撮影などがあげられる．これらは高速度撮影や赤外線撮影など，技術の進 歩にともなって際限ない可能性の広がりをみせており，これまでは解析が困難であった現 象も，正確かつ容易に解析できるようになった． ②非画像記録は計数記録と計時記録に分かれるが，両方同時に必要な場合が多い．計数 記録は，ある地点を通過した人数や行列の人数，滞留者の人数・位置など，人間の数を記 録する事に重点を置くもので，画像記録を用いなくても状況の再現が可能な場合に用いら れる． 一方，計時記録は，人間の行動を時系列で捉える必要がある場合に用いられる．計時は 時刻が重要な場合（タイムスタディなど）と，時間が重要な場合（歩行速度など）があり， 目的に応じて時計とストップウォッチを使い分ける必要がある． ③移動体通信システムを用いた行動調査は， (i)GPS を用いた調査，(ii)携帯電話・PHS を 用いた調査， (iii)RFID（無線タグ）を用いた調査があげられる．

(i)GPSを用いた調査は， 世界的に広く利用されているとい う意味で，移動体通信システムの代表といえる．GPS(Global Positioning System)は人工衛星により原子時計の時刻のず れを計測することにより緯度経度座標を特定するシステムで あり，ドップラー効果を利用すれば速度の計測も可能であ る．D-GPS(Differential GPS)は，移動局で得られた緯度経 図 1.3.1 ハンディータイプの GPS 機器

度データを別途の基地局位置データにより補正することによ

り精度を向上させている． GPS を利用した行動調査には，車両の位置や速度を計測したものや，携帯型の GPS を -9-

1.3 既往研究 利用して徒歩，自転車，車での移動 を比較したものなど，多数あるが， 位置特定の誤差が 50 〜 150m であ り，人間の歩行行動調査には実用 的とは言い難い．また，GPS での 調 査 に は ，次 の よ う な 問 題 点 を

図 1.3.2 GPS 内蔵腕時計

図 1.3.3 ハンディータイプ の GPS 機器

もっている． (1)人工衛星の電波を受信するために常にレシーバーを露出させている必要が あること．(2)建物内部，地下街，アーケード，交通機関の車内など電波を受信できない場 所での行動追跡が不可能であること．(3)携帯できるような小型の機器もあるが，調査のた めに装置を持ち歩く必要があること．

(ii)携帯電話・PHS を用いた調査には，様々な方法がある．電波 の方角，時刻，電界強度，基地局の位置データベースなどを独立に， もしくは組み合わせて利用するものなどがある．その中で，たとえ ば，Snap Trackの方法は，GPS電波を携帯電話で受信し，センター に転送して位置特定するというものである．この方法では，建物内 でも 50m の精度が得られたという報告もある． 図 1.3.4 携帯電話

携帯電話の地上基地局の配置密度は薄いため，基地局の位置から 移動局である携帯電話の位置を特定することは難しい．これに対して，PHS(Personal Handy Phone System)の電波は微弱であるために，基地局の配置密度が相対的に高い．都 市内ではほぼ 100m 程度の密度で基地局が配置されており，地下街，地下鉄の構内や，建

図 1.3.5 PHS 網を利用した位置情報提供機器 1),2)

1)写真左 NTT DoCoMo が提供する「いまどこサービス」という位置情報提供サービスで使用 される機器．このサービスは，契約者が自己位置を取得し、インターネットを利用してロケーショ ン情報を得ることといまどこサービス契約の PHS を持つ第三者の検索をする事ができる． 2)写真右 セコムが提供している位置情報・急行サービス「ココセコム」に使用される機器．こ のサービスはPHS網を利用して，機器の位置を特定し，位置情報をオペレーターもしくは地図情 報で確認できるとともに，緊急時には緊急対処員と呼ばれる警備会社の社員が急行する自動車， 二輪車，人を対象としたサービスである．

- 10 -

1.3 既往研究 物内にも配置されている．PHS の位置特定システムは，PHS が受信している基地局の ID と電界強度から位置特定するものである．PHS による位置特定サービスは，1998 年 4 月 から開始され，福祉，保安，観光などに利用されている． PHSの問題点は，高速での移動中にデータ送信が困難であることと，基地局密度が薄い 郊外では位置特定精度が落ちることであるが，この点は人の行動調査に限って考えれば問 題ないといえる．

(iii)RFID(Radio-Frequency Identification)とはラジ オチップなどとも呼ばれ，非接触式ICカードの技術をボ タン大の大きさに詰め込んだもので，電波により非接触 で読み書きができるものである．主に流通でコンテナや 荷物の確認や管理などに使われているものである．発信 機であるタグを受信機で検知することにより，タグが受 図 1.3.6 RF-ID システム

信機の範囲内にあるかないかを 2 値的に検知できるもの

である．タグには個別に ID が割り当てられるため，個別の ID のタグの場所を追うことが できる．この方法は(1)受信機の感度や発信器の出力を調整することにより，精度を調整す ることができ，GPS や携帯電話を利用した調査に比べ，位置特定精度の点で有効である． (2)室内でも精度の高い調査ができる．(3)システムが安価で構築できる．などがメリットと してあげられる．しかし，問題点として，受信機の配置した場所にタグがあるかないかが わかるだけという性格上，位置特定は受信機の配置密度に依存してしまい，得られるデー タはネットワーク型のトリップデータに限られてしまう．1) これら移動体通信システムを用いた行動調査は上述したように，例えば交通調査，大規 模集客施設での来場者行動調査など大域的な行動調査を行うには有効であるが，位置特定 精度の面で高密度の群集の性状を調査するには有効であるとは言い難い．

○画像解析による人間行動の分析 人の行動を画像解析によって分析しようという論文は，カメラ画像から人の抽出処理を 行う研究として十数年前から活発に行われている．しかし，広場・街路等の広い歩行空間 を対象とした人の行動研究において，人々の分布を取り扱う研究は数多く見られるが，歩 行行動そのものを数値的に扱う研究は，そのデータ化の困難さからその数はきわめて少な

1) 高柳英明，他：無線タグシステムによるスキー場来場者の利用特性に関する研究，日本建築 学会学術講演梗概集，2001/09

- 11 -

1.3 既往研究 い．これらデータの作成方法は，連続写真等の静止画像や現在ではビデオ画像を用いるこ とが多いが未だに手作業が主流になっている． 本来，コンピュータを用いて歩行者の行動軌跡を作成する研究は，情報工学の画像処理 の分野に分類される． 画像処理を用いて歩行者流動を解析する利点としては 1. 人の行動を干渉せずに自然な行動を観測できる非接触計測である点 2. 多人数や広い行動範囲にも対応する広範囲のデータを取得できる点 3. 手作業で個別に奇跡を作成するよりも多人数のデータを一度に処理が可能である点 があげられる．

群集の人数把握については，静的な視点と動的な視点がある．前者は人の分布と密度の 問題であり，後者は断面交通量の問題となる．また，取り扱うデータが記録されたデータ またはリアルタイムに処理されるデータであるかとういう区別もある．さらに，手動で処 理されるものか自動で処理されるかによっても整理できる．

小瀬ら 1),2)は，ビデオカメラによる定点撮影を行い，画像処理することで人の形態を抽出 し，人の座標位置および数を求めている．それにより，水景施設内における人々の分布や 人数の変化を把握し，個々の人がとる奇跡や滞留時間，行動形態といった行動を解析して いる．

竹内ら 3)は，ビデオ画像を用いて，時間的に近接した画像間の差分を逐次とり，画像に 変化のある領域を得るという逐次差分により人の歩行動線抽出を研究している．

1) 小瀬博之，他：水系施設における人の行動の解析に対する画像処理の適用 - 水系施設におけ る人の行動と周辺施設の解析に関する研究 その１-，日本建築学会計画系論文集，No.481，7581，1996/03 2) 小瀬博之，他：水系施設における人の行動の解析に対する画像処理の適用 - 水系施設におけ る人の行動と周辺施設の解析に関する研究 その２-，日本建築学会計画系論文集，No.509，6570，1998/07 3) 竹内敬吾，他：画像による歩行者情報抽出法，第15 回情報システム技術シンポジウム，143149，1992

- 12 -

1.3 既往研究 鍛ら 1),2)は，2 値化された画像ではなくカラー画像を用いて 5 次元の位置・色特徴空間上 でビデオ画像を解析し，動体抽出処理および動体追尾処理を行い，原画像から人間を抽出 するとともに連続画像の性質を利用して各個人の奇跡を抽出している．これにより画像処 理の問題点である密接した流動や交差流動にも対応する追尾手法を開発している．

しかしこれらの方法は，人同士の間隔が密になる群集の状態では分析が困難になること や，留まっている人を抽出しがたいという問題点を抱えていた．このように解析対象が群 集の場合，現在の画像処理技術では，完全に個人抽出を行うには至っていない．そのため， 群集密度が高いような人が多い状況では事実上情報の抽出は不可能であった．つまり，群 集を解析対象とした場合，群集から個人を分離し抽出することによる解析手法のようなミ クロな観点からの方法論では有効とは考えられない．

そこで竹内ら 3)は，カメラ画像を人の抽出画像の累積により分析する方法を研究してい る．これにより滞留している群衆の規模を自動的に把握することをができる．その計測可 能範囲は約20m四方まで，把握できる人数は百数十人程度まで可能であることが確認され ている．

西谷 4),5),6)らは，粗視化法という考え方を導入し，フラクタル理論を用い，様々な粗視化 度で群衆の形のフラクタル次元を求めることにより群衆の人数を算定する研究を行い，滞 留している群衆の形と縮尺から人数を推計することに成功している．

これらの報告では，撮影されたカメラ画像やビデオ画像を処理することにより，滞留し ている群衆の規模や人数を推計するに至っているが，流動している群集の群集密度や流動 速度については研究されておらず，未だそのような論文は報告されていない． 1) 鍛佳代子：画像処理による歩行者流動の自動追尾手法，日本建築学会計画系論文集，No.493， 195-200，1997/03 2) 鍛佳代子，他：交錯流動の発生する街路空間における複数歩行者の自動追跡，日本建築学会 技術報告集，第 14 号，359-364，2001/12 3 ) 竹内啓五：画像処理による群集の特徴評価に関する研究，日本建築学会計画系論文集， No.486，109-116，1996/08 4) 西谷賢二，他：形の粗視化による群集の人数推計に関する研究，日本建築学会計画系論文集， No.452，1993/10 5) 西谷賢二，他：フラクタル次元の計測システムに関する研究（その１） ，日本建築学会・電子 計算機利用委員会，第９回電子計算機利用シンポジウム 1987 6) 西谷賢二，他：人間の行動奇跡における自己相似性に関する研究，日本建築学会学術講演梗 概集，S62/10

- 13 -

1.3 既往研究 ○微視化と粗視化 物事を分割し，ミクロな素粒子や粗過程に還元して理解しようというミクロな方向の研 究を， 「微視化の研究」とすると，今までの研究は主に微視化の研究ということができ，そ れらは多くの成果を生みだしている．しかし，物事には微視化するだけでは決して理解で きないもの，解決できないものが多くある．特に人間の歩行行動，物理学における素粒子 論など多くの粒子が相互に強く作用しあう，いわゆる多体効果の結果引き起こされる現象 を理解しようとするには，むしろ多くの粒子を集合として扱い，そのマクロな振る舞いを 全体として理解するようにした方が効果的である． このように多体効果，特に多くの粒子の協同現象を解明しようとするときに，個々の粒 子の詳細を一つ一つ気にするのではなく，思い切って細かいところは見ないようにする． このような細部を省き全体を見ようとする研究の方向を，粗視化に対して「粗視化の研究」 とする． 従来までの画像解析による人間行動の分析は「微視化の研究」であったということがで きる．このミクロ的な視点での研究では，個々の歩行行動や滞留行動の研究には有効であ り，有意義な成果も多く生み出されているが，群集流動などの，高密度となったの人の行 動の分析は「粗視化」の視点での研究が有効であると考えられる．

○パーコレーション理論 パーコレーション理論とはつながりの概念を問題とした考え方で， 物理学の分野で1957 年に Broadbent と Hammersley によって初めて定式化されたのが最初である． 「つながり」は私たちの生活の中でなくてはならないものである．道路や鉄道，電話はい うまでもなく，インターネットによる情報の交換もコンピューターが互いにつながりを 持っているからこそできるのである．現在，急速に普及しているワールドワイドウェブ （www）は，地球全体に広がったコンピューターのつながりによって作られた世界である． このような物理的につながっている道路やケーブルだけでなく，情報の伝達そのものをつ ながりと見なすこともできる．ファッションについていえば，ある人が始めた新しい ファッションを何人かの人が真似をし，その人達を見た何人かの人が真似をするというこ とが繰り返されていくうちに，日本中にそのファッションが広がることになる．同じよう に伝染病が広がることもつながりの広がりと見ることができる． 社会的な現象だけでなく，自然現象においてもつながりが重要な役割を果たしているも のが数多く存在する．たとえば，高分子を互いに結合させてゲルを作ることを考える．高 分子間のつながりが徐々に広がり，つながりが無限に大きくなったところで流動性がなく - 14 -

1.3 既往研究 なって，ゲルとなる．つながりが狭い領域にある状態から無限に広がった状態に変化する ことによって，系の示す性質の特徴が変化するのである． このようなつながりが持つ特徴を対象とした考え方がパーコレーション理論である．つ ながりは，系を構成する要素がどのようなものであっても定義可能な概念であり，あらゆ る分野，あらゆる現象に応用されている．たとえば，パーコレーション理論は素粒子論か ら宇宙物理まで，生物，化学，物理，地球科学，材料工学などあらゆる分野で応用され，さ らに上で述べたような社会現象の理解にも応用することが可能である．

パーコレーション理論は主に物理学の分野で研究が進められている理論である．現在， 建築学の分野でパーコレーション理論を用いた論文は，加藤ら 1),2),3),4)が市街地における火 災の延焼を研究している．この報告では市街地の領域として100×100の正方格子を考え， 建物は正方格子の交点上に立地するとして，市街地をサイト過程のパーコレーションモデ ルとして一般化し，この市街地モデル上にある割合でランダムで可燃建物が分布している としている．このモデル上でパーコレーション理論を利用して火災が浸透していく過程を シュミレーションすることで，延焼危険と市街地状況の関係を分析し，計画論上の問題を 解消しうる性能基準について論じている． この報告以外では，パーコレーション理論を用いた報告は確認できず，また，人間行動 をパーコレーション理論を用いて分析した研究は未だ行われていない．

1) 加藤孝明，他：市街地延焼からみた市街地整備のための性能基準に関する基礎的考察 - 不燃 領域率による性能基準の一般化 -，日本建築学会計画系論文集，No.516，185-191，1999/02 2) 加藤孝明，他：市街地延焼からみた市街地整備のための性能基準に関する基礎的考察（その ２）- 有限領域への展開 -，日本建築学会計画系論文集，No.525，241-248，1999/11 3) 加藤孝明：パーコレーション理論のアナロジカルな展開（その１）- 都市における臨界現象 の理解 -，日本建築学会学術講演梗概集，1995/08 4) 久貝寿之，他：パーコレーション理論に基づいた地区レベル道路網の防災性能評価に関する 基礎研究，日本建築学会計画系論文集，No.549，231-237，2001/11

- 15 -

1.4 語句の定義

1.4 語句の定義 群集・群衆 多くの人が集団で歩行している流動状態の場合「群集」，滞留している状態を「群衆」と する．ただし，参考論文を引用する場合には，参考論文の語句にできる限り従った．

【群集】 （1）一つの所に多くの人がむらがり集まること．また，その人々． （2）社会学・心理学では，共通の関心と目的のもとに（不特定多数の人間が）一 時的・非組織的に集合した集団で，日常の行動規範からはずれた行動をとり やすいものをいう． （3） 自然界においていろいろな種類の生物が何らかの意味でまじり合って生活し ている集まり． （4）植物の群落を種組成に基づいて分類する時の一単位．クロマツ群集など．群 叢． 【群衆】 むらがり集まった多くの人々．また，むらがり集まること． （大辞林第二版）

群集性状 本研究では， 「群集密度」 ， 「群集速度」 ， 「対向割合」の 3 指標を群集性状とする．詳細は 3.1 に示す． グレースケール画像 1 画素が 256 通りの階調をもつモノクロ画像．色は表現できないが階調を表現する十分 な能力がある．モノクロ写真に用いる． 2 値化画像 白と黒のピクセルしか含まない画像． 閾値（しきいち） 一般には境界値のこと．グレースケール画像を 2 値化画像へ変換する際，ピクセルが白 か黒かを切り分ける基準にする値．グレー階調の画像から2値化画像を作成するときには， どのグレーレベルを境に白黒 2 値の区別を付けるかを設定する必要がある．

- 16 -

1.4 語句の定義 群集画像解析データ 本研究では， 「べき指数」 ， 「充填率」， 「セル遷移パターン出現割合」を指す．各値の説明 については第 4 章に示す． セル・サイト 画像または行列を単位格子として考えたとき， 各格子のことをセルまたはサイトと呼ぶ．

- 17 -

1.5 群集流動評価指標

1.5 群集流動評価指標 ○群集流動の一般的性質

歩行空間における群集の歩行行動は，図 1.5.1 に示すような様々な歩行者側の条件およ び歩行空間の条件によって異なるが，全般的には次のような性質をもっている． 閑散とした状況では各人が他社の行動にほとんど影響されることなく，自分にあった速 度や経路で歩行できる．しかし，混雑した状態になるにつれて他者との干渉により速度や 方向を頻繁に変える必要が生じ，ついには群集としての平均的な行動をとるようになる． そして，極端に混雑した場合は集団転倒などの群集事故をもたらすことさえある 1)．図 1.5.2は密度の増大にしたがい各人の速度の自由度が低下する様子を示している．このよう な性質を考慮すると，群集歩行の状態は，ある程度以上に混雑の程度が高まれば個々の歩 行者の行動を取り上げなくとも，それらの平均的な流れとしての特性値をもって表すこと ができる．

図 1.5.1 群集流動現象の因子関連

図 1.5.2 買い物街路での歩行速度分布幅

1) 1.2.1 群集事故についてを参照

- 18 -

1.5 群集流動評価指標 ○流動特性値

歩行群集の流動状態を表す指標としては密度・流速・流動係数の 3 つが基本的な指標と してあげられる．今，ある方向に移動している群集を考えたとき，密度とは考察の対象と している歩行空間の単位面積あたりの歩行者数であり，流速とはその歩行空間内に含まれ る歩行者数全体の平均速度である．また，流動係数は流れの方向に垂直な単位幅 w の断面 を単位時間内に通過する歩行者数であり，流率，流動数ともよばれることもある．これら 密度・流速・流率をそれぞれρ（人 / ㎡），v（m/s），f（人 /m・s）と表すと，ρ，v，f の 間には

wfDt = wtvDt

f = tv

なる関係が成立する．

本研究では群集の流動状態を表す指標として，群集密度・群集速度・対向割合の 3 つを 指標とすることにする． 群集密度とは，考察の対象としている歩行空間の単位面積あたりの歩行者数であり，単 位（人 / ㎡）で表される値である．群集速度とはその歩行空間内に含まれる歩行者全体の 平均速度であり，単位（m/s）で表される．また，対向割合とは考察の対象の群集流動が 対向流であるときに，その対向の割合を示す値である．

○流動特性値の計測手法

流動の諸特性値を現実の歩行群集を観察することによって計測する諸手法を表1.5.1 に 示す． 表 1.5.1 流動特性値の計測手法

- 19 -

1.5 群集流動評価指標

表 1.5.2 水平路・階段のサービス水準

図 1.5.3 群集と密度

- 20 -

1.5 群集流動評価指標

図 1.5.4 建物内の人口密度

- 21 -

1.6 研究概要

1.6 研究概要 本研究は以下の流れで研究を行った． 1. 群集流動をビデオによって撮影する 2. 撮影した画像をビデオキャプチャボードを経由してコンピュータに取り込む 3. 群集の歩行軌跡データを抽出し，群集性状の各値を算出する 4. 画像を解析し，画像解析データを算出する 5. 3 および 4 で得られた各値をもとに重回帰分析を行い，群集性状評価モデルを作 成する

群集映像の撮影

静止画連番としてのカメラ画像

2値化閾値の設定

歩行者座標抽出

２値化 座標変換

環境要素の削除 直交座標系歩行軌跡データ サイト出現頻度

パーコレーション解析

充填率の解析

セル遷移パターン解析

群集流動評価指標の算出

パーコレーションべき指数 充填率 遷移パターン出現率

群集密度 群集速度 対向割合

重回帰モデルの作成 目的変数：群集密度・群集速度・対向割合 説明変数：べき指数・充填率 セル遷移パターン

カメラ画像

図 1.6.1 研究概要フロー

- 22 -

群集密度 群集速度 対向割合

1.7 研究・開発環境

1.7 研究・開発環境 □ハードウェア PowerMac G3 Apple Computer,Inc. CPU：300MHz メモリ：704MB ハードディスク：6GB

□アプリケーション ○ NIH Image http://rsb.info.nih.gov/nih-image/ マッキントッシュ上で動作するイメージプロセッシングおよび分析プログラムである． NIH Image はアメリカ合衆国 NIH(National Institutes of health）の Wany Rasband 氏が開発した画像処理や分析を行う Appleコンピュータ，マッキントッシュ用のパブリッ クドメインソフト，つまりソースコードを公開した無料で配布されている強力な画像処理 解析ソフトである．画像の読み込み，表示，編集，強調，分析，印刷，アニメーション作 成ができ，また TIFF，PICT，MacPaint，PICT ファイルを読み書きできるため，多くの アプリケーションと互換性がある．多くの標準的な画像処理機能（ヒストグラム均一化， コントラスト増強，密度プロフィール，スムージング，エッジの検出，メディアンフィル タリング，空間の畳み込み等）と，ユーザー定義のカーネルをサポートしており，パスカ ルに似たマクロ言語，コンパイルされたプラグインモジュール，およびパスカル・ソース・ コード・レベル上での 3 つの方法でカスタマイズすることができる． もともとは，レントゲン写真や X 線 CT 画像など，医療用画像の解析用に開発されたも のなので，日本でも医学界でユーザーが多い．無料でしかも高機能なので，画像解析に関 心のある，あらゆる分野の研究者に使用されている． Windows 上で動作する同様のソフトとしては，以下のソフトがある． Scion Image：http://www.scioncorp.com/ ImageJ：http://rsb.info.nih.gov/ij/ Java で作成されたソフトであらゆる OS 上で動作する．

- 23 -

1.7 研究・開発環境 ○ mc(Matrix Calculator) http://www.akita-noken.go.jp/provide/mc/index_mcF.html m c は 行 列 演 算 機 能 を 持 つ プ ロ グ ラ ム 言 語 と ，デ ー タ 処 理 を 行 う こ と の で き る Macintosh専用のアプリケーションであり，臨床で得られる数値データを処理する目的で 開発された研究用のプログラミング言語とデータ処理システムをもっている． mc の行列には画像データを代入することができるため，画像処理用のプログラム開発 が容易となっている．

○ Microsoft Excel Microsoft 社の統合型表計算アプリケーションである． Excel は，強力なマクロやグラフ作成機能などを備えており，VBA(Visual Basic For Applications)でコードを記述することで，Excel 上で動くマクロプログラムを作成し，実 行することができる．

○ Adobe Photoshop Adobe社のペイント系グラフィックソフトである． 写真のレタッチソフトとして一般的 に用いられている．ファイルコンバートから写真の合成やレタッチ，色分解出力など多彩 な機能をもつ．Macintosh の優れたユーザーインターフェースに支えられ，従来ワークス テーションでしかできなかったフォトレタッチ作業を，パーソナルコンピュータで実現し た．パーソナルコンピュータ用ソフトウェアの到達したひとつの頂点であり，レタッチソ フトという分野を初めて確立した製品． 本研究では，Photoshopのバッチ処理機能を使用して，連番画像を自動的に解像度を変 更することなどに使用した．

- 24 -

第２章 調査方法

- 25 -

2.1 群集流動のビデオ調査

2.1 群集流動のビデオ撮影 本研究では，群集が流動する様子を時系列をもった座標データとして扱えるようにする ために，群集に対して，以下の調査地で DV ビデオを用い定点撮影を行った．

調査地：渋谷駅前交差点（渋谷） 新宿西口改札外側（新宿西口） 西新宿 1 丁目交差点（新宿南口）

ただし，新宿南口については第５章で調査環境についての検討（撮影高さの検討）を行 うため，異なる高さ，具体的には同じビルの 3 階高さと 2 階高さから撮影を行った．

- 26 -

2.2 調査結果

2.2 調査結果 2.2.1 渋谷調査結果 調査場所：渋谷駅前交差点 カメラ （2F より）

調査日時：2001.08.23 木曜日 13:00-

撮影範囲

撮影高さ：約 5.0m（ビル 2 階）

渋谷駅 図 2.2.1 渋谷駅前交差点調査空間平面図

約 5.0m

図 2.2.2 撮影高さ

図 2.2.3 渋谷駅前交差点俯瞰

図 2.2.5 撮影場所から

図 2.2.4 撮影画面

- 27 -

2.2 調査結果

2.2.2 新宿西口調査結果

調査場所：新宿西口改札外側

券売機

調査日時：1996.09.03 火曜日

カメラ （2F デッキより）

撮影範囲

改 札 口

図 2.2.6 新宿西口改札調査空間平面図

約 4.0m

図 2.2.7 撮影高さ

図 2.2.8 撮影画面

- 28 -

07:30撮影高さ：約 4.0m（2 階デッキ）

2.2 調査結果

2.2.3 新宿南口調査結果

調査場所：新宿 1 丁目交差点 調査日時：2002.02.15 火曜日 08:50-

撮影範囲

撮影高さ：約 7.7m（ビル 3 階）

カメラ （2F/3F より）

約 4.7m（ビル 2 階）

新宿 1 丁目 交差点

図 2.2.9 新宿 1 丁目交差点調査空間平面図

約 7.7m

約 4.7m

図 2.2.10 撮影高さ

図 2.2.11 新宿 1 丁目交差点俯瞰

図 2.2.12 撮影画面（2 階より）1)

図 2.2.13 撮影画面（3 階より）2)

1),2) 白枠は解析範囲

- 29 -

第３章 群集流直交座標データの分析

- 30 -

3.1 分析方法

3.1 分析方法 本研究では群集の流動状態を表す指標として， 「群集密度」 ， 「群集速度」 ， 「対向割合」の 3 つを指標とする． 群集密度とは，考察の対象としている歩行空間の単位面積あたりの歩行者数であり，単 位（人 / ㎡）で表される値である．群集速度とはその歩行空間内に含まれる歩行者全体の 平均速度であり，単位（m/sec）で表される．また，対向割合とは考察の対象の群集流動 が対向流であるときに，その対向の割合を示す値である．

以降，以下の手順で群集状態を表す上記の値を映像データから抽出する．

1. 連続する画像をコンピューターに取り込む． 2. その映像データから，群集流動の座標データを抽出する． 3. 抽出したデータを 2 次元直交座標データに変換する． 4. 時間軸をもった 2 次元直交座標データをもとに，群集密度・群集速度・対向割合の 3 指標を算出する．

- 31 -

3.1 分析方法

3.1.1 歩行軌跡データの抽出 第 2 章で撮影した映像データから歩行者の位置座標を取り出す作業には，Macintosh Computer 上で動作するソフトウェア NIH Image1)および NIH Image 上で動作するマク ロプログラムを用い，撮影した映像データから以下の手順で位置座標データを生成した． 操作内容の詳細 1. 映像取り込み ビデオカメラで撮影した映像データを，ビデオキャプチャボードを経由して，連続 する連番フレームデータとしてコンピュータへ取り込む 画像モードはグレースケール画像とする 2. 群集座標の抽出 画像上に現れる各歩行者の頭部の位置座 標を「人の ID，フレーム番号，X 座標，Y 座 標」の形で群集流動の様子を数値化し，テキ ストデータとして保存する． この作業では，各歩行者の画面上の頭部 の位置にマウスを用いてカーソルをあわせ， クリックすることにより，半自動的に位置 座標を算定するプログラム 2)を使用する．

図 3.1.1 作業画面

3. 座標変換 ビデオ画像は群集を斜め上から撮影したものであり，パースがかかっているため， 2 で抽出したデータを座標変換し，直交座標系の群集座標データに変換 3)する．

以上の操作により得られた群集座標データを元に第3章で群集性状データの分析を行っ た．

1) NIH Image については 1.6 研究・開発環境を参照 3) NIH Image により抽出された歩行者位置座標データが，ビデオ画像によるゆがみ分を含ん でいるため，そのデータのゆがみ補正をするための線形写像変換に，Perl により作成されたプロ グラムを用いた． 2,3) 上記の作業について使用したプログラムは，渡辺仁史研究室修士卒の先輩である樋口智幸 氏が作成したものである．

- 32 -

3.1 分析方法

3.1.2 群集性状データの算出 得られた時系列群集座標データから，群集密度，群集速度，対向割合を算出する． 画像データは本章および第 4 章とも，30 フレームのスタック 1)を基準として，分析する こととする．さらに，各調査地でサンプリングした画像データは，できるだけ異なる群集 の流動状態を分析するため，7 〜 8 つのスタックを選択して分析した． 本論文における 1 サンプルのデータは，以下の基準で取り扱うこととする．

群集密度：各フレームの群集密度を算出し，スタックごとに平均した値． 群集速度：各スタックに現れる歩行者について，それぞれ歩行速度を算出し，スタック ごとに平均した値（群集速度については，方向別に分類して分析することも ある） ．たとえば，あるスタックに 30 人の歩行者がいる場合，そのサンプル の群集速度とは歩行者 30 人の平均速度である． 対向割合：各スタックに現れる歩行者を，方向別に算出し，その人数比を算出した値．

表 3.1.1 抽出された座標データ Y (mm)

人番号

フレーム番号

X座標

Y座標

1 1 1

1 2 3

5072 5105 5076

9047 11033 13072

1 1 1 1

4 5 6 7

5078 5118 5200 5334

14876 16802 18853 20765

1 1 1 1 2

8 9 10 11 1

5360 5442 5439 5462 6573

23040 24951 27315 29206 5472

2 2 2 2

2 3 4 5

6535 6501 6415 6429

6895 8216 9605 10430

2 2 2 2 2

6 7 8 9 10

6351 6193 6128 5996 5977

11655 12784 13847 14954 15991

・ ・ ・

・ ・ ・

・ ・ ・

・ ・ ・

20,000

15,000

10,000

5,000

X (mm)

10,000

5,000

0

図 3.1.2 歩行軌跡（新宿南口）

1) NIH Image で扱う形式で，一連の 2 次元画像を，時系列をもった 3 次元配列として扱うよう にしたもの．ファイル形式は TIFF である．

- 33 -

3.2 分析結果

3.2 分析結果 渋谷・新宿西口・新宿南口，各調査地における群集流動の各指標の値である．ここで， Shibuya[n] (n=1,2,3,4,5,6,7,8)

：渋谷調査データ

ShinjukuW[n] (n=1,2,3,4,5,6,7) ：新宿西口調査データ ShinjukuS[n] (n=1,2,3,4,5,6,7,8) ：新宿南口調査データ とする．

表 3.2.1 渋谷 - 群集基礎データ 群集密度 歩行速度（m/sec）

対向割合

Shibuya[1] Shibuya[2] Shibuya[3] Shibuya[4]

（人/㎡） 0.639 0.379 0.134 0.161

全体 0.889 0.981 0.922 1.314

上方向 0.924 0.804 0.919 1.648

下方向 0.858 1.044 0.922 1.171

上方向 0.482 0.245 0.240 0.304

下方向 0.518 0.755 0.760 0.696

Shibuya[5] Shibuya[6] Shibuya[7] Shibuya[8]

0.291 0.439 0.214 0.080

1.084 0.949 1.005 1.119

1.257 0.957 0.956 0.841

0.834 0.936 1.057 1.353

0.588 0.619 0.516 0.375

0.412 0.381 0.484 0.625

表 3.2.2 新宿西口 - 群集基礎データ 群集密度 歩行速度（m/sec）

対向割合

ShinjukuW[1] ShinjukuW[2] ShinjukuW[3] ShinjukuW[4]

（人/㎡） 0.302 0.539 0.690 0.700

全体 1.282 1.169 1.177 1.054

上方向 1.494 1.232 0.935 1.058

下方向 1.194 1.125 1.197 1.049

上方向 0.290 0.415 0.077 0.509

下方向 0.710 0.585 0.923 0.491

ShinjukuW[5] ShinjukuW[6] ShinjukuW[7]

0.668 0.797 0.603

1.178 1.145

1.121 0.552

1.208 1.163

0.347 0.030

0.653 0.970

表 3.2.3 新宿南口 - 群集基礎データ 群集密度 歩行速度（m/sec）

対向割合

ShinjukuS[1] ShinjukuS[2] ShinjukuS[3] ShinjukuS[4]

（人/㎡） 0.508 0.475 0.338 0.195

全体 1.588 1.536 1.534 1.592

上方向 1.480 1.352 1.545 1.608

下方向 1.592 1.544 1.533 1.592

上方向 0.063 0.050 0.036 0.042

下方向 0.937 0.950 0.964 0.958

ShinjukuS[5] ShinjukuS[6] ShinjukuS[7] ShinjukuS[8]

0.140 0.123 0.112 0.069

1.630 1.775 2.304 2.255

1.620 1.704 1.666 1.653

1.631 1.778 2.349 2.281

0.050 0.049 0.049 0.045

0.950 0.951 0.951 0.955

1) 新宿西口 7 番目のデータについては，ほぼ一方向流のため，方向別の群集速度および対向割 合については値を求めていない

- 34 -

3.2 分析結果

3.2.1 群集速度と群集密度 図 3.2.1 は群集密度と群集速度の関係を調査場所別に示したものである．群集密度が高 くなるほど群集の歩行速度も低下していることがわかる．これは，密度が高まるにした がって追い越しにくさなどの歩行者の相互干渉が現れているからだと考えられる．

3

渋谷

2.5

新宿西口 新宿南口 2

1.5

1

0.5

0

0

0.2

0.4 0.6 群集密度（人/㎡）

0.8

図 3.2.1 群集密度と群集速度の関係

- 35 -

1

3.2 分析結果

3.2.2 対向割合と群集速度 図 3.2.2 は対向割合と群集速度の関係を調査場所別に示したものである．対向割合が低 くなる，つまり対向流に近づくほど群集の歩行速度も低下していることがわかる．これは， 対向流になると対向の群集の影響を受け，歩行速度が低下していることを表している．

2.5

渋谷 2

新宿西口 新宿南口

1.5

1

0.5 0.3

0.5

0.7 対向割合

図 3.2.2 対向割合と群集速度の関係

- 36 -

0.9

第４章 群集画像データの解析

- 37 -

4.1 解析画像

4.1 解析画像

渋谷 1)

新宿西口

新宿南口 2F2)

新宿南口 3F3) 白枠は画像解析範囲を示す 図 4.1.1 解析画像

表 4.1.1 解析画像基本データ

渋谷

新宿西口 新宿南口

全体 横断歩道 群集のみ 3F 2F 解析範囲中群集面積率 25.24% 55.53% 96.40% 42.45% 95.33% 86.90% フレームレート(Frame/sec) 4 4 4 1 2 2 フレーム数(Frame) 30 30 30 30 30 30

1) 群集のみの範囲を第 4 章で解析に用いた．他の範囲については 5.1 撮影範囲の検討で使用す る． 2,3) 新宿南口については 3F からの画像を第 4 章で解析に用いた，2F からの画像については， 5.2 撮影高さの検討で使用する．

- 38 -

4.2 べき指数の算出

4.2 べき指数の算出 4.2.1 解析方法 第 2 章でパソコンに取り込んだ画像を 後述する条件に基づいて閾値を設定し，グ レースケール画像から2値化画像へと変換

r

する．この 2 値化画像について，各セルに ついて何度黒いセルがでてきたかを割合と して算出する． r

0.1 0.2 0.1 0.1 0.1 0.3 0.1 0.7 0.0 0.1 0.0 0.2 0.1

!A

0.4 0.1 0.3 0.1 0.2 0.1 0.2 0.9 0.8 0.6 0.5 0.1 0.0

n =0

r

ij

=

!P n =0

ij

a ij < r +1 F

0.5 0.5 0.4 0.5 0.4 0.7 0.1 0.8 0.9 0.8 0.4 0.7 0.5 0.1 0.8 0.1 0.8 0.6 0.4 0.0 0.4 0.5 0.5 0.4 0.5 0.4

A ：黒セル出現頻度行列 P：画像行列 a：黒セル r ：画像フレーム数

0.1 0.2 0.1 0.7 0.9 0.4 0.6 0.3 0.5 0.7 0.5 0.1 0.0 0.7 0.7 0.9 0.9 0.6 0.6 0.0 0.5 0.5 0.5 0.4 0.0 0.2 0.7 0.4 0.8 0.6 0.6 0.7 0.8 0.5 0.8 0.8 0.5 0.3 0.1 0.4 0.4 0.6 0.6 0.7 0.7 0.5 0.8 0.1 0.2 0.4 0.0 0.4 0.7 0.7 0.7 0.6 0.4 0.4 0.5 0.7 0.7 0.1 0.5 0.5 0.6 0.0 0.1 0.2 0.1 0.5 0.0 0.5 0.5 0.0 0.3 0.0 0.1 0.0

各サイト（セル）の出現確率

格サイトの出現頻度行列をインベー ションパーコレーションの考え方を用い て，クラスターを生成させる．このとき， 固定要素 クラスター

図 4.2.1 インベーションパーコレーション[1]

常に変化しないセル（黒から白，白から黒 へと）について棄却するため，出現頻度が 0.33 以上 0.67 未満のセルを有効とする．

○インベーションパーコレーションとは クラスターの界面にある格子点の中で 0.1 0.1 0.5 0.9 0.2

もっとも値の低いところを浸食していく．

0.8 0.3 0.4 0.5 0.4 0.7

例えば，画像行列上で最も出現頻度の

0.5 0.6

低いセルをシードサイトとして， 浸食して

0.9

いき，左の図 4.2.2 の状態に達した場合， 単位時間経過後，点線で示したところまで

図 4.2.2 インベーションパーコレーション[2]

- 39 -

浸食する．

4.2 べき指数の算出 ○セル出現数による 2 値化閾値の決定

グレースケール画像を 2 値化する際の閾値の決め方は，以下の方法で決定した．

各セルの出現数において，0 または 1 つまり最初の 1 フレーム目から最後のフレームま で常に白または常に黒であったセル以外で， 黒色のセル数を各フレームについて算出した． このセル出現数をグラフ化すると，図 4.2.3 のようになり，ある 2 値化閾値で緩やかな 山をつくることが確認できる．このセル出現率が最大になるとは，セルが頻繁に遷移して いると考えることができ，インベーションパーコレーションで利用するサイトの出現頻度 がばらつきやすくなるため，この値がインベーションパーコレーションを行う 2 値化閾値 として最適であるといえる．そこで，インベーションパーコレーション解析を行う 2 値化 閾値を選択するにあたり，このセル出現率が最大となる 2 値化の値を中心にいくつかの閾 値を決定した．

表 4.2.1 各調査画像のセル出現数平均値 T50 渋谷 新宿西口 新宿南口

T60

T70

T80

T90

T100

T110

T120

T130

T140

T150

T160

T170

T180

T190

T200

240.9 354.5 484.9 538.6 551.2 551.5 539.2 504.9 431.7 346.7 275.7 215.4 162.3 114.5 77.0 40.4 20.7 26.9 47.5 88.7 148.9 226.8 317.8 398.3 457.5 440.8 390.7 327.6 269.7 205.1 146.4 101.3 6.4 16.7 35.6 64.4 99.4 183.5 316.2 407.0 490.1 513.6 539.5 551.0 544.3 507.0 439.8 356.0

600

500

400

300

渋谷 新宿西口 新宿南口

200

100

0 50

80

110

140

170

2値化閾値

図 4.2.3 各調査画像のセル出現数平均値

- 40 -

200

4.2 べき指数の算出 ○べき指数算出手順

インベーションパーコレーションは以下の手順で解析を行った． 本研究では，以下の手順を実行するために NIH Image，mc，Excel VBA それぞれで動 作するオリジナルのマクロプログラムを解析に向け作成した．

解析するスタックをオープン

NIH Image

画像のサイズを変更する

任意の閾値で2値化する

Excel VBA

mc

各フレームを テキスト形式のデータとして書き出す

各サイトの出現率を算出

Excelにサイト出現率を読み込む

マクロ実行

図 4.2.4 べき指数算出手順

- 41 -

4.2 べき指数の算出 ○ EXCEL VBA フロー

インベーションパーコレーション解析を行うために，本研究ではMS EXCEL VBAを用 いてオリジナルのマクロをプログラミングし，解析した．このマクロでは 2 値化され，テ キストデータに変換された画像を Excel に読み込んだ状態で実行することにより，イン ベーションパーコレーションを行い， パーコレーション過程を記録するプログラムである． 以下にアルゴリズムのフローチャートおよびソースコードを示す．

結果表示用シートをつくる 各リスト列数の初期設定 Yes

処理用シートをつくる

クラスターグループが

データサイズを取得

空かチェック No 隣接サイトリスト クラスターリスト 全クラスターリスト

結果表示用シート初期化

｝

の最終行を取得

変数初期化 最小値 を取得、 最小サイトをリストアップ

隣接サイトリストから最小値を探す

0かどうか

Yes

各リスト列数の初期設定

No

インベーションさせる

インベーション 結果表示用シートに記入 クラスターリストに記入 全クラスターリストに記入 隣接サイトリストから１行消去 重複したクラスターのリストを

隣接サイトをリストアップ

全クラスターリストと重複するか

現在のリストへ合成する Yes

重複したクラスターのグループを 現在のグループへ変更する 1グループ分（5列）を消去

隣接サイトで重複を削除 隣接サイトリストからクラスターリストの重複を削除

ClusterStepを1つ進める

図 4.2.5 Excel VBA インベーションパーコレーションフローチャート

- 42 -

4.2 べき指数の算出

1

Option Explicit

2 3

Dim timck

4 5

Dim sck, testck As Integer Dim InveCount As Integer

6 7

Dim Minimum As Single Dim minlimit, maxlimit As Single

8 9

Dim min(1 To 1000) As Integer Dim i, j, t As Integer

10 11

Dim mi, mj As Integer Dim Seedi(1 To 1000), Seedj(1 To 1000) As Integer

12 13

Dim ClusterStep, MaxStep As Integer Dim r, r1, r2, Matchr As Integer

14 15

Dim ClustGN As Integer Dim Clustlsij, Clustlsjj, PerisiteValuej, Perisiteij, Perisitejj As Integer

16 17

Dim Area As Range Dim lastRow, addRow As Integer

18 19

‘“InvasionTemp” シート上で ‘pacoi：パーコレーションリストの行数

20 21

‘perimeteri：隣接サイトリストの行数 ‘clusterStep:クラスターのステップ番号

22 23

Sub インベパーコレーション ()

24 25

‘ テストなら 0 , 本番なら 1

26 27

testck = 1 ‘ 最小限界値を設定

28 29

minlimit = 0.333 maxlimit = 0.667

30 31

MaxStep = 100

32 33

DataSN = ActiveSheet.Name timck = Timer

34 35

If testck = 1 Then

36 37

Application.ScreenUpdating = 0 ‘

38 39

‘“InvasionSheet” シートをつくる ‘ 結果表示用

40 41

AddSheetName = “InvasionSheet” sck = 0

42 43

For Each sheet_name In Worksheets If sheet_name.Name = (AddSheetName) Then

44 45

sck = 1 Exit For

46 47

End If Next

48 49

‘ If sck = 0 Then

50 51

Sheets.Add.Name = AddSheetName Else

52 53

MsgBox “ シート名が重複します ”, vbCritical, “ エラーです ” Exit Sub

54 55

End If ‘

56 57

‘“InvasionTemp” シートをつくる ‘ マクロ処理用

58 59

AddSheetName = “InvasionTemp” sck = 0

インベーションパーコレーション Excel VBA ソース

- 43 -

4.2 べき指数の算出

60

For Each sheet_name In Worksheets

61 62

If sheet_name.Name = (AddSheetName) Then sck = 1

63 64

Exit For End If

65 66

Next ‘

67 68

If sck = 0 Then Sheets.Add.Name = AddSheetName

69 70

Else MsgBox “ シート名が重複します ”, vbCritical, “ エラーです ”

71 72

Exit Sub End If

73 74

End If

75 76

Sheets(DataSN).Activate ‘ データのサイズを定義 (mi,mj) 行列

77 78

Cells(1, 1).Select Selection.End(xlDown).Select

79 80

mi = ActiveCell.Row Cells(1, 1).Select

81 82

Selection.End(xlToRight).Select mj = ActiveCell.Column

83 84

‘ とりあえず 0 を書き込む

85 86

Sheets(“InvasionSheet”).Activate Range(Cells(1, 1), Cells(mi, mj)) = 0

87 88

‘ 初期設定

89 90

ClusterStep = 1 Pacoalli = 1

91 92

For ClustGN = 1 To 1000 Pacoi(ClustGN) = 1

93 94

Next

95 96

‘ 最小値を探す Minimum

97 98

Sheets(DataSN).Activate Minimum = 1

99 100

For i = 1 To mi For j = 1 To mj

Perimeteri(ClustGN) = 1

101 102

If Cells(i, j) > minlimit Then If Minimum > Cells(i, j) Then

103 104

Minimum = Cells(i, j) End If

105 106

Next

End If

107 108

Next ‘MsgBox “ 最小値は “ & Minimum & “ です。”

109 110

‘ 最小値のセルをリストアップします t = 0

111 112

For i = 1 To mi For j = 1 To mj

113 114

If Cells(i, j) = Minimum Then t = t + 1

115 116

Seedi(t) = i Seedj(t) = j

117 118

End If Next

インベーションパーコレーション Excel VBA ソース

- 44 -

4.2 べき指数の算出

119

Next

120 121

For ClustGN = 1 To t

122 123

‘ 各リスト列数の初期設定 Call 各リスト列数の初期設定

124 125 126 127

‘ インベーション＆クラスターリストに記入 Call インベーションしてクラスターリストに記入

128 129

Pacoi(ClustGN) = Pacoi(ClustGN) + 1

130 131

‘ 全クラスターリストに記入 Call 全クラスターリストに記入

132 133 134 135

Pacoalli = Pacoalli + 1

136 137

‘ 隣接サイトをリストアップ Sheets(“InvasionTemp”).Activate Call 隣接サイトをリストアップ

138 139 140 141

‘ 隣接サイトリストからクラスターリストの重複を削除 Call 隣接サイトリストからクラスターリストの重複を削除

142 143

ClusterStep = ClusterStep + 1

144 145

Next

146 147

‘For InveCount = 1 To 6

148 149

Do While ClusterStep < MaxStep

150 151

For ClustGN = 1 To t

152 153

‘ 各リスト列数の初期設定 Call 各リスト列数の初期設定

154 155

‘ クラスターグループが空かチェック

156 157

‘ 空なら次のグループへ If Cells(1, Clustlsij) = “” Then

158 159

End If

160 161

Sheets(“InvasionTemp”).Activate

162 163

‘ クラスターリストの最終行をゲット

164 165

Cells(15000, Clustlsij).Select Selection.End(xlUp).Select

166 167

Pacoi(ClustGN) = ActiveCell.Row Pacoi(ClustGN) = Pacoi(ClustGN) + 1

168 169

‘ 全クラスターリストの最終行をゲット Cells(15000, 1).Select

170 171

Selection.End(xlUp).Select Pacoalli = ActiveCell.Row

172 173

Pacoalli = Pacoalli + 1 ‘ 隣接サイトリストの最終行をゲット

174 175

Cells(1, Perisiteij).Select Selection.End(xlDown).Select

176 177

Perimeteri(ClustGN) = ActiveCell.Row Perimeteri(ClustGN) = Perimeteri(ClustGN) + 1

GoTo 次のグループへ

インベーションパーコレーション Excel VBA ソース

- 45 -

4.2 べき指数の算出

178 179 180

‘ 最小値を探す Set Area = Union(Columns(PerisiteValuej), Columns(Perisiteij), Columns(Perisitejj))

181 182

Area.Select Selection.Sort Key1:=Cells(1, PerisiteValuej)

183 184

‘ 最小値が範囲内 (minlimit< <maxlimit) か r = 1

185 186

Do Until Cells(r, PerisiteValuej) = “” If Cells(r, PerisiteValuej) > minlimit Then

187 188

If Cells(r, PerisiteValuej) < maxlimit Then Seedi(ClustGN) = Cells(r, Perisiteij)

189 190

Seedj(ClustGN) = Cells(r, Perisitejj) Exit Do

191 192

Else GoTo 次のグループへ

193 194

End If Else

195 196

If Cells(r + 1, PerisiteValuej) = “” Then GoTo 次のグループへ

197 198

End If End If

199 200

r = r + 1 Loop

201 202 203 204

‘ インベーション＆クラスターリストに記入 Call インベーションしてクラスターリストに記入

205 206

‘ 全クラスターリストに記入

207 208

Call 全クラスターリストに記入

209 210

‘ 隣接サイトリストから１行消去 Sheets(“InvasionTemp”).Range(Cells(1, PerisiteValuej), Cells(1, Perisitejj)).Select

211 212

Selection.Delete shift:=xlUp

213 214

‘ 隣接サイトリストの最終行をゲット Cells(1, Perisiteij).Select

215 216

Selection.End(xlDown).Select Perimeteri(ClustGN) = ActiveCell.Row

217 218

Perimeteri(ClustGN) = Perimeteri(ClustGN) + 1

219 220

‘ 隣接サイトをリストアップ Call 隣接サイトをリストアップ

221 222

‘ 隣接サイトリストで重複を削除

223 224

r = 1 Set Area = Union(Columns(PerisiteValuej), Columns(Perisiteij), Columns(Perisitejj))

225 226

Area.Select Selection.Sort Key1:=Cells(1, Perisiteij), Key2:=Cells(1, Perisitejj)

227 228

With ActiveWorkbook.Sheets(“InvasionTemp”) Do Until Cells(r, Perisiteij) = “”

229 230

If .Cells(r, Perisiteij).Value = .Cells(r + 1, Perisiteij).Value Then If .Cells(r, Perisitejj).Value = .Cells(r + 1, Perisitejj).Value Then

231 232

Range(Cells(r, PerisiteValuej), Cells(r, Perisitejj)).Select Selection.Delete shift:=xlUp

233 234

r = r - 1 End If

235 236

End If r = r + 1

インベーションパーコレーション Excel VBA ソース

- 46 -

4.2 べき指数の算出

237

Loop

238 239

End With

240 241

‘ 隣接サイトリストからクラスターリストの重複を削除 Call 隣接サイトリストからクラスターリストの重複を削除

242 243

ClusterStep = ClusterStep + 1

244 245

次のグループへ:

246 247

Next

248 249

Loop ‘Next

250 251

‘MsgBox “ おわりました ”

252 253

For i = 1 To 3 Beep

254 255

Next i MsgBox Timer - timck & “ 秒かかりました。”

256 257

FinishForm.Show

258 259

End Sub

260 261

Private Sub 各リスト列数の初期設定 ()

262 263

Clustlsij = 5 * ClustGN + 6 Clustlsjj = 5 * ClustGN + 7

‘5 クラスターリスト 行 ‘6 クラスターリスト 列

264 265

PerisiteValuej = 5 * ClustGN + 8 Perisiteij = 5 * ClustGN + 9

‘7 隣接サイトリスト サイトの値 ‘8 隣接サイトリスト 行

266 267

Perisitejj = 5 * ClustGN + 10

‘9 隣接サイトリスト 列

268 269

End Sub Private Sub 隣接サイトをリストアップ ()

270 271

With ActiveWorkbook.Sheets(DataSN)

272 273

If Not Seedi(ClustGN) = 1 Then i = Seedi(ClustGN) - 1

274 275

j = Seedj(ClustGN) Call チェック

276 Cells(Perimeteri(ClustGN), PerisiteValuej).Value = .Cells(Seedi(ClustGN) - 1, Seedj(ClustGN)).Value 277 278

Cells(Perimeteri(ClustGN), Perisiteij) = Seedi(ClustGN) - 1 Cells(Perimeteri(ClustGN), Perisitejj) = Seedj(ClustGN)

279 280

End If

Perimeteri(ClustGN) = Perimeteri(ClustGN) + 1

281 282

If Not Seedi(ClustGN) = mi Then i = Seedi(ClustGN) + 1

283 284

j = Seedj(ClustGN) Call チェック

285 Cells(Perimeteri(ClustGN), PerisiteValuej).Value = .Cells(Seedi(ClustGN) + 1, Seedj(ClustGN)).Value 286 287

Cells(Perimeteri(ClustGN), Perisiteij) = Seedi(ClustGN) + 1 Cells(Perimeteri(ClustGN), Perisitejj) = Seedj(ClustGN)

288 289

End If

290 291

If Not Seedj(ClustGN) = 1 Then i = Seedi(ClustGN)

292 293

Perimeteri(ClustGN) = Perimeteri(ClustGN) + 1

j = Seedj(ClustGN) - 1 Call チェック

インベーションパーコレーション Excel VBA ソース

- 47 -

4.2 べき指数の算出

294

Cells(Perimeteri(ClustGN), PerisiteValuej).Value = .Cells(Seedi(ClustGN),

Seedj(ClustGN) - 1).Value 295 Cells(Perimeteri(ClustGN), Perisiteij) = Seedi(ClustGN) 296 297 298 299

Cells(Perimeteri(ClustGN), Perisitejj) = Seedj(ClustGN) - 1 Perimeteri(ClustGN) = Perimeteri(ClustGN) + 1 End If If Not Seedj(ClustGN) = mj Then

300 301

i = Seedi(ClustGN) j = Seedj(ClustGN) + 1

302 303

Call チェック Cells(Perimeteri(ClustGN), PerisiteValuej).Value = .Cells(Seedi(ClustGN),

Seedj(ClustGN) + 1).Value 304 Cells(Perimeteri(ClustGN), Perisiteij) = Seedi(ClustGN) 305 306

Cells(Perimeteri(ClustGN), Perisitejj) = Seedj(ClustGN) + 1 Perimeteri(ClustGN) = Perimeteri(ClustGN) + 1

307 308

End If End With

309 310

End Sub

311 312

Private Sub チェック () Dim MatchGN As Integer

313 314

Dim 今のシート As String r = 1

315 316

今のシート = ActiveSheet.Name ActiveWorkbook.Sheets(“InvasionTemp”).Activate

317 318

Do Until Cells(r, 1) = “” If Not Cells(r, 5) = ClustGN Then

319 320

If Cells(r, 3) = i Then If Cells(r, 4) = j Then

321 322

MatchGN = Cells(r, 5) ‘MsgBox MatchGN & “ と重複しています ”

323 324

‘MatchGN が空の場合

325 326

If Cells(1, 5 * MatchGN + 6) = “” Then Stop

327 328

‘Exit Do End If

329 330

Cells(15000, 5 * MatchGN + 6).Select

331 332

Selection.End(xlUp).Select addRow = ActiveCell.Row

333 334

Cells(15000, Clustlsij).Select Selection.End(xlUp).Select

335 336

lastRow = ActiveCell.Row

337 338

Range(Cells(1, 5 * MatchGN + 6), Cells(addRow, 5 * MatchGN + 7)).Select Selection.Copy

339 340

Cells(lastRow + 1, Clustlsij).Select ActiveSheet.Paste

341 342

Cells(15000, 5 * MatchGN + 8).Select

343 344

Selection.End(xlUp).Select addRow = ActiveCell.Row

345 346

Cells(15000, PerisiteValuej).Select Selection.End(xlUp).Select

347 348

lastRow = ActiveCell.Row

349 350

Range(Cells(1, 5 * MatchGN + 8), Cells(addRow, 5 * MatchGN + 10)).Select Selection.Copy

インベーションパーコレーション Excel VBA ソース

- 48 -

4.2 べき指数の算出

351

Cells(lastRow + 1, PerisiteValuej).Select

352 353

ActiveSheet.Paste

354 355

‘ 全クラスターリストで所属グループを変更 r1 = 1

356 357

Do Until Cells(r1, Clustlsij) = “” r2 = 1

358 359

Do Until Cells(r2, 3) = “” If Cells(r2, 3) = Cells(r1, Clustlsij) Then

360 361

If Cells(r2, 4) = Cells(r1, Clustlsjj) Then Cells(r2, 5) = ClustGN

362 363

End If End If

364 365

r2 = r2 + 1 Loop

366 367

r1 = r1 + 1 Loop

368 369

Set Area = Union(Columns(5 * MatchGN + 6), Columns(5 * MatchGN + 7), Columns(5 *

MatchGN + 8), Columns(5 * MatchGN + 9), Columns(5 * MatchGN + 10)) 370 Area.Select 371 372

Selection.ClearContents

373 374

Cells(15000, PerisiteValuej).Select Selection.End(xlUp).Select

375 376

Perimeteri(ClustGN) = ActiveCell.Row Perimeteri(ClustGN) = Perimeteri(ClustGN) + 1

377 378

‘

379 380

Stop Exit Do

381 382

End If

End If

383 384

End If r = r + 1

385 386

Loop ActiveWorkbook.Sheets( 今のシート ).Activate

387 388

End Sub

389 390

Private Sub 全クラスターリストに記入 ()

391 392

Sheets(“InvasionTemp”).Cells(Pacoalli, 1) = ClusterStep

393 Sheets(“InvasionTemp”).Cells(Pacoalli, 2) = Sheets(DataSN).Cells(Seedi(ClustGN), Seedj(ClustGN)) 394 395

Sheets(“InvasionTemp”).Cells(Pacoalli, 3) = Seedi(ClustGN) Sheets(“InvasionTemp”).Cells(Pacoalli, 4) = Seedj(ClustGN)

396 397

Sheets(“InvasionTemp”).Cells(Pacoalli, 5) = ClustGN

398 399

End Sub

400 401

Private Sub インベーションしてクラスターリストに記入 ()

402 403

If Not Sheets(“InvasionSheet”).Cells(Seedi(ClustGN), Seedj(ClustGN)) = 0 Then MsgBox “ 重複しています ”

404 405

End If

406 407

Sheets(“InvasionSheet”).Cells(Seedi(ClustGN), Seedj(ClustGN)) = ClusterStep With Sheets(“InvasionSheet”).Cells(Seedi(ClustGN), Seedj(ClustGN))

インベーションパーコレーション Excel VBA ソース

- 49 -

4.2 べき指数の算出

408

.Interior.ColorIndex = 16

409 410

.Interior.Pattern = xlSolid .Font.ColorIndex = 2

411 412

End With Sheets(“InvasionTemp”).Cells(Pacoi(ClustGN), Clustlsij) = Seedi(ClustGN)

413 414

Sheets(“InvasionTemp”).Cells(Pacoi(ClustGN), Clustlsjj) = Seedj(ClustGN)

415 416

End Sub

417 418

Private Sub 隣接サイトリストからクラスターリストの重複を削除 ()

419 420

Set Area = Union(Columns(PerisiteValuej), Columns(Perisiteij), Columns(Perisitejj)) Area.Select

421 422

Selection.Sort Key1:=Cells(1, PerisiteValuej)

423 424

r1 = 1 Do Until Cells(r1, Clustlsij) = “”

425 426

r2 = 1 Do Until Cells(r2, Perisiteij) = “”

427 428

If Cells(r2, Perisiteij) = Cells(r1, Clustlsij) Then If Cells(r2, Perisitejj) = Cells(r1, Clustlsjj) Then

429 430

Range(Cells(r2, PerisiteValuej), Cells(r2, Perisitejj)).Select Selection.Delete shift:=xlUp

431 432

r2 = r2 - 1 End If

433 434

End If r2 = r2 + 1

435 436

Loop r1 = r1 + 1

437 438

Loop

439 440

End Sub

441 442

Private Sub FinishFormMacro() Dim pic, delay As Integer

443 444

pic = Int(Rnd() * 3) + 1

445 446

If pic = 1 Then RandFinishForm.Image1.Visible = 1

447 448

End If If pic = 2 Then

449 450

RandFinishForm.Image2.Visible = 1 End If

451 452

If pic = 3 Then RandFinishForm.Image3.Visible = 1

453 454

End If RandFinishForm.Show

455 456

End Sub

457 458

Private Sub 全隣接サイトリストへ記入 ()

459 460

If Cells(2, 7) = “” Then

461 462

Else

lastRow = 0

463 464 465 466

Cells(15000, 7).Select Selection.End(xlUp).Select lastRow = ActiveCell.Row End If

インベーションパーコレーション Excel VBA ソース

- 50 -

4.2 べき指数の算出

467 468 469

Range(Cells(1, Perisiteij), Cells(Perimeteri(ClustGN), Perisitejj)).Select Selection.Copy

470 471

Cells(lastRow + 1, 7).Select ActiveSheet.Paste

472 473

Stop

474 475

End Sub

476 477

Private Sub 全隣接サイトリストで重複を削除 ()

478 479

‘ 全隣接サイトリストで重複を削除

480 481

r = 1 Columns(“G:I”).Select

482 483

Selection.Sort Key1:=Cells(1, 7), Key2:=Cells(1, 8) With ActiveWorkbook.Sheets(“InvasionTemp”)

484 485

Do Until Cells(r, 7) = “” If .Cells(r, 7).Value = .Cells(r + 1, 7).Value Then

486 487

If .Cells(r, 8).Value = .Cells(r + 1, 8).Value Then Range(Cells(r, 7), Cells(r, 9)).Select

488 489

Selection.Delete shift:=xlUp r = r - 1

490 491

End If End If

492 493

r = r + 1 Loop

494 495

End With

496

End Sub

インベーションパーコレーション Excel VBA ソース

- 51 -

4.2 べき指数の算出 ○インベーション結果の累積によるべき指数の算出

インベーションパーコレーションとは，図 4.2.2 で説明したように，自分を取り囲むサ イトの中で最も値の低いサイトを選び出して一つずつパーコレーションしていく手続きを 繰り返していく． このとき各ステップごとにインベーションしたサイトの値を記録すると表4.2.2 のよう になる． さらに，これをもとにインベーションしたサイトの値を累積していき，横軸にステップ 数，縦軸に累積値をとり対数グラフ上にプロットすると図4.2.6のようになり，直線に乗っ ていることがわかる． ここで，ステップ s における累積値を A(s)とすると，

A (s) = B s

s：インベーションステップ数 A(s)：累積値 B：定数（s には依存しない） τ：べき指数

x

という関数で表される．このべき指数τを一般に臨界指数と呼び，以降このべき指数につ いて論じていく． 表 4.2.2 インベーション パーコレーション結果（渋谷 T80） ステップ数 サイトの値 ステップ数 サイトの値 1 0.3333 31 0.4333 2 3 4 5 6 7

0.3333 0.3667 0.5333 0.4667 0.4000 0.3667

32 33 34 35 36 37

0.6000 0.6667 0.6000 0.4333 0.5000 0.5667

8 9 10 11 12 13 14

0.6333 0.3667 0.5000 0.4333 0.5000 0.4000 0.5667

38 39 40 41 42 43 44

0.5667 0.4333 0.4667 0.4000 0.5333 0.5000 0.6000

15 16 17 18 19 20

0.4000 0.4667 0.4333 0.5333 0.4667 0.4667

45 46 47 48 49 50

0.5000 0.4667 0.5333 0.5333 0.4333 0.6000

1

21 22 23 24 25 26

0.5333 0.5667 0.4333 0.5333 0.5000 0.5000

51 52 53 54 55 56

0.6000 0.3667 0.3667 0.5667 0.4000 0.6333

0.1

27 28 29 30

0.6333 0.6333 0.5333 0.5667

57 ・ ・ ・

0.6667 ・ ・ ・

100

T80 T90 T100 T110

10

1

10

Invasion Step

図 4.2.6 インベーション パーコレーション結果（渋谷）

- 52 -

100

4.2 べき指数の算出

4.2.2 解析結果 ○各調査地べき指数一覧

インベーションパーコレーションの結果である．べき指数を見ると，1 前後の値が多い ことがわかる．

表 4.2.3 インベーションパーコレーションべき指数（渋谷） Shibuya[1] Shibuya[2] Shibuya[3] Shibuya[4] Shibuya[5] Shibuya[6] Shibuya[7] Shibuya[8]

T80

T90

T100

T110

1.144 1.136 1.105 1.127 1.100 1.101 1.105 1.085

1.120 1.107 1.060 1.075 1.071 1.076 1.078

1.109 1.082

1.081 1.078

1.078 1.065 1.047 1.060 1.039

1.074

1.047 1.039

表 4.2.4 インベーションパーコレーションべき指数（新宿西口） ShinjukuW[1] ShinjukuW[2] ShinjukuW[3] ShinjukuW[4] ShinjukuW[5] ShinjukuW[6] ShinjukuW[7]

T110

T120

T130

T140

T150

0.872 0.554 0.328 0.614 1.187

1.000 0.664

0.993 1.024 0.587 0.657 1.160 0.735 0.755

0.974 0.982 0.876 0.978 1.105 0.752 1.020

0.996 0.966 1.031 1.003 1.076 0.960 0.998

0.507

0.619 0.580 0.213

表 4.2.5 インベーションパーコレーションべき指数（新宿南口） ShinjukuS[1] ShinjukuS[2] ShinjukuS[3] ShinjukuS[4] ShinjukuS[5] ShinjukuS[6] ShinjukuS[7]

T140

T150

T160

T170

1.118 1.167 1.116 1.062 1.050 1.073 1.048

1.112 1.127 1.120 1.047 1.044 1.051 1.027

1.082 1.199 1.114

1.062 1.114 1.088

1.046

この章ではインベーションパーコレーション解析は画像サイズ 40 × 30pixels の画像データを用 いて解析している．

- 53 -

4.2 べき指数の算出 ○群集性状 - べき指数相関分析

4.1で行ったインベーションパーコレーションの結果得られたべき指数と群集性状の関 係を確かめるため，第 3 章で求めた各群集性状の値（群集密度，群集速度，対向割合）と 4.1 で算出したインベーションパーコレーションべき指数との相関分析を行った． 以下は各 2 値化閾値における相関係数である．

表 4.2.6 群集性状 - べき指数相関係数（渋谷） 群集密度 T80 T90 T100 T110

0.642 0.818 0.660 0.717

群集速度 全体

上方向

下方向

対向割合

-0.145 -0.326 -0.226 -0.152

0.112 -0.365 0.127 0.271

-0.313 -0.088 -0.472 -0.690

-0.298 -0.044 -0.272 -0.359

群集密度

0.8

群集速度（全体） 群集速度（上方向） 群集速度（下方向）

0.4

0

対向割合

2値化閾値

90 100

80

-0.4

-0.8

- 54 -

110

4.2 べき指数の算出

表 4.2.7 群集性状 - べき指数相関係数（新宿西口） 群集密度 T110 T120 T130 T140 T150

-0.234 -0.598 -0.477 -0.387 0.083

群集速度 全体

上方向

下方向

対向割合

0.285 0.857 0.497 0.112 0.070

0.431 0.800 0.558 0.721 0.198

0.342 0.604 0.359 0.014 0.419

-0.318 -0.064 -0.384 -0.762 -0.126

0.8

0.4

0

120 110

130

140

2値化閾値

150

-0.4

群集密度 -0.8

群集速度（全体） 群集速度（上方向） 群集速度（下方向） 対向割合

表 4.2.8 群集性状 - べき指数相関係数（新宿南口） 群集密度 T140 T150 T160 T170

0.8

群集速度 全体

上方向

下方向

-0.563 -0.654 -0.752 -0.845

-0.913 -0.857 -0.889 -0.658

-0.549 -0.642 -0.737 -0.765

0.900 0.925 0.619 -0.173

対向割合 0.102 0.054 -0.191 -0.491

群集密度 群集速度（全体） 群集速度（上方向）

0.4

群集速度（下方向） 対向割合 2値化閾値

0

140

150

160

-0.4

-0.8

- 55 -

170

4.2 べき指数の算出 ○群集性状各値ごとの比較

同様にして，群集性状の各値とべき指数との相関係数を，群集の性状を表す各値ごとに 分析してみる． 群集密度 0.8

各場所のデータともべき指 渋谷

0.4

数と強い相関を示している．

新宿西口 新宿南口

0

閾値1

特に渋谷，新宿南口のデータ 閾値2

閾値3

閾値4

2値化閾値

では相関係数 0.6 以上の強い 相関が見られる．新宿西口の

-0.4

データだけは負の相関であ -0.8

る． 図 4.2.7 群集密度 - べき指数相関係数

0.8

群集速度

渋谷 新宿西口 新宿南口

各場所のデータともべき指

0.4

0

数と相関が認められる．新宿 閾値1

閾値2

閾値3

閾値4

南口は常に強い負の相関を示 2値化閾値

しており，渋谷では新宿南口 -0.4

ほど強い相関はないといえ る．また，新宿西口だけは他

-0.8

と違い正の相関が見られる．

図 4.2.8 群集速度 - べき指数相関係数

0.8

渋谷

対向割合

新宿西口 新宿南口

べき指数とは他の性状デー

0.4

タに比べて相関が低い．しか 0

閾値1

閾値3

閾値4

閾値2

2値化閾値

し，閾値を選べば（この場合 は閾値 4）各データとも比較

-0.4

的強い負の相関が認められ る．

-0.8

図 4.2.9 対向割合 - べき指数相関係数

各調査地で 2 値化閾値が異なるため，グラフ上では便宜上閾値 1 〜 4 で表記している

- 56 -

4.2 べき指数の算出

4.2.3 解析画像サイズの検討 最適な解析画像サイズの検討をおこなうため，新宿西口の調査画像データを元に，解析 画像サイズによってべき指数がどのような値を示すか分析した． 解析画像サイズは，作成した EXCEL VBA の処理能力も考慮した結果，最大サイズは 4.2.1 で解析した 40 × 30pixels とし，以下 20 × 15pixels，10 × 8pixels の 3 種類の画像 サイズで解析を行った．

解析画像サイズ：40 × 30

解析画像サイズ：20 × 15

撮影画像サイズ：640 × 480

（画像サイズ：横×縦 単位は pixel）

解析画像サイズ：10 × 8

図 4.2.10 解析画像サイズの変更

インベーションパーコレーションによる解析の結果，解析画像サイズ 20 × 15pixels で 以下のような結果が得られた．また，解析画像サイズ 10 × 8pixels では，画像サイズがあ まりに小さいため算出することができなかった． 画像サイズが小さいほど，安定した結果が得られないことがわかる． 表 4.2.9 新宿西口べき指数（解析画像サイズ：20 × 15） ShinjukuW[1] ShinjukuW[2] ShinjukuW[3] ShinjukuW[4] ShinjukuW[5] ShinjukuW[6] ShinjukuW[7]

T110

T120

T130

T140

T150

0.6960

0.8549

0.9409 0.9300 0.5767 0.6102 1.2069 0.3583

0.9548 0.9988 0.3672 0.9349 1.1528 0.5527 0.7553

0.7082 0.9896 0.7699 1.0493 1.1275 0.8794 1.0338

1.4616

- 57 -

4.2 べき指数の算出 ○相関係数の解析画像サイズによる比較

表 4.2.10 新宿西口べき指数 - 群集性状相関係数（解析画像サイズ：40 × 30）

T130 T140 T150

群集密度

群集速度

-0.477 -0.387 0.083

全体 0.497 0.112 0.070

対向割合 上方向 0.558 0.721 0.198

下方向 0.359 0.014 0.419

-0.384 -0.762 -0.126 群集密度 群集速度（全体）

0.8

群集速度（上方向） 群集速度（下方向） 対向割合

0.4

2値化閾値 0

130

150

140

-0.4

-0.8

表 4.2.11 新宿西口べき指数 - 群集性状相関係数（解析画像サイズ：20 × 15）

T130 T140 T150

群集密度

群集速度

-0.539 -0.418 0.425

全体 0.441 0.069 -0.623

対向割合 上方向 0.744 0.639 -0.110

下方向 0.325 -0.177 -0.400

-0.541 -0.821 -0.591

群集密度 群集速度（全体）

0.8

群集速度（上方向） 群集速度（下方向） 対向割合

0.4

0

150 2値化閾値 130

140

-0.4

-0.8

- 58 -

4.2 べき指数の算出 群集性状ごとに比較すると，解析画像サイズを変化させても，べき指数と各値との相関 係数に大きな変化は認められないことがわかる．しかし，解析画像サイズが大きい方が対 向割合以外は相関係数にばらつきが少ないようである．これは表4.2.12の各相関係数の分 散値に裏付けられる．

0.8

40×30 20×15

0.4 0 -0.4 -0.8 120

130

140 2値化閾値

150

160

図 4.2.11 群集密度 - べき指数相関係数

0.8 0.4 0 -0.4

40×30 20×15

-0.8 120

130

140 2値化閾値

150

160

図 4.2.12 群集速度 - べき指数相関係数

0.8

40×30 20×15

0.4 0 -0.4 -0.8 120

130

140 2値化閾値

150

160

図 4.2.13 対向割合 - べき指数相関係数

表 4.2.12 群集性状 - べき指数相関係数の分散値 画像サイズ 40×30 20×15

群集密度 0.060 0.184

群集速度 全体 0.037 0.194

- 59 -

対向割合 上方向 0.048 0.144

下方向 0.032 0.092

0.068 0.015

4.3 充填率の算出

4.3 充填率の算出 4.3.1 充填率とは 2 次元画像（サイズ縦 X[pixels]横 Y[pixels]）を仮想的に時系列で積み重ね 3 次元とし， 模式的に直方体として仮定する．ここで，各セルは単位距離の立方体と仮定する． 解析画像中で黒いサイトを球としたとき，その黒い球がこの空間を占める体積の割合を 充填率と呼び，その充填率について考える． 球は各単位格子の中心にあるとするので，この場合単純立方格子 1)と考えられる．単純 立方格子の充填率 f は，a を基本とする立方体の一辺として 3

4r a 3 c2m r f= = 6 , 0.5236 a3

で与えられる． 本研究では，環境要素の影響を取り除くため，常に黒のままであるセル，常に白のまま であるセルを取り除いた上で，黒色サイトが 3 次元空間で占める割合を充填率としてとり あつかうこととする．

T

!bn f=

n= 1

_ XY - s i T

f：充填率 X,Y：画像サイズ T：総フレーム数 s：環境要素の面積 b：黒色セルサイト数 図 4.3.1 充填率模式図

1) 様々な 3 次元格子の例

単純立方格子

対心立方格子

面心立方格子

- 60 -

4.3 充填率の算出

4.3.2 解析方法 解析には NIH Image 上で動作する，オリジナルのマクロプログラムを作成して解析し た．このプログラムでは，最初に 2 値化する閾値の範囲等を設定することにより，半自動 的に設定した 2 値化閾値範囲で順次充填率を算出する事ができる． プログラムの操作方法は以下の手順で行う

1. 解析するファイルを選択する 2. 2 値化する閾値の範囲を設定する 3. 2 値化する閾値の間隔を設定する 4. 実行

実行の結果，表 4.3.1 に示す結果が出力される． 表には，2 値化閾値ごとに各フレームにおける環境要素を排除した後の黒いセルの出現 数とその合計(All)および常に黒(Black)または白(White)であったセルの合計が表されてい る． 次頁に作成した NIH Image マクロプログラムを示す．

表 4.3.1 充填率解析結果（Shibuya[1]） T

50

60

70

80

90

100

110

120

130

140

150

160

170

180

190

200

1 2 3 4 5

302 295 303 298 294

421 411 407 414 411

558 551 539 550 554

680 666 657 660 666

708 701 681 683 690

697 680 671 674 673

668 635 630 627 633

626 603 608 581 584

530 497 502 485 487

444 386 400 386 397

341 308 291 281 296

247 229 211 213 218

171 169 151 152 157

115 111 107 96 104

72 66 57 54 62

26 26 26 20 29

6 7 8 9

295 293 289 290

411 409 411 414

552 555 553 544

661 669 672 664

685 692 696 690

668 673 665 676

628 641 634 628

569 593 581 604

496 505 488 497

398 394 393 405

294 299 315 317

209 215 234 249

152 152 173 175

104 112 120 130

60 62 74 80

20 19 26 24

10 11 12 13

288 289 295 303

413 410 411 423

548 545 554 561

660 664 675 676

692 710 716 719

675 684 690 702

636 653 660 673

596 614 609 621

475 502 516 524

386 402 413 423

317 318 324 332

236 246 248 251

175 177 180 192

113 130 129 138

84 88 82 83

24 39 38 46

14 15 16 17 18

310 304 301 305 303

427 432 428 428 423

564 566 565 571 566

683 691 682 700 673

717 718 733 745 717

703 712 735 746 707

671 679 701 713 694

613 613 646 648 639

508 529 543 539 548

420 430 443 438 442

331 353 346 355 373

268 275 269 284 294

201 207 203 218 218

148 149 147 171 161

87 99 107 120 114

40 48 55 73 62

19 20 21 22

302 302 306 300

430 425 423 416

565 570 550 550

682 676 668 656

736 718 713 707

731 718 702 709

701 697 672 688

657 640 633 627

552 543 524 513

461 439 420 420

365 351 350 337

284 270 272 262

216 208 204 198

161 155 145 140

101 93 96 88

62 54 49 44

23 24 25 26

311 301 291 292

428 420 416 411

568 559 552 546

696 681 662 660

728 724 692 699

721 713 688 693

690 691 669 656

643 632 614 610

555 537 519 521

455 434 419 428

354 340 332 348

267 271 264 274

202 198 206 209

148 140 136 140

89 92 90 93

46 43 44 45

27 28 29 30

289 292 298 290

406 408 409 404

547 537 549 547

660 642 652 653

700 691 689 684

678 683 680 670

658 667 653 635

620 635 618 596

521 519 512 486

404 415 412 392

322 342 331 308

248 280 257 250

192 210 206 184

146 153 138 135

96 89 91 88

49 53 46 45

All 8931 12500 16636 20087 21174 20817 19881 18473 15473 12499 9871 7595 5656 4022 2557 1221 Black 847 700 519 344 238 173 118 46 30 18 13 10 7 5 1 1 White 0 0 0 0 2 2 3 6 16 27 47 81 144 246 398 658 充填率 0.442 0.436 0.426 0.410 0.385 0.354 0.322 0.281 0.234 0.189 0.151 0.120 0.094 0.074 0.056 0.039 平均 297.7 416.7 554.5 669.6 705.8 693.9 662.7 615.8 515.8 416.6 329 253.2 188.5 134.1 85.23 40.7 分散 最大値 最小値

42.1 311 288

65.0 432 404

81.2 571 537

173.8 291.0 462.2 661.9 470.3 457.3 440.8 524.4 549.5 454.0 362.2 255.4 190.7 700 745 746 713 657 555 461 373 294 218 171 120 73 642 681 665 627 569 475 386 281 209 151 96 54 19

- 61 -

4.3 充填率の算出

1

macro ‘Stack Analyze Files [0]’;

2 3

{This macro export rate files for every threshold from Stack directly.} var

4 5

i,n,t,stack,bfile,white,black,bsum,min,max,every,TextPosX:integer; tab,stackname:string;

6 7

begin

8 9

tab:=chr(9); TextPosX:=150;

10 11

t:=trunc(GetNumber(‘Thresholding Value From:’,50,0)); max:=trunc(GetNumber(‘Thresholding Value To:’,200,0));

12 13

every:=trunc(GetNumber(‘Thresholding Value Every:’,10,0));

14 15

while t<= max do begin open(‘’);

16 17

CheckForStack; stack:=PidNumber;

18 19

stackname:=WindowTitle;

20 21

for i:=1 to nSlices do begin SelectSlice(i);

22 23

SetThreshold(t); MakeBinary;

24 25

end;

26 27

AverageSlices; bfile:=PidNumber;

28 29

Duplicate(‘color0’);

30 31

SetThreshold(2); MakeBinary;

32 33

Measure; white:=histogram[0];

34 35

Dispose;

36 37

SelectPic(bfile); SetThreshold(254);

38 39

MakeBinary; Measure;

40 41 42 43

black:=histogram[255]; SelectPic(stack); for i:=1 to nSlices do begin

44 45

SelectPic(stack); SelectSlice(i);

46 47

end;

ImageMath(‘sub’,stack,bfile,1,0,concat(‘Result’,i:3));

48 49

SelectPic(bfile); Dispose;

50 51

SelectPic(stack); Dispose;

52 53

Windows2Stack; stack:=PidNumber;

54 55

NewTextWindow(concat(‘T=’,t,’-Counts’), 180, 600); MoveWindow(TextPosX,100);

56 57

writeln(‘T’,tab,t:3); for i:=1 to nSlices do begin

58 59

SelectSlice(i); AutoThreshold;

NIH Image 充填率算出マクロプログラムソース

- 62 -

4.3 充填率の算出

60

MakeBinary;

61 62

Measure; writeln(i:3,tab,histogram[255]:7);

63 64

bsum:=bsum+histogram[255] end;

65 66

writeln(‘All’,tab,bsum:7); writeln(‘Black’,tab,black:7);

67 68

writeln(‘White’,tab,white:7); bsum:=0;

69 70

t:=t+every; TextPosX:=TextPosX+30;

71 72

ResetCounter; SelectPic(stack);

73 74

Dispose; if KeyDown(‘option’) then exit;

75 76

end; end;

77 78 79 80

procedure CheckForStack; begin

81 82

if nPics=0 then begin PutMessage(‘This macro requires a stack.’);

83 84

end;

85 86

if nSlices=0 then begin PutMessage(‘This window is not a stack.’);

87 88

end;

89 90

exit;

exit end;

91 92

procedure Windows2Stack;

93 94

{Like the menu command of the same name} var

95 96

width,height,n,i,Stack:integer; begin

97 98

if nPics<=1 then begin PutMessage(‘At least two images must be open.’);

99 100

end;

101 102

n:=nPics; GetPicSize(width,height);

exit;

103 104 105 106

SetNewSize(width,height); MakeNewStack(‘Stack’); Stack:=PidNumber; for i:=1 to n do begin

107 108

SelectPic(1); SelectAll;

109 110

Copy; Dispose;

111 112

SelectPic(Stack); Paste;

113 114

if i<>n then AddSlice; end;

115 116 117

KillRoi; SelectSlice(1); end;

NIH Image 充填率算出マクロプログラムソース

- 63 -

4.3 充填率の算出

4.3.3 解析結果 0.5 Shibuya[1] Shibuya[2]

0.4

Shibuya[3] Shibuya[4]

0.3

Shibuya[5] Shibuya[6]

0.2

Shibuya[7] Shibuya[8]

0.1 0 50

80

110

140

170

200

170

200

170

200

2値化閾値

図 4.3.2 充填率（渋谷）

0.5 0.4 ShinjukuW[1]

0.3

ShinjukuW[2] ShinjukuW[3]

0.2

ShinjukuW[4] ShinjukuW[5] ShinjukuW[6]

0.1 0 50

ShinjukuW[7] 80

110

140 2値化閾値

図 4.3.3 充填率（新宿西口）

0.5 0.4 0.3 0.2 0.1 0 50

ShinjukuS[1] ShinjukuS[2] ShinjukuS[3] ShinjukuS[4] ShinjukuS[5] ShinjukuS[6] ShinjukuS[7] ShinjukuS[8] 80

110

140 2値化閾値

図 4.3.4 充填率（新宿南口）

- 64 -

4.3 充填率の算出 各 2 値化閾値での充填率と群集性状の関係を確かめるため，第 3 章で求めた各群集性状 の値（群集密度，群集速度，対向割合）と充填率とので相関分析を行った． 各場所の解析データとも2値化閾値が適度な値であれば安定した相関係数が得られてい る．特に渋谷でのデータはほぼ一貫して一様な相関が認められる． 新宿西口のデータは 2 値化閾値 90 以下の値で急に乱れてしまっている．

群集密度

0.8

群集速度（全体） 群集速度（上方向）

0.4

群集速度（下方向） 対向割合

0

-0.4 -0.8 50

80

110

140 2値化閾値

170

200

図 4.3.5 群集性状 - 充填率相関係数（渋谷）

群集密度

0.8

群集速度（全体） 群集速度（上方向）

0.4

群集速度（下方向） 対向割合

0

-0.4 -0.8 50

80

110

140 2値化閾値

170

200

図 4.3.6 群集性状 - 充填率相関係数（新宿西口）

群集密度

0.8

群集速度（全体） 群集速度（上方向）

0.4

群集速度（下方向） 対向割合

0

-0.4 -0.8 50

80

110

140 2値化閾値

170

200

図 4.3.7 群集性状 - 充填率相関係数（新宿南口）

- 65 -

4.3 充填率の算出 各群集性状ごとに比較してみると，どの相関分析の結果も 2 値化閾値 100 以上で相関が 認められる． どの場所のデータとも，特に群集密度では常に強い正の相関が，群集速度では常に比較 的強い負の相関が認められる．

0.8 0.4 0 渋谷

-0.4

新宿西口 新宿南口

-0.8 50

80

110

2値化閾値

140

170

200

図 4.3.8 群集密度 - 充填率相関係数

0.8 渋谷 新宿西口

0.4

新宿南口 0

-0.4 -0.8 50

80

110

2値化閾値

140

170

200

図 4.3.9 群集速度 - 充填率相関係数

0.8 0.4 0 渋谷

-0.4

新宿西口 新宿南口

-0.8 50

80

110

2値化閾値

140

図 4.3.10 対向割合 - 充填率相関係数

- 66 -

170

200

4.3 充填率の算出

4.3.4 解析画像サイズの検討 最適な解析画像サイズの検討をおこなうため，4.2.3 と同様に新宿西口の調査画像デー タを元に，解析画像サイズによってべき指数がどのような値を示すか分析した．

解析の結果，解析画像サイズ 20 × 15pixels で以下のような結果が得られた． （新宿西口 - 解析画像サイズ 40 × 30pixels のデータは図 4.3.3 に既出である）

0.06 ShinjukuW[1] 0.05

ShinjukuW[2] ShinjukuW[3] ShinjukuW[4]

0.04

ShinjukuW[5] ShinjukuW[6] ShinjukuW[7]

0.03

0.02

0.01

0 50

80

110

140

170

2値化閾値

図 4.3.11 充填率（新宿西口 - 解析画像サイズ：20 × 15pixels）

- 67 -

200

4.3 充填率の算出 各群集性状の値（群集密度，群集速度，対向割合）と充填率とので相関分析を行った結 果，解析画像サイズ 20 × 15pixels で以下の結果が得られた．図 4.3.6 と比較すると明らか に値が乱れてしまっており，一定でないことがわかる．40×30pixelsの画像を解析した図 4.3.6 では2値化閾値 90 以上でほぼ一様な相関係数がでていたのに対し，20 × 15pixels の 画像解析では 2 値化閾値 140 以上でやっと相関係数が安定した値をとる．

群集密度 群集速度（全体）

0.8

群集速度（上方向） 群集速度（下方向） 対向割合

0.4

0

-0.4

-0.8 50

80

110

140

170

200

2値化閾値

図 4.3.12 充填率 - 充填率相関係数（新宿西口 - 画像サイズ：20 × 15）

- 68 -

4.3 充填率の算出 群集性状ごとに比較すると，解析画像サイズ 40 × 30pixels では 2 値化閾値 90 以上で相 関係数が安定した値を示すのに対し，解析画像サイズ20×15pixelsでは2値化閾値が140 以上でないと安定した値を示さないことが認められる． しかし，2 値化閾値 140 以上においては，どの群集性状の値においても各解析画像サイ ズともほぼ相関係数が同値である．

0.8 40×30 0.4

20×15

0

-0.4 -0.8 50

80

110

2値化閾値

140

170

200

図 4.3.13 群集密度 - 充填率相関係数

0.8 40×30 0.4

20×15

0

-0.4 -0.8 50

80

110

2値化閾値

140

170

200

図 4.3.14 群集速度 - 充填率相関係数

0.8 0.4 0

-0.4

40×30 20×15

-0.8 50

80

110

2値化閾値

140

図 4.3.15 対向割合 - 充填率相関係数

- 69 -

170

200

4.4 セル遷移パターンの分析

4.4 セル遷移パターンの分析 4.4.1 セル遷移パターンとは 画像を時系列で考えると，画像の各サイトは白と黒で変化するというプロセスを繰り返 す．ここで，時刻 t であるサイトが黒であったとき，時刻 t- Δ t のときのノイマン近傍 1)の 状態（ノイマン近傍のセルが白であるのか黒であるのか）をすべてのフレームについて算 出し，図 4.4.2 に示すノイマン近傍のパターンにあてはめ，セルの状態がどのパターンで あるかをスキャンし，パターンの出現数をカウントする． 本研究では，そのパターンの割合をセル遷移パターン出現割合と呼ぶことにし，その割 合について考える．

t t

t-Δt

x

y

図 4.4.1 セル遷移パターン概要

pattern1

pattern2

pattern3

pattern4

pattern5

pattern6

図 4.4.2 セル遷移パターン

1) ノイマン近傍とは，あるセルを中心として，上下 左右の 4 つのセルについて論じるときのことを言う． それに対して，あるセルを中心とした 8 つのセルすべ てを論じるときについては，ムーア近傍と呼ぶ．

- 70 -

ノイマン近傍

ムーア近傍

4.4 セル遷移パターンの分析 ○遷移パターンの回転方向

本来，セルの遷移パターンは図 4.4.2 にあげたほかにもそれぞれのパターンをを回転さ せたパターンが存在する． 具体的には，図 4.4.3 に示されるように，パターン 2 には回転させると 4 つのパターン が存在する，それら回転させたパターンを考慮すると，セルが遷移するときに出現するパ ターンは 16 通りになる．そのうえ，遷移する中心のセルが黒の時だけではなく，白に遷移 する時についても論じるとすると，その遷移パターンは 32 パターンとなる． 本研究では，これら回転させたパターンについては考えず，方向性は無視して考えると し，図 4.4.2 の 6 パターンで今後セルの遷移パターンを考える．

図 4.4.3 パターン 2 を回転させたパターン

図 4.4.4 方向を考慮した場合のパターン

- 71 -

4.4 セル遷移パターンの分析

4.4.2 解析方法 セル遷移パターンの解析にはExcelで動作するオリジナルのマクロプログラムを作成し て解析を行った．このマクロプログラムでは，テキストデータに変換された2値化画像デー タのセルの遷移をリストアップするプログラムと，リストアップされたデータを各遷移パ ターンに判別するプログラムで構成されている． また，Excelのマクロプログラムで解析する前処理として，NIH Image上で動作するマ クロプログラムを作成した． 手順は以下の通りである．

NIH Image

解析するスタックをオープン

任意の閾値で2値化する

各フレームを テキスト形式のデータとして書き出す

Excelに各フレームを読み込む

表 4.4.1 実行結果

Excel VBA

時刻t

セル遷移リストアップマクロ実行

セル遷移パターン判別マクロ実行 図 4.4.5 セル遷移パターン解析手順

- 72 -

時刻t-Δt

(i,j) 1 1 1

(i,j) 1 1 1

( i-1 , j ) 0 0 0

( i+1 , j ) ( i , j+1 ) 1 1 1 1 1 1

( i , j -1) 1 1 1

pattern 2 2 2

1 1 1 1 1

1 0 1 1 1

0 1 1 1 1

1 1 0 0 1

0 1 1 1 1

1 1 0 1 1

4 1 4 2 1

1 1 1 1

1 1 1 1

1 1 1 1

1 0 0 1

1 1 1 1

1 1 1 1

1 2 2 1

1 0 1 1

1 0 1 1

1 1 1 1

1 1 1 1

0 1 1 1

1 1 0 1

2

1 1 1 1

1 1 1 1

1 1 1 1

1 1 1 1

1 1 1 1

1 1 1 1

1 1 1 1

1 1 0 0

1 1 1 0

1 1 0 1

1 1 1 0

1 1 0 0

1 1 1 1

1 1

1 1 1 0

0 1 1 0

1 1 1 1

1 1 1 1

1 1 0 0

0 0 1 1

2 2 2

0 0 1 1 1

0 1 1 1 1

1 1 1 0 1

1 1 0 1 1

1 1 1 1 1

0 0 1 1 1

2 2 1

1 1 1 /

1 1 1 1

1 1 1 1

1 1 1 0

1 1 1 1

1 1 1 1

1 1 1 2

・ ・ ・

・ ・ ・

・ ・ ・

・ ・ ・

・ ・ ・

・ ・ ・

・ ・ ・

2 1

4.4 セル遷移パターンの分析

4.4.3 解析結果 表 4.4.2 セル遷移パターン出現割合（渋谷） pattern1

pattern2

pattern3

pattern4

pattern5

pattern6

0.498 0.481 0.389 0.401 0.480 0.447 0.469 0.368

0.360 0.350 0.308 0.334 0.308 0.344 0.327 0.306

0.018 0.027 0.040 0.029 0.030 0.029 0.032 0.034

0.094 0.105 0.161 0.181 0.122 0.132 0.129 0.194

0.027 0.032 0.089 0.051 0.052 0.043 0.041 0.093

0.003 0.005 0.014 0.005 0.009 0.005 0.001 0.006

Shibuya[1] Shibuya[2] Shibuya[3] Shibuya[4] Shibuya[5] Shibuya[6] Shibuya[7] Shibuya[8]

Shibuya[8] Shibuya[7] Shibuya[6]

pattern1

Shibuya[5]

pattern2 pattern3

Shibuya[4]

pattern4 pattern5

Shibuya[3]

pattern6

Shibuya[2] Shibuya[1] 0%

20%

40%

60%

80%

100%

表 4.4.3 セル遷移パターン出現割合（新宿西口） pattern1

pattern2

pattern3

pattern4

pattern5

pattern6

0.196 0.373 0.600 0.529 0.469 0.605 0.555

0.234 0.322 0.255 0.303 0.311 0.267 0.275

0.073 0.027 0.007 0.010 0.022 0.007 0.012

0.231 0.166 0.105 0.121 0.133 0.097 0.116

0.198 0.090 0.030 0.036 0.059 0.024 0.039

0.068 0.023 0.003 0.001 0.007 0.001 0.003

ShinjukuW[1] ShinjukuW[2] ShinjukuW[3] ShinjukuW[4] ShinjukuW[5] ShinjukuW[6] ShinjukuW[7]

ShinjukuW[7] ShinjukuW[6] pattern1

ShinjukuW[5]

pattern2

ShinjukuW[4]

pattern3 pattern4

ShinjukuW[3]

pattern5 pattern6

ShinjukuW[2] ShinjukuW[1] 0%

20%

40%

- 73 -

60%

80%

100%

4.4 セル遷移パターンの分析 表 4.4.4 セル遷移パターン出現割合（新宿南口）

ShinjukuS[1] ShinjukuS[2] ShinjukuS[3] ShinjukuS[4] ShinjukuS[5] ShinjukuS[6] ShinjukuS[7] ShinjukuS[8]

pattern1

pattern2

pattern3

pattern4

pattern5

pattern6

0.767 0.739 0.564 0.374 0.365 0.381 0.396 0.416

0.149 0.194 0.279 0.353 0.347 0.326 0.288 0.286

0.010 0.009 0.025 0.042 0.037 0.036 0.040 0.040

0.045 0.048 0.102 0.158 0.155 0.150 0.149 0.136

0.025 0.010 0.027 0.065 0.080 0.085 0.104 0.104

0.005 0.001 0.002 0.008 0.016 0.021 0.022 0.019

ShinjukuS[8] ShinjukuS[7] ShinjukuS[6]

pattern1

ShinjukuS[5]

pattern2 pattern3

ShinjukuS[4]

pattern4 pattern5

ShinjukuS[3]

pattern6

ShinjukuS[2] ShinjukuS[1] 0%

20%

40%

- 74 -

60%

80%

100%

4.4 セル遷移パターンの分析 セル遷移パターンの分析の結果得られた遷移パターンの出現率と群集性状の関係を確か めるため，第 3 章で求めた各群集性状の値（群集密度，群集速度，対向割合）との相関分 析を行った． 以下は分析結果を各調査地ごとにグラフ化したものである．

群集密度

0.8

群集速度（全体） 群集速度（上方向）

0.4

群集速度（下方向） 対向割合

0 -0.4 -0.8

pattern1 pattern2 pattern3 pattern4 pattern5 pattern6 遷移パターン

図 4.4.6 群集性状 - パターン出現率相関係数（渋谷）

群集密度

0.8

群集速度（全体） 群集速度（上方向）

0.4

群集速度（下方向） 対向割合

0 -0.4 -0.8

pattern1 pattern2 pattern3 pattern4 pattern5 pattern6 遷移パターン

図 4.4.7 群集性状 - パターン出現率相関係数（新宿西口）

群集密度

0.8

群集速度（全体） 群集速度（上方向）

0.4

群集速度（下方向） 対向割合

0 -0.4 -0.8

pattern1 pattern2 pattern3 pattern4 pattern5 pattern6 遷移パターン

図 4.4.8 群集性状 - パターン出現率相関係数（新宿南口）

- 75 -

4.4 セル遷移パターンの分析 各群集性状ごとに比較してみると，群集密度はパターン1と強い正の相関,パターン3,4, （5,6）と強い負の相関が見られる．また，群集速度はパターン1と比較的強い負の相関，パ ターン 4 と比較的強い正の相関が共通して認められる． しかし，対向割合については強い相関が他の群集性状ほどは認められないものの，パ ターン 1 と比較的強い正の相関が，パターン 3,4 と比較的強い負の相関が認められる．

0.8

渋谷 新宿西口

0.4

新宿南口

0 -0.4 -0.8

pattern1

pattern2

pattern4 pattern3 遷移パターン

pattern5

pattern6

図 4.4.9 群集密度 - 遷移パターン相関係数

0.8 0.4 0 渋谷

-0.4

新宿西口 新宿南口

-0.8

pattern1

pattern2

pattern4 pattern3 遷移パターン

pattern5

pattern6

図 4.4.10 群集速度 - 遷移パターン相関係数

0.8

渋谷 新宿西口

0.4

新宿南口

0 -0.4 -0.8

pattern1

pattern2

pattern4 pattern3 遷移パターン

pattern5

図 4.4.11 対向割合 - 遷移パターン相関係数

- 76 -

pattern6

第５章 撮影環境の検討

- 77 -

5.1 撮影環境要素

5.1 撮影環境要素 本研究では，カメラ画像から群集の状態を評価することを目的としている．そこで群集 を捉えるカメラ画像の撮影環境について検討する． カメラ画像の撮影環境を決定する指標には，以下のものが考えられる

カメラ位置：高さ，撮影範囲，対群集角度，仰角 カメラ種類：DV，VHS，8mm，16mm カメラ性能：絞り値，露光，レンズ，フォーカス機能，解像度 環境：天気，季節

このように，撮影する季節によって衣類の明るさや皮膚の露出度が変化するなど，様々 な環境の変化が考えられる．さらに，定点撮影であるのか人がカメラを保持しての撮影で あるのかなどカメラ撮影の環境が考えられる． 本研究では，カメラ種類としてはすべて DV カメラを使用して撮影しており，またカメ ラ性能もほぼ変わらない機種を使用している．また解像度については解析過程で解像度を 40 × 30pixels にする処理をするため，解析結果には影響しないと考えられる． ここでは，特にカメラの撮影範囲および撮影高さについて，解析結果に影響するのかも 含め最適な撮影環境を検討していく．

- 78 -

5.2 撮影範囲の検討

5.2 撮影範囲の検討 ここでは，群集を撮影する際の撮影範囲について検討する． 撮影範囲とは，カメラ画像中で群集の占める範囲のことである．カメラ画像には必ずし も群集の流動だけが撮影されているとは限らず，室内で撮影する場合にはカメラを妨げる 柱，壁，梁があり，屋外で撮影する場合には電柱，信号，広範囲を撮影するとなれば周辺 環境の建物や車の流動も群集流動とともにカメラに記録されてしまう． そこで，渋谷での調査画像をもとに，撮影範囲を変化させることで，解析結果にどのよ うな影響があるのか，また，撮影範囲をどのように設定したとき，正確な結果が得られる のかを検討する．

- 79 -

5.2 撮影範囲の検討

5.2.1 分析方法 撮影範囲によって解析データに及ぼす影響を検証するために，撮影された画像データを 図 5.2.1 に示す範囲でトリミングし，同じ映像データをもとに 3 サイズ仮想的に異なる撮 影範囲を撮影した映像データ作成した． 本来は，実際にカメラの望遠機能や撮影位置を変えることで撮影範囲を変化させるべき であるが，それでは，同一の群集を解析することが困難になる．そこで本研究では画像デー タを撮影後にソフトウェア1)上で切り抜き，仮想的に撮影範囲を変化させたことにする．そ れにより同じ群集画像を解析することで，純粋に撮影範囲による影響のみが検証できると 考えた． 画像データには渋谷での撮影データ2)を使用した．撮影範囲は図5.2.1に示す白枠の範囲 である．

全体 ：調査によって撮影された切り抜き処理されていない画像データ全体である． 周辺環境のビルや，歩道を歩く人々が撮影されている． 横断歩道：横断歩道を大きく囲んだ範囲の画像である． 群集のみ：群集のみを撮影した範囲である．

範囲[全体]

範囲[横断歩道] 範囲[群集のみ]

図 5.2.1 撮影範囲の設定

1) ここでの画像切り抜きには Photoshop を使用した． 2) 第 4 章で解析したデータは[群集のみ]のデータである．

- 80 -

5.2 撮影範囲の検討

5.2.2 分析結果 ○べき指数の分析

各撮影範囲ごとにインベーションパーコレーション解析を行い，その結果を分析する． 表 4.2.6 に群集のみの結果が既出である． 表 5.2.1 インベーションパーコレーションべき指数 1) 全体

横断歩道

群集のみ

2値化閾値 Shibuya[1] Shibuya[2] Shibuya[3] Shibuya[4]

T100 1.1370 1.1600 1.0851 1.1225

T110 1.1247 1.1233 1.0849 1.1263

T120 1.1027 1.1105 1.1153 1.1182

T130 1.0701 1.0697 1.1069 1.0985

T100 1.1229 1.1154 1.0614 1.0844

T110 1.0943 1.0995 1.0407 1.0925

T120 T130 T80 T90 T100 1.0730 1.0507 1.1440 1.1200 1.1092 1.0816 1.1360 1.1070 1.0820 1.0784 1.0641 1.1052 1.0603 1.0755 1.0777 1.1265 1.0754 1.0781

Shibuya[5] Shibuya[6] Shibuya[7] Shibuya[8]

1.1123 1.0619 1.1320 1.0975

1.1003 1.0923 1.1278 1.0727

1.0883 1.0753 1.1177 1.1100

1.0669 1.0716 1.0990 1.0756

1.1008 1.0754 1.0394 1.0452

1.0524 1.0318 1.0829 1.0526

1.0536 1.0996 1.0707 1.0645 1.0394 1.1011 1.0761 1.0466 1.0761 1.0877 1.1049 1.0778 1.0601 1.0473 1.0567 1.0529 1.0850 1.0393 1.0390

0.8

0.4

0

-0.4

群集密度 群集速度（全体） 群集速度（上方向） 群集速度（下方向）

-0.8

対向割合

100

110

120

130

2値化閾値

図 5.2.2 群集性状 - べき指数相関係数（渋谷 - 全体）

群集密度

0.8

群集速度（全体） 群集速度（上方向） 群集速度（下方向）

0.4

対向割合

0

-0.4

-0.8

100

110

2値化閾値

120

130

図 5.2.3 群集性状 - べき指数相関係数（渋谷 - 横断歩道）

1) 空白はエラーのため算出されなかった

- 81 -

T110 1.0805 1.0784 1.0742

5.2 撮影範囲の検討 各群集性状とべき指数の相関分析の結果を，各群集性状ごとに比較した結果である． 群集密度をみると，群集のみを撮影した画像の解析結果に比べ，他の撮影範囲の解析結 果は相関係数の値がばらついていることが分かる． 群集速度や対向割合についても群集密度ほどではないが，撮影範囲を広くした方が値が ばらつき，安定した結果が得られていないことが認められる．

0.8 0.4 0 -0.4 -0.8

全体 横断歩道 群集のみ

閾値1

閾値2

閾値3

閾値4

2値化閾値

図 5.2.4 群集密度 - べき指数相関係数（渋谷）

0.8 0.4

全体 横断歩道 群集のみ

0 -0.4 -0.8 閾値1

閾値2

閾値3

閾値4

2値化閾値

図 5.2.5 群集速度 - べき指数相関係数（渋谷）

0.8 0.4

全体 横断歩道 群集のみ

0 -0.4 -0.8 閾値1

閾値2

閾値3

閾値4

2値化閾値

図 5.2.6 対向割合 - べき指数相関係数（渋谷）

2 値化閾値が各撮影範囲ごとに値が異なるため，便宜上閾値 1 〜 4 として記述してある．

- 82 -

5.2 撮影範囲の検討 ○充填率の分析

各撮影範囲ごとに充填率を算出し分析を行う．以下に各撮影範囲ごとの充填率の算出結 果を示す．群集のみのグラフについては，図 4.3.2 に既出である．

0.5 Shibuya[1] Shibuya[2]

0.4

Shibuya[3] Shibuya[4]

0.3

Shibuya[5] Shibuya[6] Shibuya[7]

0.2

Shibuya[8]

0.1

0 50

80

110

2値化閾値

140

170

200

図 5.2.7 充填率（渋谷 - 全体）

0.5 Shibuya[1] Shibuya[2]

0.4

Shibuya[3] Shibuya[4]

0.3

Shibuya[5] Shibuya[6] Shibuya[7]

0.2

Shibuya[8]

0.1

0 50

80

110

2値化閾値

140

図 5.2.8 充填率（渋谷 - 横断歩道）

- 83 -

170

200

5.2 撮影範囲の検討 撮影範囲ごとに各群集性状値と相関分析をしてみる． 群集のみを撮影した画像に比べ，他の画像の解析結果は各相関計数の値が安定した値を 示しておらず，正負を行き来している状態であることがわかる．

群集密度

0.8

群集速度（全体） 群集速度（上方向）

0.4

群集速度（下方向） 対向割合

0 -0.4 -0.8 50

80

110

140 2値化閾値

170

200

図 5.2.9 群集性状 - 充填率相関係数（渋谷 - 全体）

群集密度

0.8

群集速度（全体） 群集速度（上方向）

0.4

群集速度（下方向） 対向割合

0 -0.4 -0.8 50

80

110

140 2値化閾値

170

200

図 5.2.10 群集性状 - 充填率相関係数（渋谷 - 横断歩道）

群集密度

0.8

群集速度（全体） 群集速度（上方向）

0.4

群集速度（下方向） 対向割合

0 -0.4 -0.8 50

80

110

140 2値化閾値

170

200

図 5.2.11 群集性状 - 充填率相関係数（渋谷 - 群集のみ）

- 84 -

5.2 撮影範囲の検討 各群集性状ごとに充填率との相関係数を比較してみる． 各群集性状とも群集のみを撮影した画像の分析結果は安定した相関係数を示しているが， 全体や横断歩道を範囲に撮影した画像は 2 値化閾値 140 以上では安定した値をとるが，そ れまではバラバラな値である．全体を撮影した画像と横断歩道を範囲に撮影した画像でほ ぼ同様の値をみせるのは，画像上で横断歩道以外の部分は動かない環境要素であり，充填 率を算出する処理上で，環境要素を削除してしまっているため充填率に影響しないと考え られる．

0.8 0.4 0 -0.4

全体 横断歩道

-0.8 50

群集のみ 80

110

2値化閾値

140

170

200

170

200

170

200

図 5.2.12 群集密度 - 充填率相関係数（渋谷）

0.8

全体 横断歩道

0.4

群集のみ

0 -0.4 -0.8 50

80

110

2値化閾値

140

図 5.2.13 群集速度 - 充填率相関係数（渋谷）

0.8

全体 横断歩道

0.4

群集のみ

0 -0.4 -0.8 50

80

110

2値化閾値

140

図 5.2.14 対向割合 - 充填率相関係数（渋谷）

- 85 -

5.2 撮影範囲の検討 ○セル遷移パターンの分析

各撮影範囲ごとにセル遷移パターンについて分析を行う．以下に各撮影範囲ごとのセル 遷移パターンの分析結果を示す．群集のみのデータについては，表 4.4.2 に既出である．

表 5.2.2 セル遷移パターン出現割合（渋谷 - 全体） pattern1

pattern2

pattern3

pattern4

pattern5

pattern6

Shibuya[1] Shibuya[2] Shibuya[3] Shibuya[4] Shibuya[5]

0.452 0.497 0.598 0.600 0.557

0.365 0.326 0.255 0.232 0.275

0.032 0.025 0.009 0.010 0.024

0.127 0.112 0.096 0.118 0.102

0.020 0.035 0.037 0.039 0.038

0.003 0.005 0.005 0.001 0.003

Shibuya[6] Shibuya[7] Shibuya[8]

0.463 0.570 0.636

0.333 0.275 0.226

0.033 0.010 0.005

0.112 0.106 0.090

0.052 0.037 0.040

0.007 0.003 0.003

Shibuya[8] Shibuya[7] Shibuya[6]

pattern1

Shibuya[5]

pattern2 pattern3

Shibuya[4]

pattern4 pattern5

Shibuya[3]

pattern6

Shibuya[2] Shibuya[1] 0%

20%

40%

60%

80%

100%

表 5.2.3 セル遷移パターン出現割合（渋谷 - 横断歩道） pattern1

pattern2

pattern3

pattern4

pattern5

pattern6

Shibuya[1] Shibuya[2] Shibuya[3] Shibuya[4] Shibuya[5]

0.519 0.575 0.588 0.599 0.563

0.356 0.292 0.238 0.229 0.289

0.018 0.016 0.019 0.022 0.022

0.088 0.092 0.100 0.116 0.090

0.019 0.024 0.048 0.032 0.033

0.000 0.001 0.008 0.001 0.002

Shibuya[6] Shibuya[7] Shibuya[8]

0.512 0.579 0.602

0.320 0.264 0.228

0.031 0.023 0.022

0.102 0.109 0.104

0.033 0.025 0.039

0.002 0.000 0.005

Shibuya[8] Shibuya[7] Shibuya[6]

pattern1

Shibuya[5]

pattern2 pattern3

Shibuya[4]

pattern4 pattern5

Shibuya[3]

pattern6

Shibuya[2] Shibuya[1] 0%

20%

40%

60%

- 86 -

80%

100%

5.2 撮影範囲の検討 セル遷移パターン分析の結果と群集性状の各値との相関分析の結果である．

群集密度

0.8

群集速度（全体） 群集速度（上方向）

0.4

群集速度（下方向） 対向割合

0 -0.4 -0.8

pattern1 pattern2 pattern3 pattern4 pattern5 pattern6 遷移パターン

図 5.2.15 群集性状 - パターン出現率相関係数（渋谷 - 全体）

群集密度

0.8

群集速度（全体） 群集速度（上方向）

0.4

群集速度（下方向） 対向割合

0 -0.4 -0.8

pattern1 pattern2 pattern3 pattern4 pattern5 pattern6 遷移パターン

図 5.2.16 群集性状 - パターン出現率相関係数（渋谷 - 横断歩道）

群集密度

0.8

群集速度（全体） 群集速度（上方向）

0.4

群集速度（下方向） 対向割合

0 -0.4 -0.8

pattern1 pattern2 pattern3 pattern4 pattern5 pattern6 遷移パターン

図 5.2.17 群集性状 - パターン出現率相関係数（渋谷 - 群集のみ）

- 87 -

5.2 撮影範囲の検討 各群集性状ごとにセル遷移パターンとの相関係数を比較してみる． 顕著な傾向はみられないが，全体を撮影した画像の解析結果と群集のみを撮影した結果 では，相関係数が正負逆になる傾向があるようである．

全体

0.8

横断歩道 群集のみ

0.4 0 -0.4 -0.8

pattern1 pattern2 pattern3 pattern4 pattern5 pattern6 遷移パターン

図 5.2.18 群集密度 - パターン出現率相関係数（渋谷）

全体

0.8

横断歩道 群集のみ

0.4 0 -0.4 -0.8

pattern1 pattern2 pattern3 pattern4 pattern5 pattern6 遷移パターン

図 5.2.19 群集速度 - パターン出現率相関係数（渋谷）

全体

0.8

横断歩道 群集のみ

0.4 0 -0.4 -0.8

pattern1 pattern2 pattern3 pattern4 pattern5 pattern6 遷移パターン

図 5.2.20 対向割合 - パターン出現率相関係数（渋谷）

- 88 -

5.3 撮影高さの検討

5.3 撮影高さの検討 ここでは，群集を撮影する際のカメラ設置高さについて検討する． 群集をカメラで撮影するためには，何らかの方法でカメラを固定し設置なければならな い．室内であれば，屋根の梁や柱など，屋外であればビルの屋上や街路の電柱などであろ う． 群集の流動を撮影する性質上なるべく高い位置からが望ましいが，設置環境によっては 十分な高さが確保できない事も考えられる． そこで，新宿南口での調査画像をもとに，カメラを設置する高さによって，解析結果に どのような影響があるのか，また，カメラを設置する高さをどのように設定したとき，よ り正確な結果が得られるのかをここで検討する．

- 89 -

5.3 撮影高さの検討

5.3.1 分析方法 撮影高さによって，解析データに及ぼす影響を検証するために，新宿南口での調査は同 じ群集流動を同時刻に異なる高さから撮影した．高さは図 2.2.10 および図 5.3.1 に示すと おり約 7.7m（ビル 3 階），約 4.7m（ビル 2 階）である． 同時に同じ群集流動を撮影したため，若干のカメラ性能の違いはあるものの，2 つの画 像データにはその他，天気の影響などの差がないと考えることができる．また，撮影範囲 の影響を押さえるため，図 5.3.2 および図 5.3.3 の白枠に示す範囲でトリミング処理 1)を 行った撮影データをもとに解析した． この異なる高さから撮影されたデータを解析することにより，カメラ設置高さが解析結 果に及ぼす影響を検証する．

図 5.3.1 渋谷撮影高さ

図 5.3.2 解析画像範囲（渋谷 -2F）

図 5.3.3 解析画像範囲（渋谷 -3F）

1) トリミング処理には Photoshop のバッチ処理機能を使用した 2) 第 4 章で解析したデータは 3 階から撮影したデータである．

- 90 -

5.3 撮影高さの検討

5.3.2 分析結果 ○ベキ指数の分析

各撮影高さごとにインベーションパーコレーション解析を行い，その結果を分析する． 以下に各 2 値化閾値での解析結果を示す． 群集速度において，全体の群集速度と下方向の群集速度がほぼ同じ値を示すのは，対向 割合が下方向にほぼ 1 に近いからである． （ほぼ一方向流に近い）

0.8

群集密度 群集速度（全体） 群集速度（上方向）

0.4

群集速度（下方向） 対向割合

0

-0.4

-0.8

140

150

2値化閾値

160

170

図 5.3.4 群集性状 - べき係数相関係数（新宿南口 -3F）

群集密度

0.8

群集速度（全体） 群集速度（上方向） 群集速度（下方向） 対向割合

0.4

0

-0.4

-0.8

140

150

2値化閾値

160

図 5.3.5 群集性状 - べき係数相関係数（新宿南口 -2F）

- 91 -

170

5.3 撮影高さの検討 各群集性状とべき指数の相関分析の結果を，各群集性状ごとに比較した結果である． 群集密度，群集速度については 3 階から撮影した画像の分析結果の方が強い相関を示し ている．しかし，対向割合については 2 階から撮影した画像の分析結果の方が相関が強い ようである，2 値化閾値 170 だけは 3 階の結果の方が強い相関が認められる．

0.8 0.4 0 -0.4 -0.8 140

新宿南口3F 新宿南口2F 150

160

170

2値化閾値

図 5.3.6 群集密度 - べき指数相関係数（新宿南口）

0.8

新宿南口3F 新宿南口2F

0.4 0 -0.4 -0.8 140

150

160

170

2値化閾値

図 5.3.7 群集速度 - べき指数相関係数（新宿南口）

0.8

新宿南口3F 新宿南口2F

0.4 0 -0.4 -0.8 140

150

160 2値化閾値

図 5.3.8 対向割合 - べき指数相関係数（新宿南口）

- 92 -

170

5.3 撮影高さの検討 ○充填率の分析

各撮影高さごとに充填率を算出し分析を行う．以下に各撮影高さごとの充填率と各群集 性状値との相関分析結果の算出結果を示す． 群集速度において，全体の群集速度と下方向の群集速度がほぼ同じ値を示すのは，対向 割合が下方向にほぼ 1 に近いからである．

群集密度 0.8

群集速度（全体） 群集速度（上方向） 群集速度（下方向）

0.4

対向割合

0

-0.4

-0.8 50

80

110

140

170

200

2値化閾値

図 5.3.9 群集性状 - 充填率相関係数（新宿南口 -3F）

群集密度 0.8

群集速度（全体） 群集速度（上方向） 群集速度（下方向）

0.4

対向割合

0

-0.4

-0.8 50

80

110

140

170

200

2値化閾値

図 5.3.10 群集性状 - 充填率相関係数（新宿南口 -2F）

- 93 -

5.3 撮影高さの検討 各群集性状ごとに充填率との相関係数を比較してみる． 充填率については，撮影高さが変化しても各群集性状との相関係数値に対してほとんど 影響がないようである．3階から撮影した画像，2階から撮影した画像ともほぼ同じ値を示 している．

0.8 0.4 0 新宿南口3F

-0.4

新宿南口2F -0.8 60

100

2値化閾値

140

180

図 5.3.11 群集密度 - 充填率相関係数（新宿南口）

0.8 新宿南口3F 新宿南口2F

0.4 0

-0.4 -0.8 60

100

2値化閾値

140

180

図 5.3.12 群集速度 - 充填率相関係数（新宿南口）

0.8 0.4 0 新宿南口3F

-0.4

新宿南口2F -0.8 60

100

2値化閾値

140

図 5.3.13 対向割合 - 充填率相関係数（新宿南口）

- 94 -

180

5.3 撮影高さの検討 ○セル遷移パターンの分析

各撮影高さごとにセル遷移パターンについて分析を行う．以下に各撮影範囲ごとのセル 遷移パターンと群集性状各値との相関分析を行った結果を示す． 群集速度において，全体の群集速度と下方向の群集速度がほぼ同じ値を示すのは，対向 割合が下方向にほぼ 1 に近いからである．

群集密度

0.8

群集速度（全体） 群集速度（上方向） 群集速度（下方向）

0.4

対向割合 0

-0.4

-0.8

pattern1 pattern2 pattern3 pattern4 pattern5 pattern6 遷移パターン

図 5.3.14 群集性状 - パターン出現率相関係数（新宿南口）

群集密度

0.8

群集速度（全体） 群集速度（上方向） 群集速度（下方向）

0.4

対向割合 0

-0.4

-0.8

pattern1 pattern2 pattern3 pattern4 pattern5 pattern6 遷移パターン

図 5.3.15 群集性状 - パターン出現率相関係数（新宿南口）

- 95 -

5.3 撮影高さの検討 各群集性状ごとにセル遷移パターンとの相関係数を比較してみる． セル遷移パターンにおいても，群集撮影高さは相関係数に影響を与えないようである． 階からの映像の分析結果，2 階からの分析結果ともほぼ同じ値である．

0.8 新宿南口3F 新宿南口2F

0.4 0

-0.4 -0.8

pattern1 pattern2 pattern3 pattern4 pattern5 pattern6 遷移パターン

図 5.3.16 群集密度 - パターン出現率相関係数（新宿南口）

0.8 0.4 0

-0.4

新宿南口3F 新宿南口2F

-0.8

pattern1 pattern2 pattern3 pattern4 pattern5 pattern6 遷移パターン

図 5.3.17 群集速度 - パターン出現率相関係数（新宿南口）

0.8 新宿南口3F 新宿南口2F

0.4 0

-0.4 -0.8

pattern1 pattern2 pattern3 pattern4 pattern5 pattern6 遷移パターン

図 5.3.18 対向割合 - パターン出現率相関係数（新宿南口）

- 96 -

5.3 撮影高さの検討

5.4 撮影環境についての考察 5.2 および 5.3 の結果を以下に整理する

□撮影範囲 どの相関分析の結果も，撮影範囲を広くとり，群集以外の要素が写っている群集画像の 方が値がばらつき，安定した結果が得られない．

□撮影高さ べき指数については，3 階から撮影した画像の分析結果の方が相関が強く認められた． 充填率，セル遷移パターンについては，分析した撮影高さの差では解析結果に影響しない ようである．

以上の結果から，本モデルを適用するために群集を撮影する場合には，以下の点に注意 するべきであることがわかった． 1. できるだけ群集流動のみを撮影すること 2. 撮影高さについては，ある程度の高さがあれば，解析は可能である．

- 97 -

第 6 章 群集性状評価モデルの提案

- 98 -

6.1 モデルの概要

6.1 モデルの概要 本研究では，2 値化された群集映像を解析することで，撮影された群集の性状（群集密 度，群集速度，対向割合）が評価する事が可能となる重回帰モデルを作成する． 具体的には，第 3 章で分析した群集性状の各値（群集密度，群集速度，対向割合）を目 的変数とし，第 4 章で解析した値（べき指数，充填率，セル遷移パターン）を説明変数と して重回帰分析を行うこととする．

- 99 -

6.1 モデルの概要

回帰分析 regression analysis なんらかの操作や活動の結果を予測したり， その結果の変動を制御した りするための手法で， 統計的多変量解析の一つ． 操作や活動のデータとそれ に対応する結果のデータの組を多数集め， 予測の対象とする量 (目的変数も しくは従属変数と呼ぶ) の変動を， 操作や活動のデータのうちその変動を説 明する要因と考えられるデータ (説明変数もしくは独立変数と呼ぶ) によっ て予測するために， 両者の関係を求めることをいう． 製鉄所の炉の制御や化 学工場での操業条件の決定のための工程解析をはじめ， 経済データの分析や 予測， 心理学や医学など， 多くの分野でもっともよく使われる統計的手法で ある．

説明変数が一つのとき単回帰または直線回帰分析， 二つ以上のとき重回 帰分析ということがある． 単回帰分析では，目的変数の第 i 番目の値を yi， 対応する説明変数の値を xi とすると，直線 yi ＝ a ＋ bxi を回帰式と呼び，定 数項aと偏回帰係数といわれるこう配bをいわゆる最小二乗法で推定する． すなわち，観測値 yi と予測値といわれる回帰式上の値 yi との差 ri ＝ yi − ui を残差といい， その残差の 2 乗の和 (残差平方和) を最小にするaと b を求 める． いいかえれば観測値と予測値ができるだけ近くなることが望ましい． そこで， 観測値と予測値の相関係数を一般の重回帰分析にも通用するように 重相関係数， その 2 乗を寄与率と呼んで，回帰式の観測値に対するあては まりのよさを示す指標とする． 回帰式としては，yi ＝a＋blogxi のようにxi の簡単な変換式を用いたり， yi ＝ a＋ bxi ＋ cxi2 のように多項式を用いるこ ともできる． 重回帰分析では，説明変数を x，z，⋯⋯などと書いて， 回帰 式を yi ＝ a ＋ bxi ＋ czi⋯⋯などとする． 回帰分析では多数の変数が説明変 数の候補と考えられるが， 実用上は数個 (3 〜 7 個，たかだか 10 個程度) の説明変数を選んであてはまりのよい回帰式が望ましいとされる．

- 100 -

6.1 モデルの概要

6.1.1 相関分析結果のまとめ 第 4 章で群集性状の各値と画像解析で得られた値の相関について分析している．そこで その分析結果を整理してみる．

○べき指数 群集密度と強い相関が認められ，群集速度とも相関が見られる．対向割合とは弱い負の 相関が認められる．新宿西口のデータは，ほかの調査地とは逆の相関を示した． 解析画像サイズは 40 × 30pixels と 20 × 15pixels で比べた場合，群集性状各値との相 関係数はあまり変わらないが，40 × 30pixels のほうが相関係数にばらつきが少ない．ま た，10 × 8pixels では解析ができなかった．

○充填率 どの調査場所のデータとも，群集密度とは強い正の相関が認められ，群集速度とは強い 負の相関が認められた．また，対向割合とは弱い正の相関が認められた．2 値化閾値 90 以 下では値が安定しない． 解析画像サイズは 40 × 30pixels と 20 × 15pixels で比べた場合，解析画像サイズ 40 × 30pixelsでは2値化閾値90以上で相関係数が安定した値を示すのに対し，解析画像サイズ 20 × 15pixels では 2 値化閾値が 140 以上でないと安定した値を示さないことが認められ た．しかし，2 値化閾値 140 以上においては，どの群集性状の値においても各解析画像サ イズともほぼ相関係数が同値である．

○セル遷移パターン 各群集性状ごとに比較してみると，群集密度はパターン1と強い正の相関,パターン3,4, （5,6）と強い負の相関が見られた．また，群集速度はパターン1と比較的強い負の相関，パ ターン 4 と比較的強い正の相関が共通して認められた． しかし，対向割合については強い相関が他の群集性状ほどは認められないものの，パ ターン 1 と比較的強い正の相関が，パターン 3,4 と比較的強い負の相関が認められた．

- 101 -

6.1 モデルの概要 群集性状データ各値ごとに整理すると以下のようになる．

○群集密度 べき指数，充填率とも強い相関が見られる，セル遷移パターンについてはパターン 1,3,4,5 と強い相関が認められた． ○群集速度 べき指数とは強い相関が見られたが，充填率とはあまり強い相関が認められなかった． 遷移パターンについてはパターン 1,4 と比較的強い相関が認められた． ○対向割合 べき指数と比較的強い相関が認められた．しかし，充填率とは相関があまり認められな かった．遷移パターンについては，パターン 1,3,4 と比較的強い相関が認められた．

表 6.1.1 相関分析まとめ 群集密度 インベーションパーコレーション べき指数 充填率 セル遷移パターン pattern1 pattern2 pattern3 pattern4 pattern5 pattern6

群集速度

対向割合

強い相関 強い相関 強い相関 /

強い相関 比較的強い相関 比較的強い相関 / 比較的強い相関 比較的強い相関 / /

強い相関 強い相関 強い相関 /

/ 比較的強い相関 比較的強い相関 比較的強い相関 / / / /

- 102 -

6.1 モデルの概要 ○セル遷移パターンの多重共線性

セル遷移パターンについては，パターン同士に強い相関が認められるため，回帰式に２ つ以上のパターン出現率を説明変数として選択すると，多重共線性が現れてしまい，重回 帰式が信頼性の低いものになってしまう．そこで，各群集性状を目的変数ととした重回帰 式を作成するにあたり，パターン出現率は 1 つ選択することとする． 4.4 で分析した結果をもとに各群集性状に対して，最も相関が高いと認められるパター ンを以下のように 1 つ選択した．

群集密度：パターン 3 群集速度：パターン 4 対向割合：パターン 1

多重共線性について 説明変数間においてお互いに高い相関がある時， 偏回帰係数を求めること ができないという現象を引き起こす．これを多重共線性という．説明変数間 でお互いに高い相関があるということは， どちらも同じことを説明している 変数なのでどちらか一方の変数があればよい．重回帰式を求めるにあたり， 多重共線性があるときにはどちらかの説明変数を落として求める必要があ る．

多重共線性の有無については， (1)説明変数間の単相関係数を求め，単相関係数が１または - １に近いも のがあれば多数共線性がある． (2)多重共線性が認められるときには，偏回帰係数を求められないとか， 偏回帰係数の符号と， 説明変数と目的変数の単相関係数の符号が一致しない 等の現象を起こす．

- 103 -

6.1 モデルの概要

6.1.2 目的変数，説明変数の決定 以上の分析から，各目的変数に対する説明変数を決定する．

群集密度 目的変数：群集密度 説明変数：べき指数，充填率，遷移パターン 3 群集速度 目的変数：群集速度 説明変数：べき指数，充填率，遷移パターン 4 対向割合 目的変数：対向割合 説明変数：べき指数，充填率，遷移パターン 1

以上の変数を使用して，以降重回帰分析を行う．

t =b 1 P+b 2 f+b 3C 3 +b 0

v=b 1 P+b 2 f+b 3 C 4 +b 0 a=b 1 P+b 2 f+b 3 C 1 +b 0 ρ：群集密度（人 / ㎡） v：群集速度（m/sec） a：対向割合 P：べき指数 f：充填率 Cn：遷移パターン(n=1,2,3,4,5,6)

- 104 -

6.2 群集性状評価モデル結果

6.2 群集性状評価モデル結果 6.2.1 群集密度評価モデル 群集密度 目的変量：群集密度 説明変量：べき指数，充填率，遷移パターン 3

t = b1 P + b2 f + b3 C 3 + b 0

○渋谷モデル 重回帰分析の結果以下の回帰式が得られた．

t = - 2.689P + 3.153f - 19.721C 3 + 2.745

表 6.2.1 重回帰分析結果（渋谷 - 群集密度） 相関行列 群集密度 べき指数T80 充填率T80 pattern3

回帰分析概要 重相関 R 重決定 R2 補正 R2 標準誤差 観測数

群集密度 1 0.642 0.884 -0.863

べき指数T80

充填率T80

pattern3

1 0.695 -0.734

1 -0.652

1

0.978 0.957 0.924 0.051 8

分散分析表 回帰 残差 合計

自由度 3 4 7

変動 0.232 0.011 0.243

分散 0.077 0.003

観測された分散比 29.427

有意 F 0.003

決

回帰係数 切片 べき指数T80 充填率T80 pattern3

係数 2.745 -2.689 3.153 -19.721

標準誤差 1.719 1.545 0.713 4.919

t 1.597 -1.741 4.423 -4.009

P-値 0.185 0.157 0.011 0.016

決定係数 0.957，自由度調整済み決定係数 0.924 であり，非常に精度の高い回帰式が得 られた．また，有意 F 値も 0.003 であり，有意水準 0.05 で有意である． このモデルは群集密度の 92.4％を予測できることになる． （べき指数：閾値 90 で相関係数が最も高い値を示すが，欠損値があるため閾値 80 の値 を選択した） - 105 -

6.2 重回帰モデル結果 ○新宿西口モデル 重回帰分析の結果以下の回帰式が得られた．

t = 0.026P + 1.609f - 1.945C 3 - 0.009

表 6.2.2 重回帰分析結果（渋新宿西口 - 群集密度） 相関行列 群集密度 べき指数T130 充填率T130 pattern3

群集密度 1 -0.477 0.945 -0.939

回帰分析概要 重相関 R 重決定 R2 補正 R2 標準誤差 観測数

0.946 0.895 0.790 0.073 7

べき指数T130

充填率T130

pattern3

1 -0.516 0.562

1 -0.989

1

分散分析表 回帰 残差 合計

自由度 3 3 6

変動 0.137 0.016 0.153

分散 0.046 0.005

観測された分散比 8.517

有意 F 0.049

回帰係数 切片 べき指数T130 充填率T130 pattern3

係数 -0.009 0.026 1.609 -1.945

標準誤差 1.448 0.178 3.194 9.515

t -0.006 0.148 0.504 -0.204

P-値 0.996 0.892 0.649 0.851

決定係数 0.895，自由度調整済み決定係数0.790 であり，精度の高い回帰式が得られた． しかし，有意 F 値が 0.049 であり，有意水準 0.05 での検定の結果，この回帰式は有意であ る． したがって，このモデルは群集密度の 79.0％を予測できることになる． （べき指数：閾値 120 で相関係数が最も高い値を示すが，欠損値があるため閾値 130 の 値を選択した）

- 106 -

6.2 重回帰モデル結果 ○新宿南口モデル 重回帰分析の結果以下の回帰式が得られた．

t = - 1.608P + 1.329f - 8.744C 3 + 1.825

表 6.2.3 重回帰分析結果（新宿南口 - 群集密度） 相関行列 群集密度 べき指数T150 充填率T150 pattern3

群集密度 1 0.925 0.935 -0.959

回帰分析概要 重相関 R 重決定 R2 補正 R2 標準誤差 観測数

0.990 0.980 0.959 0.034 7

べき指数T150

充填率T150

pattern3

1 0.955 -0.906

1 -0.853

1

分散分析表 回帰 残差 合計

自由度 3 3 6

変動 0.169 0.004 0.172

分散 0.056 0.001

係数 1.825 -1.608 1.329 -8.744

標準誤差 1.396 1.385 0.533 2.355

t 1.307 -1.161 2.491 -3.713

観測された分散比 48.133

有意 F 0.005

回帰係数 切片 べき指数T150 充填率T150 pattern3

P-値 0.282 0.330 0.088 0.034

決定係数 0.980，自由度調整済み決定係数 0.959 であり，非常に精度の高い回帰式が得 られた．また，有意 F 値も 0.005 であり，有意水準 0.05 で有意である． これにより，このモデルは群集密度の 95.9％を予測できることになる．

- 107 -

6.2 群集性状評価モデル結果

6.2.2 群集速度評価モデル 群集速度 目的変量：群集速度 説明変量：べき指数，充填率，遷移パターン 4

v = b1 P + b2 f + b3 C 4 + b0

○渋谷モデル 重回帰分析の結果以下の回帰式が得られた．

v=3.028P-5.221f-0.256 表 6.2.4 重回帰分析結果[1] （渋谷 - 群集速度） 相関行列 群集速度 べき指数T80 充填率T70 pattern4 回帰分析概要 重相関 R 重決定 R2 補正 R2 標準誤差 観測数

群集速度 1 -0.145 -0.707 0.649

べき指数T80

充填率T70

pattern4

1 0.606 -0.576

1 -0.957

1

0.798 0.637 0.365 0.110 8

分散分析表 回帰 残差 合計

自由度 3 4 7

変動 0.085 0.048 0.133

分散 0.028 0.012

係数 0.629 3.044 -7.011 -1.352

標準誤差 3.589 2.561 5.682 4.011

t 0.175 1.189 -1.234 -0.337

観測された分散比 2.342

有意 F 0.215

回帰係数 切片 べき指数T80 充填率T70 pattern4

P-値 0.869 0.300 0.285 0.753

決定係数 0.637，自由度調整済み決定係数 0.365 であり，精度の高い回帰式とはいいが たい．また，有意 F 値が 0.215 であり，有意水準 0.05 での検定の結果，この回帰式は有意 ではない． P 値をみると，切片の値が 0.869 と高いため除外して再度重回帰分析を行ってみる． （べき指数：閾値 90 で相関係数が最も高い値を示すが，欠損値があるため閾値 80 の値 を選択した）

- 108 -

6.2 重回帰モデル結果 表 6.2.5 重回帰分析結果[2] （渋谷 - 群集速度） 回帰分析概要 重相関 R 重決定 R2 補正 R2 標準誤差 観測数

0.796 0.634 0.288 0.099 8

分散分析表 回帰 残差 合計

自由度 3 5 8

変動 0.084 0.049 0.133

分散 0.028 0.010

観測された分散比 2.892

係数 0.000 3.334 -6.420 -0.837

標準誤差

t

P-値

1.759 4.110 2.455

1.896 -1.562 -0.341

0.117 0.179 0.747

有意 F 0.166

回帰係数 切片 べき指数T80 充填率T70 pattern4

決定係数 0.634，自由度調整済み決定係数 0.288 であり，この回帰式も精度が高いとは いいがたい．しかし，有意 F 値が 0.166 であり，有意水準 0.05 での検定の結果，この回帰 式は有意ではないものの，前頁の回帰式よりも F 値は小さくなっている． 前頁の回帰分析結果より遷移パターンの P 値が 0.753 と高いため，遷移パターンを説明 変数から除外して再度重回帰分析を行ってみる．

表 6.2.6 重回帰分析結果[3] （渋谷 - 群集速度） 回帰分析概要 重相関 R 重決定 R2 補正 R2 標準誤差 観測数

0.792 0.627 0.478 0.100 8

分散分析表 回帰 残差 合計

自由度 2 5 7

変動 0.083 0.050 0.133

分散 0.042 0.010

係数 -0.256 3.028 -5.221

標準誤差 2.219 2.322 1.832

t -0.115 1.304 -2.849

観測された分散比 4.200

有意 F 0.085

回帰係数 切片 べき指数T80 充填率T70

P-値 0.913 0.249 0.036

決定係数 0.627，自由度調整済み決定係数 0.478 であり，この回帰式も精度が高いとは いいがたいものの，精度が上がっていることがわかる．しかし，有意 F 値が 0.085 であり， 有意水準 0.05 での検定の結果，この回帰式は有意ではない．前頁の回帰式よりも F 値は小 さくなっている． 切片の P 値が 0.913 と高いため，切片を除外して再度重回帰分析を行ってみる．

- 109 -

6.2 重回帰モデル結果 表 6.2.7 重回帰分析結果[4] （渋谷 - 群集速度） 回帰分析概要 重相関 R 重決定 R2 補正 R2 標準誤差 観測数

0.791 0.626 0.397 0.091 8

分散分析表 回帰 残差 合計

自由度 2 6 8

変動 0.083 0.050 0.133

分散 0.042 0.008

観測された分散比 5.019

係数 0.000 2.770 -5.141

標準誤差

t

P-値

0.557 1.552

4.974 -3.313

0.003 0.016

有意 F 0.064

回帰係数 切片 べき指数T80 充填率T70

決定係数 0.626，自由度調整済み決定係数 0.397 であり，前頁の重回帰分析の結果より も精度が下がってしまっている．しかし，有意 F 値が 0.064 であり，前頁の回帰式よりも F 値は小さくなっている．有意水準 0.05 での検定の結果，この回帰式は有意ではない．

以上の重回帰分析の結果，表6.2.6の重回帰分析結果[3]が決定係数の検定の結果は有意 ではないものの，最も精度が高いため採用する．

- 110 -

6.2 重回帰モデル結果 ○新宿西口モデル 重回帰分析の結果以下の回帰式が得られた．

v = 0.059P - 0.639f + 1.369

表 6.2.8 重回帰分析結果（新宿西口 - 群集速度） 相関行列 全体 べきT150 充填率T150 pattern4

回帰分析概要 重相関 R 重決定 R2 補正 R2 標準誤差 観測数

全体 1 -0.654 -0.674 0.442

べきT150

充填率T150

pattern4

1 0.955 -0.902

1 -0.870

1

0.740 0.547 0.245 0.064 6

分散分析表 回帰 残差 合計

自由度 2 3 5

変動 0.015 0.012 0.027

分散 0.007 0.004

係数 1.369 0.059 -0.639

標準誤差 0.263 0.142 0.454

t 5.202 0.415 -1.407

観測された分散比 1.810

有意 F 0.305

回帰係数 切片 べき指数T130 充填率T130

P-値 0.014 0.706 0.254

べき指数：閾値 120 で相関係数が最も高い値を示すが，欠損値があるため閾値 130 の値 を選択した

- 111 -

6.2 重回帰モデル結果 ○新宿南口モデル 重回帰分析の結果以下の回帰式が得られた．

v =- 8.933P - 4.323f + 11.814

表 6.2.9 重回帰分析結果（新宿南口 - 群集速度） 相関行列 全体 べきT150 充填率T150 pattern4 回帰分析概要 重相関 R 重決定 R2 補正 R2 標準誤差 観測数

全体 1 -0.654 -0.674 0.442

べきT150

充填率T150

pattern4

1 0.955 -0.902

1 -0.870

1

0.675 0.456 0.184 0.248 7

分散分析表 回帰 残差 合計

自由度 2 4 6

変動 0.207 0.247 0.453

分散 0.103 0.062

係数 3.026 -0.701 -1.765

標準誤差 7.557 8.112 3.856

t 0.400 -0.086 -0.458

観測された分散比 1.674

有意 F 0.296

回帰係数 切片 べきT150 充填率T150

P-値 0.709 0.935 0.671

べき指数：閾値 170 で相関係数が最も高い値を示すが，欠損値があるため閾値 150 の値 を選択した

- 112 -

6.2 群集性状評価モデル結果

6.2.3 対向割合評価モデル 対向割合 目的変量：対向割合 説明変量：べき指数，充填率，遷移パターン 1

a = b1 P + b2 f + b3 C 1 + b0

○渋谷モデル 重回帰分析の結果以下の回帰式が得られた．

a =- 5.773P + 2.743C 1 + 5.634

表 6.2.10 重回帰分析結果[1] （渋谷 - 対向割合） 相関行列 up べき級数T80 充填率T90 pattern1 回帰分析概要 重相関 R 重決定 R2 補正 R2 標準誤差 観測数

up 1 -0.298 0.235 0.470

べき級数T80

充填率T90

pattern1

1 0.725 0.540

1 0.888

1

0.807 0.651 0.389 0.118 8

分散分析表 回帰 残差 合計

自由度 3 4 7

変動 0.104 0.056 0.160

分散 0.035 0.014

係数 5.812 -5.943 0.226 2.601

標準誤差 3.477 3.363 2.832 2.089

t 1.672 -1.767 0.080 1.245

観測された分散比 2.488

有意 F 0.200

回帰係数 切片 べき級数T80 充填率T90 pattern1

P-値 0.170 0.152 0.940 0.281

決定係数 0.651，自由度調整済み決定係数 0.389 であり，精度の高い回帰式とはいいが たい．また，有意 F 値が 0.200 であり，有意水準 0.05 での検定の結果，この回帰式は有意 ではない． P 値をみると，充填率の値が 0.940 と高いため除外して再度重回帰分析を行ってみる． （べき指数：閾値 110 で相関係数が最も高い値を示すが，欠損値があるため閾値 80 の値 を選択した）

- 113 -

6.2 重回帰モデル結果 表 6.2.11 重回帰分析結果[2] （渋谷 - 対向割合） 回帰分析概要 重相関 R 重決定 R2 補正 R2 標準誤差 観測数

0.807 0.651 0.511 0.106 8

分散分析表 回帰 残差 合計

自由度 2 5 7

変動 0.104 0.056 0.160

分散 0.052 0.011

係数 5.634 -5.773 2.743

標準誤差 2.389 2.329 0.967

t 2.358 -2.478 2.836

観測された分散比 4.654

有意 F 0.072

回帰係数 切片 べき級数T80 pattern1

P-値 0.065 0.056 0.036

決定係数 0.651，自由度調整済み決定係数 0.511 であり，精度が上がったものの精度の 高い回帰式とはいいがたい．また，有意 F 値が 0.072 と前分析の値 0.200 に比べ低くなっ てはいるが，有意水準 0.05 での検定の結果，この回帰式は有意ではない． 切片の P 値をみると，他に比べ少し値が高いため，切片を 0 にして分析してみる．

表 6.2.12 重回帰分析結果[3] （渋谷 - 対向割合） 回帰分析概要 重相関 R 重決定 R2 補正 R2 標準誤差 観測数

0.512 0.262 -0.028 0.140 8

分散分析表 回帰 残差 合計

自由度 2 6 8

変動 0.042 0.118 0.160

分散 0.021 0.020

観測された分散比 1.064

係数 0 -0.343 1.815

標準誤差

t

P-値

0.468 1.173

-0.733 1.548

0.491 0.173

有意 F 0.412

回帰係数 切片 べき級数T80 pattern1

決定係数 0.262，自由度調整済み決定係数-0.028であり，自由度調整済み決定係数が負 になってしまい，無効な回帰式となってしまった．

以上の重回帰分析の結果，表 6.2.11 の重回帰分析結果[2]が決定係数の検定の結果は有 意ではないものの，最も精度が高いため採用する．

- 114 -

6.2 重回帰モデル結果 ○新宿西口モデル 重回帰分析の結果以下の回帰式が得られた．

a =- 1.151P + 0.091C 1 + 1.766

表 6.2.13 重回帰分析結果（新宿西口 - 対向割合） 相関行列 対向割合 べきT140 充填率T140 pattern1

対向割合 1 -0.762 0.342 0.424

べきT140

充填率T140

pattern1

1 -0.387 -0.479

1 0.987

1

回帰分析概要 重相関 R 重決定 R2 補正 R2 標準誤差 観測数

0.765 0.585 0.309 0.157 6

分散分析表 回帰 残差 合計

自由度 2 3 5

変動 0.105 0.074 0.179

分散 0.052 0.025

係数 1.766 -1.151 0.091

標準誤差 0.779 0.672 0.512

t 2.269 -1.713 0.178

観測された分散比 2.116

有意 F 0.267

回帰係数 切片 べきT140 pattern1

P-値 0.108 0.185 0.870

べき指数：閾値 110 で相関係数が最も高い値を示すが，欠損値があるため閾値 80 の値 を選択した

- 115 -

6.2 重回帰モデル結果 ○新宿南口モデル 重回帰分析の結果以下の回帰式が得られた．

a =- 0.278P + 0.082C1 + 0.310

表 6.2.14 重回帰分析結果（新宿南口 - 対向割合） 相関行列 対向割合 べきT140 充填率T170 pattern1 回帰分析概要 重相関 R 重決定 R2 補正 R2 標準誤差 観測数

対向割合 1 0.102 0.197 0.443

べきT140

充填率T170

pattern1

1 0.946 0.901

1 0.885

1

0.766 0.587 0.380 0.007 7

分散分析表 回帰 残差 合計

自由度 2 4 6

変動 0.000 0.000 0.000

分散 0.000 0.000

係数 0.310 -0.278 0.082

標準誤差 0.137 0.140 0.035

t 2.267 -1.990 2.362

観測された分散比 2.840

回帰係数 切片 べきT140 pattern1

- 116 -

P-値 0.086 0.117 0.077

有意 F 0.171

6.2 重回帰モデル結果 ○群集性状評価モデルまとめ

渋谷群集性状評価モデル

t = - 2.689P + 3.153f - 19.721C 3 + 2.745

R2=0.957 F=0.003

v = 3.028P - 5.221f - 0.256

R2=0.627 F=0.085

a =- 5.773P + 2.743C1 + 5.634

R2=0.651 F=0.072

新宿西口群集性状評価モデル

t = 0.026P + 1.609f - 1.945C 3 - 0.009

R2=0.895 F=0.049

v = 0.059P - 0.639f + 1.369

R2=0.547 F=0.305

a =- 1.151P + 0.091C 1 + 1.766

R2=0.585 F=0.267

新宿南口群集性状評価モデル

t = - 1.608P + 1.329f - 8.744C 3 + 1.825

R2=0.980 F=0.005

v =- 8.933P - 4.323f + 11.814

R2=0.456 F=0.296

a =- 0.278P + 0.082C1 + 0.310

R2=0.587 F=0.171

ρ ：群集密度（人 / ㎡） v ：群集速度（m/sec） a ：対向割合 P ：べき指数 f ：充填率 Cn ：セル遷移パターン出現割合 R2 ：決定係数 F ：F 値

- 117 -

第７章 モデルの検証

- 118 -

7.1 検証の流れ

7.1 検証の流れ 第6章で作成した群集性状評価モデルを検証するため， 新たに群集画像データを準備し， 解析を行った． 解析は以下の流れで行った．

1. 群集画像データから歩行軌跡データを抽出し，群集性状データ各値（群集密度，群 集速度，対向割合）を算出する 2. 群集画像データを解析し，べき指数，充填率，セル遷移パターンを算出する． 3. 2.で算出した各値をモデル式に代入し，1.で算出した群集性状データとの誤差を分 析する．

検証には，渋谷モデルを使用して行った．

- 119 -

7.2 検証用画像データの準備

7.2 検証用画像データの準備 検証用に新たに群集画像データを準備する． 場所は渋谷とし，渋谷での調査で撮影した画像データのうち，渋谷モデル作成に使用し ていない部分を使用して画像データをピックアップした． 画像データは以下の 4 つのスタックである．以降， Shibuya_sample[n] (n=1,2,3,4) とする．

- 120 -

7.3 直交座標系群集流動データの算出

7.3 直交座標系群集流動データの算出 新たに用意した群集画像データを第 3 章と同様に分析を行い，群集密度，群集速度，対 向割合の各値を算出した． 結果を以下に示す．

表 7.3.1 群集性状データ各値 群集密度 群集速度（m/sec） 対向割合 (人/㎡) 全体 上方向 下方向 上方向 Shibuya_sample[1] Shibuya_sample[2] Shibuya_sample[3] Shibuya_sample[4]

0.5424 0.3401 0.0823 0.1248

0.8673 0.9825 0.8143 0.9690

1.0127 0.8196 0.6927 0.8122

- 121 -

0.7768 1.1349 1.0576 1.0972

0.3809 0.5207 0.5988 0.4611

下方向 0.6191 0.4793 0.4012 0.5389

7.4 群集画像解析データの算出

7.4 群集画像解析データの算出 群集画像データを第 3 章と同様に分析を行い，べき指数，充填率，セル遷移パターンの 各値を算出した．結果を以下に示す．

表 7.4.1 画像解析データ べき指数 充填率 T70 Shibuya_sample[1] Shibuya_sample[2] Shibuya_sample[3] Shibuya_sample[4]

1.1342 1.0960 1.0756 1.0688

0.4110 0.4173 0.3497 0.3493

T80

T90

0.3989 0.3671 0.2985 0.2812

0.3771 0.3639 0.2291 0.2499

セル遷移パターン pattern1 pattern2 pattern3 pattern4 pattern5 pattern6 0.5370 0.4895 0.3213 0.3718

- 122 -

0.3366 0.3505 0.3880 0.3455

0.0209 0.0291 0.0354 0.0310

0.0841 0.1028 0.1692 0.1710

0.0201 0.0262 0.0740 0.0755

0.0012 0.0038 0.0060 0.0053

7.5 モデルの検証

7.5 モデルの検証 7.3 および 7.4 で算出したデータをもとにモデル式の検証をおこなった． 渋谷モデルのモデル式は以下の式である．

渋谷群集性状評価モデル

t = - 2.689P + 3.153f - 19.721C 3 + 2.745 v = 3.028P - 5.221f - 0.256 a =- 5.773P + 2.743C1 + 5.634

ρ ：群集密度（人 / ㎡） v ：群集速度（m/s） a ：対向割合 P ：べき指数 f ：充填率 Cn ：セル遷移パターン出現割合

○誤差について 誤差とはモデル式により得られる予測値と、本来の実測値との間に生じる差のことを指 す，以下の式により誤差とする．

誤差＝実測値 - 予測値

○相対誤差について 相対誤差とは，誤差（絶対誤差）が誤差自身の大きさを表すのに対し， 相対誤差は誤差 が測定量に占める割合です。 以下の式により与えられる．

相対誤差 = ｜実測値 - 予測値｜ / 実測値

- 123 -

7.5 モデルの検証

7.5.1 群集密度評価モデルの検証

表 7.5.1 群集密度評価モデル予測誤差 誤差

相対誤差

(人/㎡) (人/㎡) Shibuya_sample[1] 0.5424 0.5403 Shibuya_sample[2] 0.3401 0.3819

実測値

予測値

(人/㎡) 0.0021 0.0418

0.0039 0.1229

Shibuya_sample[3] 0.0823 0.0953 Shibuya_sample[4] 0.1248 0.1471

0.0130 0.1582 0.0223 0.1789 0.0198 0.1160

0.60 実測値

群集密度（人/㎡）

0.50

予測値

0.40 0.30 0.20 0.10 0.00 Shibuya_sample[1]

Shibuya_sample[2]

Shibuya_sample[3]

Shibuya_sample[4]

図 7.5.1 群集密度実測値 - 予測値

群集密度評価モデルの誤差は平均 0.0198（人 / ㎡）であり，相対誤差は 11.6％であっ た．これは，十分精度が高く予測できているといえる．

- 124 -

7.5 モデルの検証

7.5.2 群集速度評価モデルの検証

表 7.5.2 群集速度評価モデル予測誤差 実測値

予測値

誤差

相対誤差

(m/sec) (m/sec) (m/sec) Shibuya_sample[1] 0.8673 1.0323 0.1650 0.1903 Shibuya_sample[2] 0.9825 0.8839 0.0985 0.1003

群集速度（m/sec）

Shibuya_sample[3] 0.8143 1.1750 Shibuya_sample[4] 0.9690 1.1568

1.40

実測値

1.20

予測値

0.3606 0.4428 0.1879 0.1939 0.2030 0.2318

1.00 0.80 0.60 0.40 0.20 0.00 Shibuya_sample[1]

Shibuya_sample[2]

Shibuya_sample[3]

Shibuya_sample[4]

図 7.5.2 群集速度実測値 - 予測値

群集速度評価モデルの誤差は平均 0.2030（m/sec）であり，相対誤差は 23.2％であっ た．群集密度評価モデルと比べると，精度はかなり落ちる． しかし，Shibuya_sample[3]をはずれ値として考えた場合，誤差で平均 0.1505（人 / ㎡），相対誤差で 16.2％となり，まあまあの精度といえるのではないだろうか．

- 125 -

7.5 モデルの検証

7.5.3 対向割合評価モデルの検証

表 7.5.3 対向割合評価モデル予測誤差 実測値 予測値 Shibuya_sample[1] 0.3809 0.5593

誤差 相対誤差 0.1784 0.4684

Shibuya_sample[2] 0.5207 0.6496 Shibuya_sample[3] 0.5988 0.3059 Shibuya_sample[4] 0.4611 0.4835

0.1288 0.2928 0.0225 0.1556

0.2474 0.4891 0.0487 0.3134

0.70 実測値

0.60

予測値

対向割合

0.50 0.40 0.30 0.20 0.10 0.00 Shibuya_sample[1]

Shibuya_sample[2]

Shibuya_sample[3]

Shibuya_sample[4]

図 7.5.3 対向割合実測値 - 予測値

対向割合評価モデルの誤差は平均 0.1556（人 / ㎡）であり，相対誤差は 31.3％であっ た．3 つの評価モデルの中で，一番誤差が大きかった．

- 126 -

おわりに 複雑系？パーコレーション？なんだそりゃ？ってとこから始まったこの研究ですが，何 とか書き上げることができました．勉強不足を痛感しながらの研究でしたが，終わってみ るといろいろ勉強にもなり，有意義だったと感じます．

卒論・修論とご指導いただいた渡辺仁史先生，中村良三先生，林田和人先生，山口有次 さんをはじめとする博士課程の先輩方には本当にお世話になりました，改めてお礼を申し 上げます． 高柳英明さんには，本当にお世話になりました，頭が上がりません．

9 階プロジェクト室で共に研究した丹羽君，福永さん，丹羽君には研究だけでなく，海 外旅行や酒の席で一緒にはしゃいでくれてありがとう，感謝です． 9 階マスコットの小森さん，太めのともや君，森君，おかげで楽しく修論が書けました， 感謝です．

同期のみんな，みんなキャラが濃くて卒論からのこの 3 年間楽しく過ごせました，感謝 です．

最後に，24 年間のびのびと育ててくれた両親に感謝します．

2002 年 2 月 葛島 知佳

参考文献・URL

参考文献 □論文 1) 加藤孝明，小出治：市街地延焼からみた市街地整備のための性能基準に関する基礎的考 察 -不燃領域率による性能基準の一般化-，日本建築学会計画系論文集，No.516，185191，1999/02 2) 加藤孝明他，久貝壽之，小出治，南部瀬紀夫，出原至道：市街地延焼からみた市街地整 備のための性能基準に関する基礎的考察（その２）- 有限領域への展開 -，日本建築学 会計画系論文集，No.525，241-248，1999/11 3) 加藤孝明：パーコレーション理論のアナロジカルな展開（その１）- 都市における臨界 現象の理解 -，日本建築学会学術講演梗概集，1995/08 4) 久貝寿之，加藤孝明，小出治：パーコレーション理論に基づいた地区レベル道路網の防 災性能評価に関する基礎研究，日本建築学会計画系論文集，No.549，231-237，2001/ 11 5) 西谷賢二，渡辺仁史：形の粗視化による群集の人数推計に関する研究，日本建築学会計 画系論文集，No.452，1993/10 6) 西谷賢二，守田治彦，渡辺仁史：フラクタル次元の計測システムに関する研究（その １），日本建築学会・電子計算機利用委員会，第９回電子計算機利用シンポジウム 1987 7) 西谷賢二，渡辺仁史：人間の行動奇跡における自己相似性に関する研究，日本建築学会 学術講演梗概集，S62/10 8) 小瀬博之，紀谷文樹：水系施設における人の行動の解析に対する画像処理の適用-水系 施設における人の行動と周辺施設の解析に関する研究 その１-，日本建築学会計画系 論文集，No.481，75-81，1996/03 9) 小瀬博之，紀谷文樹：水系施設における人の行動の解析に対する画像処理の適用-水系 施設における人の行動と周辺施設の解析に関する研究 その２-，日本建築学会計画系 論文集，No.509，65-70，1998/07 10) 鍛佳代子：画像処理による歩行者流動の自動追尾手法，日本建築学会計画系論文集， No.493，195-200，1997/03 11) 鍛佳代子，内田恭輔，三浦純，白井良明：交錯流動の発生する街路空間における複数 歩行者の自動追跡，日本建築学会技術報告集，第 14 号，359-364，2001/12 12) 竹内啓五：画像処理による群集の特徴評価に関する研究，日本建築学会計画系論文集， No.486，109-116，1996/08 13) 竹内敬吾，掛川秀史，長田耕治：画像による歩行者情報抽出法，第 15 回情報システム 技術シンポジウム，143-149，1992

参考文献・URL 14) 大場正昭，入江謙治：デジタルビデオ画像の輝度情報を利用した実物建屋の換気回数 測定に関する研究，日本建築学会計画系論文集，No.531，45-52，2000/05 15) 田中賢，八藤後猛，野村歡：ビデオ解析手法の信頼性に影響を与える観察者条件・観 察内容条件に関する研究 - ビデオ解析手法による動作解析に関する基礎的研究 第２ 報 -，日本建築学会計画系論文集，No.535，67-73，2000/09 16) 辻本誠，志田弘二，建部謙治：歩行解析への画像処理技術の応用に関する研究，日本 建築学会計画系論文集，No.436，41-47，1992/6 17) 建部謙治，辻本誠，志田弘二：回避行動開始点の判定と前方回避距離 歩行者の回避 行動に関する研究（Ⅱ） ，日本建築学会計画系論文集，No.465，95-104，1994/11 18) 竹内敬吾，掛川秀史，長田耕治：画像による歩行者情報抽出法，第 15 回情報システム 技術シンポジウム，143-149，1992 1 9 ) 中祐一郎：鉄道駅における旅客の交錯流動に関する研究，鉄道技術研究報告， No.1079，1978/3 20) 朝倉康夫，羽藤英二，大藤武彦，田名部淳：PHS による位置情報を用いた交通行動調 査手法，土木学会論文集，No.653/ Ⅳ -48，95-104，2000/7 21) 高柳，馬場，木村，中村，渡辺：無線タグシステムによるスキー場来場者の利用特性 に関する研究，日本建築学会学術講演梗概集，2001/09

□書籍・雑誌 22) 日本建築学会 編：建築・都市計画のための調査・分析方法，井上書院，1987.6 23) 今野紀雄：確率モデルってなんだろう - 複雑系科学への挑戦，ダイヤモンド社 24) 香取眞理：複雑系を解く確率モデル - こんな秩序が自然を操る，講談社 25) 小田垣孝：パーコレーションの科学，裳華房 26) R.J.Gaylord P.R.Wellin：MATHEMATICA 複雑系のシミュレーション 物理学と生 物学の探求，訳 荒井隆，シュプリンガー・フェアラーク東京株式会社 27) D. スタウファー Dietrich STAUFFER：浸透理論の基礎 INTORODUCTION TO PERCOLATION THEORY，訳 小田垣孝，吉岡書店 28) 小田垣孝：つながりの科学 - パーコレーション -，裳華房 29) 今野紀雄：図解雑学 複雑系，株式会社ナツメ社 30) 吉永良正：複雑系とは何か，講談社 31) 臼田昭司他：カオスとフラクタル Excel で体験，オーム社 32) 中嶋正之監修：複雑系の理論と応用，オーム社出版局

参考文献・URL 33) 荒井良雄，岡本耕平，神谷浩夫，川口太郎：都市の空間と時間 生活活動の時間地理 学，古今書院 34) 荒井良雄，岡本耕平，神谷浩夫，川口太郎：生活の時間 都市の時間，古今書院 35) 小島清嗣，岡本洋一：画像解析テキスト NIH Image,Scion Image 実践講座，羊土 社 36) 高倉公朋，土肥健純：外科手術のためのNIH Image --3 次元医用画像処理入門 --，中 山書店 37) 渡辺仁史他：環境心理（新建築学大系 11），彰国社，1982 38) 長尾昭哉：やさしい統計学の本，同文館，1997 39) 石村貞夫：すぐわかる統計解析，東京図書，1993 40) 石村貞夫：すぐわかる多変量解析，東京図書，1993 41) 蓑谷千凰彦：回帰分析のはなし，東京図書，1985 42) 田中豊他：パソコン統計解析ハンドブックⅠ基礎統計編，共立出版，1984 43) 田中豊他：パソコン統計解析ハンドブックⅡ多変量解析編，共立出版，1984 44) 内田治：エクセルによる多変量解析，東京図書，1996 45) ITP，Excel VBA スーパー辞典，ソーテック社，2001 46) 永井善王：Excel VBA マクロ 500 連発，技術評論社，1999 47) 永井善王：Excel VBA マクロ 500 連発 第 2 弾，技術評論社，2000

参考文献・URL

参考 URL □雑踏事故 48) 警察白書：http://www.pdc.npa.go.jp/hakusyo/index.htm 49) 明石市民夏まつり事故調査委員会：http://www.city.akashi.hyogo.jp/jikochousa/ 50) 朝霧歩道橋群集なだれ事故経過 ：http://www.arch.kobe-u.ac.jp/~n2/news/ 2001/akashi/keika.html 51) 神戸新聞Web News ｢明石・歩道橋事故」 ：http://www.kobe-np.co.jp/news_now/ asagiri.html 52) 弥彦事件：http://www.nsknet.or.jp/~kony/yahiko.htm 53) 1999年、５月３０日にミンスク市にある地下鉄ネミーガ駅出口で大規模な将棋倒し事 故：http://belapakoi.s1.xrea.com/btoday/met.html 54) 1998 年（平成 10 年）甲子園開幕で将棋倒し事故：http://www.sanspo.com/baseball/koukou/98koshien/bangai/bg0807.html □パーコレーション 55) サンタフェ研究所：http://www.santafe.edu/ 56) 3 次元ボンドパーコレーションの視覚化：http://www.chem.nagoya-u.ac.jp/ matto/yaplot/WelcomeJ.html 57) パーコレーション：http://www.geocities.com/minatsukojima/tane/ 20000404.html 58) ＴＲ−ＩＡ５号機の微小重力実験成果：http://idb.exst.nasda.go.jp/jdata/02051/ 199708J02051100/199708J02051100.html 5 9 ) パ ー コ レ ー シ ョ ン ・ 無 限 粒 子 系 の 相 転 移 現 象 と 共 存 − 非 共 存 ：h t t p : / / www.math.sci.hiroshima-u.ac.jp/danwa/1999/abstract/konno/ 60) 「魚群サイズ分布: ランジュバン方程式によるモデル化」：http://www2.crl.go.jp/ jt/a134/yoshi/sice/poster/abs14.html 61) 加藤孝明のホームページ：http://usiris.t.u-tokyo.ac.jp/kato/kato.htm，http:// usiris.t.u-tokyo.ac.jp/kato/study.htm 62) 小田垣 孝のホームページ：http://www.cmt.phys.kyushu-u.ac.jp/~T.Odagaki/ seika_j.html 6 3 ) 基礎科学のための数学的手法：h t t p : / / w w w . c m t . p h y s . k y u s h u - u . a c . j p / ~M.Sakurai/phys/physmath/index.html 64) 大塚道男先生の碁石モデル：http://www.cc.osaka-kyoiku.ac.jp/~yossi/

参考文献・URL num_sim.html 65) 鳥谷部祥一：http://homepage2.nifty.com/stoyabe/ 66) パーコレーションに臨界現象を見る：http://homepage2.nifty.com/stoyabe/ delphi/percolation/percolation.htm □ JAVA アプレット 67) パーコレーション：http://opinion.nucba.ac.jp/~tkenichi/java/physics/Percolation/Percolation.html 68) パーコレーション：http://isweb26.infoseek.co.jp/play/puz/honkaku/parco.html 69) Java による CG の体験学習：http://nis-lab.is.s.u-tokyo.ac.jp/~nis/CG/java/ exampl/demo.html □フラクタル 70) フラクタル入門 (WEB版） ：http://poco.phys.tohoku.ac.jp/fractals/index.html 71) CORRELATIONS：http://www.engr.utk.edu/research/geo/materials/alumni/ theses/haston/thesis/9t.htm 72) フラクタルについて：http://www04.u-page.so-net.ne.jp/qb3/awatts/ fractal.html 73) フラクタルについて：http://mylab.ike.tottori-u.ac.jp/~sikata/fractal.html 74) Fractal Dimension：http://math.bu.edu/DYSYS/chaos-game/node6.html 75) 種々のフラクタル：http://poco.phys.tohoku.ac.jp/fractals/misc/misc.html □セルオートマトン 76) 人工生命の宝庫：http://www2.create.human.nagoya-u.ac.jp/~ari/stuff/ alifesoft.html 77) ArtificialLife,Fractal,Chaos,CellularAutomata：http://www.asahi-net.or.jp/ ~hq8y-ishm/ □数学 78) 数学と確率：http://www.ma.noda.sut.ac.jp/~hiraba/ 79) 笑いながら覚える 数量化理論解析：http://www.geocities.co.jp/WallStreet/ 7166/SP/sp_inde.html □アプリケーション 80) NIH Image：http://rsb.info.nih.gov/nih-image/ 81) mc (Matrix Calculator)：http://www.akita-noken.go.jp/provide/mc/ index_mcF.html

参考文献・URL 82) マルチエージェント：http://www2.kke.co.jp/mas/，http://kids.glocom.ac.jp/ eduwoods/abs/ 83) SLAMSYSTEM：http://www.morito.mgmt.waseda.ac.jp/applications/slam/ dl.html 84) プログラム：http://florida.mes.titech.ac.jp/ssoft/soft.html 85) オンラインソフト紹介：http://homepage1.nifty.com/sekken/ja_cat/soft.html

参考資料

雑踏事故件数および雑踏事故警備実施状況 明石市民夏祭り事故 - 監視カメラ関係記事 群集歩行軌跡 渋谷 新宿西口 新宿南口 NIH Image マクロプログラムソースコード Excel マクロプログラムソースコード mc マクロプログラムソースコード 相関分析結果 渋谷 - 群集のみ 渋谷 - 横断歩道 渋谷 - 全体 新宿西口 新宿南口 3F 新宿南口 2F

負傷者 紛争事案 負傷者

公営競技 雑踏事故

エスカレーター事故 死者

花火大会コンサートにおける事故 死者 負傷者 死傷者

死者 負傷者 内：大祭りに伴うもの 死者 負傷者

死者 負傷者 死傷者 内：山車、御輿等の運行に伴うもの

事故件数

雑踏事故

2

51 2

S43 36 3 176 179

S44 28 3 176 179

S45 25 0 113 113

S46

S46

30 0 146 146

S48

856.5

S48

11

上に含まれる

23 0 63 63

S47

S47 S49

18

30 0 160 160

S49

146,220 203.2

S45

公営競技場警備実施状況 入場者（千人） 出動警察官数（千人）

S44 591,660 671.6

S43

人出（千人） 出動警察官数（千人）

雑踏警備実施状況 S50 S51 S52 S53 S54 S55

19 0 115 115

S50

7 2

14 1 71 72

S51

4

0

/

S52

8

0

/

S53

9

0

/

S54

8

15 15

3

S55

144,560 138,430 136,700 132,630 131,180 128,720 196.6 198 192.8 181.6 195 198

604,140 601,630 620,190 609,190 620,740 610,490 704 701.9 705.2 670.5 746 666

S56

S57

7

53 53

8

S56

7

11 1 79 80

S57

124,840 118,640 187 176

648,060 629,643 711 700

S58

7

7 3 68

0

7

S58

109,177 166

625,795 678

参考資料

雑踏事故件数および雑踏事故警備実施状況（警察白書より）

負傷者 紛争事案 負傷者

公営競技 雑踏事故

エスカレーター事故 死者

花火大会コンサートにおける事故 死者 負傷者 死傷者

死者 負傷者 内：大祭りに伴うもの 死者 負傷者

死者 負傷者 死傷者 内：山車、御輿等の運行に伴うもの

事故件数

雑踏事故

7

7 3 68

0

7

S58

109,177 166

公営競技場警備実施状況 入場者（千人） 出動警察官数（千人）

S58

625,795 678

人出（千人） 出動警察官数（千人）

雑踏警備実施状況 S59 S60 S61 S62 S63

7

0

0

S59

6

13 13

2

S60

2

63 63

3

S61

2

23

1

2 3 21 24

S62

2

6 5 3 8 5

S63

102,770 102,208 103,728 103,428 110,693 167 201 208 173 168

746,910 759,620 727,057 723,884 707,885 858 1016 828 787 809

H1 H2 H3

2

2 52

5

16 5 68 73 14

H1

5

3 1 27

5

7 1 32 33 4

H2

115,168 121,769 146 137

H4

2

7

9

2 1 75

4

7 5 82 87 4

H4

4

52

6

5 7 1 1

15 6 59 65 8

H5

189,325 193,040 116 105

1

3

H5

585,320 741,980 515 585

1

4 7

9 4 27 31 7

H3

131,390 124

764,543 766,714 715,800 858 874 670

H6 H7

1

35

4

1 3 1 1

11 3 110 113 3

H6

14 3

2

17

2

3 5

6 3 22 25 4

H7

202,446 195,499 102 96

783,806 769,641 574 550

H8

H9

H10

5

44

2

3 17

16 4 63 67 12

H8

6

19

3

3 36

10 3 87 90 6

H9

3

6 40

13 6 49 55 11

H10

194,999 213,846 204,257 90 95 91

752,066 767,663 742,155 530 536 542

参考資料

雑踏事故件数および雑踏事故警備実施状況（警察白書より）

参考資料 明石市民夏祭り事故 - 監視カメラ関係記事

○監視カメラ中継 県警、常時監視せず 2001/07/27 明石市の将棋倒し事故で、現場の歩道橋近くに設置した監視カメラの映像が、兵庫県 警本部にも同時中継されていたことが二十七日、分かった。カメラの映像は明石署に中継 されていたが、活用していなかったとして問題になっており、県警明石署捜査本部は、担 当する県警地域部幹部からも事情を聴く方針。 県警地域部によると、県警本部には事故の起きた二十一日、 「神戸まつり」の警備本部 が置かれており、大小十一のモニターのうち、一つを明石市の花火大会会場の監視に使っ ていた。しかし、常時チェックする態勢は取っていなかったという。 同日午後八時二十分ごろから、歩道橋付近から一一〇番が相次ぎ、神戸まつり警備本 部は花火大会の映像を大型画面に切り替え、 明石署に状況把握を急ぐよう指示したという。 地域部は「花火大会は署主体の警備で、神戸まつりの警備本部が指揮する立場にはな かった」としている。

○監視カメラ 署長自らチェック 2001/07/25 明石市の将棋倒し事故で、現場の歩道橋近くに設けた監視カメラを明石署が有効活用 していなかった問題で、同署の永田裕署長が、事故当日の午後七時から発生時刻の午後八 時四十分ごろまで、自ら署内でモニターの前で映像をチェックしていたことが二十四日、 分かった。同日夜の定例会見で同署幹部が認めた。署長が監視に加わりながら、時間とと もに混雑が増す状況に対応せず、事故発生を防げなかったことで、さらに警察警備への批 判が強まりそうだ。 同署によると、カメラのモニターは署員が交代でチェック。午後四時半ごろからは五 人の署員による監視体制を取った。日没後、カメラの映像は歩道橋と国道付近を中心に監 視を続けた。 同署はこれまで、事故発生時にカメラが現場をとらえていたかは分からない、と説明 してきた。 この日の会見で同署幹部は、モニターに発生直後の歩道橋の状況が映っていたことを 認め、 「署長は午後八時四十分ごろ、 （歩道橋）南側の階段を機動隊が駆け上がるのを見て、 何かあったんじゃないかと判断し、署を出た。事故の詳細は、現場へ向かう途中に掌握し た」と語った。

参考資料 署長が現地警備本部ではなく、署に待機していた理由としては「管内の西方面で暴走 族が出る可能性があり、署で指揮を執ることにした」などとしている。

○将棋倒し事故 監視カメラ活用できず 明石署 2001/07/24 明石市の花火会場に通じる歩道橋で起きた将棋倒し事故で、会場警備に当たっていた 明石署が、事故現場のＪＲ朝霧駅前歩道橋近くのビル屋上に監視カメラを臨時に設置して いたことが二十四日、明らかになった。同署からの遠隔操作によって歩道橋の状況を含め、 周囲を署内で監視できたが、十分な活用がなされず対応遅れにつながった疑いがあり、あ らためて同署の警備体制のずさんさが浮き彫りになった。 同署の説明によるとカメラは、花火大会開催前の十九日、会場となった大蔵海岸全体 を見渡し、状況を把握するため、歩道橋の西数百メートルのビル屋上に設置。ズーム機能 と首振り機能を備え、同署一階で遠隔操作、二台のモニターを使って、署員が交代で常時 監視していた。録画機能はなかった。 一方、花火大会の会場には現地警備本部が置かれていたが、署内とひんぱんに連絡を 取り、警備を展開。歩道橋付近の雑踏状況についても、現地本部からモニターでのチェッ クを依頼。署内からは「モニターではよく分からない。様子を見に行ってほしい」などの やりとりがあった、という。 同署の警備については、警備会社の歩道橋への進入制限の要請を保留するなど、判断 の甘さに批判が高まっているが、同署は「カメラ設置は主に暴走族や期待族を監視する目 的。歩道橋を通る見物客まではよく見えなかった」と説明。しかし、永田裕署長は「十分 に活用できたとはいえず残念だ」としている。

○明石・花火大会将棋倒し事故 監視カメラ、県警本部７０人気付かず １１０番後に対 応 兵庫県明石市の花火大会で見物客多数が死傷した事故で、県警が現場付近に設置して いた監視カメラの映像がリアルタイムで県警本部（神戸市）にも送られ、地域部長ら約７ ０人が見ていたことが２７日、分かった。県警捜査本部は、警備や事前計画について、明 石署の対応を捜査。しかし、混雑状況を県警本部でも把握できたのに、適切な対応を取ら ないという重大な過失があった可能性が浮上した。 カメラは、花火大会での暴走族対策のため、明石署がＪＲ朝霧駅の西約２００メート ルの８階建てビルの屋上に設置していた。

参考資料 県警によると、事故があった２１日は、神戸市でも神戸まつりのメーン行事として花 火大会が開かれており、県警本部に設けた神戸まつりの警備本部で地域部長（警備本部長） ら約７０人が、九つあるモニター画面のうち八つの画面で神戸の花火大会を、一つの画面 で明石の花火大会をチェックしていた。メーンの大画面は、約３３万人の人出が予想され た神戸の花火大会を映し出していた。 ところが、午後８時２０分すぎから１１０番通報が相次ぎ、同４０分に明石からの映 像を大画面に切り替えた。１１０番があるまで、明石の現場付近での混雑には気付かな かった、という。 県警地域課は「指揮室で見ていたモニター画面は静止画に近いもの（で動きがよく分 からなかった）。明石で何かあったと午後８時４０分ごろ通信指令から連絡があったので、 すぐに大きなモニターに切り替え、地域部長以下が情報収集に当たった」と話している。 ◇市長への連絡 発生から５０分後 この事故で、岡田進裕市長が事故の連絡を受けたのは発生から５０分後の２１日午後 ９時半ごろだったことが２７日分かった。当時、市長は自宅にいたが、約１・５キロ離れ た市役所まで徒歩で向かったため、到着したのは事故発生から１時間２０分後だった。現 場にいた職員が事故に気づきながら連絡が大幅に遅れており、トップを含めた同市の危機 意識の甘さが問われそうだ。市は当初、市長への連絡は発生直後の午後８時４０分ごろ、 登庁は約１５分後と説明していた。 【鵜塚健】 （毎日新聞２００１年７月２７日大阪夕刊から）

参考資料

X 10,000

5,000

Y

Y

10,000

10,000

5,000

5,000

0

X 10,000

渋谷 002-UP

X 10,000

5,000

渋谷 003-UP

5,000

0

渋谷 002-DOWN

0

Y

Y

10,000

10,000

5,000

5,000

X 10,000

5,000

0

渋谷 003-DOWN

渋谷歩行軌跡

参考資料

X 10,000

5,000

渋谷 005-UP

0

Y

Y

10,000

10,000

5,000

5,000

X 10,000

5,000

0

渋谷 005-DOWN

渋谷歩行軌跡

参考資料

X 10,000

5,000

Y 10,000

Y 10,000

5,000

5,000

0

X 10,000

ShinjukuW[1]-UP

X 10,000

5,000

ShinjukuW[1]-DOWN

Y 10,000

Y 10,000

5,000

5,000

0

X 10,000

ShinjukuW[2]-UP

X 10,000

5,000

ShinjukuW[3]-UP

0

5,000

0

5,000

ShinjukuW[2]-DOWN

0

Y 10,000

Y 10,000

5,000

5,000

X 10,000

0

5,000

ShinjukuW[3]-DOWN

新宿西口歩行軌跡

参考資料

X 10,000

5,000

Y 10,000

Y 10,000

5,000

5,000

0

X 10,000

ShinjukuW[4]-UP

X 10,000

5,000

Y 10,000

Y 10,000

5,000

5,000

0

X 10,000

ShinjukuW[5]-UP

X 10,000

5,000

ShinjukuW[6]-UP

0

5,000

ShinjukuW[4]-DOWN

0

5,000

ShinjukuW[5]-DOWN

0

Y 10,000

Y 10,000

5,000

5,000

X 10,000

0

5,000

ShinjukuW[6]-DOWN

新宿西口歩行軌跡

参考資料

X 10,000

5,000

ShinjukuW[7]-UP

0

Y 10,000

Y 10,000

5,000

5,000

X 10,000

0

5,000

ShinjukuW[7]-DOWN

新宿西口歩行軌跡

参考資料

X

10,000

5,000

Y

Y

20,000

20,000

15,000

15,000

10,000

10,000

5,000

5,000

0

X

ShinjukuS[1]-UP

10,000

0

5,000

ShinjukuS[1]-DOWN Y Y

20,000 20,000

15,000 15,000

10,000 10,000

5,000 5,000

X

10,000

5,000

0 X

ShinjukuS[2]-UP

10,000

0

5,000

ShinjukuS[2]-DOWN

Y Y

20,000 20,000

15,000 15,000

10,000 10,000

5,000 5,000

X

10,000

5,000

0 X

ShinjukuS[3]-UP

10,000

0

5,000

ShinjukuS[3]-DOWN 新宿南口歩行軌跡

参考資料

X

10,000

5,000

Y

Y

20,000

20,000

15,000

15,000

10,000

10,000

5,000

5,000

0

X

ShinjukuS[4]-UP

X

10,000

5,000

10,000

0

5,000

ShinjukuS[4]-DOWN

Y

Y

20,000

20,000

15,000

15,000

10,000

10,000

5,000

5,000

0

X

ShinjukuS[5]-UP

10,000

0

5,000

ShinjukuS[5]-DOWN

Y

Y

20,000

20,000

15,000

15,000

10,000

10,000

5,000

X

10,000

5,000

ShinjukuS[6]-UP

0

5,000

X

10,000

0

5,000

ShinjukuS[6]-DOWN 新宿南口歩行軌跡

参考資料

X

10,000

5,000

Y

Y

20,000

20,000

15,000

15,000

10,000

10,000

5,000

5,000

0

X

ShinjukuS[7]-UP

X

10,000

5,000

ShinjukuS[8]-UP

10,000

0

5,000

ShinjukuS[7]-DOWN

0

Y

Y

20,000

20,000

15,000

15,000

10,000

10,000

5,000

5,000

X

10,000

0

5,000

ShinjukuS[8]-DOWN

新宿南口歩行軌跡

参考資料 NIH Image マクロプログラムソースコード

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67

{ Kuzu’s Macros for NIH Image Macros for KUZU’s master’s thesis. Written by TOMOYOSHI Kuzushima. This file contains macros that work with stacks. }

procedure CheckForStack; begin if nPics=0 then begin PutMessage(‘This macro requires a stack.’); exit; end; if nSlices=0 then begin PutMessage(‘This window is not a stack.’); exit end; end;

procedure Windows2Stack; {Like the menu command of the same name} var width,height,n,i,Stack:integer; begin if nPics<=1 then begin PutMessage(‘At least two images must be open.’); exit; end; n:=nPics; GetPicSize(width,height); SetNewSize(width,height); MakeNewStack(‘Stack’); Stack:=PidNumber; for i:=1 to n do begin SelectPic(1); SelectAll; Copy; Dispose; SelectPic(Stack); Paste; if i<>n then AddSlice; end; KillRoi; SelectSlice(1); end;

macro ‘x_x Kuzu Macros’; var i:integer; begin i:=0; end; macro ‘(-’ begin end;

macro ‘Make Mosaic’; var n:integer; begin SaveState; n:=GetNumber(‘Cell Size(pixels square):’,8); Duplicate(‘Mosaic’); SetScaling(‘Nearest; Same Window’); ScaleSelection(1/n,1/n);

NIH Image マクロプログラムソースコード

参考資料 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139

RestoreRoi; ScaleSelection(n,n); RestoreState; end;

macro ‘Make Binary Manual [1]’; {This macro can set up personally Threshold value.} var i,n:integer; begin CheckForStack; n:=trunc(GetNumber(‘Thresholding Value’,0,0)); for i:=1 to nSlices do begin SelectSlice(i); SetThreshold(n); MakeBinary; end; end;

macro ‘Make Binary Auto’; {This macro can set up automatically Threshold value.} var i:integer; begin CheckForStack; for i:=1 to nSlices do begin SelectSlice(i); AutoThreshold; MakeBinary; end; end;

macro ‘Export Slices to Text [2]’; {This macro export slices to Text files.} var i,stack:integer; begin CheckForStack; stack:=PidNumber; for i:=1 to nSlices do begin SelectPic(stack); SelectSlice(i); Duplicate(‘Frame.’,i:3); SetExport(‘Text’); Export; Dispose; end; Dispose; end;

macro ‘Thres and Export’; var i,n:integer; stackname:string; begin CheckForStack; stackname:=WindowTitle; n:=trunc(GetNumber(‘Thresholding Value’,0,0)); for i:=1 to nSlices do begin SelectSlice(i); SetThreshold(n); MakeBinary; end; AverageSlices; SetPicName(concat(stackname,’-T’,n));

NIH Image マクロプログラムソースコード

参考資料 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211

SetExport(‘Text’); Export; Disposeall; end;

macro ‘(-’ begin end;

macro ‘Save Slices to Tiff [4]’; {This macro export slices to Tiff files.} var i,stack:integer; begin CheckForStack; stack:=PidNumber; for i:=1 to nSlices do begin SelectPic(stack); SelectSlice(i); Duplicate(‘Frame.’,i:3); SetSaveAs(‘TIFF’); SaveAs; Dispose; end; Dispose; end;

macro ‘Save Slices to Pict [5]’; {This macro export slices to Pict files.} var i,stack:integer; begin CheckForStack; stack:=PidNumber; for i:=1 to nSlices do begin SelectPic(stack); SelectSlice(i); Duplicate(‘Frame.’,i:3); SetSaveAs(‘Pict’); SaveAs; Dispose; end; Dispose; end;

macro ‘(-’ begin end;

macro ‘Import Text to Tiff’; {This macro import Text files to Tiff files.} var i,nFiles:integer; begin nFiles:=GetNumber(‘Number of files:’,30); SetImport(‘Text’); for i:=1 to nFiles do begin Import(‘Frame.’,i:3); end; Windows2Stack; end;

macro ‘Stack Analyze for one file’; {This macro removes environmental cells from the rate file directly.} var i,stack,bfile,white,black,bsum:integer; tab,stackname:string; begin

NIH Image マクロプログラムソースコード

参考資料 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283

CheckForStack; tab:=chr(9); stack:=PidNumber; stackname:=WindowTitle; PutMessage(‘ÇQílâªçœÇ›ÇÃÉXÉ^ÉbÉNÇ≈Ç∑ÇÊÇÀ’); AverageSlices; bfile:=PidNumber; Duplicate(‘color0’); SetThreshold(2); MakeBinary; Measure; white:=histogram[0]; Dispose; SelectPic(bfile); SetThreshold(254); MakeBinary; Measure; black:=histogram[255]; SelectPic(stack); for i:=1 to nSlices do begin SelectPic(stack); SelectSlice(i); ImageMath(‘sub’,stack,bfile,1,0,concat(‘Result’,i:3)); end; SelectPic(bfile); Dispose; SelectPic(stack); Dispose; Windows2Stack; NewTextWindow(concat(stackname, ‘-Counts’), 180, 600); MoveWindow(500,50); for i:=1 to nSlices do begin SelectSlice(i); AutoThreshold; MakeBinary; Measure; writeln(i:3,tab,histogram[255]:7); bsum:=bsum+histogram[255] end; writeln(‘All’,tab,bsum:7); writeln(‘Black’,tab,black:7); writeln(‘White’,tab,white:7); ResetCounter; end;

macro ‘Stack Analyze Files [0]’; {This macro export rate files for every threshold from Stack directly.} var i,n,t,stack,bfile,white,black,bsum,min,max,every,TextPosX:integer; tab,stackname:string; begin tab:=chr(9); TextPosX:=150; t:=trunc(GetNumber(‘Thresholding Value From:’,50,0)); max:=trunc(GetNumber(‘Thresholding Value To:’,200,0)); every:=trunc(GetNumber(‘Thresholding Value Every:’,10,0)); while t<= max do begin open(‘’); CheckForStack; stack:=PidNumber; stackname:=WindowTitle; for i:=1 to nSlices do begin

NIH Image マクロプログラムソースコード

参考資料 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355

SelectSlice(i); SetThreshold(t); MakeBinary; end; AverageSlices; bfile:=PidNumber; Duplicate(‘color0’); SetThreshold(2); MakeBinary; Measure; white:=histogram[0]; Dispose; SelectPic(bfile); SetThreshold(254); MakeBinary; Measure; black:=histogram[255]; SelectPic(stack); for i:=1 to nSlices do begin SelectPic(stack); SelectSlice(i); ImageMath(‘sub’,stack,bfile,1,0,concat(‘Result’,i:3)); end; SelectPic(bfile); Dispose; SelectPic(stack); Dispose; Windows2Stack; stack:=PidNumber; NewTextWindow(concat(‘T=’,t,’-Counts’), 180, 600); MoveWindow(TextPosX,100); writeln(‘T’,tab,t:3); for i:=1 to nSlices do begin SelectSlice(i); AutoThreshold; MakeBinary; Measure; writeln(i:3,tab,histogram[255]:7); bsum:=bsum+histogram[255] end; writeln(‘All’,tab,bsum:7); writeln(‘Black’,tab,black:7); writeln(‘White’,tab,white:7); bsum:=0; t:=t+every; TextPosX:=TextPosX+30; ResetCounter; SelectPic(stack); Dispose; if KeyDown(‘option’) then exit; end; end;

macro ‘Remove envitonment cells ver.3 [7]’; {This macro removes environmental cells from the rate file directly.} var i,stack,bfile,white,black:integer; tab:string; begin CheckForStack; tab:=chr(9); stack:=PidNumber; PutMessage(‘ÇQílâªçœÇ›ÇÃÉXÉ^ÉbÉNÇ≈Ç∑ÇÊÇÀ’); AverageSlices; bfile:=PidNumber;

NIH Image マクロプログラムソースコード

参考資料 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427

Duplicate(‘color0’); SetThreshold(2); MakeBinary; Measure; white:=histogram[0]; Dispose; SelectPic(bfile); SetThreshold(254); MakeBinary; Measure; black:=histogram[255]; NewTextWindow(‘B&W-Counts’, 130, 100); MoveWindow(50,500); writeln(‘Color’,tab,’Count’); writeln(‘Black’,tab,black); writeln(‘White’,tab,white); SelectPic(stack); for i:=1 to nSlices do begin SelectPic(stack); SelectSlice(i); ImageMath(‘sub’,stack,bfile,1,0,concat(‘Result’,i:3)); end; SelectPic(bfile); Dispose; SelectPic(stack); Dispose; Windows2Stack; end;

macro ‘Count Black Cells [8]’; {This macro can count black cells and export Text data.} var i,black:integer; tab:string; begin CheckForStack; PutMessage(‘ÇQílâªçœÇ›ÇÃÉXÉ^ÉbÉNÇ≈Ç∑ÇÊÇÀ’); tab:=chr(9); NewTextWindow(concat(WindowTitle, ‘-Counts’), 180, 600); writeln(‘Frame’,tab,’Count’); MoveWindow(500,50); for i:=1 to nSlices do begin SelectSlice(i); AutoThreshold; MakeBinary; Measure; writeln(i:3,tab,histogram[255]:7); black:=black+histogram[255] end; writeln(‘All’,tab,black:7); end;

macro ‘(-’ begin end;

macro ‘Windows to Stack’; {Like the menu command of the same name} var width,height,n,i,Stack:integer; begin if nPics<=1 then begin PutMessage(‘At least two images must be open.’); exit; end; n:=nPics;

NIH Image マクロプログラムソースコード

参考資料 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499

GetPicSize(width,height); SetNewSize(width,height); MakeNewStack(‘Stack’); Stack:=PidNumber; for i:=1 to n do begin SelectPic(1); SelectAll; Copy; Dispose; SelectPic(Stack); Paste; if i<>n then AddSlice; end; KillRoi; SelectSlice(1); end;

macro ‘Close All Files Pics’; {This macro can close all files without a check.} var i:integer; begin for i:=1 to nPics do begin Dispose; end; end;

macro ‘Close All Files with Text Windows’; {This macro can close all files without a check.} var i:integer; begin for i:=1 to 30 do begin Dispose; end; end;

macro ‘DisposeAll [9]’; {This macro can close all files without a check.} begin DisposeAll; end;

macro ‘(-’ begin end; macro ‘(-’ begin end;

macro ‘Check B&W’; {This macro count the number of the cells which do not change all the time.} var stack,black,white:integer; tab:string; begin tab:=chr(9); stack:=PidNumber; CheckForStack; PutMessage(‘ÇQílâªçœÇ›ÇÃÉXÉ^ÉbÉNÇ≈Ç∑ÇÊÇÀ’); Duplicate(‘color254’); SetThreshold(254); MakeBinary; Measure; black:=histogram[255]; Dispose;

NIH Image マクロプログラムソースコード

参考資料 500 501 502 503 504 505 506 507 508 509 510 511 512 513

SelectPic(stack); Duplicate(‘color0’); SetThreshold(2); MakeBinary; Measure; white:=histogram[0]; Dispose; NewTextWindow(‘B&W-Counts’, 130, 100); MoveWindow(50,500); writeln(‘Color’,tab,’Count’); writeln(‘Black’,tab,black); writeln(‘White’,tab,white); end;

NIH Image マクロプログラムソースコード

参考資料 Excel VBA マクロプログラムソースコード

インベーションパーコレーション用 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63

Option Explicit Dim timck Dim sck, testck As Integer Dim sheet_name As Object Dim Pacoi(1 To 1000), Perimeteri(1 To 1000), Pacoalli As Integer Dim DataSN, AddSheetName As String Dim InveCount As Integer Dim Minimum As Single Dim minlimit, maxlimit As Single Dim min(1 To 1000) As Integer Dim i, j, t As Integer Dim mi, mj As Integer Dim Seedi(1 To 1000), Seedj(1 To 1000) As Integer Dim ClusterStep, MaxStep As Integer Dim r, r1, r2, Matchr As Integer Dim ClustGN As Integer Dim Clustlsij, Clustlsjj, PerisiteValuej, Perisiteij, Perisitejj As Integer Dim Area As Range Dim lastRow, addRow As Integer '"InvasionTemp" シート上で 'pacoi：パーコレーションリストの行数 'perimeteri：隣接サイトリストの行数 'clusterStep:クラスターのステップ番号 Sub インベパーコレーション() ' テストなら 0 , 本番なら 1 testck = 1 ' 最小限界値を設定 minlimit = 0.333 maxlimit = 0.667 MaxStep = 100 DataSN = ActiveSheet.Name timck = Timer If testck = 1 Then Application.ScreenUpdating = 0 ' '"InvasionSheet" シートをつくる ' 結果表示用 AddSheetName = "InvasionSheet" sck = 0 For Each sheet_name In Worksheets If sheet_name.Name = (AddSheetName) Then sck = 1 Exit For End If Next ' If sck = 0 Then Sheets.Add.Name = AddSheetName Else MsgBox " シート名が重複します ", vbCritical, " エラーです " Exit Sub End If ' '"InvasionTemp" シートをつくる ' マクロ処理用 AddSheetName = "InvasionTemp" sck = 0 For Each sheet_name In Worksheets

Excel マクロプログラムソースコード

参考資料 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135

If sheet_name.Name = (AddSheetName) Then sck = 1 Exit For End If Next ' If sck = 0 Then Sheets.Add.Name = AddSheetName Else MsgBox " シート名が重複します ", vbCritical, " エラーです " Exit Sub End If End If Sheets(DataSN).Activate ' データのサイズを定義(mi,mj)行列 Cells(1, 1).Select Selection.End(xlDown).Select mi = ActiveCell.Row Cells(1, 1).Select Selection.End(xlToRight).Select mj = ActiveCell.Column ' とりあえず 0 を書き込む Sheets("InvasionSheet").Activate Range(Cells(1, 1), Cells(mi, mj)) = 0 ' 初期設定 ClusterStep = 1 Pacoalli = 1 For ClustGN = 1 To 1000 Pacoi(ClustGN) = 1 Perimeteri(ClustGN) = 1 Next ' 最小値を探す Minimum Sheets(DataSN).Activate Minimum = 1 For i = 1 To mi For j = 1 To mj If Cells(i, j) > minlimit Then If Minimum > Cells(i, j) Then Minimum = Cells(i, j) End If End If Next Next 'MsgBox " 最小値は " & Minimum & " です。" ' 最小値のセルをリストアップします t = 0 For i = 1 To mi For j = 1 To mj If Cells(i, j) = Minimum Then t = t + 1 Seedi(t) = i Seedj(t) = j End If Next Next For ClustGN = 1 To t ' 各リスト列数の初期設定 Call 各リスト列数の初期設定 ' インベーション＆クラスターリストに記入 Call インベーションしてクラスターリストに記入 Pacoi(ClustGN) = Pacoi(ClustGN) + 1 ' 全クラスターリストに記入 Call 全クラスターリストに記入

Excel マクロプログラムソースコード

参考資料 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207

Pacoalli = Pacoalli + 1 ' 隣接サイトをリストアップ Sheets("InvasionTemp").Activate Call 隣接サイトをリストアップ ' 隣接サイトリストからクラスターリストの重複を削除 Call 隣接サイトリストからクラスターリストの重複を削除 ClusterStep = ClusterStep + 1 Next 'For InveCount = 1 To 6 Do While ClusterStep < MaxStep For ClustGN = 1 To t ' 各リスト列数の初期設定 Call 各リスト列数の初期設定 ' クラスターグループが空かチェック ' 空なら次のグループへ If Cells(1, Clustlsij) = "" Then GoTo 次のグループへ End If Sheets("InvasionTemp").Activate ' クラスターリストの最終行をゲット Cells(15000, Clustlsij).Select Selection.End(xlUp).Select Pacoi(ClustGN) = ActiveCell.Row Pacoi(ClustGN) = Pacoi(ClustGN) + 1 ' 全クラスターリストの最終行をゲット Cells(15000, 1).Select Selection.End(xlUp).Select Pacoalli = ActiveCell.Row Pacoalli = Pacoalli + 1 ' 隣接サイトリストの最終行をゲット Cells(1, Perisiteij).Select Selection.End(xlDown).Select Perimeteri(ClustGN) = ActiveCell.Row Perimeteri(ClustGN) = Perimeteri(ClustGN) + 1 ' 最小値を探す Set Area = Union(Columns(PerisiteValuej), Columns(Perisiteij), Columns(Perisitejj)) Area.Select Selection.Sort Key1:=Cells(1, PerisiteValuej) ' 最小値が範囲内 (minlimit< <maxlimit) か r = 1 Do Until Cells(r, PerisiteValuej) = "" If Cells(r, PerisiteValuej) > minlimit Then If Cells(r, PerisiteValuej) < maxlimit Then Seedi(ClustGN) = Cells(r, Perisiteij) Seedj(ClustGN) = Cells(r, Perisitejj) Exit Do Else GoTo 次のグループへ End If Else If Cells(r + 1, PerisiteValuej) = "" Then GoTo 次のグループへ End If End If r = r + 1 Loop

' インベーション＆クラスターリストに記入 Call インベーションしてクラスターリストに記入

Excel マクロプログラムソースコード

参考資料 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279

' 全クラスターリストに記入 Call 全クラスターリストに記入 ' 隣接サイトリストから１行消去 Sheets("InvasionTemp").Range(Cells(1, PerisiteValuej), Cells(1, Perisitejj)).Select Selection.Delete shift:=xlUp ' 隣接サイトリストの最終行をゲット Cells(1, Perisiteij).Select Selection.End(xlDown).Select Perimeteri(ClustGN) = ActiveCell.Row Perimeteri(ClustGN) = Perimeteri(ClustGN) + 1 ' 隣接サイトをリストアップ Call 隣接サイトをリストアップ ' 隣接サイトリストで重複を削除 r = 1 Set Area = Union(Columns(PerisiteValuej), Columns(Perisiteij), Columns(Perisitejj)) Area.Select Selection.Sort Key1:=Cells(1, Perisiteij), Key2:=Cells(1, Perisitejj) With ActiveWorkbook.Sheets("InvasionTemp") Do Until Cells(r, Perisiteij) = "" If .Cells(r, Perisiteij).Value = .Cells(r + 1, Perisiteij).Value Then If .Cells(r, Perisitejj).Value = .Cells(r + 1, Perisitejj).Value Then Range(Cells(r, PerisiteValuej), Cells(r, Perisitejj)).Select Selection.Delete shift:=xlUp r = r - 1 End If End If r = r + 1 Loop End With ' 隣接サイトリストからクラスターリストの重複を削除 Call 隣接サイトリストからクラスターリストの重複を削除 ClusterStep = ClusterStep + 1 次のグループへ: Next Loop 'Next 'MsgBox " おめでとー ＼(^O^)／ ちんぷんかんぷん " For i = 1 To 3 Beep Next i MsgBox Timer - timck & " 秒かかりました。" FinishForm.Show End Sub Private Sub 各リスト列数の初期設定() Clustlsij = 5 * ClustGN + 6 Clustlsjj = 5 * ClustGN + 7 PerisiteValuej = 5 * ClustGN + 8 Perisiteij = 5 * ClustGN + 9 Perisitejj = 5 * ClustGN + 10

'5 クラスターリスト 行 '6 クラスターリスト 列 '7 隣接サイトリスト サイトの値 '8 隣接サイトリスト 行 '9 隣接サイトリスト 列

End Sub Private Sub 隣接サイトをリストアップ() With ActiveWorkbook.Sheets(DataSN) If Not Seedi(ClustGN) = 1 Then i = Seedi(ClustGN) - 1 j = Seedj(ClustGN) Call チェック Cells(Perimeteri(ClustGN), PerisiteValuej).Value = .Cells(Seedi(ClustGN) - 1, Seedj

Excel マクロプログラムソースコード

参考資料 (ClustGN)).Value 280 Cells(Perimeteri(ClustGN), Perisiteij) = Seedi(ClustGN) - 1 281 Cells(Perimeteri(ClustGN), Perisitejj) = Seedj(ClustGN) 282 Perimeteri(ClustGN) = Perimeteri(ClustGN) + 1 283 End If 284 If Not Seedi(ClustGN) = mi Then 285 i = Seedi(ClustGN) + 1 286 j = Seedj(ClustGN) 287 Call チェック 288 Cells(Perimeteri(ClustGN), PerisiteValuej).Value = .Cells(Seedi(ClustGN) + 1, Seedj (ClustGN)).Value 289 Cells(Perimeteri(ClustGN), Perisiteij) = Seedi(ClustGN) + 1 290 Cells(Perimeteri(ClustGN), Perisitejj) = Seedj(ClustGN) 291 Perimeteri(ClustGN) = Perimeteri(ClustGN) + 1 292 End If 293 If Not Seedj(ClustGN) = 1 Then 294 i = Seedi(ClustGN) 295 j = Seedj(ClustGN) - 1 296 Call チェック 297 Cells(Perimeteri(ClustGN), PerisiteValuej).Value = .Cells(Seedi(ClustGN), Seedj(ClustGN) 1).Value 298 Cells(Perimeteri(ClustGN), Perisiteij) = Seedi(ClustGN) 299 Cells(Perimeteri(ClustGN), Perisitejj) = Seedj(ClustGN) - 1 300 Perimeteri(ClustGN) = Perimeteri(ClustGN) + 1 301 End If 302 If Not Seedj(ClustGN) = mj Then 303 i = Seedi(ClustGN) 304 j = Seedj(ClustGN) + 1 305 Call チェック 306 Cells(Perimeteri(ClustGN), PerisiteValuej).Value = .Cells(Seedi(ClustGN), Seedj(ClustGN) + 1).Value 307 Cells(Perimeteri(ClustGN), Perisiteij) = Seedi(ClustGN) 308 Cells(Perimeteri(ClustGN), Perisitejj) = Seedj(ClustGN) + 1 309 Perimeteri(ClustGN) = Perimeteri(ClustGN) + 1 310 End If 311 End With 312 313 End Sub 314 Private Sub チェック() 315 Dim MatchGN As Integer 316 Dim 今のシート As String 317 r = 1 318 今のシート = ActiveSheet.Name 319 ActiveWorkbook.Sheets("InvasionTemp").Activate 320 Do Until Cells(r, 1) = "" 321 If Not Cells(r, 5) = ClustGN Then 322 If Cells(r, 3) = i Then 323 If Cells(r, 4) = j Then 324 MatchGN = Cells(r, 5) 325 'MsgBox MatchGN & " と重複かよ！！ " 326 327 'MatchGN が空の場合 328 If Cells(1, 5 * MatchGN + 6) = "" Then 329 Stop 330 'Exit Do 331 End If 332 333 Cells(15000, 5 * MatchGN + 6).Select 334 Selection.End(xlUp).Select 335 addRow = ActiveCell.Row 336 Cells(15000, Clustlsij).Select 337 Selection.End(xlUp).Select 338 lastRow = ActiveCell.Row 339 340 Range(Cells(1, 5 * MatchGN + 6), Cells(addRow, 5 * MatchGN + 7)).Select 341 Selection.Copy 342 Cells(lastRow + 1, Clustlsij).Select 343 ActiveSheet.Paste 344 345 Cells(15000, 5 * MatchGN + 8).Select 346 Selection.End(xlUp).Select 347 addRow = ActiveCell.Row

Excel マクロプログラムソースコード

参考資料 348 Cells(15000, PerisiteValuej).Select 349 Selection.End(xlUp).Select 350 lastRow = ActiveCell.Row 351 352 Range(Cells(1, 5 * MatchGN + 8), Cells(addRow, 5 * MatchGN + 10)).Select 353 Selection.Copy 354 Cells(lastRow + 1, PerisiteValuej).Select 355 ActiveSheet.Paste 356 357 ' 全クラスターリストで所属グループを変更 358 r1 = 1 359 Do Until Cells(r1, Clustlsij) = "" 360 r2 = 1 361 Do Until Cells(r2, 3) = "" 362 If Cells(r2, 3) = Cells(r1, Clustlsij) Then 363 If Cells(r2, 4) = Cells(r1, Clustlsjj) Then 364 Cells(r2, 5) = ClustGN 365 End If 366 End If 367 r2 = r2 + 1 368 Loop 369 r1 = r1 + 1 370 Loop 371 372 Set Area = Union(Columns(5 * MatchGN + 6), Columns(5 * MatchGN + 7), Columns(5 * MatchGN + 8), Columns(5 * MatchGN + 9), Columns(5 * MatchGN + 10)) 373 Area.Select 374 Selection.ClearContents 375 376 Cells(15000, PerisiteValuej).Select 377 Selection.End(xlUp).Select 378 Perimeteri(ClustGN) = ActiveCell.Row 379 Perimeteri(ClustGN) = Perimeteri(ClustGN) + 1 380 381 ' Stop 382 383 Exit Do 384 End If 385 End If 386 End If 387 r = r + 1 388 Loop 389 ActiveWorkbook.Sheets(今のシート).Activate 390 391 End Sub 392 393 Private Sub 全クラスターリストに記入() 394 395 Sheets("InvasionTemp").Cells(Pacoalli, 1) = ClusterStep 396 Sheets("InvasionTemp").Cells(Pacoalli, 2) = Sheets(DataSN).Cells(Seedi(ClustGN), Seedj(ClustGN)) 397 Sheets("InvasionTemp").Cells(Pacoalli, 3) = Seedi(ClustGN) 398 Sheets("InvasionTemp").Cells(Pacoalli, 4) = Seedj(ClustGN) 399 Sheets("InvasionTemp").Cells(Pacoalli, 5) = ClustGN 400 401 End Sub 402 403 Private Sub インベーションしてクラスターリストに記入() 404 405 If Not Sheets("InvasionSheet").Cells(Seedi(ClustGN), Seedj(ClustGN)) = 0 Then 406 MsgBox " かぶっちゃってるよ！！ " 407 End If 408 409 Sheets("InvasionSheet").Cells(Seedi(ClustGN), Seedj(ClustGN)) = ClusterStep 410 With Sheets("InvasionSheet").Cells(Seedi(ClustGN), Seedj(ClustGN)) 411 .Interior.ColorIndex = 16 412 .Interior.Pattern = xlSolid 413 .Font.ColorIndex = 2 414 End With 415 Sheets("InvasionTemp").Cells(Pacoi(ClustGN), Clustlsij) = Seedi(ClustGN) 416 Sheets("InvasionTemp").Cells(Pacoi(ClustGN), Clustlsjj) = Seedj(ClustGN) 417 418 End Sub

Excel マクロプログラムソースコード

参考資料 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490

Private Sub 隣接サイトリストからクラスターリストの重複を削除() Set Area = Union(Columns(PerisiteValuej), Columns(Perisiteij), Columns(Perisitejj)) Area.Select Selection.Sort Key1:=Cells(1, PerisiteValuej) r1 = 1 Do Until Cells(r1, Clustlsij) = "" r2 = 1 Do Until Cells(r2, Perisiteij) = "" If Cells(r2, Perisiteij) = Cells(r1, Clustlsij) Then If Cells(r2, Perisitejj) = Cells(r1, Clustlsjj) Then Range(Cells(r2, PerisiteValuej), Cells(r2, Perisitejj)).Select Selection.Delete shift:=xlUp r2 = r2 - 1 End If End If r2 = r2 + 1 Loop r1 = r1 + 1 Loop End Sub Private Sub FinishFormMacro() Dim pic, delay As Integer pic = Int(Rnd() * 3) + 1 If pic = 1 Then RandFinishForm.Image1.Visible = 1 End If If pic = 2 Then RandFinishForm.Image2.Visible = 1 End If If pic = 3 Then RandFinishForm.Image3.Visible = 1 End If RandFinishForm.Show End Sub Private Sub 全隣接サイトリストへ記入() If Cells(2, 7) = "" Then lastRow = 0 Else Cells(15000, 7).Select Selection.End(xlUp).Select lastRow = ActiveCell.Row End If Range(Cells(1, Perisiteij), Cells(Perimeteri(ClustGN), Perisitejj)).Select Selection.Copy Cells(lastRow + 1, 7).Select ActiveSheet.Paste Stop End Sub Private Sub 全隣接サイトリストで重複を削除() ' 全隣接サイトリストで重複を削除 r = 1 Columns("G:I").Select Selection.Sort Key1:=Cells(1, 7), Key2:=Cells(1, 8) With ActiveWorkbook.Sheets("InvasionTemp") Do Until Cells(r, 7) = "" If .Cells(r, 7).Value = .Cells(r + 1, 7).Value Then If .Cells(r, 8).Value = .Cells(r + 1, 8).Value Then Range(Cells(r, 7), Cells(r, 9)).Select

Excel マクロプログラムソースコード

参考資料 491 492 493 494 495 496 497 498 499

Selection.Delete shift:=xlUp r = r - 1 End If End If r = r + 1 Loop End With End Sub

クラスター解析用 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57

Sub MakeCluster() ' ' MakeCluster Macro ' 0 と 1 の行列からクラスターを計測します ' Application.ScreenUpdating = 0 'i が行↓ j が列→ Dim i As Integer, j As Integer 'c はクラスター番号 Dim c As Integer ' データは mi 行 mj 列 Dim mi As Integer, mj As Integer 'datas は元のデータシートのなまえ 'ress は結果表示シートの名前 Dim datas As String, ress As String 't joinS joinL は重複クラスター接続メモ用 Dim t As Integer, joinS As Integer, joinL As Integer

' 結果表示用シートを挿入 datas = ActiveSheet.Name sck = 0 For Each sheet_name In Worksheets If sheet_name.Name = (datas & " cluster") Then sck = 1 Exit For End If Next ' If sck = 0 Then Sheets.Add.Name = datas & " cluster" Else MsgBox " シート名が重複します ", vbCritical, " エラーです " Exit Sub End If ress = ActiveSheet.Name ' クラスター接続メモ用のシートをつくる sck2 = 0 For Each sheet_name In Worksheets If sheet_name.Name = "TemporarySheet" Then sck2 = 1 Exit For End If Next If sck2 = 0 Then Sheets.Add.Name = "TemporarySheet" End If Sheets("TemporarySheet").Activate Cells.Select Selection.Clear

Excel マクロプログラムソースコード

参考資料 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129

' データのサイズを定義(mi,mj)行列 Sheets(datas).Activate Cells(1, 1).Select Selection.End(xlDown).Select mi = ActiveCell.Row Cells(1, 1).Select Selection.End(xlToRight).Select mj = ActiveCell.Column

' 初期設定 i = 1 j = 1 c = 1 t = 1 Sheets(datas).Activate

' ■ 1 行目用 For j = 1 To mj Sheets(datas).Activate '1 列目用 If j = 1 Then ' 自分自身が 1 のとき If Cells(i, j) = 1 Then ActiveWorkbook.Sheets(ress).Cells(i, j) = c c = c + 1 ' 自分自身が 0 のとき Else ActiveWorkbook.Sheets(ress).Cells(i, j) = "0" End If ' 2 列目以降用 Else ' 自分自身が 1 のとき If Cells(i, j) = 1 Then With ActiveWorkbook.Sheets(ress) ' 左 0 の時 新しい番号 If .Cells(i, j - 1) = 0 Then .Cells(i, j) = c c = c + 1 ' 左 1 の時 左と同じ番号 Else .Cells(i, j) = .Cells(i, j - 1) End If End With ' 自分自身が 0 のとき Else ActiveWorkbook.Sheets(ress).Cells(i, j) = "0" End If End If Next ' ■ 2 行目以降用 For i = 2 To mi For j = 1 To mj Sheets(datas).Activate '1 列目用 If j = 1 Then ' 自分自身が 1 のとき If Cells(i, j) = 1 Then With ActiveWorkbook.Sheets(ress) ' 上 0 の時 新しい番号 If .Cells(i - 1, j) = 0 Then .Cells(i, j) = c c = c + 1 ' 上 1 の時 上と同じ番号

Excel マクロプログラムソースコード

参考資料 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201

Else .Cells(i, j) = .Cells(i - 1, j) End If ' 自分自身が 0 のとき End With Else ActiveWorkbook.Sheets(ress).Cells(i, j) = "0" End If ' 2 列目以降用 Else ' 自分自身が 1 のとき If Cells(i, j) = 1 Then With ActiveWorkbook.Sheets(ress) ' 左 0 上 0 の時 新しい番号 If .Cells(i, j - 1) = 0 Then If .Cells(i - 1, j) = 0 Then .Cells(i, j) = c c = c + 1 ' 左 0 上 1 の時 上と同じ番号 Else .Cells(i, j) = .Cells(i - 1, j) End If ' 左 1 上 0 の時 左と同じ番号 Else If .Cells(i - 1, j) = 0 Then .Cells(i, j) = .Cells(i, j - 1) ' 左 1 上 1 の時 左と上の内小さい方の番号 Else If .Cells(i, j - 1) = .Cells(i - 1, j) Then .Cells(i, j) = .Cells(i - 1, j) Else If .Cells(i, j - 1) < .Cells(i - 1, j) Then .Cells(i, j) = .Cells(i, j - 1) joinS = .Cells(i, j - 1) joinL = .Cells(i - 1, j) Else .Cells(i, j) = .Cells(i - 1, j) joinS = .Cells(i - 1, j) joinL = .Cells(i, j - 1) End If ActiveWorkbook.Sheets("TemporarySheet").Cells(t, 1) = joinS ActiveWorkbook.Sheets("TemporarySheet").Cells(t, 2) = joinL t = t + 1 End If End If End If ' 自分自身が 0 のとき End With Else ActiveWorkbook.Sheets(ress).Cells(i, j) = "0" End If End If Next Next ' ☆接続しているクラスターの重複を消します 'TemporarySheet 上で行います Sheets("TemporarySheet").Activate Call DelOLJoin ' ★クラスターを接続します ' 結果シート上で行います Sheets(ress).Activate Range(Cells(1, 1), Cells(mi, mj)).Select Call JoinReplace ' クラスター数を表示します Sheets("TemporarySheet").Activate Range("A1").Select

Excel マクロプログラムソースコード

参考資料 202 Selection.CurrentRegion.Select 203 JoinVol = Selection.Rows.Count 204 205 crusterVol = c - JoinVol - 1 206 207 MsgBox " データサイズ (" & mi & " × " & mj & ") " & " クラスター数は " & crusterVol & " です " 208 209 End Sub 210 211 Private Sub DelOLJoin() 212 213 ' 接続しているクラスターの重複を消します 214 215 Dim JRow As Integer, JoinVol As Integer 216 217 ActiveSheet.Range("A1").Select 218 Selection.Sort Key1:=Range("A1"), Order1:=xlDescending, Key2:=Range("B1"), Order2: =xlDescending 219 220 JRow = 1 221 Do 222 223 If Cells(JRow, 1) = Cells(JRow + 1, 1) Then 224 If Cells(JRow, 2) = Cells(JRow + 1, 2) Then 225 Rows(JRow).Delete 226 JRow = JRow - 1 227 End If 228 End If 229 JRow = JRow + 1 230 Loop Until Cells(JRow, 1) = "" 231 232 End Sub 233 234 Private Sub JoinReplace() 235 ' クラスターを接続します 236 Dim strFind As Integer, strRep As Integer, ckRow As Integer 237 238 With ActiveWorkbook 239 240 ckRow = 1 241 242 Do 243 strRep = .Worksheets("TemporarySheet").Cells(ckRow, 1) 244 strFind = .Worksheets("TemporarySheet").Cells(ckRow, 2) 245 Selection.Replace What:=strFind, Replacement:=strRep, LookAt:=xlWhole, SearchOrder: =xlByRows 246 247 ckRow = ckRow + 1 248 Loop Until .Worksheets("TemporarySheet").Cells(ckRow, 1) = "" 249 End With 250 End Sub 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Sub Countcluster 中間用() Dim mi, mj As Integer Dim clustSheet As String Application.ScreenUpdating = 0 clustSheet = ActiveSheet.Name ' データのサイズを定義(mi,mj)行列 'Cells(1, 1).Select 'Selection.End(xlDown).Select 'mi = ActiveCell.Row 'Cells(1, 1).Select 'Selection.End(xlToRight).Select 'mj = ActiveCell.Column Sheets.Add ActiveSheet.Name = " クラスターサイズ・数 " Cells(1, 1) = 1

Excel マクロプログラムソースコード

参考資料 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35

Cells(2, 1) = 2 Range(Cells(1, 1), Cells(2, 1)).Select Selection.AutoFill Destination:=Range(Cells(1, 1), Cells(400, 1)), Type:=xlFillDefault

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32

Sub 棄却後 0 と 1 に() Dim oriSN As String Dim resSN As String Dim mi, mj As Integer Application.ScreenUpdating = 0

1 2 3 4 5 6 7 8 9 10 11 ") 12 13 14 15 16 17 18 19

'Sheets(clus '=COUNTIF(' パーコレーション cluster'!$A$1:$CV$75,A1) Cells(1, 2) = "=COUNTIF(' パーコレーション cluster'!$A$1:$CV$75,A1)" Cells(1, 2).Select Selection.AutoFill Destination:=Range(Cells(1, 2), Cells(400, 2)), Type:=xlFillDefault

End Sub

oriSN = ActiveSheet.Name ' データのサイズを定義(mi,mj)行列 Sheets(oriSN).Activate Cells(1, 1).Select Selection.End(xlDown).Select mi = ActiveCell.Row Cells(1, 1).Select Selection.End(xlToRight).Select mj = ActiveCell.Column Sheets.Add ActiveSheet.Name = " パーコレーション " resSN = ActiveSheet.Name Cells(1, 1).Select '=IF(サイト出現率!A1>0.333,IF(サイト出現率!A1<0.667,1,0),0) ActiveCell.Formula = "=IF(" & oriSN & "!A1>0.333,IF(" & oriSN & "!A1<0.667,1,0),0)" ' オートフィル Selection.AutoFill Destination:=Range(Cells(1, 1), Cells(1, mj)), Type:=xlFillDefault Range(Cells(1, 1), Cells(1, mj)).Select Selection.AutoFill Destination:=Range(Cells(1, 1), Cells(mi, mj)), Type:=xlFillDefault Range(Cells(1, 1), Cells(mi, mj)).Select End Sub

Sub シート結合() 'NIH Image でつくったテキストデータを ExcelBook に結合します Dim i, WSn As Integer Dim myArray() As String Dim tempBook As String Dim resBook As Variant Dim FNn(30) As String ' メッセージボックス表示 WSn = Application.InputBox("TIFF 画像のフレーム数を入力してください(1 < n < 30)", " フレーム数入力

FNn(1) = "001" FNn(2) = "002" FNn(3) = "003" FNn(4) = "004" FNn(5) = "005" FNn(6) = "006" FNn(7) = "007"

Excel マクロプログラムソースコード

参考資料 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91

FNn(8) = "008" FNn(9) = "009" FNn(10) = "010" FNn(11) = "011" FNn(12) = "012" FNn(13) = "013" FNn(14) = "014" FNn(15) = "015" FNn(16) = "016" FNn(17) = "017" FNn(18) = "018" FNn(19) = "019" FNn(20) = "020" FNn(21) = "021" FNn(22) = "022" FNn(23) = "023" FNn(24) = "024" FNn(25) = "025" FNn(26) = "026" FNn(27) = "027" FNn(28) = "028" FNn(29) = "029" FNn(30) = "030" 'ReDim myArray(10) ' myArray(1) = "001" ' : ' myArray(10) = "010" i = 1 'Set Workbook = Workbooks.Add tempBook = "Frame." & FNn(i) Workbooks(tempBook).Activate Sheets(1).Select Sheets(1).Copy ' シート保存 result.xls ActiveWorkbook.SaveAs "result.xls" resBook = ActiveWorkbook.Name Workbooks(tempBook).Close For i = 2 To WSn tempBook = "Frame." & FNn(i) Workbooks(tempBook).Activate Sheets(1).Select Sheets(1).Copy After:=Workbooks(resBook).Sheets(1) Workbooks(tempBook).Close Next

End Sub Sub サイト出現率() Dim WSvol As Integer Dim sText, aText As String 'i が行↓ j が列→ Dim mi, mj As Integer ' データのサイズを定義(mi,mj)行列 Sheets(1).Activate Cells(1, 1).Select Selection.End(xlDown).Select mi = ActiveCell.Row Cells(1, 1).Select Selection.End(xlToRight).Select mj = ActiveCell.Column

Excel マクロプログラムソースコード

参考資料 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133

WSvol = Sheets.Count sText = Sheets(1).Name For i = 2 To WSvol sText = sText & "!A1+" & Sheets(i).Name Next sText = sText & "!A1" 'MsgBox sText & " です。" aText = "=(" & sText & ") / (255 * " & WSvol & ")" 'MsgBox aText & " です。" Sheets.Add ActiveSheet.Name = "Average" Cells(1, 1).Select ActiveCell.Formula = aText

' 小数点以下２桁に Selection.NumberFormatLocal = "0.00"

' オートフィル Cells(1, 1).Select Selection.AutoFill Destination:=Range(Cells(1, 1), Cells(1, mj)), Type:=xlFillDefault Range(Cells(1, 1), Cells(1, mj)).Select Selection.AutoFill Destination:=Range(Cells(1, 1), Cells(mi, mj)), Type:=xlFillDefault Range(Cells(1, 1), Cells(mi, mj)).Select

' 条件付き書式 Selection.FormatConditions.Delete Selection.FormatConditions.Add Type:=xlCellValue, Operator:=xlLessEqual, _ Formula1:="0.33" Selection.FormatConditions(1).Font.ColorIndex = 33 Selection.FormatConditions.Add Type:=xlCellValue, Operator:=xlGreaterEqual _ , Formula1:="0.67" Selection.FormatConditions(2).Font.ColorIndex = 7 End Sub

セル遷移パターン解析用 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

Private Sub SortSheets() Dim dat() As String shend = Worksheets.Count ReDim dat(shend) For i = 1 To shend dat(i - 1) = Worksheets(i).Name Next For i = 0 To shend - 1 For j = shend - 1 To i Step -1 If dat(i) > dat(j) Then datm = dat(i) dat(i) = dat(j) dat(j) = datm End If Next Next Worksheets(dat(0)).Move Before:=Worksheets(1) For i = 2 To shend Worksheets(dat(i - 1)).Move After:=Worksheets(i - 1) Next End Sub

Excel マクロプログラムソースコード

参考資料 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95

Sub RateAnalysis2() Application.ScreenUpdating = 0 Call SortSheets Sheets(1).Select ' データのサイズを定義(mi,mj)行列 Cells(1, 1).Select Selection.End(xlDown).Select mi = ActiveCell.Row Cells(1, 1).Select Selection.End(xlToRight).Select mj = ActiveCell.Column shend = Worksheets.Count

' ワークシートの数

With ActiveWorkbook .Sheets(shend).Cells(1, 1) = " 自分 " .Sheets(shend).Cells(1, 2) = " 自分の上 " .Sheets(shend).Cells(1, 3) = " 上 " .Sheets(shend).Cells(1, 4) = " 下 " .Sheets(shend).Cells(1, 5) = " 右 " .Sheets(shend).Cells(1, 6) = " 左 " r = 2 For s = 2 To shend - 1 For i = 2 To mi - 1 For j = 2 To mj - 1 .Sheets(shend).Cells(r, 1) = .Sheets(s).Cells(i, j) / 255 ' 自分 .Sheets(shend).Cells(r, 2) = .Sheets(s - 1).Cells(i, j) / 255 ' 自分の上 .Sheets(shend).Cells(r, 3) = .Sheets(s - 1).Cells(i - 1, j) / 255 ' 上 .Sheets(shend).Cells(r, 4) = .Sheets(s - 1).Cells(i + 1, j) / 255 '下 .Sheets(shend).Cells(r, 5) = .Sheets(s - 1).Cells(i, j + 1) / 255 '右 .Sheets(shend).Cells(r, 6) = .Sheets(s - 1).Cells(i, j - 1) / 255 '左 r = r + 1 Next Next Next End With Beep Beep End Sub Sub CheckPattern6() Application.ScreenUpdating = 0 With ThisWorkbook.Sheets("Pattern6") r = 2 pr = 2 Do Until Cells(r, 1) = "" If Cells(r, 1) = 1 Then Do Until .Cells(pr, 1) = "" If Cells(r, 3) = .Cells(pr, 3) Then If Cells(r, 4) = .Cells(pr, 4) Then If Cells(r, 5) = .Cells(pr, 5) Then If Cells(r, 6) = .Cells(pr, 6) Then

'上 '下 '右 '左

Cells(r, 8) = .Cells(pr, 1) Exit Do End If End If End If End If pr = pr + 1 Loop pr = 2

Excel マクロプログラムソースコード

参考資料 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

r = r + 1 Else r = r + 1 End If Loop End With Beep Beep End Sub Sub CheckPattern32() Application.ScreenUpdating = 0 With ThisWorkbook.Sheets("Pattern32") r = 2 pr = 2 Do Until Cells(r, 1) = "" If Cells(r, 1) = 1 Then Do Until .Cells(pr, 1) = "" If Cells(r, 2) = .Cells(pr, 2) Then If Cells(r, 3) = .Cells(pr, 3) Then If Cells(r, 4) = .Cells(pr, 4) Then If Cells(r, 5) = .Cells(pr, 5) Then If Cells(r, 6) = .Cells(pr, 6) Then

' 自分の上 '上 '下 '右 '左

Cells(r, 8) = .Cells(pr, 1) Exit Do End If End If End If End If End If pr = pr + 1 Loop pr = 2 r = r + 1 Else r = r + 1 End If Loop End With Beep Beep End Sub

Sub JoinFrame() Dim strFile As String Dim DB As Workbook Set DB = Workbooks.Add(template:=-4167) 'strFile = 1 Do Until strFile = "False" strFile = Application.GetOpenFilename(Title:=" どれ開く？ ", buttontext:=" うりゃ！ ") 'strFile = Application.GetOpenFilename(MultiSelect:=True) If strFile = "False" Then Exit Sub End If Workbooks.OpenText FileName:=strFile, Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) 'DB.Activate

Excel マクロプログラムソースコード

参考資料 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91

Loop End Sub Sub FileGet() Dim strFile As String Dim DB As Workbook Set DB = Workbooks.Add(template:=-4167) Cells(1, 1) = Application.GetOpenFilename(Title:=" どれ開く？ ", buttontext:=" うりゃ！ ") End Sub Sub FileOpen() Dim DirName As String Dim DB As Workbook Application.ScreenUpdating = 0 ' '[重要]最初にディレクトリを設定 DirName = "G3:TEMP:0 くずしま♡:0 戦場:DATA:渋谷全体データ:遷移率:003-20*15-190:" ' 'like this 'DirName = "G3:Temp:0 くずしま♡:0 戦場:DATA:遷移率:B-20*15-140-text:" Set DB = ActiveWorkbook Workbooks.OpenText FileName:=DirName & "Frame.001", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.002", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.003", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.004", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.005", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.006", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.007", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.008", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.009", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.010", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.011", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.012", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.013", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.014", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.015", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1)

Excel マクロプログラムソースコード

参考資料 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163

Workbooks.OpenText FileName:=DirName & "Frame.016", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.017", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.018", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.019", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.020", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.021", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.022", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.023", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.024", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.025", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.026", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.027", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.028", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.029", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Workbooks.OpenText FileName:=DirName & "Frame.030", Tab:=True Sheets(1).Select Sheets(1).Move Before:=DB.Sheets(1) Beep Beep End Sub Sub 作業用() Workbooks.Open FileName:="G3:0108:002-20*15-50.xls" Call RateAnalysis2 shend = Worksheets.Count Sheets(shend).Select Call CheckPattern6 ActiveWorkbook.Save ActiveWorkbook.Close Workbooks.Open FileName:="G3:0108:002-20*15-110.xls" Call RateAnalysis2 shend = Worksheets.Count Sheets(shend).Select Call CheckPattern6 ActiveWorkbook.Save ActiveWorkbook.Close Workbooks.Open FileName:="G3:0108:002-20*15-150.xls" Call RateAnalysis2 shend = Worksheets.Count

Excel マクロプログラムソースコード

参考資料 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

Sheets(shend).Select Call CheckPattern6 ActiveWorkbook.Save ActiveWorkbook.Close Workbooks.Open FileName:="G3:0108:002-20*15-200.xls" Call RateAnalysis2 shend = Worksheets.Count Sheets(shend).Select Call CheckPattern6 ActiveWorkbook.Save ActiveWorkbook.Close Workbooks.Open FileName:="G3:0108:003-20*15-30.xls" Call RateAnalysis2 shend = Worksheets.Count Sheets(shend).Select Call CheckPattern6 ActiveWorkbook.Save ActiveWorkbook.Close Workbooks.Open FileName:="G3:0108:003-20*15-70.xls" Call RateAnalysis2 shend = Worksheets.Count Sheets(shend).Select Call CheckPattern6 ActiveWorkbook.Save ActiveWorkbook.Close Workbooks.Open FileName:="G3:0108:003-20*15-130.xls" Call RateAnalysis2 shend = Worksheets.Count Sheets(shend).Select Call CheckPattern6 ActiveWorkbook.Save ActiveWorkbook.Close Workbooks.Open FileName:="G3:0108:003-20*15-190.xls" Call RateAnalysis2 shend = Worksheets.Count Sheets(shend).Select Call CheckPattern6 ActiveWorkbook.Save ActiveWorkbook.Close For i = 1 To 3 Beep Next i MsgBox " よっしゃー。" & Chr(13) & " おわり。" End Sub

Sub 固定要素排除() Dim i, j, mi, mj As Integer Dim testck As Integer Dim count0, count1 As Integer

' テストなら 0 , 本番なら 1 testck = 1 Set DS = ActiveSheet ' データのサイズを定義(mi,mj)行列 Cells(1, 1).Select Selection.End(xlDown).Select mi = ActiveCell.Row Cells(1, 1).Select Selection.End(xlToRight).Select mj = ActiveCell.Column

Excel マクロプログラムソースコード

参考資料 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90

If testck = 1 Then Application.ScreenUpdating = 0 ' '"0" シートをつくる AddSheetName = "0" sck = 0 For Each sheet_name In Worksheets If sheet_name.Name = (AddSheetName) Then sck = 1 Exit For End If Next ' If sck = 0 Then Sheets.Add.Name = AddSheetName Else MsgBox " シート名が重複します ", vbCritical, " エラーです " Exit Sub End If ' '"1" シートをつくる AddSheetName = "1" sck = 0 For Each sheet_name In Worksheets If sheet_name.Name = (AddSheetName) Then sck = 1 Exit For End If Next ' If sck = 0 Then Sheets.Add.Name = AddSheetName Else MsgBox " シート名が重複します ", vbCritical, " エラーです " Exit Sub End If ' '"Result" シートをつくる AddSheetName = "Result" sck = 0 For Each sheet_name In Worksheets If sheet_name.Name = (AddSheetName) Then sck = 1 Exit For End If Next ' If sck = 0 Then Sheets.Add.Name = AddSheetName Else MsgBox " シート名が重複します ", vbCritical, " エラーです " Exit Sub End If End If

' とりあえず 0 を書き込む Sheets("1").Activate Range(Cells(1, 1), Cells(mi, mj)) = 0 DS.Activate count0 = 0 count1 = 0 For i = 1 To mi For j = 1 To mj Select Case Cells(i, j) Case 0 Sheets("0").Cells(i, j) = 0 count0 = count0 + 1 Case 1 Sheets("1").Cells(i, j) = 1

Excel マクロプログラムソースコード

参考資料 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118

count1 = count1 + 1 End Select Next Next ' 結果を保存 strFile = Application.GetSaveAsFilename(initialfilename:="1 の部分 ", filefilter:=Text, filterindex:=4) If strFile = "False" Then Exit Sub End If Sheets("1").Select Sheets("1").Copy ActiveWorkbook.SaveAs FileName:=strFile, FileFormat:=xlText, CreateBackup:=False ActiveWorkbook.Saved = True ActiveWindow.Close Sheets("Result").Select Cells(1, 1) = " 確率 " Cells(2, 1) = "0" Cells(3, 1) = "1" Cells(1, 2) = " サイト数 " Cells(2, 2) = count0 Cells(3, 2) = count1 MsgBox "0 の数は " & count0 & " でした。1 の数は " & count1 & " でした。"

End Sub

歩行軌跡データ処理用 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35

Sub ClickDataSort() Dim Dsn, Rsn As String Dim i, pi, n, r, pn As Integer Application.ScreenUpdating = 0 Dsn = ActiveSheet.Name Rsn = "SortResult" Sheets.Add.Name = Rsn 'Sheets(Rsn).Activate Range("A3").Select ActiveCell.FormulaR1C1 = "1" Range("A3").Select Selection.AutoFill Destination:=Range("A3:A50"), Type:=xlFillSeries Range("A3:A50").Select Sheets(Dsn).Activate pi = 1 ' ひとつ前の i i = 1 r = 2 ' 書き込み先の列番号 Do Until Cells(i, 1) = "" If Cells(i, 1) <> Cells(i + 1, 1) Then Range(Cells(pi, 3), Cells(i, 4)).Select Selection.Copy n = Cells(pi, 2) pn = Cells(i, 1) Sheets(Rsn).Activate Cells(n + 2, r).Select ActiveSheet.Paste Cells(1, r) = pn ' 人番号書き込み Cells(2, r) = "x" Cells(2, r + 1) = "y" Sheets(Dsn).Select pi = i + 1 r = r + 2

Excel マクロプログラムソースコード

参考資料 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81

End If i = i + 1 Loop Sheets(Rsn).Activate End Sub Sub ClickDataSort2() Dim Dsn, Rsn As String Dim i, pi, n, r, pn As Integer Application.ScreenUpdating = 0 Dsn = ActiveSheet.Name Rsn = "SortResult" Sheets.Add.Name = Rsn 'Sheets(Rsn).Activate Range("A3").Select ActiveCell.FormulaR1C1 = "1" Range("A3").Select Selection.AutoFill Destination:=Range("A3:A50"), Type:=xlFillSeries Range("A3:A50").Select Sheets(Dsn).Activate pi = 1 ' ひとつ前の i i = 1 r = 2 ' 書き込み先の列番号 Do Until Cells(i, 1) = "" If Cells(i, 1) <> Cells(i + 1, 1) Then Range(Cells(pi, 3), Cells(i, 4)).Select Selection.Copy n = Cells(pi, 2) pn = Cells(i, 1) Sheets(Rsn).Activate Cells(n + 2, r).Select ActiveSheet.Paste Cells(1, r) = pn ' 人番号書き込み Cells(2, r) = "x" Cells(2, r + 1) = "y" Sheets(Dsn).Select pi = i + 1 r = r + 3 End If i = i + 1 Loop Sheets(Rsn).Activate End Sub

Excel マクロプログラムソースコード

参考資料 mc プログラムソースコード

サイト出現率算出用

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37

f$ = getDocFileName(0); a=load(f$); b=load("Frame.002"); c=load("Frame.003"); d=load("Frame.004"); e=load("Frame.005"); f=load("Frame.006"); g=load("Frame.007"); h=load("Frame.008"); i=load("Frame.009"); j=load("Frame.010"); k=load("Frame.011"); l=load("Frame.012"); m=load("Frame.013"); n=load("Frame.014"); o=load("Frame.015"); p=load("Frame.016"); q=load("Frame.017"); r=load("Frame.018"); s=load("Frame.019"); t=load("Frame.020"); u=load("Frame.021"); v=load("Frame.022"); w=load("Frame.023"); x=load("Frame.024"); y=load("Frame.025"); z=load("Frame.026"); aa=load("Frame.027"); ab=load("Frame.028"); ac=load("Frame.029"); ad=load("Frame.030"); xxx=(a+b+c+d+e+f+g+h+i+j+k+l+m+n+o+p+q+r+s+t+u+v+w+x+y+z+aa+ab+ac+ad)/(255*30); setSaveFormat("%-10.4f"); save(xxx," サイト出現率 "); yyy=(a+b+c+d+e+f+g+h+i+j+k+l+m+n+o+p+q+r+s+t+u+v+w+x+y+z+aa+ab+ac+ad)/30; setSaveFormat("%-0.0f"); save(yyy," サイト出現率 255");

mc プログラムソースコード

参考資料 渋谷 - 群集のみ 群集密度相関分析結果

.70

.70

.60

.60

.30

.40 .30

.10

.20

0.00

.10

1.080 1.090 1.100 1.110 1.120 1.130 1.140 1.150 inv-T80

.35

.20 .15 1.070

1.090 inv-T90

1.110

1.130

1.040

Y = -7.085 + 6.834 * X; R^2 = .672

.70

.60

.60

.50

.50

.50

.30

density

.70

.40

.40 .30

.10

.10

.10

0.00

0.00

0.00

1.055 1.065 inv-T110

1.075

1.085

.340 .350 .360 .370 .380 .390 .400 .410 .420 .430 fill-T70

.28

.60

.50

.50

.50

density

.70

.60

density

.70

.60

.40 .30

.10

.10

.10

0.00

0.00

0.00

.26

.28

.30

.32 .34 fill-T90

.36

.38

.40

.36

.38

.40

.42

.44 .46 pattern1

.48

.50

.52

.300

.60

.50

.50

.50

density

.70

.60

density

.70

.60

.40 .30

.10

.10

.10

0.00

0.00

0.00

.023

.027 .032 pattern3

.038

.043

.70 .60 .50 .40 .30 .20 .10 0.00 0.000 .002 .004 .006 .008 .010 .012 .014 .016 pattern6 Y = .402 - 18.373 * X; R^2 = .153

.310

.320

.330 .340 pattern2

.350

.360

.370

.30

.20

Y = 1.056 - 25.557 * X; R^2 = .74

.42

.40

.20

.018

.40

Y = -2.129 + 7.345 * X; R^2 = .681

.70

.30

.38

.20

Y = -1.043 + 3.023 * X; R^2 = .633

.40

.34 .36 fill-T80

.30

.20

Y = -.905 + 3.644 * X; R^2 = .746

.32

.40

.20

.24

.30

Y = -1.2 + 4.168 * X; R^2 = .78

.70

.30

1.120

.20

Y = -1.883 + 5.494 * X; R^2 = .696

.40

1.100

.30

.20

1.045

1.080 inv-T100

.40

.20

Y = -8.532 + 8.297 * X; R^2 = .526

1.060

Y = -4.124 + 4.172 * X; R^2 = .268

.60

density

density

.40

.70

1.035

density

.45

.30 .25

1.050

Y = -6.206 + 5.839 * X; R^2 = .409

density

.50

density

.40

.20

density

.55

.50

density

density

.50

.65 .60

.20

.08

.10

.12

.14 pattern4

.16

Y = .912 - 4.438 * X; R^2 = .721

.18

.20

.020 .030 .040 .050 .060 .070 .080 .090 .100 pattern5 Y = .61 - 5.936 * X; R^2 = .618

参考資料 渋谷 - 群集のみ

1.35 1.30

1.35 1.30

1.25

1.25

1.25

1.20

1.20

1.20

1.15 1.10 1.05 1.00 .95

velocity-all

1.35 1.30

velocity-all

1.15 1.10 1.05 1.00 .95

.90

.90

.85

.85

1.080 1.090 1.100 1.110 1.120 1.130 1.140 1.150 inv-T80

1.070

1.090 inv-T90

1.110

1.130

1.040

1.35 1.30

1.35 1.30

1.25

1.25

1.20

1.20

1.20

1.15 1.10 1.05 1.00 .95

1.035

1.045

1.055 1.065 inv-T110

1.075

1.15 1.10 1.05 1.00 .95

1.00 .95 .90 .85

.340 .350 .360 .370 .380 .390 .400 .410 .420 .430 fill-T70

.28

1.25

1.20

1.20

1.20

1.00 .95 .90

velocity-all

1.35 1.30

1.25

velocity-all

1.35 1.30

1.25

1.05

1.15 1.10 1.05 1.00 .95 .90

.85 .26

.28

.30

.32 .34 fill-T90

.36

.38

.40

.38

.40

.42

.44 .46 pattern1

.48

.50

.52

.300

1.20

1.20

velocity-all

1.25

1.20

velocity-all

1.35 1.30

1.15 1.10 1.05 1.00 .95 .90

.85 .023

.027 .032 pattern3

.038

.043

Y = .939 + 3.146 * X; R^2 = .021

1.35 1.30 1.25 1.20 1.15 1.10 1.05 1.00 .95 .90 .85 0.000 .002 .004 .006 .008 .010 .012 .014 .016 pattern6 Y = 1.05 - 2.8 * X; R^2 = .007

.320

.330 .340 pattern2

.350

.370

1.15 1.10 1.05 1.00 .95 .90

.85

.018

.310

Y = 1.686 - 1.982 * X; R^2 = .091

1.25

.90

.360

1.00 .95

1.35 1.30

1.00 .95

.42

1.05

1.25

1.05

.40

1.10

1.35 1.30

1.10

.38

1.15

Y = 1.593 - 1.268 * X; R^2 = .204

1.15

.34 .36 fill-T80

.85 .36

Y = 1.637 - 1.838 * X; R^2 = .348

.32

.90

.85 .24

.30

Y = 1.865 - 2.324 * X; R^2 = .444

1.35 1.30

1.10

1.120

1.05

Y = 2.54 - 3.729 * X; R^2 = .59

1.15

1.100

1.10

.85

Y = 2.489 - 1.342 * X; R^2 = .025

1.080 inv-T100

1.15

.90 1.085

1.060

Y = 2.022 - .918 * X; R^2 = .017

1.25

velocity-all

velocity-all

1.00 .95

1.35 1.30

.85

velocity-all

1.05

Y = 3.416 - 2.21 * X; R^2 = .108

.90

velocity-all

1.10

.85

Y = 2.056 - .92 * X; R^2 = .019

velocity-all

1.15

.90

1.050

velocity-all

velocity-all

群集速度（全体）相関分析結果

.85 .08

.10

.12

.14 pattern4

.16

Y = .682 + 2.514 * X; R^2 = .424

.18

.20

.020 .030 .040 .050 .060 .070 .080 .090 .100 pattern5 Y = .972 + 1.137 * X; R^2 = .042

参考資料 渋谷 - 群集のみ

1.70 1.60

1.70 1.60

1.50

1.50

1.50

1.40

1.40

1.40

1.30 1.20 1.10 1.00 .90

1.30 1.20 1.10 1.00 .90

.80

.80

.70

.70

1.080 1.090 1.100 1.110 1.120 1.130 1.140 1.150 inv-T80

1.00 .90 .70

1.070

1.090 inv-T90

1.110

1.130

1.040

1.70 1.60

1.50

1.50

1.40

1.40

1.40

1.20 1.10 1.00 .90

1.035

1.045

1.055 1.065 inv-T110

1.075

1.085

velocity-up

1.70 1.60

1.30

1.30 1.20 1.10 1.00 .90

1.00 .90 .80

.70

.70

.340 .350 .360 .370 .380 .390 .400 .410 .420 .430 fill-T70

.28

1.50

1.40

1.40

1.40

.80

velocity-up

1.70 1.60

1.50

velocity-up

1.70 1.60

1.00 .90

1.30 1.20 1.10 1.00 .90 .80

.70 .26

.28

.30

.32 .34 fill-T90

.36

.38

.40

.38

.40

.42

.44 .46 pattern1

.48

.50

.52

.300

1.40

1.40

velocity-up

1.50

1.40

velocity-up

1.70 1.60

1.30 1.20 1.10 1.00 .90 .80

.70 .023

.027 .032 pattern3

.038

.043

Y = 1.104 - 2.186 * X; R^2 = .002

1.70 1.60 1.50 1.40 1.30 1.20 1.10 1.00 .90 .80 .70 0.000 .002 .004 .006 .008 .010 .012 .014 .016 pattern6 Y = 1.029 + 1.473 * X; R^2 = 4.306E-4

.320

.330 .340 pattern2

.350

.370

1.30 1.20 1.10 1.00 .90 .80

.70

.018

.310

Y = 1.471 - 1.312 * X; R^2 = .01

1.50

.80

.360

1.00 .90

1.70 1.60

1.00 .90

.42

1.10

1.50

1.10

.40

1.20

1.70 1.60

1.20

.38

1.30

Y = 1.404 - .828 * X; R^2 = .021

1.30

.34 .36 fill-T80

.70 .36

Y = 1.448 - 1.246 * X; R^2 = .038

.32

.80

.70 .24

.30

Y = 1.749 - 1.986 * X; R^2 = .078

1.50

1.10

1.120

1.10

1.70 1.60

1.20

1.100

1.20

Y = 2.535 - 3.784 * X; R^2 = .133

1.30

1.080 inv-T100

1.30

.80

Y = -4.077 + 4.805 * X; R^2 = .071

1.060

Y = 1.974 - .822 * X; R^2 = .003

1.50

velocity-up

velocity-up

1.10

1.70 1.60

.70

velocity-up

1.20

Y = 6.503 - 5.016 * X; R^2 = .136

.80

velocity-up

1.30

.80

1.050

Y = -.825 + 1.674 * X; R^2 = .015

velocity-up

velocity-up

1.70 1.60

velocity-up

velocity-up

群集密度（上方向）相関分析結果

.70 .08

.10

.12

.14 pattern4

.16

Y = .678 + 2.578 * X; R^2 = .107

.18

.20

.020 .030 .040 .050 .060 .070 .080 .090 .100 pattern5 Y = 1.088 - .923 * X; R^2 = .007

参考資料 渋谷 - 群集のみ 群集速度（下方向）相関分析結果

1.20

velocity-down

1.10 1.00 .90

1.20

1.20

1.15

1.15

1.10

1.10

1.05 1.00 .95 .90 .85

.80

1.20

1.20

1.10 1.00

.90

1.090 inv-T90

1.110

1.130

1.040

1.10 1.00

1.10 1.00 .90 .80

1.085

.28

.340 .350 .360 .370 .380 .390 .400 .410 .420 .430 fill-T70

1.40

1.40

1.30

1.30

1.30

1.20

1.20

1.20

1.10 1.00

.90

.90

.80

.80 .24

.26

.28

.30

.32 .34 fill-T90

.36

.38

velocity-down

1.40

1.00

.40

.40

.42

.44 .46 pattern1

.48

.50

.52

.300

1.30

1.20

1.20

1.20

velocity-down

1.40

1.30

1.10 1.00

.80

.80

.018

.023

.027 .032 pattern3

.038

.043

Y = .779 + 8.123 * X; R^2 = .085

1.40 1.30 1.20 1.10 1.00 .90 .80 0.000 .002 .004 .006 .008 .010 .012 .014 .016 pattern6 Y = 1.084 - 10.291 * X; R^2 = .055

.42

.310

.320

.330 .340 pattern2

.350

.360

.370

Y = 1.754 - 2.22 * X; R^2 = .071

1.40

.90

.40

.80 .38

1.30

.90

.38

1.00

1.40

1.00

.34 .36 fill-T80

1.10

Y = 2.079 - 2.394 * X; R^2 = .452

1.10

.32

.90

.36

Y = 1.966 - 2.872 * X; R^2 = .528

.30

Y = 2.198 - 3.285 * X; R^2 = .552

Y = 3.069 - 4.975 * X; R^2 = .844

1.10

1.120

1.20

.80 1.075

1.100

1.30

.80 1.055 1.065 inv-T110

1.080 inv-T100

1.40

.90

1.045

1.060

Y = 1.708 - .675 * X; R^2 = .012

.90

velocity-down

velocity-down

1.070

velocity-down

1.30

velocity-down

velocity-down

1.40

1.30

Y = 8.042 - 6.529 * X; R^2 = .482

velocity-down

.95

Y = 1.552 - .532 * X; R^2 = .009

1.40

1.035

velocity-down

1.00

.80

1.050

Y = 3.99 - 2.667 * X; R^2 = .097

1.05

.85

.80

1.080 1.090 1.100 1.110 1.120 1.130 1.140 1.150 inv-T80

velocity-down

velocity-down

1.30

velocity-down

1.40

1.10 1.00 .90 .80

.08

.10

.12

.14 pattern4

.16

Y = .513 + 3.639 * X; R^2 = .552

.18

.20

.020 .030 .040 .050 .060 .070 .080 .090 .100 pattern5 Y = .849 + 3.233 * X; R^2 = .209

参考資料 渋谷 - 群集のみ

.65

.65

.60

.60

.60

.55

.55

.55

.50

.50

.50

.45

.45

.45

.40

.40 .35

.35

.30

.30

.30

.25

.25

.20

.20

.45

.45

.40

.40

.35

.30

.25

.25

.20

.20 1.075

1.085

1.130

1.040

.50 .45 .40 .35 .30 .25 .20 .28

.55

.55

.50

.50

.50

.45

.45

.45

face

.60

.55

face

.65

.60

.40 .35

.35

.30

.30

.30

.25

.25 .32 .34 fill-T90

.36

.38

.40

.38

.40

.42

.44 .46 pattern1

.48

.50

.52

.300

Y = -.216 + 1.442 * X; R^2 = .219

.60

.55

.55

.50

.50

.50

.45

.45

.45

face

.65

.60

.55

face

.65

.60

.40 .35

.35

.30

.30

.30

.25

.25

.25

.20

.20 .023

.027 .032 pattern3

.038

.043

Y = .648 - 7.599 * X; R^2 = .1

.65 .60 .55 .50 .45 .40 .35 .30 .25 .20 0.000 .002 .004 .006 .008 .010 .012 .014 .016 pattern6 Y = .503 - 13.727 * X; R^2 = .13

.42

.310

.320

.330 .340 pattern2

.350

.360

.370

.40

.35

.018

.40

Y = .234 + .568 * X; R^2 = .006

.65

.40

.38

.20 .36

Y = .159 + .798 * X; R^2 = .055

.34 .36 fill-T80

.25

.20 .30

.32

.40

.35

.28

.30

Y = .114 + .859 * X; R^2 = .05

.65

.26

1.120

.55

.60

.24

1.100

.60

.65

.20

1.080 inv-T100

.65

Y = .161 + .563 * X; R^2 = .027

.40

1.060

Y = 4.087 - 3.38 * X; R^2 = .228

.340 .350 .360 .370 .380 .390 .400 .410 .420 .430 fill-T70

Y = 2.584 - 2.067 * X; R^2 = .121

face

1.110

.35

.30

1.055 1.065 inv-T110

1.090 inv-T90

face

.50

face

face

.55

.50

1.045

.20 1.070

Y = .732 - .281 * X; R^2 = .001

.55

1.035

.25

1.050

Y = 2.855 - 2.187 * X; R^2 = .087

face

.40

.35

1.080 1.090 1.100 1.110 1.120 1.130 1.140 1.150 inv-T80

face

face

.65

face

face

対向割合相関分析結果

.20 .08

.10

.12

.14 pattern4

.16

Y = .631 - 1.504 * X; R^2 = .126

.18

.20

.020 .030 .040 .050 .060 .070 .080 .090 .100 pattern5 Y = .538 - 2.183 * X; R^2 = .127

参考資料 渋谷 - 横断歩道

.70

.70

.60

.60

.60

.50

.50

.50

.40 .30

density

.70

density

.40 .30

.10

.10

.10

0.00

0.00

0.00

1.050

1.070 1.090 inv-T100

1.110

1.130

.20

1.030

1.070 inv-T110

1.090

1.110

1.035

.70

.60

.60

.50

.50

.50

.30

density

.70

.60

.40

.40 .30

.10

.10

.10

0.00

0.00

0.00

1.065 1.075 inv-T130

1.085

.400

.410

.420 fill-T70

.430

.440

.330

.70

.60

.60

.50

.50

.50

density

.70

.60

density

.70

.40 .30

.10

.10

.10

0.00

0.00

0.00

.30

.32

.34 .36 fill-T90

.38

.40

.42

.20

.500

.520

.540 .560 pattern1

.580

.600

.22

.70

.70

.60

.60

.60

.50

.50

.50

density

.70

.30

.40 .30

.10

.10

.10

0.00

0.00

0.00

.60 .50 .40 .30 .20 .10 0.00 0.000

.002

.004 .006 pattern6

Y = .393 - 38.241 * X; R^2 = .331

.008

.32

.34

.36

.045

.050

.20

.085

.090

.095

.100 .105 pattern4

.110

Y = 1.546 - 12.523 * X; R^2 = .418

.70

.28 .30 pattern2

.30

.20

Y = .29 + .083 * X; R^2 = 4.231E-6

.26

.40

.20

.014 .016 .018 .020 .022 .024 .026 .028 .030 .032 pattern3

.24

Y = -.808 + 3.969 * X; R^2 = .961

Y = 3.031 - 4.83 * X; R^2 = .796

.40

.430

.30

.20

Y = -1.058 + 3.765 * X; R^2 = .562

.410

.370 .390 fill-T80

.40

.20

.28

.350

Y = -1.693 + 5.094 * X; R^2 = .681

Y = -3.16 + 7.99 * X; R^2 = .415

.30

1.085

.20

.390

.40

1.075

.30

.20

1.055

1.055 1.065 inv-T120

.40

.20

Y = 5.828 - 5.234 * X; R^2 = .137

1.045

Y = 1.731 - 1.349 * X; R^2 = .012

.70

1.045

density

1.050

Y = -1.778 + 1.937 * X; R^2 = .078

density

density

Y = -4.525 + 4.458 * X; R^2 = .554

density

.30

.20

1.030

density

.40

.20

density

density

群集密度相関分析結果

.115

.120

.015

.020

.025

.030 .035 pattern5

.040

Y = .749 - 14.516 * X; R^2 = .514

参考資料 渋谷 - 横断歩道

1.35 1.30

1.35 1.30

1.25

1.25

1.25

1.20

1.20

1.20

1.15 1.10 1.05 1.00 .95

velocity-all

1.35 1.30

velocity-all

1.15 1.10 1.05 1.00 .95

.90

.90

.85 1.050

1.070 1.090 inv-T100

1.110

1.130

1.050

1.070 inv-T110

1.090

1.110

1.035

1.35 1.30

1.25

1.25

1.20

1.20

1.20

1.10 1.05 1.00 .95

velocity-all

1.35 1.30

1.15

1.15 1.10 1.05 1.00 .95 .90

1.055

1.065 1.075 inv-T130

1.085

1.10 1.05 1.00 .95

.400

.410

.420 fill-T70

.430

.440

.330

1.25

1.20

1.20

1.20

1.00 .95 .90

velocity-all

1.35 1.30

1.25

velocity-all

1.35 1.30

1.25

1.05

1.15 1.10 1.05 1.00 .95 .90

.85 .30

.32

.34 .36 fill-T90

.38

.40

.42

1.10 1.05 1.00 .95

.520

.540 .560 pattern1

.580

.600

.22

1.35 1.30

1.25

1.25

1.20

1.20

1.20

velocity-all

1.35 1.30

1.25

1.05 1.00 .95

1.15 1.10 1.05 1.00 .95

.90

.90

.85

.85

.014 .016 .018 .020 .022 .024 .026 .028 .030 .032 pattern3 Y = .971 + 2.869 * X; R^2 = .009

1.25 1.20 1.15 1.10 1.05 1.00 .95 .90 .85 0.000

.002

.004 .006 pattern6

Y = 1.046 - 5.026 * X; R^2 = .01

.008

.26

.28 .30 pattern2

.32

.34

.36

.045

.050

1.15 1.10 1.05 1.00 .95 .90 .85

.085

.090

.095

.100 .105 pattern4

.110

Y = .102 + 9.294 * X; R^2 = .422

1.35 1.30

.24

Y = 1.556 - 1.889 * X; R^2 = .399

1.35 1.30

1.10

.430

1.15

Y = -.361 + 2.458 * X; R^2 = .377

1.15

.410

.85

.500

Y = 1.652 - 1.728 * X; R^2 = .217

.370 .390 fill-T80

.90

.85 .28

.350

Y = 1.993 - 2.462 * X; R^2 = .291

1.35 1.30

1.10

1.085

1.15

Y = 2.403 - 3.174 * X; R^2 = .112

1.15

1.075

.85

.390

Y = -3.064 + 3.857 * X; R^2 = .127

1.055 1.065 inv-T120

.90

.85

1.045

1.045

Y = 1.037 - .004 * X; R^2 = 1.668E-7

1.25

velocity-all

velocity-all

1.00 .95

1.35 1.30

.85

velocity-all

1.05

Y = -.025 + .99 * X; R^2 = .037

.90

velocity-all

1.10

.85

1.030

Y = 1.851 - .757 * X; R^2 = .029

velocity-all

1.15

.90

.85

1.030

velocity-all

velocity-all

群集速度（全体）相関分析結果

.115

.120

.015

.020

.025

.030 .035 pattern5

.040

Y = .956 + 2.451 * X; R^2 = .027

参考資料 渋谷 - 横断歩道

1.70 1.60

1.70 1.60

1.50

1.50

1.50

1.40

1.40

1.40

1.30 1.20 1.10 1.00 .90 .80

1.30 1.20 1.10 1.00 .90 .80

.70 1.050

1.070 1.090 inv-T100

1.110

1.130

1.050

1.070 inv-T110

1.090

1.110

1.035

1.70 1.60

1.60

1.50

1.50

1.50

1.40

1.40

1.40

1.20 1.10

1.30 1.20 1.10

1.00

1.00

.90

.90

.80

.80 1.055

1.065 1.075 inv-T130

1.085

velocity-up

1.70

1.30

.410

.420 fill-T70

.430

1.10

1.20 1.10

.80

.80

.90

.34 .36 fill-T90

.38

.40

1.30 1.20 1.10 1.00 .90

.520

.540 .560 pattern1

.580

.600

.22

Y = -.1 + 2.007 * X; R^2 = .06

Y = 1.217 - .5 * X; R^2 = .004

1.50

1.40

1.40

1.40

1.10 1.00 .90

1.30 1.20 1.10 1.00 .90

.80

.80

.70

.70

.014 .016 .018 .020 .022 .024 .026 .028 .030 .032 pattern3 Y = .8 + 11.004 * X; R^2 = .033

1.50 1.40 1.30 1.20 1.10 1.00 .90 .80 .70 .002

.004 .006 pattern6

Y = 1.096 - 21.794 * X; R^2 = .047

.008

.26

.28 .30 pattern2

.32

.34

.36

.045

.050

1.30 1.20 1.10 1.00 .90 .80 .70

.085

.090

.095

.100 .105 pattern4

.110

Y = -.328 + 13.637 * X; R^2 = .217

1.70 1.60

0.000

velocity-up

1.70 1.60

1.50

velocity-up

1.70 1.60

1.50

1.20

.24

Y = 1.545 - 1.827 * X; R^2 = .089

1.70 1.60

1.30

.430

.70

.500

.42

.410

.80

.70

.70

.370 .390 fill-T80

1.40

1.30

1.00

.350

1.50

1.40

1.00 .90

.32

1.00 .90

1.70 1.60

velocity-up

velocity-up

1.20

.30

1.10

Y = 1.735 - 1.787 * X; R^2 = .037

1.50

.28

1.20

.330

.440

1.60

1.30

1.085

.70 .400

1.70

1.40

1.075

1.30

Y = -1.139 + 5.154 * X; R^2 = .079

1.50

1.055 1.065 inv-T120

.80

.390

1.70 1.60

1.045

Y = .828 + .198 * X; R^2 = 1.113E-4

1.60

velocity-up

velocity-up

1.00 .90

Y = -.901 + 1.815 * X; R^2 = .03

Y = -9.289 + 9.701 * X; R^2 = .216

velocity-up

1.10

1.70

1.045

velocity-up

1.20

.70

1.030

Y = -.053 + 1.01 * X; R^2 = .012

1.30

.80

.70

1.030

velocity-up

velocity-up

1.70 1.60

velocity-up

velocity-up

群集密度（上方向）相関分析結果

.115

.120

.015

.020

.025

.030 .035 pattern5

.040

Y = .977 + 1.955 * X; R^2 = .004

参考資料 渋谷 - 横断歩道

1.40

1.40

1.30

1.30

1.30

1.20

1.20

1.20

1.10 1.00

1.10 1.00

.90

.90

.80

.80

1.030

1.050

1.070 1.090 inv-T100

1.110

velocity-down

1.40

velocity-down 1.130

1.070 inv-T110

1.090

1.110

1.035

Y = .125 + .839 * X; R^2 = .017

1.40

1.30

1.30

1.20

1.20

1.20

1.00

1.10 1.00

.90

.90

.80

.80 1.055

1.065 1.075 inv-T130

velocity-down

1.40

1.10

1.085

.400

.410

.420 fill-T70

.430

.440

.330

1.30

1.20

1.20

1.20

.28

.30

.32

.34 .36 fill-T90

.38

.40

velocity-down

1.40

1.30

velocity-down

1.40

1.10 1.00

.80 .42

1.10 1.00

.80

.500

.520

.540 .560 pattern1

.580

.600

.22

1.40

1.40

1.30

1.30

1.30

1.20

1.20

1.20

velocity-down

1.40

1.00 .90

.80

.80

.014 .016 .018 .020 .022 .024 .026 .028 .030 .032 pattern3 Y = 1.044 - 1.043 * X; R^2 = .001

1.30 1.20 1.10 1.00 .90 .80 0.000

.002

.004 .006 pattern6

Y = 1.001 + 8.057 * X; R^2 = .017

.008

.26

.28 .30 pattern2

.32

.34

.36

.045

.050

1.10 1.00 .90 .80

.085

.090

.095

.100 .105 pattern4

.110

Y = -.161 + 11.807 * X; R^2 = .423

1.40

velocity-down

1.10

.90

.24

Y = 1.739 - 2.589 * X; R^2 = .466

Y = -.907 + 3.402 * X; R^2 = .45

1.00

.430

.370 .390 fill-T80

.90

Y = 2.212 - 3.319 * X; R^2 = .497

1.10

.350

Y = 2.496 - 3.781 * X; R^2 = .427

1.30

.80

.410

1.00

1.40

.90

1.085

1.10

Y = 5.16 - 9.59 * X; R^2 = .772

.90

1.075

.80

Y = .326 + .7 * X; R^2 = .003

1.00

1.055 1.065 inv-T120

.90

.390

1.10

1.045

Y = .168 + .8 * X; R^2 = .005

1.30

velocity-down

velocity-down

1.050

1.40

1.045

velocity-down

1.00

.80

1.030

Y = 4.246 - 2.983 * X; R^2 = .283

velocity-down

1.10

.90

velocity-down

velocity-down

群集速度（下方向）相関分析結果

.115

.120

.015

.020

.025

.030 .035 pattern5

Y = .903 + 3.787 * X; R^2 = .04

.040

参考資料 渋谷 - 横断歩道

.65

.65

.60

.60

.60

.55

.55

.55

.50

.50

.50

.45

.45

.45

.40

.40

.40

.35

.35

.35

.30

.30

.30

.25

.25

.20

.25

.20

1.030

1.050

1.070 1.090 inv-T100

1.110

1.130

.45

.45

.40

.40

.35

1.090

1.110

1.035

.30

.25

.25

.20

.20 1.085

1.045

1.055 1.065 inv-T120

1.075

1.085

.410

.430

Y = 8.264 - 7.352 * X; R^2 = .536

.65 .60 .55 .50

.35

.30

1.065 1.075 inv-T130

1.070 inv-T110

face

.50

face

.55

.50

1.055

1.050

Y = 2.437 - 1.887 * X; R^2 = .113

.55

1.045

.20

1.030

Y = .494 - .067 * X; R^2 = 1.925E-4

face

face

.65

face

face

対向割合相関分析結果

.45 .40 .35 .30 .25 .20

.390

Y = -.481 + .81 * X; R^2 = .012

.400

.410

.420 fill-T70

.430

.440

.330

.350

.370 .390 fill-T80

Y = .108 + .802 * X; R^2 = .026

Y = .062 + .754 * X; R^2 = .014

.65 .65

.60

.55

.55

.55

.50

.45 .40

.50

.45

face

face

.50

face

.65

.60

.60

.40 .35

.35

.30

.25

.25

.25

.20

.20

.500 .28

.30

.32

.34 .36 fill-T90

.38

.40

.40 .35

.30

.30

.45

.520

.42

.540 .560 pattern1

.580

.20

.600

.22

.65

.65

.60

.60

.60

.55

.55

.55

.50

.50

.50

.45

.45

.45

.40

.40 .35

.35

.30

.30

.30

.25

.25

.25

.20

.20

Y = -.062 + 22.363 * X; R^2 = .471

.60 .55 .50 .45 .40 .35 .30 .25 .20 .004 .006 pattern6

.32

.34

.36

.045

.050

.20

.085

.090

.095

.100 .105 pattern4

Y = .699 - 2.775 * X; R^2 = .031

.65

.002

.28 .30 pattern2

.40

.35

.014 .016 .018 .020 .022 .024 .026 .028 .030 .032 pattern3

face

face

.65

Y = .48 - 22.509 * X; R^2 = .175

.26

Y = -.074 + 1.787 * X; R^2 = .297

face

face

Y = .273 + .414 * X; R^2 = .01

0.000

.24

Y = 2.052 - 2.876 * X; R^2 = .43

.008

.110

.115

.120

.015

.020

.025

.030 .035 pattern5

Y = .579 - 5.035 * X; R^2 = .094

.040

参考資料 渋谷 - 全体

.70

.70

.60

.60

.60

.50

.50

.50

.40 .30

.40 .30

.40 .30

.20

.20

.10

.10

.10

0.00

0.00

0.00

1.04

1.06

1.08

1.10 1.12 inv-T100

1.14

1.16

1.18

1.080

1.090

1.100 1.110 inv-T110

1.120

1.130

1.070

Y = -3.728 + 3.633 * X; R^2 = .18

.70

.60

.60

.50

.50

.50

.30

density

.70

.60

.40

.40 .30

.10

.10

.10

0.00

0.00

0.00

1.075

1.085 1.095 inv-T130

1.105

.380

.390

.400 .410 fill-T70

.420

.430

.440

.340 .350 .360 .370 .380 .390 .400 .410 .420 .430 fill-T80

Y = -1.655 + 4.706 * X; R^2 = .225

Y = -2.163 + 6.35 * X; R^2 = .548

.70

.60

.60

.50

.50

.50

density

.70

.60

density

.70

.30

.40 .30

.40 .30

.20

.20

.10

.10

.10

0.00

0.00

0.00

.28

.30

.32

.34 .36 fill-T90

.38

.40

.42

.20

.44 .46 .48 .50 .52 .54 .56 .58 .60 .62 .64 .66 pattern1

Y = -.996 + 3.636 * X; R^2 = .577

1.120

.20

.370

.40

1.110

.30

.20

Y = 7.765 - 6.905 * X; R^2 = .363

1.090 1.100 inv-T120

.40

.20

1.065

1.080

Y = 6.987 - 6.06 * X; R^2 = .252

.70

density

density

.20

1.070

Y = -1.31 + 1.438 * X; R^2 = .059

density

density

.70

density

density

群集密度相関分析結果

.22

Y = 1.725 - 2.62 * X; R^2 = .92

.24

.26

.28

.30 .32 pattern2

.34

.36

.38

Y = -.726 + 3.561 * X; R^2 = .932

.70 .60

.70

.60

.50

.60

.40

.50

density

density

.50 .40

.20

.20

.10

.10

0.00

0.000 .005

.010

.015 .020 pattern3

.025

.030

.035

Y = .004 + 15.574 * X; R^2 = .852

.70 .60 .50

density

.30

.30

0.00

.40 .30 .20 .10 0.00 0.000 .001 .002 .003 .004 .005 .006 .007 .008 pattern6 Y = .154 + 36.941 * X; R^2 = .129

density

.70

.40 .30 .20 .10

.085 .090 .095 .100 .105 .110 .115 .120 .125 .130 pattern4 Y = -1.019 + 12.159 * X; R^2 = .615

0.00 .015 .020 .025 .030 .035 .040 .045 .050 .055 pattern5 Y = .632 - 9.073 * X; R^2 = .176

参考資料 渋谷 - 全体

1.35 1.30

1.35 1.30

1.25

1.25

1.25

1.20

1.20

1.20

1.15 1.10 1.05 1.00 .95 .90

1.15 1.10 1.05 1.00 .95 .90

.85 1.06

1.08

1.10 1.12 inv-T100

1.14

1.16

1.18

1.080

1.090

1.100 1.110 inv-T110

1.120

1.130

1.070

1.35 1.30

1.25

1.25

1.20

1.20

1.20

1.10 1.05 1.00 .95

velocity-all

1.35 1.30

1.15

1.15 1.10 1.05 1.00 .95 .90

1.075

1.085 1.095 inv-T130

1.105

1.10 1.05 1.00 .95

.380

.390

.400 .410 fill-T70

.420

.430

.440

.340 .350 .360 .370 .380 .390 .400 .410 .420 .430 fill-T80 Y = 2.591 - 4.031 * X; R^2 = .404

1.35 1.30

1.25

1.25

1.20

1.20

1.20

1.05 1.00 .95 .90

velocity-all

1.35 1.30

1.25

velocity-all

1.35 1.30

1.10

1.15 1.10 1.05 1.00 .95 .90

.85 .30

.32

.34 .36 fill-T90

.38

.40

.42

1.15 1.10 1.05 1.00 .95 .90

.85 .28

.85 .44 .46 .48 .50 .52 .54 .56 .58 .60 .62 .64 .66 pattern1

Y = 1.909 - 2.472 * X; R^2 = .488

.22

Y = .36 + 1.232 * X; R^2 = .372

1.25

1.20

1.20

1.20

1.10 1.05 1.00 .95 .90 .85 0.000 .005

.010

.015 .020 pattern3

.025

.030

.035

Y = 1.151 - 6.396 * X; R^2 = .263

1.35 1.30 1.25 1.20 1.15 1.10 1.05 1.00 .95 .90 .85 0.000 .001 .002 .003 .004 .005 .006 .007 .008 pattern6 Y = 1.232 - 53.378 * X; R^2 = .494

velocity-all

1.35 1.30

1.25

velocity-all

1.35 1.30

1.25

1.15 1.10 1.05 1.00 .95

.28

.30 .32 pattern2

.34

.36

.38

1.10 1.05 1.00 .95 .90

.85

.85

Y = 1.139 - .982 * X; R^2 = .007

.26

1.15

.90 .085 .090 .095 .100 .105 .110 .115 .120 .125 .130 pattern4

.24

Y = 1.587 - 1.937 * X; R^2 = .505

1.35 1.30

1.15

1.120

1.15

Y = 1.996 - 2.328 * X; R^2 = .101

1.15

1.110

.85

.370

Y = -.899 + 1.785 * X; R^2 = .044

1.090 1.100 inv-T120

.90

.85

1.065

1.080

Y = -1.843 + 2.603 * X; R^2 = .085

1.25

velocity-all

velocity-all

1.00 .95

1.35 1.30

.85

velocity-all

1.05

Y = .417 + .556 * X; R^2 = .008

.90

velocity-all

1.10

.85

1.070

Y = .666 + .329 * X; R^2 = .006

1.15

.90

.85

1.04

velocity-all

velocity-all

1.35 1.30

velocity-all

velocity-all

群集速度（全体）相関分析結果

.015 .020 .025 .030 .035 .040 .045 .050 .055 pattern5 Y = .876 + 4.203 * X; R^2 = .069

参考資料 渋谷 - 全体

1.70 1.60

1.70 1.60

1.50

1.50

1.50

1.40

1.40

1.40

1.30 1.20 1.10 1.00 .90 .80

1.30 1.20 1.10 1.00 .90 .80

.70 1.06

1.08

1.10 1.12 inv-T100

1.14

1.16

1.18

1.080

1.090

1.100 1.110 inv-T110

1.120

1.130

1.070

1.70 1.60

1.50

1.50

1.40

1.40

1.40

1.20 1.10 1.00 .90

velocity-up

1.70 1.60

1.30

1.30 1.20 1.10 1.00 .90 .80

1.075

1.085 1.095 inv-T130

1.105

1.20 1.10 1.00 .90

.380

.390

.400 .410 fill-T70

.420

.430

.440

.340 .350 .360 .370 .380 .390 .400 .410 .420 .430 fill-T80 Y = 2.943 - 4.926 * X; R^2 = .144

1.70 1.60

1.50

1.50

1.40

1.40

1.40

1.10 1.00 .90 .80

velocity-up

1.70 1.60

1.50

velocity-up

1.70 1.60

1.20

1.30 1.20 1.10 1.00 .90 .80

.70 .30

.32

.34 .36 fill-T90

.38

.40

.42

1.30 1.20 1.10 1.00 .90 .80

.70 .28

.70 .44 .46 .48 .50 .52 .54 .56 .58 .60 .62 .64 .66 pattern1

Y = 1.932 - 2.522 * X; R^2 = .121

.22

Y = .395 + 1.176 * X; R^2 = .081

1.50

1.40

1.40

1.40

1.20 1.10 1.00 .90 .80 .70 0.000 .005

.010

.015 .020 pattern3

.025

.030

.035

Y = 1.122 - 4.54 * X; R^2 = .032

1.70 1.60 1.50 1.40 1.30 1.20 1.10 1.00 .90 .80 .70 0.000 .001 .002 .003 .004 .005 .006 .007 .008 pattern6 Y = 1.403 - 97.518 * X; R^2 = .395

velocity-up

1.70 1.60

1.50

velocity-up

1.70 1.60

1.50

1.30 1.20 1.10 1.00 .90

.28

.30 .32 pattern2

.34

.36

.38

1.20 1.10 1.00 .90 .80

.70

.70

Y = .345 + 6.428 * X; R^2 = .075

.26

1.30

.80 .085 .090 .095 .100 .105 .110 .115 .120 .125 .130 pattern4

.24

Y = 1.693 - 2.292 * X; R^2 = .169

1.70 1.60

1.30

1.120

1.30

Y = .653 + .93 * X; R^2 = .004

1.30

1.110

.70

.370

Y = -4.072 + 4.722 * X; R^2 = .074

1.090 1.100 inv-T120

.80

.70

1.065

1.080

Y = -.639 + 1.518 * X; R^2 = .007

1.50

velocity-up

velocity-up

1.00 .90

1.70 1.60

.70

velocity-up

1.10

Y = -3.426 + 4.034 * X; R^2 = .097

.80

velocity-up

1.20

.70

1.070

Y = .899 + .125 * X; R^2 = 1.951E-4

1.30

.80

.70

1.04

velocity-up

velocity-up

1.70 1.60

velocity-up

velocity-up

群集密度（上方向）相関分析結果

.015 .020 .025 .030 .035 .040 .045 .050 .055 pattern5 Y = .875 + 4.355 * X; R^2 = .018

参考資料 渋谷 - 全体

1.40

1.40

1.30

1.30

1.30

1.20

1.20

1.20

1.10 1.00

1.10 1.00

.90

.90

.80

.80

1.04

1.06

1.08

1.10 1.12 inv-T100

1.14

1.16

1.18

1.10 1.00 .90 .80

1.070

Y = .8 + .199 * X; R^2 = .001

1.080

1.090

1.100 1.110 inv-T110

1.120

1.130

1.070

Y = 2.882 - 1.681 * X; R^2 = .044

1.40

1.30

1.30

1.20

1.20

1.20

1.00

1.10 1.00

.90

.90

.80

.80

1.065

1.075

1.085 1.095 inv-T130

velocity-down

1.40

1.30

1.10

1.105

1.090 1.100 inv-T120

1.110

1.120

1.10 1.00 .90 .80

.370

.380

.390

.400 .410 fill-T70

.420

.430

.440

.340 .350 .360 .370 .380 .390 .400 .410 .420 .430 fill-T80

Y = 3.321 - 5.555 * X; R^2 = .357

Y = -1.235 + 2.086 * X; R^2 = .038

1.080

Y = -5.11 + 5.55 * X; R^2 = .24

1.40

velocity-down

velocity-down

velocity-down

1.40

velocity-down

velocity-down

群集速度（下方向）相関分析結果

Y = 2.871 - 4.781 * X; R^2 = .354

1.40

1.40

1.20

1.30

1.30

1.10

1.20

1.20

1.00 .90

velocity-down

1.30

velocity-down

velocity-down

1.40

1.10 1.00

.80

.90

.28

.30

.32

.34 .36 fill-T90

.38

.40

.42

1.10 1.00 .90

.80

.80 .44 .46 .48 .50 .52 .54 .56 .58 .60 .62 .64 .66 pattern1

Y = 2.182 - 3.274 * X; R^2 = .532

.22

1.40

1.30

1.30

1.20

1.20

1.20

1.00

1.10 1.00

.90

.80

.80

.80

.015 .020 pattern3

.025

.030

.035

Y = 1.223 - 10.859 * X; R^2 = .472

1.40 1.30 1.20 1.10 1.00 .90 .80 0.000 .001 .002 .003 .004 .005 .006 .007 .008 pattern6 Y = 1.159 - 36.619 * X; R^2 = .145

.085 .090 .095 .100 .105 .110 .115 .120 .125 .130 pattern4 Y = 1.636 - 5.694 * X; R^2 = .154

.28

.30 .32 pattern2

.34

.36

.38

1.00

.90

.010

.26

1.10

.90

0.000 .005

velocity-down

velocity-down

1.40

1.30

1.10

.24

Y = 1.654 - 2.213 * X; R^2 = .41

1.40

velocity-down

velocity-down

Y = .132 + 1.627 * X; R^2 = .404

.015 .020 .025 .030 .035 .040 .045 .050 .055 pattern5 Y = .848 + 4.646 * X; R^2 = .052

参考資料 渋谷 - 全体

.65

.65

.60

.60

.60

.55

.55

.55

.50

.50

.50

.45

.45

.45

.40

face

.65

face

face

対向割合相関分析結果

.40

.40

.35

.35

.35

.30

.30

.30

.25

.25

.20

.25

.20

1.04

1.06

1.08

1.10 1.12 inv-T100

1.14

1.16

1.18

.20

1.070

Y = 2.139 - 1.542 * X; R^2 = .102

1.080

1.090

1.100 1.110 inv-T110

1.120

1.130

1.070

Y = .596 - .158 * X; R^2 = .001

1.080

1.090 1.100 inv-T120

1.110

1.120

Y = 8.534 - 7.344 * X; R^2 = .563

.65

.65

.55

.60

.60

.50

.55

.55

.45

.50

.50

.40

.45

.45

.35

face

.60

face

face

.65

.40

.40

.30

.35

.35

.25

.30

.30

.20

.25

.25

1.065

1.075

1.085 1.095 inv-T130

1.105

.20

.20

.370

Y = 4.907 - 4.145 * X; R^2 = .199

.380

.390

.400 .410 fill-T70

.420

.430

.440

.340 .350 .360 .370 .380 .390 .400 .410 .420 .430 fill-T80

Y = 1.298 - 2.119 * X; R^2 = .069

Y = .254 + .431 * X; R^2 = .004

.65

.65

.55

.60

.60

.50

.55

.55

.45

.50

.50

.40

.45

.45

.35

face

.60

face

face

.65

.40

.40

.30

.35

.35

.25

.30

.30

.25

.20 .28

.30

.32

.34 .36 fill-T90

.38

.40

.42

.25

.20

.20 .44 .46 .48 .50 .52 .54 .56 .58 .60 .62 .64 .66 pattern1

Y = .262 + .448 * X; R^2 = .013

.22

.65

.60

.60

.55

.55

.55

.50

.50

.50

.45

.45

.45

.40 .35

.35

.30

.30

.30

.25

.25

.25

.20

.20

.20

.010

.015 .020 pattern3

.025

.030

.035

Y = .296 + 6.77 * X; R^2 = .245

.65 .60 .55 .50 .45 .40 .35 .30 .25 .20 0.000 .001 .002 .003 .004 .005 .006 .007 .008 pattern6 Y = .343 + 20.875 * X; R^2 = .063

.085 .090 .095 .100 .105 .110 .115 .120 .125 .130 pattern4 Y = .206 + 1.993 * X; R^2 = .025

.26

.28

.30 .32 pattern2

.34

.36

.38

.40

.35

0.000 .005

face

face

.65

.60

.40

.24

Y = .116 + 1.067 * X; R^2 = .127

.65

face

face

Y = .913 - .9 * X; R^2 = .165

.015 .020 .025 .030 .035 .040 .045 .050 .055 pattern5 Y = .279 + 3.787 * X; R^2 = .047

参考資料 新宿西口

.75 .70

.65

.65

.60

.60

.55

.55

.50 .45 .40 .35

.40 .35

.30

.30

.25

.25

.50 .40 .30 .20

.10 .20 .30 .40 .50 .60 .70 .80 .90 1.00 1.10 inv-T120

.60

Y = .769 - .374 * X; R^2 = .503

.90

.80

.80

.70

.70

.70

.50

density

.90

.60

.60 .50

.40

.30

.30

.30

.20

.20 .90 .95 1.00 1.05 1.10 1.15 inv-T140

Y = 1.138 - .548 * X; R^2 = .15

.96

.98

1.00 1.02 inv-T150

1.04

1.06

1.08

.34

Y = .275 + .338 * X; R^2 = .007

.90

.80

.80

.70

.70

density

.90

.60 .50

.50

.30

.20 .43

.45

.47

Y = .026 + 1.969 * X; R^2 = .94

.90

.90

.80

.80

.80

.70

.60 .50

.70

.60

density

density

.70

.50

.40

.40

.30

.30

.20

.20

.60 .50 .40 .30 .20

.230

.15 .20 .25 .30 .35 .40 .45 .50 .55 .60 .65 pattern1

.250

.270 .290 pattern2

.310

.330

0.000 .010 .020 .030 .040 .050 .060 .070 .080 pattern3

Y = .126 + 1.737 * X; R^2 = .122

Y = .133 + 1.012 * X; R^2 = .87

Y = .758 - 6.39 * X; R^2 = .882

.90

.80

.80

.70

.70

.70

.50

density

.90

.80

density

.90

.60

.60 .50

.60 .50

.40

.40

.40

.30

.30

.30

.20

.20 .08

.10

.12

.14

.16 .18 pattern4

Y = 1.069 - 3.282 * X; R^2 = .917

.20

.22

.24

.48

.12 .15 .17 .20 .22 .25 .28 .30 .32 .35 .38 .40 fill-T150

Y = -.052 + 1.907 * X; R^2 = .921

.90

.46

.20 .17 .20 .22 .25 .28 .30 .32 .35 .38 .40 .43 fill-T140

Y = -.281 + 2.235 * X; R^2 = .893

.44

.50

.20 .40

.40 .42 fill-T120

.60

.40

.35 .38 fill-T130

.38

.70

.60

.30

.32

.36

.80

.30

.30

.95 1.00 1.05

.90

.40

.28

.90

Y = -1.086 + 3.877 * X; R^2 = .856

.40

.25

.80 .85 inv-T130

.20 .94

density

.85

.75

.50

.40

.80

.70

.60

.40

.75

.65

Y = 1.329 - .889 * X; R^2 = .611

.80

density

density

.60

.90

.70

density

.70

.45

Y = .662 - .116 * X; R^2 = .051

density

.80

.50

.30 .40 .50 .60 .70 .80 .90 1.001.101.20 1.30 inv-T110

density

.90

density

.75 .70

density

density

群集密度相関分析結果

.20 .02 .04 .06 .08 .10 .12 .14 .16 .18 .20 .22 pattern5 Y = .782 - 2.472 * X; R^2 = .906

-.010

.010

.030 pattern6

Y = .706 - 6.117 * X; R^2 = .888

.050

.070

参考資料 新宿西口

1.15 1.12 1.10 1.07 1.05 1.02

1.30 1.27 1.25 1.23 1.20 1.17 1.15 1.12 1.10 1.07 1.05 1.02

.30 .40 .50 .60 .70 .80 .90 1.001.101.201.30 inv-T110

.60

.75

.80 .85 inv-T120

.90

.60

1.20 1.17 1.15 1.12 1.10 1.07 1.05 1.02 .94

.90 .95 1.00 1.05 1.10 1.15 inv-T140

1.15 1.12 1.10 1.07 1.05 1.02 .28

.30

.32

.35 .38 fill-T130

.40

.43

.45

.250

velocity-all .20

.22

.24

.80 .85 inv-T130

.90

.95 1.00 1.05

.270 .290 pattern2

.38

.40 .42 fill-T120

.44

.46

.48

1.30 1.27 1.25 1.23 1.20 1.17 1.15 1.12 1.10 1.07 1.05 1.02 .12 .15 .17 .20 .22 .25 .28 .30 .32 .35 .38 .40 fill-T150 Y = 1.351 - .622 * X; R^2 = .527

.310

.330

1.30 1.27 1.25 1.23 1.20 1.17 1.15 1.12 1.10 1.07 1.05 1.02 .02 .04 .06 .08 .10 .12 .14 .16 .18 .20 .22 pattern5 Y = 1.104 + .878 * X; R^2 = .627

.36

Y = 1.706 - 1.237 * X; R^2 = .47

1.15 1.12 1.10 1.07 1.05 1.02 .230

velocity-all

1.15 1.12 1.10 1.07 1.05 1.02 .16 .18 pattern4

.34

1.30 1.27 1.25 1.23 1.20 1.17 1.15 1.12 1.10 1.07 1.05 1.02 0.000 .010 .020 .030 .040 .050 .060 .070 .080 pattern3

Y = 1.511 - 1.22 * X; R^2 = .343

1.30 1.27 1.25 1.23 1.20 1.17

.14

1.08

1.30 1.27 1.25 1.23 1.20 1.17

Y = 1.317 - .325 * X; R^2 = .485

.12

1.06

.17 .20 .22 .25 .28 .30 .32 .35 .38 .40 .43 fill-T140

.15 .20 .25 .30 .35 .40 .45 .50 .55 .60 .65 pattern1

.75

1.15 1.12 1.10 1.07 1.05 1.02

Y = 1.378 - .614 * X; R^2 = .526

1.15 1.12 1.10 1.07 1.05 1.02

.10

1.04

1.15 1.12 1.10 1.07 1.05 1.02

.47

1.30 1.27 1.25 1.23 1.20 1.17

Y = 1.017 + 1.056 * X; R^2 = .522

1.00 1.02 inv-T150

1.30 1.27 1.25 1.23 1.20 1.17

Y = 1.455 - .729 * X; R^2 = .518

.08

.98

velocity-all

velocity-all

1.30 1.27 1.25 1.23 1.20 1.17

.25

.96

.70

1.30 1.27 1.25 1.23 1.20 1.17

Y = 1.048 + .119 * X; R^2 = .005

velocity-all

.85

Y = 1.111 + 2.314 * X; R^2 = .636

velocity-all

.80

.65

Y = .816 + .406 * X; R^2 = .636

velocity-all

1.15 1.12 1.10 1.07 1.05 1.02 .75

1.15 1.12 1.10 1.07 1.05 1.02

.95 1.00 1.05

1.25 1.23

Y = 1.103 + .069 * X; R^2 = .013

velocity-all

.70

1.30 1.27

1.30 1.27 1.25 1.23 1.20 1.17

.70

velocity-all

.65

1.30 1.27 1.25 1.23 1.20 1.17

Y = .788 + .5 * X; R^2 = .833

velocity-all

velocity-all

Y = 1.122 + .07 * X; R^2 = .081

velocity-all

velocity-all

1.30 1.27 1.25 1.23 1.20 1.17

velocity-all

velocity-all

群集速度（全体）相関分析結果

1.30 1.27 1.25 1.23 1.20 1.17 1.15 1.12 1.10 1.07 1.05 1.02 -.010

.010

.030 pattern6

Y = 1.129 + 2.235 * X; R^2 = .65

.050

.070

参考資料 新宿西口 群集密度（上方向）相関分析結果

1.50

velocity-up

1.30 1.20 1.10 1.00 .90

1.25 1.20 1.15 1.10 1.05 1.00

.30 .40 .50 .60 .70 .80 .90 1.001.101.201.30 inv-T110

.60

1.00 .90 .80 .70 .60 .50 .85

.94

velocity-up

velocity-up .32

.35 .38 fill-T130

.40

.43

.45

velocity-up

velocity-up

1.06

1.08

.34

1.00 .90 .80 .70 .60 .50 .16 .18 pattern4

.20

.22

.24

.90

.95 1.00 1.05

.270 .290 pattern2

.38

.40 .42 fill-T120

.44

.46

.48

1.00 .90 .80 .70 .60 .50 .12 .15 .17 .20 .22 .25 .28 .30 .32 .35 .38 .40 fill-T150 Y = 2.043 - 3.319 * X; R^2 = .807

.310

.330

1.60 1.50 1.40 1.30 1.20 1.10 1.00 .90 .80 .70 .60 .50 .02 .04 .06 .08 .10 .12 .14 .16 .18 .20 .22 pattern5 Y = .775 + 3.989 * X; R^2 = .698

.36

1.60 1.50 1.40 1.30 1.20 1.10

1.60 1.50 1.40 1.30 1.20 1.10 1.00 .90 .80 .70 .60 .50 0.000 .010 .020 .030 .040 .050 .060 .070 .080 pattern3

Y = 1.126 - .216 * X; R^2 = .001

1.60 1.50 1.40 1.30 1.20 1.10

Y = .269 + 5.607 * X; R^2 = .791

.250

.80 .85 inv-T130

Y = 3.843 - 6.385 * X; R^2 = .674

1.00 .90 .80 .70 .60 .50 .230

velocity-up

velocity-up

1.04

1.60 1.50 1.40 1.30 1.20 1.10

Y = 1.896 - 1.797 * X; R^2 = .8

.75

1.00 .90 .80 .70 .60 .50

.17 .20 .22 .25 .28 .30 .32 .35 .38 .40 .43 fill-T140

.15 .20 .25 .30 .35 .40 .45 .50 .55 .60 .65 pattern1

.14

1.00 1.02 inv-T150

.70

1.60 1.50 1.40 1.30 1.20 1.10

Y = 2.16 - 3.188 * X; R^2 = .764

1.00 .90 .80 .70 .60 .50

.12

.98

1.00 .90 .80 .70 .60 .50

.47

1.60 1.50 1.40 1.30 1.20 1.10

.10

.96

.65

Y = -.183 + 1.487 * X; R^2 = .474

1.60 1.50 1.40 1.30 1.20 1.10

Y = 2.531 - 3.713 * X; R^2 = .723

.08

.60

Y = -.391 + 1.449 * X; R^2 = .039

1.00 .90 .80 .70 .60 .50 .30

1.00 .90 .80 .70 .60 .50

.95 1.00 1.05

1.00 .90 .80 .70 .60 .50

.90 .95 1.00 1.05 1.10 1.15 inv-T140

1.60 1.50 1.40 1.30 1.20 1.10

.28

.90

1.60 1.50 1.40 1.30 1.20 1.10

Y = -.73 + 1.902 * X; R^2 = .52

.25

.80 .85 inv-T120

velocity-up

.80

.75

velocity-up

.75

.70

velocity-up

1.60 1.50 1.40 1.30 1.20 1.10

.70

.65

1.60 1.50 1.40 1.30 1.20 1.10

Y = .493 + 1.01 * X; R^2 = .915

velocity-up

velocity-up

Y = .971 + .277 * X; R^2 = .186

Y = .815 + 10.293 * X; R^2 = .678

velocity-up

velocity-up

1.40

1.55 1.50 1.45 1.40 1.35 1.30

velocity-up

1.60

1.60 1.50 1.40 1.30 1.20 1.10 1.00 .90 .80 .70 .60 .50 -.010

.010

.030 pattern6

Y = .905 + 9.387 * X; R^2 = .617

.050

.070

参考資料 新宿西口

1.20

1.20

1.20

1.18

1.18

1.18

1.16

1.16

1.16 1.14 1.12 1.10 1.08

1.14 1.12 1.10 1.08 1.06

1.06 1.04

.65

.70

.75

.80 .85 inv-T120

.90

1.08

.95 1.00 1.05

.60

1.18

1.18

1.16

1.16

1.14 1.12 1.10

1.14 1.12 1.10

1.12 1.10 1.08 1.06

1.04

1.04 .94

.96

.98

1.00 1.02 inv-T150

1.04

1.06

.34

1.08

1.22

1.20

1.20

1.18

1.18

1.18

1.16

1.16

1.16

1.14 1.12 1.10

1.08

1.08

1.06

1.06

1.04

velocity-down

1.22

1.20

velocity-down

1.22

1.10

.28

.30

.32

.35 .38 fill-T130

.40

.43

.45

.47

1.04 .12 .15 .17 .20 .22 .25 .28 .30 .32 .35 .38 .40 fill-T150 Y = 1.195 - .133 * X; R^2 = .035

1.20

1.18

1.18

1.16

1.16

1.16

velocity-down

1.22

1.20

velocity-down

1.22

1.18

1.14 1.12 1.10

1.14 1.12 1.10

1.08

1.08

1.08

1.06

1.06

1.06

1.04

1.04 .15 .20 .25 .30 .35 .40 .45 .50 .55 .60 .65 pattern1

1.04

.230

Y = 1.184 - .06 * X; R^2 = .024

.250

.270 .290 pattern2

.310

.330

0.000 .010 .020 .030 .040 .050 .060 .070 .080 pattern3

Y = 1.391 - .832 * X; R^2 = .23

Y = 1.139 + .723 * X; R^2 = .09

1.22

1.20

1.20

1.18

1.18

1.18

1.16

1.16

1.16

1.12 1.10

1.14 1.12 1.10

1.08

1.08

1.06

1.06

1.04

velocity-down

1.22

1.20

velocity-down

1.22

1.14

.10

.12

.14

.16 .18 pattern4

Y = 1.127 + .207 * X; R^2 = .029

.20

.22

.24

1.14 1.12 1.10 1.08 1.06

1.04 .08

.48

1.06

1.20

1.10

.46

1.10

1.22

1.12

.44

1.12

Y = 1.198 - .12 * X; R^2 = .029

1.14

.40 .42 fill-T120

1.14

.17 .20 .22 .25 .28 .30 .32 .35 .38 .40 .43 fill-T140

Y = 1.211 - .139 * X; R^2 = .027

.38

1.08

1.04 .25

.36

Y = 1.233 - .177 * X; R^2 = .014

Y = .561 + .592 * X; R^2 = .176

1.12

.95 1.00 1.05

1.14

1.04

1.14

.90

1.16

1.06 .90 .95 1.00 1.05 1.10 1.15 inv-T140

.80 .85 inv-T130

1.18

1.08

.85

.75

1.20

1.06 .80

.70

1.22

1.08

.75

.65

Y = .964 + .198 * X; R^2 = .336

velocity-down

1.20

velocity-down

velocity-down

1.22

1.20

Y = 1.15 + .007 * X; R^2 = 1.84E-4

velocity-down

1.10

Y = .882 + .317 * X; R^2 = .82

1.22

.70

velocity-down

1.12

1.04 .60

Y = 1.105 + .07 * X; R^2 = .117

1.14

1.06

1.04 .30 .40 .50 .60 .70 .80 .90 1.001.101.201.30 inv-T110

velocity-down

velocity-down

1.22

velocity-down

velocity-down

群集速度（下方向）相関分析結果

1.04 .02 .04 .06 .08 .10 .12 .14 .16 .18 .20 .22 pattern5 Y = 1.138 + .249 * X; R^2 = .073

-.010

.010

.030 pattern6

Y = 1.145 + .638 * X; R^2 = .077

.050

.070

参考資料 新宿西口

.53 .50

.45

.48

.40

.45

.35

.43

.30

.40

.25

.38

.20 .15

.35 .33

.10

face

.55 .50

face

.30

.05

.28 .30 .40 .50 .60 .70 .80 .90 1.00 1.101.20 1.30 inv-T110

.60

.25 .20 .15 .10 .05 0.00 .85

.94

face

face

.35 .30 .25 .20 .15 .10 .05 0.00 .35 .38 fill-T130

.40

.43

.45

face

face

face

face

1.08

.34

.250

.20

.22

.24

.270 .290 pattern2

.90

.95 1.00 1.05

.36

.38

.40 .42 fill-T120

.44

.46

.48

.55 .50 .45 .40 .35 .30 .25 .20 .15 .10 .05 0.00 .12 .15 .17 .20 .22 .25 .28 .30 .32 .35 .38 .40 fill-T150 Y = .522 - .828 * X; R^2 = .139

.310

.330

.55 .50 .45 .40 .35 .30 .25 .20 .15 .10 .05 0.00 .02 .04 .06 .08 .10 .12 .14 .16 .18 .20 .22 pattern5 Y = .228 + .692 * X; R^2 = .058

.80 .85 inv-T130

Y = .911 - 1.456 * X; R^2 = .097

.55 .50 .45 .40 .35 .30 .25 .20 .15 .10 .05 0.00 0.000 .010 .020 .030 .040 .050 .060 .070 .080 pattern3

Y = -.683 + 3.412 * X; R^2 = .399

.25 .20 .15 .10 .05 0.00 .16 .18 pattern4

1.06

.25 .20 .15 .10 .05 0.00 .230

.55 .50 .45 .40 .35 .30

.14

1.04

.55 .50 .45 .40 .35 .30

Y = .515 - .512 * X; R^2 = .18

.75

.25 .20 .15 .10 .05 0.00

.17 .20 .22 .25 .28 .30 .32 .35 .38 .40 .43 fill-T140

.15 .20 .25 .30 .35 .40 .45 .50 .55 .60 .65 pattern1

.12

1.00 1.02 inv-T150

.70

.55 .50 .45 .40 .35 .30

Y = .536 - .752 * X; R^2 = .118

.25 .20 .15 .10 .05 0.00

.10

.98

.25 .20 .15 .10 .05 0.00

.47

.55 .50 .45 .40 .35 .30

Y = .079 + 1.403 * X; R^2 = .137

.96

.65

Y = .233 + .091 * X; R^2 = .007

.55 .50 .45 .40 .35 .30

Y = .606 - .83 * X; R^2 = .1

.08

.60

Y = -.278 + .553 * X; R^2 = .016

.45 .40

.30 .32

.25 .20 .15 .10 .05 0.00

.95 1.00 1.05

.25 .20 .15 .10 .05 0.00

.90 .95 1.00 1.05 1.10 1.15 inv-T140

.55 .50

.28

.90

.55 .50 .45 .40 .35 .30

Y = -.863 + 1.208 * X; R^2 = .581

.25

.80 .85 inv-T120

face

.80

.75

face

.75

.70

face

.55 .50 .45 .40 .35 .30

.70

.65

.55 .50 .45 .40 .35 .30

Y = .784 - .498 * X; R^2 = .892

face

face

Y = .216 + .157 * X; R^2 = .101

Y = .236 + 1.707 * X; R^2 = .052

face

face

対向割合相関分析結果

.55 .50 .45 .40 .35 .30 .25 .20 .15 .10 .05 0.00 -.010

.010

.030 pattern6

Y = .259 + 1.138 * X; R^2 = .025

.050

.070

参考資料 新宿南口 3F

.55

.55

.50

.50

.50

.45

.45

.45

.40

.40

.40

.35 .30

density

.55

density

.35 .30

.25

.20

.20

.15

.15

.15

.10

1.04

1.06

1.08

1.10 1.12 inv-T140

1.14

1.16

1.18

.10

1.02

1.06

1.08 1.10 inv-T150

1.12

1.14

1.04 1.06 1.08 1.10 1.12 1.14 1.16 1.18 1.20 1.22 inv-T160 Y = -1.481 + 1.659 * X; R^2 = .383

.52 .50

.55 .50

.48

.48

.45

.46

.46

.40

.44

.44

.35

.42 .40

density

.52 .50

.42 .40

.38 .36

.38 .36

.34

.34

.32 1.070

1.080

1.090 1.100 inv-T170

1.110

1.120

.25

.10 .05

.400

Y = 1.088 - .595 * X; R^2 = .03

.30 .20 .15

.32

1.060

.410

.420 .430 fill-T140

.440

.450

.15

.55 .50

.55 .50

.45

.45

.45

.40

.40

.40

.35

.35

.35

.25

.30 .25

.20 .15

.20 .15

.10

.10

.05

density

.55 .50

.30

.20

.25

.30 fill-T160

.35

.40

.45

.20

.25 fill-T170

.30

.35

.40

.35

.45

.40

.40

.40

.35

.35

.35

density

.55 .50

.45

.30 .25

.20 .15

.10

.10

.10

.05

.05

.005 .010 .015 .020 .025 .030 .035 .040 .045 pattern3 Y = .606 - 12.067 * X; R^2 = .914

.45

.40

.40

.35

.35

density

.55 .50

.45

.30 .25 .20 .15

.30 .25

.10

.05

.05

0.000

.020

.040 .060 pattern5

Y = .519 - 4.401 * X; R^2 = .909

.080

.100

0.000

.005

.010 .015 pattern6

Y = .443 - 16.953 * X; R^2 = .749

.55 .60 pattern1

.65

.04

.06

.08

.10 .12 pattern4

Y = .647 - 3.405 * X; R^2 = .884

.20 .15

.10

.50

.70

.75

.80

.25

.20 .15

.55 .50

.45

.30

.20 .15

Y = .796 - 1.985 * X; R^2 = .695

.40

Y = -.246 + .981 * X; R^2 = .919

.55 .50

.12 .15 .17 .20 .22 .25 .28 .30 .32 .35 .38 pattern2

.45

.05 .15

.45

.05

.40

.25

.55 .50

.25

.35

.30

Y = -.243 + 1.871 * X; R^2 = .939

.30

.30 fill-T150

.10 .10

Y = -.234 + 1.703 * X; R^2 = .904

.25

.20 .15

.05 .15

.20

Y = -.258 + 1.671 * X; R^2 = .886

Y = .27 + .402 * X; R^2 = .012

density

density

1.04

Y = -3.715 + 3.706 * X; R^2 = .855

density

density

Y = -3.476 + 3.436 * X; R^2 = .81

density

.30

.25

.20 .10

density

.35

.25

density

density

群集密度相関分析結果

.020

.025

.14

.16

.18

参考資料 新宿南口 3F 群集速度（全体）相関分析結果

.55 .50

2.40

.45

2.20

.35 .30 .25 .20 .15

1.75

2.10

velocity-all

velocity-all

.40

2.00 1.90 1.80 1.70

.10

1.60

.05

1.50

0.000

.005

.010 .015 pattern6

.020

.025

1.580

1.570

1.570

velocity-all

1.560 1.550

1.530

1.530 1.110

1.120

1.14

1.04 1.06 1.08 1.10 1.12 1.14 1.16 1.18 1.20 1.22 inv-T160 Y = 3.063 - 1.311 * X; R^2 = .566

2.30 2.20

2.40

2.30

2.30

2.20

2.20

2.10

2.10

2.00 1.90 1.80

.420 .430 fill-T140

.440

.450

.15

1.60

1.50 .40

.45

1.90 1.80 1.70 1.60 1.50

.15

.20

.25 fill-T170

.30

.35

.40

.35

.40 .45 .50 .55 .60 .65 pattern1 Y = 2.219 - .883 * X; R^2 = .216

2.40

2.30

2.30

2.20

2.20

2.10

2.10

2.10

velocity-all

2.40

2.20

2.00 1.90 1.80

1.70

1.60

1.60

1.50

1.50

1.50

Y = 1.399 + 12.612 * X; R^2 = .29

2.40

2.30

2.30

2.20

2.20

2.10

2.10

velocity-all

2.40

2.00 1.90 1.80 1.70

1.90 1.80 1.70

1.60

1.60

1.50

1.50

0.000

.020

.040 .060 pattern5

.080

Y = 1.347 + 6.887 * X; R^2 = .647

.100

0.000

.005

.010 .015 pattern6

Y = 1.448 + 28.177 * X; R^2 = .601

.04

.06

.08

.10 .12 pattern4

.14

Y = 1.428 + 2.957 * X; R^2 = .194

2.00

.020

.025

.80

1.80

1.70

Y = 1.553 + .806 * X; R^2 = .033

.75

1.90

1.60

.005 .010 .015 .020 .025 .030 .035 .040 .045 pattern3

.70

2.00

1.70

.12 .15 .17 .20 .22 .25 .28 .30 .32 .35 .38 pattern2

.45

2.00

2.30

1.80

.40

2.10

2.40

1.90

.35

2.20

Y = 2.482 - 2.703 * X; R^2 = .569

2.00

.30 fill-T150

2.30

.10

Y = 2.5 - 2.574 * X; R^2 = .6

.25

2.40

1.50 .35

.20

Y = 2.546 - 2.555 * X; R^2 = .602

1.80

1.60 .30 fill-T160

1.80

1.50 .410

1.90 1.70

.25

1.90

1.60

2.00

1.70

.20

2.00

1.70

velocity-all

2.40

.15

2.10

Y = 1.91 - .843 * X; R^2 = .441

velocity-all

velocity-all

1.12

2.40

.400

Y = 2.626 - .987 * X; R^2 = .714

velocity-all

1.08 1.10 inv-T150

1.550 1.540

velocity-all

1.06

1.560

1.540

1.090 1.100 inv-T170

1.04

velocity-all

velocity-all

1.590

1.580

1.080

1.60

Y = 6.278 - 4.249 * X; R^2 = .427

1.590

1.070

1.65

1.50

1.02

Y = .443 - 16.953 * X; R^2 = .749

1.060

1.70

1.55

velocity-all

density

1.80

2.30

.16

.18

参考資料 新宿南口 3F

1.75

1.75

1.70

1.70

1.70

1.65

1.65

1.65

1.60

1.60

1.60

1.55 1.50 1.45

1.55 1.50 1.45

1.40

1.40

1.35

1.35

1.30

velocity-up

1.75

velocity-up 1.06

1.08

1.10 1.12 inv-T140

1.14

1.16

1.18

1.08 1.10 inv-T150

1.12

1.14

1.04 1.06 1.08 1.10 1.12 1.14 1.16 1.18 1.20 1.22 inv-T160 Y = 3.734 - 1.993 * X; R^2 = .79

1.75

1.53

1.70

1.50

1.50

1.65

1.48

1.48

1.60

1.45 1.43 1.40

velocity-up

1.55

1.53

velocity-up

1.45 1.43 1.40

1.55 1.50 1.45

1.38

1.38

1.40

1.35

1.35

1.35

1.33

1.33 1.070

1.080

1.090 1.100 inv-T170

1.110

1.120

1.30

.400

.410

.420 .430 fill-T140

.440

.450

.15

1.75

1.75

1.70

1.70

1.70

1.65

1.65

1.65

1.60

1.60

1.60

velocity-up

1.75

1.55 1.50 1.45

1.55 1.50 1.45

1.40

1.40

1.35

1.35

1.30 .20

.25

.30 fill-T160

.35

.40

.45

1.30 .15

.20

.25 fill-T170

.30

.35

.40

.35

1.75

1.70

1.70

1.65

1.65

1.60

1.60

1.60

velocity-up

1.75

1.55 1.50 1.45

1.40

1.35

1.35

1.30

1.30

1.30

.005 .010 .015 .020 .025 .030 .035 .040 .045 pattern3 Y = 1.35 + 7.629 * X; R^2 = .812

1.70

1.65

1.65

1.60

1.60

velocity-up

1.75

1.55 1.50 1.45 1.40

1.55 1.50 1.45 1.35

1.30

1.30

0.000

.020

.040 .060 pattern5

.080

Y = 1.404 + 2.793 * X; R^2 = .814

.100

0.000

.005

.010 .015 pattern6

Y = 1.448 + 11.231 * X; R^2 = .73

.65

.04

.06

.08

.10 .12 pattern4

Y = 1.322 + 2.172 * X; R^2 = .8

1.40

1.35

.55 .60 pattern1

.70

.75

.80

1.45

1.40

1.70

.50

1.50

1.35

1.75

.45

1.55

1.40

Y = 1.244 + 1.206 * X; R^2 = .571

.40

Y = 1.886 - .615 * X; R^2 = .801

1.65

.12 .15 .17 .20 .22 .25 .28 .30 .32 .35 .38 pattern2

.45

1.45

1.70

1.45

.40

1.50

1.75

1.50

.35

1.55

Y = 1.888 - 1.187 * X; R^2 = .84

1.55

.30 fill-T150

1.35 .10

Y = 1.883 - 1.084 * X; R^2 = .814

.25

1.40

1.30 .15

.20

Y = 1.896 - 1.055 * X; R^2 = .785

Y = 2.917 - 3.44 * X; R^2 = .707

velocity-up

velocity-up

1.06

Y = 4.195 - 2.443 * X; R^2 = .735

Y = 4.151 - 2.474 * X; R^2 = .432

velocity-up

1.04

1.55

1.060

velocity-up

1.45

1.30

1.02

Y = 4.269 - 2.477 * X; R^2 = .833

velocity-up

1.50

1.35

1.30