COVID-19特設サイト:外出の自粛率の見える化

目的

本サイトへのリンクや引用はトップページ http://research.nii.ac.jp/~mizuno/ にお願いします.

あなたの命を,家族を,大切な人を,社会を守るため新型コロナウイルスの感染拡大をくい止めるために, 世界的に ”Stay Home” ウチで過ごそうが,呼びかけられている. この外出の自粛率とは,地域ごとに外出を自粛する人々の頑張りを見える化した指標である. また,経済再開局面における,経済活動の回復を見える化した指標でもある.

ドコモの携帯電話,約7800万台の基地局情報から推定されたリアルタイム人口分布**を利用して, 住宅地からの「外出者数=昼間人口-夜間人口」を見積もり、 各地域の住民の「外出の自粛率=1-(ある日の"外出者数×平均外出時間")/(平常時の"外出者数×平均外出時間")」を定量化した. これは,地域住民が,どの程度,コロナ以前の1月に比べて外出を控えているかを測っている. 感染率との対比で外出の自粛率が低い地域を見つけることができ, 各自治体が地域の実状に合わせた効果的な自粛要請をおこなうことをサポートする. (例えば,自粛率が60%なら,これまで外出していた100人の内で60人が外出せずにウチ(自宅のある500m四方)で過ごしていることを意味する.)
外出の自粛率の意義や詳細な定義については,以下の論文*を,ご参照ください.
* 水野貴之,大西立顕,渡辺努 (2020) 流動人口ビッグデータによる地域住民の自粛率の見える化 - 感染者数と自粛の関係 -. キヤノングローバル戦略研究所コラム, 2020.04.22. (https://www.canon-igs.org/column/macroeconomics/20200422_6369.html)
** 国内人口分布統計(リアルタイム版)モバイル空間統計® (https://mobaku.jp/)

外出の自粛率(ビジュアル化サイト)

http://rso.nii.ac.jp/~mizuno/

外出の自粛率(データ)

都道府県

2020年1月(6日~)
1日 2日 3日 4日
5日 6日 7日 8日 9日 10日 11日
12日 13日 14日 15日 16日 17日 18日
19日 20日 21日 22日 23日 24日 25日
26日 27日 28日 29日 30日 31日
2020年2月
1日
2日 3日 4日 5日 6日 7日 8日
9日 10日 11日 12日 13日 14日 15日
16日 17日 18日 19日 20日 21日 22日
23日 24日 25日 26日 27日 28日 29日
2020年3月
1日 2日 3日 4日 5日 6日 7日
8日 9日 10日 11日 12日 13日 14日
15日 16日 17日 18日 19日 20日 21日
22日 23日 24日 25日 26日 27日 28日
29日 30日 31日
2020年4月
1日 2日 3日 4日
5日 6日 7日 8日 9日 10日 11日
12日 13日 14日 15日 16日 17日 18日
19日 20日 21日 22日 23日 24日 25日
26日 27日 28日 29日 30日
2020年5月(5月4日-6日の自粛率は1月の日曜日の平均との比較から算出している.)
1日 2日
3日 4日 5日 6日 7日 8日 9日
10日 11日 12日 13日 14日 15日 16日
17日 18日 19日 20日 21日 22日 23日
24日 25日 26日 27日 28日 29日 30日
31日
2020年6月
1日 2日 3日 4日 5日 6日
7日 8日 9日 10日 11日 12日 13日
14日 15日 16日 17日 18日 19日 20日
21日 22日 23日 24日 25日 26日 27日
28日 29日 30日
2020年7月
1日 2日 3日 4日
5日 6日 7日 8日 9日 10日 11日
12日 13日 14日 15日 16日 17日 18日
19日 20日 21日 22日 23日 24日 25日
26日 27日 28日 29日 30日 31日
2020年8月
1日
2日 3日 4日 5日 6日 7日 8日
9日 10日 11日 12日 13日 14日 15日
16日 17日 18日 19日 20日 21日 22日
23日 24日 25日 26日 27日 28日 29日
30日 31日
2020年9月
1日 2日 3日 4日 5日
6日 7日 8日 9日 10日 11日 12日
13日 14日 15日

都道府県(性別・世代別)

自粛率は「都道府県×性別×世代」別に1月の平日・土曜祝日・日曜日の各平均との比較から算出している.
M:男性, F:女性
15:15歳~19歳, 20:20歳~29歳, 30:30歳~39歳, 40:40歳~49歳, 50:50歳~59歳, 60:60歳~69歳, 70:70歳~79歳
2020年1月 2020年2月 2020年3月 2020年4月 2020年5月 2020年6月
2020年7月 2020年8月 2020年9月

東京都特別区

千代田区,中央区,港区,新宿区は住宅地人口が3000人未満のため計測不能
2020年1月 2020年2月 2020年3月 2020年4月 2020年5月 2020年6月
2020年7月 2020年8月 2020年9月

大阪市区部

阿倍野区,大正区,中央区,天王寺区,浪速区,西区,東成区,福島区,都島区は住宅地人口が3000人未満のため計測不能
2020年1月 2020年2月 2020年3月 2020年4月 2020年5月 2020年6月
2020年7月 2020年8月 2020年9月

特別区と行政区(過去1週間の上位10区)

住宅地人口が1万人以上の「政令指定都市166区部と592市」に限定
順位 6月30日 7月1日 7月2日 7月3日 7月4日 7月5日 7月6日
1 東京都品川区
(36.7%)
東京都品川区
(36.5%)
東京都品川区
(34.5%)
東京都品川区
(36.6%)
群馬県沼田市
(45.7%)
福島県二本松市
(46.6%)
東京都品川区
(38.1%)
2 東京都目黒区
(36.1%)
東京都目黒区
(32.9%)
東京都目黒区
(33.3%)
東京都目黒区
(33.7%)
千葉県浦安市
(37.6%)
群馬県沼田市
(42.1%)
東京都目黒区
(35.7%)
3 東京都渋谷区
(31.2%)
東京都江東区
(30.9%)
東京都世田谷区
(27.0%)
東京都江東区
(29.1%)
山梨県甲州市
(37.0%)
茨城県鉾田市
(42.0%)
岐阜県下呂市
(35.2%)
4 京都府京都市北区
(31.1%)
東京都世田谷区
(29.8%)
東京都杉並区
(26.6%)
東京都世田谷区
(28.6%)
熊本県天草市
(36.5%)
千葉県浦安市
(41.6%)
鹿児島県鹿屋市
(35.0%)
5 東京都世田谷区
(30.8%)
神奈川県横浜市青葉区
(29.2%)
東京都渋谷区
(26.4%)
東京都渋谷区
(28.5%)
愛知県高浜市
(35.6%)
島根県雲南市
(41.1%)
岐阜県郡上市
(30.8%)
6 千葉県浦安市
(29.8%)
東京都渋谷区
(29.7%)
京都府京都市北区
(25.9%)
千葉県浦安市
(28.2%)
福島県相馬市
(34.9%)
岐阜県恵那市
(39.2%)
東京都世田谷区
(29.6%)
7 神奈川県横浜市青葉区
(29.2%)
千葉県浦安市
(28.7%)
東京都江東区
(25.8%)
東京都杉並区
(27.7%)
山形県東根市
(34.2%)
静岡県浜松市天竜区
(39.0%)
千葉県浦安市
(29.4%)
8 東京都三鷹市
(29.2%)
東京都杉並区
(28.6%)
神奈川県鎌倉市
(25.7%)
京都府京都市北区
(27.6%)
愛知県岡崎市
(33.7%)
新潟県佐渡市
(37.9%)
東京都江東区
(29.3%)
9 東京都杉並区
(28.8%)
神奈川県横浜市西区
(28.5%)
千葉県浦安市
(25.2%)
東京都三鷹市
(27.0%)
東京都品川区
(33.6%)
鹿児島県鹿屋市
(37.3%)
岐阜県高山市
(28.7%)
10 神奈川県横浜市都筑区
(28.5%)
神奈川県川崎市宮前区
(27.2%)
東京都三鷹市
(25.0%)
東京都豊島区
(26.2%)
静岡県浜松市東区
(33.5%)
山梨県甲州市
(37.2%)
東京都杉並区
(28.6%)

自粛中の街をVR体験

ソーシャルディスタンスを確保しながら出かけるにはどうすればよいの? どういった場所が感染リスクがあるの? 裏道を使えば接触機会が減らせるかな? 当時の街を体験したいな。最短で1時間前の街に,時間も空間も超えて仮想現実VRで体験できるシステムを開発しております。

AIによる三次元都市の再現


携帯電話の基地局情報(メッシュ型人口分布)やGPS情報(GPS型人口分布),建物情報を用いて街を再現する手順
 (a)メッシュ型人口分布(500m区画内の人口)
 (b)移動速度付きGPS型人口分布(黒は時速4km以下、黄は時速4km以上)
 (c)AI(機械学習)が生成した高解像度の二次元人口分布(黒は時速4km以下、黄は時速4km以上)
 (d)建物の敷地と高さ情報(サイズは敷地面積を、濃色ほど高層を表す)
 (e)高解像度の三次元人口分布(黒は時速4km以下、黄は時速4km以上)
引用:水野貴之, 大西立顕, 渡辺努 (2020) 空間情報ビッグデータによるCOVID-19の感染に繋がる接触頻度の推定, キヤノングローバル戦略研究所コラム 2020.05.29.

VRで三次元都市にダイブ


 (f)AIで再現された1月29日の浅草(1体=20人、赤は時速4km以上)

 (g)AIで再現された4月26日の浅草(1体=20人、赤は時速4km以上)

 (h)AIで再現された1月29日の浅草(バード・ビュー)

Mizuno Laboratory