JP7218754B2

JP7218754B2 - 空き家判定装置、空き家判定方法およびプログラム

Info

Publication number: JP7218754B2
Application number: JP2020521249A
Authority: JP
Inventors: 徹也草薙
Original assignee: NEC Corp
Current assignee: NEC Corp
Priority date: 2018-05-23
Filing date: 2019-05-21
Publication date: 2023-02-07
Anticipated expiration: 2039-05-21
Also published as: WO2019225597A1; EP3798941A4; EP3798941A1; JPWO2019225597A1

Description

本発明は、空き家判定装置、空き家判定方法、プログラムに関する。

近年、空き家の増加は全国的な社会問題として注目されている。空き家の増加は地域の環境や防災・防犯に悪影響を及ぼすことが知られており、空き家の増加問題に対しては国や自治体によって様々な対策が立案されている。このような対策を立てる上では、地域における空き家数を把握することの重要性は高い。

特許文献１には、調査情報に関する調査条件および当該調査結果を入力すると、空き家情報ＤＢを参照して家情報に関する調査条件および調査結果の検索を行い、少なくとも空き家情報に関する内容および住宅マップを表示し、住宅マップおよび検索結果についての空き家情報を記憶する技術が開示されている。
また非特許文献１には空き家率を推定できるモデルを作成する技術が開示されている。

特開２０１７－９７５３３号公報

"2016 年度 CSIS 共同研究報告書，No.691，GIS を用いた地域・建物属性からみる空き家推定モデルの作成"、「online」、「平成２１年０５月２１日検索」、インターネット＜ＵＲＬ：https://joras.csis.u-tokyo.ac.jp/annual_report/downloadFile/id/365＞

上述のような技術において、所望地域の空き家の状況をできるだけ労力をかけずに把握するための技術が求められている。

そこで本開示は、上述の課題を解決する空き家判定装置、空き家判定方法、プログラムを提供することを目的としている。

本発明の第１の態様によれば、空き家判定装置は、地図上に含まれる家のうちの調査済みの空き家の座標と、構造物の属性情報と、地形情報と、を少なくとも含む地図データに基づいて所定地域に関する空き家確率算出式を導出する式導出部と、前記地図データに含まれる各家に関する空き家確率を、前記空き家確率算出式を用いて算出する空き家確率算出部と、前記所定地域を含む撮影画像内の前記家の敷地の画素情報のうち前記空き家の座標に対応する家の敷地の画素情報に基づいて生成された前記撮影画像における前記空き家を推定する機械学習データと、前記空き家確率が所定値以上の家の敷地の画像情報とに基づいて、当該空き家確率が所定値以上の家が空き家か否かを判定する空き家判定部と、を備える。

本発明の第２の態様によれば、空き家判定方法は、地図上に含まれる家のうちの調査済みの空き家の座標と、構造物の属性情報と、地形情報と、を少なくとも含む地図データに基づいて所定地域に関する空き家確率算出式を導出し、前記地図データに含まれる各家に関する空き家確率を、前記空き家確率算出式を用いて算出し、前記所定地域を含む撮影画像内の前記家の敷地の画素情報のうち前記空き家の座標に対応する家の敷地の画素情報に基づいて生成された前記撮影画像における前記空き家を推定する機械学習データと、前記空き家確率が所定値以上の家の敷地の画像情報とに基づいて、当該空き家確率が所定値以上の家が空き家か否かを判定する。

本発明の第２の態様によれば、プログラムは、空き家判定装置のコンピュータを、地図上に含まれる家のうちの調査済みの空き家の座標と、構造物の属性情報と、地形情報と、を少なくとも含む地図データに基づいて所定地域に関する空き家確率算出式を導出する式導出手段、前記地図データに含まれる各家に関する空き家確率を、前記空き家確率算出式を用いて算出する空き家確率算出手段、前記所定地域を含む撮影画像内の前記家の敷地の画素情報のうち前記空き家の座標に対応する家の敷地の画素情報に基づいて生成された前記撮影画像における前記空き家を推定する機械学習データと、前記空き家確率が所定値以上の家の敷地の画像情報とに基づいて、当該空き家確率が所定値以上の家が空き家か否かを判定する空き家判定手段、として機能させる。当該プログラムは非一時的な記録媒体に格納されていてもよい。

本開示によれば、所望地域の空き家の状況をできるだけ労力をかけずに把握することができる。

本発明の一実施形態による空き家判定装置の機能ブロックを示す図である。本発明の一実施形態による空き家判定装置のハードウェア構成を示す図である。本発明の一実施形態による空き家判定装置の処理フローを示す第一の図である。本発明の一実施形態による空き家判定装置の処理フローを示す第一の図である。本発明の一実施形態による空き家判定装置の最小構成の機能ブロックを示す図である。

以下、本発明の一実施形態による空き家判定装置を図面を参照して説明する。
図１は同実施形態による空き家判定装置の機能ブロックを示す図である。
空き家判定装置１のコンピュータは、予め記憶する空き家判定プログラムを実行する。空き家判定装置１は、制御部１０、式導出部１１、空き家確率算出部１２、学習部１３、空き家判定部１４、地図生成部１５、の各機能を備える。図１で示すように空き家判定装置１は、データベース２と通信可能に接続されている。

データベース２には一例として地図データと撮影画像が記録される。地図データと撮影画像は、ある所定地域を含む対応する地図データと撮影画像である。所定地域とは、市、区、町、村、用途地域などである。地図データには、一例として所定地域を含む地図上に存在する各家のうちの調査済みの空き家の座標（緯度、経度）、構造物の属性情報、地形情報などが含まれている。構造物は例えば、道路の座標、道路の幅情報、主要公共施設（駅、学校等）の識別情報（構造物ＩＤ）、などであってよい。地形情報は標高等の情報である。撮影画像は航空写真画像、衛星画像などであってよい。撮影画像は高精細画像であることが望ましい。

データベース２には空き家判定装置１が生成する機械学習データが記録される。空き家判定装置１は地域ごとに機械学習データを生成する。機械学習データは、所定地域を含む撮影画像内の家の敷地の画素情報のうち、空き家の座標に対応する家の敷地の画素情報に基づいて撮影画像における空き家を推定するためのデータである。

図２は空き家判定装置のハードウェア構成を示す図である。
空き家判定装置１のコンピュータは、図２で示すようにＣＰＵ（Central Processing Unit）１０１、ＲＯＭ（Read Only Memory）１０２、ＲＡＭ（Random Access Memory）１０３、ＨＤＤ（Hard Disk Drive）１０４、インタフェース１０５、通信モジュール１０６等のハードウェアを備える。

図３は空き家判定装置の処理フローを示す第一の図である。
空き家判定装置１は、地図データと撮影画像データとを用いて、空き家を推定するために用いる機械学習データを事前に生成する。より詳細には機械学習データは、所定地域を含む撮影画像内の家の敷地の画素情報のうち空き家の座標に対応する家の敷地の画素情報に基づいて、撮影画像における空き家を推定するために用いるデータである。

例えば空き家判定装置１は、機械学習の開始の指示の入力をユーザインタフェースから受け付ける（ステップＳ１０１）。すると学習部１３はデータベース２から１つめの地域の識別情報（地域ＩＤ）に紐づいて記録されている地図データと撮影画像とを取得する（ステップＳ１０２）。学習部１３は地図データから調査済みの空き家の座標を取得する（ステップＳ１０３）。学習部１３は空き家の座標に対応する撮影画像中の座標を基準として、その座標の家の敷地の領域を推定する（ステップＳ１０４）。学習部１３は空き家の座標とその空き家を囲む樹木を示す色の範囲とに基づいて敷地の領域を推定してよい。また学習部１３は家の周りの道を示す画像に基づいてその空き家の敷地を推定してもよい。空き家の敷地の推定は他の手法を用いてもよい。学習部１３は空き家の敷地の画像、空き家でない敷地の画像、ニューラルネットワークラーニング等の機械学習手法を用いて、ある撮影画像に含まれるある領域の画像が空き家であることを判定するための機械学習データを生成する（ステップＳ１０５）。学習部１３は地域の識別情報に紐づけて機械学習データをデータベース２に記録する（ステップＳ１０６）。また学習部１３はデータベース２に含まれる全ての地域の地図データと撮影画像との対について機械学習データを生成したかを判定する（ステップＳ１０７）。学習部１３は全ての地図データと撮影画像の対について機械学習データを生成していない場合には未実施の他の地図データと撮影画像の対についての機械学習データの生成を繰り返す。なお学習部１３は時間に応じた地域の撮影画像を複数順に取得し、地域の撮影画像の変遷に基づいて、空き家の座標とその空き家の敷地の領域の画像とを用いて空き家と判定される要素の情報を学習するようにしてもよい。空き家と判定される要素は、例えば標高Ｘ１、最近隣道路幅Ｘ２、最寄り駅からの距離Ｘ３、用途地域Ｘ４の他、築年数、車の出入り度合、敷地の草木の繁茂度合、地域における住宅の建て替え頻度などの要素である。

図４は空き家判定装置の処理フローを示す第二の図である。
機械学習データの事前生成の後、空き家判定装置１は所定地域の識別情報の入力を受け付ける（ステップＳ２０１）。例えば空き家判定装置１は所定地域の識別情報をユーザ操作に基づいてユーザインタフェース装置から取得する。また空き家判定装置１は処理の開始の指示を受け付ける。これにより空き家判定装置１の制御部１０はデータベース２から所定地域の識別情報に紐づいて記録されている地図データと撮影画像と機械学習データとを取得する（ステップＳ２０２）。

式導出部１１は地図データを取得する。式導出部１１は地図データに含まれる調査済みの空き家の座標（緯度、経度）、構造物の属性情報、地形情報を取得する。式導出部１１はこれらの取得した情報のうち、予め定められた式導出パラメータを空き家ごとに特定する（ステップＳ２０３）。式導出パラメータは、例えば、空き家の標高、空き家の座標から最も近い近隣道路の幅、空き家の最寄り駅の座標、空き家が含まれる地域の用途地域識別子などの情報であってよい。より具体的には式導出部１１は空き家の標高を、空き家の座標に紐づいて地図データに記録されている標高に基づいて特定する。また式導出部１１は、空き家の座標から基も近い座標の道路について地図データに記録されている道路の幅（最近隣道路幅）を特定する。また式導出部１１は駅の座標のうち空き家の座標に最も近い座標を特定する。また式導出部１１は空き家の座標と、地図データに記録されている各用途地域の座標との関係に基づいて、空き家の座標を含む用途地域の識別情報を特定する。なお本実施形態においては地図データにこれら調査済みの空き家の座標（緯度、経度）、構造物の属性情報、地形情報が含まれる例について説明したが、これらの情報は地図データとは別のデータとしてデータベース２に記録され空き家判定装置１がこのデータを用いて同様に式導出パラメータを空き家ごとに特定するようにしてもよい。

式導出部１１は特定した各空き家に対応する式導出パラメータと回帰分析手法とを用いて地図データが示す地域についての空き家確率算出式を導出する（ステップＳ２０４）。空き家確率算出式は、一例として式（１）のように表される。式導出部１１は空き家確率Ｙに対する相関係数であるＡ１，Ａ２，Ａ３，Ａ４等を算出することにより空き家確率算出式を導出する。式（１）においてＡは定数を示す。回帰分析手法はロジスティック回帰分析、重回帰分析等である。

空き家確率Ｙ＝Ａ＋Ａ１（標高Ｘ１）＋Ａ２（最近隣道路幅Ｘ２）
＋Ａ３（最寄り駅からの距離Ｘ３）＋Ａ４（用途地域Ｘ４）…（１）

式導出部１１が空き家確率算出式を導出すると、空き家確率算出部１２はその式を用いて、地図データに含まれる未調査の全ての家の空き家確率Ｙを算出する（ステップＳ２０５）。具体的には空き家確率算出部１２は、未調査の空き家の座標を地図データから取得し、この座標に基づいて標高Ｘ１、最近隣道路幅Ｘ２、最寄り駅からの距離Ｘ３、用途地域識別子に対する値Ｘ４を特定する。空き家確率算出部１２は、これらの値を空き家確率算出式（１）に入力して空き家確率Ｙを算出する。調査済みの空き家確率は１００％であってよい。空き家確率算出部１２は、地図データと当該地図データに含まれる各家の空き家確率を示す空き家確率データとを紐づけてデータベース２に記録する。なお式導出部１１は、学習部１３によって空き家と判定される要素が特定されている場合には、さらにその要素の項を含む空き家確率Ｙの算出式を再構成するようにしてもよい。

空き家確率算出部１２が地図データに含まれる全ての家の空き家確率を算出すると、空き家判定部１４は、その地図データに含まれる全ての家のうち、空き家確率が空き家と推定できる所定の閾値以上の空き家確率の家を空き家候補と特定する（ステップＳ２０６）。空き家判定部１４はステップＳ２０２で取得した機械学習データに基づいてニューラルネットワークを構築し、このニューラルネットワークを用いて空き家候補となる全ての家の敷地の画像が、空き家か否かを判定する（ステップＳ２０７）。なお地図データにおける空き家候補の家の敷地は、ステップＳ１０４と同様の方法で推定すればよい。地図生成部１５は空き家と判定された家の位置の座標上に空き家であることを表した空き家地図を生成する（ステップＳ２０８）。例えば空き家と判定された位置の位置に所定のアイコン画像（赤丸などの画像）をプロットした空き家地図を生成する。出力部１６は空き家地図を所定の装置に出力する（ステップＳ２０９）。出力部１６は空き家地図をデータベース２に記録してもよい。

なお空き家判定装置１は、ステップＳ２０８により生成した空き家地図の地図データをステップＳ２０２における取得した地図データとして用いて、ステップＳ２０３からの処理を繰り返して行うようにしてもよい。ステップＳ２０３～ステップＳ２０８の処理を繰り返すことにより、精度のよい空き家地図データを生成することができる。

以上の処理により、空き家判定装置１は機械学習データに基づいて空き家確率の値が所定の閾値以上となる空き家を判定することができる。また空き家判定装置１はユーザが指定した地域において空き家であると判定された家の位置を示す空き家地図を生成して所望の装置に出力することができる。

図５は空き家判定装置の最小構成を示す図である。
図５で示すように空き家判定装置１は少なくとも式導出部１１、空き家確率算出部１２、空き家判定部１４の機能を備える。
式導出部１１は、地図上に含まれる家のうちの調査済みの空き家の座標と、構造物の属性情報と、地形情報と、を少なくとも含む地図データに基づいて所定地域に関する空き家確率算出式を導出する。
空き家確率算出部１２は、地図データに含まれる各家に関する空き家確率を、空き家確率算出式を用いて算出する。
空き家判定部１４は、所定地域を含む撮影画像内の家の敷地の画素情報のうち空き家の座標に対応する家の敷地の画素情報に基づいて生成された撮影画像における空き家を推定する機械学習データと、空き家確率が所定値以上の家の敷地の画像情報とに基づいて、当該空き家確率が所定値以上の家が空き家か否かを判定する。

なお上述の空き家判定装置１は内部に、コンピュータシステムを有している。そして、上述した各処理の過程は、プログラムの形式でコンピュータ読み取り可能な記録媒体に記憶されており、このプログラムをコンピュータが読み出して実行することによって、上記処理が行われる。ここでコンピュータ読み取り可能な記録媒体とは、磁気ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、半導体メモリ等をいう。また、このコンピュータプログラムを通信回線によってコンピュータに配信し、この配信を受けたコンピュータが当該プログラムを実行するようにしても良い。

また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。
以上、実施形態を参照して本発明を説明したが、本発明は上記実施形態に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解し得る様々な変更をすることができる。また、各実施形態における構成は、本発明のスコープを逸脱しない限りにおいて、互いに組み合わせることが可能である。
この出願は２０１８年５月２３日に出願された日本出願特願２０１８－０９８９２２を基礎とする優先権を主張し、その開示の全てをここに取り込む。

１・・・空き家判定装置
２・・・データベース
１０・・・制御部
１１・・・式導出部
１２・・・空き家確率算出部
１３・・・学習部
１４・・・空き家判定部
１５・・・地図生成部
１６・・・出力部

Claims

地図上に含まれる家のうちの調査済みの空き家の座標と、構造物の属性情報と、地形情報と、を少なくとも含む地図データに基づいて前記空き家の式導出パラメータとして、空き家の座標に紐づいて地図データに記録されている標高に基づいて、空き家の標高Ｘ１を特定し、空き家の座標から最も近い座標の道路について地図データに記録されている道路の幅である、最近隣道路幅Ｘ２を特定し、駅の座標のうち空き家の座標に最も近い座標に基づいて、最寄駅からの距離Ｘ３を特定し、空き家の座標と地図データに記録されている各用途地域の座標との関係に基づいて、空き家の座標を含む用途地域の識別情報Ｘ４を特定し、特定した式導出パラメータと、地図上に含まれる前記調査済みの各家の空き家確率Ｙと、を用いて回帰分析を行って空き家確率算出式（空き家確率Ｙ＝Ａ＋Ａ１（標高Ｘ１）＋Ａ２（最近隣道路幅Ｘ２）＋Ａ３（最寄り駅からの距離Ｘ３）＋Ａ４（用途地域の識別情報Ｘ４））における、定数Ａと、相関係数Ａ１、Ａ２、Ａ３、およびＡ４と、を算出することにより、所定地域における、各家が空き家である確率を算出する空き家確率算出式を導出する式導出手段と、
前記地図データに含まれる各家に関する空き家確率を、前記各家の前記地図データに基づいて特定された式導出パラメータを前記空き家確率算出式に入力して算出する空き家確率算出手段と、
前記所定地域を含む撮影画像内の前記家の敷地の画素情報のうちすでに調査済みの空き家の座標に対応する前記空き家の敷地の画素情報に基づいて構築され、前記撮影画像における前記家が空き家であることを推定するためのニューラルネットワークと、前記空き家確率が所定値以上の家の敷地の画像情報とに基づいて、当該空き家確率が所定値以上の家が空き家か否かを判定する空き家判定手段と、
を備える空き家判定装置。
空き家であると判定された前記家の位置を示す空き家地図情報を生成する地図生成手段と、
を備える請求項１に記載の空き家判定装置。
前記所定地域を含む撮影画像内の前記家の敷地の画素情報のうち前記空き家の座標に対応する家の敷地の画素情報に基づいて前記撮影画像における前記空き家を推定する機械学習データを生成する学習手段と、
を備える請求項１または請求項２に記載の空き家判定装置。
地図上に含まれる家のうちの調査済みの空き家の座標と、構造物の属性情報と、地形情報と、を少なくとも含む地図データに基づいて前記空き家の式導出パラメータとして、空き家の座標に紐づいて地図データに記録されている標高に基づいて、空き家の標高Ｘ１を特定し、空き家の座標から最も近い座標の道路について地図データに記録されている道路の幅である、最近隣道路幅Ｘ２を特定し、駅の座標のうち空き家の座標に最も近い座標に基づいて、最寄駅からの距離Ｘ３を特定し、空き家の座標と地図データに記録されている各用途地域の座標との関係に基づいて、空き家の座標を含む用途地域の識別情報Ｘ４を特定し、特定した式導出パラメータと、地図上に含まれる前記調査済みの各家の空き家確率Ｙと、を用いて回帰分析を行って空き家確率算出式（空き家確率Ｙ＝Ａ＋Ａ１（標高Ｘ１）＋Ａ２（最近隣道路幅Ｘ２）＋Ａ３（最寄り駅からの距離Ｘ３）＋Ａ４（用途地域の識別情報Ｘ４））における、定数Ａと、相関係数Ａ１、Ａ２、Ａ３、およびＡ４と、を算出することにより、所定地域における、各家が空き家である確率を算出する空き家確率算出式を導出し、
前記地図データに含まれる各家に関する空き家確率を、前記各家の前記地図データに基づいて特定された式導出パラメータを前記空き家確率算出式に入力して算出し、
前記所定地域を含む撮影画像内の前記家の敷地の画素情報のうちすでに調査済みの空き家の座標に対応する前記空き家の敷地の画素情報に基づいて構築され、前記撮影画像における前記家が空き家であることを推定するためのニューラルネットワークと、前記空き家確率が所定値以上の家の敷地の画像情報とに基づいて、当該空き家確率が所定値以上の家が空き家か否かを判定する
空き家判定方法。
空き家判定装置のコンピュータを、
地図上に含まれる家のうちの調査済みの空き家の座標と、構造物の属性情報と、地形情報と、を少なくとも含む地図データに基づいて前記空き家の式導出パラメータとして、空き家の座標に紐づいて地図データに記録されている標高に基づいて、空き家の標高Ｘ１を特定し、空き家の座標から最も近い座標の道路について地図データに記録されている道路の幅である、最近隣道路幅Ｘ２を特定し、駅の座標のうち空き家の座標に最も近い座標に基づいて、最寄駅からの距離Ｘ３を特定し、空き家の座標と地図データに記録されている各用途地域の座標との関係に基づいて、空き家の座標を含む用途地域の識別情報Ｘ４を特定し、特定した式導出パラメータと、地図上に含まれる前記調査済みの各家の空き家確率Ｙと、を用いて回帰分析を行って空き家確率算出式（空き家確率Ｙ＝Ａ＋Ａ１（標高Ｘ１）＋Ａ２（最近隣道路幅Ｘ２）＋Ａ３（最寄り駅からの距離Ｘ３）＋Ａ４（用途地域の識別情報Ｘ４））における、定数Ａと、相関係数Ａ１、Ａ２、Ａ３、およびＡ４と、を算出することにより、所定地域における、各家が空き家である確率を算出する空き家確率算出式を導出する式導出手段、
前記地図データに含まれる各家に関する空き家確率を、前記各家の前記地図データに基づいて特定された式導出パラメータを前記空き家確率算出式に入力して算出する空き家確率算出手段、
前記所定地域を含む撮影画像内の前記家の敷地の画素情報のうちすでに調査済みの空き家の座標に対応する前記空き家の敷地の画素情報に基づいて構築され、前記撮影画像における前記家が空き家であることを推定するためのニューラルネットワークと、前記空き家確率が所定値以上の家の敷地の画像情報とに基づいて、当該空き家確率が所定値以上の家が空き家か否かを判定する空き家判定手段、
として機能させることを特徴とするプログラム。