北海道の市町村を観光客統計データでクラスタリングする

背景

私はこの数ヶ月間、北海道の観光客統計データを用いて地元の観光について調べている。出身地にどのような特色があるのか、改めて知りたいと思ったからである。

北海道はオープンデータとして北海道観光入込客数調査報告書を公開中である(CC BY 2.1)。過去15年分の各市町村における観光客数の月次推移をまとめたものである。延べ総数だけでなく、道外・道内、日帰り・宿泊などの詳細な内訳も含まれている。そのため、各市町村がどのような特色を持っているかを知ることができる。

しかし、データそのものは無機質なスプレッドシートで、閲覧性に乏しい欠点があった。市町村、内訳項目、時期など様々な分析軸があるにもかかわらず、閲覧・可視化には手作業による加工が多分に必要であった。

そこで、私は愚直にデータをクレンジングして機械可読化した上に、ヒートマップや各市町村の統計データを閲覧できるツールを作成した。これにより、飛躍的に閲覧性が高まり、北海道全体の観光の特徴を俯瞰できるようになった。

北海道観光客統計データ閲覧くん

(本ツールは2015年10月開催の北海道オープンデータハッカソンにてクリプトン賞を頂きました。別件にて起稿予定)

課題

しかし、視覚的に俯瞰できるようになっても、似た特色を持った自治体を探るのは手作業である。北海道は市町村は179もある。人間には根気が続かず、到底無理である。

キュンちゃんキュキュンッ☆と公認ファンブック (実用百科)

作者: 実業之日本社
出版社/メーカー: 実業之日本社
発売日: 2013/06/26
メディア: ムック
この商品を含むブログを見る

藤原製麺札幌円山動物園白クマ塩ラーメン 112.4g×10袋

出版社/メーカー: 藤原製麺
メディア: 食品&飲料
購入: 7人クリック: 168回
この商品を含むブログ (14件) を見る

手段

機械学習を使って似た特色を持った自治体を探す。具体的には観光客統計データの1年分の月次推移を12次元ベクトルデータに見立てて、市町村をクラスタリングする。アルゴリズムにはk-meansを用いる。

統計データは北海道観光入込客数調査報告書の2011年度、2012年度(2012年1月〜2012年12月)のデータを用いる。メトリクスは道外観光客数を用いた。道外観光客のほうが、より北海道らしい場所へと行く傾向があると仮定したからである。

クラスタリング結果

結果は以下のようになった。

f:id:colspan:20151028224450p:plain

クラスタ数は手作業で探り、直感的に良いと感じた k=12 に落ち着かせた。観光客数の絶対数も類似度に含めるため、各ベクトルは正規化しなかった。

考察

思いの外よくまとまった。ある実行結果から20市町村以下となったクラスタを抜粋し、それぞれに名前をつけてみる。

孤高の都市たち

これらはそれぞれ単独クラスタとなった。北海道を代表する観光地であり、個性をはっきりと示せている都市である。

札幌市

f:id:colspan:20151109195441p:plain

小樽市

f:id:colspan:20151109195457p:plain

旭川市

f:id:colspan:20151109195511p:plain

函館市

f:id:colspan:20151109195521p:plain

あと一歩で孤高の都市

一定規模の観光資源・産業規模はあるものの、孤高の都市にはなりきれなかった都市たちである。上川町、斜里町、洞爺湖町は温泉で有名であるが、なぜかそこに混じってしまう帯広市と釧路市。そして、犬猿の仲である帯広と釧路が交わらないところも実態をよく表している。登別市と千歳市が似ている実感はないが、いずれもGWと夏休みの間の6月にがくんと数を下げる点では一致していた。