Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
osaka_higasiyodogawa_littering
Search
Pirika, Inc. / Pirika Association
January 07, 2017
Research
410
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
osaka_higasiyodogawa_littering
大阪市東淀川区の淡路駅、上新庄駅周辺におけるポイ捨て調査結果
Pirika, Inc. / Pirika Association
January 07, 2017
More Decks by Pirika, Inc. / Pirika Association
See All by Pirika, Inc. / Pirika Association
Pirika Hiring Information2026
pirika_info
0
12k
Pirika Research results 2021 (JP)
pirika_info
0
280
Microplastics research in Japan 2020 (JP)
pirika_info
1
24k
Microplastics research in Japan 2020 (EN)
pirika_info
0
4.8k
Microplastics research in Japan 2019 (JP)
pirika_info
0
3.9k
ピリカの5年間
pirika_info
1
580
HowToUsePirikaForGroup
pirika_info
0
1.2k
Takanome_handout
pirika_info
0
170
PirikaSNS_handout
pirika_info
0
140
Other Decks in Research
See All in Research
RS-Agent: Automating Remote Sensing Tasks through Intelligent Agent
satai
3
500
大規模言語モデルは誰を覚えているか / Who Do Large Language Models Memorize?
upura
0
150
J-STAGEの現況と全文XML登載必須化について
xspa2012
0
170
Using our influence and power for patient safety
helenbevan
0
410
SAKURAONE:An Open Ethernet-based AI HPC System And Its Observed Workload Dynamicsin a Single-Tenant LLM Development Environment
yuukit
1
560
論文読み会 SNLP2026 Tau2-Bench: Evaluating Conversational Agents in a Dual-Control Environment
s_mizuki_nlp
0
180
適応的スパムフィルタのための軽量な類似メッセージカウンタ / jsai2026-adaptive-spam-filter
monochromegane
0
5k
AIエージェント時代のLLM-jpモデルのあるべき姿
k141303
0
600
Anthropic が提案する LLM の内部状態を自然言語で説明可能にした Natural Language Autoencoders / Natural Language Autoencoders Produce Unsupervised Explanations of LLM Activations
shunk031
0
190
[SNLP2026] Scaling up Test-Time Compute with Latent Reasoning: A Recurrent Depth Approach
wataruuuuu
0
250
The story of RefactoringMiner. Slow research, long-term impact
tsantalis
0
120
[ACL 2026 Demo] Fast-MIA: Efficient and Scalable Membership Inference for LLMs
upura
0
100
Featured
See All Featured
How to Build an AI Search Optimization Roadmap - Criteria and Steps to Take #SEOIRL
aleyda
1
2.2k
The untapped power of vector embeddings
frankvandijk
2
1.8k
How STYLIGHT went responsive
nonsquared
100
6.3k
A Soul's Torment
seathinner
6
3.5k
Faster Mobile Websites
deanohume
310
32k
Impact Scores and Hybrid Strategies: The future of link building
tamaranovitovic
0
420
The MySQL Ecosystem @ GitHub 2015
samlambert
251
13k
Navigating Team Friction
lara
192
16k
Responsive Adventures: Dirty Tricks From The Dark Corners of Front-End
smashingmag
254
22k
The Illustrated Guide to Node.js - THAT Conference 2024
reverentgeek
1
450
How to audit for AI Accessibility on your Front & Back End
davetheseo
0
520
AI: The stuff that nobody shows you
jnunemaker
PRO
9
950
Transcript
淡路駅、上新庄駅における ポイ捨てごみ分布調査 ௐ࣮ࠪࢪɿฏ݄̎̔̍̌̕ ใࠂɿฏ݄̎̔̍̌̎̏ ҕୗݩɿେࡕࢢձٞһ ਿࢁΈ͖ͱ ҕୗઌɿגࣜձࣾϐϦΧ IUUQDPSQQJSJLBPSH 1
調査⽅法①:調査地域の選定 2 1. 協議の上、調査地点を淡路駅、上新庄駅の周辺とした。 2. 協議の上、調査地域の特性をつかむのに必要だと考えられる範囲を決定し、範囲 内の歩道を調査ルートとして設定した。 図2:上新庄駅周辺の調査ルート 図1:淡路駅周辺の調査ルート ※今回の調査では、地域住⺠に協⼒を呼びかけ市⺠参加型の調査を⾏なった。
そのため当⽇の参加⼈数に合わせて、地域特性を理解する上で優先度の⾼いルート から調査を⾏い、時間内で最⼤限可能な範囲を調査した。 (図1、2で⻘線が調査を⾏なったルート、⾚線が調査を⾏わなかったルート)
調査⽅法②:ポイ捨てごみの分布調査 図3:撮影された動画の例 3 1. 各調査ルート上を歩きながら専⽤のスマート フォンアプリで動画の撮影を⾏い、分析に必要 な動画データ(図3)を得た。 2. 専⽤の解析システムを⽤いて撮影された動画 データを解析(図4)し、地点ごとのポイ捨てごみ
の種類及びその数量を読み取った。 図4:動画からポイ捨てごみの数量を読み取る様⼦
4 淡路駅の周辺はとてもきれいに保 たれていた。線路沿いなど⼀部地 域がポイ捨てたばこのホットス ポットになっていた。 特にたばこ以外のポイ捨てごみの 個数がとても少なく、歩道1mあ たり0.1個を下回っていた。 淡路 基本データ
最寄り駅 淡路駅 乗降人数(2015年) 35,687人 管轄自治体 大阪市東淀川区 調査日 2016年9月10日 調査距離 6319.5m ポイ捨てごみ個数 0.22個/m たばこ 0.13個/m たばこ以外 0.09個/m 地域ごとの傾向:淡路
5 上新庄 基本データ 最寄り駅 上新庄駅 乗降人数(2015年) 53,182人 管轄自治体 大阪市東淀川区 調査日
2016年9月10日 調査距離 7138.3m ポイ捨てごみ個数 0.43個/m たばこ 0.21個/m たばこ以外 0.22個/m 地域ごとの傾向:上新庄 上新庄駅の周辺の歩道には淡路駅 と1mあたりの個数で⽐較して約 2倍のポイ捨てごみが落ちていた。 東海道新幹線の⾼架下近くなどが ポイ捨てごみのホットスポットに なっていた。
0.08 0.11 0.11 0.13 0.10 0.17 0.07 0.11 0.19 0.17
0.13 0.16 0.20 0.21 0.17 0.33 0.35 0.37 0.58 0.04 0.10 0.11 0.09 0.15 0.11 0.20 0.16 0.11 0.15 0.20 0.17 0.19 0.22 0.32 0.22 0.23 0.22 0.48 ͍ͨ͞·৽৺ ஈԼ ւນு ୶࿏ ৽ԣ ߐϊౡ ྟւެԂ ඈాڅ ৽ ༗໌ ӜඒԂ ؔ౦ฏۉ ্৽ঙ େҪڝഅલ ྆ࠃ ࠃཱڝٕ ༗ָொ ʑެԂ าಓN͋ͨΓͷฏۉϙΠࣺͯ͝ΈݸʢݸNʣ ͨ͜ ͨ͜Ҏ֎ 6 上新庄 淡路 ˞ൺֱରσʔλ݄ʙ݄ ʹ࣮ࢪ͞Εͨʮ౦ژΦϦϯϐοΫձ༧ఆʹ ͓͚ΔϙΠࣺͯਂࠁௐࠪʯͷ݁ՌΛ༻͍ͨɻ IUUQUPLZPQJSJLBPSH 他地域との⽐較
7 今後の可能性① 調査結果を活⽤した美化施策の実施や改善 ポイ捨て調査によって得られた結果は、下記のような美化施策の実施や改善に活⽤ できる。 ・パトロール、指導啓発のルートや頻度の改善 ・美化優良地域の表彰 ・ボランティア清掃を⾏う企業や団体への情報共有(汚い地域から清掃してもらう) ・市⺠参加型ワークショップの実施(データを公開して改善アイデアを募集する) ポイ捨てホットスポットでの改善実験
今回の調査で明らかになったポイ捨ての深刻な地域(ホットスポット)は、改善施策に 取り組んだ場合に、明確に効果が出やすい地域と⾔える。そのためホットスポット で改善施策(ごみ箱の設置等)の実験を⾏うことで、効率よく有⽤な知⾒を得ることが できる。 ⼤阪市内の他地域における調査 東淀川区だけでなく、⼤阪市内の様々な地域を調査することで、市内を客観的な基 準で⽐較できるようになり、効果的な施策の実施や優先順位づけを⾏うことができ る。
8 今後の可能性② 他⾃治体との連携 横浜市、東京都港区など、同様の⼿法でポイ捨て調査を実施している他⾃治体と連 携しデータを共有することで、相互に有効な知⾒を得ることができる。 ポイ捨てシミュレータの開発 調査範囲を拡⼤し、⼤阪市が保有する公共データ(⾷品営業許可施設⼀覧等)との 相関を詳細に分析することで、ポイ捨て分布シミュレータを開発し、現地で調査を ⾏わなくても⼤まかなポイ捨ての分布や都市整備による分布の変化を予測すること ができるようになる可能性がある。
ポイ捨てごみ以外の分析 今回の⼿法で地域の歩道を撮影し、動画を機械または⼈⼒で解析することで、 ・⼤まかな歩⾏者の数 ・放置⾃転⾞の数 ・地⾯に張り付いた吐き捨てガムの数 ・違法看板の数 ・緑化率、緑視率 等のポイ捨てごみ以外の項⽬についても調査、分析、⾒える化することができる。 また、犯罪率などの他分野とのデータと重ね合わせることで、地域課題とポイ捨て 分布の相関を分析することもできる。
9 問い合わせ先 ▪プロジェクトに関するお問い合わせ ⼤阪市会議員 杉⼭みきと ⼤阪市東淀川区淡路4-9-15 ライフパーフェクトビル4階 杉⼭みきと市政対策事務所 http://sugiyamamikito.com/ (06)6459-9271
▪調査⼿法やデータに関するお問い合わせ 株式会社ピリカ 東京都渋⾕区恵⽐寿南3-5-7 http://corp.pirika.org/
[email protected]
050-5582-5878