作成日: 2026-03-29
対象: 山口市橋梁791橋（Very Low 750除外後の41橋を分析）
手法: k=500サンプリング中心性計算、最大連結成分での閉鎖影響シミュレーション
v1.3の橋梁閉鎖シナリオのシミュレーションにより、重要度スコア（中心性）とネットワーク影響度（度数）の間に顕著な乖離があることが判明した。最高スコアを持つHIGH橋梁（BR_0490 京面橋）よりも、LOW橋梁（BR_0383 下榎B橋）の方がネットワーク度数が高く、実際のネットワーク影響が大きい可能性がある。
| 項目 | 値 |
|---|---|
| ターゲット橋梁数 | 41橋（HIGH 1, MEDIUM 7, LOW 33） |
| 最高重要度スコア | 80.0（BR_0490 京面橋, HIGH） |
| 最高ネットワーク度数 | 3,597（BR_0383 下榎B橋, LOW） |
| 平均度数（HIGH） | 2,913 |
| 平均度数（MEDIUM） | 803.9 |
| 平均度数（LOW） | 1,034.1 （MEDIUMより高い） |
| 平均コンポーネント増加数（LOW） | 102.7 （最大） |
図1: 41橋の閉鎖影響度分析ダッシュボード。LEFT上: カテゴリ分布、RIGHT上: カテゴリ別度数分布、中段: スコアと度数の関係、下段: 度数トップ10橋梁。
図2: 重要度スコアとネットワーク度数の散布図。観測された乖離: 最高スコア橋（京面橋, 赤）よりも低スコア橋（下榎B橋, 緑）の方がネットワーク度数が高い。
図3: カテゴリ別の平均ネットワーク度数（左）と平均コンポーネント増加数（右）。注目点: LOWの平均度数（1,034）がMEDIUM（804）を上回る。
図4: ネットワーク度数トップ10橋梁。LOWカテゴリが7橋、MEDIUMが2橋、HIGHが1橋（4位）。
図5: 橋梁閉鎖時のコンポーネント増加分布（左）と度数との関係（右）。平均96.3の増加で、最大1,214の増加を示す橋梁も存在。
図6: 橋梁のネットワーク度数分布。LOWカテゴリに広範な分布が見られ、極端に高い度数を持つ橋梁も含まれる。
問題:
- Betweenness Centrality（BC）に基づく重要度スコアは、最短経路上の通過頻度を測定
- ネットワーク度数は、**直接接続数（隣接ノード数）**を測定
- これら2つの指標は異なる側面のネットワーク重要性を表す
実例:
BR_0490（京面橋） - HIGH
- 重要度スコア: 80.0（最高）
- ネットワーク度数: 2,913（4位）
- BC: 高い → 多くの最短経路上に存在
- 度数: 高い → 多くのノードと直接接続
BR_0383（下榎B橋） - LOW
- 重要度スコア: 32.5（31位）
- ネットワーク度数: 3,597（1位） ⚠️
- BC: 低い → 最短経路上にあまり存在しない
- 度数: 最高 → 極めて多くのノードと直接接続
インプリケーション:
- BCのみで橋梁重要度を評価すると、ローカルなハブ橋梁を見落とす危険性がある
- 下榎B橋は中心性が低くても、ネットワークの局所的な結節点として機能
- 閉鎖時の影響: 京面橋は広域的な迂回を強いるが、下榎B橋は局所的な大量の接続を遮断
問題:
- LOWカテゴリの33橋のネットワーク度数範囲: 19〜3,597（187倍の差）
- カテゴリ内の標準偏差が非常に大きい
- 単純な4カテゴリ分類では、実質的に異なる影響度を持つ橋梁が同一カテゴリに混在
データ:
LOWカテゴリのネットワーク度数トップ5:
1. BR_0383（下榎B橋）: 3,597
2. BR_0384（朝倉橋）: 3,131
3. BR_0435（昭和通り2号橋）: 2,904
4. BR_0293（岸の下橋）: 2,880
5. BR_0210（上沼橋）: 2,650
LOWカテゴリのネットワーク度数ボトム5:
37. BR_0447（東天田B橋）: 98
38. BR_0024（鳴谷橋）: 62
39. BR_0234（水谷橋）: 79
40. BR_0224（仁保地橋）: 79
41. BR_0244（吉敷畑1号B橋）: 65
インプリケーション:
- サブカテゴリ化の必要性: LOWを「LOW-A（高度数）」「LOW-B（中度数）」「LOW-C（低度数）」に細分化
- マルチ指標評価: BCだけでなく、Degree Centrality、Closeness Centralityなどを組み合わせた評価
- クラスタリング: 類似のネットワーク特性を持つ橋梁をグループ化
問題:
- LOWの平均度数（1,034.1）> MEDIUMの平均度数（803.9）
- HIGHは1橋のみで統計的に信頼性が低い
- カテゴリラベルと実際のネットワーク影響が一致していない
原因分析:
- サンプリングによる近似誤差: k=500サンプリングによるBC計算の誤差が累積
- BC vs Degree の評価軸の違い: BCは経路重要性、Degreeは接続重要性
- 外れ値の影響: LOWに含まれる超高度数橋梁（BR_0383等）が平均を押し上げ
- 地理的・トポロジカル特性: LOWに分類された橋梁が、実際には交通密集地域のハブ
対策:
- 複数指標の統合スコア:
総合スコア = α×BC + β×Degree + γ×Closeness - 正規化と重み付け: 各指標を正規化し、目的に応じた重み付けを実施
- 閾値の再調整: カテゴリ境界を再計算し、度数分布も考慮したカテゴリ分類
問題:
- 橋梁閉鎖時の平均コンポーネント増加数: 96.3
- LOWカテゴリの平均: 102.7（HIGHの5.0, MEDIUMの79.0より大きい）
- 最大値: 1,214（BR_0293 岸の下橋, LOW）
コンポーネント増加の意味:
component_increase = N→ 橋梁閉鎖により、ネットワークがN+1個の独立した部分グラフに分断- 高いコンポーネント増加 = 多くの孤立した道路セグメントが発生 = 深刻な影響
重要な発見:
トップ5コンポーネント増加橋梁（すべてLOW）:
1. BR_0293（岸の下橋）: 1,214増加
2. BR_0384（朝倉橋）: 911増加
3. BR_0297（下八方原B橋）: 726増加
4. BR_0239（吉敷1号B橋）: 312増加（MEDIUM）
5. BR_0441（嘉川橋）: 237増加
インプリケーション:
- 度数が高いだけでなく、ネットワーク構造上のボトルネックを特定する必要性
- コンポーネント増加が大きい橋梁 = 代替経路が少ない or 存在しない
- これらの橋梁の閉鎖は、市民生活・経済活動への直接的な影響が極めて大きい
- 優先的な耐震補強・維持管理の対象とすべき
技術的課題:
- オリジナルグラフ: 108,439ノード、490,414エッジ、非連結（2コンポーネント）
- 最大連結成分: 108,433ノード、490,407エッジ
- 初期の
run_closure_simulation.pyは、全ノードからサンプリング → 存在しないノードでエラー
解決策:
- 明示的な連結成分抽出: 最大連結成分のみを使用
- 簡素化されたシミュレーション: 複雑な最短経路計算を避け、度数・隣接ノード分析に集中
- ノード存在検証: サンプリング前にノードの存在を確認
コード例（simple_closure_sim.py）:
# グラフが非連結の場合、最大連結成分を使用
if not nx.is_connected(G):
logger.warning("Graph not connected. Using largest component...")
largest_cc = max(nx.connected_components(G), key=len)
G = G.subgraph(largest_cc).copy()
logger.info(f"Largest component: {G.number_of_nodes()} nodes, {G.number_of_edges()} edges")教訓:
- 実データの不完全性を常に想定
- 前処理とデータ検証を徹底
- エラーハンドリングとロバスト性の確保
提案: Betweenness Centrality単独評価から、複数指標の統合評価へ移行
統合スコア計算式:
# 各指標を[0, 100]に正規化
bc_norm = normalize(betweenness_centrality) # 経路重要性
degree_norm = normalize(degree_centrality) # 接続重要性
closeness_norm = normalize(closeness_centrality) # 中心性
component_norm = normalize(component_increase) # 分断影響
# 重み付き統合（目的により調整）
total_score = (
0.35 * bc_norm + # 広域的な経路重要性
0.25 * degree_norm + # 局所的なハブ性
0.20 * closeness_norm + # 全体への到達性
0.20 * component_norm # ネットワーク分断影響
)期待効果:
- BCとDegreeの乖離問題を解消
- 多面的な橋梁重要度評価
- より実態に即したカテゴリ分類
提案: 固定閾値カテゴリ分類から、クラスタリングベースの分類へ
手法: K-Means、階層的クラスタリング、またはGaussian Mixture Model
入力特徴量:
- Betweenness Centrality
- Degree Centrality
- Closeness Centrality
- Component Increase
- 橋長、幅員、築年数（物理的特性）
- 河川・海岸からの距離（地理的特性）
期待効果:
- 自然なグループ形成
- カテゴリ内の均質性向上
- データドリブンな分類
提案: 橋梁個別評価に加え、地域全体のネットワーク脆弱性を可視化
手法:
- Critical Bridge Identification: コンポーネント増加が大きい橋梁を「臨界橋梁」として特定
- Redundancy Analysis: 各橋梁に対する代替経路の数・質を評価
- Impact Heatmap: 閉鎖時の影響範囲を地図上にヒートマップ表示
期待効果:
- 視覚的な脆弱性把握
- 優先順位付けの根拠
- 市民・行政への説得力のある説明資料
提案: 単一橋梁閉鎖だけでなく、複数橋梁の同時閉鎖シナリオを評価
シナリオ例:
- 地震シナリオ: 特定地域の複数橋梁が同時被災
- 洪水シナリオ: 河川沿いの橋梁が同時通行不能
- 経年劣化シナリオ: 築50年以上の橋梁が段階的に閉鎖
評価指標:
- 総コンポーネント増加数
- 影響を受ける建物・人口
- 代替経路の総延長
- 経済的損失（通行時間増加×交通量）
期待効果:
- 現実的なリスク評価
- 複合災害への備え
- 予算配分の戦略的意思決定
- Degree Centralityの追加計算: 既存グラフで度数中心性を全橋梁に対して計算
- 統合スコアのプロトタイプ: 4.1の統合スコア計算式を実装し、再分類を試行
- クラスタリング実験: K-Meansでk=4, 5, 6のクラスタリングを試し、最適なk値を決定
- Closeness Centrality計算: 全ノード間の平均最短経路長を計算（計算量大）
- 複数橋梁閉鎖シミュレーション: 地震・洪水シナリオでの複合的影響を評価
- 可視化ダッシュボード開発: インタラクティブな地図ベースのダッシュボード（Dash/Streamlit）
- 機械学習モデルの導入: 橋梁重要度予測モデルの構築（Random Forest, XGBoost）
- 時系列分析: 経年劣化を考慮した将来の重要度変化予測
- 政策提言レポート: 山口市への具体的な橋梁管理戦略の提案
v1.3の閉鎖シミュレーションは、中心性スコア単独では橋梁の真のネットワーク影響度を捉えきれないことを明らかにした。特に、LOWカテゴリに分類された橋梁の中に、ネットワーク度数が極めて高く、閉鎖時の影響が甚大な橋梁が存在することは、重大な発見である。
最も重要なメッセージ:
「重要度スコアが低い ≠ ネットワークへの影響が小さい」
今後の橋梁管理政策では、BCに基づく重要度評価をベースラインとしつつ、Degree Centrality、Closeness Centrality、Component Increase等の多面的な指標を統合した総合評価フレームワークを構築することが不可欠である。
特に、**BR_0383（下榎B橋）、BR_0384（朝倉橋）、BR_0435（昭和通り2号橋）、BR_0293（岸の下橋）**等のLOW分類高度数・高分断影響橋梁は、早急な再評価と優先的な維持管理対象とすることを強く推奨する。
- シミュレーション結果CSV:
output/closure_simulation_simple/closure_results.csv - 可視化スクリプト:
visualize_closure_impact.py - レポート:
output/closure_simulation_simple/closure_report.md
# 閉鎖シミュレーション実行
.venv-1\Scripts\python.exe simple_closure_sim.py
# 可視化生成
.venv-1\Scripts\python.exe visualize_closure_impact.py- Python: 3.x
- 主要ライブラリ: NetworkX, Pandas, Matplotlib, Seaborn
- グラフデータ:
output/bridge_importance/heterogeneous_graph.pkl - 橋梁スコアデータ:
output/bridge_importance/bridge_importance_scores.csv
文責: Bridge Importance Score Analysis Team
バージョン: v1.3
最終更新: 2026-03-29