OpenStreetMap × 人流データで「街の鼓動」を可視化：時間帯モーション付きヒートマップ

!pip install -q folium pandas numpy
import foliumfrom folium.plugins import HeatMapWithTimeimport numpy as npimport pandas as pdfrom datetime import datetime

# 渋谷駅周辺で「3つの賑わいエリア」を時間帯で切り替える# - オフィス街：朝〜昼に活発（駅北東）# - ランチ街：昼に活発（駅南）# - 飲食街：夜に活発（駅南西、円山町方面）import numpy as np
np.random.seed(0)center_lat, center_lon = 35.6580, 139.7016  # 渋谷駅hours = list(range(24))
# 3 つのエリアの中心座標zones = {    "office": {"lat": 35.6605, "lon": 139.7050, "radius": 0.0025},    "lunch":  {"lat": 35.6565, "lon": 139.7030, "radius": 0.0020},    "night":  {"lat": 35.6575, "lon": 139.6985, "radius": 0.0030},}
# 各時間帯における各エリアの「強度」（0〜1）def zone_intensity(h):    # オフィス街：7-19時に活発、ピーク10時    office = max(0, 1 - abs(h - 10) / 6) if 6 <= h <= 19 else 0.05    # ランチ街：11-14時のみ    lunch = max(0, 1 - abs(h - 12.5) / 2) if 11 <= h <= 14 else 0.1    # 夜：18-26時（深夜0-2時 = 24-26）に活発、ピーク22時    night_h = h if h >= 18 else h + 24  # 翌日0-2時を 24-26 として扱う    night = max(0, 1 - abs(night_h - 22) / 4) if 18 <= night_h <= 26 else 0.05    return {"office": office, "lunch": lunch, "night": night}
# 点群を生成（各時間で位置と強度が変わる）n_per_zone = 120  # 各エリアに撒く点data_by_hour = []for h in hours:    intensity = zone_intensity(h)    points = []    for zname, z in zones.items():        # このエリアの強度が低ければスキップ        w = intensity[zname]        if w < 0.05:            continue        # 強度に比例した点数（少なくとも 5 点）        n_pts = int(max(5, n_per_zone * w))        for _ in range(n_pts):            r = np.random.exponential(z["radius"])            theta = np.random.uniform(0, 2 * np.pi)            lat = z["lat"] + r * np.cos(theta)            lon = z["lon"] + r * np.sin(theta)            # weight は固定値（大きさで密度を表現するので weight は均一）            points.append([lat, lon, 1.0])    data_by_hour.append(points)
# 確認：時間帯ごとの点数for h in [3, 8, 12, 18, 22]:    print(f"{h:02d}:00 → {len(data_by_hour[h])} 点")

import foliumfrom folium.plugins import HeatMapWithTime
# 地図ベース（OpenStreetMap）m = folium.Map(    location=[center_lat, center_lon],    zoom_start=15,    tiles="OpenStreetMap",)
time_labels = [f"{h:02d}:00" for h in hours]
HeatMapWithTime(    data=data_by_hour,    index=time_labels,    radius=30,    auto_play=True,    speed_step=0.5,           # 再生スピード    max_opacity=0.8,    min_speed=0.1,    max_speed=10,    use_local_extrema=False,  # 全フレーム共通スケール（時間で「動き」が見える）    gradient={0.2: "#1f77b4", 0.4: "#2ca02c", 0.6: "#ffd92f", 0.8: "#ff7f0e", 1.0: "#d62728"},).add_to(m)
# 3 つの賑わい中心マーカー（参考用）for zname, z in zones.items():    folium.CircleMarker(        location=[z["lat"], z["lon"]],        radius=8,        color="black",        fill=True,        fill_color="white",        fill_opacity=0.9,        popup={"office": "オフィス街", "lunch": "ランチ街", "night": "飲食街"}[zname],    ).add_to(m)
# 凡例 HTML をマップに重ねるlegend_html = """<div style="position: fixed; bottom: 30px; right: 30px; z-index: 9999;            background: white; padding: 12px 16px; border: 1px solid #ccc;            border-radius: 8px; font-family: system-ui, sans-serif; font-size: 13px;            box-shadow: 0 2px 8px rgba(0,0,0,0.15);">  <div style="font-weight: 700; margin-bottom: 6px;">人流密度（色）</div>  <div style="display: flex; align-items: center; gap: 4px; margin-bottom: 4px;">    <span style="width:14px; height:14px; background:#1f77b4; display:inline-block;"></span> 低    <span style="width:14px; height:14px; background:#2ca02c; display:inline-block;"></span>    <span style="width:14px; height:14px; background:#ffd92f; display:inline-block;"></span>    <span style="width:14px; height:14px; background:#ff7f0e; display:inline-block;"></span>    <span style="width:14px; height:14px; background:#d62728; display:inline-block;"></span> 高  </div>  <div style="border-top: 1px solid #eee; margin-top: 6px; padding-top: 6px; font-size: 12px;">    <div>● オフィス街（北東）：朝〜昼が活発</div>    <div>● ランチ街（南）：12時前後だけ</div>    <div>● 飲食街（南西）：夜〜深夜が活発</div>  </div>  <div style="margin-top: 6px; font-size: 11px; color: #888;">    左下のスライダーで時刻を移動 / ▶︎ で自動再生  </div></div>"""m.get_root().html.add_child(folium.Element(legend_html))
m.save("shibuya_pulse.html")m  # Colabならインライン表示

# V-RESAS の人流CSVを想定（メッシュID・時間帯・人口）# 実際のCSVは https://v-resas.go.jp/ からダウンロードdf = pd.read_csv("v-resas_shibuya_24h.csv")# 想定カラム: mesh_id, latitude, longitude, hour, count
data_by_hour = []for h in range(24):    sub = df[df["hour"] == h]    points = sub[["latitude", "longitude", "count"]].values.tolist()    data_by_hour.append(points)
# ↑ そのまま HeatMapWithTime に渡せる形

import matplotlib.pyplot as pltimport numpy as np
# 6コマで「朝・昼・夕・夜・深夜・明け方」を代表させるkey_hours = [3, 8, 12, 18, 21, 23]fig, axes = plt.subplots(2, 3, figsize=(15, 10))
for ax, h in zip(axes.flatten(), key_hours):    points = np.array(data_by_hour[h])    lat, lon, w = points[:, 0], points[:, 1], points[:, 2]    sc = ax.scatter(lon, lat, c=w, s=100, cmap="hot_r", alpha=0.7)    ax.set_title(f"{h:02d}:00", fontsize=14, fontweight="bold")    ax.set_xlim(center_lon - 0.012, center_lon + 0.012)    ax.set_ylim(center_lat - 0.012, center_lat + 0.012)    ax.set_aspect("equal")    ax.set_xticks([]); ax.set_yticks([])
fig.colorbar(sc, ax=axes, label="人流密度", shrink=0.6)fig.suptitle("渋谷駅周辺の1日（時間帯別人流）", fontsize=16, fontweight="bold")plt.savefig("shibuya_24h_grid.png", dpi=150, bbox_inches="tight")plt.show()