JP6409185B2 - 個別基礎情報秘匿化プログラム、及び個別基礎情報秘匿化装置 - Google Patents

Description

本願発明は、個人を特定しうる情報の秘匿化に関するものであり、より具体的には、世帯分布図などメッシュごとに主題の数を表示する際、個人が特定されないようメッシュ合算するときの秘匿化処理に関するものである。

人口分布図や世帯分布図は、所定の範囲をメッシュで区切り、それぞれのメッシュに含まれる人口や世帯数（主題数）を計上し、さらにメッシュごとに主題数に応じて色分け表示するものが多い。このような分布図は、集計が容易なうえ、主題の分布が俯瞰的かつ直感的に把握できるので利用しやすい。防犯目的や地域計画など行政上の利用にとどまらず、種々のマーケティングなど商用目的でも広く活用されているところである。

従来、人口や世帯の分析を行うにあたっては、国勢調査の結果を活用するのが主流であった。しかしながら、国勢調査は５年に１度の調査であり、現状を把握するという点においては精度を欠いていた。そのうえ、小地域統計は５歳ごとにまとめた人口が公開されるため、その地域における中学生数を把握する、あるいは次年度の小学校入学児童数を把握するといった場合、国勢調査結果ではその目的を果たすことができなかった。

一方、地方自治体では住民基本データを有している。住民基本データには、氏名をはじめ世帯番号や、性別、生年月日、住所といった情報が含まれている。また、原則として住所などに変更があれば、その都度、情報は更新される。したがって、国勢調査の結果と異なり、最新の情報で分析することが可能で、しかも特定の年齢の人口を把握するなど詳細な分析を行うことも可能である。つまり住民基本データは、人口分布図や世帯分布図の基礎データには好適なデータといえる。

その反面、住民基本データは、個人に関する詳細な情報を含むが故に、広く公開するためには不向きなデータともいえる。特に、氏名と住所を一度に確認することができるため、「個人情報の保護に関する法律」の趣旨からもそのまま公開することは適切ではない。そこで、種々の解析結果や統計処理が公開される場合、住民基本データから氏名を削除したデータが用いられるのが一般的である。

既述のとおり人口分布図や世帯分布図はメッシュごとの主題数を表示するものであり、そもそも「氏名」を必要とするケースは極めて稀であるから、作成にあたって住民基本データから氏名情報を削除したとしても、特段大きな問題は生じない。むしろ、住民基本データを基礎とすれば、細かい年齢区分や性別ごとに区分図を表示できるので、より様々な場面で利用することができる。

しかしながら、氏名を削除した住民基本データを用いて人口分布図や世帯分布図を作成したとしても、なお問題が残るケースがある。あるメッシュ内に１世帯しか含まれないなど主題数が極めて少ない場合、その世帯は容易に特定できるからである。例えば、特定の年収範囲内にある世帯数を表す世帯分布図が公開されると、メッシュ内にある１の世帯は容易に特定されてしまい、その結果その世帯の年収が明らかにされてしまう。

このように、氏名情報を削除した上で人口分布図や世帯分布図を作成したとしても、メッシュ内の主題数が極端に少ないときは、間接的に個人が特定されることがある。このような問題を解決すべく、特許文献１では位置情報を抽象化する技術を提案している。

特開２０１１−１２３７１２号公報

特許文献１は、住居配置の粗密に応じて主題の位置情報を変更するものであるが、過疎地区においては位置精度が極端に劣化するうえ、メッシュを利用する人口分布図や世帯分布図には利用しづらいという難点がある。

通常、地方自治体では、主題数が極端に少ないメッシュがある場合、近隣のメッシュと主題数を合わせる、いわゆる合算処理が行われる。図４は、現状行われている合算処理を説明するモデル図である。一般的に、合算処理は次のような手順で行われる。すなわち、メッシュ内の主題数に閾値を設け、主題数がその閾値を下回るメッシュに関しては、そのメッシュと近隣のメッシュを合わせ、主題数も両者の合計値とするわけである。

図４のケースでは、世帯数が３未満のメッシュを合算することとしており、リスト順にみて直上のメッシュと合算処理することとしている。具体的には、Ｃ区（ここでは大字区）内の世帯数は２であるため合算対象となり、同じくＥ区内の世帯数は１であるためやはり合算対象となる。そして、Ｃ区はリスト直上のＢ区と合算され、Ｅ区はＤ区と合算され、図４下のような合成メッシュとなる。ところが、自治会区を見ると、Ｃ区とＤ区は同じ自治会区でありメッシュを合わせても取り扱い上の問題は少ないが、Ｂ区とＣ区は異なる自治会区であり合算後の取り扱いに問題が生じることも考えられる。本来であれば、Ｃ区は同じ自治会区のＦ区と合算するべきである。

本願発明の課題は、従来が抱える問題を解決することであり、すなわち主題数が少ないメッシュに対して合算処理する際、社会的あるいは地形条件的に意義のある領域を考慮したうえで自動的に合算することのできる個別基礎情報秘匿化プログラム、及び個別基礎情報秘匿化装置を提供することである。

本願発明は、メッシュとは異なる領域であって、統計処理上意味のある領域に着目し、この領域に基づいて合算処理する、という点に着目したものであり、従来にはなかった発想に基づいてなされた発明である。

本願発明の個別基礎情報秘匿化プログラムは、「個別基礎情報」（位置情報を含む個人又は世帯を表す情報）の秘匿処理をコンピュータに実行させるものである。具体的には、その位置情報に基づいて個別基礎情報を単位区画（所定範囲を多数に平面分割したもの）ごとに割り当てる際、個別基礎情報の数が閾値を下回る単位区画を「秘匿化区画」とし、この秘匿化区画の周辺の単位区画を選定して「包含区画」とし、さらに包含区画と秘匿化区画を合わせて「結合区画」を作成し、そして結合区画に秘匿化区画及び包含区画の個別基礎情報を割り当てる処理を実行させる。個別基礎情報秘匿化プログラムは、所定範囲内であらかじめ設定された「判別領域」を読み出す判別領域読み出し処理と、この判別領域に基づいて秘匿化区画に適した包含区画を選定する包含区画選定処理を備えている。このうち包含区画選定処理は、秘匿化区画の全部（又は一部）を含む判別領域内にある単位区画から、包含区画を選定する。

本願発明の個別基礎情報秘匿化プログラムは、通学区域、字界区、街区、自治会区、町会区、又は統計調査区に基づいて設定された領域を、判別領域とすることができる。

本願発明の個別基礎情報秘匿化プログラムは、建築物どうしの距離に基づいて設定された建築集塊領域を、判別領域とすることができる。

本願発明の個別基礎情報秘匿化プログラムは、建築物どうしの距離及び建築年代に基づいて設定された建築集塊領域を、判別領域とすることができる。

本願発明の個別基礎情報秘匿化プログラムは、道路、線路、又は河川で区切られた領域を、判別領域とすることができる。

本願発明の個別基礎情報秘匿化プログラムは、標高に応じて区分された領域を、判別領域とすることができる。

本願発明の個別基礎情報秘匿化プログラムは、包含区画選定処理が異なる２以上の判別領域に基づいて包含区画を選定するものとすることもできる。この場合、判別領域読み出し処理は、異なる２以上の判別領域を読み出す。

本願発明の個別基礎情報秘匿化装置は、「個別基礎情報」の秘匿措置を行う装置である。具体的には、その位置情報に基づいて個別基礎情報を単位区画ごとに割り当てる際、個別基礎情報の数が閾値を下回る単位区画を「秘匿化区画」とし、この秘匿化区画の周辺の単位区画を選定して「包含区画」とし、さらに包含区画と秘匿化区画を合わせて「結合区画」を作成し、そして結合区画に秘匿化区画及び包含区画の個別基礎情報を割り当てる。個別基礎情報秘匿化装置は、所定範囲内であらかじめ設定された「判別領域」を記憶する判別領域記憶手段と、判別領域を読み出し単位区画に重ね合わせる領域重畳手段、判別領域に基づいて秘匿化区画に適した包含区画を選定する包含区画選定手段を備えている。このうち包含区画選定手段は、秘匿化区画の全部（又は一部）を含む判別領域内にある単位区画から、包含区画を選定する。

本願発明の個別基礎情報秘匿化プログラム、及び個別基礎情報秘匿化装置には、次のような効果がある。
（１）例えば、世帯数が少ない地域を含んだ世帯分布図を作成する場合でも、直接的あるいは間接的に個人世帯が特定されることがないため、安心して公開目的等に利用することができる。
（２）秘匿目的の合算処理がなされたとしても、社会的あるいは地形的に意味ある領域が維持されているため、合算処理後の世帯分布図等は適切に利用することができる。
（３）人による特別な判断を必要としないため、ヒューマンエラーによる誤りのない結果を得ることができるとともに、多大な労力を要することなく容易に結果を得ることができる。

本願発明の個別基礎情報秘匿化プログラムにおける主な処理の流れを示すフロー図。 単位区画に判別領域を重ねて「包含区画」を選定する手法を示す説明図。 本願発明の個別基礎情報秘匿化装置の主な構成を示すブロック図。 現状行われている合算処理を説明するモデル図。

本願発明の個別基礎情報秘匿化プログラム、及び個別基礎情報秘匿化装置の実施形態の一例を、図を参照しながら説明する。ここでは便宜上、世帯ごとの個別基礎情報をもとに、世帯分布図を作成する例で説明する。

１．個別基礎情報秘匿化プログラム
図１は、本願発明の個別基礎情報秘匿化プログラムにおける主な処理の流れを示すフロー図である。図１の中央の列には実施する処理を示しており、左列にはその処理に必要な入力情報を、右列にはその処理から生まれる出力情報を示している。なお、この図に示す処理は、具体的にはコンピュータによって実行される。以下、これらフロー図を参考にしながら、本実施形態について説明する。

（個別基礎情報）
本願発明で利用する「個別基礎情報」は、少なくとも位置情報を含むものであって、個人や世帯を表す情報である。なお、この個別基礎情報には、個人情報を保護する理由から「氏名情報」が含まれないことが望ましい。したがって図１に示すように、住民基本データを利用する場合、このデータから「氏名」という属性を取り除く属性秘匿化処理（Ｓｔｅｐ１０）が行われ、以降の処理では氏名情報を含まない個別基礎情報が用いられる。ここでは、住民基本データから氏名を除いたものを個別基礎情報としているが、本願発明に用いる個別基礎情報は、位置情報を含んで個人や世帯を表す情報であれば、これに限らず国勢調査の結果、あるいはその他の調査結果等、種々の情報を利用することができる。

住民基本データを基礎とする個別基礎情報は、位置情報として「住所」を有している。この住所を基に座標変換するのが、図１の地図座標付与（Ｓｔｅｐ２０）である。この座標変換は、いわゆるアドレスマッチングと呼ばれるもので、あらかじめ住所と座標を対応付けた住所辞書データを利用し、入力された住所が地図座標として出力される。すなわち、地図座標という位置情報を具備する個別基礎情報が出力される。

（単位区画と秘匿化区画）
次に、地図座標を基に個別基礎情報を空間配置し、あらかじめ設定された（このタイミングで設定しても良い）単位区画と重ねられる。この単位区画は、所定範囲を多数に平面分割した結果形成される小領域のことであり、いわゆる「メッシュ」と呼ばれるものである。なお、一般的にメッシュは正方格子による矩形分割とされるが、もちろんこれに限らず任意形状で平面分割されたものもメッシュに含まれる。ここでは、個別基礎情報が世帯を表すものであるから、位置情報としては「点」で表現され、一方の単位区画は「面」で表現される。すなわち、個別基礎情報は、いずれかの単位区画に含まれ、逆に単位区画は、１以上の個別基礎情報を含むものもあれば、全く個別基礎情報を含まないものもある。

それぞれの単位区画に個別基礎情報が割り当てられると、単位区画の中から「秘匿化区画」を抽出する（Ｓｔｅｐ４０）。具体的には、個別基礎情報が割り当てられた単位区画を抽出し、さらにその中から個別基礎情報の数が閾値を下回る単位区画を秘匿化区画として抽出する。言い換えれば、個別基礎情報の数が１以上であって閾値以下（又は未満）を秘匿化区画とするわけである。

（判別領域）
秘匿化区画が抽出されると、次に「判別領域」を単位区画に重ね合わせる（Ｓｔｅｐ５０）。ここで判別領域について説明する。判別領域は、社会的な意義を有する「社会的判別領域」と、地形条件的に設定される「地形的判別領域」に大別される。

社会的判別領域としては、例えば、通学区域（校園区）や、字界区、街区、自治会区、町会区、統計調査区などを挙げることができる。あるいは、建物が集まったブロック（以下、「建築集塊領域」という。）を社会的判別領域とすることもできる。この場合、人の判断によって所定の範囲を認定したうえで建築集塊領域とすることもできるし、建物間の距離に基づくクラスター分析によって自動的に得られる領域を建築集塊領域とすることもできる。さらに、距離によって得られた建築集塊領域を、建築された年代に応じて細分化した建築集塊領域を用いることもできる。ひとつの建築集塊領域と見られる中にも、古くから存在する戸建て住宅が集まった領域と、比較的新しい集合住宅が密集した領域に区別できるケースもある。このような場合、建築年代に境界を設けるなどして、古い建築集塊領域と新しい建築集塊領域を設定するわけである。

一方、地形的判別領域としては、例えば、道路や、線路、河川等によって区切られた領域とすることができる。あるいは、段階的な標高レンジを設定し、そのレンジごとに地形的判別領域を設けることもできる。

（包含区画）
判別領域が設定されると、Ｓｔｅｐ４０で抽出された秘匿化区画に対して、適切な「包含区画」を選定する（Ｓｔｅｐ６０）。図２は、単位区画１０に判別領域２０を重ねて「包含区画」を選定する手法を示す説明図である。なお、この図では判別領域２０を、社会的判別領域である自治会区としている。また、世帯（個別基礎情報）数が３未満の単位区画１０を秘匿化区画として抽出しており、つまり図２では、２世帯のみを含む単位区画１０であるＣ区（以下、「秘匿化区画１０Ｃ」という。）と、１世帯のみを含む単位区画１０であるＥ区（以下、「秘匿化区画１０Ｅ」という。）が抽出されている。

図２の中段には、単位区画１０に判別領域２０を重ねた状態を示している。この図から、秘匿化区画１０Ｃは判別領域２２（自治会区２）に含まれ、秘匿化区画１０Ｅは判別領域２１（自治会区１）に含まれていることが分かる。ここで、秘匿化区画に対応する包含区画は、当該秘匿化区画を含む判別領域２０の中から選択される。換言すれば、秘匿化区画と包含区画からなる組み合わせは、同一の判別領域２０に含まれるわけである。具体的には、図２の下段に示すように、秘匿化区画１０Ｃに対しては単位区画１０Ｆ（Ｆ区）が包含区画として選択され、秘匿化区画１０Ｅに対しては単位区画１０Ｄ（Ｄ区）が包含区画として選択される。

ところで、秘匿化区画１０Ｅを含む判別領域２１の中には、当該区画以外に単位区画１０Ａ（Ａ区）と、単位区画１０Ｂ（Ｂ区）、単位区画１０Ｄ（Ｄ区）がある。つまり秘匿化区画１０Ｅに対する包含区画は３つの候補があることになる。この場合、さらに他の地形的判別領域を重ねて選択することができる。もちろん、地形的判別領域に限らず他の社会的判別領域を重ねても良い。複数の判別領域を条件とし、対象となる秘匿化区画を含むすべての判別領域に含まれる単位区画を包含区画とするわけである。あるいは、単位区画１０内における主題位置（図２では世帯位置）の重心位置を求め、秘匿化区画の重心位置ともっとも近い重心位置を有する単位区画１０を、包含区画として抽出することもできる。

（結合区画と合算処理）
秘匿化区画と包含区画の組み合わせが定まれば、これらをひとつの単位区画に合成した「結合区画」が形成される（Ｓｔｅｐ７０）。そして、結合区画内あるすべての主題数、つまり秘匿化区画の主題数と包含区画の主題数の合計が、新たな主題数として設定する合算処理が行われる（Ｓｔｅｐ８０）。具体的には図２の下段に示すように、秘匿化区画１０Ｃと単位区画１０Ｆ（包含区画）からなる結合区画３１の主題数が７世帯とされ、秘匿化区画１０Ｅと単位区画１０Ｄ（包含区画）からなる結合区画３２の主題数が４世帯とされる。

（出力）
結合区画が形成されて合算処理も行われると、最後に世帯分布図（あるいは人口分布図）として出力し（Ｓｔｅｐ９０）、一連の処理が完了する。

２．個別基礎情報秘匿化装置
図３は、本願発明の個別基礎情報秘匿化装置４００の主な構成を示すブロック図であり、結合・合算処理までの一連の流れも合わせて示している。以下、このブロック図を参考にしながら、本実個別基礎情報秘匿化装置４００について説明する。

まず、住民基本データ記憶手段４０１から住民基本データを読み出し、氏名情報を取り除く属性秘匿化処理を行い、これを個別基礎情報として個別基礎情報記憶手段４０２に記憶させる。次に住所辞書データ記憶手段４０３から住所辞書データ（住所と地図座標の対応テーブル）を読み出し、個別基礎情報の住所と照らし合わせて地図座標を付与する。地図座標を有する個別基礎情報を、メッシュデータ記憶手段４０４から読み出した単位区画に割り当て、閾値記憶手段４０５から読み出した閾値に基づいて秘匿化区画を抽出する。抽出した秘匿化区画は、秘匿化区画記憶手段４０６に記憶される。判別領域記憶手段４０７から判別領域を読み出し、領域重畳手段によって、秘匿化区画が明らかになった単位区画に集合に、判別領域を重ね合わせる。そして、含区画選定手段によって、秘匿化区画に適した包含区画が選定され、秘匿化区画と包含区画を合成して結合区画を形成するとともに、合算処理を行って秘匿化区画と包含区画の主題数の和を計上する。最後に世帯分布図（あるいは人口分布図）として出力し、一連の処理が完了する。

本願発明の個別基礎情報秘匿化プログラム、及び個別基礎情報秘匿化装置は、人口分布図や世帯分布図といった区分図の作成に、特に効果的に利用することができる。また、資産別あるいは年収別の世帯区分図など、取り扱う情報が慎重を要する区分図にも利用することができる。

１０ 単位区画
２０ 判別領域
３１ （Ｃ区とＦ区からなる）結合区画
３２ （Ｅ区とＤ区からなる）結合区画
４００ 本実個別基礎情報秘匿化装置
４０１ 住民基本データ記憶手
４０２ 個別基礎情報記憶手段
４０３ 住所辞書データ記憶手段
４０４ メッシュデータ記憶手段
４０５ 閾値記憶手段
４０６ 秘匿化区画記憶手段
４０７ 判別領域記憶手段

Claims (4)

1. 位置情報を含む個人又は世帯を表す個別基礎情報を、該位置情報に基づいて、所定範囲を多数に平面分割した単位区画ごとに割り当てる際、該個別基礎情報の数が閾値を下回る単位区画を秘匿化区画とし、該秘匿化区画の周辺の単位区画を選定して包含区画とするとともに、該包含区画と秘匿化区画を合わせて結合区画を作成し、該結合区画に秘匿化区画及び包含区画の個別基礎情報を割り当てる処理を、コンピュータに実行させるプログラムであって、
   前記所定範囲内であらかじめ設定された判別領域を読み出す判別領域読み出し処理と、
   前記判別領域に基づいて、前記秘匿化区画に適した前記包含区画を選定する包含区画選定処理と、を備え、
   前記判別領域が、通学区域、字界区、街区、自治会区、町会区、又は統計調査区に基づいて設定された領域であり、
   前記包含区画選定処理は、前記秘匿化区画の全部又は一部を含む前記判別領域内にある前記単位区画から、前記包含区画を選定する、ことを特徴とする個別基礎情報秘匿化プログラム。
2. 位置情報を含む個人又は世帯を表す個別基礎情報を、該位置情報に基づいて、所定範囲を多数に平面分割した単位区画ごとに割り当てる際、該個別基礎情報の数が閾値を下回る単位区画を秘匿化区画とし、該秘匿化区画の周辺の単位区画を選定して包含区画とするとともに、該包含区画と秘匿化区画を合わせて結合区画を作成し、該結合区画に秘匿化区画及び包含区画の個別基礎情報を割り当てる処理を、コンピュータに実行させるプログラムであって、
   前記所定範囲内であらかじめ設定された判別領域を読み出す判別領域読み出し処理と、
   前記判別領域に基づいて、前記秘匿化区画に適した前記包含区画を選定する包含区画選定処理と、を備え、
   前記判別領域が、道路、線路、又は河川で区切られた領域であり、
   前記包含区画選定処理は、前記秘匿化区画の全部又は一部を含む前記判別領域内にある前記単位区画から、前記包含区画を選定する、ことを特徴とする個別基礎情報秘匿化プログラム。
3. 位置情報を含む個人又は世帯を表す個別基礎情報を、該位置情報に基づいて、所定範囲を多数に平面分割した単位区画ごとに割り当てる際、該個別基礎情報の数が閾値を下回る単位区画を秘匿化区画とし、該秘匿化区画の周辺の単位区画を選定して包含区画とするとともに、該包含区画と秘匿化区画を合わせて結合区画を作成し、該結合区画に秘匿化区画及び包含区画の個別基礎情報を割り当てる装置であって、
   前記所定範囲内であらかじめ設定された判別領域を記憶する判別領域記憶手段と、
   前記判別領域を読み出し、前記単位区画に重ね合わせる領域重畳手段と、
   前記判別領域に基づいて、前記秘匿化区画に適した前記包含区画を選定する包含区画選定手段と、を備え、
   前記判別領域が、通学区域、字界区、街区、自治会区、町会区、又は統計調査区に基づいて設定された領域であり、
   前記包含区画選定手段は、前記秘匿化区画の全部又は一部と重なる前記判別領域内にある前記単位区画から、前記包含区画を選定する、ことを特徴とする個別基礎情報秘匿化装置。
4. 位置情報を含む個人又は世帯を表す個別基礎情報を、該位置情報に基づいて、所定範囲を多数に平面分割した単位区画ごとに割り当てる際、該個別基礎情報の数が閾値を下回る単位区画を秘匿化区画とし、該秘匿化区画の周辺の単位区画を選定して包含区画とするとともに、該包含区画と秘匿化区画を合わせて結合区画を作成し、該結合区画に秘匿化区画及び包含区画の個別基礎情報を割り当てる装置であって、
   前記所定範囲内であらかじめ設定された判別領域を記憶する判別領域記憶手段と、
   前記判別領域を読み出し、前記単位区画に重ね合わせる領域重畳手段と、
   前記判別領域に基づいて、前記秘匿化区画に適した前記包含区画を選定する包含区画選定手段と、を備え、
   前記判別領域が、道路、線路、又は河川で区切られた領域であり、
   前記包含区画選定手段は、前記秘匿化区画の全部又は一部と重なる前記判別領域内にある前記単位区画から、前記包含区画を選定する、ことを特徴とする個別基礎情報秘匿化装置。

Images