AI活用を前提に設計したエリアデータ「c-japan® Dynamics」提供開始、トライアルも実施中

公開：2026年8月5日更新：2026年8月7日

CodeCampが提供するDX人材育成が可能なプログラミングやITが学べる公開講座

この記事はプレスリリースです

本記事は、PR TIMESに掲載された企業・団体等のプレスリリースを原文のまま転載しています。記事内容は発表時点の情報です。

発表元: 技研商事インターナショナル株式会社
原文: PR TIMESで元のプレスリリースを読む
配信日時: 2026年8月5日 08時30分
転載日: 2026年8月6日

発表内容については発表元へ、当サイト上の訂正・削除については、当サイトのお問い合わせフォームにご連絡ください。

転載

プレスリリース本文

人流データから"街の性格"を分類、全国125m単位で場所ごとの使われ方が一目でわかる

エリアマーケティングGIS（地図情報システム）の国内リーディングカンパニーである技研商事インターナショナル株式会社（名古屋本社：愛知県名古屋市、東京本社：東京都新宿区、代表取締役：小嶌智海、以下当社）は、人流データから"街の性格"を分類するエリアデータ※「c-japan® Dynamics」の提供を2026年8月5日より開始、1か月の無料トライアルも実施します。本データは、AI・データ分析時代に対応する新コンセプト「AI-Readyデータ」シリーズの第一弾です。

本データの活用により、同じ駅前でも「昼はビジネス集積、隣の街区は休日の買い回り拠点」といった足元のエリア特性の差が125m単位で把握できるため、出店判断・商圏分析・販促エリア選定・まちづくり評価において、業態と立地の相性を客観的な根拠をもって判断できるようになります。

〇データ詳細はこちら

※エリアデータとは、特定の地域・区画ごとに整備された人口・世帯・商業などの統計情報の総称です。出店計画や商圏分析などで広く活用されています。

［c-japan® Dynamicsは、特許出願中です。］

🔳 開発背景:なぜ今「AI-Readyなエリアデータ」なのか

企業のデータ活用が高度化する中、データサイエンティストや分析担当者が求めるのは、集計済みの統計表ではなく、自社データと即座に結合し、特徴量としてモデルに投入できる"分析素材"です。

しかし従来のエリアデータは「人口○万人」「昼間人口比率○%」といった単一指標にとどまり、場所ごとの"使われ方の違い"—朝型か夜型か、平日集積か休日目的地か—を機械的に表現するには、分析者自身が膨大な前処理を行う必要がありました。また、数値の奥にある“地域の意味”を読み解けるかどうかは、使う人の力量に委ねられてきました。

当社は、長年の商圏分析で培った「地域を読み解くノウハウ」をデータそのものに埋め込み、”街の文脈”を引き出せる形に仕上げました。これがAI-Readyデータシリーズの発想であり、c-japan® Dynamicsはその第一弾です。

🔳 「c-japan® Dynamics」データ概要

ソフトバンク株式会社の子会社で、位置情報を活用したビッグデータ事業を手掛ける株式会社Agoop（以下、Agoop）が保有する位置情報データから、平日／休日×24時間帯ごとの滞在人口を全国125mメッシュ単位で集計した「平均滞在人口データ」を活用。人の集まり方のパターンを統計分析し、「繁華街型」「オフィス型」「休日レジャー型」「交通・物流型」「生活活動型住宅地」「ベッドタウン型」の6タイプ・23分類に振り分けたデータです。

各メッシュには分類ラベルに加え、「どの程度オフィス寄りか／住宅寄りか」「平日に強いか／休日に強いか」を示す数値スコアと、人の集まりやすさを表す密度データも付与。分類で直感的に把握し、数値で定量比較するといった、両方の使い方ができるデータです。

（位置情報データについて）

Agoopの位置情報データは、提携するスマートフォンアプリで承諾を得たユーザーから位置情報を取得しているため、通信事業者に依存しないマルチキャリアのデータとなり、豊富なサンプル数を確保しているのが特長です。この高精細・高品質な位置情報データは個人情報とひも付かないよう秘匿化・統計加工を行い、個人を識別できない形式で活用しています。

※Agoopが提携する国内の各スマートフォンアプリから位置情報データを取得しています。位置情報データは、規約等に同意いただき、スマホの位置情報送信設定で「許可」を選択したユーザーからのみ取得しています。同意および許可いただいていないユーザーから位置情報を取得することはありません。取得した位置情報データは、個人を特定できる情報を排斥し、統計加工処理を行うなどのプライバシー保護対策を実施しています。

（従来の人流データとの違い）

従来の人流データは「どこに何人いるか」を表示するヒートマップ型が主流でした。本データは人の集まり方のパターンを統計分析し、全国のメッシュを"街の性格"で分類した既製のセグメントデータとして提供します。

1. 量×質で「業態との相性」がわかる

人の多さ（量）と時間帯別の使われ方（質）を掛け合わせて分類。同じ「人が多い場所」でも平日ランチ型か休日ファミリー型かを区別できます。

2. 全国同一基準で使える信頼性

人がまばらな場所での誤分類など、人流データ特有の歪みを独自設計で除去。都心から地方まで同じ基準で安心して利用できます。

（6つの中分類セグメント）

（データサイエンティスト・分析担当者にとっての価値）

1. 前処理なしで特徴量として使える

主成分得点は連続値であり、回帰・分類・クラスタリングいずれのモデルにもそのまま投入できます。「職住軸スコア × 自社売上」の相関分析など、自社データとの結合が即日で可能です。

2. 125mメッシュの高解像度

従来の町丁目単位では見えなかった区画ごとの特性差を、モデルの説明変数として活用できます。

3. 時間帯による街の"表情の変化"を捉えたデータ

平日／休日×24時間帯の人流パターンを数値化しているため、「この場所は朝に強いのか、夜に強いのか」を定量的に比較でき、出店予測、需要予測、配送最適化など、時間帯を考慮したモデリングに活用できます。

4. セグメントコードによる伝わりやすい解釈性

モデルの出力を人間が解釈する際、「このクラスターはB01（中枢ビジネス街）が多い」といったラベリングが可能。分析結果の社内説明コストを下げます。

（活用イメージ）

業務	活用例
出店・商圏分析	セグメント×ボリュームで候補地をスコアリング。同じ駅前でも朝型/夜型/休日型を区別し、業態適性を判定できる。
広告・販促最適化	ジオターゲティング広告のセグメント別配信。「繁華街A01」には認知型、「住宅地E02」にはリピート型クーポン等、ターゲットに合わせた出し分けができる。
物流・配送効率化	F（日中不在型）は夜間便・置き配優先、E（日中活動型）は午前便といった設計で、再配達率の低減に活用できる。
需要予測モデル	4軸（職住軸、平休軸、繁華街軸、特定時間軸）の主成分得点を説明変数として投入し、店舗売上や来店数の予測精度向上に活用できる。

なお、データと共に各セグメントの特徴をまとめたハンドブックも提供します。

【A：広域集客型・都市商業および夜間活動エリア】

（トライアルについて）

導入検討中のお客様向けに、本番同等データを1か月間ご利用いただけるトライアル版をご用意しています。実際の分析環境で、セグメント分布・時間帯別滞在リズム・主成分得点の活用感をご確認いただけます。

・トライアル：1か月間・本番同等データ・無料

・お問い合わせ先（https://www.giken.co.jp/contact/）

（参考コンテンツ）

本データの活用イメージを解説したコラムシリーズを公開しています。

🔳 c-japan® について

c-japan®は、当社が開発・提供するエリアセグメンテーションデータのシリーズです。10万項目以上のデータを統計分析で分類し、地域の特性を小地域単位で「ひと目で分かる形」に整理しています。

データ名	視点	概要
c-japan® Home	住む人	世帯構成・年収・年齢分布などから居住地の生活者像を分類
c-japan® Daytime	集まる人	昼間の就業者・来街者の行動から、ビジネス街・繁華街などの地域特性を分類
c-japan® Dynamics（新）	時間帯別の使われ方	平休日×24時間帯別の人流から、エリアの"リズム"を分類・数値化