地名は、史料に書かれた記述と地図上の位置を結びつける接点である。この節では、その接続がどういう構造で成り立っているかを述べ、続いて地名辞書、識別子、典拠データ、ジオコーディングの順に、地名を位置に変換する道筋をたどる。
三つの空間と、地名による接続
地理に関わる情報は、三つの空間に分けて整理できる [UC-010 §情報・地理・つなぐ──三つの空間のモデル]。
- 情報空間:テキストや画像など、地理に関わるメディアのデータが置かれる空間。地名辞書(ガゼッティア)もここに位置づく。
- 地理空間:点・ポリゴン・ピクセルなど、現実世界を表す幾何データの空間。地図がここにあたる。
- つなぐ空間:両者をつなぐ空間で、座標と識別子を備えた地名(トポニム)がここに位置する。
地名に識別子(ID)を与えれば情報空間の資料へ、座標を与えれば地理空間の地図上の位置へつながる [UC-010 §情報・地理・つなぐ──三つの空間のモデル]。座標が地図側、識別子が資料側の接点となるので、史料中の「何々町」という記述を地図上の座標に変換できる [UC-011 §3. 「どこ」を特定する——情報空間・地理空間・つなぐ空間]。地誌は地理情報が地名として言及される資料であり、地名は地図上に表示でき、文章中でも言及できるエンティティ(実体)である。そこで地名にIDを与えて一元管理する方針が立つ [UC-033 §地図・地誌・地名の枠組みと識別子付与の方針]。地誌の記述を地名辞書のエントリに結びつける場面でも、この構図がそのまま使われる。
「どこ」を特定する経路は二通りある。文章中の地名を取り出して位置を特定する経路と、地図そのものを分析して画像上の位置から実世界の場所を割り出す経路である [UC-011 §3. 「どこ」を特定する——情報空間・地理空間・つなぐ空間]。前者に必要な地名辞書と識別子が、この節の主題である。緯度経度という座標の表し方は、節「空間の表し方」を参照。
地名辞書と、識別子を与えること
地名辞書(ガゼッティア)は、地名を一件ずつ並べ、それぞれに識別子と属性を付した資源である。地名辞書の1行(エントリ)は、その地名が指す実体(エンティティ)を一つ示す。付与する属性は、位置情報のほか、名称の表記揺れや粒度の違いの吸収、よみ、基本統計などである [UC-033 §地図・地誌・地名の枠組みと識別子付与の方針]。
位置情報は特に重要だが、どこを代表点に選ぶかという難しさが伴う [UC-033 §地図・地誌・地名の枠組みと識別子付与の方針]。識別子と属性の組をデータセットとして整えると、実世界との紐づけやデータ統合に使える [UC-033 §地図・地誌・地名の枠組みと識別子付与の方針]。
識別子の付与でいちばん重い判断は、何を同じエンティティとみなすかである。たとえば東京が指す範囲は、東京市15区から35区を経て現在の23区へと時代によって変わり、東京府と東京都でも異なる。これらを同じ東京とみなすかどうかは、どちらの立場も取りうるため、基準をあらかじめ決めておく必要がある [UC-033 §地図・地誌・地名の枠組みと識別子付与の方針]。識別子の付与は、同じIDを持つものを同じものとみなす作業として位置づけられ、その判断基準は非常に難しい問題とされている [BP-006 §識別子を介したデータの連携]。
識別子を共有するデータは、作成者や時点の異なるデータどうしを結びつけられる。たとえば『天保郷帳』の各村をGeoLOD APIで『日本歴史地名大系』地名項目データセットに対応づけ、地名に含まれる緯度経度を村に付ければ、地理データとして使える。大系のデータをキーに他の郷帳(幕末期近世村領域データ、旧高旧領取調帳、慶長郷帳、正保郷帳、元禄郷帳)と連携すれば、生産高の時代的な変遷も把握できるはずだとされる [UC-049 §『日本歴史地名大系』地名項目データセットとの対応付け]。ただし、同名の地名や表記揺れが多い場合は、単純な文字列の一致では対応づけがうまくいかない [BP-006 §識別子を介したデータの連携]。藩や街道への識別子の付与は、節「時間をもつ空間」と節「識別子とデータ引用」を参照。
GeoLOD:地名辞書を共有する基盤
地名情報処理基盤のGeoLODは、地名に識別子を割り当てるサービスである。多数の地名をアップロードしてGeoLOD IDを得れば、さまざまなアプリでその識別子を使え、同じIDを介して異なるアプリ間のデータ統合も容易になる [UC-010 §歴史的ジオコーダーとGeoLOD──地名をつなぐ基盤]。属性の表示や検索はウェブとAPIから利用でき、オンラインで地名辞書を構築・共有する機能もある [UC-033 §地名のデータセット:藩・街道・宿場とGeoLOD]。
典拠データとしての地名
識別子を与える対象の地名を決める拠り所が、典拠データである。ここでは、行政区域と文献の地名辞典の二つを例にとる。
行政区域では、市区町村が最も基礎的な地名になる。多くの文書や統計に頻出するが、公式の市区町村IDは1968年以降にしか存在せず、現行制度が始まる1889年から1968年までの期間にはない。歴史的行政区域データセットは、複数のデータセットを統合して1889年以降の市区町村に一意のIDを付与したもので、表記の同一性に基づき16,856件を識別した。各IDは、代表的な位置(点)と時期ごとの境界(ポリゴン)を属性に持つ [UC-010 §歴史的行政区域データセット]。このデータセットは、2023年10月時点で行政区域件数が16,856件であることを示している 1。合併で範囲が広がっても同じ名称のものを同じエンティティとして統合するので、資料に市が現れたときにこのIDと結びつけ、資料の年次によって範囲が変わることを確認できる [UC-033 §地名のデータセット:行政区域から近世村へ]。境界の時間変化の扱いは、節「時間をもつ空間」を参照。
代表例:『日本歴史地名大系』地名項目データセット
文献の地名辞典の側で代表となるのが、平凡社『日本歴史地名大系』をもとにした『日本歴史地名大系』地名項目データセットである。全50巻(1979〜2004年、刊行に25年を要した)の地名項目に位置情報を加えて機械可読にしたもので、江戸時代の村までさかのぼる80,502件の地名をCC BYで公開している [UC-010 §6.1 『日本歴史地名大系』地名項目データセット, UC-013 §江戸時代の村のデータセット——統合の試みと課題]。
公開するのは名称・位置・読みと識別子という、書き手に依存しない事実に関する情報である。解釈に関わる詳細な解説は、有料の電子版(ジャパンナレッジ)に残してある。地名ページからその記述へリンクが張られ、オープンな側からクローズドな側へたどれる構造になっている [UC-012 §江戸近世村データセット]。
このデータセットは、他のデータセットとの突き合わせの要にもなる。幕末期の近世村66,581件を収める幕末期近世村領域データセットと名称の一致で突き合わせたところ、約56,000件を統合できた [UC-012 §江戸近世村データセット]。残りには、一方では1村が他方では東西2村に分かれている粒度の相違や、表記が大きく異なって対応づけられない例がある。表記揺れの一因にはOCR誤りもあり、粒度や表記の違い、どちらを正解とするかといった問題を丁寧に解くにはかなりの時間がかかる [UC-013 §江戸時代の村のデータセット——統合の試みと課題]。村にIDを付けるとは、こうして二つの資料を組み合わせる作業そのものである。
地名と住所を位置に変換する:ジオコーディング
住所や地名を緯度経度に変換する処理をジオコーディングと呼ぶ。住所は行政区分に対応した階層構造を持ち、都道府県から番号までが入れ子状に並ぶ [UC-031 §住所とジオコーディングとは]。日本の住所には、法務局が土地ごとに定める地番住所と、市町村が建物につける住居表示住所が併存する [UC-031 §住所とジオコーディングとは]。
住所は、表記揺れ・異体字・複数の表記法・部分的な省略といった問題を抱えており、機械的に扱うのは難しい [UC-031 §日本の住所が抱える課題]。ジオコーディングの精度は、地名辞書にあたる住所データベースの質に大きく依存する。
jageocoder:住所データベースを差し替える
現代の住所向けのジオコーダーjageocoderは、住所データベースを目的に合わせて差し替えられる [UC-031 §jageocoder——現代日本の住所ジオコーダー]。この性質を使うと、過去の住所データベースを用意して差し替えるだけで、過去の住所も同じ仕組みで地図に対応づけられる。過去の住所データベースを作るツールがjageocoder-dbtoolで、GeoJSON形式の地図データから住所データベースを作る [UC-031 §旧東京市15区住所データセットの構築]。
その一例が、1907年の郵便地図(各区1枚、計15枚)を基にした旧東京市15区住所データセットで、住所件数は56,089件である [UC-031 §公開したデータセットとマップ]。作成にあたっては、地理データ(GeoJSON)と住所データに加え、表記揺れを収めた辞書を別に用意した [UC-031 §旧東京市15区住所データセットの構築]。
表記揺れと異体字をどこで解くか
表記揺れ・異表記辞書は、実データに現れる住所を、住所データベース中のエントリに一件ずつ対応させる。たとえば「東京府東京市小石川區大塚辻町」を、省略されている「小石川」を補って「小石川大塚辻町」として扱う [UC-031 §旧東京市15区住所データセットの構築]。区と町名の間に入る地域名は日常では省略されがちで、実データでこの種の省略が多いため、補うルールが多く必要になる [UC-031 §旧東京市15区住所データセットの構築]。辞書を使う優先順位を決められるので、表記揺れ辞書を優先すれば、実データの不正確な住所にも対応できる [UC-031 §旧東京市15区住所データセットの構築]。
異体字は二段構えで扱う。jageocoderが標準で持つ地名異体字辞書に頻出する異体字を登録し、利用例の少ないものは表記揺れ・異表記辞書で個別に処理する [UC-031 §旧東京市15区住所データセットの構築]。Unicodeとして適当でない、書き間違いに近い文字は、無理に異体字として登録せず、住所データ側を修正する。辞書を拡張するか元データを修正するかは、どれだけ例外的かという観点から決める、微妙なバランスの上にある [UC-031 §旧東京市15区住所データセットの構築]。
関東大震災の死亡者住所を変換する
この住所データセットを使い、東京都慰霊協会が所蔵する「震災死亡者調査表」の住所(3万8,332件)を変換した例がある。大正期の住所は区画整理で町名が大きく変わっているため、現代の住所表記は参考にならず、原票の表記にも揺れがある [UC-032 §大正時代の住所をジオコーディングする課題]。たとえば「本所区三笠11」は、正式には「本所區本所三笠町」と「本所」が付く [UC-032 §住所データ修正のワークフロー]。この例では、変換率を見ながら4段階で修正した [UC-032 §住所データ修正のワークフロー]。
- そのまま変換し、表記揺れのパターンを収集して辞書に登録する。これで全体の約84%が地番レベルで変換できた。
- 「横川町」のように一意に決まらない町名を、文脈から判断する。区別の表記がなく単に「横川町」とだけあるものは「本所横川町」とみなした。
- 誤字・入力ミス(常磐→常盤、蛎売→蛎殻など)と区違いを、元データで手作業により修正する。レベル7(地番)は全体の86%に達した。
- 残りを一件ずつ確認する。地図上に存在しない地番は近接する番地で代表させるなどの処理を行い、レベル7は87%となった。
使用したデータセットは1907年時点のもので、対象の1923年と16年の差がある。ぴったり合うデータセットを探すのは無理なので、概ね適用可能と判断し、変化のある地域は後から考慮する方針をとった [UC-032 §ジオコーディングの基盤となるデータセットとツール]。実際、1913年に成立した町は1907年基準のデータセットに含まれず、変換できない [UC-032 §変換の限界と今後の課題]。
同じ名が違う場所を指し、違う名が同じ場所を指す
歴史地名では、名と場所が一対一に対応しない。同じ名が違う場所を指し、違う名が同じ場所を指す。両方向の例が記事に現れる。
同じ名が違う場所を指す:震災死亡者調査表の「横川町」は、本所横川町・中ノ郷横川町・柳島横川町のいずれかで、名だけでは区別がつかない [UC-032 §大正時代の住所をジオコーディングする課題]。『天保郷帳』でも、GeoLOD上に同名の地名が複数あり、直前の村の位置を中心に半径10km以内で検索して候補を絞った。1件に絞れたのは地名全体の68.6%(41,553件)で、残る31.4%(19,048件)は人手で突き合わせることになった [UC-049 §ルールベースによる絞り込み]。
違う名が同じ場所を指す:住所の表記揺れは、同じ場所が異なる書かれ方をする例である。「小石川大塚辻町」が「大塚辻町」と省略され、「一ツ橋通」が「一ッ橋通町」と書かれる [UC-031 §旧東京市15区住所データセットの構築]。区の誤記(「浅草區佐賀町」と書かれているが実際は深川区)もある [UC-032 §大正時代の住所をジオコーディングする課題]。
扱い方は大きく二つに分かれる。第一に、表記揺れ辞書や異体字辞書で、実データの表記を辞書のエントリに対応させる(前節)。第二に、同名の複数候補は文脈で絞り込み、絞れない分は人手で確認する。位置そのものが一つに決まらない歴史的な単位の扱いは、節「時間をもつ空間」を参照。
参考資料
- [1] 歴史的行政区域データセットβ版 | Geoshapeリポジトリ. https://geoshape.ex.nii.ac.jp/city/, 取得日 2026-11-12