地理空間データ（GISデータ）のクレンジング方法｜7手順と注意点を解説

店舗や顧客の位置を地図に重ねて商圏を分析しようとしたところ、点の位置が数百メートルもずれていた——そうした経験を持つ担当者は少なくありません。地理空間データは、緯度経度やポリゴンといった空間情報を含むため、一般的な表形式データよりも品質のばらつきが表面化しやすいデータです。本記事では、地理空間データ（GISデータ）のクレンジングを7つの手順に分けて整理し、現場でつまずきやすい点とあわせて解説します。

扱うテーマは、座標系の統一やジオメトリの修正、トポロジの整合、属性の標準化まで多岐にわたります。いずれも専門的に見えますが、押さえるべき勘所と着手の順番さえ理解すれば、自社データの状態を切り分けて対処できる領域です。本記事は、その判断を自力で下すための具体的な手順書です。

専門用語には初出で簡単な補足を添えていますので、GISツールに触れたばかりの方でも読み進められます。まずは自社が扱うデータの座標系と形式を思い浮かべながら、続きをお読みください。

地理空間データ・GISデータのクレンジングとは

地理空間データのクレンジングとは、位置や形状といった空間情報と、それに紐づく属性情報の両方から誤りや不整合を取り除き、分析に使える状態へ整える作業を指します。ここではまず、なぜ地理空間データで品質が下がりやすいのか、そして一般的なデータクレンジングと何が違うのかという2つの角度から、全体像をつかんでいきましょう。

地理空間データ（GISデータ）で品質が低下する要因

地理空間データの品質が下がる背景には、収集経路の多さがあります。GPSロガー、住所からの変換、行政が配布するシェープファイル、手作業でのデジタイズなど、由来の異なるデータが一つの地図上に集まるため、精度も形式もばらばらになりがちです。たとえばGPSは数メートル、住所変換は数十メートルから数百メートルの誤差を含むことがあり、同じ地図に重ねた瞬間に位置のずれが顕在化します。

加えて、座標系（CRS：Coordinate Reference System）の記録漏れも典型的な要因です。ファイルには座標の数値だけが残り、それがどの測地系・投影法に基づくのかという定義情報が欠落しているケースは珍しくありません。定義が失われると、後工程で正しい位置に配置できず、分析全体の信頼性を損なう原因になります。

一般的なデータクレンジングとの違い：空間情報という第二の層

一般的なデータクレンジングは、文字列の表記ゆれや欠損、重複といった「値」の不備を対象にします。地理空間データでは、この値の層に加えて、座標や形状という空間の層を同時に扱わなければなりません。値が正しくても座標系がずれていれば、地図上では誤った場所を指してしまうという点が、両者を分ける最大の特徴です。

違いを整理すると、次の表のようになります。検証の手段も道具立ても異なるため、表計算の延長で進めようとすると空間側の不備を見落としがちです。データクレンジング全般の基礎を先に押さえたい場合は、あわせて次の記事もご覧ください。

データクレンジングとは？意味と代表手法を解説！

クレンジングで解決できること

クレンジングは手間のかかる作業ですが、得られる効果は分析の精度や地図表現の品質に直結します。ここでは、空間解析の精度向上、地図表現の誤り防止、複数ソースの統合という3つの観点から、投じた工数がどのような形で返ってくるのかを具体的に見ていきます。

空間解析・オーバーレイ処理の精度が向上する

バッファ解析や複数レイヤの重ね合わせといったオーバーレイ処理は、入力データの座標系と形状が揃っていて初めて正しい結果を返します。座標系が混在したまま面積を集計すると、地域によって数パーセントから十数パーセントの誤差が生じることもあり、意思決定を誤らせる原因になります。クレンジングは、こうした空間演算の土台そのものを整える工程です。

具体例で考えてみましょう。半径500メートルの商圏を描くバッファ解析では、投影法が地理座標系のままだと距離の単位が度で扱われ、意図した円になりません。適切な投影座標系へ変換してから処理すれば、想定どおりのメートル単位で範囲を描けるはずです。データ品質を評価する観点を体系的に知りたい方は、次の記事が参考になります。

データ品質とは？品質評価項目や品質を向上させるための実務的対策を解説

地図表現の誤りや欠落を防げる

ポリゴンが閉じていない、頂点が重複しているといった形状の不備は、地図に描画したときの塗りつぶし抜けや境界のちらつきとなって現れます。閲覧者は視覚的な違和感からデータそのものを疑い、成果物の信頼を損なってしまいます。形状を整えておくことは、分析結果を正しく伝えるための最低条件です。

現場では、修正前後を必ず地図上で見比べる運用が有効です。QGISのジオメトリチェック機能を使えば、不正な形状を一覧で洗い出し、該当箇所を地図上でハイライトできます。目視と機械的な検出を併用することで、描画崩れの見落としを大きく減らせるでしょう。

複数のデータソースを統合しやすくなる

自社の店舗データ、国土数値情報、商用のPOIデータなど、出所の異なるデータを重ねる場面は増えています。座標系と属性の表記が揃っていないと、同じ地点を指すはずのデータが結び付かず、統合の手戻りが発生してしまうのです。入口で基準を揃えておくことが、後工程の統合コストを最も大きく左右します。

たとえば市区町村コードの桁数がソースごとに異なると、属性による結合が一件も成立しないことさえあるのです。コード体系や座標系をあらかじめ統一しておけば、結合キーが噛み合い、統合作業は数日単位から数時間単位まで短縮できるケースもあります。データ統合の進め方そのものを整理したい場合は、次の記事をご覧ください。

データ統合とは？統合の目的や初心者向けの進め方を解説

地理空間データで品質が低下しやすいポイント

品質問題は、大きく分けて座標系・ジオメトリ・トポロジ・属性・ジオコーディングの5か所で発生します。どこに不備が潜んでいるかを見分けられれば、対処すべき工程の優先順位が決まります。以下では、それぞれの症状と現場での見分け方を順に確認していきましょう。

座標系（CRS）の不整合：異なる測地系・投影法の混在

最も頻度が高く、影響も大きいのが座標系の不整合です。日本国内だけでも、旧測地系のTokyo Datum、世界測地系のJGD2011、GPSで一般的なWGS84が混在し、それぞれ数百メートル規模の位置ずれを生みます。座標系のずれは、ほかのどの不備よりも先に解消すべき最優先の課題です。

現場でよくあるつまずきは、座標系が未定義のファイルを「たぶんWGS84だろう」と推測で読み込んでしまうことです。回避策として、まずデータ提供元の仕様書やメタデータでEPSGコードを確認し、それでも不明な場合は既知の基準点と重ねて位置を検証してから確定させます。推測での取り込みは、後戻りの難しい誤りを生む点に注意してください。

ジオメトリの不正：自己交差・未閉合・重複頂点

ジオメトリとは、点・線・面といった図形そのものを指す言葉です。ポリゴンの輪郭線が交差する自己交差、始点と終点がつながらない未閉合、同じ座標が連続する重複頂点などが代表的な不正で、いずれも面積計算や空間演算をエラーで止める原因になります。

検出には、PostGISのST_IsValid関数やQGISのジオメトリチェックが有効です。ST_IsValidは不正なジオメトリに対して理由付きで結果を返すため、どの箇所をどう直すべきかの判断がつけやすくなります。形状の不正は目視だけでは見抜きにくく、必ず機械的な検証を挟むべきポイントになります。

トポロジの不整合：隙間・重なり・微小ポリゴン

トポロジとは、隣り合う図形どうしの位置関係の整合性を指します。行政界のように本来は隙間なく接するべきポリゴンの間に、わずかな隙間（スリバー）や重なりが生じると、面積の二重計上や集計漏れにつながります。境界をなぞる際のわずかな座標のずれが、こうした不整合の主な発生源です。

幅数センチの隙間や、面積が極端に小さい微小ポリゴンは、地図を拡大しないと見つけられません。QGISのトポロジチェッカーで許容誤差を設定して一括検出し、閾値以下の微小フィーチャは統合または削除するのが定石です。トポロジの整合は、面積や件数を正しく集計するための前提条件になります。

属性データの不備：表記ゆれ・欠損・重複

空間側が正しくても、属性の値が乱れていれば分析は成立しません。「株式会社」と「(株)」の混在、全角と半角のゆらぎ、市区町村名の新旧表記など、一般的なデータと同種の不備が地理空間データにも当然入り込むのです。属性の乱れは、地図の色分けや絞り込みをそのまま狂わせます。

対処では、まず値の分布を集計してゆれのパターンを洗い出し、変換辞書を作って一括置換します。名寄せの考え方は住所や施設名の統一にもそのまま応用でき、重複レコードの特定にも役立つのです。属性側の整備手法を体系的に知りたい方は、次の記事をご覧ください。

名寄せとは？正確な顧客データ管理の方法と活用ポイントを徹底解説

ジオコーディングの精度：住所から座標への変換誤差

ジオコーディングとは、住所や地名を緯度経度へ変換する処理のことです。変換の精度はサービスや住所の粒度に依存し、番地まで一致すれば数メートル、町丁目止まりだと数十メートルから数百メートルの誤差が生じるのです。この誤差の大きさを把握しないまま点を打つと、分析の前提が崩れてしまいます。

実務では、変換結果に付与される一致レベル（マッチングレベル）を必ず確認します。番地レベルで一致したものと、代表点で近似したものを区別し、精度が求められる分析では低精度のレコードを除外するか手作業で補正する、という判断基準を持っておくと安全です。誤差を許容できる範囲は用途ごとに定めてください。

GISデータクレンジングの進め方（7ステップ）

ここからは、実際のクレンジングを7つの手順に沿って進めます。現状把握から始め、座標系の統一、ジオメトリとトポロジの修正、重複整理、属性整備、最終検証へと段階的に品質を高めていく流れです。順番を守ることが手戻りを防ぐ最大のコツになりますので、上流から着実に進めていきましょう。

STEP1. 現状把握：データ源泉・形式・座標系の棚卸し

最初にやるべきは、手元のデータを一覧化する棚卸しです。どこから入手し、どの形式で、どの座標系なのかを台帳にまとめておくと、以降の判断がぶれません。この棚卸しを省くと、後工程で「このデータの出所が分からない」という手戻りが必ず発生します。

棚卸しでは、次の観点を最低限そろえておくと安心です。GISに不慣れなうちは、ファイル一つひとつを開いて確認するだけでも半日から1日ほどかかりますが、ここでの丁寧さが後の工数を大きく削減します。前処理全体の設計を先に知りたい方は、次の記事も参考になります。

• データ源泉（提供元・取得日・利用条件）
• ファイル形式（シェープファイル、GeoJSON、GeoPackageなど）
• 座標系（EPSGコードの有無と値）
• 想定精度と更新頻度
• レコード件数と属性項目の一覧

データプレパレーションとは？ETLとの違いから成功ポイントまで徹底解説

STEP2. 座標系（CRS）の統一

棚卸しが終わったら、全データの座標系を一つに揃えます。日本全国を扱うならJGD2011の地理座標系、距離や面積を厳密に測るなら平面直角座標系やUTMといった投影座標系を基準に選ぶ、という判断が基本になります。分析の目的が距離や面積の計測なら、地理座標系のままにせず投影座標系へ変換してください。

QGISでは、レイヤのプロパティで元の座標系を正しく設定したうえで、「再投影」処理を実行します。ここで注意したいのは、座標系の「定義」と「変換」を混同しないことです。定義が誤ったまま変換すると位置がずれるため、まず正しい定義を与えてから変換する、という順序を徹底しましょう。

STEP3. ジオメトリの検証と修正

座標系を揃えたら、図形の妥当性を検証します。PostGISならST_IsValidで不正を洗い出し、ST_MakeValidで自動修復を試みるのが効率的です。QGIS単体で進める場合は、ベクタメニューのジオメトリチェック機能で不正箇所を検出し、一件ずつ内容を確認しながら直していきます。

自動修復は便利ですが、万能ではありません。複雑な自己交差を機械的に直すと、意図しない形に変形することもあるのです。自動修復をかけた後は、必ず修正前後の形状を地図で見比べる工程を挟むべきでしょう。件数が数千を超える場合は、まず自動処理で大半を片付け、残った例外だけを手作業で扱う分担が現実的です。

STEP4. トポロジの整合チェック

個々の図形が正しくなったら、図形どうしの関係を検証します。行政界や土地区画のように接し合うポリゴン群では、隙間や重なりが残っていないかをトポロジチェッカーで確認します。許容誤差を小さく設定しすぎると微細なノイズまで拾い、大きくしすぎると本来の隙間を見逃すため、対象データの精度に合わせた閾値設定が肝心です。

目安として、都市計画レベルの図面なら0.1メートルから1メートル程度を出発点に調整するとよいでしょう。検出された不整合は、スナップ処理で頂点を吸着させて隙間を埋めるのが一般的な直し方です。トポロジの検証は、面積集計や区域判定の正確さを支える要になります。

STEP5. 重複・微小フィーチャの整理

同一地点に複数の点が重なっていたり、面積のごく小さいポリゴンが紛れていたりするデータは、集計を狂わせます。重複点は座標の完全一致だけでなく、ごくわずかな距離内に密集した点も対象として扱い、統合の基準をあらかじめ決めておくことが肝心です。判断基準を明文化しておくと、担当者が替わっても処理がぶれません。

微小ポリゴンは、面積の閾値を設けて機械的に抽出します。閾値を下回るものは、隣接するポリゴンへ統合するか、明らかなノイズであれば削除するのが基本です。重複や微小フィーチャの扱いは、件数と面積の両方の正確さに直結する整理になります。処理の前後で総面積とレコード件数を必ず記録し、意図しない増減が起きていないかを確認しましょう。

STEP6. 属性データの標準化と欠損補完

空間側が整ったら、属性の値を標準化します。表記ゆれは変換辞書で統一し、コード体系は桁数と採番ルールを揃え、日付や数値の書式もそろえていくことが必要です。標準化の判断基準を明確にしておくことが、属性による結合や絞り込みの成否を分けます。

欠損の補完は、慎重な判断が必要です。近隣の値や上位区分の代表値で機械的に埋めると、分析結果を歪めるおそれがあります。欠損を「補完する」のか「欠損のまま明示する」のかは用途で使い分け、補完した場合はその旨をフラグ列で残しておくと安全です。組織横断で属性を管理する仕組みは、次の記事が参考になります。

マスタデータ管理（MDM）とは？適切に運用する重要性とその手法を解説

STEP7. クレンジング結果の検証

一連の処理を終えたら、成果物が要件を満たすかを検証します。件数や総面積が処理前と整合するか、座標系が意図どおりか、不正ジオメトリが残っていないかを、機械的なチェックと地図表示の両面で確認していくのです。検証を通過して初めて、そのデータは分析に使える状態になります。

検証観点は、次のチェックリストとして整理しておくと再利用できます。抜き取りではなく全件を対象にできる項目は機械処理で網羅し、目視は代表地点と過去に問題が出た箇所を重点的に見る、という配分が効率的でしょう。

• 座標系が統一され、EPSGコードが正しく定義されているか
• 不正ジオメトリの件数がゼロになっているか
• 隙間・重なり・微小ポリゴンが解消されているか
• レコード件数と総面積が処理前後で説明可能な範囲か
• 属性の必須項目に欠損や表記ゆれが残っていないか

クレンジングを成功させるポイント

手順どおりに進めても、運用の作法を誤ると品質はかえって悪化します。ここでは、元データの保持、座標系を扱う順序、自動と目視の組み合わせ、基準のドキュメント化という4つの勘所を取り上げます。いずれも、繰り返し使えるクレンジング体制を築くうえで欠かせない考え方です。

元データを保持し、処理は非破壊で進める

クレンジングの鉄則は、元データを上書きしないことです。処理は必ずコピーに対して行い、工程ごとに中間ファイルを残す非破壊編集を徹底します。こうしておけば、想定外の結果になっても任意の段階まで戻れ、原因の切り分けも容易になるのです。

実務では、工程番号を付けたファイル名やバージョン管理で履歴を追えるようにします。元データさえ無傷で残っていれば、どんな処理ミスもやり直しが利きます。ストレージの消費は増えますが、復旧不能な事故を防ぐ保険と考えれば安いコストでしょう。

座標系は入口で揃え、以降の工程で変換を繰り返さない

座標変換は、実行するたびに微小な誤差を蓄積させます。工程の途中で何度も投影を切り替えると、その誤差が積み重なって位置精度を静かに損ないます。座標系は最初に一度だけ決めて統一し、以降は極力変換を挟まないのが安全です。

判断の目安として、分析で使う座標系を先に決め、そこへ全データを寄せてから後続の処理に入る、という順序を守ります。表示用と計測用で座標系を使い分けたい場合も、変換は表示の直前に一度だけ行う運用にとどめると、精度の劣化を最小限に抑えられます。

自動処理と目視確認を組み合わせる

大量データの検証を目視だけでこなすのは非現実的で、逆に自動処理だけに頼ると文脈依存の誤りを見逃します。両者の役割を分け、機械が得意な網羅的検出と、人が得意な妥当性判断を組み合わせるのが最も確実です。使うツールの特性を理解して選ぶことが、作業効率を大きく左右します。

代表的なツールの得意分野を整理すると、次の表のようになります。小規模なら目視中心のQGIS、大規模な一括処理ならPostGIS、繰り返しの自動化ならGeoPandasという住み分けが基本です。ツールは優劣ではなく、データ規模と作業内容で選ぶのが正解になります。

クレンジング基準をドキュメント化し、再現性を確保する

その場限りの判断でクレンジングを進めると、担当者が替わった途端に品質がぶれます。座標系の基準、許容誤差の値、欠損の扱い方といった判断基準を文書化し、誰が実行しても同じ結果になる状態を目指すのです。再現性のある基準こそが、継続的な品質維持を支える土台になります。

文書化の対象には、処理に用いたメタデータの定義や、変換辞書の内容、閾値の設定根拠も含めておくとよいでしょう。あわせて処理スクリプトをバージョン管理しておけば、同種のデータが来たときに同じ品質で再処理できます。基準づくりは一度の投資で、以降の作業を継続的に軽くする取り組みです。

よくある失敗パターンと回避策

最後に、現場で繰り返し起きる失敗を4つ取り上げ、それぞれの回避策とあわせて紹介します。いずれも一度は多くの担当者が通る道であり、あらかじめ知っておくだけで大きな手戻りを避けられます。自社の進め方に当てはまる箇所がないか、照らし合わせながら読み進めてみましょう。

座標系を確認せずに重ね合わせ、位置がずれる

最も多い失敗が、座標系を確かめないままレイヤを重ねてしまうことです。定義の異なるデータを同じ地図に載せると、数百メートル規模で位置がずれ、しかもエラーは出ないため、気づかないまま作業が進んでしまいます。エラーが出ないずれこそ、最も見逃しやすく影響の大きい失敗です。

回避策はシンプルで、レイヤを読み込んだ直後に各データの座標系を突き合わせる習慣をつけることに尽きます。既知の基準点（駅や役所など）を重ねて位置を目視確認すれば、ずれの有無をその場で判断できます。取り込み直後の一手間が、後の大きな手戻りを防いでくれるはずです。

ジオメトリ修正で必要な形状まで失われる

自動修復を過信し、確認を省いて一括処理をかけると、本来残すべき細部の形状まで削られることがあります。とくに複雑な海岸線や入り組んだ区画では、単純化処理が地物の特徴を損なうおそれがあります。修正は便利さと引き換えに、情報の欠落というリスクを伴う作業です。

回避のコツは、修正の前後で頂点数や面積の変化量をログに残し、想定を超える変化があったレコードだけを抜き出して個別に確認することです。自動処理の結果を鵜呑みにせず、変化量で異常を検知する仕組みを組み込んでおきましょう。単純化の許容量は、用途に応じて数値で明確に決めておくと判断がぶれません。

属性だけを整え、空間側の不備を見落とす

表計算に慣れた担当者ほど、属性の整備に集中し、座標や形状の検証を後回しにしがちです。属性がどれほど綺麗でも、座標系がずれていれば地図上の位置は誤ったままで、分析結果は信頼できないのです。属性と空間は両輪であり、どちらか一方だけを整えても品質は担保できません。

回避策として、チェックリストに空間側の検証項目を必ず組み込み、属性の確認とセットで実施する運用にします。属性担当と空間担当が分かれている組織では、両者が同じ基準を共有し、引き継ぎ時に空間側の検証結果も申し送る体制を整えてください。片手落ちを防ぐ仕組み化が肝心です。

一度きりの処理で終わり、品質が再び低下する

クレンジングを一回限りの作業として捉えると、データが更新されるたびに同じ不備が舞い戻ります。新しいデータが継続的に流入する運用では、品質は放置すれば必ず劣化していきます。クレンジングは一度の作業ではなく、継続的に回すプロセスとして設計すべきです。

対策は、処理を手順化・自動化し、定期的に品質チェックを走らせる仕組みを整えることです。取り込み時に座標系や必須項目を自動検証するルールを組んでおけば、不備のあるデータを早期に弾けます。仕組みで支える体制づくりこそが、長期的な品質維持の決め手になるでしょう。

地理空間データクレンジングの活用事例

ここでは、クレンジングが成果に結び付いた事例を、小売・物流・自治体の3分野から紹介します。いずれも扱うデータや課題は異なりますが、座標系や形状を整えることが分析や業務の質を押し上げるという構図は共通しています。自社に近い場面を思い浮かべながら読んでみてください。

小売業：商圏分析データの座標系統一で分析精度を改善

ある小売企業では、店舗、競合、人口メッシュのデータがそれぞれ異なる座標系で管理され、商圏分析の結果が実態とかみ合わない状態が続いていました。全データをひとつの投影座標系へ統一したところ、バッファ解析で描く商圏の範囲が実際の来店エリアと整合するようになったのです。

座標系を揃えるだけで、距離や面積の計測誤差が解消され、出店候補地の評価も現実的な数値に近づきます。特別なツールを新規導入せずとも、既存データの座標系を整理するだけで分析の信頼性が改善した好例です。商圏分析を含む売上予測の精度向上については、次の記事も参考になります。

店舗開発における売上予測とは？精度を上げるポイントを徹底解説

物流業：配送エリアデータのトポロジ整合で最適化を実現

ある物流事業者では、担当者ごとに手作業で描いた配送エリアのポリゴンに、隙間や重なりが多数残っていました。この状態では、どのエリアにも属さない住所や、二重にカウントされる区域が生じ、配車計画の前提が崩れてしまうのです。トポロジを整合させ、隙間と重なりを解消したことで、担当区域の割り当てが正確になりました。

スナップ処理で境界の頂点を吸着させ、微小な隙間を埋める作業を全エリアに適用した結果、配送エリアの過不足がなくなり、区域単位の物量集計が正確に取れるようになりました。整合したエリアデータは、その後のルート最適化を支える土台にもなっているのです。物流分野のデータ活用について詳しく知りたい方は、次の記事をご覧ください。

物流でデータ分析を実施する5つのメリットとは？活用事例や成功ポイントを解説

自治体：都市計画データの重複解消で台帳の信頼性を向上

ある自治体では、長年にわたり複数の部署が更新してきた都市計画の図面に、重複ポリゴンや微小な区画が蓄積していました。同じ区画が二重に登録されていると、面積の集計が実態とずれ、台帳としての信頼性が揺らいでしまうのです。重複を特定して統合し、微小ポリゴンを整理する作業を段階的に進めました。

処理の前後で総面積とレコード件数を記録し、変化が説明可能な範囲に収まることを確認しながら進めた点がポイントです。重複の解消によって、台帳の面積集計が実測値と一致し、行政資料としての信頼性が回復しました。整備した基準は文書化され、以降の更新作業にも引き継がれています。

まとめ

地理空間データのクレンジングは、値の整備に加えて座標・形状・位置関係という空間の層を扱う点に難しさがあります。本記事では、品質が低下しやすい5つのポイントを押さえたうえで、現状把握から最終検証までの7ステップと、成功のための勘所、そして避けるべき失敗パターンを具体的に整理してきました。

まず着手すべきは、データの棚卸しと座標系の統一です。上流の工程を確実に固めてから下流へ進み、元データを非破壊で保持し、基準を文書化して再現性を確保する——この流れを守れば、品質は着実に安定していきます。自社データのどの工程から手をつけるべきか、本記事を判断の材料としてお役立てください。

「これから地理空間データの活用に取り組みたいけれど、何から手をつけたらいいかわからない」「データ専門家の知見を取り入れたい」という方は、データ領域の実績豊富な弊社、データビズラボにお気軽にご相談ください。

貴社の課題や状況に合わせて、データの取り組みをご提案させていただきます。

データビズラボの実績無料相談・お見積り