オーストラリアでの住所からのジオコーディングはGeoscape社が担当しており，そのプロジェクト名をG-NAFという．オーストラリア政府から補助金を受けており，2029年まで無料公開されることが決まっている．
データ数は1500万件以上，空間参照系はGDA94(EPSG: 4283)またはGDA2020(EPSG: 7844)である．
今回はSQL Serverでデータベースからテーブル作成，データのインポート，テーブルへの主キーと外部キーの作成までを行う．
オーストラリアのジオコーディング
e-Statからの社会疫学的指標を加えて熱中症搬送人員数を分析する
総務省の公開しているe-Statには社会疫学的指標が多く含まれる．今回熱中症搬送人員数に様々な指標を加えて解析してみた．
説明変数として日最高気温，日平均水蒸気圧，都道府県人口に加えて過去30日間の平均気温，エアコン保有台数，年間収入のジニ係数，光熱・水道費，実収入，第1次産業就業者比率，第2次産業就業者比率，都市公園数，都市緑化割合，自然公園割合，自然公園数，生活保護被保護人員を加えた．
すべての変数が有意であったが，VIFを見ると多重共線性を疑わせる変数もあり，良いモデルとは言えない結果となった．
熱中症搬送人員数のオフセット項を65歳以上人口に変更してみる
以前の記事では都道府県人口の対数をオフセット項として一般化線形回帰分析を行った．実際のところ，年代別の搬送人員としては65歳以上の高齢者が圧倒的に多い．そのため，東京など労働人口の多いところでは予測性能が悪化する可能性がある．今回はオフセット項の都道府県人口を3区分に分け，65歳以上人口の対数をオフセット項として採用してみたところ予測性能が改善したと思われたので記事とした．
国土数値情報の避難施設のポイントデータをSQL Serverにアップロードする
全国には避難施設が約 12 万箇所ある．それらの位置データを SQL Server にアップロードしたい．何度か試行錯誤の結果アップロードに成功したので備忘録として公開する．
2045年の医療需給を概観する
前回の記事（国土数値情報の二次医療圏テーブルの文字化けを解決する，医療機関テーブルに二次医療圏コードを追加する）では医療圏テーブル，医療機関テーブルを整備した．今回は人口動態予測を元に2045年の医療需給を予測する．
国土数値情報の二次医療圏テーブルの文字化けを解決する
前回の記事（国土数値情報の令和2年の医療圏データの文字化けが直っていた）では国土数値情報の医療圏データで四苦八苦した様子を掲載した．今回は二次医療圏テーブルの文字化けの解決を試みる．
国土数値情報の医療機関のPointデータをダウンロードしQGIS経由でSQL Serverにアップロードする
国土数値情報ダウンロードサービスには医療機関や医療圏の位置情報もある．今回は医療機関の Point データをダウンロードし，SQL Server にアップロードする方法を見つけたので備忘録として記載する．
“国土数値情報の医療機関のPointデータをダウンロードしQGIS経由でSQL Serverにアップロードする” の続きを読む
ZIPCLOUDの郵便番号データを入手しSQL Serverにインポートする
PowerBIで郵便番号からヒートマップを作成するでは顧客マスターの郵便番号をZIPCLOUDの郵便番号データと紐づけてPowerBIに住所を取り込み，ヒートマップを作成する方法を書いた．
今回はZIPCLOUDの郵便番号データをSQL Serverにインポートするまでを記載する．
eSTATの小地域（町丁・字等別）毎の年齢（５歳階級、４区分）別、男女別人口をSQL ServerにBULK INSERTする
2020 年の国勢調査の結果がようやくeSTATに反映された．日本の市区町村よりも粒度の細かい小地域（町丁・字等別）の人口構成が公表されたのは2022年6月24日付である．今回はこのデータをSQL Serverに取り込んでみたい．
“eSTATの小地域（町丁・字等別）毎の年齢（５歳階級、４区分）別、男女別人口をSQL ServerにBULK INSERTする” の続きを読む
日別平均水蒸気圧と熱中症搬送人員との相関を可視化する
熱中症の搬送人員と最高気温との相関関係を可視化し閾値をχ二乗検定するでは最高気温と搬送人員との相関関係を解析した．今回は水蒸気圧と搬送人員との関係を可視化し，閾値を求めた．重症度別の搬送人員についての検討は日平均蒸気圧と熱中症の重症度別搬送人員との関連を調べるに記述した．