【Show HN】ドイツ全土の「住みやすさ」をデータサイエンスで可視化！家賃・通勤・QoLを網羅したアプリを作ってみた

パートナーと一緒に住む理想の場所を探したい――。そんな個人的なきっかけから始まったこのプロジェクトを、データサイエンティストとしての知見を活かして徹底的にシステム化してみました。友人たちに公開したところ「自分でも使ってみたい！」と好評だったので、MITライセンスのオープンソースプロジェクトとしてアプリ化し、ウェブで公開することにしました。

インターフェースはドイツ語ですが、誰でも直感的に使えるよう設計しています。

このアプリでは「単一のランキング」を表示するのではなく、ドイツ全土を約0.5km2の六角形（ヘックス）に分割し、家賃、通勤時間、レクリエーション施設、騒音レベルなど、10以上の指標からユーザーの好みに応じてスコアリングします。設定を変更すると地図上の色がリアルタイムで変化し、住みやすさを直感的に確認できます。

【開発の裏側と直面した課題】

・考え方：当初は「市場原理がすべてを解決する（十分な指標があれば、本質的に優劣はない）」と考えていました。しかし、家賃のほとんどは「職場や人へのアクセス権」という資源の交渉で決まっており、ストレス値のような幸福度に直結する因子とは別物であることに気づきました。現在は、過小評価されがちなQoL要素を「デフォルト設定」としていますが、ユーザーが自由にカスタマイズして自分好みの評価軸を作れるようにしています。

・データの精度：80％の正確性では不十分です。少しでもデータがズレているとユーザーは信頼を失います。ドイツ各地の行政機関、OpenStreetMap、WorldCoverなどからデータを収集し、Pythonで前処理を行いました。最終的な集計はクライアントサイドで行う設計ですが、データの誤解釈が批判の対象になる可能性は常に意識しています。

・あえて採用しなかったデータ：犯罪統計、ユーザーレビュー、事故統計、大気質、ラドン濃度などは、科学的根拠の欠如や信頼性の問題から採用を見送りました。「住民満足度」や「治安の良さ」は、現在のシステムにおける大きな改善の余地（課題）だと認識しています。

・パフォーマンスの追求：約50万個のヘックスを扱うため、ノートPCで1日以内に計算を完了させ、フロントエンドで1秒以内に集計結果を表示するモデルが必要です。GPUレンダリング、アクセシビリティの近似計算（mx+b方式）、人口ピークに基づくホットスポット集約、キャッシュ戦略などを駆使しました。現代のコンピューターの性能には驚かされるばかりです。

詳細は以下のメソッドページ（https://wohnortatlas.de/method.html ）で確認できます。ソースコードに興味がある方は、GitHub（https://github.com/Ivorforce/wohnortatlas ）を覗いてみてください。

ぜひ実際に操作して楽しんでください！フィードバックを心よりお待ちしています。

すごくいいね！ちょうど新しい場所に引っ越して家族と生活を始める予定なんだけど、他の選択肢と比較できて自分の選択が間違ってなかったって確信できたよ。順位付けされたリストで見ることってできる？地図上の場所に正確にマウスホバーするのがちょっと面倒なんだよね。

これ最高だし、すごく便利そうだね！他の国にも展開する予定はある？ロンドン版（イギリス）もぜひ作ってほしいんだけど。