事故物件データベース、都道府県6件だけが公開されている理由を考えた

引越し前に事故物件を調べたいとき、「全国110,090件のデータがある」と知ると安心しかけるが、実際に検索を始めた瞬間に気づく違和感がある。絞り込める都道府県が、全47都道府県のうちたった6件しかない。

「6都道府県だけ」という奇妙な偏り

データを確認すると、現在事故物件データベースで都道府県別に参照できるのは、青森・石川・高知・熊本・東京・そして「japan」タグの6区分だけだ。

総マーカー数は110,090件。そのうち「japan」タグが86,691件を占める。残り5都道府県の合計は23,399件。つまり全体の約79%は「japan」という大きな括りの中に入っており、都道府県単位では引き出せない状態になっている。

これを最初に見たとき、「検索で絞り込める」と思って使いはじめた人はどう感じるだろう、と気になった。東京以外の地方に引越し予定がある人が都道府県名で探そうとすると、石川・熊本・高知・青森のどれかでなければ、現時点ではヒットしない可能性が高い。

「japan」86,691件の中に何が埋まっているか

この「japan」タグは、5都道府県に振り分けられていない全国の物件履歴だと考えるのが自然だ（サイトの注記にも「現在データ取得済みは一部都道府県のみ」とある）。

つまり、神奈川・大阪・愛知・福岡など人口規模の大きい都市圏のデータも、現時点では「japan」の中に入っている可能性が高い。住所で直接検索するか、地図上の座標を手がかりに探す方法が現実的になる。

ここが引越し前の調査で注意すべき点だ。「うちの県はヒットしないから安心」とはならない。データが存在しないのか、「japan」タグのまま未分類なのか、現状では区別がつきにくい。

サンプルの座標データを見ると、緯度40.18〜40.19度・経度140.03〜141.15度あたりに複数のマーカーが集中している。この範囲は秋田〜岩手の北部に相当する（推測）。青森のデータが762件ある一方、このサンプル群は青森よりやや南の位置に見える。「japan」タグの中にも東北各県のデータが含まれている可能性を示している。

引越し前の調査に使うとき、何を確認すべきか

実用的な話をする。物件の住所が決まっているなら、都道府県タグへの絞り込みより先に「住所直接入力」か「地図上のピン」で探す方が確実だ。

現状のデータ構造を踏まえると、以下の順序が合理的だと思う。

1. 物件の住所（番地レベル）を入力して直接検索する
2. ヒットしない場合は、地図表示に切り替えて周辺マーカーを目視確認する
3. 近隣の件数・分布を見る（「この物件に履歴があるか」だけでなく「この街区に何件あるか」まで見ると情報密度が変わる）

3番目が特に見落とされやすい。たとえば候補物件の住所に直接ヒットしなくても、同じ丁目・同じ区画に複数のマーカーが集中していることがある。地図表示でズームアウトしながら「どの半径まで履歴があるか」を確認する使い方は、住所検索だけでは気づきにくい情報を引き出す。

データの限界と「見えないもの」

件数で言えば110,090件は少なくない数字だが、全国の不動産物件総数から見ると一部にすぎない。また「都道府県別の公開が6区分だけ」という現状は、データ整備の進捗を反映しているに過ぎず、他県の事例が「ない」ことを意味しない。

この点は特に地方移住・転勤での引越しで注意したい。地方都市のデータは「japan」タグに含まれていても地図上では拾えることがあるため、都道府県検索でヒットゼロ→安心という判断は早い。

一方で、東京の19,855件は単独都道府県として飛び抜けて多い。都市部ほどデータが集まりやすい構造は、どの公開データベースにも共通する傾向だが、「都市部は件数が多いから危険、地方は少ないから安全」という読み方は逆に誤解を生む。地方のデータは「少ない」のではなく「まだ分類されていない」可能性がある。

実際に検索するなら

物件を絞り込んでいる段階なら、住所と地図の両方を使って調べてほしい。都道府県タグで絞れない地域でも、地図上のピンは表示されることがある。

事故物件データベースでは、まず候補物件の住所を入力し、次に地図表示で周辺500m程度の範囲を目視する、この2ステップを組み合わせると、住所検索だけでは見えていなかった近隣分布が見えてくる。「ヒットしなかった」で終わらず、地図上で確かめるひと手間が、今のデータ構造では特に有効だ。

#事故物件 #引越し #住所検索 #事故物件データベース #引越し準備

食品ラベルの「調味料（アミノ酸等）」、国別評価で何が見えるか

食品ラベルを手に取って「調味料（アミノ酸等）」という表記を目にしたとき、何か調べようとしたことがある人はどのくらいいるだろうか。成分名というよりは用途の括り書きで、具体的に何が入っているか表示されていない。今回はそこから少し横にずれて、「調味料」カテゴリに限らず、食品添加物の国別評価が「国によってバラバラ」になっているケースを、スーパーでの買い物中に実際に使える形で整理してみたい。

データの出所は食品添加物履歴帳。全1566件の添加物について、日本での用途カテゴリ、説明、US・EU・CN・KR・AU・CAの6カ国別評価が確認できる構成になっている。

「米EUは通過、他は情報なし」の件数が多すぎる

サンプルデータを眺めていて手が止まったのは、国別評価の偏りのパターンだ。具体的には、US（FDA）とEU（EU規則No 1334/2008）が「approved」、CN・KR・AU・CAの4カ国が「not_evaluated / 情報なし」という組み合わせが、香料のサンプル行にほぼ連続して出てくる。

2－エチルピラジン、2－メチルピラジン、2－メチルブタノール、3－メチル－2－ブタノール……どれも同じパターンだ。FDAがGRAS（一般的に安全と認められる物質）に分類し、EU規則でも認可されているが、中国・韓国・オーストラリア・カナダについては「情報なし」と記録されている。

これは「4カ国が禁止している」ということではない。「評価の記録が取れていない」「各国の公開データとの照合ができていない」状態を指す。食品添加物履歴帳のデータ構造上、not_evaluatedは「禁止」とは別の扱いになっている点は確認が必要だ。ただし「情報なし＝安全」でもない。この区別を意識して読むだけで、ラベルの見方がかなり変わる。

例外パターンがむしろ目立つ

「米EU通過、他4カ国情報なし」が多数を占める中で、例外がいくつかある。

2,3,5,6－テトラメチルピラジン、2,5－ジメチルピラジン、2,6－ジメチルピラジンの3件は、US・EU・CAの3カ国が「approved」になっている。カナダのHealth Canadaが香料として認可している記録が残っている点で、他の多数とは違う。逆に3－エチルピリジンは、USだけが「approved」でEUを含む残り5カ国は「not_evaluated」という、さらに偏った分布になっている。

こうした例外の存在が、「米EUが通過しているから均質に評価されている」という読み方への疑問符になる。同じ香料のカテゴリ内でも、国ごとの評価の広がりには相当な差がある。

香料だけで668件あるこのカテゴリは、国別評価の分布が最もバラつきやすい場所だと思われる。どの成分が何カ国で承認されているかを自分で確認したいなら、食品添加物履歴帳の検索機能でカテゴリを「香料」に絞り込んでから個別の成分名を検索するのが効率的だ。

買い物中に使える確認の順序

実際のスーパーでの使い方として、以下の順序が現実的だと思う。

まず、手に取った商品のラベルで「香料」「調味料」「酸化防止剤」などのカテゴリ表記を確認する。次に、具体的な成分名が書いてある場合（たとえば「酸化防止剤（HEDP）」など）は、その略称や正式名称を食品添加物履歴帳で検索する。HEDPの正式名称「1-ヒドロキシエチリデン-1,1-ジホスホン酸」は6カ国すべてが「not_evaluated」だが、これはnoteで別途まとめたのでここでは詳しく触れない。

問題は、成分名が「香料」とだけ書いてあるケースだ。この場合、個別化合物名は表示義務がなく（日本の食品表示基準では香料は一括名表示が可能）、何が入っているか消費者には分からない。ただしメーカーのHPで公開しているケースや、問い合わせで教えてもらえる場合もある。そこで得た成分名を食品添加物履歴帳に入力すれば、国別評価の比較まで一気に確認できる。

「調味料」136件という見落としやすい塊

データの内訳を見ると、調味料は全1566件中136件と、着色料（146件）・栄養強化剤（143件）に次ぐ規模がある。乳化剤（38件）や保存料（33件）より大きい。

「調味料（アミノ酸等）」という括り表示の中に、どれだけの種類が含まれ得るかという感覚は、136件という数字から少しつかめる。そのうちの何件が6カ国すべてで評価済みなのか、逆に全カ国「not_evaluated」なのかは、データベースで絞り込まないと見えてこない。甘味料（45件）やpH調整剤（45件）との比較でも、カテゴリ別の国別評価の通過率は相当差があると推測される。

特定の化合物名を手がかりに絞り込む

ここまで見てきた観察は、サンプル行25件程度から得た印象に過ぎない。全1566件の中で「カナダだけ承認」「韓国だけ承認」「EUのみ未評価」のような非対称なパターンがどのくらいあるかは、実際にサイトで検索しないと見えない。

香料カテゴリで試すなら、ピラジン系（ナッツ・ロースト系の風味）とピリジン系で国別評価の広がりが違うかどうか、という切り口が面白いと思う。3－エチルピリジンのように「米国のみ」のパターンが他にどのくらいあるかを探すだけでも、しばらく手が止まるはずだ。

スーパーで気になった添加物名があるなら、まず食品添加物履歴帳に入力してみてほしい。「approved」の件数より「not_evaluated」の件数を見るほうが、情報の空白に気づけるという使い方もある。

#食品添加物 #食品表示 #食品ラベル #食品安全 #国別評価

登校中の小1死亡が1年度に3件、その「場面」分類は何と書いてあるか

今日のデータを眺めていて、平成17年度（2005年度）の小学校死亡事故サンプルで手が止まった。1年生という記録が3件、立て続けに並んでいる。しかも3件とも「場面：通学中 / 詳細：登校中」という分類で、起きた場所はいずれも「学校外 / 道路」。

3件の被災学年はすべて「1年生」（うち男子2、女子1）。死因となった傷病は頭部外傷2件、内臓損傷1件。事故の構造を記述から読むと、T字路での右折トラック、バス停前での横断、一時駐車車両の発進——それぞれ違う状況だが、「車が動き出す瞬間に子どもが車道側にいた」という点では共通している。

この3件は、日本スポーツ振興センター（JSC）が公表している供花料記録を元にした記録で、学校事故・教員不祥事データベースに収録されている。

「登校中」という場面分類が持つ意外な範囲

JSCの事故記録で使われる場面分類は、整理されているようで少し罠がある。「通学中 / 登校中」という分類は、文字通り学校に向かう途中だが、今回の3件のうち1件は「夏休み中、プール解放日に向かう途中」の事故だ。

正確に言えば、そのケースの原文にはこう書いてある。「夏休み中、学校のプール解放日に、1年生の男子友人と学校のプールに来るため、路線バスに乗り学校前の停留所で降りた。その後、バス後方から道路を横断しようとしたところ……」。夏休みのプール開放日が「登校中」として分類されているわけだ。

これは制度上おかしいわけではない。JSCの共済給付対象は「学校の管理下」の活動を含むため、プール開放への移動も対象になりうる。ただ、外から「通学中の死亡事故」という見出しだけ読んでいると、この1件が夏休み中だとは気づかない。分類の文言と実態の間にある小さなズレが、この記録では可視化されている。

「場所」と「場面」の2軸で読む意味

このデータベースが面白いのは、JSCの記録では「場面（文脈）」と「場所（地点）」を別フィールドで持っている点だ。

今回の3件では： - 場面：通学中 / 詳細：登校中 - 場所：学校外（園外）/ 道路

という組み合わせが共通している。一方、同じサンプルにある別の1件——小4が学校北側駐車場で職員の自家用車にひかれた事故——は： - 場面：特別活動（除学校行事）/ 詳細：日常の清掃 - 場所：学校内・校舎外 / 運動場・校庭

になっている。場所は「学校内」なのに、場面は「清掃時間」。駐車場が「運動場・校庭」として分類されているのも、分類体系の粒度の問題として気になるところだ。この分類の揺れを意識してデータを読まないと、「学校外の事故」と「学校内の事故」の比率を出したときに、直感とずれた数字が出てくる可能性がある。

小1の通学死亡事故を調べるときの確認ポイント

保護者として、あるいは通学路の安全を見直す立場として、このデータベースを実際に使う場合、どう検索すると情報が引き出せるか。

現在収録されている696件のうち、致死（fatal）記録は158件、重篤（serious）は298件となっている。施設種別で絞ると「小学校」のレコードが見やすい。場面分類と場所分類を両方見ることで、「どの文脈で」「どこで」起きたかをクロスして確認できる。

特に通学路の安全確認に使うなら、「場面：通学中」と「場所：道路」が重なるレコードに絞るのが基本になる。ただし前述のプール開放日のケースのように、「通学中」という分類には学校行事や課外活動への移動が含まれることがある。記述（narrative）フィールドを実際に読むことで、分類だけでは見えない背景が分かる。

1年生に死亡事故が集中しているという観察も、母数と比較しなければ濃度の判断はできない。全学年の死亡事故件数に対して何年生が何件か——そのクロス集計はサンプルからは出せないが、データベースで「小学校 × 死亡」の条件を絞って表示件数を確認すれば、体感の濃度に近いものは見えてくる。

「平成17年度」という年次の意味

今回引いたサンプルはすべて「平成17年度（2005年度）」のデータだ。約20年前の記録である。

この古さをどう受け取るかは迷うところだが、事故パターンの観点では有効な比較材料になりうる。T字路での死角、バス停付近の横断、駐車車両の発進——これらのシナリオが2005年と2026年で構造的に変わっているかどうか、変わっているとしたら何が変わったか（歩道の整備、ゾーン30の導入、車の安全技術など）を考える起点になる。

古いデータだから参考にならないのではなく、古いデータだからこそ「今も変わっていないもの」と「変わったもの」を分ける材料になる、とも言える。

実際に検索するなら

学校事故・教員不祥事データベースでは、施設種別・発生場面・重大度を組み合わせた絞り込みができる。「通学中の小学生事故」を調べたいなら、施設種別を「小学校」、カテゴリを「事故」、severity を「fatal / serious」に絞るところから始めるのが現実的だ。

各レコードには元ソースのURLも含まれており、JSCの供花料データベースや消費者庁の事故情報データバンクにリンクが張られている。サンプルで確認したように、分類の文言と記述の内容が食い違うことがあるため、気になる件については原文の「narrative」フィールドまで読むことを勧めたい。数字の背後にある状況は、分類ラベルだけでは伝わらない。

#学校事故 #通学安全 #小学生 #事故データベース #保護者向け

事故物件を引越し前に調べるとき「住所検索」と「周辺履歴」はどう違う…

引越しが決まって候補物件の住所を調べようとしたとき、一度は迷う手順がある。「住所をそのまま入れればいいのか、それとも周辺を面で見るべきか」という問いだ。この違いは思った以上に結果が変わる。

事故物件データベースに収録されているデータを眺めながら、この「検索の粒度」をもう少し細かく考えてみたい。

緯度経度が分かることで、何ができるようになるか

データを見ていると、各マーカーに緯度・経度が付いていることに気づく。たとえばサンプルに含まれる10件のマーカーを見ると、緯度が40.18〜40.19度、経度が140〜141度あたりに集中している。おそらく青森県中南部のどこかだろう（推測）。

ポイントは「住所文字列」ではなく「座標」で情報が持たれているという点だ。これが何を意味するかというと、「〇〇市〇〇町1-2-3という住所と一致するか」ではなく、「その地点から半径何メートルに何件あるか」という問い方ができる。

引越し候補を「住所」で検索すると、その建物そのものにフラグが立っているかどうかしか分からない。でも「周辺を地図で見る」操作をすると、隣の棟、通りの向かい、100m先の路上といった場所も一緒に確認できる。後者の方が実際の生活感に近い情報になる。

地域によって情報密度が全然違う

現時点でデータが取得済みの都道府県を確認すると、青森・石川・高知・熊本・東京の5県と、国全体を対象とした「japan」分類に分かれている。

件数の内訳はこうなっている。

分類	件数
japan	86,691
tokyo	19,855
ishikawa	1,036
kumamoto	1,030
aomori	762
kochi	716

合計110,090件のうち約79%が「japan」に振り分けられており、それが全国の大半をカバーしているとすれば、都道府県単位で割ると平均数千件の水準になる。ただし東京が19,855件という突出した数を持つことを考えると、政令市・大都市圏とそれ以外では密度がかなり違うはずだ（推測）。

これが引越し前の調査にどう響くかというと、情報が濃い地域ほど「ゼロ件」の信頼性が高いという逆説的な使い方になる。マーカーが多い地域でヒットしないなら、かなり確度が高い。一方、もとからデータが薄い地域で何もヒットしなくても、「記録がないだけ」という可能性は残る。

住所検索で見落としがちな「隣接物件」の問題

住所1件だけを調べて終わりにすると、隣接する建物や同じ敷地内の別棟を見逃すことがある。特にマンション・アパートは棟番号や部屋番号が違うだけで、地図上の座標は数十メートルしか離れていない。

実際の確認手順としては、こうするのが実用的だと感じる。

1. まず住所を直接検索して、その建物自体にマーカーがついていないか確認する
2. 次に地図表示に切り替えて、半径100〜200m程度を目視で眺める
3. 気になるマーカーがあれば、そのポイントの詳細を開いて物件種別・時期などを確認する

3のステップが意外と省かれがちだ。マーカーが立っていることに気づいても「隣のビルだから関係ない」で終わらせず、どの種別でいつの情報かを確認するだけで見え方が変わる。

時系列も重要で、10年以上前の記録と最近の記録では心理的な重みが違う人もいる。データベースに時期の情報がどこまで含まれるかは物件によって差があるが、詳細を開いたときに情報が付いていれば参考にできる。

石川と熊本が同件数なのが少し気になる

細かいことを言うと、石川が1,036件、熊本が1,030件でほぼ同数になっているのが目に止まる。人口規模で言えば熊本の方が若干大きいが（推測）、件数はほぼ並んでいる。これは収録ソース・収録時期が揃っている可能性が高いが、逆に「なぜ青森や高知は700件台で止まっているのか」という問いも出てくる。

収録されていない県が多い現状も含め、データの範囲外を「ない」と解釈しないことが一番の注意点だ。高知で716件しかヒットしないのは、高知が事故物件の少ない安全な地域だからではなく、現時点でのデータ取得範囲が限られているからだ。

この点は使う側がきちんと理解して使う必要がある。

実際に引越し候補の周辺を確認するなら

住所を調べる前に地域のカバレッジを確認しておくと、結果の解釈が変わる。自分が調べたい地域がデータとして充実しているかどうか、まず地図を広域で開いてマーカー密度を確認するのが先だ。

事故物件データベースでは、地図上でマーカーの分布を俯瞰してから、候補住所に絞り込む流れが使いやすい。住所入力→一致確認だけで終わらせず、地図で「周辺を眺める」操作を一段階加えるだけで、得られる情報量がかなり変わる。

#事故物件 #引越し #住所検索 #不動産 #事故物件データベース

香料の国別評価、「米EUだけ通過」の構造を買い物前に確認する

食品の裏面を見て「香料」という表示を目にしたとき、その成分が何か国で安全性の審査を通過しているか、スマートフォンで30秒以内に調べられる。食品添加物履歴帳を使えば、成分名で検索して国別の評価ステータスを確認できる。この記事では、サンプルデータから見えてくる「米・EU承認、それ以外は未評価」という構造的な偏りに注目する。

香料668件のうち、6カ国すべて承認はほぼない

全1566件のうち、香料カテゴリは668件と全体の約43%を占める。数の多さはすでに知られているが、今回気になったのは件数ではなく、各件の「承認国数の偏り方」だ。

サンプル25件ほどを横に並べて眺めてみると、大半が同じパターンを持っている。

• 米国（FDA）: approved（GRAS物質として認可）
• EU: approved（EU規則No 1334/2008で認可）
• 中国・韓国・オーストラリア・カナダ: not_evaluated（情報なし）

このパターンが、ピラジン系の化合物群でほぼ例外なく続く。2－エチルピラジン、2－メチルピラジン、2,3－ジメチルピラジン……ロースト系の香りを出すために使われる一連の成分が、米EUでは承認済みながら残り4カ国では評価データがない、という状態で並んでいる。

「カナダだけ通っている」件が散在している

単調な米EU承認パターンの中で、少し目が止まる例外がある。2,3,5,6－テトラメチルピラジン、2,5－ジメチルピラジン、2,6－ジメチルピラジンの3件は、米・EU承認に加えてカナダ（Health Canada）だけが追加で承認に入っている。オーストラリア・韓国・中国は依然として未評価のままだ。

なぜカナダだけが加わるのか、サイトのデータからは読み取れない。ただ、この3件に共通しているのは、焼き菓子・スナック・チョコレートなど加工食品で広く使われるロースト系の風味成分という点だ。カナダの食品加工産業とこれらの化合物の関係性が深いという可能性もあるが、これは推測の域を出ない。

逆に、3－エチルピリジンのように「米国のみ承認、EUも未評価」という例もある。これはサンプル中では少数派だが、存在するという事実は記録しておく価値がある。

「全6カ国が未評価」の香料もある

もう一つの極端なケースが、1－メチルナフタレンや2－メチルブチルアミンだ。どちらも香料カテゴリに分類されているが、6カ国すべてで「not_evaluated（情報なし）」となっている。

この状態をどう解釈するかは慎重に考える必要がある。「未評価＝危険」ではなく、単に審査の対象に上がっていないか、国内で独自に評価されていてこのデータに反映されていない可能性もある。酸化防止剤の「1-ヒドロキシエチリデン-1,1-ジホスホン酸」も同様に6カ国すべて未評価で、このパターンはカテゴリをまたいで存在している。

注意したいのは、このデータ自体の限界だ。「情報なし」はあくまで「このデータベースが情報を持っていない」ことを意味し、各国の規制当局で何も審査されていないとは断言できない。買い物の判断材料として使うには、この点を理解したうえで参照することが必要になる。

買い物中に使える確認のしかた

商品の裏面に「香料」と書いてあるとき、実際にどれが使われているかは一括表示のため分からない。ただ、同じ商品に「香料（○○）」と個別名が書かれているケース、あるいは輸入食品で成分名が詳細に記載されているケースでは、食品添加物履歴帳の検索が直接使える。

検索時の実用的な確認ポイントをまとめると次のようになる。

• 成分名を入力して「国別評価」のステータスを確認する
• 米・EUがどちらも承認されているかどうかを最初の目安にする
• カナダや豪州の評価が入っているかどうかで、審査の広がりを見る
• 「not_evaluated」が並ぶ場合は、データ不足なのか規制なしなのかを区別して読む

スーパーで立ち止まって調べるというより、気になった成分をメモして帰宅後に確認するサイクルの方が現実的だと思う。全668件ある香料のうち、今回のサンプルで見えたのはほんの一部だ。米EU承認パターンの外にどれだけの例外が眠っているかは、実際に検索して縦に眺めてみないと全体像がつかめない。

#食品添加物 #食品表示 #香料 #食品安全 #添加物調べ方

学校駐車場で小4が死亡した記録と「場面」分類の盲点

2026年5月19日。学校事故・教員不祥事データベースのサンプルデータを流し見していて、ある1件で手が止まった。

平成17年度（2005年度）の供花料記録、コード「17供2」。小学4年生の男子が、清掃時間に死亡している。場所は「学校内・校舎外／運動場・校庭」。しかし状況を読むと、子どもはまったく普通に清掃をしていた。死因は「本校職員」が自家用車を学校北側駐車場に入れようとした際の接触・轢過だ。

「登校中の交通事故」ではない。「体育の授業中の転倒」でもない。学校の敷地内で、掃除をしていた子が、職員の車に轢かれて死亡している。

「場面」の分類がずれると、何が見えなくなるか

このデータでの場面分類は「特別活動（除学校行事）／日常の清掃」になっている。分類としては正しい。子どもの活動を基準に整理すれば、確かに清掃時間だ。

ところが事故の構造を見ると、加害側の動作は「職員が昼休みに校外で打ち合わせを済ませ、自家用車を駐車場に戻した」という行為だ。学校敷地内の駐車場運用と、清掃中の生徒の動線が重なっていた、というのが実態に近い。同じ「校舎外・校庭」カテゴリでも、体育中に転倒した事故とは原因構造が根本的に異なる。

場面で絞り込んで「清掃中の事故」を集めたとき、この件は確かにヒットする。だが「駐車場絡みの事故」という軸で集めようとすると、分類からは見えない。narrative（事故詳細テキスト）を直接読みに行かないと気づかない類の事故だ。

同じ平成17年度のサンプルには、登校中に轢かれた小1の案件が3件あり（コード17供4・17供5・17供6）、そちらは場面「通学中／登校中」でまとまっている。このデータを「登校中死亡」で絞れば3件は見えるが、「17供2」は引っかからない。学校の駐車場で死亡した4年生は、通学中でも体育中でもないからだ。

「場所」と「場面」の組み合わせで掘る

このデータベースの絞り込みで面白いのは、「場面」だけでなく「場所」が独立したフィールドとして存在している点だ。「17供2」の場所フィールドは「学校内・校舎外（園内・園舎外）／運動場・校庭（園庭）」になっている。

もし「校舎外・校庭」という場所フィールドで絞り込んで、かつseverityが「fatal（死亡）」のものを拾うと、この件はヒットする。運動場での転倒死、遊具からの落下死、そしてこの駐車場轢過死が同じバケツに入る形だ。

ここで使えるのが、学校事故・教員不祥事データベースの施設種別・重大度の絞り込みだ。「小学校」×「死亡」×「校舎外」で絞り込むと、単に「体育中の事故」とは異なる構造の案件が混在していることに気づける。その後、individual narrativeを読んでいくと「この事故の原因は子どもの行動なのか、施設・運用の問題なのか」という別の見方ができてくる。

「職員の車」という要素が記録に残っている意味

この記録で特に気になるのが、加害者が「本校職員」だという点が明示されていることだ。

供花料記録は死亡事故を対象にしており、日本スポーツ振興センター（JSC）が管理する給付データが元になっている。記録の目的は給付の根拠を残すことであり、事故原因の詳細分析は本来の目的ではない。それでもnarrativeにここまで詳しく書かれているということは、当時の記録者が「清掃中の偶発事故」と単純に片付けず、状況を丁寧に残そうとしたからだろう（これは推測だが、他の供花料記録と比較しても記述が詳細な部類に入る）。

教育関係者がこのデータを参照する場合、「登校中の交通安全」という文脈だけでなく、「学校敷地内の駐車場運用と子どもの動線の分離」という観点での使い方もある。特に、清掃時間や休み時間に子どもが校舎外に出る動線と、教職員や保護者の車の動線が重なる設計の学校では、このナラティブは直接参照できる記録になる。

データの限界として言えば、このサンプルは現時点で696件、ソース別では「省庁プレス」296件・「報道」226件が中心で、JSC供花料記録は10件しか入っていない（2026年5月19日時点）。つまり今見えているのはデータベース全体の氷山の一角であり、同様の構造を持つ事故がどれだけあるかはこのサンプルだけでは判断できない。

実際に検索するなら、この順序で

保護者・教育関係者が実際にこのデータを使う場合、次の手順が実用的だと思う。

まず施設種別で「小学校」に絞る。次に重大度を「fatal（死亡）」または「serious（重傷）」に絞る。この2軸だけでも、全696件から対象を相当絞れる。そこから「場面」や「場所」フィールドをさらにかけるのではなく、一度narrativeを流し読みする方が、分類では見えない構造に気づきやすい。

「清掃中に死亡」という分類が示すものと、「職員の車が構内で子どもを轢いた」という実態は、分類上は重なっているが、対策としては全然別の話だ。通学路の安全マップを整備しても、この事故は防げない。

データの使い方として、「分類で絞る」と「テキストで読む」を組み合わせることが、このサイトのnarrativeが細かく残されている意味を活かす使い方になる。

#学校事故 #通学路安全 #保育施設 #教育データ #子ども安全

事故物件を住所で調べる前に知りたい「検索精度の地域ムラ」

引越し先の住所を事故物件データベースで調べようとしている方へ。全国11万件超のマーカーが存在するこのサービスだが、「件数の多い都市ほど信頼できる」とは限らない。地域によってデータの粒度がまるで違う。その差を理解してから検索しないと、結果の解釈を誤る可能性がある。

サンプル座標から見えた「青森寄り」の偏り

今手元にあるサンプルマーカー10件の座標を確認すると、緯度がすべて40.18〜40.19度台に集中している。経度は140.03〜141.15度の範囲に散っているが、この緯度帯はおおよそ青森県中南部に対応する。10件中10件が同一緯度帯というのは偶然ではなく、おそらくデータ取得の順序やバッチ処理の結果だろうと推測する。

この観察が示すのは、事故物件データベースのマーカーデータが地理的に均一に並んでいるわけではないという点だ。検索するときにそのまま「件数ゼロ＝安全」と読むのは早い。

県別の件数と人口のズレが検索判断に影響する

データを整理するとこうなる。

区分	件数
japan（全国）	86,691件
tokyo	19,855件
ishikawa	1,036件
kumamoto	1,030件
aomori	762件
kochi	716件

この表で気になるのは「japan」と「tokyo」が別カテゴリとして存在していることではなく（それは前に書いた）、石川・熊本・青森・高知の4県が700〜1,036件という近い数字に並んでいることだ。

人口差は相当ある。2025年時点の推計では、熊本県は170万人前後、石川県は約100万人、青森県は約115万人、高知県は約65万人とされている（国勢調査ベースの推計値。数字は引用元によって若干異なる）。

人口が2.6倍以上違う熊本と高知が、ほぼ同じ件数になっている。これが何を意味するか。高知のデータは人口比で見ると「密度が高い」のか、それとも熊本のデータが少ない収録率にとどまっているのか、外部情報だけでは判断できない。

実用上の問題として置き換えると、熊本県で住所を調べたとき、該当件数ゼロでも「データがないだけ」という可能性が、高知よりも相対的に高いかもしれない。件数の絶対値よりも、その県のデータ収録状況を先に疑う習慣が要る。

住所検索で結果を正しく読む3つの確認ポイント

引越し前に事故物件データベースを使うなら、検索結果が出た後に以下を確認することを勧める。

1. 対象の都道府県がカバー済みか確認する

現状、取得済みのデータは一部都道府県のみとサイト自体が注記している。「tokyo」や今回の4県のように明示的にカテゴリ化されている地域はデータがある可能性が高い。ただし、自分が調べたい都道府県が収録対象かどうかは、検索前に確認すべき第一歩だ。

2. 件数ゼロのとき「範囲を広げて再検索」する

住所の丁目・番地まで絞った検索でゼロだったとしても、町名レベルで再検索すると周辺のマーカーが見える場合がある。逆に言えば、ゼロ件の画面だけ見て「問題なし」と判断するのは危うい。半径を広げて近隣の状況も把握しておくと、文脈が変わることがある。

3. マーカーの位置精度に余裕を持つ

今回のサンプル座標を見ると、同じ経度付近に複数のマーカーが0.001度以内に密集しているケースがある。これはおそらく同一建物や同一区画内の複数記録だ。一方、地方部では広大な面積に1件しかない場合もある。都市部と地方で「ピンが近い」ことの意味がまったく異なる。

都市部と地方でサイトの使い方を変える

東京を調べる場合、19,855件というデータ量がある。丁目レベルで絞っても複数件ヒットする可能性があり、むしろ「多すぎて絞りきれない」という問題が出てくる。このときは建物の年代や周辺の施設との組み合わせで絞り込む使い方が向いている。

対して地方4県（石川・熊本・青森・高知）で調べるなら、ヒット件数より「カバー率の限界」を念頭に置く使い方になる。ゼロ件の結果を信頼するより、ヒット件数が少ない地域は他の情報源（地元不動産業者への確認、現地周辺住民への聞き込みなど）と組み合わせる方が現実的だ。

「該当なし」と「データなし」を同じ意味で受け取らないことが、このサービスを使う上での核心だと思う。

引越し検討中なら、まず自分の地域を試してみる

実際にどのくらいのデータが入っているかは、事故物件データベースで自分の引越し予定住所を入れてみると一番早く分かる。件数が出たときより、ゼロ件のときに「この地域のカバー率はどの程度か」を意識してほしい。

ヒットした件数の解釈は地域によってまるで変わる。多いから危険、少ないから安全という読み方は、少なくともこのデータ構造の上では成り立たない。

#事故物件 #引越し #住所検索 #事故物件調べ方 #賃貸