日本的行政区划以及地图着色技术的使用

我们经常听到东京、大阪、横浜这些地名，它们针对的是什么行政区划？与日常生活的关系是什么？下面就以我生活了接近两年的经验来写一写。

---

一、（虚级）四个大岛

1.1 概述

1.2 与生活的联系：包邮区

显而易见，货物运往小岛比运往大岛困难。

• 本州是最大的岛屿
• 本州、四国、九州之间有公路（跨海大桥或海底隧道）连接
• 北海道和冲绳是独立的岛屿，汽车需要借助轮渡开过去，类似于🇨🇳的海南岛到广东省的轮渡（春节期间经常上新闻的那种）。
• 北海道与本州隔海相望，轮渡最近的距离是 17.5 km，与🇨🇳的海南岛到广东省的轮渡距离（22km）类似。
• 冲绳与九州之间的直线距离达 500 km 以上

因此大部分网购的包邮（如果可以包邮）特点是：

• 本州和四国地区基本都会包邮。
• 对于大部分网购，九州地区也会包邮。
• 送往北海道的，只有几个大的购物网站才会包邮。
• 送往冲绳的，基本不会包邮，而且时间也不能保证。

综上所述，喜欢网购的，尽量住在本州，尽量避开北海道，绝对不能住在冲绳。

---

二、（虚级）八大区域（都市圈）

2.1 概述

2.3 🇨🇳地图的错误

上文提到🇨🇳的地图来自于国家天地图，有个地方是错误的，这就是新潟区域。

关于该错误的原因，问 ChatGPT 没问出来。我猜测是：🇨🇳国家天地图的工作人员错误地把领事馆的领区范围和日本的行政区划混淆在一起了。“东北地方”包括青森、岩手、宮城、福島、山形、秋田六个县，最大的城市是宮城县的仙台市，居住中国人最多的也是仙台市。但奇怪的是中国的领事馆不设在仙台，却设在新潟，领区包括新潟、山形、福島、宮城四个县，完全不明所以🤔。

2.4 与生活的联系之一：看电视

在中国很少有人看地面波电视了，但是住在深圳的人如果经常去港式茶餐厅吃饭，就能看到餐厅的电视机里在播放香港🇭🇰的电视节目，这就是通过地面波实现的。地面波的接收是有范围限制的，在深圳、东莞能收到香港的信号，在远一些的惠州、河源就不行了。

在日本，地面波电视的信号接收范围就是以这八大区域为基础的。相同区域内的电视台内容相同，不同区域内的电视台就不同。不过现在愿意看电视的年轻人不多，这里就不详细写了。

2.5 与生活的联系之二：办绿卡（‼️）

前面 2.3 节在讲🇨🇳地图的错误时提到、中国驻日本领事馆的工作范围是和八大区域有点相关的（但不完全重合），同样的，在日本办理外国人相关的签证事务（日语：在留資格）也是和这八大区域相关，其中最重要的就是绿卡（永久居住权）的办理（日语：永住権）。

全日本只有以下 11 个绿卡审批点，基本上和八大地区相对应。

在留管理局的名称	管辖范围
札幌	北海道地区
仙台	东北地区
东京	关东地区、甲信地区⚠️、新潟⚠️
横滨	关东地区的神奈川县
名古屋	东海地区、北陆地区、 近畿地区的三重县⚠️
大阪	近畿地区（不含三重县⚠️）
神户	近畿地区的兵库县
广岛	中国地区
高松	四国地区
福冈	九州地区（包括冲绳）
那霸	冲绳

在这里重点提东京（管辖关东地区、甲信地区⚠️、新潟⚠️）和横滨（管辖神奈川县）两地，因为外国人（当然最多的就是🇨🇳人）众多，绿卡申请数量也多，因此审批速度十分缓慢。

2.6 与生活联系之三：网页上的地区导航页面

由于日本的第一级行政区有 47 个（下文 3.1 节所述），想在网页上做个地区分类导航就要搞 47 个链接，不方便。所以大部分网站会按照这种 8～10 个大区进行分类。当然各个网站会根据自己的业务特点对部分大区进行合并。例如著名的房地产导航网 SUUMO，首页的地区导航界面如下图所示：

从上图可以看出，因为是房地产业务，九州和冲绳合并了（后者业务体量小）。中部地区拆分为东海和北陆甲信地区。近畿地区则改名为“关西”以便于不熟悉的外国人也能寻找。

综上所述，想要尽快拿绿卡的，尽量避开住在关东地区、甲信地区⚠️和新潟⚠️。

---

三、第一级行政区：县（都道府県）（类比：🇨🇳地级市）

3.1 概述

都道府県（下文简称“县”，因为“县”占大多数）是日本的第一级行政区，实体的。一共47个。英语称为【Prefecture】。从面积和人口看可以类比为🇨🇳的地级市。除了北海道、冲绳这两个非包邮区之外，下面按照面积和人口列举三个极值以及和🇨🇳的地级市的对比。

众所周知中国的“地级市”（包括直辖市、副省级市等乱七八糟的东西）经常令人诟病的就是肆意扩大范围，比如北京市就包括渺无人烟的喇叭沟门之类的地方，哪怕是面积较小的深圳也包括一堆深山老林。同样地，这里的“一级行政区划”即包括繁华的市区也包括人烟稀少的山区海岛。有意思的是人口最多的东京都，即包含大家熟悉的银座、新宿、涉谷等繁华市区，也包括房子白送都没人要的多摩山区，还包括 1800km 远的南鸟岛（相对地，南鸟岛离美国关岛只有 1500 km）。不过不要紧，大部分情况下日常生活与一级行政区关系不大。目前我能想到的联系有以下两点：

3.2 与生活的联系之一：警察

中国驾照换成日本驾照

3.3 与生活的联系之二：住民税与部分福利

3.4 与生活的联系之三：网上填写地址时选择下拉菜单

综上所述，一级行政区划（都道府県）在面积和人口上接近于🇨🇳的地级市，但它与日常生活联系很小。

---

四、第二级行政区：市（市区町村）（类比：🇨🇳县级市、县、市辖区）

4.1 概述

在🇨🇳，县是市的下属。但在🇯🇵是反过来，市是县的下属。台湾🇹🇼模仿日本的行政区划也是如此。英语标记：市（包括东京的特别区） = City。町 = Town。村 = Village。很容易理解，最大的区别就是人口不同。二级行政区一共1741个。相比较而言人口多了10倍的🇨🇳，县级市+县+市辖区也不过2843个。

注意町和村不是市的下属。与🇨🇳的“镇”、“乡”、“村”完全不同。🇨🇳的“镇”或“乡”是“县级市”或“县”的下属，然后“村”又是“镇”或“乡”的下属。但是🇯🇵的市、町、村是平级的。人口 277 万的“大阪市”和人口 4500 人的“千早赤阪村”是平级的二级行政区，它们都归属于一级行政区“大阪府”。

4.2 没有东京市

我们熟悉的大阪、京都、横滨、札幌、名古屋、神戸等都是“市”，唯独不存在“东京市”（虽然历史上存在过）。“东京都”里面有二十三个“特别区”，每个都是标准的二级行政区，即与“大阪市”平级。

下面列举🇯🇵东京都（去掉了Town 和 Village）和🇨🇳天津市的二级行政区面积和人口对比。之所以选择🇨🇳天津为例子，是因为天津市和平区面积只有 9.98 km²，在🇨🇳想找到其他这么微型的行政区几乎不可能。即便如此，东京都仍然有三个市（羽村市、国立市、狛江市）的面积小于它。

4.3 大城市的市辖区

上面 4.1 节提到，人口 277 万的“大阪市”和人口 4500 人的“千早赤阪村”是平级的二级行政区。但是一套行政班子要管理几百万人也够累的，于是大城市也会模仿【东京都】的区那样细分为一些“市辖区”。但是虽然汉字都写成【区】，本质上是不一样的，英语写法也不同。用下表就能看得很清楚。

一级行政区	二级行政区	三级行政区（虚）
東京都 Tokyo Prefecture	港区 Minato City	無
	中央区 Chuo City
大阪府 Osaka Prefecture	大阪市 Osaka City	港区 Minato Ward1
		中央区 Chuo Ward

東京都与大阪府平级（一级），東京都港区、東京都中央区与大阪市平级（二级）。而大阪市的港区和中央区是下属的虚体的行政区划。写成英文，東京的港区和中央区是两个不同的 City，市民福利不同（生活规则也不同，比如垃圾分类）。而大阪的港区和中央区属于相同的 City，市民福利相同。

4.4 选举市长

民主国家嘛自然得有政治权利，从上述 4.3 节东京和大阪的区别就能看出，居住在东京港区（Minato City）的居民选举的是港区的市长，而居住在大阪港区（Minato Ward，Osaka City）的居民选举的是大阪市的市长。从这里就能看出为什么没有【东京市】的本质原因了：二级行政区划是基层选举的基础单元。东京的 23 个区人口合计达到 960 万，是大阪的三倍以上。如果搞个【东京市】那就没法选举了，960万人根本无法了解市长候选人是否对自己有利。相比而言，东京港区人口是 25.8 万，东京中央区人口是 17 万，这样子选举就方便多了。

4.5 与生活的联系：各项福利的基础

4.6 一二级行政区同名

在🇨🇳，地级行政区和县级行政区同名的以前很多、现在少了，典型的例子是【长沙市长沙县】、【南昌市南昌县】等。同样🇯🇵的一二级行政区也可以同名（只不过要反过来，【县】是上级，【市】是下级），最经典的当然是 4.3 节提到的【大阪府大阪市】，此外，京都、福冈、广岛、长崎都是类似的例子。当然再次提醒东京不是，因为不存在【东京市】。

4.7 町与村

五、地址相关

5.1 地图上的标记

以 Apple 地图为例，默认的“详细图层”上、用褐色字体表示一级行政区（例如千葉県、静岡県等）（【东京都】除外，因为要表示成首都的格式，所以只写了“东京”两个字），同时用褐色虚线来表示它们的边界线。用黑色字体表示二级行政区。注意虽然字体有大有小，圆圈也有实心和空心之分，但它们本质上都是平级的二级行政区，只是人口不一样而已。

5.2 地址写法

日语的地址写法和中文类似，先写一级、再写二级、再写小区、门牌号等。特别大的城市可以省略一级行政区。🇨🇳典型的例子像义乌，不会写成【金华市义乌市】。同理，【大阪府大阪市】可以直接写【大阪市】，【神奈川县横滨市】可以直接写【横滨市】。英语地址则遵循国际规则，倒回来写，写完门牌号、小区后，再写二级、一级。

5.3 民用车牌号

在🇨🇳，车牌号开头首先是省份的简称，一个汉字对应一个省、严格一一对应的。然后用一个大写的英文字母来表示地级行政区（偶尔也有一个地级行政区使用 2 个字母的情况，但很罕见）。🇨🇳的车牌号能反映省级行政区 – 地级行政区的严格对应关系。

但在🇯🇵情况完全不同。🇯🇵的车牌号上面也会写地区的名字，但是这个地区是汽车管理局的名字，而不是车主所在的都道府県（一级行政区）或市区町村（二级行政区）的名字。一个汽车管理局管辖若干个相邻的市区町村（二级行政区），名字可能和所属的都道府県（一级行政区）同名，也可能和其中的某个市区町村（二级行政区）同名，也可能就是其他的名字。最著名的就是大阪的车牌。如下图：

5.4 电话归属地

在🇨🇳，固定电话有区号，一个区号对应一个地级行政区划，所以长期以来区号就成了城市的代称，以至于现在很多小城市为了附和大城市首先要采取“共用区号”策略，例如长沙、株洲、湘潭共用区号0731，好像不共用就显得自己不伟大似的。

在🇯🇵情况又是完全不同了，🇯🇵的固定电话号上确实也体现地区，但这个地区既不是都道府県（一级行政区）也不是市区町村（二级行政区），而是固定电话管理局的名字（参见 wiki 链接的 MA名）。如果 iPhone 开启“显示归属地”功能，显示的归属地就是这个 MA 名，一个 MA 管辖若干相邻区域，不一定严格按照二级行政区划分。名字可能是某个二级行政区的名字，也可能是一些已经废弃的老行政区名字。所以在🇯🇵，“显示归属地”这个功能基本上没什么用。

六、地图着色

6.1 概述

从上面 4.2 节🇨🇳天津市²和🇯🇵东京都的二级行政区对比可以看到，🇯🇵的二级行政区特点是数量多面积小，以至于一条地铁线穿过十几个市都是再普通不过的事情。可是🇯🇵市民的主要福利取决于二级行政区（4.5节），如果能在地图上用颜色区分不同的市就方便了。在🇨🇳这是比较难的，因为行政区边界被视为“国家机密”。但在🇯🇵这个数据是公开的，因此我可以尝试一下。下面的代码是 ChatGPT 辅助完成的。

6.2 六种颜色

数学上有个著名的“四色原理”，即只要使用四种不同的颜色，就可以给地图着色使得相邻行政区颜色不同。但是由于实际操作时有“飞地”的存在，需要稍微多一些颜色。ChatGPT 帮我选了容易区分的 6 种颜色：['#e6194b', '#3cb44b', '#ffe119', '#4363d8', '#f58231', '#911eb4']。

6.3 各个行政区的边界坐标数据

来自 nlftp.mlit.go.jp，每年都会更新。写本文时最新的数据是2024年1月1日。我喜欢里面的 GEOJSON 格式，虽然文件较大（453MB），但是看着清楚。GEOJSON 的每个 feature 代表一个二级行政区，有以下几项：

键	含义	值的示例
N03_001	都道府県名（一级行政区划）	北海道
N03_002	北海道の振興局名	オホーツク総合振興局
N03_003	郡名	東茨城郡
N03_004	市区町村名（二级行政区划）	大阪市
N03_005	政令指定都市の行政区域名	中央区（大阪市）
N03_007	全国地方公共団体コード	01233（五位数字编号）

其中有用的是 N03_001 （3.1节）、N03_004 （4.1节）、N03_005 （4.3节，虽然是虚级的，但也划分出来了，否则有些大城市太大不好看。） 和 N03_007。 N03_007这个键是精准的指标，可以视为“索引”或者“主键”（毕竟名字可能重名），但是在部分地区有可能为缺失值（null），跳过这些区域即可。

6.4 给各个行政区染色

该段代码是 ChatGPT 完成的，目的是给 GEOJSON 中的每个 feature 添加一个 color 属性。下面这段代码输入文件是 input.geojson，输出文件是 output.geojson：

import json
import networkx as nx
from shapely.geometry import shape, Polygon
from rtree import index

def load_geojson(filename):
    with open(filename, 'r') as f:
        data = json.load(f)
    return data

def build_adjacency_graph(features):
    graph = nx.Graph()
    polygons = {}
    idx = index.Index()

    for i, feature in enumerate(features):
        properties = feature['properties']
        node = properties['N03_007']
        if node is None:
            continue
        polygon = shape(feature['geometry'])
        polygons[i] = (node, polygon)
        idx.insert(i, polygon.bounds)
        graph.add_node(node)

    for i in polygons:
        node1, polygon1 = polygons[i]
        for j in idx.intersection(polygon1.bounds):
            if i != j:
                node2, polygon2 = polygons[j]
                if polygon1.touches(polygon2):
                    graph.add_edge(node1, node2)
    
    return graph

def greedy_coloring(graph, color_palette):
    color_map = {}
    num_colors = len(color_palette)
    for node in graph.nodes:
        used_colors = {color_map[neighbor] for neighbor in graph.neighbors(node) if neighbor in color_map}
        for color in color_palette:
            if color not in used_colors:
                color_map[node] = color
                break
        else:
            raise ValueError("More colors are needed than provided in the palette.")
    return color_map

def assign_colors_to_features(features, color_map):
    for feature in features:
        properties = feature['properties']
        node = properties['N03_007']
        if node is None:
            continue
        color = color_map[node]
        properties['color'] = color

def save_colored_geojson(data, output_filename):
    with open(output_filename, 'w') as f:
        json.dump(data, f, ensure_ascii=False)

if __name__ == "__main__":
    input_filename = "input.geojson"
    output_filename = "output.geojson"
    
    # Define the color palette
    color_palette = ['#e6194b', '#3cb44b', '#ffe119', '#4363d8', '#f58231', '#911eb4']

    data = load_geojson(input_filename)
    features = data['features']
    graph = build_adjacency_graph(features)
    color_map = greedy_coloring(graph, color_palette)
    assign_colors_to_features(features, color_map)
    save_colored_geojson(data, output_filename)

对于本次的 GEOJSON 数据（500MB），运行时间大约 26 分钟左右。

6.5 转换为 mbtiles 格式

原始 GEOJSON 和转换之后的 GEOJSON 均达到 500 多 MB。这么大的文件不可能直接加载，我想到了使用 MapBox 的自定义 Tilesets。可是它最多也只能上传 300MB 大小的文件，所以需要先转换为较小的 mbtiles 格式文件，再上传。

把 GEOJSON 转换为 mbtiles 需要使用 tippecanoe 这个工具。在 macOS 上用 homebrew 安装比较容易，转换方法是：

# 输入的 in.geojson 文件可以是 gzip 压缩格式
tippecanoe -zg --drop-densest-as-needed -o out.mbtiles in.geojson.gz

转换之后的 mbtiles 文件只有 55MB 左右，为原来的十分之一。在我的 macOS （M1 芯片） 上所需时间为 2 分钟左右。

6.6 用 mapbox GL JS 渲染

下面的代码也是 ChatGPT 辅助的。

mapboxgl.accessToken = 'my.token'
const map = new mapboxgl.Map({
        container: 'map',
        projection: 'globe',
        style: `mapbox://styles/mapbox/streets-v12`, // style URL
        center: [132, 34], // starting position [lng, lat]
        zoom: 10,
});
map.addControl(new MapboxLanguage({
        defaultLanguage: 'ja'
}));
var popup = new mapboxgl.Popup({
        closeButton: false,
        closeOnClick: true,
        closeOnMove: true
});
map.on('load', () =>{
        map.addSource('geo-region', {
                type: 'vector',
                url: "mapbox://myname.myid"
        });
        map.addLayer({
                'id': "geo-border",
                'type': "line",
                'source': 'geo-region',
                'source-layer': 'my.layer.name',
                'paint': {
                        "line-color": "black",
                        "line-width": 1
                }
        });
        map.addLayer({
                'id': "geo-region",
                'type': "fill",
                'source': 'geo-region',
                'source-layer': 'my.layer.name',
                'paint': {
                        'fill-color': [
                                'case',
                                ['has', 'color'], ['get', 'color'],
                                'rgba(0, 0, 0, 0)' // Transparent color for features without 'color' property
                        ],
                        'fill-opacity': [
                                'case',
                                ['boolean', ['feature-state', 'hover'], false],
                                0.5,
                                ['boolean', ['feature-state', 'click'], false],
                                0.5,
                                0.2
                        ]
                }
        });
        let hoveredStateId = null;
        map.on('mousemove', 'geo-region', function(e) {
                map.getCanvas().style.cursor = 'pointer';
                var feature = e.features[0];
                popup.setLngLat(e.lngLat).setHTML(`${feature.properties.N03_001}/${feature.properties.N03_004}`).addTo(map);

        });
        map.on('mouseleave', 'geo-region', function() {
                map.getCanvas().style.cursor = '';
                popup.remove();
        });
});

最后渲染效果如下图所示。地图上添加了一个透明的涂着不同颜色的图层用来区分不同的二级行政区。点击可以弹出窗口显示1、2级行政区。

1. 东京以外的大城市的“区”，英语可以写成“Ward”也可以写成“Ku”，都可以 ↩︎
2. 近年来随着🇨🇳各大城市兴起“并区”热潮，例如北京的宣武区与西城区合并、上海的静安区和闸北区合并，县级行政区划越来越少，单个行政区面积人口越来越大。像天津这种微型的行政区划已经很罕见了。 ↩︎