本プロンプトは、地下鉄の乗客数・発車間隔・遅延時間という動的データから、都市の経済的な「疲労度（Economic Fatigue Index: EFI）」を数値化するための解析フレームワークである。都市をひとつの生命体と見なし、その代謝異常を検知する計算モデルとして使用せよ。 ### 1. 入力データ定義（JSONフォーマット） 以下の変数を解析対象の都市データとして入力すること。 ```json { "city_id": "string", "time_window": "HH:MM-HH:MM", "passenger_volume": { "actual": 0, "expected_baseline": 0 }, "headway": { "actual_avg_min": 0, "scheduled_min": 0 }, "delay_frequency": { "count": 0, "severity_score": 0.0 } } ``` ### 2. 経済疲労度算出式（EFIモデル） 以下の式を用いて、都市の疲労度（0.0〜1.0）を算出する。 - **負荷係数(L):** `(actual / expected_baseline)` - **停滞係数(S):** `(actual_avg_min / scheduled_min)` - **疲労度(EFI):** `min(1.0, (L * 0.4) + (S * 0.4) + (delay_frequency.severity_score * 0.2))` ※EFIが0.7を超えた場合、インフラは「回復不能な疲弊状態」にあり、経済活動の効率が低下していると判断する。 ### 3. LLM向け解析プロンプト・テンプレート 以下のプロンプトをAIにコピー＆ペーストし、上記データを代入して実行せよ。 --- **プロンプト実行部:** あなたは都市経済シミュレーターとして動作してください。提供されたデータから、以下の3項目を論理的に出力してください。 1. **EFIスコアの算出:** 上記計算式に基づいた数値を算出せよ。 2. **代謝ボトルネックの特定:** なぜその疲労度に達したのか、乗客数の乖離か、運行間隔の異常かを特定せよ。 3. **社会構造への影響予測:** この疲労度が継続した場合、都市の消費行動や労働生産性にどのような「地質学的変化（構造的劣化）」が生じるか、300文字以内で論理的に予測せよ。 [データ入力欄] - 乗客数（実績/予測）: - 発車間隔（実績/計画）: - 遅延回数および深刻度: --- ### 4. 疲労度別アクション・マトリクス 算出されたEFIに基づき、都市開発やインフラ政策を決定するための基準値。 1. **EFI < 0.3（健全）:** - 状態：代謝正常。インフラは経済成長を加速させる余力あり。 - 施策：新規路線の拡大、高付加価値サービスの導入。 2. **0.3 <= EFI < 0.6（警戒）:** - 状態：局所的な過負荷。一部の駅で「滞留」が発生し始めている。 - 施策：ピークタイムの分散化、デジタルリモートワークの推進による物理移動の削減。 3. **0.6 <= EFI < 0.85（疲弊）:** - 状態：インフラの物理的限界。経済疲労が顕在化し、サービス業の生産性が低下。 - 施策：運行システムの自動化による効率化、都市機能のデセントラリゼーション（地方分散）。 4. **EFI >= 0.85（崩壊予兆）:** - 状態：都市機能の硬直化。物理的インフラが経済活動の枷となっている。 - 施策：大規模な都市再開発、あるいは旧式インフラの放棄と再構築。 ### 5. 解析のヒント - **残留物からの逆算:** もし乗客数データが欠損している場合、各駅のゴミ回収量や電力消費のピークを代用指標（Proxy）として計算せよ。 - **時系列の重み付け:** 朝のラッシュ時のEFIは、夜間のEFIよりも経済活動に対する「負の重み」を1.5倍にして計算すること。これは、朝の停滞がその日一日の都市生産力に直結するためである。 - **地質学的視点:** 地下鉄の運行間隔が乱れることは、都市の「血管」が収縮することと同義である。EFIの変化率が急激な場合、その地域の地価や周辺店舗の廃業率と相関があるかを検証せよ。 この計算フレームワークを繰り返すことで、都市という巨大なシステムの疲労耐性を客観的に評価し、持続可能な発展のための定量的裏付けを得ることが可能となる。各指標を調整することで、架空のファンタジー都市の社会情勢シミュレーションにも応用可能である。