ZIPコード境界:ZCTAとUSPS、使い分けの指針
USPSが公式のZIPコード境界データを販売開始。ZIPはもともとポリゴンではない。ZCTAとUSPSデータの使い分けを本番ジオコーディングの観点で解説。

お使いのジオコーディングパイプラインには、気づきにくいバグが潜んでいるかもしれません。新築の分譲地の住所はジオコーディングに成功するものの、2つのZCTAポリゴンの隙間に落ちてしまい、null の地域が返ってきます。そして下流では、配送コストモデルがそれを誤った市場に静かに平均化してしまいます。これはZIPコード境界を扱う現場では日常茶飯事です。つい最近まで、ZIPコード境界は公式には存在すらしていなかったのですから。USPSは現在、PostalProポータルを通じて公式のZIPコード境界ポリゴンの販売を始めました。データエンジニアリングの世界では、歓迎する声と価格への驚きが入り混じっています。実際に何が変わったのか、そしてどの境界データをパイプラインに組み込むべきかを見ていきましょう。
私は米国の住所データを使ったマッチングやエンリッチメントのパイプラインを長年構築してきました。率直な意見を言えば、多くのチームがZIPを地理データとして扱っているのは、正しいからではなく、米国国勢調査局がそうしやすくしてくれたからです。新しいUSPSのプロダクトは、すべての人にとってその前提を変えるわけではありません。ただ、何十年も続いてきた議論に、ようやく決着をつけてくれるものではあります。
ZIPコードは、そもそもポリゴンではなかった(そして今もそうではない)
多くの人の直感を裏切る基本的な事実があります。ZIPコードは土地の領域ではなく、配送ルートの属性なのです。USPSは1963年に、正しい郵便物を正しいトラックに載せるためにZIPコードを作りました。ZIPは、郵便局、仕分け施設、時には単一の建物といった配達拠点に紐づくキャリアルートの集合体です。政府機関や大学などの大口受取人は、1つの住所だけをカバーする専用のZIPを持っています。私書箱専用のZIPは、建物の中の箱の壁をカバーしているだけで、土地の面積はゼロです。
この事実は、ポリゴン的な発想では吸収しきれない影響をもたらします。2つの町の間の空き地に新しい住宅地が造成されたとしましょう。ZIPがポリゴンなら、その土地がどのポリゴンに含まれるかを調べれば、それがZIPになるはずです。しかし現実には、USPSは物流的に筋の通るルートに割り当てます。それはどちらかの町かもしれませんし、両方にまたがって切り出された新しいZIPかもしれません。ルートが存在するまで、境界も存在しないのです。だからこそ、USPS自身のドキュメントでも、新しい境界データには時間的変動があると書かれています。境界は配送の分布が変わるたびにずれる、という意味で、要するに「ルートは常に変わる」ということを役所言葉で言っているわけです。
- 私書箱専用ZIPやユニークZIPには、意味のある面積がそもそもありません。表しているのは土地ではなく建物です。
- 非連続なサービスエリアは、1つの配達拠点が互いに離れた複数の住所の集まりを担当しているときに起こります。
- 農村部の空白地帯では、USPSが配達を行っていないため、そこの住所は一貫性なく割り当てられ、データベースによっては異なる複数のZIPの候補になることさえあります。
- 絶え間ない変動:新築、ルートの統合、郵便局の閉鎖などにより、基礎となるルートは四半期ごとに再編されています。
- ZIP+4はブロック単位まで絞り込めるものの、それを収集・保存している人はほぼいないため、実際にはほとんど役に立ちません。
英国と比べてみてください。英国のフルの郵便番号(ポストコード)は約10件の住所を特定します。これは当初から少数の配達先を絞り込むために設計されたもので、広く収集され、利用されています。一方、米国の5桁のZIPは仕分けのために設計されたものです。それでも私たちは、国内のすべての住所に印字されている唯一の地理的識別子だったという理由で、50年もの間それを地理の用途に転用してきました。
ZCTAとUSPS境界:各データセットの実体
ZCTA:ZIPの衣をまとった統計データ
ZCTA(ZIP Code Tabulation Areas)は、ポリゴン問題に対する米国国勢調査局の答えです。10年ごとの国勢調査のたびに、同局は各国勢調査ブロックを見て、そのブロック内の住所で最も多いZIPを特定し、ブロックを支配的なZIPにちなんで名付けられたZCTAにまとめます。その結果、国内全体を隙間もなく重なりもなく覆う、無料でダウンロードできるシェープファイルが得られます。
この設計には、本番環境で非常に重要な2つの特性があります。第一に、ZCTAは統計エリアであり、国勢調査データを一貫して集計するために作られています。国勢調査局がZIP単位で公表する人口統計表は、実際にはすべてZCTA単位のものです。第二に、ZCTAは情報を丸めてしまう(非可逆な)性質があります。「最多のZIPが勝つ」というルールのため、ブロック内の少数派の住所は、手紙に書かれるZIPとは一致しないZCTAに割り当てられてしまいます。人口密度の高い都市部ではこれは誤差の範囲内です。しかし、国勢調査ブロックが巨大で配送ルートがまばらな農村部では、ZCTAが実際に郵便物が届く場所から数キロメートルずれることもあります。
新しいUSPSポリゴン:正解データだが、価格は高い
USPSのプロダクトは反対側から作られています。配送の実データ、つまりトラックを動かしているのと同じ住所・位置情報から構築されています。「USPSはこのZIPをどの範囲とみなしているのか」という問いに対して、これが最も正解に近いデータです。四半期ごとに更新され、ZCTAが追いつけないルートの変動を追跡します。USPSは3つのティアで販売しています。社内利用のInternal、子会社やパートナーへ限定的に配布できるEnterprise、派生地図の公開が限定的に許されるPublicationです。
そして、コミュニティに大きな衝撃を与えた点があります。最も安いティアで約1万ドルから始まると報じられています。FCCのカバレッジマップ、連邦政府の土地境界、国勢調査の地理データはすべて無料なので、郵便の地理情報に数万ドルを請求するのは後退のように感じられるのも無理はありません。構造的な理由は、USPSが議会の予算ではなく、主に郵便料金収入で運営される独立採算の機関であることです。そのため、データ製品も「製品」として扱います。それが良い政策かどうかは議論の余地がありますが、パイプラインをライセンスの現実を前提に組むべきかどうかは、議論するまでもありません。

ファジーな境界のためのジオコーディングパイプライン設計
何度かこのパイプラインを作り直した末にたどり着いたパターンを紹介します。ZIPの割り当てを、単一の点とポリゴンの検索ではなく、明示的な曖昧さの予算を持った2段階の結合として扱うことです。第1段階は厳密な包含判定です。第2段階は上限付きの最近傍フォールバックで、これは自身をログに記録します。そうすることで、データが地理的事実とどれくらい食い違っているかを計測できます。これは、当サイトのgeohashと空間インデックスの比較で紹介した空間インデックスの工夫とも自然に組み合わさります。フォールバックの段階こそ、適切なR-treeがあれば低コストで処理できる典型的なワークロードなのです。
import geopandas as gpd
# ZCTA boundaries from the Census TIGER/Line shapefiles (free)
zcta = gpd.read_file("tl_2024_us_zcta520.shp")
# Project to a meter-based CRS so distances are meaningful
zcta = zcta.to_crs("EPSG:5070")[["ZCTA5CE20", "geometry"]]
points = gpd.GeoDataFrame(
addresses,
geometry=gpd.points_from_xy(addresses.lon, addresses.lat),
crs="EPSG:4326",
).to_crs("EPSG:5070")
# Pass 1: strict point-in-polygon
matched = gpd.sjoin(points, zcta, how="left", predicate="within")
# Pass 2: unmatched points get the nearest ZCTA, capped at 5 km,
# flagged so downstream consumers know this was an inference
unmatched = matched[matched["ZCTA5CE20"].isna()]
if len(unmatched):
nearest = gpd.sjoin_nearest(
unmatched.drop(columns=["ZCTA5CE20", "index_right"]),
zcta,
how="left",
max_distance=5_000, # meters, because we projected first
distance_col="fallback_dist_m",
)
matched.loc[nearest.index, "ZCTA5CE20"] = nearest["ZCTA5CE20"]
matched.loc[nearest.index, "zip_inferred"] = True
matched["zip_inferred"] = matched["zip_inferred"].fillna(False)
このスニペットの3つのポイントは、実際の本番環境での痛みを防いでくれます。sjoin_nearestを呼ぶ前に、メートル単位の座標系に投影してください。max_distanceを度単位で渡すのは典型的なバグで、緯度によって意味する距離が異なるため、静かに誤った結果になります。フォールバックの距離には上限を設けましょう。最寄りのZCTA境界から40km離れた住所は、そのZCTAの「中」にあるわけではなく、データの穴にあるのです。そこでは自信満々の嘘ではなく、nullとフラグを返してほしいところです。また、zip_inferredフラグをデータウェアハウスに保存してください。Q3の配送見積もりがモンタナ州でずれた理由を関係者に聞かれたとき、このフラグがあれば10分で答えられるか、2週間の調査になるかの分かれ目になります。
運用面の衛生管理は、結合ロジックそのものよりも重要です。パイプラインの設定で境界レイヤーのバージョンを固定し、出力行の列としても記録してください。ZCTAの版を切り替えたり、USPSのレイヤーを採用したりするときに、過去の各レコードがどの境界から生成されたかを把握する必要があるからです。ソースの更新頻度(ZCTAはおおむね年次、USPSは四半期)に合わせて再取り込みをスケジュールし、版の間で行数と総面積の差分を確認するバリデーションステップを加えてください。境界ファイルには、期待以上にデータ品質上の驚きがつきものだからです。この種の大規模な空間データ基盤に興味があれば、国全体をボクセル化する記事も、同じ教訓をはるかに大きなスケールで扱っています。
nullとフラグは、自信満々の嘘に勝ります。データベースで最も厄介なZIPは、正しく見えて実は正しくないものです。
ZIP境界データのソースごとの勝ち筋
問いを用途ごとに分けてみると、比較は接戦ではなくなります。「この住所はどのZIPで郵便を受け取るか」と「この地点はどの統計エリアに属するか」は、一見同じように聞こえますが、まったく別物です。
- 分析や人口統計の結合にはZCTAが勝ちます。国勢調査データ(世帯所得、人口密度、住宅統計など)でレコードをエンリッチする場合、ZCTAは単に無料の選択肢なのではなく、正しい選択肢です。結合する国勢調査の表がZCTA単位で公開されているからです。
- 可視化にはZCTAが勝ちます。コロプレス図、市場マップ、ダッシュボードには、国全体を隙間なく敷き詰めた境界が必要です。誰も郵便を受け取らない場所に穴がある境界レイヤーは、たとえ正確であっても関係者には壊れて見えてしまいます。
- 物流や出荷にはUSPSポリゴンが勝ちます。運送業者の料金ゾーン、ラストマイルのルーティング、サービスエリアの適格性判定など、ビジネス上の問いが文字通り「USPSはこの住所に対して何をするのか」であるなら、実際の配送記録から作られたデータを使うべきです。
- 新築物件が重要な場合にはUSPSポリゴンが勝ちます。四半期ごとの更新は、ZCTAが何年も古いままになるルートの変動を追跡します。顧客が急成長する郊外で事業を展開しているなら、これだけでライセンス費用を正当化できるかもしれません。
- 座標があるなら、どちらも勝ちません。「この地点の近くには何があるか」が用件であれば、ZIPは完全に避け、緯度経度に対して本物の地理空間クエリを実行してください。ZIPベースの近接判定は、抽象化が漏れやすいものです。
もう一つ触れておくべき陣営があります。商用の境界ベンダーは、時系列の履歴や他の地理単位へのクロスウォークを束ねた、整備済みのZIPポリゴンを何年も販売してきました。USPSのプロダクトは、配送記録に基づく正確さという主張では彼らを脅かしますが、利便性では必ずしもそうではありません。すでに一社からライセンスを受けているなら、判断材料は、USPSの配送記録由来のデータ系譜が移行の価値に見合うかどうかです。ほとんどの分析ワークロードでは、見合いません。

ライセンスの問題は行き止まり。設計で回避しよう
情報公開請求(FOIA)でこのデータを解放できないか、あるいはクラウドファンディングで1つのライセンスを買って、ポリゴンを無料公開できないかと尋ねた賢明な人は多くいました。私はどちらにも賭けません。ライセンスのティアは、まさに再配布を管理するために存在しており、「一度買って無料で公開」という仕組みはPublicationティアの目的そのものと正面からぶつかります。仮にうまくいったとしても、手に入るのは、価値の本質が四半期ごとの鮮度にあるデータのスナップショットにすぎません。ルートが変われば、静的な漏洩データはすぐに負債になります。
現実的な対応は、境界レイヤーを差し替え可能な構造にしておくことです。結合ロジック、フォールバックの振る舞い、バージョン管理のメタデータは一定に保ち、ポリゴンのソースは設定として扱います。そうすれば、ZCTAからUSPSへのアップグレードは、移行プロジェクトではなく、製品ラインごとに判断できる予算の問題になります。ZCTA前提をテーブル名、結合キー、ダッシュボードのフィルターに至るまで深く埋め込んでしまい、ソースの切り替えが、回避しようとしていたライセンス費用より高くつくチームを何度も見てきました。
私の推奨:基本はZCTA、お金を払う価値がある場面でUSPS
今日どのチームに渡すとしても、判断ルールはこうです。基本はZCTAを使いましょう。無料で、国全体を隙間なく覆い、あなたがこれから結合するであろうすべての国勢調査表に一致し、分析用途では妥協案ではなく標準の選択肢です。その上で、距離に上限を設け、自身をログに記録するフォールバックを持つ2段階の結合を組み合わせ、継ぎ目が静かに隠れるのではなく見えるようにしてください。
USPSのポリゴンを購入するのは、ビジネス上の問いが郵便配送そのものに関わるとき、つまり出荷コストのモデリング、運送ルーティング、サービスエリアの適格性判定などに限ってください。その前に価値を定量化しましょう。住所のうち、ZCTAとUSPSの食い違いゾーンに入る割合を測ってください(私の経験では全国的には数%程度と低いものの、急成長地域や農村部に集中しており、そこでは誤りのコストが最も大きくなります)。その一部が意味のある売上やリスクを左右するなら、ライセンスは元が取れます。そうでなければ、製品が体感できない精度に対価を払うことになります。
そして、何を選ぶにしても、ZIPが地理であるふりをするのはやめましょう。ZIPは、ポリゴンの衣装をまとった配送ルートです。新しい公式境界があっても、その事実は変わりません。ただ、衣装の仕立てが良くなるだけです。継ぎ目を許容するパイプラインを構築し、地図と郵便が食い違う場所をログに残しましょう。そうすれば、いまだに単純な点・ポリゴン判定だけを行い、nullがどこから来るのか首をかしげている業界の大多数よりも、一歩先に進めます。

