最終更新日：2026年10月28日
当選ラインは何票？
投票率・候補者数・得票分布から
当落境界の変化をシミュレーション
2026年11月15日に投開票が行われる 舞鶴市議会議員選挙2026。
今回は議員定数24人に対して、 33〜34人規模の立候補が見込まれています。 正式な候補者数は11月8日の告示日に確定します。
前回2022年の選挙では29人が立候補し、 25人が当選しました。
候補者数が増え、議員定数が減る今回の選挙。 気になるのは、 「何票を獲得すれば当選するのか？」 という問題です。
そこで今回は、私自身の票読みとは切り離し、 過去の選挙結果をもとにAIによる独立分析を行いました。
1．過去の舞鶴市議選を比較
| 比較項目 | 2018年 | 2022年 |
|---|---|---|
| 議員定数 | 26人 | 25人 |
| 候補者数 | 34人 | 29人 |
| 投票率 | 56.75% | 50.10% |
| 最下位当選 | 1,052票 | 864票 |
| 次点得票 | 405票 | 830票 |
| 当落差 | 647票 | 34票 |
2018年は、26位の当選者と27位の落選者の間に 647票もの差がありました。
一方、2022年の当落差はわずか34票。
同じ舞鶴市議選でも、 当落境界の得票分布が大きく違っていた ことが分かります。
2022年は定数25人でしたが、 今回の定数は24人です。 前回の24位は873票、25位は864票でした。
2．投票率が変わると何が起きる？
2022年の舞鶴市議選の投票率は50.10％。
2026年4月の京都府知事選では、 舞鶴市の投票率は40.33％でした。
選挙の種類が異なるため単純な予測には使えませんが、 投票率が変われば全候補者で分け合う票数も変わります。
そこで、投票率40％・45％・50％の 3つの条件を設定しました。
投票率の違いだけで、約6,140票もの差が生じます。
ただし、この減少分がどの候補者に影響するかは 分かりません。
3．34人に均等配分した場合
仮に34人が立候補し、 すべての票が均等に配分されたとしたらどうなるでしょうか。
| 投票率 | 想定有効票数 | 34人平均 |
|---|---|---|
| 40% | 約24,560票 | 約722票 |
| 45% | 約27,630票 | 約813票 |
| 50% | 約30,700票 | 約903票 |
実際の選挙では上位候補への票の集中や、 下位候補への分散があるため、 24位の得票数は平均からずれることがあります。
4．AIによる得票シミュレーション
次に、AIによる条件付きのシミュレーションです。
2022年の得票分布を参考に、 34人の候補者を想定し、 票の集中度を3つのパターンに分けました。
候補者間の得票差を比較的小さくする仮定。
前回の順位別得票構造を参考にする仮定。
上位候補への票の偏りが強くなる仮定。
定数24人、候補者34人。個別候補者の支持率は使用しない。
24位の得票数：モデル別試算
| 投票率 | 比較的均等 | 2022年型 | 上位集中型 |
|---|---|---|---|
| 40% | 656票 | 635票 | 612票 |
| 45% | 738票 | 714票 | 689票 |
| 50% | 820票 | 794票 | 765票 |
上記の数値は、これまでに作成した 仮定上の分布モデルの出力です。 分布の細かなパラメーターと全候補者分の 計算過程は、まだ再現検証を終えていません。 そのため、統計的な予測区間や 実際の当選ラインとして扱うことはできません。
このモデルが示しているのは、 同じ投票率でも票の集中度によって 24位の得票数が変わる ということです。
5．票の集中と分散が当選ラインを変える
当選ラインを考えるうえで、 特に重要なのが票の分布です。
特定の候補者に票が集中すれば、 残る候補者に配分される票の総量は小さくなります。
さらに多数の候補者が立候補すれば、 その票が細かく分散する場合もあります。
こうした状況では、 全候補者の平均得票数より、 最下位当選者の得票数が低くなることがあります。
ただし、票の集中と分散が どの程度起こるかは、開票結果が出るまで分かりません。
6．落選候補に投じられた票にも注目
落選候補者への投票を、 集計上「死票」と呼ぶことがあります。
2022年の舞鶴市議選では、 落選者4人の合計得票数は約2,547票でした。
ところが2018年は、落選者が8人いたにもかかわらず、 合計約1,903票でした。
これは、候補者が多いからといって、 落選候補への票が必ず増えるわけではないことを 示しています。
今回34人が立候補すれば、 定数24人に対して落選者は10人です。
| 落選10人の平均得票 | 落選者合計 |
|---|---|
| 300票 | 3,000票 |
| 400票 | 4,000票 |
| 500票 | 5,000票 |
上の表は仮定の計算です。 実際の死票の総数を予測したものではありません。
また、落選候補への一票も、 有権者が意思を示した大切な一票であることに 変わりはありません。
7．AI分析の結論
今回の分析で分かったこと
過去の舞鶴市議選を見ると、 当選ラインは候補者数だけでは説明できません。
投票率、有効投票数、上位候補への票の集中、 下位候補への分散。
こうした要因が重なり、 最下位当選者の得票数が決まります。
今回の条件付きAIモデルでは、 投票率45％の場合に 24位が689〜738票となる試算を得ました。
ただし、 これは予測の確定値ではなく、 仮定を置いた計算結果です。
今回の分析は、特定候補者の当落を予測するものではありません。
私自身の票読みとも切り離し、 AIが過去の選挙データをどのように解釈するのか、 その過程を記録したものです。
2026年11月15日の投開票後には、 実際の投票率や得票分布と比較し、 今回のモデルを検証したいと思います。
AIによる選挙データ分析は、 実際の開票結果とどこまで一致するのでしょうか？
参考資料・データの出典
※2026年の試算は過去データを用いた仮定上の計算です。 候補者の支持率調査や世論調査による予測ではありません。
＼ 最新情報をチェック ／
