この違いわかる? 税金は「地番」で決まる？〜地番図から読み解く固定資産税の仕組み〜
固定資産税は住所ではなく「地番」を基準に算定されます。本記事では地番図を手がかりに、課税の仕組みや土地評価の考え方をGIS視点でわかりやすく解説します。
オープンデータ
この違いわかる? 
未分類 熊の出没マップはどう作られる？──“5つのポイント”をわかりやすく解説
熊の出没マップはどう作られるのか？出没地点の“点の集まり”をクラスタリングで分析し、DBSCANで危険エリアを抽出します。本当にリスクの高い場所を科学的に可視化する仕組みを分かりやすく解説します。
この違いわかる? 写真から位置を取得して地図に表示する方法
はじめにスマートフォンやデジタルカメラで撮影された写真には、多くの場合「Exif（Exchangeable image file format）」という付加情報が含まれています。撮影日時、カメラの設定、そしてGPSによる位置情報など、その瞬...
未分類 写真から位置を取得して地図に表示する方法
スマートフォンやデジタルカメラで撮影した写真に含まれるExifデータを活用し、GPS位置情報から撮影地点を地図上に表示する方法を解説します。JavaScriptライブラリ「exif-js」と「Leaflet.js」を使い、ブラウザ上で動作する軽量な位置可視化アプリを構築。観光記録、防災記録、環境調査などへの応用事例も紹介し、写真が持つ“空間情報”の価値とその活かし方を掘り下げます。実装コード付きで、初心者にもわかりやすい構成です。
未分類 衛星データで森と都市を「見える化」する――LandsatとNDVIが語る地球の変化
衛星が見守り続ける地球1972年、NASAとUSGSが共同で打ち上げた1基の衛星が、地球観測の歴史を大きく変えました。これが「Landsat（ランドサット）」計画の始まりです。以来、Landsatシリーズは40年以上にわたり地球を撮影し続け...
AIの応用 【奈良市オープンデータ活用】AIによる地目分類の教師データ作成とモデル登録までの道のり
地目分類というと、従来は現地調査や紙図面による手作業が中心でした。しかし、近年ではAIとGIS技術の進化により、地目の自動分類が現実のものとなりつつあります。本記事では、奈良市が公開しているオープンデータを活用し、地目分類AIを構築する過程を紹介します。特に焦点を当てたのは、AIモデルの核となる「教師データ」の作成プロセスと、それをAIに学習させて運用可能な分類器として登録するまでの工程です。教師データとは、AIに「これは何か」を教えるための正解付きデータです。本プロジェクトでは、空中写真や地番図といった奈良市のオープンデータを組み合わせ、手動による精密なアノテーションを行い、高精度な教師データを作成しました。これにより、田・畑・宅地・山林・雑種地といった主要な地目をAIが高い精度で識別可能になります。AIモデルの学習にはPyTorchを利用し、空中写真と地番ポリゴンの対応関係をもとにCNN（畳み込みニューラルネットワーク）を構築。最終的にはGeoJSON形式で分類結果を出力する仕組みを整備しました。これにより、地目分類結果をQGISなどのGISソフトで可視化・検証できるようになっています。この記事では、教師データ作成・AI学習・分類結果の出力までを、因果・対比・同等という3つの論理構造で整理。従来の手作業との比較、教師データの質と精度の因果関係、そして人とAIの役割分担の同等性についても掘り下げています。また、プロジェクトで用いたコードやモデルはGitHubで公開されており、他自治体や研究機関が自由に応用できるよう設計されています。都市計画、農地管理、災害対策など、幅広い応用が期待される地目分類AI。その第一歩として、本記事が実務と技術の架け橋となることを目指しています。#奈良市 #オープンデータ #教師データ #AI活用 #地目分類 #QGIS #PyTorch #都市管理 #地図AI #GitHub公開
AIの応用 奈良市オープンデータで地目分類AIを作ってみた
奈良市が公開している地籍・地目情報のオープンデータを活用し、AIによる土地分類（地目判別）を自動化するための教師データを作成・学習するプロジェクトです。本プロジェクトでは、地図や航空写真と地目ラベル（例：宅地、公衆道路、原野、学校用地など）を組み合わせて、小さなパッチ画像（例：100m四方）を作成し、それを元にPyTorchを用いた深層学習モデルで土地の種類を識別できるように学習を行います。地目分類は不動産評価、都市計画、防災対策など幅広い分野で必要とされている一方、従来は目視や手作業に依存する場面が多く、効率化が求められていました。本プロジェクトでは「auto-geomoku-classifier」で用いていた手法を奈良市に適用し、地域特化型のAIモデルを再構築することを目的としています。データの整備にはQGISを使用し、地目ポリゴンとオルソ画像を視覚的に確認しながらパッチ画像を生成。教師データ生成用スクリプト（create_patches_count_fixed_CSV_ONLY.py）と学習用スクリプト（train_land_classifier_ADD.py）を用いて、オープンデータから実用的な学習セットを構築しました。さらにGitHubを使ってプロジェクト全体をバージョン管理し、再現性やチーム共有も可能としています。このプロジェクトは、他自治体や他地域への展開を見据えたテンプレート構成となっており、奈良市以外の地目データに差し替えることで柔軟に応用が可能です。教師データ構築・地目分類AIモデルの学習・評価・公開という一連の工程を通じて、オープンデータ利活用とAI技術の融合による地域課題の解決を目指します。
GISアプリ 自動地目分類器（auto-chimoku-classifier）をGitHubで公開しました。
地理空間情報を活用した自動分類器「自動地目分類器（auto-chimoku-classifier）」をGitHubで公開しました。
GISアプリ MapLibreで古地図を表示
MapLibreを用いて過去と現在の地図を重ね合わせ、都市や自然環境の変遷を可視化する「今昔地図」表示方法を紹介します。国土地理院の地図や「今昔マップ on the web」の古地図を利用し、浜松駅周辺を例に複数時代の地図を切り替え表示可能。透過度調整や背景地図変更にも対応しており、地理や歴史、都市開発の研究・教育にも活用できます。TMS形式への対応やレイヤー管理など、MapLibre実装時の技術的ポイントも解説します。
WebMAP 2023全国交通事故現場を3Dで表示
2023年の全国交通事故地点を3Dで視覚化したマップを提供。警察庁が公開した交通事故統計情報のオープンデータを基に、全国各地の交通事故現場を3Dで表示し、事故地点の周囲の環境や地形的要因を立体的に確認できます。3D表示により、事故現場の特徴、隣接する建物の影響や視界の開け具合、地形の高低差や坂道など、平面では把握しにくい情報を視覚的に捉えることが可能です。これにより、事故原因や事故発生時の状況をより深く理解し、交通安全向上や事故防止策の立案に役立つ新たな視点を提供します。3Dマップを使うことで、事故発生場所の危険因子や視覚的な障害を特定でき、ドライバーや交通管理者が効率的に安全対策を講じるための貴重なデータを提供します。事故の原因となる地形や建物の配置、道路の曲がり具合など、具体的なリスク要因を3D視覚化することにより、より効果的な交通安全教育やシミュレーションが可能となります。さらに、事故現場の立体的な分析を通じて、再発防止策や交通規制の強化に貢献できるため、行政や地方自治体によるリソースの効率的な配置にも役立ちます。交通事故の減少と安全性の向上を目指して、3Dマップを活用した新たな解析方法を提案します。このデータに基づく3D表示は、道路設計者や都市計画者、さらには運転者にとって重要なツールとなり、交通事故を未然に防ぐための実践的な手段を提供します。事故発生地点の詳細な地形データと周囲の環境情報を確認することで、地域ごとの交通安全対策を強化し、公共の安全を向上させるための取り組みが可能になります。