この違いわかる? AirTagとGPS受信機は、何が「決定的に」違うのか――同じ「位置が分かる」でも、思想は真逆だった
AirTagとGPS受信機は、同じ「位置が分かる」技術でも思想と仕組みはまったく異なります。本記事では両者の違いを、仕組み・精度・電池・プライバシーの観点から分かりやすく解説します。
GIS
この違いわかる? 
この違いわかる? 複合主題図による空間解析が切り拓く新しいリスクマップの世界― 樹種 × 地形条件で見える化する防災・環境対策の可能性
森林と地形の組み合わせから、熊の出没・山火事・土砂災害といった多様なリスクを可視化する──。本記事では、複合主題図を用いた空間解析によるリスクマップ化の手法と、その応用可能性をわかりやすく解説します。針葉樹と広葉樹という植生の違い、傾斜や方位といった地形的要素を重ね合わせることで、従来の地図では見えなかった「危険の構造」を読み解く。防災計画、獣害対策、森林管理、そして住民参加型の地域防災まで、複合主題図がもたらす新しい視点とは何か。自然と人間の関係を「見える地形」として捉え直す、未来志向の空間分析レポート。#防災 #複合主題図 #空間解析
この違いわかる? 緯度経度じゃ距離も面積も測れない？──地図のプロが教える使い分けの基本
地図やGISで使われる「緯度経度」と「平面直角座標」。距離や面積を正確に測るにはどちらを使うべき？地図のプロが座標系の違いと使い分けを解説。
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。
地理情報 【新機能解説】浜松市都市計画マップに「市街化調整区域における集落」「宅地造成」「特定盛土等規制区域」表示が追加
浜松市の地図情報サイトに「市街化調整区域における集落」「宅地造成等工事規制区域」「特定盛土等規制区域」の表示機能が追加。新たに可視化された区域情報が、市民・事業者・行政に与えるメリットや都市計画上の意義を多角的に解説。
GISアプリ Pythonで多角形解析！GitHubで公開したスクリプトパッケージのご紹介
CSV形式の座標データから多角形を解析するPythonスクリプトを公開。GISや空間情報処理に役立つ実用ツールです。
この違いわかる? QGISユーザー必見！全レイヤを一括保存「GPKGエクスポーター」プラグインの魅力とは？
GPKGエクスポーター」は、QGISプロジェクトに存在するすべてのベクターレイヤーを1つのGeoPackage（GPKG）にまとめて保存することができるプラグインです。各レイヤーのグループ構造や座標系を維持したまま、一括でのエクスポートを実現。操作はGUIに統合されており、ワンクリックでの出力が可能です。GDALのVectorTranslateを活用して、個別レイヤーを統合し、重複名の自動調整も行われます。GitHubからZIPをダウンロードし、QGIS標準のインストーラで簡単に導入可能。都市計画、災害対応、学術研究など、多様な分野で活用されています。
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。