地理空間情報処理技術

地理空間情報処理技術の概要

地理空間情報処理技術とは、地理空間情報を扱うための技術であり、地理空間情報とは、地球上のある位置や空間的な情報を表現するための情報で、位置情報や地形図、衛星画像、人工衛星の測位情報などが含まれるものとなる。

地理空間情報処理技術には、GIS（地理情報システム）やリモートセンシング技術などが含まれる。

GIS（地理情報システム）とは、地理空間情報を扱うためのシステムで、地図や空間データを収集、保存、管理、分析することができるものとなる。GISでは、位置情報や地形図、衛星画像、人工衛星の測位情報など、様々な地理空間情報を扱うことができる。このGISを活用することで、以下のようなことが可能になる。

• 地図の作成：GISは、地理情報を可視化するための地図の作成に利用される。地図は、位置情報を持ったデータを基にして作成される。
• 空間データの管理：GISは、空間データの収集、管理、加工、解析に利用される。GIS上で空間データを操作することで、空間的な傾向やパターンを把握することができる。
• 空間分析：GISは、空間的な分析に利用される。GISを使うことで、位置情報を持ったデータを分析し、地理的あるいは特徴的に近いもの同士の関係性を分析することができる。

これらによりGISは、都市計画や環境保全、土地利用、交通、災害管理、農業、林業、漁業など、様々な分野で利用されている。また、GISは、インターネットやスマートフォン、車載ナビゲーションシステムなどと組み合わせて、位置情報を活用したサービスやアプリケーションを提供する分野でも重要な役割を果たしている。

リモートセンシングとは、地球観測衛星や航空機などからのセンサーによる画像データを取得し、地球表面や大気などの情報を収集する技術となる。リモートセンシングによって収集される情報には、地表面の様子や植生の状態、地形、気候、海洋の温度や塩分濃度など、様々な地球規模の情報が含まれる。

リモートセンシングでは、センサーによって地球上の物質が放射する電磁波を測定し、その情報をデジタルデータとして収集しており、収集されたデータを用いて画像処理や解析を行うことで、地表面の状況や特性を把握することができる。

リモートセンシングは、気象予測や農業生産、自然災害の監視、環境保全など、多岐にわたる分野で活用されており、例えば、農業では、土地の状態や植生の状況を把握することで、適切な作物の種類や肥料の投入量を決定することができる。また、自然災害では、洪水や地震の被害範囲を把握することで、迅速な救援活動の展開が可能になる。

この地理空間情報処理技術に人工知能技術を適用することで、以下のようなより高度な地理空間情報の収集、解析、予測が可能になる。

• 画像解析: 地球観測衛星やドローンなどから収集された画像データを、人工知能技術を用いて自動で解析することができる。これは例えば、深層学習を用いた画像認識技術を用いることで、建物や道路などの地物を自動的に検出すること等が実現可能となる。
• 地形分類: 機械学習を用いた地形分類技術を用いることで、地形の種類や傾斜などを自動で判定することができる。これにより、土地利用計画や災害リスクマップの作成等が実現可能となる。
• ルート最適化: 人工知能技術を用いたルート最適化技術を用いることで、配送ルートや交通渋滞を考慮した最適なルートを自動で計算することができきる。
• 予測モデルの作成: 過去の地理空間情報をもとに、機械学習を用いた予測モデルを作成することができる。これは例えば、地震の発生確率や気象災害の発生予測などに役立つ。
• 地理情報の自動生成: 深層学習を用いた自動地図作成技術を用いることで、航空写真や衛星画像から自動的に地図を生成することができる。

本ブログではこれら地理空間情報に関して以下の内容について述べている。

地理空間情報処理技術について

岩波データサイエンスvol4「地理空間情報処理」より。

地理空間情報とは、位置の情報もしくは、位置と結びついた情報を指す。例えば、LOD等に利用される行政で扱う情報の80%は何らかの位置情報と結びついていると言われ、極論すると、情報が発生した場所を情報と一緒に記録すると、すべての情報が「地理空間情報」ということもできる。

この位置と結びついて情報を扱うことで、単純に地図の上に位置情報をプロットするだけでも、情報の分布状況を把握する事ができ、GPS等を用いて緯度軽度に結び付けた道路や目的地のデータがあると、GPS付きの端末を持った人を目的の場所へ誘導したり、どういった動きをしたかという軌跡を取ることにより、緯度軽度と結びついて過去・現在。未来の出来事の情報で、位置を元にサービスを提供することもできる。

このような位置情報の特徴をうまく活用することで、新たな科学的な発見や、ビジネスでのサービスの展開、またさまざまな社会問題の解決が可能となる。

実装

• 地理情報処理の概要と様々な適用事例およびpythonによる実装について

地理情報処理(Geographic Information Processing)は、地理的な位置や空間データに関する情報を取得、管理、分析、表示するための技術や手法のことを指し、地理情報システム(Geographic Information System, GIS)や位置情報システム(Location-based System)などの分野で広く使用されているものとなる。ここではこの地理情報処理に関しては、様々な適用例とpythonによる具体的な実装例について述べている。

• DBSCAN(Density-Based Spatial Clustering of Applications with Noise)の概要と適用事例および実装例について

DBSCANは、データマイニングや機械学習における人気のあるクラスタリングアルゴリズムであり、クラスタの形状を仮定するのではなく、データポイントの空間密度に基づいてクラスタを発見することを目的としたアルゴリズムとなる。ここでは、このDBSCANの概要とアルゴリズム、様々な適用事例とpythonによる具体的な実装について述べている。

技術詳細

• QGISを使った地理空間情報入門

GIS(Geographical Information System)とは、地理空間情報を重ね合わせて表示し、情報を加工することができ、重ね合わせた情報同士に対して何らかの解析処理を行え、状況判断を助けるシステムとなる。

地理空間情報を表示するシステムとしては、デスクトップで動作するGISソフトウェアと、ブラウザ上で動作するWeb地図がある。デスクトップで動くGISとしては、有償であるERIS社のArcGIS、オープンソースソフトウェアのQGISがある。これらについては、編集機能や解析機能が豊富に提供されている。一方、GoogleMapを始めとしたWeb地図は、情報の表示や重ね合わせは得意なものの、編集機能や解析機能は提供されていないか、簡単なものしかない場合がほとんどとなる。そのため、地理空間情報の活用の仕方によって、デスクトップGISとWeb地図を使い分けることが肝要となる。

ここでは2016年に発生した熊本地震での「避難施設ごとの想定避難者人口マップ」を作成する事例を示す

• RとQGISの連携

位置データの属性情報をもとに、地域の動向を数値的に把握したり、状況を統計的に予測したりといった一歩踏み込んだ分析をしたい場合は、統計処理ソフトRとの連携を考える場面となる。また、位置データの加工処理を自動化したい場面においても、Rは地理情報を扱うためのパッケージが充実しているため、データ加工の一連の処理をR言語で記述することが可能となる。

ここでは、GISで加工した位置データをRに取り込み、位置データの分析および処理の自動化、さらにOpenStreetMapのデータを利用した処理の改善について述べる。Rで位置データを扱うためには、パッケージのインストールが必要になる。主なものとしてはsp、rgdal、maptools、rasterなどがある。

• 地図の上での階層ベイズモデル

コロブレスマップ(cholopleth map)とは、地図上のそれぞれの区間ごとに対応した統計数値に合わせた色調で塗り分けたものとなる。塗り分けに用いる統計数値は予め調査されたデータをそのまま用いる場合もあれば、観測されたデータから何らかの推定を行なった値を用いる場合もある。コロプレスマップは、地域ごとの数値を地理(空間)情報と組み合わせて可視化する際に使われる。

ここでは、地図上に表現された地理的な隣接情報を利用して、空間的な相関を考慮した階層ベイズモデルを用いた推定を行い、その結果をコロプレスマップとして地図上に可視化する方法を説明する。

• 顧客動線研究入門 HMM,k-medoid,フラクタル次元,カーネル密度推定法

顧客動線とは顧客が移動した店舗内の経路・移動情報のことであり、顧客動線研究とは販売データや顧客データなど多様なデータと顧客動線データを結合し、店舗レイアウトの設計や店舗プロモーションの効率化などを行おうとする店舗マネジメント手法の一つとなる。

今回の述べるテーマである顧客の店内行動は、顧客の店内時系列情報を元に生成される、訪問確率、立ち寄り率、売り場訪問順序などが考えられる。またそれらの顧客の店内行動がビジネスにもたらす結果を定量的に計測するために、購入確率や売り上げ金額など、多様な指標を利用することができる。このような顧客の店内行動と購買行動などの結果との因果関係は、その環境から大きな影響を受ける。時間帯、店舗立地などはもちろん、販売促進や個人属性などの違いは深刻な違いを生じさせる。

それらの分析に対して、確率モデルであるHMM、k-meansを改良したk-medoid、フラクタル次元カーネル密度推定法を使った分析について述べる

• 空間疫学への誘い-難病の地図から何が見えるか Poisson-Gammaモデルによるクラスタ推定

特定の集団における健康関連事象の頻度や分布を調査し、その要因を解明し、かつ研究成果を健康問題の予防やコントロールに適用する学問を疫学(epidemiology)という。特に空間データを用いる疫学研究は空間疫学(spacial epidemiology)と呼ばれ、地図や位置情報を用いることから地理情報システム(GIS)との関連も深い研究分野として注目されている。

ここで、都道府県や保健所管轄などの、ある地域単位で集計されたデータを扱う場合、単に観測数のみを考えれば、その数は当然人口の多胎地域ほど多くなる傾向となる。また疾病によっては地域住民の年齢構成が影響を与える場合もあり、単純な観測数やその地域の人口で割った人口あたりの観測数で比較しても不十分な場合もある。そのために、人口の違いとともに、年齢等の影響を取り除くために標準化されたリスク指標を用いた疾病地図がよく利用される。それらの中で代表的なものとして、間接法とよばれる標準化羅病比(Standard Morbility Ratio;SMR)などが用いられる。

さらに地域間の比較を目的とした場合、その地域のリスク指標の推定精度を考慮するため、ベイズ推定値が用いられることもある。ここでは都道府県、保健所管轄単位の所持者数データに対し、日本全国を基準集団として年齢構成を調整したSMRのPoisson-Gammaモデルによる経験ベイズ推定値を求めた。

• ソーシャルメディアでインフルエンザの流行を捉える 自然言語処理のアプローチ

2010年前後から急速に普及し始めたTwitterなどのソーシャルメディアの出現により、ウェブ上で利用できるデータが、単なるテキストだけではなく、時間(日付)情報や地理情報(GPS情報)、画像・音声情報等、複数のモダリティが付加されるようになった。

このような技術の進歩により(誰が、いつ、どこで、何を)といった情報(以降イベント情報と呼ぶ)が大量に収集できるようになり、従来は限られたアプリケーションしか持たなかった自然言語処理の領域に膨大な出口の可能性が得られた。

このソーシャルメディアで情報を発信している人々を、あたかも何らかのセンサーのように見做し、自然現象や社会現象を特定する領域の研究はソーシャルセンサーを利用した研究と呼ばれることがある。

これに対し、近年では統計的に単語の選択を行う手法が模索されている。例えば、いったん可能な限りの発言を収集し、そこからインフルエンザの患者数と相関の高い単語を抽出するために、次元を圧縮する方法、回帰モデルを用いる方法、患者数をある種のトピックとみなしてトピックモデルを用いる方法や、収集する単語同士の相関を低くする(冗長度を減らす)mRMR(minimum Redundancy Maximum Relevance)といった素性選択週報の運用なども試みられている。

• 動く地理空間情報 -シミュレーションとデータの同化

リアルタイム観測ベースの携帯端末をメッシュ単位で集計した時間別の人口データと、PTデータに基づく都市圏の流動データを組み合わせて、人々のリアルタイムな推定流動を求めることが考えられる。これらは、シミュレーションモデルと観測データの融合という意味で、データ同化とも呼ばれるアプローチであり、観測データが取得できない将来の予測をモデルから行えるメリットがある。

具体的には「行動とする都市に存在する人々の位置」を状態変数とした状態空間モデルを用い、パーティクルフィルタによってデータの同化を行う。観測データであるメッシュ人口分布が得られない時刻における、パーティクルの時間発展を与えるのがシミュレーションであり、観測データが得られた際には、パーティクルごとの尤度(観測データへの当てはまりの良さ)を計算し、尤度で重み付けしてパーティクルをサンプリングして次の時刻の予測に用いる。なおシミュレーションについては、過去のPTデータに基づき、各人の目的地がある程度与えられている前提で、そこまでの交通状況に基づき速度などを変化させながら行なっている。

• 位置情報プライバシー -k匿名化と隠れマルコフモデルによる匿名化

スマートフォンの普及に伴い、我々の位置情報の取得が容易になり、位置情報を利用したさまざまなソーシャルネットワークのサービスが提供されている。そうした位置情報の分析と活用の2次利用の機械はさまざまな分野にひろがっており、交通情報の提供、都市設計といった社会サービス、また商圏分析などの商用ビジネスにも活用されている。

その一方で、位置情報から、個人の習慣、興味、行動、交際範囲など、プライバシーに関する情報が明らかになる危険性がある。位置情報を第三者に安全な利活用をしてもらうには、データを提供する側にプライバシー保護のための匿名化と呼ばれるデータ加工が必要となる。

現状の匿名化の安全性基準は匿名化データの形式のみを要件としており、十分な安全性が保証されているとはいえない。こでは、一般に広く普及している匿名化技術を位置情報に適用した場合の問題点を指摘し、匿名化手法の安全性評価のためのマルコフモデルに基づく統計的手法について述べる。

• ドローンと3次元モデル復元技術

近年ドローンは、輸送や農業、測量、防災など様々な分野で実用化が進んでいるが、地理空間情報においても重要な技術となっている。ドローンとは、小型の無人航空機(UAV:Unmanned aerial vechicle)のことで、無線による遠隔操縦や、設定したコースを実り飛行させられることが特徴となる。そのため、災害現場のような、危険な場所にも無人で近づくことができ、搭載したカメラで状況を詳細に撮影することができる。

一方、近年のコンピュータービジョンに関する技術の進歩とコンピューターの性能向上により、カメラで撮影した大量の画像から、写っている物体の形状を、自動で3次元に復元することが可能となってきている。この技法はSfM(Structure from Motion)およびMVS(Multi view Stereo)と呼ばれている。この3次元モデル復元技術を、ドローン撮影した画像と組み合わせることにより、迅速かつ容易に地形モデルやオル祖画像を作成することができる。

• OOHの効果測定ができる!?今まで難しかった効果検証が位置情報データを活用することで分析可能に！(外部リンク)

マーケティング活動において、常に問題となるのは広告・宣伝の効果検証です。PDCAサイクルを回して改善を行っていくためにも、広告の効果は正しく把握し検証する必要があります。今回は、広告のなかでも特に効果測定が難しいといわれるOOH（屋外広告）について、種類や特徴を紹介するとともに、OOHの効果測定を実現する方法を解説します。

• Scalable Geo-thematic Query Answering

ジオプロセシングのシナリオでは、大量のデータを扱う必要があるため、一次論理（FOL）の書き換え可能性はジオテーマオントロジーに対する問合せ応答にとって望ましい特性である。したがって、FOLの書き換えを可能にする十分な表現力を持つ問い合わせ言語を提供する複合ジオテーマロジックが必要である。記述論理DL-Liteファミリーは、接続クエリのユニオンに対するクエリ応答のFOL書き換え可能性に合わせて調整されており、それゆえ、ジオテーマ統合論理のテーマ要素の候補として適している。DL-Liteと表現力豊かな領域接続論理RCC8との弱い結合により、ABoxの空間的完全性条件下でFOL書き換えが可能であることを示す。FOL書き換え可能な強い結合は、低解像度論理RCC2のような弱い空間論理に対してのみ可能である。すでに、DL Liteと低分解能計算機RCC3の強い結合では、

• Trentino Government Linked Open Geo-data: A Case Study

私たちの研究は、データが異なるエンティティから来ることができ、異なるフォーマットで作成、保存、配信され、異なるレベルの品質を持つことができる行政領域のコンテキストで解決されています。したがって、様々なデータ統合タスクを実行しながら、このような異質性に対処する必要がある。我々は、イタリア・トレンティーノ地方のジオメタデータとジオデータを、政府によってリンクされたオープンな形で公開する実験結果を報告する。具体的には、既存のジオポータル内のジオカタログアプリケーションを活用し、161のコアジオデータセットをどのように公開したかを説明する。また、このアプリケーションの導入と使用、および公開されたデータから得られた教訓について説明します。

• ORCHID – Reduction-Ratio-Optimal Computation of Geo-spatial Distances for Link Discovery

知識ベース内のリソース間のリンクを発見することは、セマンティックウェブのビジョンを実現するために極めて重要である。地理空間データセットを扱う場合、その膨大なサイズと単一の地理空間オブジェクトの潜在的な複雑さのために、このタスクに対処することは特に困難である。しかし、これまでのところ、リンク発見の文脈における地理空間データの特性にはほとんど注意が払われていない。本論文では、このギャップを埋めるために、特に地理空間データのために設計された削減率最適化リンク発見アプローチであるOrchidを紹介する。Orchidは、地理空間オブジェクト間の距離を計算するために、HausdorffとOrthodromicのメトリックの組み合わせに依存する。我々はまず、Hausdorff距離の効率的な計算のための2つの新しいアプローチを提示する。次に、Orchidによって実装された空間タイリングアプローチを紹介し、それが達成可能な縮小率に関して最適であることを証明する。我々のアプローチの評価は、サイズと複雑さの異なる3つの実データセットに対して行われた。その結果、Hausdorff距離の計算に対する我々のアプローチは、地理的なデータを比較するために必要な直交距離の計算量が2桁少ないことが示唆された。さらに、この目標を達成するために必要な時間も、素朴なアプローチに比べて2桁少なくなる。最後に、我々の結果は、Orchidが大規模なデータセットに対応しつつ、最先端の技術を大幅に上回る性能を発揮することを示しています。

• Geographica: A Benchmark for Geospatial RDF Stores

GeoSPARQLやstSPARQLのようなSPARQLの地理空間拡張が最近定義され、対応する地理空間RDFストアが実装されてきている。しかし、この分野における最近の技術の進歩を考慮した、地理空間RDFストアを評価するための広く使用されているベンチマークは存在しない。本論文では、Geographicaと呼ばれるベンチマークを開発し、実世界と合成データの両方を用いて、いくつかの著名な地理空間RDFストアの提供する機能と性能をテストする。このベンチマークは、実データと合成データを用いて、いくつかの著名な地理空間RDFストアの提供する機能と性能をテストするものである。