新技術ガイド：WebGIS・3D・VLMの最前線

目次

Link Fieldでは、最新技術の検証と実験的なプロジェクトに取り組んでいます。

このガイドでは、WebGIS、3D表現、点群データ、VLM応用など、GIS分野の新技術を紹介します。miru-lab.jp、neta-lab.comでの実験成果も公開しています。

1. このガイドについて

Link Fieldでは、実務で使える技術だけでなく、将来有望な新技術の検証も行っています。

技術探求の姿勢:

  • 新しい技術を積極的に試す
  • 実用性を見極める
  • 成果を共有する

1.2 実験的プロジェクトの紹介

検証中の技術:

  • 最新VLMモデルのGIS活用
  • ローカルLLMの性能評価
  • WebGLを使った3D地図表現
  • 点群データの軽量化手法

1.3 miru-lab / neta-lab との連携

サイト 役割 コンテンツ
miru-lab.jp データ可視化・技術デモ インタラクティブマップ、デモ
neta-lab.com エンタメGIS・実証実験 遊び心のあるGIS活用
link-field.jp 技術解説・ノウハウ ガイド、記事

2. WebGIS・地図表現技術

2.1 インタラクティブマップ

技術スタック:

  • Leaflet: 軽量、学習コスト低
  • MapLibre GL JS: 高機能、ベクタータイル対応
  • OpenLayers: 高機能、多機能
  • Deck.gl: 大規模データ、3D対応

選定ガイド:

要件 おすすめ
シンプルな地図表示 Leaflet
スタイリッシュな地図 MapLibre GL JS
大量データの可視化 Deck.gl
多機能・カスタマイズ OpenLayers

Leaflet基本実装:

<!DOCTYPE html>
<html>
<head>
    <link rel="stylesheet" href="https://unpkg.com/leaflet/dist/leaflet.css" />
    <script src="https://unpkg.com/leaflet/dist/leaflet.js"></script>
</head>
<body>
    <div id="map" style="height: 400px;"></div>
    <script>
        const map = L.map('map').setView([35.6812, 139.7671], 13);

        L.tileLayer('https://{s}.tile.openstreetmap.org/{z}/{x}/{y}.png', {
            attribution: '© OpenStreetMap contributors'
        }).addTo(map);

        L.marker([35.6812, 139.7671])
            .addTo(map)
            .bindPopup('東京駅');
    </script>
</body>
</html>

2.2 3D地図表現

3D地図の種類:

  • 2.5D（押し出し）: 建物を高さで押し出し表現
  • 真の3D: 地形、建物の3Dモデル表示
  • 点群表示: LiDARデータの3D表示

MapLibre GL JSでの3D建物:

map.on('load', () => {
    map.addLayer({
        'id': '3d-buildings',
        'source': 'composite',
        'source-layer': 'building',
        'type': 'fill-extrusion',
        'paint': {
            'fill-extrusion-color': '#aaa',
            'fill-extrusion-height': ['get', 'height'],
            'fill-extrusion-opacity': 0.6
        }
    });
});

2.3 歴史地図アーカイブ

miru-lab.jpでの取り組み:

  • 古地図のデジタルアーカイブ
  • 現代地図との重ね合わせ
  • 時系列スライダーでの変化表示

技術的なポイント:

  • 古地図のジオリファレンス（座標合わせ）
  • タイル化による軽量配信
  • 透明度調整によるレイヤー比較

2.4 時系列可視化

時系列データの表現方法:

  • アニメーション再生
  • タイムスライダー
  • スモールマルチプル（並列表示）

実装例（時系列アニメーション）:

let currentIndex = 0;
const timestamps = ['2020-01', '2020-02', '2020-03', ...];

function animate() {
    // データを更新
    updateMapData(timestamps[currentIndex]);

    // 次のフレームへ
    currentIndex = (currentIndex + 1) % timestamps.length;

    setTimeout(animate, 1000);  // 1秒ごと
}

animate();

3. 点群・3Dデータ処理

3.1 点群データの基礎

点群データとは:

  • 3次元空間上の点の集合
  • 各点に座標(X,Y,Z)と属性（色、強度など）
  • LiDARやSfMから取得

主なフォーマット:

形式 特徴
LAS/LAZ 標準形式、LAZは圧縮版
PLY シンプル、3Dソフト互換
E57 測量向け、メタデータ豊富
PCD Point Cloud Library形式

3.2 ドローン測量との連携

ワークフロー:

ドローン撮影（写真）
      │
      ▼
SfM処理（Structure from Motion）
      │
      ├── 点群データ
      ├── メッシュ（3Dモデル）
      └── オルソ画像
           │
           ▼
後処理（ノイズ除去、分類）
           │
           ▼
GISへ統合・分析

使用ソフト:

ソフト 特徴
Metashape 高機能、商用
OpenDroneMap オープンソース、無償
Pix4D クラウド対応

3.3 3Dモデル生成

点群から3Dモデルへ:

  1. ノイズ除去: 不要な点を削除
  2. サンプリング: 点の密度を調整
  3. メッシュ化: 点群を面に変換
  4. テクスチャ: 写真から色を付与

CloudCompareでの処理:

1. 点群を読み込み
2. Noise filter で異常点除去
3. Subsample で点数削減
4. Poisson Surface Reconstruction でメッシュ化
5. エクスポート（OBJ, PLY等）

4. 画像認識・VLM応用

4.1 最新VLMモデル検証

2025年時点の注目モデル:

モデル 特徴 ローカル実行
GPT-4V/4o 高精度、マルチモーダル ×
Claude 3 高精度、詳細な説明 ×
LLaVA 1.6 オープン、ローカル可 ○
Qwen-VL 日本語対応 ○
Llama 3.2 Vision Meta製、高性能 ○

検証結果（地図読み取り）:

  • 一般的な地図記号の認識：良好
  • 等高線の読み取り：やや困難
  • 文字認識：フォントによる
  • 複雑な図面：精度にばらつき

4.2 地図・図面の自動読み取り

実験内容:

  • 古い紙図面のデジタル化支援
  • 地図記号の自動認識
  • 凡例からの情報抽出

プロンプトのコツ:

この地図画像について、以下の形式で情報を抽出してください：

1. 地図の種類（都市計画図、地形図、等）
2. 縮尺（わかれば）
3. 主要な地物（道路、河川、建物等）
4. 特徴的な記号や表記

できるだけ具体的に、位置関係も含めて説明してください。

4.3 現場写真の分析実験

活用シナリオ:

  • 工事現場の安全チェック
  • 設備の状態確認
  • 作業進捗の記録

実験結果:

  • 全体的な状況把握：良好
  • 特定物体の識別：良好
  • 数値読み取り（メーター等）：困難な場合あり
  • 異常検知：学習なしでは限界あり

5. エンタメ×GIS

5.1 ゲーム的要素の活用

ゲーミフィケーションの例:

  • スタンプラリー型マップ
  • クイズ形式の地理学習
  • ARを使った現地探索
  • 競争要素のあるデータ収集

neta-lab.comでの実験:

  • 城郭3Dマップ
  • 歴史イベントマップ
  • 「ここ何の場所？」クイズ

5.2 可視化の新しいアプローチ

従来の地図表現を超えて:

  • 3D地形のフライスルー
  • データドリブンアート
  • ジェネラティブマップ

実験例:

  • 人流データのパーティクル表現
  • 音響データの空間可視化
  • SNS投稿の感情マッピング

5.3 neta-labでの実験紹介

公開プロジェクト:

  • 城郭3Dマップ: 日本の城を3Dで再現
  • 鉄道路線図ジェネレーター: 架空路線図生成
  • 地名しりとりマップ: 地名でしりとり

6. データ可視化実験

6.1 野生動物被害マッピング

課題:

  • 獣害情報が散在、全体像が見えない
  • 対策の効果検証が困難

実験内容:

  • 被害報告の位置情報収集
  • ヒートマップでの可視化
  • 時系列での変化分析

miru-lab.jpでのデモ:

  • インタラクティブな被害マップ
  • フィルタリング機能
  • 統計ダッシュボード

6.2 シャドウシミュレーション

用途:

  • 日影規制の検討
  • 太陽光発電の適地選定
  • 建物配置の検討

実装方法:

  • DEMデータから地形影を計算
  • 建物3Dモデルからの影
  • 時刻・日付によるアニメーション

6.3 人流・動態分析

データソース:

  • 携帯電話位置情報（統計化されたもの）
  • GPS軌跡データ
  • SNSの位置情報
  • センサーデータ

可視化手法:

  • フローマップ（移動の流れ）
  • ヒートマップ（滞在密度）
  • OD行列（出発地-目的地）

6.4 miru-labでのデモ紹介

公開デモ:

  • 歴史地図重ね合わせ
  • 標高段彩図ジェネレーター
  • 時系列変化アニメーション

7. ローカルAI最前線

7.1 最新ローカルLLM検証

2025年注目モデル:

モデル サイズ 日本語 特徴
Llama 3.2 1B-90B ○ Meta最新、軽量版あり
Qwen 2.5 0.5B-72B ◎ 日本語強い
Gemma 2 2B-27B ○ Google製、高品質
Phi-3 3B-14B △ Microsoft製、軽量高性能

検証ポイント:

  • 日本語の自然さ
  • 専門用語の理解
  • 推論速度
  • メモリ使用量

7.2 エッジAI活用

エッジAI = 端末上で動くAI

活用シーン:

  • 現場でのリアルタイム判定
  • オフライン環境での処理
  • プライバシー重視の処理

デバイス例:

デバイス 用途
NVIDIA Jetson 高性能エッジAI
Raspberry Pi + Coral 軽量推論
スマートフォン モバイルAI

7.3 オフライン環境での運用

構成例:

【オフラインGIS×AIワークステーション】

ノートPC
├── OS: Ubuntu / Windows
├── QGIS（GIS処理）
├── Ollama（ローカルLLM）
├── Python環境
│   ├── PyQGIS
│   └── 機械学習ライブラリ
└── ローカルデータ
    ├── 地図データ
    ├── 衛星画像
    └── 点群データ

8. 今後の展望

8.1 開発中のプロジェクト

検討中の取り組み:

  • VLMによる図面自動読み取りシステム
  • ドローン映像のリアルタイム解析
  • 点群データの自動分類
  • 歴史地図アーカイブの拡充

8.2 技術相談・実証実験の受付

対応可能な相談:

  • 新技術の適用可能性検討
  • PoCの企画・実施
  • 技術選定のアドバイス
  • プロトタイプ開発

実証実験の受け入れ:

  • 新しいアイデアの検証
  • 研究プロジェクトへの協力
  • 共同研究

関連記事

お問い合わせ

新技術の検証、実証実験についてのご相談は、お気軽にお問い合わせください。

お問い合わせはこちら →

最終更新: 2025年1月

技術選定からご相談ください

発注範囲が決まっていなくても、現在の業務と判断したいことから整理します。

相談内容を送る