Upgrade to Pro — share decks privately, control downloads, hide ads and more …

20201024GISA_digitalcity

 20201024GISA_digitalcity

多次元データと外部データ連携を融合させた地方都市におけるデジタルシティ基盤の構築

Toshikazu SETO

October 24, 2020
Tweet

More Decks by Toshikazu SETO

Other Decks in Education

Transcript

  1. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 1
    多次元データと外部データ連携を融合させた
    地⽅都市におけるデジタルシティ基盤の構築
    瀬⼾ 寿⼀ (東京⼤学空間情報科学研究センター)
    関本 義秀 (東京⼤学⽣産技術研究所)
    朝⽇ 孝輔・遠藤 隆浩(⼀社・社会基盤情報流通推進協議会)

    View full-size slide

  2. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 2
    世界的潮流: ⾏政の状況をデータでモニタリング&
    将来計画などオンラインを組み合わせた合意形成
    https://zola.planning.nyc.gov/
    https://www.dublindashboard.ie/ https://www.portlandmaps.com
    /
    背景
    https://www.greater.sydney/dashboard

    View full-size slide

  3. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 3
    都市データによるデジタルツイン化とまちづくり
    3
    Dembski, F.; Wössner, U.; Letzgus, M.; Ruddat, M.; Yamu, C.
    Urban Digital Twins for Smart Cities and Citizens: The Case
    Study of Herrenberg, Germany. Sustainability 2020, 12, 2307.
    Kilsedar, C.E.; Brovelli, M.A. Multidimensional Visualization and
    Processing of Big Open Urban Geospatial Data on the Web.
    ISPRS Int. J. Geo-Inf. 2020, 9, 434.
    背景

    View full-size slide

  4. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 4
    研究⽬的
    • 第2節︓主にWebGLによる3次元都市モデルの視覚化に関する関連研究
    • 第3節︓対象となる地域やデータの概観について説明
    • 第4節︓これらのデータを統合的に視覚化するアーキテクチャを検討
    • 第5節︓実際に幾つかのデータについての変換過程と,どの程度ブラウザ表⽰⽤に
    データサイズを最適化できたかを検証
    • 第6節︓変換したデータを統合して可視化した結果について説明
    • 結論部今後の課題について展望
    • 都市に関わる多様な原データから,Web上で⾼速
    に3次元的に視覚化できるデジタルシティ・プ
    ラットフォームを構築すること
    • それぞれのデータの効率的な変換や統⼀された視
    覚化のためのアーキテクチャを検討した上で構築
    し、データ変換速度や初期表⽰のパフォーマンス
    評価をすること
    • https://www.digitalsmartcity.jp/susono-city/

    View full-size slide

  5. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 5
    対象地域: 静岡県裾野市
    https://global.toyota/jp/newsroom/corporate/31170943.html
    ▲Mt. Fuji
    • ⾯積: 138.12 km2
    • ⼈⼝総数: 50,916名
    – 65歳以上⼈⼝⽐率: 26.8%
    • トヨタが2020年1⽉のCESにおいて「Woven City」建設を発表
    • 2018年に「データ利活⽤推進本部」を庁内に発⾜し、「裾野デジ
    タルクリエイティブシティ構想」を裾野市⻑が2020年3⽉に発表
    – データ・デジタルの積極的活⽤と,市⺠との対話やデータ利活⽤⼈材の育成

    View full-size slide

  6. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 6
    デジタルシティ基盤構築の背景
    • 2019年より裾野市・Code for Japanとの連携協定に基づき「デジタ
    ル裾野研究会」を発⾜.⾏政関係者・⺠間企業・有識者50名以上が参
    画し,10⽉時点で第6回まで開催
    • ⾏政職員による⾃発的な課題検討や研究会メンバーとの議論によって,
    データ収集・活⽤と合わせて取り組むべき5つの検討課題(WG)を設定
    し,さらなるデータ収集・Web上での議論などを促す
    • ⼀般市⺠等にも閲覧してもらいながらまちづくりの現状・課題を共有
    WG


    View full-size slide

  7. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 7
    デジタルシティプラットフォーム構築の概要
    (https://www.digitalsmartcity.jp )
    WebGL
    JavaScript
    Browser
    Mapbox GL JS
    Deck.GL
    layer
    (Icon)
    layer
    (3DTiles)
    layer
    (GeoJSON)
    layer
    Basemap
    (tilesets)
    vue.js
    three.js
    luma.gl
    UI
    loaders.gl
    data
    layer
    (Trips)

    View full-size slide

  8. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 8
    デジタルシティ・プラットフォーム
    データ保有組織登録
    ⺠間企業・⾃治体等
    データセット・メタデータ
    外部の移動体DB
    MyCityConstruction
    (電⼦納品DB)
    オープンデータ流通サイト
    での活⽤
    他の地理空間DB
    (PCDBなど)
    API
    登録
    GeoJSON
    KML等
    WebAPI
    API
    ・ユーザー認証
    ・⼀部データ
    CKAN-API
    による
    登録・連携
    API
    API
    URL
    直登録
    G空間情報センター
    登録データのAPI化
    タイル形式
    GeoJSON
    WMS/WFS
    etc…

    View full-size slide

  9. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 9
    「デジタル裾野」において収集した各種データの概要
    → 裾野市保有の多くのデータは「オープンデータ」でも公開
    分類 データセット ファイル形式 ファイル数 合計サイズ
    背景データ
    航空写真(裾野市) GeoTIFF 257 13.4 GB
    建物形状
    (ゼンリン/都市計画基礎)
    ESRI Shape 1 1.98 GB
    点群データ
    3次元点群データ
    (静岡県PCDB, Virtual
    Shizuoka)
    LAS 5 12.01 GB
    地物データ
    (点・線・⾯)
    公共施設(裾野市) CSV 7 50 KB
    道路網(裾野市) ESRI Shape 2 1.1 MB
    路線索引図(裾野市) ESRI Shape 2 100 KB
    鉄道 (国⼟数値情報) GeoJSON 2 810 KB
    都市計画(裾野市) ESRI Shape 8 635 KB
    ⾏政界(裾野市) ESRI Shape 1 470 KB
    防災計画(裾野市・静岡県) ESRI Shape 21 2.1 MB
    流動データ
    すそのーるバス(裾野市) GTFS 14 200 KB
    企業取引(⺠間A社) CSV 3 560 KB
    ⼈の流れデータ(東⼤CSIS) CSV 2 149.8 MB

    View full-size slide

  10. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 10
    「デジタル裾野」データの統⼀化・変換
    Input
    3D
    Point cloud
    data
    Input
    Flowing data
    Input
    POI data
    Input
    Feature data
    Input
    Building data
    Aerial photo Convert
    Tileset
    data
    Zoom
    11-18
    Convert
    JSON data
    Zoom
    11-18
    Convert
    GeoJSON
    data Zoom
    12-18
    Zoom
    14-18
    Zoom level
    of Map layers
    output
    output
    output
    Icon
    GeoJSON
    Trips
    Tileset
    Tippecanoe
    gdal2tiles
    pdal +
    py3dtiles
    表⽰⽤ズームレベルの最適化

    View full-size slide

  11. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 11
    3次元点群データ (静岡県提供: CC BY 4.0)
    変換地点
    X, Y, Z
    地点数
    元データ
    (MB)
    タイル化
    後 (MB)
    Place A
    (28-D0201-01)
    22,854,836 594.2 344.1
    Place B
    (29-K2452-01)
    2,141,686 55.7 34.7
    Place C
    (28-K2450-01)
    2,301,317 59.8 32.3
    Place D
    (掛川城)
    192,366,079 6,540.0 64.3
    Place E
    (韮⼭反射炉)
    182,440,910 4,740.0 82.9
    ▼Shizuoka Point Cloud DB (PCDB)

    View full-size slide

  12. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 12
    韮⼭反射炉の点群データ (LAS) 4.7GB
    (3D tiles に変換後は 82.9MB)

    View full-size slide

  13. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 13
    データ変換結果(1)︓地物データ・動的データ
    GeoJSON と JSON 形式
    0
    0.5
    1
    1.5
    2
    2.5
    3
    3.5
    4










    !





    "


    #

















    !






    !













    容量 (MB) 変換前 変換後

    View full-size slide

  14. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 14
    データ変換結果(2)︓建物形状・航空写真・点群データ
    vector/raster tiles と 3dtiles 形式
    CPU Core: i7-9700k @3.60 GHz,
    Memory: 32 GB
    OS: Windows 10 Subsystem for
    Linux (Ubuntu 18.04)
    0
    10
    20
    30
    40
    50
    60
    0
    2000
    4000
    6000
    8000
    10000
    12000
    14000
    航空写真 建物形状 3次元点群
    変換時間(分)
    容量 (MB)
    変換前 変換後 変換時間

    View full-size slide

  15. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 15
    WebGL
    JavaScript
    Browser
    Mapbox GL JS
    deck.gl
    layer
    (Icon)
    layer
    (3DTiles)
    layer
    (GeoJSON)
    layer
    Basemap
    (tilesets)
    vue.js
    three.js
    luma.gl
    UI
    loaders.gl
    data
    layer
    (Trips)

    View full-size slide

  16. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 16
    WebGL
    JavaScript
    Browser
    Mapbox GL JS
    deck.gl
    layer
    (Icon)
    layer
    (3DTiles)
    layer
    (GeoJSON)
    layer
    Basemap
    (tilesets)
    vue.js
    three.js
    luma.gl
    UI
    loaders.gl
    data
    layer
    (Trips)
    ON/OFF
    ex.

    View full-size slide

  17. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 17
    Increasing the zoom level also displays data with a
    large number of points
    Multi-layered display of hazard maps
    (disaster prevention data)
    Road management: Bridge and People Flow Data Community bus GTFS dara

    View full-size slide

  18. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 18
    Demo: 都市計画ゾーニング + バス運⾏(GTFS)

    View full-size slide

  19. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 19
    Webブラウザ上での表⽰最適化実験
    • Firefox v.67.04
    • フロントページ(Zoom16):
    • メモリ使⽤量: 180Mb
    • CPU使⽤率:10%
    • 動的データの追加
    – ⼈流データ: +20-30Mb
    – 点群データ: +100Mb
    – メモリ使⽤量:60-120Mb
    – CPU使⽤率:20-30%
    – GPU使⽤率: 30%

    View full-size slide

  20. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 20
    Conclusions
    1. ⼤きく3つのパターン(GeoJSON,JSON,Tileset)に集約す
    ることによって,データ統合しやすくなった.
    2. オープンソースのMapbox GL JSとDeck.glを組み合わせ,複数の
    パターンによるダイナミックな視覚化が可能に
    3. Webブラウザ上のパフォーマンスを計測し,特にポイントクラウ
    ドデータや⼈の流れのアニメーションは,メモリ使⽤量やキャッ
    シュは⼤きくならなかったが,CPU・GPUの負荷が⼀定かかる
    都市モデルに関わる多様な原データから,Web上でシーム
    レスかつ⾼速に3次元的に視覚化できるようなプラット
    フォームを構築
    1.
    2.
    3. CPU

    View full-size slide

  21. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 21
    Future works
    【プラットフォームの操作性】
    • 動的データ(GTFS)の最適化と操作性の改善
    • 点群データの操作性の改善(建物の中や⾓度の⾃由
    設定など)
    【プラットフォームの利活⽤】
    • 「デジタル裾野研究会」等での検討結果の掲載と市
    ⺠を交えた本格的なWebでの「議論の場」へ ➝
    WebセミナーやDecidimとの併⽤も視野に
    • 各種シミュレーション結果の統合やデータのフィル
    タリング︓デジタルシティプラットフォームを使っ
    た「将来予測」の共有

    View full-size slide

  22. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 22
    Thank you!
    [email protected]
    http://researchmap.jp/tosseto
    https://speakerdeck.com/tosseto

    View full-size slide

  23. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 23
    SIP 2 AI

    View full-size slide

  24. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 24
    Mapbox GL JS (3-Clause BSD license): Mapbox
    C++ based JavaScript Library
    https://www.mapbox.com/

    View full-size slide

  25. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 25
    Deck.gl (MIT License): Uber Technologies
    Web-GL フレームワーク
    http://deck.gl/#/examples/overview

    View full-size slide

  26. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 26
    背景データ: 建物形状・航空写真
    Building shape file (.shp) from Zenrin
    transform binary vector tile
    Aerial photo file (.tiff) from Susono
    transform raster tile

    View full-size slide

  27. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 27
    流動データ: ⼈の流れデータ,
    バス停・バスルート(GTFS),企業取引
    people flow data
    Community bus: bus-stop and route

    View full-size slide

  28. 2020/10/24 地理情報システム学会第29回学術研究発表⼤会 28
    Demo: ハザードマップ + ⼈流データ

    View full-size slide