現代において、SNS上で我々が見ている世界は
現実とかけ離れているという事態がしばしば発生する。

その理由は大きく2つある。

１つ目はフィルターバブル現象について。
これはSNS上に表示される投稿が、自分の興味に最適化されるというものだ。

SNSのアルゴリズムが、ユーザーの過去の行動（いいね、閲覧履歴など）から好みを分析し、ユーザーの注目を浴びる情報を優先的に表示する。

２つ目は、エコーチェンバーについて。
こちらはユーザーの心理が大きく起因している。

似た興味関心を持つ閉鎖的なコミュニティの中で、自分と同じ意見を持つユーザー間でのみ情報交換が行われ、特定の主張が増幅されるという現象だ。

他にも、SNS利用者自体が均質ではないという母集団の偏りもある。

これらが引き起こす見える情報の偏りは、捉え方を誤ると非常に危険だ。

そもそも人間は主観的な生き物である

「実際のところ人は感情をもとに判断を下し、その後で論理的な理由を探す」という心理学の有名な法則がある。

どうやら我々の脳は、主観的に判断するよう進化してきたらしい。

判断において、正確さより早さを優先した結果、このような脳の作りになったと思われる。

では、どうやって人間は客観的に物事を判断しているのだろうか？

読者の頭にもいくつか思い浮かぶものがあると思うが、世の中には、1個人の主観で決められないことに溢れている。

データを見て、統計的手法を用いる

「それってあなたの感想ですよね？」
というひろゆき氏の発言から、主にネット上で流行ったこのフレーズ。

この発言の意図は、相手の意見や主張が主観的な「感想」であり、客観的な根拠に欠けることを指摘している。

これに対抗する最も再現性のある手法が、データを見て、統計的に優位であることを証明するだ。

まずデータ(数値)を見るだけで、おおよその規模感がわかる。

■アイスクリーム屋の売上の話

ある日、バイトのAさんが言います。
A「昨日、めっちゃお客さん来てました！アイスが大人気です！」

さらにバイトのBさんは言います。
B「いや、そんなに来てないですよ。私の感覚では普通でしたよ」

このように時に人の感想は異なる。

◆ ① まずデータ(数字)を見る
・昨日の来店客数： 120人
・過去1ヶ月の平均： 100人
・標準偏差： ±15人

これだけで…
120人は「まあまあ多いけど、めっちゃ多いとは言えない（平均＋20人なので、ざっくり1.3σ）

Aさんの「めっちゃ多い」は誇張、
Bさんの「普通」はちょっと控えめ。
と実態が即座にわかる。

◆ ② 検定を行い、統計的に有意か検証する
t検定を始め、様々な検定が存在するが、
ここでは検定を通して、統計的に有意である
🟰偶然だけで起きたとは考えにくい

を証明することができる。

ここで注意したいよくある誤解
❌ 有意＝重要
❌ 有意＝大きな効果
❌ 有意＝経営判断に使える

有意性は「偶然ではなさそう」というだけで、
ビジネスの現場では効果量の大きさや経済的インパクトを見る方が重要な場合がよくあるということを添えておく。

これから社会人になる学生に向けて

初めて論文(卒論)を書く学生へ

論文において、以下のような結論の書き方は多くの指摘をもらうだろう。

この施策をやってみたが効果があった

まるで感想のようなこの文章は、
具体的にどこが悪いのかまとめてみた。

■考えられる指摘事項
1️⃣ 何がどれくらい増えたのか不明
2️⃣ 比較対象が不明
3️⃣ 偶然の可能性が排除されていない
4️⃣ 再現性がない

上記の場合、理想的な論文の結論は以下のようになる。主観を除いて統計を用いる。

本施策を初めて実施した今年の売上は、過去5年間の平均より〇〇円多く、対応のないt検定の結果、有意水準5%で統計的に有意な増加が認められた（p < 0.05）。

特に文系の学生においては、なかなか授業で統計学を学ぶ機会が少ないかと思う。

しかし統計学は文系・理系問わず
皆んなが学ぶべき領域だと私は思っている。

なぜなら、統計学は最強の学問だから。
本ブログのタイトル「それってあなたの感想ですよね？」にも対抗できる。

これから社会人になる学生へ

会社員になると年初に目標を立てろ！
と指示を受けて、今期のKGIやKPIというものを考えねばならぬ時がある。

そんな時に「仕事を一生懸命頑張る」みたいなKPIを書くと、おそらく上司から総攻撃を受けるだろう。

でも大丈夫。
実際のところ、このように書く大人は世の中に沢山いる。

そこであなたが新人には珍しい非の打ち所がないKPIを設定したら、上司から一目置かれるはずだ。

ちなみに会社員が立てるKPIのサンプルは、職種や職位ごとにたくさんネット上に転がっている。

会社では年初の目標だけでなく、
日々の進捗報告からプロジェクトの最終報告など、ほとんどの場面で主観ではなく定量的な報告が求めらる。

統計学のおすすめの教材をご紹介

最後に個人的にわかりやすくて、芯をついてると思った教材を紹介する。

①YouTube「ヨビノリ」
[確率統計シリーズ](https://youtube.com/playlist?list=PLDJfzGjtVLHmx7qMP410-9gx0weC9d90X&si=WUdOzhmnYCCyAMb8)

②栗原伸一（著）入門 統計学 第2版
こちらは論文のテーマを決めたら、ぜひ一読をおすすめしたい。どんな方法でデータを収集すべきかを事前に知ることができる。

統計的手法を用いて、物事を論じられるようになると社会に出ても多くの場面で活躍します。

私たちは当たり前に地図を日常で使っている。

「ここから最寄り駅まで、徒歩何分かな」
「あの場所までどの経路が最適かな」

もし自分の暮らす町の地図データがなかったら、
もし初めて行く異国の地の地図データがなかったら、
私たちはどこまで遠くに出かけることができるだろう。

誰でも自由に使えるオープンな地図は当たり前ではない

その昔、地図というものは国家や権力者によって厳しく管理され、軍事・商業上の機密情報として扱われていた時代があった。

国内の有名な話で、
伊能忠敬らが作った初めての日本地図「大日本沿海輿地全図」（通称「伊能図」）は当初、幕府の機密情報として管理され、一般人に公開されていなかった。

もちろんそれは軍事的な理由からだ。

しかし皆さんもご存知の通り
現在では公共の利益が重視されて、技術の発展と共に、地図データや衛星写真は広く一般に公開されるようになった。

その中でも自由でオープンな地図の代名詞が「OpenStreetMap」だ。
2004年に作られた本地図は、Wikipediaに以下の通り紹介されている。

「オープンストリートマップ（英語: OpenStreetMap、OSM）は、自由に利用でき、なおかつ編集機能のある世界地図を作るオープンコラボレーションプロジェクトである。地図データはオープンデータベースライセンス（ODbL）1.0のもと再利用可能である」

多くの民間地図は独占的である

多くのユーザーがいるGoogleマップについて、
ここで少しOpenStreetMapとの違いに触れておきたい。

Googleマップは、データがGoogleによって独占的に管理されており、地図データの利用に関してはライセンスや著作権の制約がある。

つまり大きな違いとしては、データへのアクセスが制限されること、商用利用には料金が発生することだ。

一方で、OpenStreetMapは、世界中の有志（マッパー）が地図データを共同で作成・編集し、コミュニティの力で地図が作られている。

さらに地図データの利用、改変、再配布は誰にでも許可されており、商用利用も無料で、多くの企業がOSMのデータを活用している。

一世をふうびしたポケモンGOなどの位置情報ゲームの背景地図としても、OpenStreetMapは広く使われている。

Humanitarian OpenStreetMap Team

Humanitarian OpenStreetMap Teams（通称、HOT）は、大規模災害や紛争が発生した際、オープンでフリーな地図であるOpenStreetMapを活用して、被災地の地図作成を支援する国際的なコミュニティである。

被災地の迅速な地図作成を通して、救助活動に必要な情報を提供する。

マッピングを通じて、間接的に人々の命を救うことに貢献すると言っても過言ではない、とても意義のある活動だ。

日本ではあまり実感が湧きにくいのだが、世界にはまだまだ地図データが不足している地域が多く存在する。
災害発生リスクが高く、データが不足しているエリアを事前にマッピングすることもある。

被災地の地図データが整備されるって、そんなに大切なことなの？

そんな疑問が湧くのも当然だ。

18歳からHOTのコミュニティ活動の一環である被災地のマッピングを行ってきた私も、過去に何度か、このような疑問を抱いたことがあった。

現にこの記事を見ている多くの人は、実際にコンゴ民主共和国の難民キャンプまで物資を届けたり、ハイチやネパールでの大地震後、即座に現地救護へ出向いていない。

しかしこれらの救助活動を実際に行う国境なき医師団や赤十字社から、HOTが作成した被災地の地図データは大いに役立ったとの声をもらっている。

考えてみて欲しい。
異国の僻地でネットも繋がらない、最適な経路なんて誰も知らない、現地の被害状況が正確にわからない。

そんな状況下で、
「地図を紙に印刷することは著作権違反です」
「データは当社が一元管理しており、対象エリアの地図データは20年前のものです」
なんていう民間の地図を頼りにできるだろうか。

HOTのコミュニティについて

Humanitarian OpenStreetMap Team（HOT）の成り立ちは、2010年のハイチ地震まで遡る。

2010年1月、ハイチで大地震が発生した時、世界中のOpenStreetMapのマッパーがオンラインで集まり、被災地の地図を迅速に作成した。
そしてこの地図データが、援助活動を行う団体にとって重要な情報源となったのである。

ハイチでの成功を受けて、ボランティアグループは同年8月に「Humanitarian OpenStreetMap Team」として米国の非営利団体（NPO）として正式に組織化された。

設立から15年の月日が経った現在、マッピングされたエリアは世界中に拡大している。

HOTのビジョンは以下の通り、オープンな地図データが利用できること、そして誰もがアクセスでき、かつ貢献できることを掲げている。

私も地図で人道支援したい！

もしこの記事を読んで、
少しでもそんな気持ちが沸いてくれたならば
一緒にマッピングしよう！HOTコミュニティの仲間になろう！

初めてOpenStreetMap編集をする人は、OSMビギナーズガイドを参考にしたり、OpenStreetMap Japanコミュニティのメンバーが営むマッピングパーティに参加することでマッピングスキルを向上できる。

既にマッパーの方はぜひこの機会に一度、HOTのTasking Managerから地図で人道支援を行うという最初の一歩を踏み出してみて欲しい。

パソコン1台さえあれば、自分のスキルを生かして国際的な人道支援に協力できる。

そんな素敵な体験を通して、世界で最もオープンでフリーな地図データの作成・普及に貢献してくれる仲間を心より待っている。

投稿者: HOT Voting member, Ayame Otsuki
https://www.hotosm.org/people/ayame-otsuki/

汎化性能とは未知のデータに対する予測性能のこと。

モデル構築では訓練データだけでなく、未知のデータに対する予測精度が重要だ。

モデルが訓練データに過剰に適合してしまうと、かえって未知のデータに対する予測精度が落ちてしまうことがある。いわゆる過学習だ。

本記事では、画像解析において

予測精度および汎化性能を上げる一般的な方法を以下にまとめる。

①データ分割

最もスタンダードな方法がまず「データの分割」することだ。

元データを学習用と評価用を２つのデータセットに分けて、評価用データを擬似的に未知のデータとする手法だ。

モデル作成用にはこの学習データだけ用いて、評価用データは精度を評価するためだけに利用する。

一般的には学習用データが7〜8割で、評価用データが2〜3割程度。

②データ拡張

そもそも元データのバリエーションが少ない場合は、データ拡張（Data Augmentation）が有効的だ。

データ拡張とは例えば、元の画像を回転、反転、リサイズ、変形、切り取りすることでデータのパターンを増やすといった手法だ。

様々なパターンの画像を利用して学習することで、モデルの精度向上が見込める。

③誤差と評価指標の算出

精度を示す指標として損失関数(誤差関数)を用いて、モデルが出力した結果と実際の答えの誤差を測る。

未知のデータに対するモデルの誤差（損失関数を利用して算出される値）を小さくしていくことが、今回のメイントピックと言える。

また誤差が小さくても、正解率が悪ければ精度の高いモデルとは言えない。

モデルの予測精度を確認するときは、誤差の大きさと、評価関数を用いて正解率なども一緒に確認することが重要である。

なおそれぞれ算出した誤差の大きや評価の値を縦軸に、繰り返した回数を横軸とった曲線を学習曲線と言い、精度の可視化において最も一般的な方法だ。

【代表的な損失関数】

• 回帰　：MSE（二乗誤差）
• ２値分類：Binary Cross Entropy
• ３値以上の分類：Categorical Cross Entropy

【代表的な評価関数】

• 正解率：Accuracy
• 適合率：Precision
• 再現率：Recall
• F値

④活性化関数の選択

ニューラルネットワークでは複数のニューロンから、あるニューロンへの入力は全結合などの線形変換処理によって1つの数値にまとめられる。

活性化関数(Activation function)は、その値(あるニューロンにおける入力の合計)から次のニューロンへ値を出力する時に「どのような値にするか」を決定する関数で、非線形な関数とすることが多い。

作成するモデルにおいて、どの活性化関数を選ぶかは、学習の効率化やタスクに適した出力を得るために非常に重要である。

【代表的な活性化間数】

• ステップ関数
• シグモイド関数
• ReLU関数
• ソフトマックス関数

⑤層の追加

ニューラルネットワークのうち、中間層が２つ以上のものをディープラーニング(深層学習)と呼ぶ。

そして一般的に層を深くすることでより表現力の高いモデルが作れると言われてる。

CNNの層を追加する時は、畳み込み層とプーリング層を順に追加する。

⑥オプティマイザーの選択

オプティマイザー(最適化アルゴリズム)は、モデルの収束具合を最適化させるための関数で、様々な種類がある。

代表的な勾配降下法というオプティマイザーは、目的となる関数を最小化(最大化)するパラメータを探索する手法である。しかし欠点として、試行を繰り返して最適値を探索するため、パラメータが多いと計算に時間がかかってしまう。

【勾配降下法の式】

更新後の値　＝ 更新前の値 – 学習率(0~1の値) × 勾配の値

【代表的なオプティマイザー】

• 最急降下法(GD)
• 確率的勾配降下法(SGD)
• ミニバッチ確率的勾配降下法
• Momentum
• AdaGrab
• Adam

⑦学習率の調整

モデルにおいて、学習率はモデルの収束に大きく関係する。

学習率とは各パラメータを変更させる幅のことで、ハイパーパラメータとも呼ばれる。

学習率は手動で設定する必要があり、この学習率を調整することがモデルチューニングでは重要となる。

学習率を高くしすぎると収束しなくなり、学習率を低くしすぎると収束までに膨大な時間がかかってしまうため、適切な値を探す必要がある。

それは収集した大量の情報から、

人間が解読可能なよう情報を要約する行為だ。

思い込みを捨てて事実を見よう

私は現在、データ分析を生業にしている。

正確にはデータサイエンティストという職業になるので、システム周りを担当することもある。

この仕事を志したきっかけに「FACTFULNESS」という本が大きく影響している。

この本のタイトル、ファクトフルネスとは「先入観や思い込みを捨てて、事実(データ)に基づいて世界を見よう」と言う意味で、

著者のハンス・ロスリング氏が作った造語だ。

話が少し脱線するが、このハンス氏は本当に愉快でおもしろいひとだ。彼のTEDトークの演説は最高なのでぜひ見てみてほしい。

たとえ高学歴な人でも先入観があり、世界の真実に関する簡単なクイズに対してチンパンジー以下の正答率だと笑って語るシーンが私のお気に入りだ。

この本からは本当に多くを学んだ。

特に以下の2点は常に私の心に残っている。

•データを基に事実を捉えることの重要性

•先入観や思い込みで物事を捉えることの危険性

人間が抱える思い込みは、ときに本能からきてしまうことがあり非常に厄介だ。

世界人口のうち極度の貧困にある人は何割か？

ここで１つ具体例をあげよう。

<質問>

世界の人口のうち、極度の貧困にある人の割合は、過去20年間でどう変わっただろうか？

A. 約2倍になった

B. あまり変わっていない

C. 半分になった

この問いの答えは、本ブログの1番下に書いた。

ここでは人間のネガティブ本能がかき立てられ、不正解者が多く見られる。

それはまさにテレビ番組でショッキングなトピックを扱うと視聴率が良くなるので、そのような内容ばかり報道するこの世の中が証明している。

それらのニュースや記事やテレビ番組を視聴することで、我々人間はいとも簡単に世界は悪くなっていると勘違いしてしまうのだ。

データが真実を教えてくれる

データ分析をしていると、しばしばよく期待を裏切られる。

もちろんそれは良いことだ。

絶対にこれが原因だ！って思っていたのだが、データはそれを物語っていない。

むしろ別の(本来の)原因を教えてくれたりする。

その瞬間、私は「またやられた！」と楽しくなってしまう。なぜならそれは自分の思い込みに気づくことができた証拠だから。

この思想には、知ったかぶりもプライドも忖度も何も役に立たない。

だからこそ「曇りなき眼」で見定めることができるのだ。

※曇りなき眼はもののけ姫に出てくる言葉です。

数字は嘘をつかないが嘘つきは数字を使う

データ分析には注意点がある。

それは都合の良いデータだけを選んだり、グラフの目盛りを操作して過大評価を得ようとする輩がいると言うことだ。

時には無知がゆえに、悪気なくやってしまう人もいるのでさらに注意が必要だ。

こちらの記事の画像です。

このグラフは典型的なNGパターンだ。

グラフの原点は原則、0でなければならない。

しかしこれは差を誇張させるために、故意に原点がいじられている。

このように嘘つきが数字を悪用するパターンを知っておくと、騙されにくくなる。

データ分析の素養があると、武器になるだけでなくこのように盾にもなりうるのだ。

データ分析がもたらす価値をまとめる

最後にタイトルに記載したデータ分析がもたらす価値をまとめておこう。

①主観ではなく事実を基に物事を捉えられる

②根拠が明確になり、他者への説明が楽になる

③今まで思いつかなかった視点が得られる

④人間の本能を悪用するメディアから身を守れる

⑤数字を悪用する嘘つきから身を守れる

■とりわけビジネスの場で生きる価値

⑥最も効率よく意思決定できる

⑦パーソナルデータを活用して個別化した施策をうてる

⑧施策の効果検証ができる

⑨過去のデータを活用して未来を予測できる

⑩データドリブンな経営で競争優位性を得られる

おそらく全部は挙げられていないと思うが、

こんなところだろうか。

後半の⑥〜⑩は説明足らずでイメージが湧かないと思うが、1つ1つ解説すると長くなってしまうので今回は省略させていただく。

データ分析は適切な活用によって、多くの分野で大きな価値を生み出すことは間違いない。

– – –

私はこのデータの価値を「自然と人間の共存」に生かしていくのが人生のテーマだ。

国境を越えてグローバルな取り組みを促す。

そんな仕事ができるよう邁進していきたい。

– – –

質問の答えは以下です。

C. 半分になった

– – –

異国でもそこにいるのは同じ人間

当時、私は大学に入学したばかり

慣れない大学生活に戸惑いながらも、自分で受ける授業を選択できるということに大きな喜びを感じていた。

「私はなんて恵まれてるんだろう」

大学に通わなかった/通えなかった友達を横目に少しの罪悪感と、18歳で就職を選べなかった自分の未熟さに不甲斐ない気持ちも確かにあった。

そんな時、ネパールで大地震がおきた。

私は3.11のことを思い出していた。14歳だった私は、当たり前に何もできなかった。

現地で人の命を救うこともできないし、ましてやお金がないので寄付すらもできない。

そもそも寄付にどのくらいの価値があるかも全くわからなかった。

しかし私はもう18歳で大学生になった。

中学生の時より少し大人になったのだ。

3.11の時は海外からたくさんの寄付や物資を日本はいただいた。さらに物だけではなく、たくさんの祈りや人命救助への願いをもらっていたことを私は知っていた。

それは15歳でNZに行った時、近所の外国の人と会話している時、あとはメディアを通しても知ることができた。

次は私たちがお返しする番だ

そう意気込んでみたのはいいが、18歳でお金も知識も人脈も何もない私に何ができる？

そんな葛藤を抱きながら学内ホームページをぼーっと見ていた時、転機は訪れた。

「誰でもできる地図づくりを通してネパールを支援しませんか？」

正確なタイトルは覚えていないが、こんな感じのメッセージが掲載されていた。

私は半信半疑な思いで、その地図づくりを教えてくれるという教授の呼びかけに応じた。

そこには教授にしては比較的若そうな人と、さらにその隣には大学生か？ってぐらい若そうな２人が前に座っていた。

呼びかけに応じた数人の学生達は自分のパソコンを持ってその２人を見ていた。

ちなみに私は数週間前に、ローンを組んで買った初めてのパソコン、MacBookを使う場面が来た！と内心ワクワクだった。

この時に出会った教授が、のちに私の恩師となる古橋先生だった。（隣にいた大学生はたむけんさんでした）

古橋先生は淡々とOpenStreetMapの編集の仕方をその場でレクチャーしていた。

本当に淡々と説明していたのだが、CrisisMappingという活動の目的を話す時それまで関わってきた先生とはどこか違う、自分の意思が声にのっかっていた気がした。

それは1時間弱の出来事で、まだなんだかよくわかっていなかったけれど

「お金がなくても、時間とパソコンさえあれば国境を越えて人の役に立つことができる。私にもやれることがある。」と、初めて身を持って体験したわけである。

Crisis Mappingという活動

そもそも聞き馴染みがない読者に向けて、OpenStreetMapの解説からしよう。

世の中にはたくさんの地図があるが、その中でもOpenStreetMap(略してOSM)は特別な地図だ。

どこが特別なのかというと主に次の2点

・誰でも無料で利用できるように公開されている

・世界中の有志作業者(マッパー)が地図を編集/作成している

※なおOSMの地図データはマッパーが追加したもの以外にも、政府や企業から提供されているデータも含まれている。

それゆえにOSMはしばしば、地図のWikipediaなんて表現をされたりもする。

Crisis Mappingの意味は

「自然災害等の危機的状況下で、その現場の状況がわかる地図を作り、世の中に発信することを目指す。」ということだが

災害発生時、私達はこのOSM上に地物データを描いている。

ここでちょこっと私たちの活動紹介

先ほど登場した古橋先生が作った「NPO法人クライシスマッパーズ・ジャパン」という団体がある。

ここでは災害発生時、迅速に空撮画像を撮りマッパーに展開する災害ドローン救助隊「DRONE BIRD」と言った取り組みもしている。

志のある卒業生の集まる場を作る

私は約２年前から先生が育てた学生のうち、志ある卒業生の集まる場を作ろうとしている。

私の身近にいた信頼できる２人を誘い、今は３人で活動中。これから少しずつ仲間を増やしていく予定だ。

地図づくりの活動は孤独だ。だからこそ仲間を作り、お互いに刺激し合う関係が必要だと考えた。

そして我々若い世代が自発的に動くサイクルを作りたい。

もしこのブログを読んでいる古橋研究室の在学生/卒業生がいたら、以下条件を確認してほしい。そして良いなと思ったらぜひ仲間になろう！

• 期待する人物像
• ①古橋研究室を卒業して社会人を1〜2年以上経験していること
• ②自分の知識やスキルをチームに還元する意思があること

私達はもう学生ではない。

己の専門性や経験値を磨き、社会に還元するフェーズにきている。

これからもテクノロジーが持つ可能性を信じ、かつそれを国境を越えて社会に活かす方法を考えていきたい。

OpenStreetMapとの衝撃的な出逢いを、次の行動へ繋げていきます。

– – – – – – – – – – –

読了ありがとうございました。

東京都オープンデータハッカソンに初出場してきました！感想や学びをぽろぽろ書きます

ちなみにハッカソンは大学生1年生の時に1回だけ出場経験あり（その時は何もできず苦い思い出だ)

そもそもハッカソンとは？

「エンジニアやデザイナーがそれぞれの技術やアイデアを持ち寄り、短期間に集中してアプリケーションなどを開発し、成果を競う開発イベント」

個人的な見解だが、最近は非エンジニア参加型のハッカソンが増えているイメージ。

ほんなら東京都オープンデータハッカソンの意義は？

「東京都は、社会課題を解決する手段として、オープンデータとテクノロジーを活用した都知事杯オープンデータ・ハッカソンを今年度も開催します。」

と公式サイトに記載があるとおり、東京都が抱えている社会課題に対して何か解決/改善するアイディアを出し合おうと言った企画だ。

どうやら今年(2024年)は4度目らしく、さらに年々規模は拡大しているとのこと。

このイベントのキーワードは「オープンデータ」

東京都が整備しているオープンデータを使うというのがこのハッカソンの制約かつ魅力だ。

では東京都が整備したオープンデータとはどんなものか？

[東京都オープンデータカタログサイト]と言うものがあるらしいので早速見てみよう。

・土地利用現況調査GISデータ

・浸水予想区域図

・東京消防庁 消火栓及び防火水槽等

・東京都防災マップ避難所・避難場所一覧データ

（アクセスランキングから抜粋）

さらにカテゴリー別にデータが整理されており、「まちづくり」「観光」「医療」と言った具合に興味のあるテーマからも探せそうだ。

実際にデータの中身を見てみよう。試しに都内の公衆トイレのデータを集めてみた。

そこで気づいた。

「あれ、市区町村でデータセットが分かれてる」

ちょっとしたサプライズ。

そうか、データは市区町村単位で集められてるケースも多いんだな。

そもそも東京都オープンデータカタログと言ってるくらいなので、全国ではなく東京都のデータしかないのか。

普段は国際機関や気象庁などのデータを扱うことが多い私にとっては、行政のデータの特徴を知るきっかけとなった。

地域の課題解決に大切な視点

私は学生の頃、「国際協力にはグローバルな視点とローカルな視点、どちらも欠かせない重要な視点だ」と何度も聞かされた。

今回のハッカソンでは東京都の課題について考えるのだが、私はどうしても外の視点と中の視点、両方から東京の課題を考えてみたかった。

今年のハッカソンでは、初めて都の職員の方が課題を提示している。

今まではハッカソン参加者が独自に課題を設定するパターンのみだったようだ。

とは言え、私は疑問に思った。

職員の人は本当に東京の課題を認識しているだろうか？

実際に都民にヒアリングしたのだろうか？

職員の方を疑いたいわけではない。

しかし個人的には、課題の設定は何よりも面白い作業だと思うので、自分たちで決めたかった。

そして私は都民ではない。だからこそ、東京の課題を的確に当てられる自信がないと思った。

私達のチームは課題の抽出にもデータを使った。

データには質的/量的データと大きく2種類に分けられる。

人間が抱える要望や課題の抽出には、この質的データであるアンケートやインタビューといった情報が役に立つ。

都民が回答している場合は内の視点。

観光客、もっと言えば海外からの観光客が回答している場合は外の視点になる。

他のチームでは、チームメンバーが抱えている身近な課題や、データを扱う人だからこそ気がつく課題などあらゆる方法で考えられており興味深かった。

最後に感想

総じて、楽しかった。

チームの仲間とたくさん考えて、何か一つのアイディアを形にする。その営みが楽しかった。

そしてこのような機会を用意してくれた運営スタッフには感謝です。

私達は職場の仲間で出場した。それゆえに新しい出会いは特になかったが、言いたいことを遠慮せずに言える。

そんな環境と仲間に恵まれ、約9年ぶりのハッカソンは良き思い出となりました。

もし、ハッカソンに参加するか悩んでいる方がいたら「とりあえず参加してみたら?」とは言えないが、周りに恵まれたら楽しいものになるかもしれない。

そんな期待を胸に参加してみても良いかも。

– – – -

読了ありがとうございました。

私はこの卒業制作で作ろうと試みたPWAは、OpenStreetMap(以下OSM)のスマートフォン用編集ツールである。実際にOSMにデータをアップロードさせるところまで完成はできなかったが、エディタとして、編集ツールとして、建物データを追加するときの効率の良い入力方法を考えた。

JOSMはPC用のエディタだが、建物追加のプラグインがある。JOSMの建物追加プラグインでは、建物は４角形に表示され、道路に平行に建物を追加することはできるが、回転はできない仕様である。

私はこれと、建物の多くは四角形なことが多いという点に着目して、２クリックで４角形のポリゴンを追加し、ドラックでそのポリゴンを移動、また角の端っこの丸い点をドラックすれば拡大・縮小、辺の真ん中からとび出てる丸い点には回転機能を加えた。

建物は全て四角形とは限らない！と反論する方もいるだろう。
しかし今回の私の目的としては、データの精度を向上させるものではなく。現場にいながらスマホを片手で持ちながら、自分の現在地と比較して簡単に建物を追加できるエディタの開発を試みた。

回転を加えるためにまたしても他者が開発した良いものを発見できたので、せっかく三角関数を勉強しなおしたのだが、Leaflet.Path.Transformを使わせてもらった。どうやって組むんだ〜ってネットで調べていたらこれにであった。

実装方法はこのjs (https://github.com/w8r/Leaflet.Path.Transform/blob/master/src/Path.Transform.js)を自分のindex.htmlの自分のscript.js の前にいれて、script.jsに下記を追加。

const polygon = L.polygon(e.layer._latlngs, { transform: true, draggable: true}).addTo(map); polygon.transform.setOptions({ uniformScaling: false }).enable();

私はこのLeaflet.Path.Transformというプラグインの前に、他のプラグインを入れていたので、ポリゴンを動かすと、ポリゴンが二重になってしまうトラブルが発生し、元の図形を削除する作業に苦戦した。

またこのとき↓いれたプラグインではいろんな地物の追加編集機能があったが、私は建物の追加のみに特化し、より簡易なエディタを目指していたので、長方形(Rectangle)以外の追加機能はfalseにした。

地物追加機能実装

以上、今回は建物データの追加に特化した効率の良い追加と編集方法を考える回。次回はこのPWAのめざす先のお話。

それではまた来週〜。

効率の良い建物データの追加とは was originally published in Furuhashi(mapconcierge)Lab. on Medium, where people are continuing the conversation by highlighting and responding to this story.

そもそもGeoJSONってなんだ？

GeoJSONとはJavaScript Object Notation(JSON) を用いて空間データをエンコードし非空間属性を関連付けるファイルフォーマットである。 属性にはポイント（住所や座標）、ライン（各種道路や境界線）、 ポリゴン（国や地域）などが含まれる。 他のGISファイル形式との違いとして、Open Geospatial Consortiumではなく世界各地の開発者達が開発し管理している点で異なる。（By Wikipedia）

こちらのGeoJSONというファイルフォーマットは非常に便利で、Githubでもはき出せたりなにかとよい。

GeoJSONのフォーマット仕様は上記の写真にような感じで、今回私はこの「type: Polygon」つまりポリゴンのみを実装した。

今回ダウンロード機能に、先輩のデルシオさんに教えてもらいながらJavaScriptで書いてるのだが、「new Blog」を使った〜。
中のjsはこんな感じ↓

つまずいた箇所でゆうと、まずは ”cordinate” の中に「lat, lng」という文字列が抜き取れてしまったので、数字だけの配列にするところと、緯度と経度が反対の順番に抜き出していてうまく展開できない？と焦ったり。結果として return [ latlng[‘lng’], latlng[‘lat’] ]; を加えたり。

あと、四角形のポリゴンでも緯度経度の座標は５つ必要で、最初と最後の座標は同じにする必要があった。ここは要注意！

ちなみにfunction download() のところは index.htmlにdownloadって名前でボタンをいれている。

以上、今回はconst(定数)つかってGeoJSONを抜き出したお話〜。

次回はポリゴンの形を回転させるためにくんだjsのお話。
それではまた来週〜。

ポリゴンをGeoJSONで所得する方法 was originally published in Furuhashi(mapconcierge)Lab. on Medium, where people are continuing the conversation by highlighting and responding to this story.

PWA？なにそれ？？という方は、以前私が書いた ”OpenStreetMap×PWA” を参照してもらいたい。

また、Leaflet？なにそれ？？という問いには簡単にLeaflet は広く使われているWeb地図のためのJavaScriptライブラリである。と答えておく。

Leaflet.PMというプラグインを追加したよ

Leaflet.PMは地図上に点、線、長方形、多角形、GeoJSONなどを、追加、編集、カットなど様々な編集機能がある。しかしここで注意したいのは、あくまで自分で描いた形をカットなどの編集ができるということであり、背景地図の元データを編集できるわけではない。

私はこのたくさんある機能の中で、「Building」属性の地物データの追加に特化する編集ツールを作るために、長方形のみの追加機能と、拡大・縮尺、タテヨコ比の変更、追加したデータのカット、移動のみを採用する予定だ。

機能の削除はコードを消すのではなく、いつでもまたすぐに追加できるようにコメント化を私はすることにする。

それではいってみよう！実装方法について！！

まずは上記のサイトから「leaflet.pm」のCSSファイルとJSファイルを自分の「index.html」に参照ファイルとして記述する。実際に「leaflet.pm」のCSSファイルとJSファイルをダウンロードしなくても、上の画像のように絶対パスでリンク付けしても良いのだが、私はローカルに保存して「index.html」と同じ階層にファイルを入れ、相対パスでぶちこんだ。

ここではこのJSファイル(Javascriptファイル)をいれる順番が非常に重要である。

この順番を私は一度間違えて描いてしまったために、実装できなくてつまずき、デルシオさんに助けを求めた。

最後に「script.js」をいれること！全てのスクリプトが反映されてからでないと、もちろん今回入れたプラグインは機能しない！あたりまえのことに私はつまずいていたのだ。。

続きまして、このツールバーに関する記述を、「script.js」に追加する。

私はこのように new L.map の下に普通に追加した。しかと実装もできた。

次回はこの地物追加機能を使って描いた形をGeoJSONファイルでダウンロード機能を実装させるお話。

それではまた来週〜。

地物追加機能実装 was originally published in Furuhashi(mapconcierge)Lab. on Medium, where people are continuing the conversation by highlighting and responding to this story.

卒業研究のために開発中のPWAにおいて、アプリとしてのアイコン表示の実装と実証実験のお話。PWAのアイコン表示はiPhoneの iOSではまだ対応していないため、今回はAndroidOSのスマートフォンと、Macbook Airにおいてアイコン表示を確認した。

まずはPWAにおけるアイコン表示のためのコードから紹介しよう。

• アイコンに設定したい画像をPNGファイルで、index.html、manifest.json、service-worker.jsと同じ階層に設定する。

• 続いてmanifest.jsonフィアルの中で、”icons”を指定する。ここでの注意点は、アイコンとして表示するための画像のファイルサイズを「192×192」にすることだ。このサイズはGoogleがPWAをサービスとしてリリースするために決めたサイズなので合わせないといけない。

• 最後にindex.htmlでmanifest.jsonを呼び出す。

AndroidOSのスマートフォンにおいては、ブラウザがAndroid Chrome 42以上であることが条件だ。アプリとしてのアイコン表示させるのは非常に簡単で、ChromeでPWAのURLを開き、そのサイトを「ホーム画面に表示」という設定をするだけ。

このようにアイコンが表示できた。自分のスマートフォンはiPhone8のため、なかなかスマートフォンで実装を確認できなかったが、今回ようやく友人に協力してもらい確認することができた。

Macbookにおいてはまず、Chrome上でサイトを開き、ディベロッパーツールを起動する。そして「Application」の「Manifest」欄で、「Add to homescreen」を選択する。そうすると「このサイトをシェルフに追加するといつでも使えるようになります」と出てくるので、「追加」を押せばOK

以上、今回はPWAのアプリとしてのアイコンを実際に表示させてみた話。
次回をお楽しみに〜。そろそろ地物データの編集機能の実装に入るのでアドバイスお待ちしております！！よろしくお願いします！！！

PWAでアプリのアイコン表示 was originally published in Furuhashi(mapconcierge)Lab. on Medium, where people are continuing the conversation by highlighting and responding to this story.