新技術で建物高さを正確に把握
建物の高さ情報は、都市の資材管理や災害後の被害評価に欠かせません。しかし、特にグローバルサウスと呼ばれる地域では、高価な航空機搭載のLiDAR（ライダー。レーザー光で距離を測る技術）や商業衛星画像が手に入りにくい状況です。このため、都市全体の建物高さを正確に把握することは難しい課題でした。今回の研究は、この課題を解決する新しいやり方を提示しています。
ブラジルの大都市を対象に、科学研究目的で利用できる高解像度衛星データとAIを組み合わせました。これにより、個々の建物単位で高さを予測することに成功しています。この予測の正確さは、誤差が約5メートルという高い水準です。これは、都市の計画や防災対策に大きく貢献する成果と言えます。
複数の衛星データを組み合わせる
この研究では、複数の異なる衛星データを活用しています。具体的には、TerraSAR-X、PlanetScope、そしてSentinel-1といった衛星からの情報を使いました。SAR（合成開口レーダー。電波を使って地表を観測する技術）データは、雲があっても地表を観測できる強みがあります。一方、PlanetScopeのような光学センサーは、地表の見た目の情報を提供します。これらのデータを単独で使うのではなく、組み合わせて分析することが精度の向上につながりました。
特に、地理加重ランダムフォレストというAIの仕組みを使っています。これは、地域ごとの特性を考慮しながら予測を行うことができる先進的な手法です。訓練データに含まれる空間的な偏りを考慮し、より実態に近い予測を可能にしました。複数のデータ源と適切なAIの仕組みを組み合わせることで、従来の限界を超えた建物高さの推定が実現したのです。
地域特性に応じた予測の重要性
この研究の重要な発見は、建物高さの予測において、どのデータが最も重要かが地域によって変わるという点です。例えば、低い建物では建物の形状データが予測に大きく影響します。一方で、高く孤立した建物では、影から計算される高さがより重要になります。さらに、最も高い建物群では、スペクトル反射率という地表の光の反射データが支配的な役割を果たします。
Sentinel-1のバック散乱データとInSAR（干渉SAR。SARデータを組み合わせて地表の変化を測る技術）は、それぞれ異なる場所で補完的な役割を担います。つまり、特定のセンサーだけが常に優れているわけではありません。この知見は、全体的な機械学習やニューラルネットワークの仕組みでは得られない、地域ごとの具体的なデータ活用の指針を与えてくれます。最適な予測には、その地域の特性を見極めることが不可欠です。
私が考えるこの技術の価値
私の見方では、この技術は単なる研究成果にとどまりません。実際の社会課題を解決する大きな可能性を秘めています。特に、災害が多い地域や急速な都市化が進むグローバルサウスでは、正確な都市情報が不足しています。この技術を使えば、低コストで広範囲の建物情報を手に入れることができます。これは、災害時の迅速な状況把握や、より良い都市計画の策定に直結します。
また、地域ごとのデータ特性を考慮するアプローチは、AI開発において非常に重要です。画一的なAIの仕組みを適用するだけでは、現実世界の複雑な課題には対応できません。私は、この研究が示すように、地域ごとの文脈を深く理解し、それに合わせてAIの仕組みを調整することが、これからのAIプロダクト開発の主流になると考えます。一次情報を現地でぐるぐる回し、最適な解を見つける姿勢が求められます。
PR
文賢 →
AIで建物の高さを測る。これは災害時の被害予測や復興計画で一次情報になります。グローバルな仕組みでは見えない地域ごとの特性を捉えるのが正解です。自分のプロダクトにもこの視点を取り入れます。
