| 研究課題/領域番号 |
19H02256
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分22050:土木計画学および交通工学関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
柴崎 亮介 東京大学, 空間情報科学研究センター, 教授 (70206126)
|
|---|
| 研究分担者 |
Seetharam KE 東京大学, 空間情報科学研究センター, 客員教授 (10817290)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
17,420千円 (直接経費: 13,400千円、間接経費: 4,020千円)
2021年度: 4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2020年度: 5,980千円 (直接経費: 4,600千円、間接経費: 1,380千円)
2019年度: 7,150千円 (直接経費: 5,500千円、間接経費: 1,650千円)
|
|---|
| キーワード | 衛星画像解析 / 住環境 / 地価 / 大都市 / 途上国 / 深層学習 / 空間情報科学 / 衛星画像 / 都市開発 / 不動産価格 / 大都市圏 / マッピング / データ解析 |
|---|
| 研究開始時の研究の概要 |
都市開発等により都市は常に変容しているが、それを駆動する最も重要な変数の一つである不動産価格（地価等）を衛星画像から推定することを試みる。東京を参照しつつバンコク、マニラ、ムンバイと、所得水準やインフラの整備状況、建物粒度等が異なるアジアの都市に適用し精度、利用可能性を実証的に明らかにする。その際、近年進展著しい深層学習等を用い、いわゆる地物等の抽出に加え、その密度・配置、高さ、緑地・空地との関係性など多面的な特徴を衛星画像から抽出することを試みる。土地価格はインフラ整備の効果を金額的に評価するために利用でき、不動産開発の計画、デザイン、都市財源の確保といった観点からも非常に重要である。
|
| 研究成果の概要 |
新型コロナにより発展途上国の都市地価データの収集に大きな障害が生じたため、都市環境を衛星画像から詳細に取得するための衛星画像の解析技術の高度化に焦点をあて、国内での地価データ等と関連を明らかにした。高分解能画像による建物の抽出や変化検出技術の高度化し、さらにフリーの中分解能衛星画像を主に利用して住環境劣悪地域（地価が顕著に安い地域）を自動抽出する技術を開発した。これらの方法は大幅な精度向上を達成できることがわかった。
さらに国内で利用可能な地価データ等を大量に取得し、衛星画像から得られる環境因子との関連分析を行った。これらから、我々は衛星画像から途上国大都市での地価推計を行える見通しを得た。
|
| 研究成果の学術的意義や社会的意義 |
多様な衛星画像を利用して建物の自動抽出や変化の自動検出、あるいは住環境の劣悪な貧困地域の自動抽出など、都市環境の詳細情報を抽出する研究は他に少なく、手法開発研究としても、実証的な意味でも非常に有益な成果が得られた。
途上国の都市開発においても、固定資産価値の上昇は、都市の経済成長や都市整備のための公的財源の原資として非常に重要である。資産価値情報を衛星画像などのオープンなデータを用いてある程度推定できるようになれば、長期的には都市財政の安定化や公共サービスの高度化に貢献できる。
|
