都市のすがた：都市のさまざまな要素のデータによる可視化
2021.10.26
パラメトリック・ボイス 大阪大学 福田 知弘
都市のすがた。これは、都市の見た目を指すだけではなく、都市の様々な要素をデータに基づ
き可視化することでもあり、都市の状況をわかりやすく理解することができます。この作業は、KKD（勘（Kan）と経験（Keiken）と度胸（Dokyou））だけに頼ることなく、データとエビ
デンスに基づいた意思決定、利害関係者への説明、マネジメントの実施につなげることができ
ます。データドリブン（データ駆動型）アプローチとも呼ばれます。
今回は、ビッグデータのひとつであるストリートビュー画像を活用して都市のすがたを可視化
した取組みを紹介します。都市景観の色彩管理や都市マネジメントのために、大規模な都市ス
ケールで、きめ細やかなレベルで建物ファサードカラーを把握したり、建物の機能を分類する
ことを対象とします。これを実現するために、フィールド調査をはじめとする手作業中心の測
定法がこれまで使われてきました。緻密で大切な作業ではありますが、労働集約的であり比較
的小さなスケールでは適応可能なものの、マクロスケールに適応するのは困難です。さらに、
変化の激しい地域でのデータ更新に対応することはできません。
近年、都市データベース（ビッグデータ）はインターネットに蓄積され、コンピュータビジョ
ン技術（特に、深層学習）は急速に進歩しています。さらにそれらはオープンソース化されて
扱いやすくなりました。
ストリートビュー画像と深層学習を活用した定量的分析法
筆者らは、ストリートビュー画像と深層学習を用いて、都市の建物ファサードのカラー推定と
建物の機能分類を自動化する方法を開発しました *1。
図1は、提案システムのワークフローを示しています。
まず、大量のストリートビュー画像を収集します。オープンストリートマップを用いて道路上
の隣接点間距離が20mとなるような等間隔のサンプルポイントを設定し、そのポイントに該当
するストリートビュー画像（沿道風景となる両側90度分の写真。800 x 500ピクセル）を抽出
します。ストリートビュー画像に対して、カラーキャリブレーションを実行します。
次に、ストリートビュー画像に含まれる建物の領域をセグメント化します。このため、深層学
習のセマンティックセグメンテーション（ピクセル単位でラベルやカテゴリを関連付けるアル
ゴリズム）を適用しました。セグメンテーションした結果、その画像に含まれる建物の面積が
20％未満の場合、その画像は不採用としています。
セグメンテーションにより建物の領域のみが残された画像を用いて、ファサードカラーを推定
します。ここでは、各画像のドミナントカラー（主調色）を、標準カラーコードに基づいて計
算しました。
一方で、住宅、公共サービス、商業サービス、その他の施設など、ストリートビュー画像に含
まれる建物の機能を複数抽出できるように、マルチラベル分類器を大量のストリートビュー画
像を基に4965枚のデータセットを作成して、深層学習モデルをトレーニングしました。
実験結果
提案した方法を実際の都市に適応して、ファサードカラーの測定と建物機能の分類を行いまし
た。
図2は、筆者らの方法と現地調査の測定結果をカラー比較しています。
図3、4は、提案システムを用いて、中国・上海（124.6 km2）での建物ファサードのドミナン
トカラーと建物機能の分類をそれぞれマッピングした結果です。南京（152.1 km2）、
合肥（108.6 km2）でも分析を行い、長江デルタに位置する3つの大都市で実験しました。
ご覧のように、大規模な都市スケールに対して、ファサードのドミナントカラー（主調色）を
色見本コードで測定するとともに、住宅、オフィス、商業施設などの用途を分類することがで
きました。
無効なデータとして分類されたストリートビュー画像には、建物が含まれていない場合、建物
が大きな緑などで隠されている場合、色の偏差が激しい画像などがあります。ストリート
ビューの撮影地点から見て、建物が街路樹などで隠されている場合は、建物のファサードカ
ラーや機能を正確に推定することが難しくなります。このような場合において、建物全体をど
のように把握するかは今後の課題です。
展望
提案した方法は、現在の建造環境の色彩を可視化したり、評価したり、新たな都市再生プロ
ジェクトの基礎資料として提供することができます。すなわち、都市の建造環境の質を向上さ
せるために、ひとつのデータ駆動型アプローチでサポートすることが期待されます。
最後に、この研究成果は、8月16日に大阪大学よりプレスリリースしました *2。
図1 ストリートビュー画像と深層学習を用いたファサードカラー測定と建物機能分類の
ワークフロー
図2 現地調査データ（上）と提案法による測定（下）のカラー比較
図3 上海中心部（124.6 km2）の建物ファサードのドミナントカラーをマッピング。右図は
L地区＝高層ビルが建ち並ぶ浦東新区のカラー分布
図4 上海中心部（124.6 km2）における建物機能の分類をマッピング
参考文献
*1 Jiaxin Zhang, Tomohiro Fukuda, Nobuyoshi Yabuki, 2021, Development of
a City-Scale Approach for Façade Color Measurement with Building Functional
Classification Using Deep Learning and Street View Images, ISPRS International
Journal of Geo-Information, 10(8), 551,
*2 建物の機能分類（住宅・オフィス・商業施設等）と 建物ファサードカラー測定による大都
市スケールの空間分析法（大阪大学 ResOU（リソウ）・プレスリリース）
