地理空間情報のススメ！オープンデータ×データドリブンなプロシージャル処理による都市の樹木自動配置

Editor's Notes

• #1: みなさん、こんにちは。 シリコンスタジオの大道です。 本日は本セッションにご参加頂き、ありがとうございます。 本セッションは写真撮影とSNS投稿はOKです。発表の最後で質疑応答を行いたいと思います。 講演資料については後日、弊社のホームページでも公開予定ですので、リラックスしてご聴講頂ければと思います。 それと、本日は主に地理空間情報とはなにか？だったり、オープンな地理空間情報を使うとどのようなことができるのか？など幅広くお話をさせて頂きます。 どうぞ、よろしくお願いいたします。
• #2: まず始めに簡単な自己紹介になります。 私はシリコンスタジオに新卒入社をし、研究開発室に所属しています。 現在はPLATEAUなどの地理空間情報を活用したデジタルツインの研究開発に従事しています。 カンファレンスの登壇歴として、昨年のCEDEC2023でProcedural PLATEAUという上の白い箱モデルに対して、下の図のようにファサードを自動的に生成する取り組みをご紹介しました。 こちらはCEDiLや弊社のホームページで発表資料を公開していますので、よろしければご覧ください。
• #3: それで、本セッションでは主に地理空間情報を重点的にお話します。 もちろん、プロシージャル部分もお話しますが、スライドの量としては地理空間情報が多くなっています。 スライド上にある地理空間情報は後程、ご紹介しますので、今すぐに覚える必要性はありませんが、特に断りがない限りは以下の地理空間情報を使用します。
• #4: では本セッションの目次になります。 最初に背景と現状の課題、地理空間情報の簡単な基礎知識と考え方、それからオープンな地理空間情報についてご紹介します。 そして、本セッションのメインである樹木自動配置手法の説明を行い、本手法の結果と課題をお話します。 最後にまとめでセッションを終えたいと思います。
• #5: まずは背景と現状の課題についてです。
• #6: デジタルツインは、社会課題の解決や新しい価値を創造する上で、欠かせない技術になっています。 今年の夏は、特に暑かったと記憶されている方も多いと思いますが、そういった社会課題に対してヒートアイランド・シミュレーションを行ったり、ゲーミフィケーションを用いて市民がまちづくりに参加して、行政と共に新しい価値を創造することが進められています。
• #7: そのデジタルツインを考える上で、都市のオープンデータは非常に重要な存在です。 その代表例として、Project PLATEAUがあります。 Project PLATEAUは日本全国の3D都市モデルの整備を行い、オープンデータ化するプロジェクトのことで、国土交通省が主導しています。 2023年度現在では210都市を整備しており、年々整備都市を増やしています。 PLATEAUは建物や道路、植生など様々な地物を整備しており、デジタルツインを実装していく上で必要なデータがそろっています。 この地物と言うのは、地球上にあるありとあらゆる対象物のことを指しており、建物や植生はもちろん、気象なども地物になります。
• #8: それで、本セッションではこの植生データに焦点を当てて、お話していきます。
• #9: 都市における植生は景観を構築していく上で、非常に重要です。 PLATEAUの植生データは「単独木」と「植被」から構成されています。 2次元的な位置情報だけでなく、高さ情報を持ったデータであることが特徴です。 LOD（詳細度）に関しては、整備都市によって様々で、詳細度の一番高いLOD3のみが存在する都市もあります。 ここで注意点なのは、CG業界だとLODは数値が大きくなるほど粗くなりますが、PLATEAUの場合は逆の関係になりますので少し注意が必要です。
• #10: ここまでオープンな植生データに関してお話しましたが、残念ながら課題もあります。 まず、植生データ自体の課題として、整備都市数が挙げられます。 現在、PLATEAUが整備している都市は210都市ですが、地物ごとで差があります。 建物だと210都市ですが、土地利用モデルだと195都市、植生データでは28都市にとどまっているのが現状です。 また、整備範囲も課題があり、基本的に駅周辺などに限られています。 1つ例を挙げると、静岡県沼津市は他の都市と比べて、比較的植生データが広く整備されています。 しかし、それでも建物や土地利用モデルと比べると、かなり限定的な整備範囲であることが図や表から確認できると思います。
• #11: それなら、独自で植生データを作って配置できれば良いでしょうか？ これも残念ながら簡単な問題ではないです。 現実世界は広大で複雑な都市構造を持っており、単純なグリッドで道路は作れません。 この広大で複雑な都市構造の中、人手で樹木の位置や高さを作るのは現実的ではありません。 さらに、現実世界の樹木は「意味のある位置」であることが多く、他の地理空間情報を考慮した配置になっていると思います。 同様に樹木の高さも意味があることが多く、街路樹や区画内の樹木の高さはそれぞれエリアごとで異なると思います。 したがって、現実世界の地理空間情報に基づいた樹木の作成/配置の自動化が必要になってきます。
• #12: そこで本セッションでは広範囲に整備されたオープンな地理空間情報を用いた樹木の自動配置を目指します。 具体的には建物や土地利用モデル、歩道・分離帯、樹冠高モデルといった様々な地理空間情報を用いて、樹木の自動配置を目指します。
• #13: 次に、地理空間情報の簡単な基礎知識と考え方についてお話します。
• #14: さて、ここまで地理空間情報という言葉が度々出てきましたが、それはなにか？についてご説明します。 国土地理院より、地理空間情報の意味を引用すると、「地理空間情報とは、空間上の特定の地点又は区域の位置を示す情報（位置情報）とそれに関連付けられた様々な事象に関する情報、もしくは位置情報のみからなる情報をいう。」とあります。 とても難しそうに思えますが、端的に言うと、位置情報のみか、位置情報と属性情報の両方を持つデータ、ということになります。
• #15: 先程の説明だけだと、なかなかイメージが難しいかもしれませんので、身近な例を挙げて地理空間情報をイメージしてみましょう。 最も身近な地理空間情報はスマートフォンの位置情報です。 右の図はCEDEC+KYUSHUの会場である九州産業大学が表示されている地図ですが、GPS機能をオンにすると、赤いピンのように現在地が表示されると思います。
• #16: この現在地には、位置情報として「緯度と経度」、属性情報はあくまで例ですが「日付」などが含まれていると思います。 普段はこういった数値や文字列を直接見ることは少ないですが、こういった情報が地理空間情報になります。
• #17: 地理空間情報がなにか、と言うのが分かったことで、ではこれをどのように使うのか？という疑問が出てくるかと思います。 地理空間情報を使う上で欠かせないのが地理情報システム（GIS）です。 GISは地理空間情報を可視化・分析・作成などをコンピュータ上で行うシステムのことで、これも身近な例としてはGoogle MapがGISに当たります。 このGISの代表的なソフトウェアとして、QGISやArcGIS、MANDARAなどがあります。 本セッションではQGISを取り挙げてご紹介します。
• #18: QGISはオープンソースGISソフトウェアです。 フリーで多機能な所が特徴で、Pythonを用いてプラグインの開発も可能となっており、拡張性も高いです。 後述しますが、空間参照系の変換、つまり座標変換も簡単にできます。 また、行政機関や民間でも活用例が多くなってきており、今勢いのあるGISソフトウェアかと思います。
• #19: それでは、このQGISでいくつかの地理空間情報を可視化してみましょう。 左側の図は建物を可視化しており、ベクタデータでインポートしています。 ベクタデータは点・線・面で表現され、データの粒度は座標値に依存します。 具体例としては、道路や歩道などがベクタデータで表現されます。 一方、右側の図は樹冠高モデルを可視化しており、ラスタデータでインポートしています。 ラスタデータはピクセルで表現され、データの粒度は解像度に依存します。 具体例としては、航空写真や数値標高モデルなどがラスタデータで表現されます。
• #20: 先程は地理空間情報をQGISで可視化しましたが、可視化するときに一番大切なのは空間参照系です。 空間参照系は測地系と座標系から構成されており、測地系は地球の形や原点・高さの基準などを定義した地球上で位置を測る際のルールです。 一方、座標系は地球上の位置を座標で表すときの原点や座標の単位などのルールです。 先程の建物や樹冠高モデルなどの地理空間情報を正しく扱うには、この空間参照系の確認が大事になってきます。
• #21: それでは先程の建物と樹冠高モデルの空間参照系をQGISで確認してみましょう。 空間参照システムの一番上の項目の名前にEPSGという文字列がありますが、これは特定の空間参照系を一意に識別する番号です。 左側の建物は6668、右側の樹冠高モデルは3857となっており、異なった空間参照系であることがわかります。
• #22: ここまで空間参照系についてお話してきましたが、初めて見る方にとっては、とても難しい内容になっているかと思います。 そこで、使用頻度の高い空間参照系を表で整理したいと思います。 基本的に地理空間情報の空間参照系は世界測地系の緯度経度座標系、EPSGだと4326が多いです。 ただ、PLATEAUなどの日本の地理空間情報に関しては、日本測地系の緯度経度座標系、EPSGだと6668、または6697が多いです。 まずはこの2つの座標系を覚えて頂ければと思います。
• #23: そして、地理空間情報を扱う上で「最も重要な」GISの基本的な考え方について、ご紹介します。 それは、「データを重ねること」です。 とても単純でなのですが、これが非常に重要な考え方です。 データを重ねるときは先程の空間参照系がカギとなっており、同じ座標系に合わせることが重要になります。 このデータを正しく重ねることで、データ間の関係性の可視化や複数のデータを対象にした分析などが可能になります。 この考え方は、後述する樹木の自動配置手法でも重要になってきます。
• #24: ここまでは地理空間情報の簡単な基礎知識に触れていきましたが、今度は本セッションで使用するオープンな地理空間情報についてご紹介します。
• #25: 近年、地理空間情報はオープンデータ化が進んできており、数多くのデータが公開されています。 このスライドでは簡単に3Dと2Dに分けてオープンな地理空間情報を列挙していますが、本当はこのスライドに載せきれないほど、数多くのオープンデータが存在します。
• #26: 本セッションではその中でも上記の3つのオープンデータを使用します。 この後のスライドから、これらのデータを簡単にご紹介していきます。
• #27: まずはProject PLATEAUです。 これは本セッションの導入部分でもお話しましたが、改めてご紹介します。 PLATEAUは日本全国の3D都市モデルのオープンデータであり、2023年度現在では210都市を整備しています。 PLATEAUには建物や道路、植生などの地物が整備されており、データフォーマットは3D都市モデルを扱うための標準フォーマットであるCityGMLになります。 本セッションでは名古屋市の建物と土地利用モデルを使用します。 名古屋市を選んだ理由としては、高解像度の航空写真があり、樹木の自動配置結果と比較しやすいからです。
• #28: 次に基盤地図情報です。 これは国土地理院が整備している、電子地図における位置の基準となる情報のことです。 この情報があることで他の地理空間情報を正しく重なることが可能になります。 基本項目では、測量の基準点、道路縁など13項目を定めており、データフォーマットはGML形式です。 本セッションでは、この基本項目の中にある道路構成線を使用します。 具体的には、歩道と分離帯を使用し、街路樹を配置する基準として使用します。
• #29: 最後はHigh Resolution Canopy Height Maps by WRI and Metaになります。 本セッションでは名称が長いので樹冠高モデルと呼称します。 このデータは全世界を対象にして、樹木の高さを深層学習で推定したデータになっています。 ピクセルごとに樹木の高さがメートル単位で格納されており、1pixelあたり1m解像度であるため、単独木の検出も可能です。 また、データフォーマットはGeoTIFF形式になります。 本セッションでは名古屋市を含む領域を使用していきます。
• #30: それで、先程3つのオープンデータをご紹介しましたが、それを表にしてまとめてみました。 複数のオープンデータを使用するときは、整備都市だったり、データフォーマット、空間参照系、データの品質などを確認するのが大事かと思います。 特に空間参照系やデータの品質に関しては注意深く確認しないと、データが重ねられない、データのズレに対応できないなどの問題があります。 本セッションでは、そのような問題に対応しながら樹木の自動配置を行います。
• #31: そしてようやく、本セッションのメインである樹木の自動配置手法をご説明していきます。
• #32: こちらが樹木自動配置手法の概要になります。 本手法はGIS ProcessとProcedural Processという2段階の処理を採用しています。 前章でご紹介したオープンな地理空間情報を入力として、GIS Processで樹木の自動配置に向けたデータ作りを行います。 次にProcedural ProcessではGIS Processで作成したジオメトリや属性情報に基づいて樹木の自動配置を行います。
• #33: では早速、GIS Processからご説明していきます。
• #34: GIS Processは3つの処理で構成されています。 フォーマット変換や座標変換などを行う前処理、歩道・分離帯や区画内の樹木データ抽出処理、属性情報の付与などを行う後処理です。 こちらも前処理から詳しく、ご説明します。
• #35: 前処理では、まずデータフォーマット変換を行います。 この処理はPLATEAUのデータのみに行い、QGISで扱いやすいフォーマットに変換していきます。 変換方法はPLATEAU GIS ConverterというCityGMLからGISフォーマットに変換するソフトウェアを使用します。 今回はGISフォーマットとして、GeoPackageを選択し、空間参照系は緯度経度座標系、出力LODは最小のLODに設定します。
• #36: 次に領域指定及び座標変換を行っていきます。 使用するオープンな地理空間情報はファイルごとでデータ領域と空間参照系がバラバラなので、これを揃える必要があります。 そこで本セッションでは、対象エリアとして名古屋城周辺2km四方を選択し、空間参照系は距離を扱うときに便利な平面直角座標を使用します。 今回は愛知県ということなので、EPSGは6675になります。 平面直角座標については、それぞれの都道府県でEPSGコードが異なりますので、適切なコードを指定することが重要です。
• #37: 続いて、樹木データ抽出処理に移っていきますが、樹木データ抽出処理は2つの処理に分かれます。 1つが歩道・分離帯の処理、もう1つが区画内の処理になります。
• #38: こちらも早速、歩道・分離帯の処理からご説明します。
• #39: 歩道・分離帯の処理のスタートは樹冠高モデルから樹頂点を抽出することです。 樹冠高モデルから画像処理を用いてピーク値を抽出します。
• #40: 先程の処理で樹頂点を抽出することはできましたが、この樹頂点は必ずしも正しい位置にあるわけではありません。 左側の図は樹頂点に航空写真や道路を重ねて表示していますが、明らかに左側の樹頂点が道路外に飛び出しています。 この状態だとこれらの点は歩道の樹頂点として使われず、データを失うことなります。 そこで、誤差を考慮するため、右側の図のように、道路にバッファを持たせて樹頂点を抽出します。
• #41: 誤差を考慮して樹頂点を抽出した後は、歩道と分離帯を重ねて樹頂点をアライメントします。 一定距離の閾値で樹頂点を歩道と分離帯にそれぞれスナップします。 この時、点同士の距離は街路樹の植樹間隔を参考にして、調整を行っています。
• #42: 歩道における樹頂点はオフセット処理を行います。 各樹頂点からピンクの区画データに向けて一定距離にオフセットします。 オフセットするときは、歩道からの距離や幅員による街路樹の配置基準などを参考にして、処理を行っています。
• #43: 歩道・分離帯の処理の最後では、道路に樹木の高さ情報を保存します。 樹冠高モデルと道路を重ねて、各樹木領域の高さ（最大値）を計算します。 そして、道路にある各樹木領域の最大値から中央値を抽出して、属性情報として保存します。 図でご説明すると、真ん中の図で各樹木領域の最大値が12, 13, 23mと計算されたとします。 この樹木領域と道路を重ねて、右側の図のように道路領域内にある最大値から中央値を抽出、すなわち13mが属性情報として道路に付与されます。 この処理は、データのバラつきを考慮し、もっともらしい樹木の高さを抽出するために行っています。 そして、樹木の高さ情報は、後処理で樹頂点に属性情報を付与するときに使用します。
• #44: 続いて区画内の処理について、ご説明します。
• #45: 区画内の樹木データ/抽出処理の前に、なぜ区画内は歩道・分離帯の処理とは別なのでしょうか？ それは高さ情報の信頼性に問題があるからです。 樹冠高モデルはあくまで深層学習の推定結果であり、現実の樹木の高さではありません。 図を例にご説明しますと、左側の図は樹冠高モデルと樹頂点を重ねていますが、この樹頂点に航空写真を重ねると右側の図になります。 赤丸に注目すると、樹木は確認できるのに樹頂点がないことがわかります。 このように密な樹木に対して、ピーク値から樹頂点を抽出する方法には限界があります。
• #46: そこで本手法では、区画内の樹木はプロシージャル側で樹木領域から樹頂点をサンプリングするようにしていきます。
• #47: では、プロシージャル側で樹頂点をサンプリングするためのデータ作りをGISで行います。 樹冠高モデルのラスタデータからベクタデータに変換し、樹木領域をベクタデータとして抽出します。
• #48: 樹木領域を粗く抽出した後は、不適切な樹木領域を削除していきます。 土地利用モデルから道路や水面などを除いた区画データと建物を重ねて、水面や道路内などの不適切な樹木領域を取り除きます。 このとき、建物や道路などに多少余分な大きさを持たせて樹木領域を調整しています。
• #49: そして、歩道・分離帯の処理と同様に、樹木領域の高さ情報を抽出します。 具体的には2段階の属性情報抽出を行っており、1段階目で樹木領域を細かい単位で空間分割を行います。 その分割した領域ごとで樹冠高モデルから高さの最大値を抽出します。 2段階目では、1段階目より大きい単位で樹木領域を空間分割し、その大きい単位ごとで高さの中央値を抽出します。
• #50: 具体的に図でご説明しますと、まず、左上の樹木領域から真ん中の図のように細かく空間分割を行います。 次に、その分割された領域に樹冠高モデルを重ねて各領域の高さの最大値を抽出します。
• #51: 2段階目では、樹木領域から先程より大まかに空間分割を行います。 次に、その大まかに分割された領域に、先程の最大値を抽出した領域を重ねて、各領域の高さの中央値を抽出します。 例として、右上の図で抽出された各領域の最大値が16、13、15m、となったとします。 下の図だと、これらは1つの領域になっていますので、これらの中央値、すなわち15mが選ばれるということになります。 こちらも同様にデータのバラつきを考慮して、もっともらしい樹木の高さを抽出しています。 ここまでが、樹木データ抽出処理になります。
• #52: GIS Processの最後の処理として、後処理では属性情報の付与・追加を行います。 歩道・分離帯の樹頂点では、道路が持つ樹木の高さ情報を樹頂点に属性情報として付与します。 対して、区画内の樹木領域では、大まかに空間分割した樹木領域ごとに面積情報を追加します。
• #53: 属性情報を付与・追加した後は、作成した地物を保存します。 歩道・分離帯の樹頂点はCSV、区画内の樹木領域はshapeとCSVに分けて保存します。 これで、樹木自動配置に向けたデータ作りが完了しました。
• #54: 今度はProcedural Processについてご説明します。
• #55: Procedural Processではまず、データの受け取りとしてQGISで作成した地物をBlenderアドオンを用いてインポートします。 使用するアドオンはBlender GISとBlender Spreadsheet Importerになります。 BlenderGISは区画内の樹木領域、Blender Spreadsheet Importerは歩道・分離帯の樹頂点などをインポートするのに使用します。
• #56: こちらがインポートの様子になります。 左側がQGIS、右側がBlenderでそれぞれの地物を表示しています。 これでデータの受け取りは完了しました。
• #57: ここからプロシージャル処理に移っていきます。 本セッションではGeometry Nodesを使用して、歩道・分離帯の処理と区画内の処理に分けて、ご説明します。
• #58: まずは歩道・分離帯の処理についてです。
• #59: 歩道・分離帯の処理では、まず属性情報から樹頂点の座標を設定します。 平面直角座標のx、y座標の属性情報をpositionのx、y座標に設定します。 この時、樹木の高さはすでに属性情報に格納されています。
• #60: 次に樹木の高さ情報と樹頂点の位置情報から木の属性情報を計算します。 簡単な樹木を手続き的に作るために、木の幹の高さなどを自動計算してしています。 このとき、手続き内で樹木の高さにバラつきを持たせて、均一な樹木が作られないようにします。 樹冠の大きさは樹頂点間の距離や樹木の高さ、建物などを考慮して自動計算しています。
• #61: そして木の属性情報を基に樹木を作成し、配置を行います。 位置情報に関しては、QGIS側で処理を行っているので、特に操作は行っていません。
• #62: 続いて、区画内の処理についてご説明します。
• #63: 区画内の処理では、まずジオメトリに属性情報を設定します。 Blenderにインポートした樹木領域は、Geometry Nodes上では属性情報が設定されていないので、CSV形式のデータで対応付けを行っています。
• #64: ジオメトリに属性情報を対応付けした後は、ジオメトリと属性情報に基づいて点をサンプリングしていきます。 具体的には樹木の高さと面積からサンプリングの間隔を制御しています。 基本的には樹木の高さが高いほど、点同士の間隔を大きく設定します。 詳細な配置方法に関しては、ニーゼらのProcedural Urban Forestryという論文を参考にしています。
• #65: そしてサンプリングした後は歩道・分離帯と同様にして、樹木を作成＆配置を行います。
• #66: 先程の歩道・分離帯と区画内の処理を組み合わせて、都市における樹木の自動配置が完成です。
• #67: ここからは本手法の結果と課題についてお話します。
• #68: 本手法の結果では、先程の自動配置結果を航空写真と比較したり、樹木の有無での比較を行います。 また、本手法の効果検証として地理空間情報がどれだけ貢献しているかについてもお話します。 最後に処理時間の確認もしていきます。
• #69: まず、こちらはオルソ比較として、航空写真と自動配置結果を表示しています。 中心部分にある名古屋城の周辺やその上にある公園などの樹木が航空写真と似た配置になっていると思います。
• #70: もう少しズームしてみて、街路樹などを比較してみましょう。 樹冠の大きさまでは完全に再現できている感じではありませんが、様々な地理空間情報から、航空写真に近い樹木の表現が得られていると思います。
• #71: 今度は樹木の有無についてみていきます。 名古屋市は植生データがないので左側の図のように樹木がありませんが、自動配置を行うと、右側の図のように歩道や分離帯、区画に基づいて樹木が配置されていることが確認できます。
• #72: ここまで樹木の自動配置結果を確認してきましたが、本手法のキモである地理空間情報はどの程度貢献しているのかを見ていきたいと思います。 具体的には、位置情報や属性情報がどこまで樹木の自動配置に影響を与えるのかを確認していきます。 検証は以下の3パターンで行いました。
• #73: 検証結果を見ると、まず左側の図は位置補正なし・属性情報なしの結果ですが、すでに樹木の位置が適切でないことがわかると思います。 歩道や分離帯から離れて樹木が配置されていたり、樹木の高さ情報がないと、凸凹した見た目になり一体感がありません。 真ん中の図だと位置補正がありますので、適切な位置に樹木が配置されていますが、高さ情報がないため一体感がありません。 右側の図は位置補正・属性情報共にありますので、適切な位置に樹木が配置され、一体感のある景観が作り出せていると思います。
• #74: 本手法の処理時間はGIS Processでは歩道・分離帯は約90秒、区画内は約30秒でした。 歩道・分離帯の処理が長いのは歩道と分離帯の処理をそれぞれ独立して行っていることが原因かと思います。 Procedural Processでは歩道・分離帯は約0.08秒、区画内は約1秒でした。
• #75: 一方、本手法の課題としては、まずイチョウやケヤキなどの樹種を考慮しておりません。 また、低木・植被などは非対応で、3m以上の高木のみを対象にしています。 それと自動配置結果は現実の樹木の位置情報とは完全に一致しないことです。 あくまで「似たような位置や高さである」ということになります。 そして、時代ごとで樹木の様子も変わりますので、樹冠高モデルなどの更新頻度に関しても課題になるかと思います。
• #76: それではまとめになります。
• #77: 本セッションではデジタルツインがつくる社会と都市のオープンデータをご紹介し、現状の課題を整理しました。 都市のオープンデータであるPLATEAUは建物や土地利用モデルなどと比べて、植生データが少ないことが課題でした。 さらに現実世界は複雑な都市構造であり、「意味のある樹木の位置や高さ情報」が必要でした。 そこで本セッションでは広範囲に整備されたオープンな地理空間情報を用いた樹木の自動配置手法を提案しました。 この手法はGISとプロシージャルの役割分担が重要で、GISでは樹木の自動配置に向けたデータ作りを行い、プロシージャルはジオメトリと属性情報に基づいた樹木の自動配置を行いました。
• #78: 本手法の強みとしては、まずクローズドなデータに依存しないアプローチになっています。 つまり、オープンデータのみを用いたアプローチで、誰でもアクセスできるデータを用いています。 次に信頼性のあるデータに基づいた樹木の配置を実現し、樹木の高さ情報も考慮しています。 さらに、本手法はPLATEAUの整備都市が広がるほど適用可能な自治体が増える仕組みになっています。 ですので、PLATEAUがどんどん大きくなれば、それに従って本手法もより多様になることを意味しています。 一方、弱みとしては自動配置結果は現実世界と「似た」位置情報や高さ情報であることと、樹種や低木などは考慮していないことです。
• #79: 今後については、低木・植被なども対象にした植生配置を検討したり、他の地理空間情報との連携などを考えています。
• #80: 本セッションの発表は以上になります。 ご清聴ありがとうございました。