2024年度ゼミ論最終発表
青山学院大学 地球社会共生学部 地球社会共生学科
佐藤 愛妃 / Aki Sato
学生番号 1A122083
指導教員 古橋大地 教授
©︎Furuhashi Laboratory/Aki Sato, CC BY 4.0
2024年度ゼミ論 最終発表用
青山学院大学 地球社会共生学部
佐藤 愛妃 / Aki Sato
指導教員: 古橋大地 教授
©︎Furuhashi Laboratory/Aki Sato, CC BY 4.0
本プロジェクトでは、標高データを基に3Dボクセルを生成し、それぞれにユニークなハッシュIDを付与 することで、3D空間情報を効率的に管理・検索可能なシステムを構築 した。
また、生成したデータを GeoJSONおよび辞書データ（JSON）形式で保存 し、FastAPI を用いて ローカル環境での検索APIを実装 した。
このシステムにより、特定の座標（X, Y, Z）に対応するボクセルIDを検索 したり、既存のボクセルデータから最も近いボクセルを取得 することが可能となる。
- 3D空間情報とGIS（地理情報システム） の活用は、都市計画、環境管理、災害対策など多くの分野で注目されている。
- しかし、3Dデータは処理が重く、検索や管理が難しい という課題がある。
- 標高データから3Dボクセルを生成し、ハッシュIDで管理することで、データの効率的な検索と管理を可能にする。
- 標高データを基にしたボクセルを生成
- ボクセルにユニークID（ハッシュ値5桁）を付与
- GeoJSONおよびJSON形式でデータを保存
- FastAPIを用いてローカルでボクセルを検索できるAPIを構築
使用言語：Python Google Colaboratry：https://colab.research.google.com/drive/1rKQu8nY0WiSGas41dEnTdTjMFGRGshDk?usp=sharing
- 標高データの取得と前処理
以下のプラグインを使用し、QGIS上で標高タイルをGeoTIFFに変換しました。zoomレベル14で取得しました。 MIERUNE. (2023). QGISの3Dビューを活用してみよう [https://www.mierune.co.jp/news/posts/1286?lang=ja]. MIERUNE Blog. Retrieved from https://www.mierune.co.jp/news/posts/1286?lang=ja
-
250m×250m×250mのボクセルを作成
途中、5m5mメッシュの予定でしたが、10m10mになってしまっていたので、コード使って5mにしました。 -
各ボクセルにハッシュIDを生成
import hashlib
def generate_voxel_id(x, y, z):
"""X, Y, Z からユニークなハッシュIDを生成（冗長性あり）"""
hash_part = hashlib.md5(f"{x}_{y}_{z}".encode()).hexdigest()[:5] # 5桁のハッシュ
return f"{x}_{y}_{z}_{hash_part}" # "X_Y_Z_ハッシュ" の形式
# テスト
print(generate_voxel_id(500, 500, 1250))
# 出力例: "500_500_1250_7a3fb"
5. . **GeoJSONとJSONの2種類のデータを保存**
6. **FastAPIでボクセル検索APIを構築**
7. **ローカル環境でAPIをテスト**
- 3Dボクセル、STL出力
pip install trimesh
!pip install trimesh
pip install numpy
pip install numpy
import trimesh
print("trimesh successfully imported!")
import json
import numpy as np
import trimesh
# ✅ Google Drive をマウント
from google.colab import drive
drive.mount('/content/drive')
# ✅ GeoJSON ファイルのパス
geojson_path = "/content/drive/My Drive/Colab Notebooks/3d_voxel_data_with_id.geojson"
stl_path = "/content/drive/My Drive/Colab Notebooks/3d_voxel_mesh.stl"
# ✅ GeoJSON を読み込む
with open(geojson_path, "r", encoding="utf-8") as f:
geojson_data = json.load(f)
# ✅ ボクセルデータを取得
voxels = []
for feature in geojson_data["features"]:
x, y, z = feature["geometry"]["coordinates"]
size = feature["properties"]["Size"]
# 立方体（ボクセル）の8頂点
cube_vertices = np.array([
[x, y, z],
[x + size, y, z],
[x + size, y + size, z],
[x, y + size, z],
[x, y, z + size],
[x + size, y, z + size],
[x + size, y + size, z + size],
[x, y + size, z + size]
])
# 立方体の6面（三角形2つで構成）
cube_faces = np.array([
[0, 1, 2], [0, 2, 3], # 底面
[4, 5, 6], [4, 6, 7], # 上面
[0, 1, 5], [0, 5, 4], # 前面
[2, 3, 7], [2, 7, 6], # 背面
[1, 2, 6], [1, 6, 5], # 右側
[3, 0, 4], [3, 4, 7] # 左側
])
# 1つのボクセルを作成
voxels.append(trimesh.Trimesh(vertices=cube_vertices, faces=cube_faces))
# ✅ すべてのボクセルを統合
mesh = trimesh.util.concatenate(voxels)
# ✅ STL ファイルとして保存
mesh.export(stl_path)
print(f"✅ 3Dボクセルデータ（STL）を {stl_path} に保存しました！")
- 標高データを
5mメッシュで取得 - 250mごとのグリッド に分割し、平均標高を計算
- 標高範囲に応じてZ方向のボクセルを作成
import numpy as np
# ボクセルのサイズ
voxel_size = 250
# X, Y の範囲（250mごとに区切る）
x_range = np.arange(0, x_length, voxel_size)
y_range = np.arange(0, y_length, voxel_size)
# 標高データの最小値と最大値を取得
min_elevation = np.floor(np.nanmin(elevation_data) / voxel_size) * voxel_size
max_elevation = np.ceil(np.nanmax(elevation_data) / voxel_size) * voxel_size
# Z方向のボクセル範囲（標高データの範囲を250mごとに区切る）
z_range = np.arange(min_elevation, max_elevation + voxel_size, voxel_size)
# 3Dボクセルのリスト
voxel_data = []
for x in x_range:
for y in y_range:
z_avg = np.nanmean(elevation_data[int(y/5):int((y+voxel_size)/5), int(x/5):int((x+voxel_size)/5)])
for z in np.arange(z_avg, z_avg + voxel_size, voxel_size):
voxel_data.append((x, y, z, voxel_size))✅ この処理により、XYZの座標ごとに3Dボクセルを作成
1.X 2.Y 3.z 4.size & 5桁のハッシュ値
import hashlib
def generate_voxel_id(x, y, z):
"""X, Y, Z からユニークなハッシュIDを生成"""
hash_part = hashlib.md5(f"{x}_{y}_{z}".encode()).hexdigest()[:5]
return f"{x}_{y}_{z}_{hash_part}"✅ 各ボクセルに X_Y_Z_ハッシュ 形式のIDを付与
import json
geojson_data = {
"type": "FeatureCollection",
"features": []
}
for x, y, z, size in voxel_data:
voxel_id = generate_voxel_id(x, y, z)
feature = {
"type": "Feature",
"properties": {"Voxel_ID": voxel_id, "X": x, "Y": y, "Z": z, "Size": size},
"geometry": {"type": "Point", "coordinates": [x, y, z]}
}
geojson_data["features"].append(feature)
with open("3d_voxel_data_with_id.geojson", "w") as f:
json.dump(geojson_data, f, indent=4)voxel_dict = {generate_voxel_id(x, y, z): {"X": x, "Y": y, "Z": z, "Size": size} for x, y, z, size in voxel_data}
with open("voxel_dict.json", "w") as f:
json.dump(voxel_dict, f, indent=4)from fastapi import FastAPI
import json
app = FastAPI()
with open("voxel_dict.json", "r", encoding="utf-8") as f:
voxel_dict = json.load(f)
@app.get("/voxel/{voxel_id}")
def get_voxel(voxel_id: str):
return voxel_dict.get(voxel_id, {"error": "Voxel ID not found"})
@app.get("/search/")
def search_voxel(x: int, y: int, z: float):
for voxel_id, data in voxel_dict.items():
if data["X"] == x and data["Y"] == y and data["Z"] == z:
return {"Voxel_ID": voxel_id, "Data": data}
return {"error": "No matching voxel found"}
-
ボクセルデータ（GeoJSON）: 3d_voxel_data_with_id.geojson 形式: GeoJSON（ポイントデータ or 3Dポイント） QGISでの動作:ベクターレイヤとして追加できる（レイヤ → レイヤを追加 → ベクタレイヤを追加）。 3Dビューでシンボルを変更して可視化（立方体、球体など）。 ポリゴンデータではないため、メッシュ表示には変換が必要。
-
PolygonZ（3Dポリゴン）: 3d_voxel_data_polygonZ.geojson 形式: GeoJSON（3Dポリゴン、PolygonZ） QGISでの動作:ベクターレイヤとして追加可能（3Dポリゴンを含む場合、3Dビューに対応）。 「3Dビュー」タブで立体構造として表示できる。 属性テーブルで各ポリゴンの高さやIDを確認可能。
-
ElevationTile4JP（標高タイル）: ElevationTile4JP-1.1.zip 形式: ZIP圧縮（中にラスターデータが格納されている可能性あり） QGISでの動作:直接ZIPのまま読み込むのは不可。 解凍後、GeoTIFF（.tif） や XYZタイルが含まれていればインポート可能。 「ラスタレイヤを追加」でインポートし、標高データとして利用可能。
-
Voxel辞書データ（JSON）: voxel_dict.ver2.json 形式: JSON（辞書データ、構造化データ） QGISでの動作:QGISの通常のレイヤとしては追加不可（直接可視化できるフォーマットではない）。 Pythonスクリプトを使ってQGISにデータとしてインポートすることは可能（PyQGIS）。 APIやデータ検索に利用するバックエンド向けのデータ。
-
3Dvoxelデータ：STL（メッシュ）: 3d_voxel_mesh.stl 3Dモデル、3Dプリント、MeshLabやBlender
おまけ
富士山の標高を大まかにプロット
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
# 3Dプロットの準備
fig = plt.figure(figsize=(10, 8))
ax = fig.add_subplot(111, projection='3d')
# (X, Y, Z) の座標を取得
x_vals, y_vals, z_vals, sizes = zip(*[(x, y, z, size) for _, x, y, z, size in voxel_data_with_id])
# 3Dボクセルの可視化
ax.scatter(x_vals, y_vals, z_vals, s=5, c=z_vals, cmap='terrain')
ax.set_xlabel('X (m)')
ax.set_ylabel('Y (m)')
ax.set_zlabel('Height (m)')
plt.show()❌ QGISでの3Dボクセル可視化が困難 → 別の可視化ツールを検討
❌ ボクセルのZ座標の間隔が乱れる → 標高データの範囲を一定に修正
❌ 検索APIのパフォーマンスが低下 → 辞書データを使用し、高速化
⚡ SQLiteと統合して大規模データ対応
⚡ Raspberry Piでオフライン検索を実装
⚡ Webベースの可視化ツールを開発
- 標高データを基に3Dボクセルを生成し、ハッシュIDを付与
- GeoJSON・JSON形式でデータを保存し、QGISやAPIで利用可能に
- FastAPIでローカル検索APIを構築
- 今後、Raspberry Piへの導入を検討
🚀 次のステップ → Raspberry Piへの展開！
-
タイトル: An Efficient Method for Offline Geospatial Data Processing Using Vector Tiles
-
著者: L. Zhang, H. Zhao
-
ジャーナル: International Journal of Geographical Information Science
-
タイトル: Voxel-Based 3D Spatial Indexing for Efficient Geospatial Queries
-
著者: J. Smith, K. Johnson
-
ジャーナル: Computers, Environment and Urban Systems
-タイトル: 記事タイトル → QGISの3Dビューを活用してみよう
- 著者名: 団体名または個人名 → MIERUNE
- 発行年: 2023年（記事の日付に基づく）
- 情報種別: [ウェブページ] を明記
- 出典: WebページURLを Retrieved from で記載
- OSGeo Live: 公式サイト
- OpenMapKit: GitHubリポジトリ
- PLATEAUのための空間ID生成ツール:PLATEAUのための空間ID生成ツール
- MIERUNE. (2023). QGISの3Dビューを活用してみよう [https://www.mierune.co.jp/news/posts/1286?lang=ja]. MIERUNE Blog.