8月4日に開かれたトークセッション「Tellusを使ったサービスの紹介とこれから」では、「Tellus SPACE xData Fes. -Online Weeks 2020-」のコンテンツの一つとして、衛星データを使った事例について語られました。

駐車場のシェアリングサービスを行っているakippa、AIコンサルティングを行うRidge-i、衛星データプラットフォーム「Tellus」の事業を行うさくらインターネットの３社で取り組む、「駐車場スペースを衛星データで自動検出する共同研究開発」の全容、また、シャープが取り組む超解像技術との可能性について、詳細にご紹介します。

本イベントのポイント
・駐車場として使える場所を探すには、今まで人の目で地図で調べてあたりを付けていた
・衛星データで自動的に駐車場スペースを探し、探す時間や人件費を抑えることが可能に
・サービス化の課題のひとつが高解像度衛星データの費用
・超解像技術によって、中解像度衛星データを高解像度相当しすることで費用を抑える可能性も

このトークセッションで紹介された取り組みは、３社共同のプレスリリースでも発表しています。プレスリリースや、アーカイブ動画でもぜひご覧ください。

（１）登壇者のご紹介

本日のトークセッションにご参加の皆様をご紹介いたします。

・akippa株式会社 Marketing office兼Active Business Operation Groupグループ長
　田中 大貴 様
・株式会社Ridge-i執行役員 ビジネスストラクチャリングマネージャー
　杉山 一成 様
・シャープ株式会社 研究開発事業本部 通信・映像技術研究所 第三研究室 部長
　伊藤 典男 様

ファシリテーターは、さくらインターネット株式会社 事業開発本部 クロスデータ事業部 山崎 秀人です。

山崎：皆様よろしくお願いいたします。「Tellusを使ったサービスの紹介とこれから」を開始したいと思います。
今後Tellusを使ったサービスを創出していくイメージを持っていただけるよう、実際に開発中のデータの利用事例を紹介して、開発に至った経緯や開発中の課題、さらにより良いサービスにしていくためのディスカッションなどをしていきたいと思っています。

ではまず、登壇者の皆様のご紹介をさせていただきたいと思っております。まずはakippa株式会社の田中様からお願いいたします。

田中：皆さんこんにちは。駐車場シェアリングサービスのakippaで営業戦略や、運用領域の全般の責任者をしております田中と申します。本日はよろしくお願いいたします。
私からは今回の開発をするもとになったakippaというサービスの紹介について簡単にさせていただきます。

akippaはシェアリングエコノミーのサービスで、同じようなサービスだと民泊のAirbnbさんなどが有名ですが、それの駐車場版のようなイメージになります。
駐車場となる空きスペースをオーナー様にご登録いただき、ユーザーとなるドライバー様がコインパーキングのように利用できるサービスというのがakippaのサービスです。

サービスの概要については至ってシンプルで、空きスペースをお持ちの方は、駐車場のスペースの登録をするだけでご利用が可能となっております。
登録料や月額の利用料というのは一切無料で、ユーザー様、オーナー様がそれぞれ利用した際にのみ料金が発生する形です。

例えば、駐車場を予約するユーザー様が1,000円で駐車場を借りた場合は500円をakippaが手数料としていただいて、500円を駐車場オーナー様にお支払いするようなビジネスモデルとなっております。

田中：今の駐車場登録件数としては、2020年7月末時点で3万7,000拠点まで増えています。
内訳としては、月極め駐車場の空いている場所や使っていない個人宅の駐車場が多くなっております。

今回より効率良く月極め駐車場や個人宅の駐車場を探せないかと課題感を感じておりまして、今回の開発につながったという流れになっております。簡単ですがakippaのご紹介は以上となります。

山崎：ありがとうございます。続きまして、株式会社Ridge-i杉山様お願いいたします。

杉山：株式会社Ridge-i執行役員の杉山一成と申します。よろしくお願いいたします。
Ridge-iは創業4年、総勢40名のAIの会社でございます。主なミッションとしては、社会・顧客の課題を先端技術を活用して新しい社会、ビジネスを創造するという部分で、先端技術とビジネスニーズを掛け合わせて、実際に社会を変革していくのをミッションとしている会社です。

具体的な事業領域としては、1つは、AIコンサルティング・ソリューション開発といって、お客様の経営・業務課題を解決するために機械学習、ならびにディープラーニングと言われる先端技術を活用したソリューションの開発を行っております。
2つ目としては共同事業・プロダクト開発というところで、顧客の企業様と一緒に事業を生み出し、また、弊社独自のプロダクト・商材を作り提供していくという事業を行っています。

最近ですと新型コロナウイルス感染症の状況を受けて、人がどの程度密な状態なのかというのを解析するようなソリューションですとか、動画で燃焼状態に関する異常の度合いを判別するようなプロダクトなどを開発しています。

杉山：他のAIベンチャーとの違いというと、まだ創業4年が経って今月から5年目に入るところですが、きちんとこの短い間で実際にPoCを通過して、実用化まで至るという実績が複数あります。

例を挙げますと、ごみの焼却炉の内部の中で、きちんとごみの種別を分類するAIです。こちらは今、船橋市で実際にもう1年以上前に稼働が始まっていて、1年間無事故というところで実際に使われるAIになっています。
もう一つ、NHKさんの事例ですけれども、白黒画像をきちんとカラー化していくという技術でして、古いデータは白黒なものが多いですが、放送品質に耐えるものまで精度を高めた弊社の技術を利用し、実際にNHKで放送されているという実績があります。

杉山：だいたい2～3年前ぐらいから、衛星画像という領域に非常に興味を持っておりまして、いくつかご紹介できる事例もあります。

下の図の左は、レーダ衛星で撮影した海面からオイルの流出している箇所を見つけるという事例です。
真ん中は、土砂崩れが起きた直後の状態を衛星が撮影し、具体的にどの箇所でどの程度大きな土砂崩れが起きているかというところを高速・高精度で解析をするという事例で、こちらはJAXA様と一緒に実施させていただいたものです。
右は、弊社の社内的なR&Dですけれども、航空写真を衛星画像に見立てたうえで、車を検出するという事例を行っております。

このようにいくつか衛星関連でも進めておりまして、今回紹介していく事例もその1つということになります。本日はよろしくお願いいたします。

山崎：ありがとうございます。続きましてシャープ株式会社・伊藤様お願いいたします。

伊藤：シャープ株式会社の研究開発事業本部の伊藤と申します。本日はよろしくお願いします。超解像という切り口で家電メーカー、あるいは液晶メーカーのシャープがなぜここに呼ばれたのかということをご説明させていただきたいと思います。

8Kの解像度を実現するためにシャープはこの10年ぐらい新しい研究開発をしています。8Kという技術は放送サービスだけではなく、お客様のいろいろなご要望に合わせて8Kシステム・ソリューションをご提供したいということで「8K Lab」というのを社内で立ち上げています。

伊藤：この8K Labの中には8Kに絡むいろいろな技術があるんですが、その中の1つが「超解像」という技術で、低解像度の画像をより高解像度な画像として創り出す技術です。
Tellusのデータで超解像技術がお使いいただけるように、衛星データ向けの最適化ということをやっていきたいと思っております。

シャープが持っている超解像の技術はいくつかありますが、まず液晶テレビでは、いろいろな解像度の映像を表示する必要があります。
例えば8Kのテレビですと、今放送でやっているHDの画像を8Kの画面に拡大したり、あるいは4Kの画像を8Kに拡大したりする作業をリアルタイムに行うエンジンを作ってテレビに組み込んでいます。
映像ですから1秒に60枚の処理をする必要があり、それができるようなアルゴリズムの最適化を行っております。

今回は衛星向けということで、新しい技術として既存のいろいろな超解像の技術を凌駕する性能があります。シャープの機械学習と超解像の技術を使って今回の問題に取り組んでいきたいと思っています。

伊藤：上の図が超解像を使ったときに、衛星画像がどうなるのかということを示したものです。
左が単純に拡大したものでして、分解能6m相当ぐらいの画像です。それに対して超解像の技術を使った右側の画像は、見え方がくっきり違うかと思います。
このように分解能6mの衛星から分解能3mぐらいの画像を疑似的に生成するという技術を作り上げることによって、分解能が低く安価なデータを使い、高解像度のリモートセンシングのサービスの実現に寄与できればなと思って今日は参加しております。よろしくお願いいたします。

山崎：ありがとうございました。

（２）akippa、Ridge-i、さくらインターネットが取り組んだプロジェクトの紹介

山崎：では、ここからは今回、akippa、Ridge-i、さくらインターネットが取り組んだ衛星データを利用したプロジェクトについて中身を私のほうから簡単にご紹介したいと思います。

まずリモートセンシングというのは、もともと科学の分野から始まっているので、科学技術というか、技術的なチャレンジはJAXAや世界の宇宙機関も取り組んいます。
一方、我々はビジネスサイドから入っていますので、企業の直面している課題に貢献できるサービスを宇宙データと機械学習の技術を使って作り出せないだろうかというのがスタートラインになりました。

ユーザーとしてakippaさんに入っていただき、akippaさんにヒアリングを通していろいろとアドバイスいただいて、新規営業での1人あたりの生産性向上を図り、コストを下げて、営業先のターゲットとしていい場所を効率的に見つけられないか、といったプロジェクトを昨年度に始めました。

山崎：Tellusには、ASNARO1という衛星のデータがあります。ちょっと専門的になりますが、この衛星はデジカメと同じような光学データを50cm分解能で取得することができます。
つまり、1ピクセルあたり50cmのものが識別できるという非常に「解像度の高い」データを取得することが可能です。
この衛星データを福岡と札幌を候補地にして、そこにRidge-iさんの機械学習の技術を使ってakippaさんの営業先（駐車場として使える場所）を見つけられるか、ということをチャレンジしてみました。

開発活動期間は3ヶ月くらいでとりあえずトライアルということでやってみたところ、正答率で言うと約75%の精度を持つ駐車場の候補を見つける初期のプログラムを作ることができました。

山崎：上のスライドの写真で、紫の部分が営業先候補である駐車場スペースとして利用できる正答箇所です。
機械学習ですので教師データを作って、そこに衛星データをプログラムに食わせてみて、合っているかどうかといった活動を繰り返していくと、どんどんプログラムの頭が良くなっていきます。

この75%という精度はどうなの？というところは、後ほどakippaの田中様にコメントいただければと思っておりますけれども、3ヶ月でここぐらいまで来れたといった状態になっております。

今お話したサービスについてビデオの形で簡単にまとめてありますので、ちょっとそれを皆様にご覧いただきたいなと思っています。

（３）取り組んだ成果に対する評価

山崎：今までのプロジェクトの評価について、期待も含めてコメントいただきたいと思います。田中様いかがでしょうか。

田中：評価の前に、簡単に課題となっていた部分を改めてご紹介させていただきます。

akippaの基本的な営業の流れとしましては、まずターゲットとなるランドマークを定めます。
それが今はちょっとコロナのタイミングで需要が下がっているんですけど、イベントがある日のイベント会場周りというのが駐車場スペースとしての需要が高まる部分になります。

例えば、野球の試合のある日の阪神甲子園球場の周りとか、人気アーティストのコンサートがある日の東京ドームの周りとかです。
そういったところをまず決めて、そこに対して円を描いて、徒歩10分、徒歩20分、徒歩30分みたいな形で、1件1件空いているスペースを見つけては、「このスペース空いていますか？」という営業をかけています。
足で稼ぐ営業をしているのが実状で、大きな課題感を持っておりました。

田中：今回の成果の総評としては、うまくいっているんじゃないかなと考えており、テストで実施した福岡と札幌について、一定の精度で営業ターゲット先の情報を手に入れられたのは、大きな一歩だなと思っています。

また、開発を担当されているRidge-i様からいろいろ相談していく中で、「精度と網羅性どっちを取りますか？」というのが大きな軸としてありました。
網羅性を上げていけば精度が下がってしまい、逆に言うと網羅性を下げれば精度が上がるというトレードオフの関係にある中で、どちらを優先するかというところでした。
ここは、akippaの営業としては間違いなくまず「網羅性」だというところがありました。

今回出していただいたデータについては網羅性がほぼ100%です。100%の網羅性があるうえで75%の正答率というところであれば、十分に効率化できるという可能性を感じています。

別軸として、ターゲットとしているランドマーク周辺の駐車場の数として、うちのアタック先がどのぐらいあるのかというのがわかったというのが、すごく営業戦略を立てるうえでは必要な情報になってきますので、いいデータになったなと思っています。

山崎：ありがとうございます。続きまして、杉山様お願いします。

杉山：我々はモデルのデータをきちんと用意をして、あとは教師データを使った学習手法を試しました。
駐車場を実際に塗り分け、それを基にモデル学習をして評価をするということを担当させていただきました。

杉山：精度75%というところで、こちらmean IoUという平均値を表すスコアなんですが、概ね今回のタスクの難易度およびプロジェクトの期間を考えますと、まあまあの水準ではあると思っております。

先ほどakippa田中様から網羅性と正答率のお話ありましたが、もう少し細かくいきますと、駐車場といっても大きいところと小さいところと様々です。
個宅の駐車場ですと基本的には小さくて、月額駐車場であると大型なものが多いんですが、目安としては車が20台以上停められそうな場所、面積に占めるとだいたい全体の8割、個数で言うとだいたい5割くらいの部分を占めていました。
この大型駐車場で言うとかなり網羅性、正答率ともに8～9割台という高い数値になっておりまして、そちらは本当に良かったなと思っています。

ただ、akippa様の事業を考えますと、大型だけではなく小さいところもきちんと営業していくというところが非常に重要になっていきます。
小さい駐車場に関して、どのように精度を上げていくのか課題になっているのが現状ですね。
先ほど少しシャープ様からご説明がありましたが、やはりデータをもう少し良くしていくというところは1つの解決方法としてあるのかなと思っています。

また、技術的に今後サービス化を考えるうえでは、今回福岡と札幌という2つの地域に対して解析および検証を実施いたしましたが、akippa様の事業は日本全国ですので、他の地域、見たことがない地域に対して、どれぐらいパフォーマンス良く、精度が出るのかというところも、きちんと今後サービス化に向けて注力していきたい部分と思っております。

山崎：ありがとうございます。ここまでで整理すると、「さらなる精度の向上」と、杉山さんからあったように「汎用性」がキーになってきますね。
日本全国がビジネスのフィールドなので、札幌と福岡で使えたものが他の場所でもちゃんと利用できていくかというようなことがご指摘いただいたかなと思っています。

あと、例えばこれが本当にakippaさんの営業さんに使っていただくとなると、タブレットとかスマホとかで見ていただくことになると思うので、情報提供できるときに「UI/UXのデザイン」、こちらは非常に大事になります。
これからアップデートしていく中でいろいろな情報を付加していくことにもなり、その情報を利用してより営業効率が上げていくのにUI/UXのデザインって大事なのかなと思っています。

さらに、どんなにいいサービスを使ってもやっぱり「コストが高い」とビジネスでは受け入れられないと思うので、やはりこのコストの課題となっているのは衛星データの部分になります。

ASNARO1という、非常に日本でも最高峰の解像度の衛星データを使っていますけど、なかなかコストが高い衛星データになっています。
シャープさんの取り組みのように超解像の技術を使わせていただいて、低価格のデータをより解像度の高いデータに変えられるようになってくると、もっと衛星データの利用は進むかなと思っています。
ぜひその観点で続きましてシャープの伊藤様よりお話を伺いたいなと思います。

（４）シャープ超解像技術の応用の可能性

伊藤：シャープの超解像が活きる部分というのは、ここでまとめたようなものなのかなと思います。

伊藤：衛星画像というのは、お金さえ出せばかなりの解像度のものが手に入ります。
例えば自動車の数を数えるといったことをやっていくとなると、1mぐらいの解像度にまで解像度を上げていかなきゃいけないんですが、その衛星データを日常的に営業ツールのような形で使うには、やっぱり高価すぎます。

一方、低分解能の衛星データというのは、どんなところでも網羅的に観測はできていて安価に使えることができます。しかし、分解能が低くだいたい10mぐらいのもので、拡大するとどうしてもボケてしまうということがあります。

そのような中でニーズとしましては、拡大しても綺麗な衛星画像を見たいとか、実際に地上の対象物、自動車などをカウントしたいとか、いろいろな形で安価に実現したいという、ある意味、二律背反的な課題がありまして、これを埋める1つの技術というのが超解像という技術かなと思います。
画像の解像度を上げるためには、分解能の高い衛星画像を基に機械学習をして、人の目で見ても見やすいようにするという視点で学習をしていきます。
実際に昨年度やった超解像の適用の例というのが次のものになります。

伊藤：こちらはIKONOSという衛星の画像を使ったんですけども、1番左が普通に拡大した場合の画像です。
これを見ていただくとかなりボケていますし、粗も目立つのがわかるかなと思います。

真ん中にありますのが、いわゆる一般的なAIの超解像でして、左に比べると、だいぶボケている部分というのが改善されているのはわかると思います。
しかし、例えば右上のほうに建物があり、その下に車が停まっているはずなんですが、まともな画になっていません。
衛星に特化してアルゴリズムを組んでいないとこのようなことが起こってしまいます。

そこで昨年度、当社のほうで取り組んできたのが右の画です。
先ほどの右上の建物の少し下にあります駐車場に停まっている白い車の列が、斜めになってしまっていた部分が、改善されたというのがおわかりいただけると思います。

次も同じような超解像の適用例です。

伊藤：左側が単純に拡大したものに対して、右側が弊社で学習させたものです。
同じように横断歩道や停まっている車の潰れ方が、少し改善されているというのがお分かりいただけると思います。

このように1つの衛星のデータに対して、それなりに綺麗な画は作れるということはわかりましたが、実際Tellusのサービスの中でこの超解像を応用していくには、いくつか課題があると思っています。

衛星画像は衛星によってだいぶ画像の印象が違うので、衛星による違いをうまく吸収しなきゃいけないということが実運用していくうえでは必要と思っています。
また、衛星データの解像度を高めるには低解像度の画像と高解像度の画像でペアを作らなきゃいけないんですけども、対応する高解像度の画像が必ずしもあるわけではないということもあります。
さらに、高解像の画像があって、その縮小画像というのは作れても、実際の画像とはどうも違うという、衛星を変えると学習した結果があまり綺麗にならないという問題があって、そこを少しでも解消しようということで、今年度引き続き取り組んでいます。

伊藤：今年度の取り組みについてがこちらの図です。まず低解像度と高解像度の対応する画像がないというのが、もともとの問題ですが、従来は解像度の高い映像から、高解像度を縮小した画像というのを作り、この2つをペアにして学習をさせました。
ところがこの縮小した画像というのが実画像とだいぶ違う印象のものになってしまいます。
そこで、実画像の特性を有した低解像度画像というのを疑似的に生成して、これを使って学習させるというアプローチを行っています。
これによって、従来ではなかなかできなかった違うタイプの衛星でも超解像ができるということが見えてきております。

伊藤：こちらの図を見ていただくと、今回のはかなり黒っぽい画になっており、これを単純に従来の方法で適用すると真ん中のようになります。
まあ良くはなっているとは思うんですけども、例えば森とか、周辺の道の部分というのはまだボケています。
この真ん中の画像の特性というのを学習させることによって、現時点では右ぐらいまで解像度が上げられています。

このように衛星の特性に合わせた学習方式を衛星ごとに増やしていくことによって、Tellusでカバーする衛星に対して、ある程度のレベルの超解像というのができるようになってきたというのが今の現状です。

山崎：ありがとうございます。今出しているのって、これはJAXAのAVNIR-2ですよね。
これは6年ぐらいJAXAが運用していた衛星ですが、まさにTellusにはこの衛星のデータセットがあるんですけど、フリーで提供しているデータです。
1番左のオリジナルのデータだとどうしても靄がかかっているような感じに見えるんですけど、シャープさんの超解像にかけると、1番右ぐらいの解像度で提供できるとなるということですよね。

伊藤：はい。その通りです。

山崎：ありがとうございます。

（５）より良いサービス化に向けたフリーディスカッション

この先、事業化するためには

山崎：では最後に全体の討論というか、フリーディスカッションをさせていただきたいなと思います。
最初に私から少しだけ申し上げさせていただくと、私個人的には長い間宇宙開発をやってきて、やっぱり宇宙から取ったデータとか知見というのを実社会にちゃんと受け入れてもらいたいなと思っています。

ビジネスとして企業様の持っている課題とかにTellusのデータやRidge-iさん、シャープさんがお持ちの最先端の技術を組み合わせて世の中に価値を提供できないかなと思って、このプロジェクトをさせていただいているので、個人的にすごく楽しんでいますし、成果が出るんじゃないかなと思っております。
ぜひ、皆様からも一言ずつ何かいただければなと思っているんですけども、Ridge-i杉山さんからいかがでしょうか。

杉山：サービスの提供というところで、我々もこの直近1、2年前って、この衛星画像解析に対する世の中の注目度も全然違っていて、問い合わせいただく純粋な件数とか、お客様の検討の具体性みたいなものが、どんどん具体化できてきているのかなと思っています。
やはりいろいろやり取りをしていると、先ほど山崎さんがおっしゃったように技術的には、良い画像があってきちんとした解析ができれば、ある程度の結果が出るみたいなのはけっこう溜まってきてはいます。
ただやはりコストのところで全く採算に合わないみたいなところがやはりあるので、そういうところをTellusのプラットフォーム×シャープさんの技術で、ぐぐっと下げられると、我々としても技術を生かしたプロダクトをプラットフォームに作ることができるので、これから1～3年すごく期待しているところです。

もう1点は、解析結果をそのまま買うというよりも、レポートが欲しい、どの頻度で欲しいのかといった、企業のニーズによってUI/UXはけっこう違うので、どういうふうにお客様に提供するのか変わってくると思っています。
これから1段、2段、具体的な事例が出てくると「これ実は衛星でやっていたんだね」ぐらいに世の中にサービスとしても広がってくると思うので、まさにこれから数年が楽しみだなと私は思っています。

山崎：ありがとうございます。今まさにおっしゃったところがポイントかなと思うのは、やっぱり気象衛星ひまわりのデータを見ていても、天気予報としては見ていますけど、ひまわりのデータを見ようとはみんな思っていないんですよね。そういったものを衛星で作れたらなと思っています。

次、ユーザー側の立場から田中さんコメントいただけますか。

田中：我々はもちろん宇宙ビジネスであったり、画像解析のAIみたいなところについては素人です。なのでこういう事業課題がありますとお伝えし今回のような事例を実現していただいたということは非常に感謝しております。

ただ、まだいくつか改善していただきたいなというポイントも正直あります。
具体的に言いますと、まず駐車場がこういう場所にありますというところはわかったんですけど、そこが空いているのか空いていないのかドライバーさんが使っているのかどうかですね。
例えば、早朝の4時とか5時とかのデータがあり、4時5時に車が停まっていないことがわかれば、おそらくそこの駐車場は使っていないだろうっていうような、1日の中での時系列のデータがあると、よりいっそう価値が上がると思っております。

また、営業が使うときに駐車場の持ち主がわかると最高だと思っていて、そういうところがサービスに乗っかってきて、UI/UXがすごくいいものであれば、我々だけでなくいろいろな事業者さんも必要としていると思いますので使ってくれると感じております。
引き続きそのあたりを含めて相談させていただきたいです。

山崎：ありがとうございます。ご指摘いただいたところは、サービス作るうえで大事かなと思っていて、Tellusが1つ良かったなと思うのは、オープンデータ・プラットフォームにしているところです。
例えば、不動産関係の方も関心を持って仲間に入ってくれていますので、そういう方々から情報をお借りして、サービスの中に入れ込んで土地の所有者の情報もサービスとしてご提供できると営業効率が上がっていくのかなと思っています。
インプット側の情報を今は衛星だけでやっていますけど、そういったもともと企業や行政でお持ちの情報があるとよりよいサービスになると思いますので、引き続きアドバイス等をよろしくお願いします。

続きまして、シャープ伊藤様からご意見お願いします。

伊藤：弊社でいろいろなお客様とお話をしていると、空からいろいろなものを見たいというニーズはよくお聞きします。
ドローンを使うとか考えたことはありましたが、今回Tellusさんを使わせていただくというは、ちょっと思いもよらなかったというか、衛星データというものが身近なものではなかったので、Googleのサービスは使ってきていても、会社が行うサービスで衛星データが使えるものだという認識はありませんでした。
しかし、ドローンですと上げられないところがあるといった制約がありますし、TPOによるとは思うんですけれども、衛星のデータもちゃんと時と場所を選んで考えていけば、うまく使えるケースはいっぱいあるなと思っています。

欲を言うと解像度の話もそうですし、あとはどれぐらいの頻度で撮影ができていくのかということも大事な要素で、いろいろな技術を使って、その課題についてもいかに実現していくのか、これからお話しながら考えていくことが、Tellusを使ったサービスを良くしていくうえでは鍵となるんじゃないかなと思います。

山崎：ありがとうございます。今お話いただいたところで、身近じゃなかったというところがポイントであったと思うんですけど、それってそもそも衛星データは知られていないっていう感じなんですかね。

伊藤：そうですね。自由に使える、衛星がビジネスに使えるいうこと自体が、あまりわかっていなかったということなのかもしれないです。
それが簡単にできるということを知って、このくらいのことまでできるということがわかったというのが、Tellusさんと関わらせていただいて、我々的には気づきがあったところです。

山崎：Tellusはもともと、衛星データが使えることが知られていなかったのと、技術的なハードルが高いという課題感があって、オープンにしましょうというコンセプトでやっています。
あと、解析するときにコンピューティングも必要なので、同時に提供しましょうということで始めたプロジェクトなので、そういうところを言っていただけると嬉しいです。

一方で、Tellusは経済産業省の事業としてやらせていただいているので開放したら国の産業として使っていただきたいというのが本音であるんですよね。
なので具体的な事例として、Tellusのアセットを使ってどういうサービスが出てきているのかというのは、我々も問われる立場にいるので、こういった実際のビジネスシーンで使われるようなサービスを作っていくことが非常に大事なことだと思っています。

akippaさんですとかRidge-iさんですとか、ベンチャースピリットのある会社さんと、あとはシャープさんのように世界中に有名な超大手の企業さんと一緒にこういう「衛星データ」というプロジェクトを組めたというのは非常にありがたいなと思っています。

研究開発する中で苦労したところ

山崎：その他、杉山さん、研究開発の中で何かここが大変だったとかありませんでしたか？

杉山：2つありまして、1つ目は伊藤さんからドローンのお話がありましたけれど、どこまで見えるかまで突き詰めると衛星画像ではやはり難しいところはあります。
今回の事例で言うと、個宅の駐車場など細かいところまで知りたいので、どこからはわからないですが、宇宙から映る広い部分を衛星画像から、もっと細かい部分はドローンや航空写真かシームレスに解析できるようになると、将来的には1番いいのかなと思ったりしています。

2点目の難しかったところは、オープン・ストリートマップですね。衛星データだけではなくて、いわゆる通常の地図との掛け合わせが難しかったですね。
ここに道路があって、ここに建物があるといった、フリーで扱える地図情報としてオープンストリートマップがあるので、そちらも情報としてあったほうが、道路の情報ってけっこう駐車場を見つけるうえでは大事と思って取り扱いましたけど、うまく地図が合わなかったんですね。
衛星データとオープンストリートマップを重ね合わせるときにどこかが合うと、どこかがずれるみたいなところがありました。
衛星データは宇宙から地表を撮っていて、何か1つの基準になる正しい地図があるわけではなく、衛星の性能や撮影方法によって、少しずつずれてしまいます。
そういう違うデータを掛け合わせが、もう少し簡単なのかなと思いましたが、実は難しいんだなというところは今回体感させていただきました。

山崎：そうですよね。Googleマップを見ても、広い範囲は衛星データになっているのが、ズームアップしていくと衛星画像ではなくて、航空写真になり、ストリートビューでは、車で風景をスキャンしている画像になっているように、ユーザーからするとどのアセットを使っているかって関係ないですもんね。
先ほど個人宅の話がありましたが、個人宅になると所有者の個人情報なのでオープンにはできないかもしれないですけど、所有者の情報を持っているとサービスとして紐づくとか考えられますよね。

杉山：そうですね、解析結果があって、ズームするとそういう細かい情報まで出てきて、電話番号とか基礎情報があって、もうアタック済みなのか、前回いつご提案に行ったのかが出てくるとすごくいいですよね。

山崎：そうなると本当に究極の営業ツールですよね。
個人情報とか乗り越えないといけないところもあると思うんですけど、そういうのを取っ払うと最強のサービス作れるような気がしますね。

最後に一言

山崎：では、最後にみなさまから一言ずついただきたいと思います。
akippa田中さんいかがでしょうか。

田中：今回のサービスは、まだ言うなれば道半ばの状況だと思っていまして、ここからさらにブラッシュアップをしていって、しっかりとサービス化まで頑張っていきたいと思っていますので引き続きよろしくお願いいたします。

山崎：続きましてRidge-i杉山さんよろしいですか。

杉山：今年度もこちらのプロジェクトを継続して検討させていただく予定です。
いくつか課題については皆様同じ認識を持っていると思うので、弊社が特に貢献できるモデルの精度、汎用性という部分で、まずはきちんと結果を出したいと思っています。
また、サービス化に向けてはUI/UXも含めて、皆様が取り扱いやすいようにすることも重要だと思っていますので、そちらの部分も協力して進めてまいりたいと思っております。よろしくお願いいたします。

山崎：シャープ伊藤さんお願いします。

伊藤：シャープも超解像の磨きをかけるということをしっかりやっていきたいと思っています。
適用できる衛星を増やしていくとか、Tellusで使える衛星の画像というのは光学だけじゃなく、他のもありますので、超解像という技術がどこまで適用できるのか、いろいろと試していきたいなと思います。

あと今は超解像をしたら目で見て綺麗になったねという話なんですけども、いろいろな画像処理との組み合わせをしたときにどういう影響があるのかとか、組み合わせることによって精度を上げるための超解像っていうのがもしかしたらあるかもしれないので、一緒にやらせていただく中で追及できたらいいなと思っております。

山崎：ありがとうございます。是非チャレンジさせてください。

最後に私からですけども、やっぱり世の中にポジティブなインパクトを与えられてなんぼと思いますので、宇宙ですけれども地に足をついているサービスになるよう、このプロジェクトを頑張っていきたいと思っておりますので、引き続きよろしくお願いします。

どうもありがとうございました。

（６）まとめ

今回の事例のように、企業が事業を進める上で多くの課題があるかと思います。多くの課題の中でどれか一つでも衛星データが解決の糸口になる可能性があります。
衛星データだけで解決できるというわけではありませんが、特定の衛星データだけではなく、衛星以外のオープンデータ、企業が独自に保有しているデータなど複数を掛け合わせることで解決できる方法があるかもしれません。

コストや技術的な課題も、シャープさんの超解像技術のように、さらに別の企業の技術と組み合わせることでより良いサービスにできる可能性もあります。

データも技術も個々の企業にあるものだけではなく、企業の垣根を超えて利用の可能性を見つけることができるプラットフォームになることがTellusが担う役割なのかもしれません。

実際にTellusを触ってみたい方は無料登録を！

日本発のオープン＆フリーなデータプラットフォーム「Tellus」で、まずは衛星データを見て、触ってみませんか？

★Tellusの利用登録はこちらから

関連記事