metadata- 撮影日時2018-03-10 14:05
- 位置Mapillary の補正位置GPSの値との差 3.7m
- カメラの向き151°
- 写真1920×1080
写真の外の事実(撮影の記録)
市民が撮った東京の街路写真 2,131,330枚を、AIが1枚ずつ読み、通りや町丁目にまとめ、年ごとに比べて公開しています。どこまでが撮影の記録で、どこからがAIの推定か。読み違いをどう扱っているか。9つの図で、順に説明します。
図の数字と実例は、本番のAPI(release 2026-10-09-r2)と、公開している資料から取っています。
写真は、市民や事業者が撮影して Mapillary に公開したものです(CC BY-SA 4.0)。東京都全域で集めた約938万枚から、同じ場所・同じ向き・同じ年の写真を代表の1枚に絞り、約213万枚を読みました。Mapillary が顔と車のナンバーを自動でぼかした写真を使い、読んだ文章でも表札の氏名とナンバーの文字を伏せています。
| 撮影年 | 枚数 |
|---|---|
| 2013年以前(1986〜2013年) | 4,711 |
| 2014年 | 2,198 |
| 2015年 | 8,326 |
| 2016年 | 72,399 |
| 2017年 | 84,081 |
| 2018年 | 204,036 |
| 2019年 | 270,844 |
| 2020年 | 227,810 |
| 2021年 | 289,253 |
| 2022年 | 274,384 |
| 2023年 | 285,514 |
| 2024年 | 162,312 |
| 2025年 | 156,009 |
| 2026年(集めた時点まで) | 89,400 |
代表の1枚は、ます目・向き・撮影年の組ごとに選びます。同じ交差点を別の年に撮った写真は別々に残るので、あとで年どうしを比べられます(07 時間)。
23区が約66%(1,408,899枚)、多摩が約32%(677,919枚)、島しょが約2%(41,670枚)。どの地域も過去の年の写真を含みます。「23区外」の2,842枚は、多摩川の対岸(神奈川県川崎市側)で撮った写真です。撮影されていない道はデータになく、0件は「撮影がない」という意味で、「何もない」ではありません。
撮影年は1986〜2026年で、99.8%は2014年以降です。2013年以前の写真には、カメラの時計がずれたものが混ざっている可能性があります。どの記述も撮った時点の様子で、いまの状態ではありません。
出典: 公開データ release 2026-10-09-r2。市区町村ごとの枚数は Hugging Face v0.4.1 の市区町村名で数えたもの。撮影年ごとの枚数は、それまでの版の集計(2026-09-17のデータベースの集計)に、release 2026-10-09-r1 で加えた分の集計(2026-10-09)を足したもの。集めた写真と代表の枚数は手元に取り込んだ Mapillary の記録の集計(2026-10-09)から。
1枚の写真について、性質の違う3つの層を別々に持ち、別々に返します。どこまでが事実で、どこからがAIの推定かを、読む人の注意に頼らず、データの形で分けるためです。
1枚の写真ごとに、3つの層を別々に返します。APIでは include=metadata,machine,analysis で選べます(何も指定しなければ解釈の層だけ)。
metadata写真の外の事実(撮影の記録)
machine同じ入力なら、いつも同じ値
analysis読んだAI: クラウドVLM(gpt-5.6-terra)
層を分けておくと、食い違いに気づけます。 この写真の季節は、計算の層では「春」(3月の撮影なので)、解釈の層では「不明」。AIは写真から季節を決めきれず、埋めませんでした。
撮影の記録の側が間違うこともあります。カメラの時計がずれて、真昼の写真が23時台と記録されていた例があったため、時間帯は記録よりAIの見立てを優先しています。
写真の中に北は写っていません。AIには「右手前」のように画面の中の位置だけを書かせ、方角は撮影の向きから計算します(例: 右の電柱 → 南西)。
決まった手順なので、何度計算しても同じ値です。AIの「並木が続く」という記述と緑の割合がそろえば、記述の確からしさをデータの中で確かめられます。
人や車の数のように、すぐ変わるものは数えさせません。設備・構造・路面など、時間がたっても変わりにくいものを中心に書かせています。
どの写真を、いつの撮影で、どのAIが読み、どの版として公開したか。2,131,330件すべてに同じ形の名札を付けています。引用するときも、あとから確かめるときも、名札から元の写真まで遡れます。
gen2-qwen-local ・ 96.4%
クラウドVLM77,676gen1-codex ・ 3.6%
ローカルVLM: 自前のGPUで動かす Qwen系(Qwen3.8-27B・Qwen3.6-27B)。クラウドVLM: GPT系(gpt-5.6-terra・gpt-5.6-sol)。VLM は、画像を読むAIのことです。
snapshot(データの版)と license(利用の条件)が付くので、どの版に問い合わせた結果かを後から特定できます。撮影日時が1970年になっているなど、明らかに異常な53枚は、検索と集計から外しています。IDを指定すれば取り出せ、外した件数は /v1/meta で公開しています。
位置は、Mapillary が写真の重なりから計算し直した値を使い、それがないときだけGPSの値を使います。どちらを使ったかを1件ごとに記録しています(99%以上が計算し直した位置)。
AIは読み違えます。だから、AIへの指示の段階で「埋めない」ことを決めています。分からないことは分からないまま、写っていないことは写っていないまま返します。
数値には、根拠と確度を付けます。 車道の幅は「約3.2m・確度 低」。根拠は「中央走行部は普通車幅1.7〜1.8mの約1.8倍に見え、両側の緑色帯を除いた概算。」 物差しにした物を書かせ、測った値ではないことを確度で示します。
判断できない項目は「不明」のまま返します。ありそうだからと、写っていないものを埋めることはさせません。夜や逆光で評価できない項目は、評価できないと書かせます。
幅などの推定には、物差しにした物(普通車の幅、横断歩道の白線、ブロック塀の目地など)と確度(高・中・低)を必ず付けます。どれも画像からの推定で、測量の値ではありません。
駐車車両・コーン・工事などは、恒久的な物と分けて書きます。人や車の数は数えません。どの記述も撮影した時点の様子です。
使うときの約束(データの読み方より)。このデータは、いまの状態や安全性を判定するものではありません。
読み取りのぶれを確かめるため、同じ写真を同じAI・同じ指示で2回読ませ、答えがどれだけ一致するかを項目ごとに数えました。これは正しさの割合ではなく、読み取りの安定度です。写真と突き合わせた検証は、下の「正しさを確かめた結果」に分けて載せています。
| 項目 | 一致率 | 補足 |
|---|---|---|
| 天気 | 98.1% | 晴・曇・雨など |
| 撮影手段 | 96.8% | 車・徒歩・自転車など |
| 舗装の種類 | 94.1% | アスファルト・ブロックなど |
| 道の種別 | 88.4% | 一般道路か、自動車専用道路か |
| 道の構造 | 85.6% | 平面か、高架・橋の上か |
| 通学路の標識 | 80.3% | あり・なし・不明 |
| 歩道の有無 | 75.3% | 左側。右側は76.8% |
| ひび割れの程度 | 72.1% | 「不明」と「該当なし」の行き来が多い |
| 車道の幅 | 57.3% | 数値が完全に一致した割合。差の平均は0.9m |
天気 98%・撮影手段 97%・舗装の種類 94%。道の種別や構造も 86〜88% がそろいます。
歩道の有無は 75%。食い違いの多くは「画角外不明」「不明」との行き来で、「ある」と「無い」が正反対に入れ替わったのは、左の歩道で 166枚(0.5%)でした。
車道の幅が完全に一致したのは 57%(差の平均 0.9m)。自由に書いた文章は、毎回ちがう言い回しになります。2回とも同じように間違えることもあるので、一致しても正しいとは限りません。
別のAI(GPT-6.1 Sol)が写真と突き合わせた結果: 正しい 73.3%(95%信頼区間 72.9〜73.8%)、軽微な誤りまで含め 83.8%、誤り 16.2%。一様抽出2,468枚の全項目を集計した結果です。
2026-10-05に、当時公開していた1,914,490シーンから一様無作為に抽出した写真を、別のAI(GPT-6.1 Sol)が1枚ずつ、読み取り約41項目と突き合わせました。判定は「正」「軽微な誤り」「誤り」「確認不可」「『不明』が妥当」「『不明』が過剰」の6種類です。合計2,872判定のうち、一様抽出2,468枚を主集計にしています。
| 項目 | 正しいと判定された割合 |
|---|---|
| 天候 | 98% |
| 道路種別 | 92% |
| 幅員 | 71%(軽微な誤りまで含め91%) |
| 車線数 | 62%(軽微な誤りまで含め88%) |
| 歩道の有無 | 62〜68% |
| 電柱の本数 | 48% |
| 看板の字 | 55%(軽微な誤りまで含め74%) |
| 危険の手がかり | 49% |
| 路面標示 | 32% |
歩道を「画角外不明」と書いた例の約2/3は、写真で有無が分かると別のAIが判定しました。「不明」は、無いことや見えないことを保証する答えではありません。中央分離については「ゼブラ標示」の書きすぎが目立ちました。
別のAIが写真と突き合わせた結果では、地域差は小さく、世代別ではクラウドVLM(gen1)が86%、ローカルVLM(gen2)が73%でした。
別のAIによる判定は、判定し直したときの一致が86%でした。
候補の絞り込みや傾向の把握に使えます。個別の判断の前に写真か現地で確かめてください。
1枚ずつの読み取りを、通り(線)と町丁目(面)の単位に集め、その集計にあることだけを文章(カルテ)にしました。写真が少ない所には、文章を付けません。
1道に当てはめる写真を、交差点で区切った道(辺)に当てはめます。向きが合い、25m以内のものだけ。
2通りと町丁目にまとめる写真が15枚以上ある辺を、同じ名前・同じ区市町村でつないで「通り」に。町丁目は国勢調査2020の区域です。
3分母つきで数える率は「判定できた数」を分母にします。写っていない側は数に入れません(図は晴海通りの歩道)。
4書いて、照らし合わせる集計だけを渡して文章を書かせ、数値・年・固有名が集計にあるかを機械で確かめます。合わなければ書き直し。
| A | B | C | D(文章なし) | 合計 | |
|---|---|---|---|---|---|
| 通り | 1,394 | 936 | 1,233 | 2,685 | 6,248 |
| 町丁目 | 1,474 | 1,552 | 1,708 | 522 | 5,256 |
| 等級 | 通り | 町丁目 |
|---|---|---|
| A | 写真100枚以上・撮影の走行5本以上・延長の60%以上に写真 | 写真300枚以上・走行10本以上・車道の延長の40%以上 |
| B | 40枚以上・3本以上・40%以上 | 100枚以上・5本以上・25%以上 |
| C | 15枚以上・2本以上 | 30枚以上・2本以上 |
| D | C に届かない。文章は付けず、数値だけを返す | |
本番のAPIから: 通りのカルテ
区全体より幅の広い複数車線の車道が北西へ延び、両側に高層のオフィスビルやマンションが並ぶ通り。
判定できた1,906側のうち約98%に車道と分離された歩道があり、ひび割れはまれで、歩道通行可の標示や自転車の専用通行帯が写っている。無電柱化の率は約23%で、区全体より低い。
来歴: opus55-v12-xhigh・2026-09-24 / 被覆はA(2013〜2026年、写真1,739枚・走行121本、延長の100%)。
同じ場所の年の違う写真を比べ、「変わった」と言えるものを探します。視点が数メートルずれたり季節が違ったりするだけで変わって見えるため、いちばん読み違えやすい作業です。そこで、見つけた変化を別のAIセッションに崩しにいかせ、崩れなかったものだけを載せています。
1組にする同じ区間を、2年以上離れた年に撮った写真を組にします。向きが比べられるものだけ。
2違いを書き出すAIが2つの年を見比べ、変わった点を根拠つきで書き出します。
3崩しにいく文脈を分けた別のセッションのAIが、「本当に同じ場所か」「視点や季節の違いではないか」と反証を試みます。
4残す反証に耐えた変化だけを収録します。崩れたものと、判定できないものは載せません。
本番のAPIから: 品川区の細い道
© Mapillary contributors
© Mapillary contributors© Mapillary contributors
画像1・5の右側医院、左側のシャッターと赤い庇、路面の「30」を照合すると、同じ道路両端の帯状舗装が2014年は赤色、2020年は緑色である。画像2・6および画像3・7でも、左側の白壁と交差点を基準に同じ帯の色の変化を確認できる。
AIが書いた根拠の原文(1件目)。位置は変化した物そのものではなく、比べた写真の撮影位置の平均です。写真は、両年で撮影位置と向きが最も近い1組です。
この確かめ方の限界。作り直した分は、見つける役と確かめる役が同じ系列のモデル(GPT-6.1 Sol)の別セッションで、独立した第三者の検証ではありません。系列に共通するくせは残りえます。崩れなかった割合は正解率ではなく、反証に耐えた割合です。どれも撮影年どうしの比較で、いまの状態を保証するものではありません。
どの入口も登録・APIキーは不要で、読み取り専用です。観測データは CC BY 4.0 で、AIの回答・アプリの表示・転記に出典は要りません。データとして配り直すときだけ出典を表示します。写真そのものは撮影者の CC BY-SA 4.0 です(出典・ライセンス)。
1つのIPから、APIは1分あたり300回、MCPは120回まで。稼働の保証(SLA)はありません。MCPのツールの説明には、答える前に「その場所にデータがあるか」を確かめる手順が入っています。
座標・通り・町丁目・経年変化を引ける REST API。OpenAPI の定義もあります。このサイトの画面も、同じデータで動いています。
APIリファレンス →Claude などのAIエージェントから、会話の中で街の様子を引けます。ツールは11個(被覆の確認・地点の描写・写真1枚・通り・町丁目・経年変化など)。
AIから使う →Hugging Face で Parquet 形式の一括配布。区市町村ごとのファイルで、3つの層と名札がそろっています。
Hugging Face ↗街路写真1枚を、見えたもの(観測)と推し量ったこと(解釈)に分けて書く、みちよみ専用のモデルを実験版として公開しました(2026-10-03、Apache-2.0)。いまの公開データは、これまでの本番の手順で作ったもので、OddEye では作っていません。
項目の意味、設計の考え方、知られている限界は、ドキュメントにまとめています。