Author
山本 新
株式会社CoPalette 代表取締役
株式会社CoPalette 代表取締役／Tobari 事業責任者 同志社大学経済学部卒。HR スタートアップのエンジニア、株式会社プレイドのカスタマーエンジニアを経て、2023年に株式会社CoPalette を創業。 映像から交通量・停車・滞在を計測する Tobari の事業責任者として、次の調査を進めています。 ・自治体の都市計画部局と、駅前の交差点の進路別の交通量と停車の計測（有償実証、2026年7月） ・建設コンサルタント会社と、駅前ロータリーの区画ごとの停車の計測（24時間×3日・複数カメラ、2026年10月〜） ・不動産会社と、駐車場の利用実態の計測の協議（2026年〜） 企業・自治体と組むハッカソンのプラットフォーム CraftStadium を2年間運営（KYOTO PLATEAU HACK 2025 の企画・運営に協力）。公共交通オープンデータチャレンジ2025 最優秀賞（作品「Safe Pedal」）。SCALE Program（東京都）参加。 この欄の記事で山本が見ていること: 数値・単価・法令を原文と元データで確認すること。料金・精度には条件（時間帯・天候・車種・取得日）を付けること。構成と下書きには生成 AI を使っています。
山本 新 の記事
視察される街と、物差しになる街 ― 10年後に引用されるのは、称賛された街ではない
全国から視察された街は多い。だが10年後、他の街が自分を基準に測ってくれる「物差し」になれる街は少ない。分けるのは成功でも称賛でもなく、共有された定義の上で測られたかどうか。そして比較可能性は、計測を設計する時にしか埋め込めない。
「精度は何%ですか」に一つの数字で答えない — 交通量調査の仕様書で先に決める4項目
AI映像解析の交通量調査で、精度%を一つの数字で書くと検収で揉めます。国交省の機器仕様書（令和8年1月版）が精度要件の前に決めている4つ——対象と範囲、入力条件、精度の時間帯と範囲外の協議、欠測の閾値——を、転記できる文例つきで。
交通量調査の停車データを、集計表ではなく1件1行で納める
交通量調査で停車を測るとき、集計表は集計した時点で元の粒度を失います。停車1件ごとに開始・終了・秒数を持つCSVを納品物にすると何が変わるか。京都の実測（3分3秒・結合前36件→結合後27件）と、仕様書で決めておく7項目。
産官学でまちを測る — 三者実証を機能させる設計
自治体×大学×企業の実証は、欲しいもの(判断材料/論文/事業化)が三者で違うまま始まると、成果をまとめる段階で噴き出します。三者の成果物を最初に文書化する・データの帰属と公開ルール・卒業しても消えない継続性——機能する三者実証の設計。
平時の計測は、災害時に何ができて何ができないか
「災害時にも使えますか」——防災は予算の言葉として強いからこそ、正直に線を引きます。できるのは平時のベースラインと事後検証。できないのはリアルタイム避難誘導の保証。平時9割・災害1割という現実的な位置づけについて。
「隣の市と比べたい」の落とし穴 — 都市間比較が成立する条件
他都市比較は政治的に最も需要があり、計測的に最も成立しにくい数字です。定義・地点の性格・手法の3つの壁と、「自市の経年変化」に主戦場を移す現実解、「比較できません」の実務的な言い方について。
質問する側のデータリテラシー — 議員のための計測の読み方
行政の数字に対する5つの質問(出典・定義・ゼロか未計測か・検証・継続性)は、どれも「答えると行政が良くなる質問」です。決算こそデータの出番であること、質問する側の節度まで——議員・議会事務局向けの計測の読み方。
通学路の「危ない」をデータで語る — 要望が通る言葉のつくり方
「危ない気がする」が対策(規制・改良)になるまでの距離を縮めるのが観測です。「7:40〜8:10に車両120台・通過交通7割」という言葉の力と、子供が写るからこそ先に固めるプライバシー設計、対策につながる4つの計測項目。
「使われていない」をどう確定するか — 撤退・再編のためのデータ
縮む時代のいちばん重い判断は「畳む」こと。しかし廃止の根拠となる「使われていない」は、季節・時間帯・利用の質をまたぐ観測がないと確定できない強い主張です。「使われている」との証明の非対称性と、畳む判断に耐える観測設計について。
「来場者数◯万人」はどう作られているか — イベント効果の測り方
主催者発表の来場者数は、定義も記録もないまま前年比だけが独り歩きしがちです。そもそも来場者数は企画の質に答えない指標。滞在の分布・周辺への波及・時間帯の形という3つの代替指標と、それでも来場者数を出すときの作法を紹介します。
「体感と数字が違う」とき、どちらを信じるか
数字で体感を却下するのは最悪手です。体感は「いつ・どこで・何を見たか」という観測情報を含んでおり、食い違いの正体はたいてい計測の欠け(時間・場所・分布)。体感を観測の要求に翻訳する実務の型を紹介します。
小さなまちこそ、記録が効く — 人口数万人の自治体のデータ活用
データ活用は大都市のもの——その思い込みは逆です。少人数兼務で異動とともに知見が消える小さな自治体ほど、「定義とデータが残る仕組み」の効果は大きい。スマホでの自主計測から定点化まで、小さく始める3段階を紹介します。
雨の日、カメラは何を見ているか — 環境条件と計測品質
傘は頭部を隠し、逆光は歩行者を背景に溶かし、真冬の厚着はシルエットを変える——カメラ計測は条件で精度が変わります。それを隠さず「条件を記録して管理する」実務と、全天候で高精度を謳う提案より信頼できる提案の見分け方。
議会で数字を問われたら — 答弁に耐えるデータの備え
「その数字の根拠は」「前回と違うのはなぜか」「なぜ測っていないのか」——議会質問の3つの型に、出典・定義・限界が紐づいたデータは崩れません。答弁から逆算するデータ整備の優先順位と、不都合な数字を先に知ることの価値について。
グラフは嘘をつける — 誠実なデータ可視化の約束事
軸の切り方、期間の切り取り、平均だけの比較、欠測の無断補間——数字を偽らずに印象を操作する方法は山ほどあります。私たちが可視化に課している規律と、資料を受け取る側の4つのチェックポイント。
そのデータは誰のものか — 委託調査のデータ帰属を契約で決める
「あのときの生データで別の集計をしたい」——1年後のこの依頼が通るかは、契約で決まっています。データ・定義・記録の帰属、汎用形式での引き渡し、保持と破棄。仕様書に書くべき3点と、実は事業者側も「持ちたくない」という話。
その「リアルタイム」は本当に必要ですか — ダッシュボード要件の断捨離
「リアルタイム表示」は要件定義に必ず入ってくる言葉ですが、行政の意思決定サイクルに本当に要るのは「問いが立ったとき遡って再集計できること」です。リアルタイム要件の見えないコストと、速報値/確定値を分ける設計、要件を削るチェックリスト。
カメラだけが答えではない — 通行量計測の手法の使い分け(正直版)
カメラ・レーザーカウンタ・Wi-Fiセンサ・携帯電話網の統計データ——それぞれの得手不得手を、カメラ事業者の立場から自社に不利な点も含めて比較します。「面はキャリア統計、点はカメラ」などの組み合わせ方と、手法でなく問いから入る調達の考え方。
Before/Afterはいちばん間違えやすい — 施策効果の前後比較の作法
ベンチを置いた、通行が増えた、効果があった——この推論は天候・曜日・周辺の変化・計測条件の違いで簡単に壊れます。条件を揃える・対照地点を併測する・同等性を記録するという比較設計の基本と、「効果がなかった」と言える契約の重要性について。
通行量調査の仕様書に入れるべき10項目 — 発注チェックリスト完全版
計測線の位置図、指標の定義、0と判定不能の区別、補正量の報告、正解データの記録、プライバシー設計、再現一式の納品——このブログで書いてきた発注者向けチェックリストを、仕様書にそのまま転記できる10項目に集約しました。各項目から詳細記事へリンクしています。
実証が終わった後の話 — PoCを本運用につなぐ引き継ぎ設計
「実証は成功した。次はどうすれば」——PoC疲れの正体は技術の失敗ではなく引き継ぎの設計不在です。定義・データ・検証記録・判断記録の「再現一式」を納品物にすることで、意図せざるベンダーロックインを防ぎ、実証を資産にする方法。
観光客と生活者を、カメラはどう見分けるか — できる範囲と、できない範囲
「観光客と地元の人を分けて数えられますか」——ある程度の推定はできますが、それは個人の識別とは別物です。スーツケース比率などの代理指標でできること、「観光客数」が直接には存在しない理由、プライバシーと両立する設計の線引きを説明します。
「滞在」はどう測るか、なぜ通過より難しいか
ウォーカブル政策の本命指標「滞在時間」は、追跡の分断によって実際より短く・人数は多く出る構造的な歪みを持ちます。下限として読む・分布で読む・処理の有無を確認する——ベンチや日陰の効果検証を堅くする読み方と発注時の確認点。
「AIが測るなら、職員の仕事はなくなるのか」への答え
AI計測の導入で機械化されるのは「数える」であって「決める」ではありません。ルールは機械が適用し、材料は機械が並べ、確定は人が行う——なくなる作業と濃くなる仕事、そして統計研修より先に身につくデータ人材の第一歩について。
データは合意形成をどう変えるか — 声の大きさではなく、共有された観測
データがあるのに住民説明が荒れるのは、双方が違う観測を根拠にしているから。観測の共有・誠実な開示の3原則(測れていないものを隠さない・個人が読める粒度にしない・出典を添える)・反対意見を観測の要求に変える方法について。
EBPMの「E」は等級で考える — 体感から監査可能な台帳まで
担当者の体感も、1日だけの調査も、監査可能な計測も、全部「エビデンス」と呼ばれていませんか。エビデンスを有無ではなく4つの等級で捉え、施策の重さ(可逆性・規模)に等級を釣り合わせる考え方を提案します。
スマホ1台から始める通行量観測 — 発注する前に、一度自分で測ってみる
通行量計測を発注する前に、スマートフォンで15分だけ自分で測ってみてください。正確さが目的ではありません。「数える」より「何を数えるか決める」ほうが難しいという体感が、提案書と報告書の読み方を変えます。手順・撮影ルール・プライバシー配慮まで。
「今後の課題」という言葉の解剖 — 問いはどこで死ぬのか
会議で立った良い問いは、否決されずに「今後の課題」というラベルに変換されて消えていきます。悪意は要りません——問いを保持する場所が意思決定プロセスにないだけ。問いのライフサイクルの観察と、「問いの台帳」という小さな解決策を提案します。
縮む時代の都市に、記憶と神経を実装する — Tobari（帳）の思想
日本の都市は、人類が経験したことのない速度で縮みます。都市は自分の変化を感じる神経も、覚えておく記憶も持たないまま手術されている——CoPaletteが計測ツールではなく「都市の帳(台帳)」を作る理由、縮小時代の世界標準を日本から作るという野心、それを支える足元の規律について。
「補正済み」という言葉を信用しない — 用語の定義台帳のすすめ
「補正済み」「検証済み」「精度」——報告書に並ぶ言葉は、定義を確かめないと実体とずれていることがあります。私たち自身が経験した「名前と実体の乖離」と、用語ごとに定義の正本を1つ決める台帳の作り方、報告書を受け取る側の質問リストを紹介します。
その1ピクセルは何メートルか — 映像計測の「換算の根拠」を確認する
速度・密度・区画の実寸——メートルの付く数字はすべて、ピクセルをメートルに換算する工程の上に載っています。換算の出典・検算・暫定/確定の区別という3つの確認点と、発注者が図面提供で品質を上げられるという話。
一度の調査では答えられない問い — 単発調査と継続計測の使い分け
「5分以上の駐車が何台あるか」は短い撮影からは原理的に検出できず、「施策の効果」は施策前の計測がなければ測れません。問いを「単発で可・連続観測が必要・繰り返しが必要」に分類してから調査を設計する、という順番の話です。
AIは何を見間違えるか — 通行量計測の「誤検出の型」と直し方
AIの間違いはランダムではなく、型があります。持ち物との混同・静止者の揺れの水増し・追跡の取り違え——3つの型それぞれの直し方と、「直した量」まで報告させる検収の観点を紹介します。
「映像をきれいにしてから数える」は逆効果だった — 前処理の落とし穴
揺れた映像は、先に安定化してから解析すれば精度が上がるはず——そう考えて実験したら、逆に検出が壊れました。人の目に良い処理と機械の計測に良い処理は別物。計測は元映像・表示だけ安定化という使い分けと、前処理を検証するチェックリストを紹介します。
「答え合わせ」の正解にも品質がある — 人力カウントの作法
AIの検証に使う人力カウントは絶対の正解に見えます。しかし出所の記録がない正解との比較を、私たちは撤回したことがあります。比較が成立する条件、人力側の誤差を二重カウントで測る方法、検収で正解の品質を確認する作法を紹介します。
大きな実験の前に、試し撮りを1本 — 実証の段階設計
長時間の連続計測をやる前に、私たちは必ず固定カメラの試し撮り1本を挟みます。その1本で映像の安定性・対象の見え方・距離の基準という3つの前提を同時に検証できるからです。「実証したが何も残らなかった」を避けるための段階設計とチェックリスト。
ダッシュボードに「本物」と「それらしい数字」を混ぜない
私たちのダッシュボードにも、実データと合成データが同じ顔で並んでいた時期があります。「計測していません」と正直に表示する設計に変えた経緯と、事業者のデモを見るときに品質を見抜く3つの質問を紹介します。
「停車時間」には3つの定義がある — 同じ言葉から違う数字が出る問題
同じ車両の駐車を測ったのに、定義によって約100秒・約80秒・約60秒と3つの数字が出ました。どれも嘘ではありません。行政の問いに対応する定義を選び、他を下限として併記する決め方と、調査仕様書で定義を固定するためのチェックリストを紹介します。
数十本撮って、使えたのはごく一部だった — 撮影の「決まり」がなかったという話
実証の初期、現地で撮影した数十本の動画のほとんどが解析に使えませんでした。原因は機材でも技術でもなく、撮影の決まりを定めていなかったこと。失敗の内訳と、そこから固定した撮影プロトコル、自分たちで簡易調査を始めたい自治体向けのチェックリストを公開します。
数字を狂わせたのはAIではなく「線の引き方」だった
AIのカウントが人力より2割少ない——原因を1件ずつ調べたら、主因はAIの性能ではなく計測線が短いことでした。線を引き直しただけで誤差の大半が解消。計測の品質を先に決める「どこで測るか」の合意と、発注者側のチェックリストを紹介します。
AIと人力カウントが一致した。だから疑った — 「精度◯%」の内側で起きていること
AIの計測値と人力カウントがぴったり一致——検収でいちばん嬉しいこの瞬間を、私たちは疑うことにしています。1件ずつ動画と突き合わせて見えた「数えすぎと見逃しの相殺」の実例から、合計ではなく内訳で検収する方法と、発注者側のチェックリストを紹介します。
駅のカメラはなぜ批判されたのか — 前例2件の一次調査と、顔を扱わない設計
カメラによる通行量計測で住民・議会がまず心配するのはプライバシーです。過去に中止・縮小に追い込まれた2つの事例を一次資料まで遡って調べると、原因は技術の精度ではありませんでした。「顔を扱わない・映像を残さない・告知する」という設計の考え方を紹介します。
測った根拠が消えない、が一番大事 — 映像を残さず、あとから測り直せる仕組み
報告書の数字は残るのに、「その数字がどう出たか」は残らない——だから過去の調査と比較できない。この構造を変えるために、映像ではなく軌跡だけを残し、計測ラインをあとから引き直して数秒で再集計できる設計にしました。審議会実務・経年比較・発注時のチェックリストまで。
「0台」と「判定不能」は違います — 数字を出さない誠実さの話
交通量・通行量の報告書でいちばん扱いに注意が必要な数字は「0」です。観測して本当にゼロだったのか、そもそも測れていないのか。実証の現場でぶつかった実例から、「数字を出さない」判断を仕組みにする方法と、発注者側のチェックリストを紹介します。