位置情報って何？ 位置情報は誰のもの？ AIとの融合でどう進化する？

位置情報ビジネスの背景

　位置情報ビジネスは1990年代のカーナビゲーション（カーナビ）から始まり、2000年代のGPS搭載携帯電話による位置情報ゲームで花開き、2010年代になり位置情報ビッグデータビジネスが加わった。カーナビや位置情報ゲームは、日本が火付け役となって世界中に広がり、また、2011年の東日本大震災ではカーナビから生成された位置情報ビッグデータが復興に、2020年のパンデミックでは人流データが感染対策に大きく貢献した。そして2030年に向けて、人流データはAIと融合することでさらに進化を始めた。

　今日までの位置情報ビジネスは、物流、施設管理、ナビゲーション、情報提供サービス、コミュニケーションサービス、P2P系サービス、農業、公共交通、安心・安全サービスと、多方面で活用が進んできた。

　2020年になり、コロナ禍を経験した世界は、位置情報ビッグデータから派生した人流データの利用が進み、人の行動パターンや都市部の混雑状況を容易に把握できるようになった。国内では、密閉、密集、密接を避ける意味の「3密」を検証するために、連日のようにメディアを通じて混雑状況を示す地図が登場した。復興フェーズに入ると、観光産業やまちづくり、広告などのプロモーション分野においても、人流データを活用することで、より適切な戦略を打ち出すことができるようになった。

　近年は、デジタルによる仕事の効率化、いわゆるDXにおいて位置情報の本格的な活用が始まっている。物流や工場など製造の現場において作業者や荷物の管理には位置情報の活用が進んできており、さらに、ここにきて生成AIとの融合が始まっている。例えば、従来の商圏分析では人口統計データや顧客の購買データなどから売り上げを予測していたが、ここに人流データを加えてAIに学習させることで、より精度の高い売り上げ予測が可能となった。また、AIを活用して位置情報の精度を上げる取り組みもある。衛星測位が難しい屋内などではAIを使い写真から位置を特定できるほか、生成AIに写真をアップロードしてヒントを与えると現在位置を特定することもできる。AIのブラックボックス問題など課題はあるが、今後も位置情報とAIとの融合は加速していくだろう。

位置情報ビジネスのスキーム

　位置情報という用語は古くから使われていたが、2004年に総務省が「移動体端末を所持する者の位置を示す情報」としたことで、国内の情報通信業界で認知された。当初は一部の専門家の中で使われていた用語であったが、スマートフォンが登場しGPS受信機能が備わり始めた2010年頃には、多くの人が位置情報という言葉を使うようになった。位置情報を活用したサービスは「位置情報サービス（Location Based Services：LBS）」と呼ばれ、ナビゲーションや見守りアプリを代表に、社会に浸透していった。現在も位置情報サービスやLBSという用語は使われているが、本書ではより大きなマーケットへの期待を込めて「位置情報ビジネス」としている。

　スマートフォンの位置情報機能をオンにするだけで、地図アプリ上に自分の居場所が示される。自分の居場所が分かれば、今度はナビ機能を使って行きたいところに行けるし、周辺にどのようなレストランがあるのかも分かる。このような機能だけでも大きな価値はあるが、家族や大切な人の居場所や行動が分かれば安心・安全につながり、観光客の行動が分かればまちづくりに生かせるほか、スポーツ選手の動きが分かればパフォーマンスの分析が可能となる。ユーザーの居場所や行動を追跡する技術や仕組みを「位置情報トラッキング」と呼び、収集したデータは「位置情報ビッグデータ」と呼ぶ。位置情報ビッグデータは広告やまちづくりなどに利用され、今後さらに大きなビジネスに広がる可能性がある。また、位置情報や位置情報ビッグデータはスマートフォンを使えば自動的に発生することを考えると、持続可能性の高いエコシステムであると言えよう（図1）。

図1　位置情報エコシステムのイメージ

　ところで、位置情報は一体誰のものだろうか？　「誰のもの」という表現に違和感がある方は、「誰が責任をもって管理をするのか」と読み替えていただきたい。この問いはシンプルだが奥が深い。アップルやグーグルといったスマートフォンのOSホルダーだろうか？　NTTドコモやKDDI、ソフトバンク、楽天などの通信キャリアだろうか？　それともユーザーが利用するアプリを開発する企業だろうか？　特定の企業が牛耳るものではなく、ユーザーがいるからこそ位置情報があるのだから、私たちユーザーだろうか？　これらの問いに対しては、ユーザーがスマートフォンを購入して通信費を毎月支払い、アプリのサブスクや広告を見ているのだから、ユーザーが最も（恩恵も受けてはいるが）貢献しているといっても過言ではない。また、衛星測位システムがなければ位置情報の発生そのものも起こらないことから、測位衛星は誰のものかと考えると、各国は大なり小なり国家予算で打ち上げて運用しているため、税金を納めている国民のものであるとも言える。

　一方で、GPSは米国が、BeiDou（北斗）は中国が、Galileo（ガリレオ）は欧州が運用している衛星測位システムだが、世界中の誰もが利用できる。このことが、位置情報ビジネス発展の最大の要因となっていることを忘れてはならない。このような情勢の中、日本の準天頂衛星システム（QZSS）「みちびき」は、単独で測位できる7機体制を目指して開発が進んできた。

　話は横道にそれるが、屋内空間では衛星測位システムのような仕組み作りが難しいため、無線測位など解決できる個別の技術はあるものの、完全普及に至っていない。屋内の測位システムのコストは誰が背負うのか、そして、屋内の位置情報は誰が責任をもって管理をするのか、ということが見えてこない。

　図2は、位置情報発生の仕組みである。この図を見ていただいても分かるとおり、位置情報ビジネスは複数の事業者レイヤーの構造になっており、どの層が欠けても位置情報は流通しない。したがって、誰のものと限定するのではなくすべての関係者がコストを分配しながら位置情報を育てていくという考え方が正しいだろう。

図2　位置情報発生の仕組み

　位置情報ビジネスはナビゲーションやゲーム、安心・安全アプリなど、携帯電話やスマートフォンの利用が前提であったが、2010年以降、位置情報を蓄積した位置情報ビッグデータビジネスが台頭してきた。位置情報ビッグデータは人や自動車の行動を分析できることから、新たな広告ビジネスを生み出し、また、人の行動という極めてプライバシーの高い情報を利用することから、ビジネス利用には賛否の声が上がった。そこから、位置情報の匿名化が進み、個人情報やプライバシーに配慮しながら、位置情報ビッグデータは「人流データ」とも呼ばれるようになった（図3）。本書では、位置情報が自動的に生成されるさまざまな位置情報ビッグデータに対して、人に特化し、個人情報やプライバシーに配慮して匿名化処理したデータを「人流データ」と呼ぶことにしている。

　人流データは現在、一部のオープンデータを除いて通信キャリアやアプリベンダーが有償で販売している。位置情報ビッグデータを管理するには巨大なストレージが必要になる上、個人情報の保護や匿名化処理などにコストがかかるため高価となっているが、位置情報ビジネスが今後さらに発展するためには、人流データがより安価になり、誰もが安心して利用できる必要がある。

図3　位置情報ビジネスの全体像：図の下への流れは今後有力なビジネス

　補足だが、位置情報と類似する用語に「地図情報」や「地理情報」がある。地図情報はデジタル地図のことを指す場合が多いが、位置情報の背景図として利用するため混同することがある。地理情報は、近年は「地理空間情報」と呼ばれることが多いが、国土地理院では「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」としている。そのため、位置情報は地理空間情報と同じ文脈で使う場合があり、使い分けが難しい場合がある。他にも、ジオグラフィーの略称としてジオデータやG空間情報と呼ぶこともある。

見えてきた2030年の位置情報ビジネス

　位置情報のコモディティ化は進んでいる。位置情報が特別なものでなくなった背景には、スマートデバイス、衛星測位システム、地図データの進化、そしてナビゲーションをはじめとした多くのシステムやアプリの登場がある。

　ここでは、位置情報ビジネスに関連するスマートデバイス、衛星測位システム、地図データの新しい動向、そして位置情報によって拡張しているビジネスを紹介する。中でも、都市デジタルツインと自動運転について詳しく解説する。

　スマートデバイスは、2017年に始まったIoTブームからトラッキング可能なデバイスが普及した。スマートフォンに至っては2007年にiPhoneが登場してから爆発的に普及し、近年は進化が鈍化しているものの、折り畳み型の登場で地図アプリの利用機会が増えそうだ。画面が大きくなることで地図の視認性は向上し、また、地図に関連する情報や広告などを表示するスペースにも余裕が生まれる。

　位置情報を活用したウェアラブルコンピューティングはどうだろうか。

　GarminやApple Watchなどリスト型のデバイスは、ランニングなど広く利用が進んでいる。これにより、位置情報から走行距離やスピード、ペースが分かる。最近ではヘルスケア機能も充実しており、血中酸素濃度や睡眠時無呼吸、不整脈などを検知できる。今後は熱中症や高血圧の予防を目指しているが、位置情報と組み合わせることで、運動や行動とヘルスケアの関係がより明らかになるだろう。

　メガネ型のスマートグラスは、位置情報を利用することで作業現場における遠隔支援など活躍の場を見つけている。2012年に発表されたGoogle Glassから学んだことの一つは、スマートグラスはビジネスユースとの相性が良かったということだろう。2024年に登場したApple Vision Proへの期待もある。高額であることが影響しているのか、ユーザーに成功体験を与えることができずにいるが、今後、ARやMRといった空間コンピューティングを実現するにはスマートグラスが欠かせない。空間コンピューティングは現実空間と仮想空間をシームレスに融合する概念といわれているが、コストを含むハードウェアの進化（ウェーブガイドディスプレイなど）と6G通信、スマートフォンや今のスマートグラスにはないキラーアプリが登場すれば、一気に普及が進むかもしれない。そして、この時のキーテクノロジーは、やはり空間同士をつなぐ「位置情報」になる。

　衛星測位システムは2000年以降に急速に普及が進み、GNSSの受信チップが搭載されていないスマートフォンは皆無となった。GNSSはGlobal Navigation Satellite System（全球測位衛星システム）のことである。「GPSの受信チップ」と呼ばずに「GNSSの受信チップ」と呼ぶのは、もはや米国のGPSだけを利用する時代は終わり、ロシアのGLONASS、中国のBeiDou（北斗）、欧州のGalileo、インドのNavIC、そして、日本のみちびきが加わり、世界中で100機を超える衛星測位システムが運用されているためである（図4）。現在、韓国やトルコも衛星測位システムの打ち上げを計画しているが、EUを脱退した英国はGPSやGalileoに依存しない手法を模索している。

図4　GNSSの運用の進捗（集計値については目安）（出所：United Nations Office for Outer Space Affairs）

　さらに、小型衛星を活用した低軌道衛星測位（Low Earth Orbit Positioning, Navigation, Timing：LEO-PNT）のチャレンジが始まっている（図5）。LEO-PNTはGNSSからの信号が届きにくい都市部や山林地における測位と妨害（ジャミング）に強く、次世代の衛星測位システムとして注目されている。また、垂直方向の位置精度の向上も期待されている。現在、米国、欧州、中国、そして日本は政府が主導する形で、民間企業と共同で技術開発・実証を進めている。

　なお、GNSSやLEO-PNTがカバーできないエリアとして、屋内空間や地下空間の測位も進んでいる。

図5　LEO-PNTの軌道イメージ（出所：Rrakanishu（ウィキメディア・コモンズ）の図を基に作成）

　外出中にスマートフォンから地図アプリを起動すると、瞬時に自分のいる場所が中心となった地図が表示される。（歩きスマホは危ないが）歩き出すと、地図の中心が歩く方向に移動する。位置情報の基本的なデータの構成は、緯度、経度、高さから成る。だが、これらの数値だけを見ても自分の位置が分からない人は多いだろう。そのため、正確な精度を持った地図データを背景にして表示する。北緯48度51分29.6秒、東経2度17分40.2秒と表示されても分からないが、図6のような地図が背景になっていれば誰もが分かるだろう。

図6　フランス・パリのエッフェル塔付近（北緯48度51分29.6秒、東経2度17分40.2秒）

　このように、位置情報と地図は表裏一体として切っても切れない関係である。特に2005年にGoogleマップが登場して以来、あまたの地図データは位置情報ビジネスとともに発展を加速させてきた。今後も位置情報ビジネスによって適切な地図データを選択することになるが、位置精度が上がることによって高い精度の地図をはじめ、航空写真や衛星写真が必要とされる。また、垂直方向の位置精度が上がれば、より詳細な3D地図が必要となる。3D地図データについては都市デジタルツインの節でも触れるが、現在は作成コストに課題が残る。3D地図データの作成コストが下がれば、新しい位置情報ビジネスが誕生する可能性は十分にある。

　DXにおける位置情報の活躍も続いている。工場の自動化、建設現場の作業員のサポートなど、ビジネスの現場で位置情報が活用されている。医療機関で利用されている医療機器や医薬品、工場や倉庫にある商品や備品の管理には従来ICタグが使われてきたが、BLEビーコンなど電波を発信するタイプのタグを使うことで、医療従事者や作業員の動線分析なども可能となっている。これらのインパクトはSNSなどの広告で利用される位置情報と比べると地味ではあるが、確実に必要とされる分野であり、今後も拡大することが予想されている。

　また、位置情報を活用したGX（グリーントランスフォーメーション）の取り組みも報告されている。GXとは気候変動の主な要因となっている温室効果ガスの排出量の削減と経済成長の両立を指す取り組みで、位置情報ビッグデータを利用すれば、企業や個人が移動などによってどのくらい炭素を排出しているのかを算出できる。例えば、利便性の高いシェアオフィスを使った働き方を推奨すれば、マイカーによる郊外からの通勤が減り、炭素排出を抑制することができる。そのためには、正確な位置情報のやりとりが大切になる。

　ここからは、2030年向けて位置情報が貢献するビジネスとして「都市デジタルツイン」と「自動運転」について紹介する。

都市デジタルツイン

　都市デジタルツインは現実世界の双子をつくることだと考えると、3Dデータまたは4Dデータがベースとなる。この時、宇宙空間（反対に人体など小さな空間）までモデリングする考え方もあるが、ここではシンプルに地球を対象とした都市データのパーツとして「3D地図データ」の重要性を考える。3D地図データは「3D空間データ」や「3次元空間情報」など呼び方はさまざまなので、置き換えていただいて構わない。

　デジタルツインは、フィジカル空間（現実空間）からリアルタイムデータを取得して、分析やシミュレーションを行ってフィジカル空間にフィードバックする循環システムであることから、3D地図データも可能な限りリアルタイムで更新することが重要となる（図7、図8） 。データが古くなれば、分析やシミュレーションの結果が異なってしまう。

図7　デジタルツインのイメージ（出所：東京都デジタルツイン実現プロジェクト）

図8　自動生成した新宿：AIを用いて衛星画像と標高データから構造物の3Dデータを作り出している（出所：スペースデータ）

　現在、国内では国土交通省が主体となって進めている3D地図データ「PLATEAU（プラトー）」がある。これは3D都市モデルのプラットフォームと呼ばれており、2020年から「Project PLATEAU」としてさまざまな推進活動を行っている。オープンデータが200を超える自治体から提供されており、さらなる整備に期待がかかる。例えば、横浜市では建築物モデルのデータをLOD（Level of Details）0～3のCityGML形式と3DTiles形式でダウンロードできる。CityGMLは、3D都市モデルの表現レベルに応じて5段階のLODが設定されているが、都市デジタルツインにどのレベルのデータが必要になるかは、適用するサービスや研究内容によって異なってくる。

自動運転

　カーナビをはじめとする「ナビ」や、人や物の追跡をする「トラッキング」において、位置情報は必須情報の一つである。現在位置を知るということは、古来、航法技術としてさまざまな試みがなされてきたが、GPSの登場で世界が一変した。現在はナビから、自動車、タクシー、バス、ドローンなどの自動運転に技術やマーケットはシフトしているが、位置情報の重要性は変わらない。

　自動車の自動運転は、どの程度システムが行うかによって1～5のレベルに分かれているが、いわゆる自動運転と呼ばれるものはレベル3以上となる。

実現方法

　自動運転は、カメラやLiDAR／レーザースキャナー、レーダーなどセンサーがヒトの目となり、主に安全性を担う。カメラは解像度が高く、看板や標識を認識できるが、障害物までの距離や悪天候は苦手である。LiDARは人や障害物までの距離を正確に把握できるが、カメラのように標識や車線は分からない。レーダーはLiDARより遠くの障害物を把握できるが、LiDARに比べて解像度は低い。そのため、現在はこれらのデバイスを組み合わせて使用するケースが多い。

　一方、GNSS受信デバイスからは正確な位置を特定する。そして、高精度な地図データから道路周辺の情報を取得する。トンネルやGNSSの電波が入りにくい駐車場などでは、カメラやLiDARによるSLAM（Simultaneous Localization and Mapping）を使って自己位置を推定する。自動運転においても、自分の現在位置は極めて重要な情報である。従来のカーナビとしての機能はもちろん、自己位置を基に地図データから得た道路など周辺の情報をカメラやLiDARなどのセンサーに渡すことで、自動運転の処理をサポートする（図9） 。

　今後、AIカメラが進化して、自己位置推定しながら周辺の安全を確認することになるのか、従来通り静的な地図データからの周辺情報を取得する方法になるのかは、現時点では分からない。AI半導体ビジネスをリードするエヌビディアは、思考のプロセスや推論に基づくリーズニング・ベースの視覚言語行動モデルを推進しており、当面はこの分野から目が離せない。

図9　自動運転システム（出所：赤井直紀、「自己位置推定がなぜ自動運転において重要か」を参考に作成）

ドローン

　ドローンの自動飛行についても補足しておく。空の産業革命と呼ばれて久しいドローンだが、すでに農業や土木・測量、インフラ設備の点検業務など、目視内かつ手動操縦で行うものは定着しつつある。国内では2022年12月の航空法改正により解禁され、現在はレベル4と呼ばれる有人地帯における目視外飛行、つまり都市部の空の自動運転（自動飛行）を目指している（図10） 。レベル4が実用化されるとさまざまな可能性が広がるが、やはり荷物の配達（ドローン配達）が本命であろう。

ドローンの自動飛行技術

　ドローンの自動飛行は、GNSSデバイスやRTKデバイスから取得する位置情報、ジャイロセンサーや加速度センサーから取得する機体の姿勢や向きといった情報を基に、フライトコントロールシステムによって機体を制御する。フライト時は、設定したウェイポイントの順に障害物を回避しながら飛行する。もし想定外の事態（天候の悪化など）やバッテリーの残量が低下した場合などは、自動で帰還する。

図10　ドローンの飛行レベル（出所：内閣官房、「レベル4飛行の実現、さらにその先へ」）

『位置情報がつくる未来ビジネス　AIと人流データ時代のデジタル社会基盤』

• 発行日：2026年4月24日
• 小売希望価格：
  電子書籍版（EPUB3フォーマット） 2200円
  オンデマンド印刷書籍版（A5／モノクロ／本文210ページ） 2420円

中島 円（なかじま まどか）

慶應義塾大学大学院システムデザイン・マネジメント研究科後期博士課程修了。博士（システムエンジニアリング学）、技術士（情報工学）、上級GIS技術者。国際航業株式会社に勤務し、1990年代から官公庁、民間企業のGIS開発に従事する。2020年から慶應義塾大学大学院システムデザイン・マネジメント研究科特任教授を兼任。地理情報システム学会GIS資格認定協会資格認定委員、日本地図学会常任委員。著書『GIS入門 この一冊で「統計マップ」が自在に作れる』『その問題、デジタル地図が解決します―はじめてのGIS』（共にベレ出版）、『センサーシティー』（インプレスR＆D）、共著書『位置情報ビッグデータ』『アイデアソンとハッカソンで未来をつくろう』（共にインプレスR＆D）のほか、『地図の事典』（朝倉書店）など寄稿・論文多数。

片岡 義明（かたおか よしあき）

地理空間情報を中心テーマとして活動しているフリーランスライター。地図と位置情報をテーマとしたニュースサイト「GeoNews」を運営。測量士。著書『パソ鉄の旅―デジタル地図に残す自分だけの鉄道記』（インプレス）、『位置情報トラッキングでつくるIoTビジネス』『こんなにスゴイ！　地図作りの現場』（インプレスR&D）、共著書『位置情報ビッグデータ』（インプレスR&D）、『いちばんやさしい衛星データビジネスの教本』（インプレス）など。