walk-route-3d

始点と終点を決めるだけで、東京の徒歩ルートを3D都市モデルの上で歩けるHTMLを1枚生成するSkill。

外部の経路探索APIも、地図タイルサーバーも、CDNも、MCPサーバーも使いません。国土交通省 Project PLATEAU ／ 東京都「都市の3Dデジタルマップデータ」のCityGMLだけを材料に、道路面ポリゴンそのものの上で経路を解いて、単体で開ける自己完結のビューアを書き出します。

Generate a self-contained 3D walkthrough of any walking route in Tokyo from PLATEAU CityGML. The route is solved on the published road-surface polygons — no routing API, no tile server, no CDN, no MCP server. Output is a single HTML file that opens offline.

秋葉原のヨドバシカメラから上野恩賜公園まで 2,004 m。建物7,936棟、地形の高低差24 m。朱色の帯が経路で、明るい側が歩き終えた区間。

「歩行者を追う」を有効にすると、街路レベルまで降りて進行方向を向いたまま追従します。

すぐ触りたい場合は examples/akihabara-ueno/index.html をブラウザで開いてください。 ビルド済みのサンプルを同梱しています（約3.5 MBの1ファイル、ダウンロード不要・オフライン可）。

---

できること

• 徒歩ルートの探索 — 道路面（tran LOD1）を2mグリッドにラスタ化し、建物と鉄道敷を障害物としてA*で解く
• ルートの再生 — 再生／スクラブ／通過地点ジャンプ、歩行者追従カメラ、距離・所要時間・上り累計の表示
• 建物の3D表示 — LOD1押し出し、DEM由来の地形、道路面、鉄道、駅・施設名ラベル、等高線
• 属性による色分け — 高さ／用途（詳細用途）／建物構造（防火性能）／想定浸水深。凡例クリックで絞り込み
• 建物のクリック — 階数・建築面積・接地標高・建物構造・防火地域・変化フラグ・想定浸水深・建物IDを表示

出力はindex.html1枚（例のルートで約3.7 MB）。オフラインでもファイルを直接開けば動きます。

必要なもの

Python	3.8以上。標準ライブラリのみ。pip installは不要
curl	TLS検証のため、HTTP取得はすべてcurlに委譲しています
ブラウザ	WebGL2対応（Chrome / Safari / Firefox の現行版）
ディスク	作業用に2〜3 GB程度（DEMの展開後サイズが大きいため）

MCPサーバーは不要です

このSkillはMCPサーバーに依存しません。 データはPLATEAUの配布ZIPとCKANの公開APIから直接取得するため、追加のサーバー設定は要りません。scripts/以下にMCPへの参照は1つもありません。

ただし、どのデータセットが存在するかを対話的に調べたい場合には、同じ作者の tokyo-data-mcp を併用すると便利です（任意）。東京都オープンデータカタログを検索・集計する読み取り専用のMCPサーバーです。

tokyo-data-mcp を入れる場合（任意）

git clone https://github.com/kofujimura/tokyo-data-mcp.git
cd tokyo-data-mcp
npm ci && npm run build      # dist/index.js が生成される

MCPクライアントの設定に追加します（argsはdist/index.jsの絶対パス）。

{
  "mcpServers": {
    "tokyo-data": {
      "command": "node",
      "args": ["/absolute/path/to/tokyo-data-mcp/dist/index.js"],
      "env": { "LOG_LEVEL": "info" }
    }
  }
}

Claude Codeなら次のコマンドでも登録できます。

claude mcp add tokyo-data -- node /absolute/path/to/tokyo-data-mcp/dist/index.js

登録後 search_catalog describe_dataset inspect_resource query_rows aggregate_rows の5ツールが見えれば成功です。

インストール

Claude Code のSkillとして

個人用（どのプロジェクトからでも使える）:

git clone https://github.com/kofujimura/walk-route-3d.git ~/.claude/skills/walk-route-3d

プロジェクト限定（チームで共有する）:

git clone https://github.com/kofujimura/walk-route-3d.git .claude/skills/walk-route-3d

開発しながら使うなら、クローン先はどこでもよくシンボリックリンクを張ります。

git clone https://github.com/kofujimura/walk-route-3d.git ~/src/walk-route-3d
ln -s ~/src/walk-route-3d ~/.claude/skills/walk-route-3d

Claude Codeを再起動すると /walk-route-3d で呼び出せます。「秋葉原から上野公園までの徒歩ルートを3Dで作って」のように自然文で頼んでも、Skillの説明文からエージェントが自分で選びます。

その他のエージェント

SKILL.md はエージェント非依存のMarkdownです。agents/openai.yaml に表示名と既定プロンプトを置いてあるので、必要に応じて各ランタイムの形式に読み替えてください。

単体で使う（エージェント不要）

scripts/ は素のPythonスクリプトです。AIエージェントなしでも同じ結果が出ます。次の「使い方」がそのまま手順になります。

使い方

同梱サンプルを、手元で最初から作り直してみる例です。

git clone https://github.com/kofujimura/walk-route-3d.git
cd walk-route-3d/examples/akihabara-ueno

S=../../scripts
python3 $S/fetch.py       --config route.json --work work/ --dry-run  # ① メッシュの充足を確認
python3 $S/fetch.py       --config route.json --work work/            # ② 取得（約150 MB転送）
python3 $S/build_scene.py --config route.json --work work/            # ③ scene.json を作る（約16秒）
python3 $S/build_page.py  --scene work/scene.json --out index.html    # ④ 1枚のHTMLにする
open index.html

① の--dry-runは、必要な1kmメッシュを列挙し、どのPLATEAUパッケージがどれを提供するかを表示します。MISSINGが出たら、そのメッシュを含む自治体パッケージをpackagesに足してください。

自分のルートを作るときは、このディレクトリを複製してroute.jsonの緯度経度とパッケージ名を書き換えるだけです。テンプレートを触る必要はありません。

cp -r examples/akihabara-ueno my-route && rm my-route/index.html
$EDITOR my-route/route.json

始点・終点を建物で確認する

「ヨドバシAkiba」のような施設名を座標にするとき、当てずっぽうを避けるためのモードがあります。

python3 ../../scripts/build_scene.py --config route.json --work work/ --probe 35.6986,139.7746

地図から目分量で拾った座標を渡すと、近くの大きな建物が距離・建築面積・LOD1高さ・階数・詳細用途つきで並びます。

  28 m  area   4644 m2  h  52.8  floors 9    use 1221   35.698854, 139.774605  13101-bldg-2423
 109 m  area   2631 m2  h  20.4  floors 2    use 1431   35.698305, 139.773447  13101-bldg-716
 122 m  area   2631 m2  h  19.8  floors 2    use 1431   35.698160, 139.773368  13101-bldg-1329

1件目は建築面積4,644 m²・9階・商業施設（1221）で、ヨドバシAkibaに間違いありません。2件目以降の1431（運輸施設等）は秋葉原駅の構造物です。この重心 35.698854, 139.774605 を始点に使います。

設定ファイル

{
  "title": "秋葉原 → 上野",
  "eyebrow": "AKIHABARA – UENO WALK",
  "start": { "lat": 35.698854, "lon": 139.774605,
             "name": "ヨドバシカメラ マルチメディアAkiba", "short": "ヨドバシAkiba" },
  "goal":  { "lat": 35.713783, "lon": 139.774243,
             "name": "上野恩賜公園", "short": "上野公園" },
  "packages": ["plateau-13106-taito-ku-2025", "plateau-13101-chiyoda-ku-2025"]
}

キー	既定値	意味
start / goal	必須	lat lon と、name（通過地点リストの端）・short（地図のピン）
packages	必須	geospatial.jp のPLATEAUパッケージ名。--dry-runで過不足を判定
title / eyebrow / blurb	自動生成	ページ見出し。→を含めると矢印が強調される
bbox	端点から算出	[南緯, 西経, 北緯, 東経]。文脈を広く見せたいときに明示
pad	400	端点の外側に足す余白（m）
minSpan	1100	短辺の最小長（m）
terrainCell	10.0	地形グリッドの解像度（m）
routeCell	2.0	経路探索グリッドの解像度（m）
offroadCost	6.0	道路面外を歩くコスト倍率
railBlockRadius	9.0	鉄道中心線から通行不可とする幅（m）
walkMetresPerMinute	80	所要時間の換算（不動産表示規約の目安）

実物は examples/akihabara-ueno/route.json にあります。

パッケージ名はCKANで引けます。

curl -s "https://www.geospatial.jp/ckan/api/3/action/package_search?q=PLATEAU+台東区&rows=5" \
  | python3 -c "import json,sys;[print(p['name'],p['title']) for p in json.load(sys.stdin)['result']['results']]"

仕組み

1 GBのZIPから数十MBだけ取る

PLATEAUの配布ZIPは自治体あたり1 GB級ですが、必要なのは対象メッシュの.gml数本だけです。配信元がHTTP Rangeに対応しているので、scripts/rzip.pyが中央ディレクトリだけを読み、目的のエントリにRangeを張って取り出します。中央ディレクトリは~/.cache/rzipにキャッシュされ、fetch.pyはサイズが一致するファイルを飛ばすので、再実行はほぼ無料です。

なおメッシュファイルは区をまたいで完全です。53394632は台東区版と千代田区版でバイト単位で同一で、13101/13102/13106の建物3,665棟すべてを含みます。したがって1メッシュにつき1パッケージで足り、複数指定するのは「どのパッケージにも無いメッシュ」を埋めるときだけです。

2. 道路面の上で経路を解く

PLATEAUが配るのは道路面であって道路網ではありません。中心線もトポロジーも無いので、グラフ探索の対象がそもそも存在しません。そこで面をラスタ化して解きます。

セル	出所	コスト
道路	tran:Road LOD1 ポリゴンを走査線で塗る	1.0 + 2.2·exp(−縁からの距離/3)
障害物	建物フットプリント＋鉄道中心線から9 m	通行不可
空地	それ以外	offroadCost（既定6.0倍）

道路は障害物に優先するので、高架下やアンダーパスは開いたまま、線路そのものは塞がれます。

「空地も通れるが割高」という設計が要点です。道路面データは駅前広場や公園の園路を含まないため、道路セルだけに限定すると上野公園にはそもそも到達できません（入口が階段のため園路が街路網から分断されている）。最初の試行は3,454 mも迂回しました。6倍の通行料を課すと、26 mの隙間は156 m相当になり、それを上回る短縮があるときだけ横断します。結果は2,004 m、うち道路面外はわずか96 m（5%未満）で、実際に人が歩道を離れる場所とほぼ一致しました。

詳しくは references/routing.md。出力のポリラインを手で編集してはいけません。 気に入らないときはコストモデルを変えて、何を変えたかを記録します。

3. 自己完結のビューア

scripts/template.html に自前のWebGL2レンダラとUIが入っており、build_page.pyがシーンを<script type="application/json">として流し込みます。差し替えるのは__TITLE__と__SCENE__の2箇所だけで、見出し・出典表記・ルート名はすべてscene.metaから描画されるため、新しいルートでテンプレートを触る必要はありません。

法線はdFdx/dFdyから取るフラットシェーディング、ピッキングはIDバッファへの第2パス。色分け・高さフィルタ・凡例の絞り込み・歩行済み区間の塗り分けは、すべてuniformの変更だけでバッファを作り直しません。詳しくは references/viewer.md。

出力の性質と限界

結果を人に見せるときは、次を必ず添えてください。いずれも実在する制約です。

• 属性の基準時点は令和3年（2021）土地利用現況調査（uro:surveyYear）。カタログの「令和7年度整備」は3Dモデルの整備年度であり、2021年以降の新築・建替え・除却は反映されていません。
• 建築年（yearOfConstruction）と構造種別（buildingStructureType）は収録率0%。耐震性を軸にした応用は成立しません。防火性能・規制値・変化フラグは全棟に入っています。
• 経路は経路案内ではありません。 信号、一方通行、階段とスロープの別、駅の営業時間、エレベーター、私有地の通り抜け可否を一切知りません。
• 所要時間は距離÷80 m/分。信号待ちを含みません。
• 高さはLOD1。押し出しの上端は点群由来で、measuredHeightとは異なります。ビューアは両方表示します。どちらかを「その建物の高さ」として断定しないでください。
• 地形はDEMのTIN頂点を10 mグリッドに平均化した派生物です。測量成果ではありません。

データの中身と収録率の実測値は references/plateau-data.md にまとめてあります。

対応範囲

PLATEAUが3D都市モデルを整備している東京都の自治体（区部・多摩部）。--dry-runが必要なメッシュの過不足をそのまま教えてくれるので、対応可否はそれで判断できます。

他都市のPLATEAUパッケージも同じスキーマなので原理的には動きますが、検証は東京都のみです。関連データセット（駅・ランドマーク・公園）の有無は自治体によって異なります。

処理コストの目安

対象範囲	メッシュ数	転送量	展開後	build_scene	出力HTML
約1 km²	2〜4	約40 MB	約0.5 GB	約10秒	約2 MB
約3 km²	6〜9	約150 MB	約1.6 GB	約16秒	約3.7 MB

展開後サイズが大きいのはDEMが約500 MBのテキストだからです。地形が不要ならfetch.py --no-demで省けます。

出典表示について

出力ページには出典パネルが常時表示されます。元データがCC BY 4.0であるため、これは表示義務です。剥がさないでください。

• 都市の3Dデジタルマップデータ（区部・多摩部） — 東京都都市整備局、CC BY 4.0
• 実体ファイル: Project PLATEAU の各自治体CityGML v5 — 利用条件はPLATEAUサイトポリシー「３．著作権について」に拠ります

ライセンス

このリポジトリのコードとドキュメントは MIT License（LICENSE）。生成される3Dモデルの中身は上記の出典データに由来し、それぞれの条件に従います。

関連

• tokyo-data-mcp — 東京都オープンデータカタログの読み取り専用MCPサーバーと、urban-discovery Skill
• Project PLATEAU — 国土交通省