［開発者向け］都市の「言語」をAIで読み解く——GoogleのS2Vecが切り拓く地理空間AI

2026-03-30

はじめに

　Google Researchが2026年3月24日に発表したS2Vecは、道路・建物・公園などのデータを自己教師あり学習で汎用embeddingに変換する地理空間AIフレームワークです。本稿では、その仕組みと評価結果、都市計画や環境研究への応用可能性を解説します。

参考記事

タイトル: Mapping the modern world: How S2Vec learns the language of our cities
著者: Shushman Choudhury (Research Scientist, Google Research)
発行元: Google Research Blog
発行日: 2026年3月24日
URL: https://research.google/blog/mapping-the-modern-world-how-s2vec-learns-the-language-of-our-cities/

要点

S2VecはGoogle Researchが開発した自己教師あり学習フレームワークで、道路・建物・店舗などの地理的特徴を汎用embeddingに変換する
S2 Geometryによる地表分割とfeature rasterizationにより、地理データをAIが扱いやすい画像形式に変換する
マスクドオートエンコーダ(MAE)を活用し、ラベルなしで都市の特徴パターンを学習する
未知地域の人口密度・中央所得を予測するゼロショット地理的適応タスクで、単独モデルとして最高性能を記録した
植生被覆・標高などの環境指標予測には衛星画像との組み合わせが有効であることが確認された

詳細解説

S2Vecとは何か——地理空間データのembedding化

　Google Researchが2026年3月24日に発表したS2Vecは、「Earth AI」イニシアチブの一環として開発された自己教師あり学習フレームワークです。Earth AIはGoogleが推進する取り組みで、基盤モデルと高度なAI推論を活用して地球規模の情報を実用的なインテリジェンスに変換することを目指しています。

　従来、地理空間データを機械学習モデルに入力するためには、解決したい問題ごとに研究者が手動で特徴量を設計する必要がありました。地域の所得水準や大気質を分析したい場合にも、それぞれ専用の指標を構築するという手間のかかるプロセスが必要だったということです。S2Vecはこの課題を解決するため、道路・建物・公園・ビジネス施設といった「ビルト環境(人工的に整備された環境)」の特徴を、機械学習が処理しやすい数値表現(embedding)に自動変換します。

2段階の変換プロセス——地理データを「画像」として扱う

　S2Vecが地理データを処理するにあたって踏む2つのステップは、シンプルながら効果的な設計です。

　第1ステップはS2 Geometryによる地表分割です。GoogleのS2 Geometryライブラリを使い、地球表面を階層的なセル(格子)に分割します。Google Researchによれば、この分割は国全体から数平方メートルまで異なる解像度に対応しており、任意の場所のセルを効率的に参照できます。

　第2ステップはFeature Rasterization(特徴量のラスタライズ)です。各セル内に存在するカフェや公園・バス停といった施設の種類と数を集計し、それを多層の画像データとして表現します。たとえば、あるセルにコーヒーショップが3店舗・公園が1か所あれば、それが画像の「色」に相当する情報として記録されます。

　この変換により、地理データがコンピュータビジョン(画像認識)の手法で処理できる形式になります。画像認識分野はすでに成熟した技術基盤を持つため、その豊富なツール群を地理空間分析に転用できる点は大きな利点と考えられます。

マスクドオートエンコーダによる自己教師あり学習

　変換後の画像データの学習には、マスクドオートエンコーダ(MAE: Masked Autoencoder)という手法が用いられています。MAEは、入力データの一部を意図的に隠し、残りの情報から隠れた部分を復元させるタスクを通じてモデルを訓練する自己教師あり学習の代表的な手法です。ラベル(正解データ)が不要なため、「地球全体にラベルを付けることは不可能」という地理空間データの根本的な課題を回避できます。

S2Vecは、都市部をグリッド状に分割することで、その地域の「特性」を捉えます。各グリッド内のセルは、建物や道路といった「構築環境」の特徴に関するデータポイントとして機能します。

　Google Researchによれば、S2Vecでは都市の一区画を「見せながら」別の部分を「隠す」という訓練を世界中で何百万回も繰り返します。たとえば、高層マンションと地下鉄駅が集まるエリアを見せた場合、モデルは隠された部分にスーパーマーケットがある可能性を学習します。このプロセスを積み重ねることで、「financial district(金融街)」や「suburban residential zone(郊外住宅地)」という明示的なラベルがなくても、空間的な特徴パターンだけからそれらを区別できる能力が身につくとのことです。

S2Vecオートエンコーダーは地域にタグを付けることで、社会経済データや人口密度などの要素に基づいて、地域をより詳細に分類・分析することを可能にする。

　最終的な出力は、ある場所の特徴を凝縮した数値の配列——汎用embedding——です。このembeddingを出発点として、さまざまな予測タスクに転用できる点が、フレームワークとしての実用的な強みと言えます。

評価結果——社会経済指標で強み、環境指標は課題

　Google Researchは、S2VecをSATCLIP・GEOCLIP・RS-MaMMUT・Hex2vec・GeoVeXという既存の代表的モデルと比較評価しました。評価対象は、米国全体の人口密度・中央所得(社会経済指標)と、炭素排出量・植生被覆・標高(環境指標)です。評価は、学習データと重複するランダム分割(補間)と、未知の地域への汎化を問うゼロショット地理的適応(外挿)の2つの設定で実施されました。

　社会経済指標の予測では、特にゼロショット地理的適応タスクでS2Vecが単独モデルとして最高性能を示しました。学習に使用していない地域の人口密度や中央所得を予測する汎化能力の高さが確認されており、新たな地域でのデータが乏しい状況でも機能しやすい設計と考えられます。

　一方、環境指標の予測では、ビルト環境データだけでは限界があることも率直に示されています。植生被覆や標高の予測には、衛星画像から得られる地形・植生・交通インフラの情報が重要であり、S2Vecと衛星画像のembeddingを組み合わせたマルチモーダル融合が最高の結果を示しました。単独モデルとしては業界標準のRS-MaMMUTと同等の決定係数(R²)を記録しており、一定の競争力は確認されています。

応用可能性——都市計画から環境研究まで

　Google Researchは、S2Vecの活用領域として都市計画と環境研究の2分野を挙げています。都市計画の分野では、道路や公共施設などのインフラ整備が地域の健全性に与える影響をデータとして把握することに役立つと考えられます。環境研究では、急成長する都市の炭素フットプリントをより精度高くモデル化できる可能性があります。

　S2Vecは、同じEarth AIエコシステム内の人口動態基盤モデル「PDFM(Population Dynamics Foundation Model)」や、衛星画像を扱うVLM(視覚言語モデル)「RS-MaMMUT」と連携して活用されることが想定されています。これらのモデル群が組み合わさることで、地球規模の地理空間分析が現実的な選択肢として近づくと思います。