Who（誰が）
人口10万人以上の市区町村都市計画課・環境政策課、および大規模再開発を行うデベロッパーや都市再生機構の担当者
対象とする社会課題：都市の高温化(ヒートアイランド)により熱中症・高額冷房費・生態系負荷が深刻化
社会の役に立ち、しっかり儲かる。その両立が、この計画には数字で示されています。
都市計画課の担当者は1〜3名の兼任で、専門の熱環境解析ツールも衛星データを読む時間もない。前例踏襲で決まる予算配分の陰で、本当に暑さのリスクが高い高齢者密集地や低所得地域が後回しにされている。街区単位で根拠を示せれば、限られた予算を必要な場所に届けられる。それがこの事業の存在理由。
※ この4つの数字は、見せるために作った数字ではありません。「事業計画」タブの10年計画とまったく同じ計算から出しています。EXIT（売却）時の手取りだけは「もし売れたら」の試算で、約束できる金額ではありません。
10年の事業計画も、創業融資500万円の申請資料も、システムの要件定義書も、最初の90日の段取りも——ぜんぶこのページにあります。足りないものはAIチャットが伴走しながらその場で作り、システム開発・専門家・投資家への橋渡しまで、このサイトの中で進められます。「やりたい」と思ったその日から、始められる状態です。
ボタンを押すとAIチャットが開き、このアーバンクールAIの事業内容を読み込んだ状態で、資料の素案をその場で作成します。まずは気になる資料から試してみてください。
※ ボタンを押すと確認のポップアップが出ます。「はい」を選ぶとAIチャットが新しいタブで開き、 この事業の内容を踏まえた作成指示が自動で送られます（あなたが文章を打ち込む必要はありません）。 どのボタンを出すかは事業の性質でAIが出し分けます。生成にはAIチケットを使用します。
あなたの経歴とこの事業のフィットをAIが診断します。活きる強み、足りないもの、 共同創業者に求める人物像まで示します。
無料会員登録して診断する登録済みの経歴をもとに、この事業とのフィットを診断します。経歴・スキルの内容はAI相談・AIチャットの回答にも反映されるため、最新の内容に更新しておくとより精緻なアウトプットが得られます。
💡 このショーケースをお気に入り登録すると、あなたのAIチャットがお気に入り登録した事業の情報を学習し、より賢く、具体的な提案ができるようになります。
※ AIによる参考意見です。合否や成否を保証するものではありません。経歴・スキルの登録内容は、この診断やAI相談・AIチャットの回答精度にも影響します。
アーバンクールAIは、自治体の都市計画課職員やデベロッパーの再開発担当者がWebダッシュボードにログインし、対象の町丁目や再開発区画を選ぶと、衛星熱赤外画像や建物データからAIが100m×100m単位で地表面温度と暑熱リスクスコアを自動算出するサービスです。
担当者が『予算3000万円で高齢者施設周辺を優先したい』のようにチャットで条件を伝えると、緑化・遮熱舗装・ミスト設置などの対策メニューを組み合わせた複数の投資プランが数分で提示されます。施工後はIoTセンサーとドローン熱画像で効果を再計測し、予測との差分をAIが学習して次回提案の精度を高めます。これまで月単位・数百万円規模の外部コンサル委託が必要だった対策の優先順位付けを、自前かつ短時間で行えるようになります。
environment省の推計では東京23区の夏季平均気温は過去100年で約3℃上昇し、熱中症救急搬送は年間7万人超に達している。
自治体の緑化・打ち水・遮熱舗装などの対策は予算配分が「街区ごとの実態」ではなく前例踏襲や政治的配分で決まりがちで、効果検証も乏しい。都市計画課の職員(多くは1〜3名の兼任体制)は、専門の熱環境解析ツールや衛星データ解析スキルを持たず、対策の優先順位付けに月単位の外部コンサル委託(数百万円規模)を要している。一方でデベロッパーや商店街組合も再開発時に緑化計画を求められるが、どこに何を配置すれば効果的か根拠を示せず合意形成が難航する。結果として限られた予算が効果の低い場所に投下され、真に対策が必要な街区(高齢者密集地・低所得地域など熱中症リスクが高い層)が放置されている。
①衛星熱赤外データと地表被覆・建物形状データを機械学習(勾配ブースティング+CNN)で解析し街区別地表面温度を予測、②人口統計・救急搬送データと組み合わせて暑熱リスクスコアを推定、③対策メニューの効果とコストを線形最適化・強化学習で組み合わせ予算内最良プランを提案、④自然言語対話AI(LLM)が担当者の条件変更や質問にリアルタイムで応答しプランを再生成、⑤施工後センサーデータで予測誤差を継続学習し精度を改善するフィードバックループを構築する。
自治体・デベロッパーの担当者がWebダッシュボードにログインし、対象エリアの町丁目や再開発区画を選択すると、衛星熱赤外画像(Landsat/Sentinel)・地表面被覆データ・道路構造・建物高さ・人口統計を統合したAIが街区単位(約100m×100mグリッド)の地表面温度と暑熱リスクスコアを自動算出する。
次にAIが緑化・保水性舗装・遮熱塗装・水景・ミスト設置など対策メニューごとの推定温度低下効果とコストを最適化計算し、予算制約下での投資優先順位を提案する。担当者はチャット型AIアシスタントに「予算3000万円で高齢者施設周辺を優先したい」等と自然言語で条件を伝えると、条件に応じた代替プランが数分で複数生成される。施工後は現地IoT温度センサーとドローン熱画像を用いてAIが効果を再計測し、予測との差分を学習して次回提案の精度を向上させる。年1回の定例報告書もAIが自動生成し、議会説明用の資料作成負担を軽減する。
| 対策優先順位付けの外部コンサル委託費(単発) | 年間300万〜500万円 |
| 効果の低い場所への緑化・遮熱投資の無駄(推定) | 年間500万〜1000万円相当 |
| 議会説明資料・効果報告書作成のための職員残業代 | 年間30万〜60万円相当(月20時間×職員単価) |
| 熱中症救急搬送対応に伴う自治体側の事後対応コスト(広報・相談窓口等) | 年間100万円程度の目安 |
| 自治体SaaS利用料(標準プラン) | 年間500万円 |
| デベロッパー向け計画コンサル(スポット) | 1件あたり300万円 |
| 効果検証センサーパッケージ(オプション) | 年間200万円 |
この事業をやっている人のある1日、1年後・3年後・10年後の姿、向いている人・向いていない人、よくある質問……
あなたと事業の詳細は無料会員限定です。
時間軸別に、各チャネルの具体施策と、それをAIでどうプロンプティングして実現するかをセットで。
上記の施策をもとに、広告物の作成業者（マーケ会社）への紹介をご希望の場合はこちらからエントリーできます。
マーケ会社の紹介を希望する※ 紹介のお申し込み窓口はマイページの「業者・士業・投資家の紹介」に一本化しています。AIチャットが内容をヒアリングし、具体的な段階になったら運営が個別におつなぎします。
この事業に必要なアプリを作るための仕様です。下のボタンでWordに書き出せば、そのまま開発会社への相談・見積の依頼に使えます。
※ このボタンは、このページに載っている内容をそのままWordファイルに書き出します（AIは使いません。すぐ保存できます）。 ページの上のほうにある「ほしい資料を、その場でAIがつくります」の要件定義書のボタンは、AIチャットがあなたのご要望を聞きながら、そのつど書き起こすものです。 すでにある内容をそのまま渡したいときはこちら、作りたい範囲や条件を相談しながら仕上げたいときはAIチャットをお使いください。
自治体の都市計画課は多くが1〜3名の兼任体制で、熱環境解析ツールや衛星データ解析のスキルを持たず、対策の優先順位付けに月単位・数百万円規模の外部コンサル委託を要している。
緑化・遮熱舗装などの予算配分は前例踏襲や政治的配分で決まりがちで、効果検証も乏しいため、高齢者密集地など本来対策が必要な街区が放置されやすい。デベロッパーや商店街組合も再開発時に緑化計画の効果を根拠立てて示せず、合意形成に時間がかかっている。街区単位の温度・リスクを客観データで示し、対策の優先順位を自動算出する仕組みが求められている。
MVP構築フェーズは要件が固まりきっておらず衛星データ解析モデルの試行錯誤が続くため準委任契約が適している。
実証フェーズ以降、IoTセンサー連携やレポート自動生成など仕様が明確な機能追加は請負契約に切り替えて検収基準を明確化するとよい。発注時は衛星データのライセンス費用(JAXA/ESA API利用料)やGPUクラウド費用を委託費と別建てで明示し、モデル精度(±0.5℃等)の達成基準を契約書に数値で盛り込むことが望ましい。自治体向け提案書テンプレートや補助金要件対応など知財性の高い成果物は、納品後の権利帰属を事前に取り決める必要がある。
| 区分 | 想定利用者 |
|---|---|
| プライマリ | 自治体都市計画課・環境政策課の担当職員（1〜3名兼任体制が多い） |
| セカンダリ | デベロッパー・都市再生機構の再開発担当者、造園・建設会社の設計担当者 |
| 管理 | 自社カスタマーサクセス・データサイエンティスト（モデル精度管理、テナント設定、契約更新対応） |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| 衛星熱赤外データ取得・前処理 | Landsat/Sentinel画像とJAXA/ESA APIを入力→雲除去・座標補正→100mグリッド地表被覆データを出力 |
| 街区別地表面温度予測AI | 衛星熱赤外・地表被覆・建物高さデータを入力→勾配ブースティング+CNNで解析→街区別地表面温度を出力 |
| 暑熱リスクスコア算出 | 予測地表温度・人口統計・救急搬送データを入力→重み付け合成→街区別暑熱リスクスコアを出力 |
| 対策メニュー最適化提案 | リスクスコア・予算上限・対策単価を入力→線形最適化と強化学習で組合せ計算→優先順位付き対策プランを出力 |
| 自然言語対話プラン再生成 | 担当者の自然言語条件を入力→LLMが制約に変換し再計算→代替プラン複数を数分で出力 |
| IoTセンサー・ドローン効果測定 | 施工後の地上センサー温度とドローン熱画像を入力→予測値との差分を算出→効果検証レポートを出力 |
| 予測モデル継続学習 | 実測誤差データを入力→モデル再学習パイプラインで重み更新→次回予測精度を改善したモデルを出力 |
| 街区マップダッシュボード | 街区グリッド・リスクスコア・提案プランを入力→地図レイヤーに描画→担当者がWeb上で閲覧・選択 |
| 年次報告書自動生成 | 年間効果データと契約エリア情報を入力→議会向けテンプレートに整形→PDF報告書を出力 |
| 補助金申請支援データ生成 | 対象街区の解析結果と対策計画を入力→補助金要件テンプレートに自動転記→申請用データレポートを出力 |
| 契約・課金管理 | 自治体・デベロッパーの契約種別と利用実績を入力→年間/月次で利用料を算出→請求書データを出力 |
| テーブル | 主要カラム |
|---|---|
municipalities | id, name, prefecture, population, contract_status, contract_plan |
grid_cells | id, municipality_id, geom, center_lat, center_lng, land_cover_type, building_height_avg |
thermal_observations | id, grid_cell_id, observed_at, satellite_source, surface_temp_c, cloud_cover_pct |
risk_scores | id, grid_cell_id, calculated_at, heat_risk_score, elderly_population_ratio, transport_incidents_count |
measures | id, name, category, unit_cost, estimated_temp_reduction, lifespan_years |
proposals | id, municipality_id, budget, target_condition, generated_at, status |
proposal_items | id, proposal_id, grid_cell_id, measure_id, quantity, cost, expected_temp_reduction |
sensor_readings | id, grid_cell_id, device_type, measured_at, temp_c, humidity_pct |
| # | 画面 |
|---|---|
| 1 | ログイン画面 |
| 2 | エリア選択マップ画面 |
| 3 | 街区温度ヒートマップ画面 |
| 4 | 暑熱リスクスコア一覧画面 |
| 5 | 対策プラン提案画面 |
| 6 | チャットアシスタント画面 |
| 7 | 効果検証レポート画面 |
| # | 技術（採用理由） |
|---|---|
| 1 | LightGBM(勾配ブースティング) - 街区温度予測モデルの高速学習 |
| 2 | PyTorch(CNN) - 衛星熱赤外画像の空間パターン解析 |
| 3 | PostGIS - 街区グリッド等の地理空間データ管理 |
| 4 | AWS S3 - 衛星画像・センサーデータの大容量保存 |
| 5 | AWS SageMaker - 学習・推論パイプラインの運用管理 |
| 6 | OpenAI API(GPT-4) - 自然言語対話とレポート自動生成 |
| 7 | React + Mapbox GL JS - Web地図ダッシュボードの構築 |
| 区分 | 要件 |
|---|---|
| 可用性 | 可用性: ダッシュボードの稼働率99.5%以上(月間ダウンタイム約3.6時間以内)を目標とする想定 |
| 性能 | 性能: 自然言語対話によるプラン再生成レスポンスを平均3分以内に収める想定 |
| セキュリティ | セキュリティ: 自治体データは国内リージョンに保管し、通信はTLS1.2以上で暗号化する |
| 運用 | 運用: 衛星データは月1回以上、IoTセンサーデータは日次で更新・反映する想定 |
| スケーラビリティ | スケーラビリティ: 契約自治体270件規模の同時アクセスに対応可能なGPUクラスタ構成とする |
| バックアップ | バックアップ: データベースは日次バックアップを取得し、RPO24時間・RTO4時間以内を目安とする |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証 | 数自治体分の衛星画像・地表被覆データを人手で収集・解析し、簡易な温度分布図と対策優先度を手作業のレポートとして提出し、担当者の反応と有償化の可能性を確認する。 | AI利用料とデータ取得のための交通費・通信費程度 |
| ②最小システム | 街区別温度予測とコスト最適化提案を行う簡易ダッシュボードを最小構成で構築し、実証自治体に限定公開してフィードバックを収集する。 | 外注開発で数か月分の費用感、クラウド・GPU利用料が中心 |
| ③本開発 | 自然言語対話AIアシスタント・IoTセンサー連携・自動レポート生成機能を含む本番システムを構築し、複数自治体・デベロッパーへ同時に提供できる体制を整える。 | 開発体制の拡充と衛星データAPI利用契約を含む中期的な投資 |
上記の要件定義書をもとに、システムベンダー（開発会社）への紹介をご希望の場合はこちらからエントリーできます。
システムベンダーの紹介を希望する※ 紹介のお申し込み窓口はマイページの「業者・士業・投資家の紹介」に一本化しています。AIチャットが内容をヒアリングし、具体的な段階になったら運営が個別におつなぎします。
10年の収支と資金の集め方、財務、KPI、資本政策、そして図解付きのフル事業計画書・AI実装仕様書……
事業計画の詳細は無料会員限定です。
市場の前提（ボトムアップ試算）とTAM/SAM/SOMの規模感……
市場規模の詳細は無料会員限定です。
競合となるサービス・企業と、この事業ならではの差別化ポイント……
競合企業の詳細は無料会員限定です。
対応が必要な許認可・法規制と、確認すべき相手先・想定調整期間……
関連法令・許認可の詳細は無料会員限定です。
手を挙げたその日から動けるように、完了条件つきで並べています。
| 誰に会うか | なぜ会うか | 接触の仕方 |
|---|---|---|
| 人口10万人以上の市区町村・都市計画課または環境政策課の係長級職員 | 予算編成権と現場の暑熱対策課題を把握し、実証事業の意思決定に近い立場 | 環境省・国交省の気候適応実証事業説明会や自治体向けセミナーで名刺交換 |
| 環境省 大臣官房 環境保健部 気候変動適応室の補助金担当者 | 気候適応推進交付金等の申請要件・スケジュールを把握し提案書テンプレートに反映 | 環境省の公開相談窓口・説明会に参加し担当課に直接問い合わせ |
| 大手デベロッパー(三井不動産・三菱地所等)の都市開発・環境企画部門担当者 | 再開発時の緑化計画義務化への対応ニーズがあり有償コンサル契約に直結 | 不動産協会主催のサステナビリティ勉強会や業界紙広告経由で接点を作る |
| 都市計画コンサル会社(日本都市計画学会会員企業等)の事業開発担当 | 自治体案件への同行提案やアライアンス経由の紹介販路を構築できる | 都市計画学会・造園学会の研究発表会や業界展示会で名刺交換 |
| JAXA地球観測研究センターまたはESA Copernicusデータ提供窓口の担当者 | 衛星熱赤外データのAPI利用契約条件・解像度制約を早期に確認する必要 | JAXA地球観測衛星データ利用サービス窓口へメールで利用申請相談 |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| 環境省・国交省の実証事業説明会 | 「街区単位の暑熱リスク解析を無償トライアルで提供したい」と担当課に直接申し込み、実証枠への参加を依頼する。 |
| 都市計画コンサル会社・造園会社への協業提案 | 「御社の受託案件に温度解析データを付加価値として提供したい」と持ちかけ、既存クライアントへの紹介を依頼する。 |
| 自治体の都市計画課・環境政策課への個別訪問 | 「熱中症搬送データと街区別リスクスコアの試験レポートを無料で作成させてほしい」と提案し、担当者の反応を確認する。 |
| 再開発協議会・商店街組合の勉強会 | 「緑化計画の合意形成に使える根拠データを試作として提供したい」と伝え、次回の協議会で発表の場をもらう。 |
対応が必要な許認可・法規制の詳細は「関連法令」タブでご確認いただけます。着手前に必ずご確認ください。
制度名・金額・要件は年度ごとに変わるため、ここでは種別と公式の探し先だけを示します。必ず一次情報で最新の要件を確認してください。
| 種別 | 特徴 |
|---|---|
| 自己資金・身内からの出資 | 最初の検証（ヒアリング・試作）はここで賄えることが多い。 |
| 日本政策金融公庫の創業融資 | 実績のない創業期でも相談できる公的融資。事業計画書の提出が要る。 |
| 自治体の創業支援制度 | 市区町村・都道府県ごとに補助・利子補給・家賃補助などがある。要件と募集時期は年度で変わる。 |
| 国の中小企業向け補助金 | 設備・販路開拓・IT導入などの類型がある。公募期間が短いので、常設の情報源で追う。 |
| エンジェル投資家・ベンチャーキャピタル | 急成長を前提にする資金。社会課題型では投資家の性格を選ぶ必要がある。 |
| 確認先 | 何がわかるか |
|---|---|
| ミラサポplus（中小企業庁） | 補助金・支援制度の横断検索 |
| J-Net21（中小機構） | 支援策・創業手引きのデータベース |
| 地域の商工会議所・よろず支援拠点 | 無料の対面相談。申請書の書き方まで見てもらえる |
| 日本政策金融公庫の各支店 | 創業計画書の事前相談 |
| 制度 | 誰が使えるか | この事業でどう効くか |
|---|---|---|
| 日本政策金融公庫 新創業融資制度 | 創業前・創業後で担保・保証人を用意しにくい法人・個人事業主 | 衛星データ解析基盤やGPUインフラ整備など設立初期の運転資金を無担保で調達できる候補。融資額は500万円を想定。 |
| 環境省 地域気候変動適応推進事業 | 暑熱対策計画の策定・実証を行う地方自治体（事業者との連携提案も可） | 自治体の暑熱対策計画策定・効果検証を補助対象とする実証事業に、解析ツール提供者として自治体と連携提案できる候補。 |
| NEDO 研究開発型スタートアップ支援事業 | シード期のディープテック系スタートアップ法人 | 衛星画像解析・機械学習モデルのPoC開発費を対象とする助成・委託の候補として活用しうる。 |
| 東京都中小企業振興公社 創業助成事業 | 都内で創業を予定・創業から一定年数未満の中小企業者 | 人件費・広告費など立ち上げ期の費用の一部を助成対象とする候補で、代表1名体制から事業を広げる際の費用に活用余地がある。 |
| JAXA 衛星データ利用ビジネス化支援制度 | 衛星データを活用した新規事業を検討する事業者 | Landsat/Sentinel等の衛星データ利用実証やJAXAとの共同検討を通じ、データ調達コストや技術検証の負担を軽減できる候補。 |
会社設立の手続きや許認可の取得、契約書の整備など、弁護士・税理士・司法書士等の専門家への紹介をご希望の場合はこちらからエントリーできます。
専門家の紹介を希望する※ 紹介のお申し込み窓口はマイページの「業者・士業・投資家の紹介」に一本化しています。AIチャットが内容をヒアリングし、具体的な段階になったら運営が個別におつなぎします。
本文中の「※1」「※2」の番号は、ここに対応しています。番号を押すと、この欄に飛びます。
この事業が失敗するとしたら原因はどこから来るか、単価をその値段にした理由、最初の3か月で確かめること、必要な契約書と支払い条件、1人目の求人票、この事業の1週間……
実行の手引きの詳細は無料会員限定です。
この領域に取り組む仲間がコミュニティにいます。ひとりで抱え込まず、同じ課題を見ている人と話すところから始められます。
※ バッジは自動集計にもとづく相対表示です。