SlideShare a Scribd company logo
1 of 20
Download to read offline
航空交通のオープンデータとその活用
国立研究開発法人 海上・港湾・航空技術研究所
電子航法研究所
岡 恵、 福田 豊
1
電子航法研究所の業務の紹介
航空交通システムに特化した我が国唯一の研究開発機関。交通容量拡大、
安全確保など国(航空局)の政策実現、運航効率向上、航空サービスの質
向上など運航会社、利用者の要望実現に貢献する研究開発及び評価
航空管制業務等(航空管制、航空路・空域設計、
地上施設の設置・運用・管理等)を国が実施
航空交通システムの高度化に関する研究開発を通じ
国が実施する航空管制業務等を技術的に支援
2
1967年 運輸省電子航法研究所設立
2016年 国立研究開発法人
海上・港湾・航空技術研究所発足
本スライドの構成 3
⚫ 航空交通システムの概要
⚫ 将来の航空交通システムに関する長期ビジョン
(CARATS)
⚫ CARATS Open Data
⚫ CARATS Open Dataの活用
航空交通システム
管制機関
レーダー
航行援助施設
HF/
VHF
GPS自動位置通報
(ADS-C)
データリンク (航法
Navigation)
レーダー情報
処理システム
飛行情報
処理システム
空港
管制官
パイロット
技術職員
安全性
効率性
定時性
環境に
優しい
4
(通信
Communication)
(監視
Surveillance)
規則、方式
技術情報
地図
航空旅客需要予測
民間航空機に関する市場予測 2016-2035、2016/3、日本航空機開発協会
明日の日本を支える観光ビジョン(H28.3)
2020年:4,000万人 2030年:6,000万人
5
航空交通の長期ビジョン
CARATS・・・Collaborative Actions for Renovation of Air Traffic Systems
6
出展:国土交通省 将来の航空交通システムに関する研究会
出展:国土交通省 将来の航空交通システムに関する研究会
7
将来の航空交通システムに関する推進協議会 8
出展:国土交通省 将来の航空交通システムに関する推進協議会
CARATS Open Data について
9
CARATS Open Data の概要 10
福岡FIR内の
レーダー管制空域
期間 2012年度から2015年度の奇数月の1週間 (計24週間)
含まれる
便数
のべ約64万便の航跡データ
14.8万便(2012)、15.7万便(2013)、16.4万便(2014)、17.1万便(2015)
データ
ソース
レーダーデータ (航空路管制、羽田空港ターミナル管制(2013~))
ADS-Cデータ (洋上管制 2015~)
飛行計画データ
対象範囲 日本が管轄する福岡FIR(レーダー管制空域・全域)
対象便
計器飛行方式による定期便
(全体の約93%、軍用機、自家用機などは対象外)
データ
形式
約10秒間隔、時系列のCSV形式(洋上便は約1分間隔)
(1時間分のデータ → 1便あたり約360行)
2017年10月
CARATS Open Data2015
提供開始
2012~2014
2015
福岡FIR
年度 提供開始時期 ARTSデータ 洋上データ 時刻精度 地球の想定
2012 2015年2月 含まれない
含まれない
秒単位 球体
2013,2014 2016年8月
羽田ARTS 1/10秒単位 回転楕円体
2015 2017年10月 含む
CARATS Open Dataは、実運用データを元にした大規模な航跡データ
航 空 路 管 制
飛行経路
ターミナル空域ターミナル空域
ターミナル
レーダ管制
ターミナル
レーダ管制
飛行場管制 飛行場管制
空港 空港
航 空 路 管 制航 空 路 管 制 (洋上管制)
航空管制業務とCARATSデータの範囲 11
RDP
ARTS
福岡FIRのレーダー管制空域
2012
各空港周辺
2013 2014
2013 2014(羽田)
ターミナル・
レーダー管制
ターミナル・
レーダー管制
管
制
業
務
航空路管制業務
飛行場管制業務
進入管制業務
ターミナル・レーダー管制業務
着陸誘導管制業務
航空路管制業務
ターミナル・レーダー管制業務
(航空路レーダー情報処理システム)
(ターミナルレーダー情報処理システム)
2015
2015
ODP (洋上管制データ表示システム)
2015
福岡FIR全域
CARATSデータ の例 12
00:00:01.0 , FLT0001 , 31.478958 , 126.609246 , 30066 , B763
00:00:01.0 , FLT0002 , 33.195376 , 133.649586 , 36748 , A333
00:00:01.5 , FLT0003 , 35.289176 , 133.370610 , 32000 , B77W
00:00:10.5 , FLT0001 , 31.471519 , 126.635655 , 30025 , B763
時刻 便名 緯度 経度 高度 型式
データ時刻
(2013から、
1/10秒単位)
時:分:秒
(日本時間)
仮想便名
“FLT”+
4桁の番号
平滑xy座標から変換
度単位
小数点以下6桁
ft単位
平滑高度
飛行計画
の型式
国際機関が
定めた略号
PlotTrack 13
CARATSデータの作成方法 14
各管制機関の
処理装置
管制卓
座
標
系
CARATSデータ作成
緯度、経度
変換
・角距離の算出
・球面三角法
レーダーサイトからの
距離 r と方位 θ
または、ADS-Cデータ
システム原点を
中心とした
x, y座標
航空路監視レーダー
札幌管制部
東京管制部
福岡管制部
那覇管制部
羽田空港
ターミナル・レーダー管制
洋上管制
管制機関毎
にデータが
記録される
出典:国土交通省
管制卓表示画面
出典:国土交通省
参考文献
1)岡、福田、上島:「航空交通の運用データの一般公開と活用」、日本航空宇宙学会第52回飛行機シンポジウム2E02(2014)
2)岡、福田、ビクラマシンハ、上島:「航空交通の運用データの一般公開と活用(その2)」、日本航空宇宙学会第53回飛行機シンポジウム1D04(2015)
2012 球体
2013~回転楕円体
レーダーサイト
航空交通分野の研究におけるデータの活用 15
航空交通分野の研究 - 安全性の確保や効率性の向上
航空交通量の増加 → 専門的な知識 + データによる客観的、詳細な検討
科学的手法での結論 ← 精査するためのデータ、手法の文書化・記録・共有
航空交通に関する国際会議(ICRAT、ATMR&D)
2004,2005年 → 2012,2013年 データの重要性の高まり
データを使用した研究の増加
0
5
10
15
20
25
30
Traffic
NoData
GeneratedData
Airport
Other
Weather
AircraftPerformance
Airspace
Safety
Delay
ANSP
Environment
PassengerConnectivity
Sectorisation
HumanPerformance
Airline
2004&2005
2012&2013
デ
・複数の研究報告間の結果の比較
・下処理の一元化によるデータ処理効率の向上
・異なる分野からの研究参入の促進
データ公開の利点
実運用のデータが航空交通分野の
研究に及ぼす影響は大きい
・Flight Quest competition
・INTUIT
データサイエンス関連の新しい取組み
航跡データを公開している事例は少ない
CARATSデータは他に類似のものがない
参考文献
Marc Bourgois, et al.,
Open Data for Air Transport Research : Dream or Reality?, Open Sym2014
割合が大幅に増加したもの
割合が大幅に減少したもの
[%]
各データタイプの使用割合
新たな視点の導入
CARATSデータの提供状況 16
提供先 件数
大学 30
研究機関 4
メーカー 12
コンサルタント 5
その他 13
計 64
同一提供先で異なるグループへの提供もあるため、
提供先グループ数は上記総数より多い
提供の流れ
① メールで申し込み → 返信
② DVDを郵送 → データを複写して返送
大学
46.9%
研究機関
6.3%
メーカー
18.8%
コンサル
タント
7.8%
その他
20.3%
CARATSデータの活用実績 17
日本航空宇宙学会
飛行機シンポジウム、年会講演会
2015年 8件
2016年 13件
用途:
✔航空交通管理の運用改善に役立つ
課題や事実の発見
✔要因の分析
✔提案する運用改善手法の評価
共に用いられるデータ:
気象データ(GSM,MSM)
航空機性能モデル(BADA)
航空路誌(AIS-Japan)
航空機騒音モデル
データ算出後:
提案手法のシミュレーション
理論値との比較
軌道予測
一般的な算出データ
特定地点での前後機の間隔(時間・距離)
滑走路端での
2機間の間隔(時間・距離)
2機の最接近距離
他航空機軌道との関連
空域・空港と
飛行軌道の関係
特定空域内の
単位時間・面積
当たりの
滞在機数
空港の単位時間
当たりの発着機数
到着
空港・滑走路・時刻
出発
空港・滑走路・時刻
特定地点の
通過時刻・通過順位
飛行距離・飛行時間
気象
対地速度
真対気速度
航空機
性能
燃料消費量
上昇率
降下率地上騒音
1機の航空機の軌道の属性値 関連
騒音
モデル
CARATSデータの展望 18
国際的なベンチマークへの応用
混雑による到着機の遅延、空域容量など
→ 交通状況が似ている空港と比較
課題の明確化、改善策の検討
共通ソフトウェアのライブラリ化
高精度、効率的なアルゴリズムの共有
ソフトウェア資産の蓄積
研究参入の促進、成果の比較検証プラットフォーム
コンペティションの開催
既存の課題の一部を切取り単純化
研究の裾野拡大、オープンイノベーションへの道筋
ま と め 19
将来の航空交通システムに関する
長期ビジョンCARATSの策定と実施
航空交通量の増大と多様化するニーズへの対応、
地球温暖化対策、産学官連携
研究開発推進分科会:研究開発の普及促進
CARATS Open Data が2015年2月
国土交通省から提供開始
2012年から2015年度の奇数月の1週間、合計24週間分、のべ約64万便
レーダーデータ等から作成した日本全国の航空機の航跡
CARATSの長期ビジョンを実現するための
研究開発を期待
申請窓口とフォーラムのお知らせ 20
CARATS オープンデータ申請窓口
国土交通省 航空局 交通管制部 交通管制企画課
将来の航空交通システムに関する推進協議会事務局
carats@mlit.go.jp
http://www.mlit.go.jp/koku/koku_fr13_000006.html
CARATS オープンデータ活用促進フォーラム
平成30年12月14日(金) 13:00~16:30
於:東京大学 福武ラーニングシアター
(東京都文京区本郷7-3-1)
参加費 無料
http://www.mlit.go.jp/koku/koku_fr13_000006.html
毎年一回程度開催
最新情報はHPで
ご確認下さい

More Related Content

What's hot

Apache Arrow - データ処理ツールの次世代プラットフォーム
Apache Arrow - データ処理ツールの次世代プラットフォームApache Arrow - データ処理ツールの次世代プラットフォーム
Apache Arrow - データ処理ツールの次世代プラットフォームKouhei Sutou
 
密度比推定による時系列データの異常検知
密度比推定による時系列データの異常検知密度比推定による時系列データの異常検知
密度比推定による時系列データの異常検知- Core Concept Technologies
 
最適輸送入門
最適輸送入門最適輸送入門
最適輸送入門joisino
 
不老におけるOptunaを利用した分散ハイパーパラメータ最適化 - 今村秀明(名古屋大学 Optuna講習会)
不老におけるOptunaを利用した分散ハイパーパラメータ最適化 - 今村秀明(名古屋大学 Optuna講習会)不老におけるOptunaを利用した分散ハイパーパラメータ最適化 - 今村秀明(名古屋大学 Optuna講習会)
不老におけるOptunaを利用した分散ハイパーパラメータ最適化 - 今村秀明(名古屋大学 Optuna講習会)Preferred Networks
 
LSTM (Long short-term memory) 概要
LSTM (Long short-term memory) 概要LSTM (Long short-term memory) 概要
LSTM (Long short-term memory) 概要Kenji Urai
 
最適化超入門
最適化超入門最適化超入門
最適化超入門Takami Sato
 
速習!論理レプリケーション ~基礎から最新動向まで~(PostgreSQL Conference Japan 2022 発表資料)
速習!論理レプリケーション ~基礎から最新動向まで~(PostgreSQL Conference Japan 2022 発表資料)速習!論理レプリケーション ~基礎から最新動向まで~(PostgreSQL Conference Japan 2022 発表資料)
速習!論理レプリケーション ~基礎から最新動向まで~(PostgreSQL Conference Japan 2022 発表資料)NTT DATA Technology & Innovation
 
不均衡データのクラス分類
不均衡データのクラス分類不均衡データのクラス分類
不均衡データのクラス分類Shintaro Fukushima
 
ベイズ推定とDeep Learningを使用したレコメンドエンジン開発
ベイズ推定とDeep Learningを使用したレコメンドエンジン開発ベイズ推定とDeep Learningを使用したレコメンドエンジン開発
ベイズ推定とDeep Learningを使用したレコメンドエンジン開発LINE Corporation
 
Optuna on Kubeflow Pipeline 分散ハイパラチューニング
Optuna on Kubeflow Pipeline 分散ハイパラチューニングOptuna on Kubeflow Pipeline 分散ハイパラチューニング
Optuna on Kubeflow Pipeline 分散ハイパラチューニングTakashi Suzuki
 
Kubernetesでの性能解析 ~なんとなく遅いからの脱却~(Kubernetes Meetup Tokyo #33 発表資料)
Kubernetesでの性能解析 ~なんとなく遅いからの脱却~(Kubernetes Meetup Tokyo #33 発表資料)Kubernetesでの性能解析 ~なんとなく遅いからの脱却~(Kubernetes Meetup Tokyo #33 発表資料)
Kubernetesでの性能解析 ~なんとなく遅いからの脱却~(Kubernetes Meetup Tokyo #33 発表資料)NTT DATA Technology & Innovation
 
全力解説!Transformer
全力解説!Transformer全力解説!Transformer
全力解説!TransformerArithmer Inc.
 
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...joisino
 
20210127 今日から始めるイベントドリブンアーキテクチャ AWS Expert Online #13
20210127 今日から始めるイベントドリブンアーキテクチャ AWS Expert Online #1320210127 今日から始めるイベントドリブンアーキテクチャ AWS Expert Online #13
20210127 今日から始めるイベントドリブンアーキテクチャ AWS Expert Online #13Amazon Web Services Japan
 
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」Ken'ichi Matsui
 
Normalization of microarray
Normalization of microarrayNormalization of microarray
Normalization of microarray弘毅 露崎
 
[C16] インメモリ分散KVSの弱点。一貫性が崩れる原因と、それを克服する技術とは? by Taichi Umeda
[C16] インメモリ分散KVSの弱点。一貫性が崩れる原因と、それを克服する技術とは? by Taichi Umeda[C16] インメモリ分散KVSの弱点。一貫性が崩れる原因と、それを克服する技術とは? by Taichi Umeda
[C16] インメモリ分散KVSの弱点。一貫性が崩れる原因と、それを克服する技術とは? by Taichi UmedaInsight Technology, Inc.
 
12 非構造化データ解析
12 非構造化データ解析12 非構造化データ解析
12 非構造化データ解析Seiichi Uchida
 
GOの機械学習システムを支えるMLOps事例紹介
GOの機械学習システムを支えるMLOps事例紹介GOの機械学習システムを支えるMLOps事例紹介
GOの機械学習システムを支えるMLOps事例紹介Takashi Suzuki
 

What's hot (20)

Apache Arrow - データ処理ツールの次世代プラットフォーム
Apache Arrow - データ処理ツールの次世代プラットフォームApache Arrow - データ処理ツールの次世代プラットフォーム
Apache Arrow - データ処理ツールの次世代プラットフォーム
 
密度比推定による時系列データの異常検知
密度比推定による時系列データの異常検知密度比推定による時系列データの異常検知
密度比推定による時系列データの異常検知
 
最適輸送入門
最適輸送入門最適輸送入門
最適輸送入門
 
不老におけるOptunaを利用した分散ハイパーパラメータ最適化 - 今村秀明(名古屋大学 Optuna講習会)
不老におけるOptunaを利用した分散ハイパーパラメータ最適化 - 今村秀明(名古屋大学 Optuna講習会)不老におけるOptunaを利用した分散ハイパーパラメータ最適化 - 今村秀明(名古屋大学 Optuna講習会)
不老におけるOptunaを利用した分散ハイパーパラメータ最適化 - 今村秀明(名古屋大学 Optuna講習会)
 
LSTM (Long short-term memory) 概要
LSTM (Long short-term memory) 概要LSTM (Long short-term memory) 概要
LSTM (Long short-term memory) 概要
 
最適化超入門
最適化超入門最適化超入門
最適化超入門
 
速習!論理レプリケーション ~基礎から最新動向まで~(PostgreSQL Conference Japan 2022 発表資料)
速習!論理レプリケーション ~基礎から最新動向まで~(PostgreSQL Conference Japan 2022 発表資料)速習!論理レプリケーション ~基礎から最新動向まで~(PostgreSQL Conference Japan 2022 発表資料)
速習!論理レプリケーション ~基礎から最新動向まで~(PostgreSQL Conference Japan 2022 発表資料)
 
不均衡データのクラス分類
不均衡データのクラス分類不均衡データのクラス分類
不均衡データのクラス分類
 
ベイズ推定とDeep Learningを使用したレコメンドエンジン開発
ベイズ推定とDeep Learningを使用したレコメンドエンジン開発ベイズ推定とDeep Learningを使用したレコメンドエンジン開発
ベイズ推定とDeep Learningを使用したレコメンドエンジン開発
 
Optuna on Kubeflow Pipeline 分散ハイパラチューニング
Optuna on Kubeflow Pipeline 分散ハイパラチューニングOptuna on Kubeflow Pipeline 分散ハイパラチューニング
Optuna on Kubeflow Pipeline 分散ハイパラチューニング
 
Kubernetesでの性能解析 ~なんとなく遅いからの脱却~(Kubernetes Meetup Tokyo #33 発表資料)
Kubernetesでの性能解析 ~なんとなく遅いからの脱却~(Kubernetes Meetup Tokyo #33 発表資料)Kubernetesでの性能解析 ~なんとなく遅いからの脱却~(Kubernetes Meetup Tokyo #33 発表資料)
Kubernetesでの性能解析 ~なんとなく遅いからの脱却~(Kubernetes Meetup Tokyo #33 発表資料)
 
Hadoop入門
Hadoop入門Hadoop入門
Hadoop入門
 
全力解説!Transformer
全力解説!Transformer全力解説!Transformer
全力解説!Transformer
 
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
 
20210127 今日から始めるイベントドリブンアーキテクチャ AWS Expert Online #13
20210127 今日から始めるイベントドリブンアーキテクチャ AWS Expert Online #1320210127 今日から始めるイベントドリブンアーキテクチャ AWS Expert Online #13
20210127 今日から始めるイベントドリブンアーキテクチャ AWS Expert Online #13
 
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
 
Normalization of microarray
Normalization of microarrayNormalization of microarray
Normalization of microarray
 
[C16] インメモリ分散KVSの弱点。一貫性が崩れる原因と、それを克服する技術とは? by Taichi Umeda
[C16] インメモリ分散KVSの弱点。一貫性が崩れる原因と、それを克服する技術とは? by Taichi Umeda[C16] インメモリ分散KVSの弱点。一貫性が崩れる原因と、それを克服する技術とは? by Taichi Umeda
[C16] インメモリ分散KVSの弱点。一貫性が崩れる原因と、それを克服する技術とは? by Taichi Umeda
 
12 非構造化データ解析
12 非構造化データ解析12 非構造化データ解析
12 非構造化データ解析
 
GOの機械学習システムを支えるMLOps事例紹介
GOの機械学習システムを支えるMLOps事例紹介GOの機械学習システムを支えるMLOps事例紹介
GOの機械学習システムを支えるMLOps事例紹介
 

Similar to 航空交通のオープンデータとその活用 CARATS Opendata

航空交通の運用データとその活用 CARATS Opendata: FIT2016
航空交通の運用データとその活用 CARATS Opendata: FIT2016航空交通の運用データとその活用 CARATS Opendata: FIT2016
航空交通の運用データとその活用 CARATS Opendata: FIT2016Megumi Oka
 
公共交通オープンデータ最新事情 〜地域にデータを定着させるために〜
公共交通オープンデータ最新事情 〜地域にデータを定着させるために〜公共交通オープンデータ最新事情 〜地域にデータを定着させるために〜
公共交通オープンデータ最新事情 〜地域にデータを定着させるために〜Masaki Ito
 
オープンデータで実現する公共交通の進化
オープンデータで実現する公共交通の進化オープンデータで実現する公共交通の進化
オープンデータで実現する公共交通の進化Masaki Ito
 
2014/06/19 第3回 CKAN コミュニティミーティング | homata
2014/06/19 第3回 CKAN コミュニティミーティング | homata2014/06/19 第3回 CKAN コミュニティミーティング | homata
2014/06/19 第3回 CKAN コミュニティミーティング | homataHiroshi Omata
 
現場のラボ化とラボの現場化:ピアデータをより広くより深く
現場のラボ化とラボの現場化:ピアデータをより広くより深く現場のラボ化とラボの現場化:ピアデータをより広くより深く
現場のラボ化とラボの現場化:ピアデータをより広くより深くKurata Takeshi
 
「標準的なバス情報フォーマット」相互運用性の向上に向けての勉強会
「標準的なバス情報フォーマット」相互運用性の向上に向けての勉強会「標準的なバス情報フォーマット」相互運用性の向上に向けての勉強会
「標準的なバス情報フォーマット」相互運用性の向上に向けての勉強会Masaki Ito
 
公共交通のIT化を考える 〜「標準的なバス情報フォーマット広め隊」1年半を振り返って〜
公共交通のIT化を考える 〜「標準的なバス情報フォーマット広め隊」1年半を振り返って〜公共交通のIT化を考える 〜「標準的なバス情報フォーマット広め隊」1年半を振り返って〜
公共交通のIT化を考える 〜「標準的なバス情報フォーマット広め隊」1年半を振り返って〜Masaki Ito
 

Similar to 航空交通のオープンデータとその活用 CARATS Opendata (8)

航空交通の運用データとその活用 CARATS Opendata: FIT2016
航空交通の運用データとその活用 CARATS Opendata: FIT2016航空交通の運用データとその活用 CARATS Opendata: FIT2016
航空交通の運用データとその活用 CARATS Opendata: FIT2016
 
公共交通オープンデータ最新事情 〜地域にデータを定着させるために〜
公共交通オープンデータ最新事情 〜地域にデータを定着させるために〜公共交通オープンデータ最新事情 〜地域にデータを定着させるために〜
公共交通オープンデータ最新事情 〜地域にデータを定着させるために〜
 
オープンデータで実現する公共交通の進化
オープンデータで実現する公共交通の進化オープンデータで実現する公共交通の進化
オープンデータで実現する公共交通の進化
 
2014/06/19 第3回 CKAN コミュニティミーティング | homata
2014/06/19 第3回 CKAN コミュニティミーティング | homata2014/06/19 第3回 CKAN コミュニティミーティング | homata
2014/06/19 第3回 CKAN コミュニティミーティング | homata
 
現場のラボ化とラボの現場化:ピアデータをより広くより深く
現場のラボ化とラボの現場化:ピアデータをより広くより深く現場のラボ化とラボの現場化:ピアデータをより広くより深く
現場のラボ化とラボの現場化:ピアデータをより広くより深く
 
「標準的なバス情報フォーマット」相互運用性の向上に向けての勉強会
「標準的なバス情報フォーマット」相互運用性の向上に向けての勉強会「標準的なバス情報フォーマット」相互運用性の向上に向けての勉強会
「標準的なバス情報フォーマット」相互運用性の向上に向けての勉強会
 
公共交通のIT化を考える 〜「標準的なバス情報フォーマット広め隊」1年半を振り返って〜
公共交通のIT化を考える 〜「標準的なバス情報フォーマット広め隊」1年半を振り返って〜公共交通のIT化を考える 〜「標準的なバス情報フォーマット広め隊」1年半を振り返って〜
公共交通のIT化を考える 〜「標準的なバス情報フォーマット広め隊」1年半を振り返って〜
 
20180404_1st JCC (Japanese)
20180404_1st JCC (Japanese)20180404_1st JCC (Japanese)
20180404_1st JCC (Japanese)
 

航空交通のオープンデータとその活用 CARATS Opendata