PLATEAUは、AIで使うと化ける。国交省の3D都市モデルにAIから話しかけ、東京駅前1,022棟を丸裸にしてみた

国交省の3D都市モデル「PLATEAU（プラトー）」は、いまAIから直接呼び出せます。

日本の街を3Dにした国のデータ、というところまでは知っている人も多いと思います。でも、AIに「東京駅周辺の建物データはどこ？」と聞けばファイルの場所が返ってきて、そのまま約1km四方のビル1,022棟を数え、どの建物が何m浸水する想定かまで洗い出せる。ここまで来ていることは、まだあまり知られていません。

しかも国は、衛星写真と生成AIを使って、3Dの街そのものを自動で作る技術まで用意しました。10km²の街を作るのにかかる時間は、約3〜6か月から約1〜2時間へ（国土交通省）。

この記事では、編集部が実際にAIからPLATEAUを使い倒してみた結果と、AIで変わり始めたPLATEAUの最新事情をまとめます。

PLATEAUが始まったのは2020年度。最初の年に全国56都市の3Dモデルが作られ、2025年度末には329都市まで広がりました。データは、出典を書けば商用でも無料で使えます（PLATEAUサイトポリシー）。

その作り方と使い方が、2026年に入ってAIで大きく変わり始めています。国交省が2026年7月に公表した「PLATEAUビジョン2026」の資料では、衛星データと生成AIで3Dモデルを自動で作る技術について、従来の手作業と比べた数字が示されました。

使う側でも、2025年12月にAIからPLATEAUのデータを直接検索できる窓口（PLATEAU MCPサーバー）が、認証なしで公開されました（Re:Earth Engineering）。人が画面で眺める地図だったPLATEAUが、AIが読んで、AIが作るデータに変わろうとしています。

WHAT IS

PLATEAUプラトー

国土交通省が整備し、誰でも無料で使えるように公開している、日本の3D都市モデル

「デジタル公共財」を目指す── PLATEAUビジョン2026

1. 2020プロジェクト開始初年度に全国56都市の3Dモデルを整備し、オープンデータに
2. 2023ゲームエンジンへUnityやUnreal Engineに読み込める公式ツールを公開
3. 2025.12AIの窓口が開くAIからデータを直接検索できる試験的なサーバーが公開
4. 2026.07PLATEAUビジョン2026329都市まで整備。衛星とAIによる自動作成へ
5. NOW500都市へ2027年度末までの整備目標。2032年度には更新率100%をめざす

PLATEAUは、自治体の都市計画の地図を土台に、航空測量で得た高さや建物の用途などを加え、街をデータとして立体的に組み立てたものです。建物や道路は一つずつ区別され、形に加えて用途や階数、災害の想定などの情報を持っています（PLATEAU よくある質問）。

普通の3D地図が街の「模型」だとすれば、PLATEAUは建物1棟ずつに履歴書が付いた模型です。使われ方も幅広く、さいたま新都心をゲーム「フォートナイト」に再現したイベントや（PLATEAU）、データをマインクラフトの世界に変換する国交省公式のツール（GitHub）まであります。

2025年12月に公開された、AIからPLATEAUを検索できる窓口（PLATEAU MCPサーバー）に、編集部のAIからつないでみました。認証なしで使える試験的なサービスです。

つなぐと、AIが使える道具が14種類並びます。地域やデータセットの検索、約1km四方の区画ごとのファイル探し、建物1棟の情報の取り出し、そしてPLATEAUの仕様書の検索まで。

試しに全体の規模を聞くと、登録されているデータセットは9,157件。「浸水深」で仕様書を検索すると、災害リスクのデータの決まりを定めた章が見つかりました。これまで専門家が分厚い仕様書を読み込んでいた部分を、AIが代わりに引いてくれるわけです。

次に「東京駅周辺の建物データはどこ？」と聞くと、地図の「3次メッシュ」と呼ばれる約1km四方の区画ごとに、ファイルの場所が返ってきました。そのファイル（約166MB）を取り出し、区画内の建物を全部集計しました。

東京のど真ん中でも、8割近い建物に、大雨や高潮のときの浸水の想定が付いていました。大人の膝の高さほどの0.5m以上の想定がある建物は130棟、1m以上は26棟です。

では、一番深いのはどこか。AIの窓口で建物の情報を引くと、答えは東京駅から1kmほどの中央区八丁堀三丁目にある、6階建ての医療施設でした。神田川流域が想定最大規模の雨で氾濫した場合、この建物の位置では最大4.1m浸水する想定です。建物の1階がほぼ水に沈む深さです。

地図の画面を眺めているだけでは、この建物にはたどり着けません。1,022棟を全部並べて、深い順に数えたからこそ見えてきました。

AIで引いた建物の情報は、ブラウザ版の「PLATEAU VIEW」なら画面で見られます。選択ツールに切り替え、東京駅の八重洲側に建つビルをクリックしてみました。

出てきたのは「グラントウキョウサウスタワー」。用途は業務施設、計測高さ209.5m、地上42階・地下2階。さらにスクロールすると、この土地の容積率が900%であること、そして神田川や隅田川が想定最大規模の雨で氾濫したとき、この建物の位置では最大0.32m浸水する想定であることまで書かれていました。

不動産の資料や防災マップを何枚も突き合わせないと分からなかった情報が、クリック一つで並ぶ。これ、かなりすごくないですか？

検索窓に「江東区」と入れると、建物、道路、土地利用、洪水、高潮、避難施設と、20以上のデータが並びます。その中に「荒川時系列浸水シミュレーション」というものがありました。

荒川の右岸（河口から10km地点）の堤防が、想定しうる最大規模の雨で決壊した場合に、水がどう広がるかを時間を追って再現するデータです。画面下の再生ボタンを押すと、青い水が街に流れ込んでいきます（左がシミュレーション開始から約8時間後、右が約2日9時間後）。

最初は北側だけだった水が、2日あまりで江東区の南の方まで届いています。ハザードマップの「ここが浸水する」という一枚の絵とは違い、「どの順番で、どれくらいの時間をかけて」が見える。避難の判断にどれだけ時間の余裕があるかを考えるのに、これほど分かりやすい資料はなかなかありません。

このシミュレーションは、国の浸水想定をもとに作られた目安で、実際の氾濫が同じ場所・同じ広がり方で起きるとは限らないと、画面の説明にも明記されています。

今回の検証で大きかったのは、AIの窓口からデータを取り出せたことです。「東京駅周辺の建物データはどこ？」と聞けば、ファイルの場所が返ってくる。そこから1,022棟の浸水リスクを洗い出すところまで、地図の画面を一度も開かずに進みました。

これは、AIが現実の街を理解するための土台ができ始めている、ということだと思います。PLATEAUではすでに、車のカメラ画像と3Dモデルを照らし合わせて自動運転車の位置を推定する実証や（PLATEAU）、ロボットやドローンの移動経路を計算する実証（PLATEAU）も行われています。世界の動きを予測するAI（世界モデル）の研究が進むほど、正確で、ライセンスがはっきりした「現実の街のデータ」の価値は上がっていきます。日本はそれを、国のお金で、無料で、329都市ぶん用意している。これはかなり大きな強みです。

一方で、集計しながら気をつけたい点もありました。AIは、データに書かれた値をそのまま答えます。たとえば今回の区画で一番高い建物（235.2m）は、名前の欄が「区立城東小学校」でした。東京ミッドタウン八重洲の低層階に入る小学校の名前が、タワー全体に付いていたのです（Wikipedia）。「一番高い建物は？」とAIに聞けば、そのまま小学校と答えかねません。

PLATEAUのデータは、自治体の台帳や測量など、出どころの違う情報を組み合わせて作られています。更新の時期も地域でばらつき、一般的な更新間隔はおおむね1〜5年です（PLATEAU よくある質問）。ビジョン2026では、AIで作った精度の異なるモデルも並べて扱う方針が示されました（別紙1）。

AIに聞くときも、「いつの、どの精度のデータか」を一緒に確かめさせる。怪しい値は元の資料に当たる。この一手間さえ入れれば、無料で使えるデータとして破格の内容です。

作るのに3〜6か月かかっていた街が、衛星とAIで1〜2時間になる。さらに国交省は、スマートフォンで撮った写真とAIで建物の外観を自動で貼り付ける技術も開発し、2026年度には住民が参加して更新する取り組みを始めるとしています（別紙3）。

データが古くなる問題は、PLATEAUの一番の弱点でした。それが、専門業者に頼む仕組みから、AIと市民で回す仕組みに変わろうとしています。AIが作り、AIが読み、市民が直す。そうなれば、店舗の出店計画、物流の拠点選び、災害に強い事業計画まで、会社の判断に日常的に使える「街の最新版」になるはずです。

まずは自分の会社や家のまわりを、PLATEAU VIEWで開いてみてください。AIを使っている人は、MCPサーバーにもつないでみてください。見慣れた街が、データとして違って見えてきます。