finalvent/michiyomi-tokyo-streetscape

michiyomi — Tokyo streetscape verbalization open data

English

Overview

michiyomi pairs coordinates with structured Japanese descriptions of physical streetscapes visible in public Mapillary imagery. A vision-language model (VLM) verbalized only what is visible in each image: no map, address, place name, facility name, statistics, or other external knowledge was injected. Release 2026-09-13-r2 (scenes identical to 2026-09-13-r1; only changes differs) contains 1,914,490 scenes covering all of Tokyo: the 23 wards (now with multiple capture years), the Tama area (26 cities, 3 towns, 1 village) and the islands (2 towns, 7 villages), the latter two mainly at their latest capture year.

Images themselves are not redistributed. Each scene’s id is a string Mapillary image ID that links the record back to its source image.

Coverage warning: All of Tokyo is now included, but coverage is not uniform street-by-street. A scene is a representative image per grid × capture direction × year, so density follows where contributed Mapillary imagery exists. A missing record means “not covered by this dataset,” not “the feature does not exist.” Use the ward breakdown below or the API’s coverage endpoint before drawing conclusions about a location.

Release history

Version	Date	Release ID	Scenes	Scope
v0.3.2	2026-10-04	2026-09-13-r2	1,914,490	Same scenes as v0.3.1. changes replaced: 3,618 rows (2,963 rebuilt with photo pairs matched by position and heading and compared/adjudicated by GPT-6.1 Sol, plus 655 high-confidence claims from the August 2026 set that also survived a blind re-adjudication by GPT-6.1 Sol). About 20% of the 2,522 August claims did not match the photos in that review
v0.3.1	2026-10-03	2026-09-13-r1	1,914,490	Same scope as v0.3. Personal names transcribed from house nameplates and vehicle plate numbers were masked in 1,601 scenes (summary, analysis, abs_objects; content_sha256 recomputed)
v0.3	2026-09-13	2026-09-13-r1	1,914,490	All of Tokyo (23 wards multi-year; Tama area and islands latest year)
v0.2	2026-08-28	2026-08-28-r1	1,009,250	All 23 wards
v0.1	2026-08-23	2026-08-22-r1	588,220	13 wards (initial)

The dataset metadata remains language: ja because the record content—summary, structured analysis, change category, subject, evidence, and parts of verification metadata—is Japanese. Interface documentation is bilingual.

How the data was produced

• Source material is public street imagery from Mapillary, captured by citizens and organizations. The images are not included in this dataset.
• Each image was verbalized from visual evidence only. The output describes what was visible from that camera angle in that capture year; it is not a place or facility identification.
• Longitudinal changes in changes began as hypotheses from images of the same location in different years. A separate, context-isolated session attempted to falsify each claim, and only claims that survived with status="supported" are included. From v0.3.2, photo pairs are matched one to one by position and heading before comparison, and the finder and checker are the same model family (GPT-6.1 Sol); claims carried over from the August 2026 set also survived a blind re-adjudication by the newer model. verification_json records which applies to each row. Shared systematic error can remain, so the supported rate is not an accuracy guarantee.
• schools contains official elementary-school locations from Japan’s National Land Numerical Information P29. It is not derived from imagery and is intended as a coordinate-discovery aid.

Before using the data

• Always state the capture year. A description from a 2018 image reflects the image’s 2018 view, not current conditions.
• Descriptions include monocular-image estimates. Width and similar numeric values carry confidence information and are not survey measurements.
• The data preserves “unknown” and “unknown outside the frame.” Do not fill in facts that the record does not contain.
• Thirty-nine anomalous capture-time records remain in the dataset with quarantined=1 (including epoch-anomalous timestamps such as 1970); they are excluded from nearby search and coverage statistics in the online API but remain retrievable by ID.
• segment_priority_score in changes is a road-segment inspection-priority heuristic, not the danger or severity of a change; it is null for many rows.
• Keep Mapillary image IDs as strings. Converting them to numbers can lose precision.
• If you translate Japanese narratives, retain the Japanese source text and record the translation method, model/version, date, and source-content hash.

Quickstart

from datasets import load_dataset

scenes = load_dataset(
    "finalvent/michiyomi-tokyo-streetscape",
    "scenes",
    split="train",
)

print(scenes[0]["id"])           # string Mapillary image ID
print(scenes[0]["capture_year"]) # year represented by the image
print(scenes[0]["summary"])      # Japanese summary

Load the smaller tables by replacing "scenes" with "changes", "schools", or "generations". For bulk spatial analysis, read the ward-partitioned Parquet files directly. For online coordinate queries, use the public API.

Tables and schema

scenes — 1,914,490 rows, partitioned by municipality (ward / city / town / village)

One row represents one scene: a representative image for a grid × capture direction × year. Three data layers are joined in each row.

Column group	Columns	Meaning
Identity and position	id	Mapillary image ID (string)
	ward	Municipality (ward, city, town or village) assigned using National Land Numerical Information N03; a small remainder is 23区外 (unassigned)
	lat, lon	Selected representative coordinates
	position_source	mapillary_computed (SfM-corrected, preferred) or mapillary_raw
	raw_lat/lon, computed_lat/lon	Both coordinate sources retained for provenance
	cell_250m	250 m grid ID
Capture	capture_year, captured_at_ms, captured_at_jst	Capture time; years 1986–2026
	capture_time_quality, quarantined	Timestamp-quality and quarantine flags
	raw_compass, computed_compass, travel_bearing	Camera and travel bearings
	sequence_id, is_pano, camera_type, width, height, quality_score, view_class	Image metadata
Verbalization	summary	Precomputed Japanese summary, at most 500 characters
	analysis	Full Japanese verbalization as a JSON string, including road structure, walking environment, roadside context, and visual risk cues
	gen_id, model, prompt_version, generated_at, analysis_status, content_sha256	Generation provenance
Machine layer	feature_version, month, weekday, hour, season, time_bucket	Deterministic derivations from capture time
	mf_heading, heading8, left_side8, right_side8	Eight-way direction features
	abs_objects	Aggregated detected objects as a JSON string
	colorfulness, green_ratio, warm_ratio, dominant_colors, color_status	Pixel statistics, including green-view ratio

Municipality-partition counts: ota 128,016 / setagaya 117,106 / minato 105,188 / nerima 96,029 / koto 90,332 / shibuya 76,633 / hachioji 76,254 / shinjuku 71,609 / chiyoda 68,424 / shinagawa 60,631 / chuo 60,255 / edogawa 57,505 / suginami 55,840 / taito 55,044 / bunkyo 53,462 / machida 47,336 / toshima 47,310 / itabashi 44,952 / adachi 44,948 / sumida 40,179 / meguro 34,907 / kita 31,567 / katsushika 29,770 / fuchu 29,457 / chofu 25,601 / nakano 20,450 / tachikawa 20,119 / inagi 19,641 / mitaka 19,446 / arakawa 18,731 / tama 17,930 / higashimurayama 17,766 / kunitachi 16,459 / kodaira 14,307 / musashino 14,076 / hino 13,730 / ome 12,915 / okutama 12,724 / kokubunji 11,627 / oshima 11,371 / hinohara 9,795 / akishima 9,413 / nishitokyo 9,405 / kiyose 8,264 / niijima 8,220 / koganei 8,165 / mizuho 8,100 / akiruno 7,311 / musashimurayama 7,299 / higashikurume 6,481 / fussa 5,768 / higashiyamato 5,024 / miyake 4,449 / outside23 4,222 / komae 4,083 / kozushima 3,881 / ogasawara 3,660 / hamura 3,213 / hachijo 2,524 / aogashima 2,283 / hinode 1,736 / toshima-island 1,544 / mikurajima 3.

• Of the 1,914,490 rows, 1,899,979 use SfM-corrected Mapillary coordinates; raw GPS is used only when corrected coordinates are unavailable. position_source makes the choice explicit.
• Machine-layer computation ran for every scene, but individual fields can remain unavailable when inputs are missing (for example, travel bearing 99.6% and absolute objects 86.2%). Color statistics are available for all rows except 39 flagged color_status="error:TypeError". The API’s /v1/meta is the canonical source for field coverage.
• Capture years span 1986–2026 for non-quarantined rows, and 99.8% of scenes are from 2014 onward; 3,660 non-quarantined scenes predate 2014 (the 23-ward past-year coverage added in v0.3 reaches back further than v0.2). Records before 2014, and especially before 2010, are more likely to carry clock anomalies; only epoch-level anomalies are quarantined.
• Updates are published as versioned releases. API responses include snapshot so the queried release can be identified later.

changes — 3,618 rows

Contains only longitudinal-change claims that survived adjudication. Fields include Japanese category (equipment, building, road marking, pavement, roadside use, vegetation, or other), year_a → year_b, Japanese subject, full Japanese evidence, and verification_json. Coordinates are the mean capture position of the compared photos (from v0.3.2; previously road-group centers), not exact changed-object locations.

schools — 1,323 rows

Elementary-school locations in Tokyo from National Land Numerical Information P29 (unchanged from v0.2).

generations — generation provenance

Both generations in this release passed adoption gates and are released.

gen_id	Model family	Rows
gen1-codex	gpt-5.6-terra / gpt-5.6-sol	77,676
gen2-qwen-local	Qwen3.6-27B-NVFP4 / Qwen3.8-27B-MTP-NVFP4 on local vLLM	1,836,814

Generation and prompt versions are traceable through per-row provenance columns. Each scene belongs to one served generation.

API and MCP

The public API and MCP server serve the same release as this dataset. Use the dataset for bulk analysis and the API for coordinate-based online queries.

• REST API: https://michiyomi.dev/v1 — unauthenticated, read-only nearby search, coverage, scene detail, changes, and catalog endpoints.
• English OpenAPI 3.1: https://michiyomi.dev/openapi.en.yaml
• Japanese OpenAPI 3.1: https://michiyomi.dev/openapi.yaml
• English developer guide: https://michiyomi.dev/en/docs/
• MCP server: https://michiyomi.dev/mcp — tools: find_school, coverage, describe_location, get_scene, and changes_near.
• Browser UI: https://michiyomi.dev/en/

The API’s /v1/meta release ID matches this dataset: 2026-09-13-r2. The API serves 1,914,451 of the 1,914,490 rows in nearby search and coverage (quarantined rows are excluded there but retrievable by ID).

License and attribution

Observation data is under CC BY 4.0 (revised 2026-10-03; the earlier CC BY-SA 4.0 grant remains valid, and you may use either). The full conditions and the declaration are at michiyomi.dev/docs/license.

• Observation data (summary, analysis, machine features, changes text and values): no credit or logo is needed when you use it in answers, analyses, app displays or quotes of individual records, and share-alike is not required. When you redistribute records as data, show: Source: michiyomi (michiyomi.dev), from Mapillary street-level photos, CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/).
• Mapillary reference data (id, coordinates, capture times, compass angles, sequence_id, quality_score and other values computed by Mapillary): free to use per record, but michiyomi does not license them. Check the conditions yourself before redistributing them in bulk.
• Photos are not included. If you show one, credit its contributor (a link to the image page is enough) and CC BY-SA 4.0.
• Public-sector data: ward is processed from MLIT National Land Numerical Information (administrative areas); schools is based on MLIT National Land Numerical Information (schools). Credit the source when you distribute them in bulk.
• Sign text, trademarks and personal data captured in photos are not licensed. Personal names from house nameplates and plate numbers are masked from v0.3.1.

Known limitations

• All of Tokyo is included, but scene density is uneven and follows where contributed Mapillary imagery exists; the Tama area and the islands are mostly single-year.
• Cloud/clear-sky boundary classifications can vary. A systematic gen1 error can misclassify elevated expressways as ordinary roads; gen2 was calibrated for this issue.
• A 27B-class model does not maintain perfect self-consistency. Deterministic checks detect and repair some contradictions, while remaining issues are traceable through provenance columns.
• Photographer identity and camera make/model are not included in the public dataset.

Related dataset

finalvent/michiyomi-tokyo-plateau attaches the verbalizations of this release (2026-09-13-r1) to the features of Tokyo's 3D city model (Project PLATEAU): 726,792 buildings, roads, sidewalks, city furniture and vegetation. Each of its links carries scene_id (= id here), a JSON Pointer into analysis, and analysis_sha256 (= content_sha256 here), so every statement can be traced back to a row of this dataset.

Citation

michiyomi — Tokyo streetscape verbalization open data (release 2026-09-13-r2)
https://michiyomi.dev/ (CC BY 4.0, from Mapillary street-level photos)

---

日本語

概要

東京都(23区・多摩地域・島しょ)の街路画像(Mapillary)を Vision-Language Model が画像に写っているものだけから言語化した、「座標 × 構造化テキスト」のデータセットです。release 2026-09-13-r2(シーンは 2026-09-13-r1 と同じで、changes だけが違う)の**1,914,490シーン(東京都全域。23区は複数年、多摩地域・島しょは最新年中心)**を収録しています。レコードの本文は日本語のため、YAMLメタデータの language は ja のままです。

収録範囲の注意: 東京都全域を収録していますが(23区は複数年、多摩・島しょは最新年中心)、街路単位の被覆は一様ではありません。シーンは「グリッド × 撮影方位 × 年」の代表画像なので、密度は市民が投稿したMapillary画像の分布に従います。レコードがないことは、現地に対象が存在しないことを意味しません。区別内訳またはAPIの coverage で被覆を確認してください。

リリース履歴

版	日付	Release ID	シーン数	範囲
v0.3.2	2026-10-04	2026-09-13-r2	1,914,490	シーンは v0.3.1 と同じ。changes を入れ替え: 3,618行(撮影位置と向きで対応させた写真の組を GPT-6.1 Sol で比較・裁定し直した2,963行と、2026年8月版の確信度の高い主張のうち GPT-6.1 Sol の目隠しの再裁定でも残った655行)。8月版2,522行のうち約2割はこの見直しで写真と合わなかった
v0.3.1	2026-10-03	2026-09-13-r1	1,914,490	v0.3と同じ範囲。1,601シーンの観測文から表札の氏名と車のナンバーの書き写しを伏せた(summary・analysis・abs_objects。content_sha256 は再計算)
v0.3	2026-09-13	2026-09-13-r1	1,914,490	東京都全域(23区は複数年、多摩・島しょは最新年)
v0.2	2026-08-28	2026-08-28-r1	1,009,250	23区全域
v0.1	2026-08-23	2026-08-22-r1	588,220	13区中心(初版)

データの成り立ち

• 素材は Mapillary の街路画像(市民・事業者が撮影して公開したもの)。画像そのものは配布しません。各行の id が Mapillary image ID で、原典画像は Mapillary で参照できます。
• 各画像をVLMが視覚情報のみから言語化しています。地図・住所・施設名などの外部知識は一切注入していません。したがって記述は「その画像に写っていたもの」であり、地名や施設の同定結果ではありません。
• 経年変化(changes)は、同一地点の異なる年の画像を比較して生成した仮説を、文脈分離した別セッションによる反証優先の再検証にかけ、反証しきれなかったもの(status="supported")だけを収録しています。v0.3.2 からは、比べる写真を撮影位置と向きで1枚ずつ対応させ、検出側と検証側は同じモデル系列(GPT-6.1 Sol)です。2026年8月版から引き継いだ行は、新しい世代のモデルの目隠しの再裁定にも耐えたものです。どちらに当たるかは行ごとの verification_json にあります。共有された系統誤差は残りえます。
• 小学校位置(schools)は国土数値情報(P29)由来の公的データで、画像由来ではありません。座標探索の起点として使えます。

読む前に知っておくべきこと(正直性の規約)

• 撮影年に注意。 各シーンには capture_year が付いています。2018年の画像は2018年の状態であって現在ではありません。
• 記述は単眼画像からの推定を含みます。幅員などの数値にはconfidenceが付いており、実測値ではありません。
• 「不明」「画角外不明」はそのまま「不明」として収録しています。このデータにないことを補完・創作しないでください。
• 撮影時刻が異常なシーンは quarantined=1 でフラグしています(28件。1970年などのエポック異常を含みます。行は残してあります)。
• segment_priority_score(changes)は道路区間の点検優先度ヒューリスティックであり、変化そのものの危険度ではありません(多くの行でnull)。
• Mapillary image IDは文字列です。数値に変換しないでください(桁落ちします)。
• 日本語記述を翻訳するときは、原文を保持し、翻訳手法・モデル/版・日時・原文ハッシュを記録してください。

クイックスタート

from datasets import load_dataset

scenes = load_dataset(
    "finalvent/michiyomi-tokyo-streetscape",
    "scenes",
    split="train",
)

print(scenes[0]["id"])           # 文字列のMapillary image ID
print(scenes[0]["capture_year"]) # この画像が表す撮影年
print(scenes[0]["summary"])      # 日本語の要約

テーブル構成

scenes(既定・1,914,490行、市区町村別Parquet)

1行 = 1シーン(グリッド × 撮影方位 × 年の代表画像1枚)。3つの層を結合済みです。

列グループ	列	説明
識別・位置	id	Mapillary image ID(string)
	ward	市区町村名(国土数値情報N03による判定。少数の未判定は23区外)
	lat / lon	代表座標(position_sourceで採否)
	position_source	mapillary_computed(SfM補正を優先) / mapillary_raw
	raw_lat/lon, computed_lat/lon	来歴として両座標を保持
	cell_250m	250mグリッドID
撮影	capture_year, captured_at_ms, captured_at_jst	撮影時刻(2003〜2026年)
	capture_time_quality, quarantined	時刻異常の検疫フラグ
	raw_compass, computed_compass, travel_bearing	方位・進行方向
	sequence_id, is_pano, camera_type, width, height, quality_score, view_class	画像メタ
言語化	summary	事前計算した日本語要約(500字以内)
	analysis	**言語化全文(JSON文字列)**。道路構造・歩行環境・沿道の様子・リスク手がかり等の構造化記述
	gen_id, model, prompt_version, generated_at, analysis_status, content_sha256	来歴
機械層	feature_version, month, weekday, hour, season, time_bucket	撮影時刻からの決定論的導出(LLM非経由)
	mf_heading, heading8, left_side8, right_side8	8方位化した向き
	abs_objects	物体検出集計(JSON文字列)
	colorfulness, green_ratio, warm_ratio, dominant_colors, color_status	画素統計(緑視率など)

区別ファイル: setagaya 89,408 / ota 84,491 / minato 70,314 / nerima 66,008 / koto 61,493 / shibuya 54,263 / shinjuku 54,161 / chiyoda 46,999 / suginami 41,853 / shinagawa 41,054 / taito 40,659 / edogawa 40,169 / chuo 39,409 / bunkyo 38,214 / toshima 35,571 / itabashi 33,459 / adachi 32,464 / sumida 29,710 / meguro 27,639 / kita 24,861 / katsushika 20,611 / nakano 17,198 / arakawa 15,020 / outside23 4,222

• 処理総数は1,914,490件です。撮影時刻異常の39件は quarantined=1 のままデータセットに保持し、APIの近傍検索・被覆統計から除外しています(ID直接参照は可能)。
• 座標はSfM補正座標(computed)を原則採用し(1,899,979件)、欠損時のみ生GPSを使用します。採用元は position_source に明示します。
• 機械層は全シーンで計算済みですが、入力欠損により項目ごとに未充足があります(travel_bearing 99.7%・abs_objects 88.0%など)。色統計は32件のみ color_status="error:TypeError" で評価不能を明示しています。充足率の正本はAPIの /v1/meta です。
• 撮影年は検疫外の行で1986〜2026年、99.97%は2014年以降です(2013年以前は332シーン)。2014年以前、特に2010年以前の行は時計異常の可能性が相対的に高く、エポック級の異常のみ検疫しています。
• 更新はversionedなreleaseとして不定期に行います。API応答の snapshot で問い合わせ対象の版を特定できます。

changes(3,618行)

裁定を生き残った経年変化のみ。category(設備/建物/区画線・標示/舗装/沿道用途/植栽/その他)、year_a→year_b、subject、evidence、verification_json(裁定の全文)を収録します。座標は比べた写真の撮影位置の平均であり(v0.3.2 から。以前は道路グループ中心)、変化した物そのものの位置ではありません。

schools(1,323行)

東京都の小学校位置(国土数値情報P29。v0.2から変更なし)。

generations(世代来歴)

言語化世代とモデルの対応表。本リリースは2世代とも検証済み(released)です。

gen_id	モデル	件数
gen1-codex	gpt-5.6-terra / gpt-5.6-sol	77,676
gen2-qwen-local	Qwen3.6-27B-NVFP4 / Qwen3.8-27B-MTP-NVFP4(ローカルvLLM)	1,836,814

世代・プロンプト版数は各行の来歴列で判別できます。1シーン1配信世代です。

API・MCP

このデータセットと同一のリリースを配信する公開APIとMCPサーバがあります。バルク分析はこのデータセット、座標からのオンライン検索はAPIが向いています。

• REST API: https://michiyomi.dev/v1 — 認証なし・read-only。
• 日本語OpenAPI: https://michiyomi.dev/openapi.yaml
• 英語OpenAPI: https://michiyomi.dev/openapi.en.yaml
• 開発者ガイド: 日本語 / English
• MCPサーバ: https://michiyomi.dev/mcp — find_school / coverage / describe_location / get_scene / changes_near。
• ブラウザUI: https://michiyomi.dev/

APIの /v1/meta が返すリリースIDとこのデータセットのリリースIDは一致します(2026-09-13-r2)。APIの近傍検索・被覆は1,914,490件のうち検疫外の1,914,451件を対象にします(検疫行もID直接参照は可能)。

ライセンスと出典表示

観測データは CC BY 4.0 です(2026-10-03 改定。従来の CC BY-SA 4.0 による許諾も有効で、どちらで使ってもかまいません)。条件と宣言の全文は michiyomi.dev/docs/license にあります。

• 観測データ(summary・analysis・機械層の値・changes の本文と値): 回答・分析・アプリの表示・個別の転記には、出典もロゴも要りません。継承も求めません。データとして配り直すときは「出典: みちよみ(michiyomi.dev、Mapillary の街路写真より)、CC BY 4.0(https://creativecommons.org/licenses/by/4.0/)」を表示してください。
• Mapillary 参照値(id・座標・撮影日時・方位・sequence_id・quality_score など Mapillary が算出した値): 1件ずつ使うのは自由ですが、みちよみは許諾しません。まとめて配り直すときは、その部分の条件を各自で確かめてください。
• 写真は含まれていません。表示するときは、撮影者(画像ページへのリンクで可)と CC BY-SA 4.0 を示してください。
• 国のデータ: ward は国土数値情報(行政区域データ)、schools は国土数値情報(学校データ)をもとに作成。まとめて配るときは出典を書いてください。
• 写真に写り込んだ看板の文言・商標と個人情報は許諾の対象外です。表札の氏名と車のナンバーは v0.3.1 から伏せています。

既知の制約

• 東京都全域を収録していますが、シーン密度は投稿されたMapillary画像の分布に従い一様ではありません。多摩・島しょはほぼ単年です。
• 晴/曇の境界判定にブレがあります。高架専用道の facility_type はgen1世代に「一般道路」への誤分類の系統誤差が確認されています(gen2では較正済み)。
• 27Bクラスのモデルは自己整合を完全には維持できません。内部矛盾は決定論チェッカーで検出・リペアし、残余は来歴列から追跡できます。
• 撮影者情報・カメラ機材情報は本データセットに含めていません(内部来歴としてのみ保持)。

関連データセット

finalvent/michiyomi-tokyo-plateau は、この release(2026-09-13-r1)の言語化を、東京都の3D都市モデル(Project PLATEAU)の地物 726,792件(建物・道路・歩道部・都市設備・植生)に結んだ姉妹データセットです。紐づけの各行が scene_id(= このデータの id)、analysis の中を指す JSON Pointer、analysis_sha256(= このデータの content_sha256)を持つので、記述ごとにこのデータの行まで辿れます。

引用

michiyomi — 東京都 街路言語化オープンデータ (release 2026-09-13-r2)
https://michiyomi.dev/ (CC BY 4.0、Mapillary の街路写真より)