不動産開発の立地評価で複数の地図データを重ね合わせる作業に数日かかる、物流拠点の配置見直しで候補地ごとに配送距離を手計算している、都市計画のレポートで GIS ツールから出力した図表を手作業で PowerPoint に貼り付ける――地理空間情報を扱う現場では、こうした繰り返し作業が業務時間を圧迫しています。私はデジライズ でこれまで複数の不動産・物流企業の GIS 業務自動化を支援してきましたが、座標データの前処理や住所正規化、図表の出力といった「定型だが手間のかかる作業」が多くの担当者を悩ませている実態を目の当たりにしてきました。本記事では、Claude Code を用いた地理空間情報業務の効率化手法を、QGIS や ArcGIS との連携パターン、ジオコーディング・ルート最適化の自動化、レポート生成の実装例とともに解説します。

i

本記事の結論: Claude Code は Python の GIS ライブラリと既存の GIS ツールを橋渡しし、座標データ処理・住所正規化・配送ルート計算・レポート生成を一貫して自動化できる

3種類
主要な連携パターン
4段階
ジオコーディング処理
複数形式
対応する地図データ

Claude Code が GIS 業務で解決する課題

地理空間情報を扱う業務では、データの形式・座標系・精度がばらばらであることが多く、分析の前段階で多くの時間を費やします。典型的な課題として以下が挙げられます。

データ前処理の負荷: Excel で管理された住所リストを緯度経度に変換する作業、CSV と GeoJSON を相互変換する処理、座標系の変換（日本測地系から世界測地系への移行など）は定型的ですが、件数が多いと手作業では現実的ではありません。

GIS ツール間のデータ受け渡し: QGIS で作成したレイヤーを ArcGIS で開く際のフォーマット調整、逆に ArcGIS Online のデータを QGIS に取り込む際の認証処理など、ツール間の壁が分析の連続性を妨げます。

レポート作成の手間: GIS ツールで可視化した地図を画像として保存し、Excel や PowerPoint に貼り付け、テキストで説明を付け加える作業は、条件を変えて何度も繰り返すと膨大な工数になります。

Claude Code は Python の Geopandas・Shapely・Folium といった GIS ライブラリを扱い、QGIS や ArcGIS のファイル形式を読み書きできるため、これらの課題をコード化して自動化できます。Claude Code の基本機能については導入ガイドで詳しく解説していますが、GIS 業務では特にファイル I/O とデータ変換の自動化が大きな価値を生みます。

i

GIS ライブラリとの関係: Claude Code 自体に GIS 機能はなく、Python エコシステムの Geopandas・PyQGIS・ArcPy・GeoPy などを呼び出して処理を実行する。これらのライブラリが利用可能な環境であれば、自然言語の指示で座標計算やジオコーディングを記述できる

QGIS・ArcGIS との連携パターン

GIS ツールとの連携には大きく3つのパターンがあり、業務の性質に応じて使い分けます。

パターン1: ファイル形式の変換・前処理

QGIS や ArcGIS が扱う Shapefile・GeoJSON・GeoPackage・KML 形式のデータを、Claude Code で読み込んで前処理し、再度 GIS ツールで開く流れです。

  • 住所を含む CSV を GeoJSON に変換: 顧客リストや配送先リストを緯度経度に変換し、QGIS で地図上にプロットする準備をする
  • 座標系の一括変換: 古い測量データ（日本測地系・平面直角座標系）を WGS84（世界測地系）に変換して、Web マップと重ね合わせ可能にする
  • 属性データの結合: 地図データと別管理の Excel データ（売上・人口統計など）をキーで結合し、コロプレスマップの元データを作る

具体的には、「この CSV ファイルの住所列をジオコーディングして GeoJSON で出力して」と指示すると、Claude Code は GeoPy や国土地理院の API を使って緯度経度を取得し、GeoJSON 形式で保存します。出力されたファイルを QGIS にドラッグ＆ドロップすれば、すぐに地図レイヤーとして表示できます。

パターン2: スクリプトの生成と実行

QGIS の PyQGIS や ArcGIS の ArcPy を使ったスクリプトを Claude Code に生成させ、GIS ツール上で実行するパターンです。

  • バッファ解析の自動化: 「駅から半径500m のバッファを作成し、その中の建物ポリゴンを抽出する」処理を PyQGIS で記述
  • ラスタデータの一括処理: 衛星画像や標高データの切り出し・リサンプリング・統計量計算を ArcPy で自動化
  • レイヤーのスタイル適用: 属性値に応じた色分け（コロプレスマップ）のスタイル設定を XML で出力し、QGIS プロジェクトに適用

このパターンでは、Claude Code は GIS ツール内で動くスクリプトを生成する役割に徹します。GIS ツールの GUI では手間のかかる繰り返し処理を、スクリプトで一括実行できるため、条件を変えた試行が容易になります。

パターン3: Web API との統合

ArcGIS Online や MapBox、国土地理院の API などの Web サービスと連携し、データ取得・解析・アップロードを自動化します。

  • ベースマップの取得: OpenStreetMap や国土地理院の地理院タイルを API 経由で取得し、ローカルで解析
  • ルート検索 API の呼び出し: Google Maps Directions API や OSRM（Open Source Routing Machine）を使い、複数地点間の最短経路を計算
  • データのアップロード: 解析結果を ArcGIS Online にフィーチャレイヤーとして公開し、社内の Web マップで共有

Claude Code は API のリクエスト構築・レスポンスの解析・エラーハンドリングをコード化し、繰り返し実行やバッチ処理を容易にします。

⚠

API 利用時の注意: ジオコーディング API やルート検索 API には、無料枠の制限（1日あたりのリクエスト数）や利用規約（商用利用の可否）がある。大量データを処理する場合は、事前に API プロバイダの規約とコストを確認し、必要に応じて有料プランや自前のジオコーディングサーバー構築を検討する

住所正規化・ジオコーディングの自動化

顧客リストや配送先リストに含まれる住所を緯度経度に変換する「ジオコーディング」は、地理空間分析の入口です。住所表記の揺れ（全角・半角、番地の表記、ビル名の有無）が多いと、API のマッチング精度が下がるため、前処理が重要になります。

1. 住所の正規化 — 全角・半角の統一、都道府県名の補完、番地の表記揺れの吸収を行う。Python の jaconv や正規表現で処理し、API に渡す住所文字列を整える

2. ジオコーディング API の呼び出し — GeoPy（Nominatim・Google Maps）、国土地理院のジオコーディングサービス、または社内で構築したジオコーディングサーバーを利用。大量データの場合はレート制限を考慮してバッチ処理

3. マッチング結果の検証 — API が返す精度情報（住所レベル・番地レベル・おおよその位置）を確認し、精度が低い場合は手動確認リストを作成

4. 地図データ形式への出力 — 緯度経度と元の住所・属性データを GeoJSON または Shapefile に変換し、GIS ツールで可視化

Claude Code に「この Excel の住所列をジオコーディングして、精度が番地レベル以上のものだけ GeoJSON にして」と指示すると、上記の流れを一つのスクリプトにまとめて実行します。精度が低いレコードは別ファイルに出力されるため、人手で確認する範囲を絞れます。

完全ガイドでも触れていますが、Claude Code は繰り返し処理やエラーハンドリングを自然言語で指定できるため、API の接続エラーや住所のパースエラーが発生した場合のリトライ・ログ記録も容易に組み込めます。

配送ルート最適化の実装例

物流や訪問営業では、複数の拠点を効率よく回る経路を求める「巡回セールスマン問題」や「車両配送計画」が課題になります。厳密な最適解を求めるには専用のソルバーが必要ですが、実務では「現状より明らかに短いルート」が得られれば十分なケースも多く、Claude Code と OR-Tools（Google のオープンソース最適化ライブラリ）の組み合わせで対応できます。

実装の流れ

  1. 配送先の座標取得: 前述のジオコーディングで配送先の緯度経度を取得
  2. 距離行列の作成: 各拠点間の道路距離または直線距離を計算。Google Maps Distance Matrix API や OSRM を使うと、実際の道路網に基づく距離が得られる
  3. OR-Tools による経路最適化: 車両台数・容量制限・時間窓（配送可能な時間帯）を制約条件として設定し、最短経路を計算
  4. 結果の可視化: 計算されたルートを Folium や Plotly で地図上に描画し、HTML レポートとして出力

Claude Code に「この配送先リストから、2台のトラックで回る最短ルートを計算して、地図に描いて」と指示すると、OR-Tools のラッパーコードを生成し、結果を HTML の地図として出力します。

i

最適化の精度と計算時間: 拠点数が数十件程度なら数秒で実行可能。数百件を超える場合や、時間窓・積載量などの制約が複雑な場合は、計算時間が分単位になることがある。実務では「今のルートと比較して改善が見込めるか」を先に簡易計算で確認し、詳細な最適化は必要に応じて専用ツールに移行する

配送ルートの最適化は、燃料費や配送時間の削減に直結しますが、「年間で何時間削減」といった定量効果は配送頻度や地域特性に大きく依存します。デジライズ の支援先では、まず現状ルートと最適化ルートの距離・時間を比較し、改善の余地が確認できた範囲で段階的に導入を進めています。

立地分析レポート生成の自動化

不動産開発や店舗出店の判断では、候補地ごとに周辺の人口統計・競合店舗の分布・交通アクセスなどを調査し、レポートにまとめる作業が発生します。この作業は条件を変えて何度も繰り返すため、自動化の効果が大きい領域です。

レポート生成の典型パターン

分析項目 データソース 処理内容 出力形式
商圏人口 国勢調査メッシュデータ 候補地から半径1km 内の人口を集計 表・グラフ
競合分布 POI データ（店舗データベース） 同業種の店舗数・最寄り店舗までの距離 地図・表
交通アクセス 駅データ・道路データ 最寄り駅までの距離・主要幹線道路への近接性 地図
地価動向 公示地価データ 周辺の地価推移をグラフ化 グラフ

Claude Code を使うと、これらの分析を一つのスクリプトにまとめ、候補地の座標を変えるだけで同じフォーマットのレポートを自動生成できます。

実装例: 「候補地A（緯度経度）について、半径1km の人口・競合店舗数・最寄り駅を調べて、地図と表を含む HTML レポートを作って」と指示すると、以下の処理が実行されます。

  • Geopandas で候補地を中心とした1km バッファを作成
  • 国勢調査メッシュデータと空間結合し、バッファ内の人口を集計
  • POI データベースから同業種の店舗を抽出し、バッファ内の件数をカウント
  • 駅データから最寄り駅を検索し、直線距離を計算
  • Folium で候補地・バッファ・競合店舗・駅を重ねた地図を作成
  • Matplotlib でグラフを生成し、HTML レポートに埋め込む

出力された HTML レポートは、社内共有や経営会議での説明資料としてそのまま使えます。候補地が複数ある場合は、座標リストを渡せば一括で生成されます。

⚠

データの鮮度と精度: 国勢調査データは5年ごとの更新、POI データは提供元により更新頻度が異なる。分析結果を意思決定に使う場合は、データの取得時点と更新頻度を明記し、必要に応じて現地調査や最新の統計で補完する

導入時の技術的な検討ポイント

Claude Code を GIS 業務に導入する際、以下の点を事前に確認しておくと、トラブルを減らせます。

Python 環境の準備: Geopandas・Shapely・Folium・GeoPy といった GIS ライブラリのインストールが必要です。これらは依存関係が多く、OS やバージョンによってはビルドエラーが発生することがあります。Docker や Anaconda の仮想環境を使い、安定した環境を構築することを推奨します。

座標系の統一: 日本国内では日本測地系（Tokyo Datum）と世界測地系（WGS84）が混在しており、座標系の違いを意識せずに計算すると数十〜数百メートルのずれが生じます。データを読み込む際に座標系を確認し、必要に応じて PyProj で変換する処理を組み込みます。

API の認証情報管理: ジオコーディング API やルート検索 API を使う場合、API キーやアクセストークンをコード内にハードコーディングしないよう注意します。環境変数や設定ファイルで管理し、バージョン管理システムにコミットしない運用を徹底します。

大容量データの処理: 全国の建物ポリゴンや詳細な標高データなど、ファイルサイズが数 GB に及ぶデータを扱う場合、メモリ不足でエラーになることがあります。Geopandas の chunksize 引数でデータを分割読み込みするか、空間インデックス（R-tree）を使った効率的な検索を検討します。

まとめ

Claude Code を地理空間情報業務に活用することで、座標データの前処理・住所正規化・配送ルート最適化・立地分析レポート生成といった定型作業を自動化できます。重要なのは、Claude Code 自体が GIS ツールを代替するのではなく、QGIS や ArcGIS といった既存のツールとの橋渡し役として、データの受け渡しや繰り返し処理を効率化する点です。

3パターン
ツール連携の方式
4段階
ジオコーディング処理
複数形式
対応する地図データ

実務では、まず小規模なデータセット（数十〜数百件）で処理フローを確立し、座標系の変換や API のレート制限といった技術的な課題を解決してから、大規模データや複雑な分析に拡張していくアプローチが現実的です。

デジライズ では、GIS 業務の自動化に向けた Claude Code 導入支援を「研修」と「コンサルティング」の2本柱で提供しています。研修では Python の GIS ライブラリと Claude Code の連携方法を実務データで学び、コンサルティングでは貴社の GIS ワークフロー（データ前処理・分析・レポート生成）を分析して自動化の優先順位を設計します。座標系の変換ルール策定や API 認証情報の管理方針など、技術的な細部も含めて支援可能です。まずは無料相談で現状の GIS 業務をお聞かせください。貴社の地理空間データ活用を、再現性のある形で効率化します。

関連記事