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 2026-08-22-r1 contains 588,220 scenes.

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: This is not yet uniform coverage of all Tokyo streets. Records are concentrated in 13 of Tokyo’s 23 wards, with a small number of boundary and limited-coverage records elsewhere. Coverage is uneven even within listed wards. 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.

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 from the same model family attempted to falsify each claim. Only claims that survived with status="supported" are included. 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.
• Six anomalous capture-time records remain in the dataset with quarantined=1; they are excluded from nearby search and coverage statistics in the online API.
• 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 — 588,220 rows, partitioned by ward

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	Ward assigned using National Land Numerical Information N03; may include 23区外 (outside the 23 wards)
	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 2003–2026
	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

Ward-partition counts: setagaya 89,408 / minato 70,314 / koto 61,493 / shibuya 54,263 / shinjuku 54,161 / chiyoda 46,999 / shinagawa 41,054 / taito 40,659 / chuo 39,409 / bunkyo 38,214 / sumida 29,710 / meguro 6,587 / toshima 5,584 / outside23 4,222 / suginami 2,282 / ota 2,245 / nakano 1,616.

• Of the 588,220 rows, 585,542 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 88.5%). The API’s /v1/meta is the canonical source for field coverage.
• Capture years span 2003–2026, but 99.95% of scenes are from 2014 onward; 286 scenes predate 2014.
• Updates are published as versioned releases. API responses include snapshot so the queried release can be identified later.

changes — 2,522 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 road-group centers, not exact changed-object locations.

schools — 1,323 rows

Elementary-school locations in Tokyo’s 23 wards from National Land Numerical Information P29.

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	510,544

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: 2026-08-22-r1.

License and attribution

CC BY-SA 4.0. Share-alike applies to derived works because the data is derived from Mapillary. Display this attribution when using the data:

Derived from © Mapillary contributors (CC BY-SA 4.0) / Derived from MLIT National Land Numerical Information (A29 and P29) / Tokyo Metropolitan Government Bureau of Construction emergency transport roads

A UI displaying source imagery must show a visible Mapillary logo and link to https://www.mapillary.com, in accordance with Mapillary’s terms.

Known limitations

• Coverage is partial and uneven, with the majority of records concentrated in 13 wards.
• 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.

Citation

michiyomi — Tokyo streetscape verbalization open data (release 2026-08-22-r1)
https://michiyomi.dev/ / Derived from Mapillary contributors (CC BY-SA 4.0)

---

日本語

概要

東京23区の街路画像(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 2026-08-22-r1 の588,220シーンを収録しています。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: 現在は東京23区のうち13区を中心に収録しており、その他の区・23区境界にも少数のレコードがあります。収録区内でも被覆は一様ではありません。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。

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。検出側と検証側は同じモデル系列であり、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(6件。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・588,220行、区別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	区名(国土数値情報N03による判定。23区外含む)
	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 / minato 70,314 / koto 61,493 / shibuya 54,263 / shinjuku 54,161 / chiyoda 46,999 / shinagawa 41,054 / taito 40,659 / chuo 39,409 / bunkyo 38,214 / sumida 29,710 / meguro 6,587 / toshima 5,584 / outside23 4,222 / suginami 2,282 / ota 2,245 / nakano 1,616

• 処理総数は588,220件です。撮影時刻異常の6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(585,542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 99.6%・abs_objects 88.5%など)。充足率の正本はAPIの /v1/meta です。
• 撮影年は2003〜2026年で、99.95%は2014年以降です(2013年以前は286シーン)。
• 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(2,522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。座標は道路グループ中心であり変化地点そのものではありません。

schools(1,323行)

東京23区の小学校位置(国土数値情報P29)。

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)	510,544

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(2026-08-22-r1)。

ライセンスと出典表示

CC BY-SA 4.0。派生物にも継承されます(Mapillary由来のため)。利用時は次の出典を表示してください。

© Mapillary contributors (CC BY-SA 4.0) を加工 / 国土交通省 国土数値情報(A29・P29)を加工 / 東京都建設局 緊急輸送道路

画像を表示するUIにはMapillaryロゴの視認可能な表示と https://www.mapillary.com へのリンクが必要です(Mapillary利用規約)。

既知の制約

• 収録は東京23区の一部(13区が主体)で、被覆は区内でも一様ではありません。
• 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)。

引用

michiyomi — 東京23区 街路言語化オープンデータ (release 2026-08-22-r1)
https://michiyomi.dev/ / Mapillary contributors (CC BY-SA 4.0) を加工