「水位計の画面を開いて。いや、それは A 社のシステムだ、B 社の雨量計ダッシュボードを見せてくれ。ついでに避難所の混雑状況のシステムはどうなってる？」
台風や豪雨による発災時、自治体の災害対策本部ではこうした混乱がしばしば発生します。防災力の向上のためにさまざまな IoT センサーが導入されているにもかかわらず、システムがベンダーごとに分断されているため、緊急時に「全体状況を一目で把握できない」という新たな課題が生まれています。
スマートシティ化が進むほど、庁内には多様なリアルタイムデータが集まります。
- 河川・インフラ：水位計・雨量計・アンダーパスの冠水センサー
- 避難所・住民：避難所の混雑検知センサー・人流データ
- 車両・リソース：公用車や除雪車の GPS トラッカー
しかし、これらは別々の企業から調達されることが多く、管理画面もデータの形式もバラバラです。発災時の対策本部では複数のモニターが並び、担当者はブラウザのタブを行き来しながら脳内で情報を統合しなければなりません。この「ダッシュボード迷子」が、迅速な避難指示やリソース配分の初動を遅らせる原因となっています。
データが「つながらない」構造的な問題
ベンダーごとにシステムが分断されることで、具体的に 3 つの問題が生じます。
データの形式・接続方法がバラバラ：センサーメーカーごとにデータの送り方や形式が異なるため、複数のシステムを横断して扱うためには、それぞれに専用の接続プログラムを開発する必要があります。ベンダーの仕様が変わるたびに対応が発生し、保守コストが積み上がります。
確認のたびに別システムへのログインが必要：センサー A のデータはダッシュボード A、センサー B のデータはポータル B という状態では、複数の状況を同時に把握することが難しくなります。緊急時にこの手間が初動判断を遅らせます。
データの分析が特定の担当者に依存する：横断的なデータ分析は情報システム部門など一部の担当者だけが行えるため、業務判断をしたい現場職員がデータを直接引き出せません。担当者が替わると手順の引き継ぎも難しく、知見が組織に蓄積されません。
データを「中継する」という発想
この課題を解くアプローチが、データの中継役となる基盤（コンテキストブローカー）を庁内に整備することです。
コンテキストブローカーとは、形式が異なる複数のシステムのデータを受け取り、共通のルールに変換してどこからでも同じ方法で取り出せるようにするソフトウェアです。A 社の水位データも、B 社の雨量データも、C 社の避難所管理システムの情報も、一か所に集まり、同じ方法でアクセスできるようになります。
センサーや業務システムが増えても、個別に接続プログラムを作り直す必要がなくなります。「データをつなぐ仕組み」と「データを使うアプリや地図」を分離することで、庁内のデジタル資産が整理され、長期的な保守コストを抑えられます。
GeonicDB で実現できること
Geolonia が提供する「GeonicDB」は、フルマネージドのコンテキストブローカーサービスです。サーバーの構築・運用は Geolonia が担うため、自治体側に専任の運用チームは不要です。
-
異種データの統合：メーカーが異なる複数のセンサーや業務システムからのデータを、共通形式で受け取り一か所に集約します。「河川水位」「気象データ」「避難所の開設状況と収容人数」をすべて同じ操作で取り出せる状態になります。
-
過去のデータを遡る：センサーの時系列データを蓄積・取得する機能があります。「先週の水位の推移」「昨年の同時期との比較」といった分析が、システムをまたいだ手作業なしで実行できます。
-
自動アラートのルール設定：「水位が基準値を超えたら通知を送る」「避難所の収容率が 80 % を超えたらステータスを更新する」といった自動処理を、条件式で設定できます。担当者が常時モニタリングしなくても、条件が満たされた瞬間に通知が届きます。
-
部署ごとのデータ分離：都市計画課のデータと住民課のデータを混在させず、権限をわけて管理しながら、必要な範囲でデータを横断参照できます。
AI がデータに直接アクセスできるとき、何が変わるか
GeonicDB は MCP（Model Context Protocol）に標準対応しています。MCP とは、Claude などの生成 AI が外部のシステムやデータと安全に直接やり取りするための規格です。
MCP を通じて GeonicDB に接続した AI は、庁内のリアルタイムデータを直接参照します。SQL やプログラミングの知識がなくても、普段通りの日本語でこんな問いかけができます。
職員：「今日の市内の避難所の開設状況は？」
AI：「現在、市内で開設されている避難所は 3 か所です。〇〇小学校（収容率 80 %・混雑）、△△公民館（収容率 20 %・空きあり）、××中学校（収容率 10 %・空きあり）となっています」
職員：「先週の〇〇川の水位の推移を教えて」
AI：「先週の〇〇川の水位データを取得しました。15 日の 14 時に警戒水位（2.5 m）を超え、ピークは同日 18 時の 3.1 m でした。翌日の午前中には平常水位へ戻っています」
AI は質問の意図を理解し、裏側で自動的に GeonicDB へ問い合わせを行い、結果をわかりやすい文章や表にまとめて即答します。データを使う主体が「システムを操作できる特定の担当者」から「業務の判断をしたい職員全員」に広がります。
スモールスタートで、段階的に育てる
最初から全センサーを統合する必要はありません。まず防災センサーのデータ統合から着手し、河川水位と雨量データをつなぐことから始める。運用に慣れてきたら避難所管理システムを追加し、さらに人流データや環境モニタリングへと広げる——という段階的な進め方が現実的です。
GeonicDB に集まったデータは Geolonia の Web マップサービス（スマートマップ）と接続することで、リアルタイムの地図表示へと発展させられます。センサーから地図まで、データの流れを一つのプラットフォームで整えられます。
「各課の IoT データを 1 か所にまとめたい」「生成 AI を文章作成だけでなく自庁のデータ分析に活用したい」という自治体の DX 推進・危機管理担当者の方は、お気軽にご相談ください。