agentleFS
yuisekiyuiseki/GeoAI-master-skills/.agents/skills/poi-insights/SKILL.md

poi-insights

Skill3 starsChanged yesterdayApache-2.0View on GitHub

施設 (POI) をカテゴリ、ブランド、営業状態、信頼度で取り出し、H3 や S2 の格子で数え、Gi* と多重比較の補正で集積とクラスターを見つけ、地域ごとに密度、人口あたりの数、ブランドの寡占 (HHI)、近くの競合、人口の近さを比べる。オープンな POI (Overture Maps の places、OpenStreetMap) で、商用の Places Insights と同じ問いに答え、データに無い属性 (評価、営業時間など) を答えから外す。

The file

Files
SKILL.md

poi-insights

「どこに何の店が集まっているか」「どの地域が足りないか」に、オープンな POI で答える。店の数を格子で数えて多い所を並べるだけでは、どこにでもある店の多さと、本当に集まっている所が区別できない。空のセルを含む全体と比べて集積を判定し、格子の大きさで答えがどう変わるかを並べて書く。

別の問いとの境界:

  • 点がどの距離で集まっているかを、比べる基準の分布 (人口など) と比べるのは、点の配置の検定の問い。ここでは格子の上の集積の場所と、地域の比較を扱う。
  • 店まで道のりで何分かかるかは、到達性の問い。ここでの近さは直線の距離。
  • 店の数を予測するのは、ここでは扱わない。
reference読むとき中身
grids-and-hotspots格子の大きさと、集積の判定のしかたを決める前H3 と S2 の解像度と面積、Gi* の式と重み、多重比較の補正、クラスターのつなぎ方、解像度で答えが変わること
attributes-and-gapsどの属性で絞るかを決める前、商用の POI と比べた答えを書く前カテゴリ、ブランド、営業状態、信頼度、出どころの扱い。商用の POI にあってオープンな POI に無い属性と、その影響
compare-regions地域の比較 (poi_compare.py) を流す前密度、人口あたり、HHI、競合の距離、人口の近さの定義と注意

手順

  1. 問いを 1 行で書く。何の施設を、どの範囲で、何のために数えるか。使い道 (出店の候補、競合の確認、足りない地域の発見) を書く。
  2. POI のデータの版、ライセンス、範囲を決め、版を固定する。範囲の全ての行を 1 回だけ写し、以降はその写しを読む。
  3. 使う属性を決める (attributes-and-gaps)。カテゴリは階層のどこかに含むかで取る。営業状態の欠けは「不明」として残し、営業中と数えない。信頼度で絞るなら、絞らない場合と並べる。
  4. scripts/poi_extract.py で取り出す。範囲の全ての行が、他のカテゴリ、除いた営業状態、低い信頼度、採用のどれかに数えられ、合わなければ止まる。取り出した行を見て、同じ店の重複 (出どころ違い)、店でない行 (ATM など)、ブランドの列の揺れを数える (attributes-and-gaps)。除く規則は結果を見る前に決め、除く前と後の両方を並べる。必ず残るべき店 (種) が残ったかと、除いた行の無作為な見直しも確かめる (データの品質を監査するスキルの、絞り込みと判定の見直し)。
  5. scripts/grid_hotspots.py で、格子 (H3 の解像度、または S2 のレベル) ごとに数え、Gi* で集積を判定し、隣り合う集積セルをクラスターにする (grids-and-hotspots)。解像度を少なくとも 3 段変え、クラスターの数と最大の集積がどう変わるかを書く。
  6. 地域で比べるなら、地域の面 (行政区域など) と、人口の格子 (H3 のセルと人口) を用意し、scripts/poi_compare.py で比べる (compare-regions)。
  7. 別のデータ (OpenStreetMap など) と、格子ごとの数とブランドの数で照合する。一致しない所は、どちらの取りこぼしかを確かめるまで、結論に使わない。
  8. 地図 (PNG) と表を書き出す。
uvx --from 'duckdb>=1.5.5' python scripts/poi_extract.py PLACES.parquet tmp/coffee.parquet \
  --bbox -0.52 51.28 0.34 51.70 --category coffee_shop --exclude-status permanently_closed
uvx --with h3 --with s2sphere --with numpy --with scipy --with duckdb python scripts/grid_hotspots.py tmp/coffee.parquet tmp/h3r9 \
  --grid h3 --res 9 --bbox -0.52 51.28 0.34 51.70 --group brand
uvx --from 'duckdb>=1.5.5' --with numpy --with scipy --with h3 python scripts/poi_compare.py tmp/coffee.parquet regions.parquet \
  tmp/regions.csv --population population_h3.parquet --within-m 500

書き出すもの

  • 問い、使い道、データの版とライセンス、範囲の件数
  • 抽出の数 (他のカテゴリ、除いた営業状態、低い信頼度、採用)、営業状態不明の数
  • 格子の種類と解像度、集積の判定 (重み、補正、有意水準)、クラスターの数と上位の場所 (地図)
  • 解像度と信頼度の絞り方を変えたときの違い
  • 地域の比較の表 (定義を添えて)
  • 別のデータとの照合の結果
  • データに無い属性と、それで答えられない問い
  • 確かめていないこと

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.