Anycaで借りられる高級車の価格が下落傾向なのか調査した
Anycaのよく借りられる相場(新車価格)GT-Rは中古
— カーシェア&メルカリ@Anyca (@CarShare123) 2019年6月10日
Sクラス(1200万) 9999円
アルファード(570万) 8500円
テスラS(1200万) 9500円
GT-R(550万) 12000円
ES (630万) 11000円
LS(1070万) 13000円
パナメラGTS(1800万) 9500円
車体価格とシェア料金が割に合わないのが多い
上記のツイートを見て、Anycaでレンタル可能な高級車の価格が下落傾向なのか気になったので、手元のデータ(2017年4月以降の価格データ)を使って調査してみた。
ベンツSクラス(現行モデル)
2017年4月から1年毎に当該車種のデータを抽出しました。ユーザ名はA~Eの名前に置換しています。
日付 | 都道府県 | OEM | 車種 | 登録年 | 価格 | ユーザ名 |
2017年4月 | 埼玉県 | MERCEDES BENZ | S-CLASS | 2017 | 16000 |
A |
2018年4月 | 埼玉県 | MERCEDES BENZ | S-CLASS | 2017 | 18000 | A |
2018年4月 | 神奈川県 | MERCEDES BENZ | S-CLASS | 2017 | 40000 | B |
2019年4月 | 千葉県 | MERCEDES BENZ | S-CLASS | 2015 | 13800 | C |
2019年4月 | 東京都 | MERCEDES BENZ | S-CLASS | 2016 | 22800 | E |
2019年4月 | 東京都 | MERCEDES BENZ | S-CLASS | 2015 | 25000 | E |
2019年4月 | 神奈川県 | MERCEDES BENZ | S-CLASS | 2017 | 35000 | B |
Nが非常に少ないですが、各年の価格の平均値を算出します。
日付 | 価格 | N |
2017年4月 | 16000 | 1 |
2018年4月 | 29000 | 2 |
2019年4月 | 24150 | 4 |
価格が下落しているわけではなさそうですが、Nが少なすぎて何とも言えないです。
テスラ・モデルS
ユーザ名はA~Zに置換しています。
日付 | 都道府県 | OEM | 車種 | 登録年 | 価格 | ユーザ名 |
2017年4月 | 千葉県 | TESLA | MODEL S | 2016 | 20000 | A |
2017年4月 | 東京都 | TESLA | MODEL S | 2016 | 45000 | B |
2017年4月 | 東京都 | TESLA | MODEL S | 2015 | 35000 | C |
2017年4月 | 愛知県 | TESLA | MODEL S | 2016 | 28000 | D |
2017年4月 | 大阪府 | TESLA | MODEL S | 2015 | 24000 | E |
2018年4月 | 千葉県 | TESLA | MODEL S | 2016 | 17000 | A |
2018年4月 | 東京都 | TESLA | MODEL S | 2017 | 15000 | F |
2018年4月 | 東京都 | TESLA | MODEL S | 2015 | 38000 | C |
2018年4月 | 東京都 | TESLA | MODEL S | 2014 | 15000 | G |
2018年4月 | 静岡県 | TESLA | MODEL S | 2017 | 25000 | H |
2018年4月 | 愛知県 | TESLA | MODEL S | 2017 | 38000 | I |
2018年4月 | 愛知県 | TESLA | MODEL S | 2016 | 29000 | D |
2018年4月 | 大阪府 | TESLA | MODEL S | 2015 | 16000 | E |
2018年4月 | 大阪府 | TESLA | MODEL S | 2016 | 15000 | J |
2018年4月 | 福岡県 | TESLA | MODEL S | 2017 | 22000 | K |
2019年4月 | 北海道 | TESLA | MODEL S | 2014 | 18000 | L |
2019年4月 | 栃木県 | TESLA | MODEL S | 2018 | 12000 | M |
2019年4月 | 東京都 | TESLA | MODEL S | 2017 | 12000 | F |
2019年4月 | 東京都 | TESLA | MODEL S | 2015 | 30000 | N |
2019年4月 | 東京都 | TESLA | MODEL S | 2014 | 12000 | O |
2019年4月 | 東京都 | TESLA | MODEL S | 2014 | 11000 | P |
2019年4月 | 東京都 | TESLA | MODEL S | 2015 | 38000 | C |
2019年4月 | 東京都 | TESLA | MODEL S | 2017 | 12000 | Q |
2019年4月 | 東京都 | TESLA | MODEL S | 2015 | 9800 | R |
2019年4月 | 東京都 | TESLA | MODEL S | 2014 | 10000 | G |
2019年4月 | 東京都 | TESLA | MODEL S | 2017 | 15000 | S |
2019年4月 | 東京都 | TESLA | MODEL S | 2017 | 34000 | T |
2019年4月 | 静岡県 | TESLA | MODEL S | 2017 | 15000 | U |
2019年4月 | 愛知県 | TESLA | MODEL S | 2015 | 15000 | V |
2019年4月 | 愛知県 | TESLA | MODEL S | 2014 | 13000 | W |
2019年4月 | 愛知県 | TESLA | MODEL S | 2017 | 38000 | I |
2019年4月 | 愛知県 | TESLA | MODEL S | 2016 | 25000 | D |
2019年4月 | 愛知県 | TESLA | MODEL S | 2018 | 15000 | X |
2019年4月 | 大阪府 | TESLA | MODEL S | 2016 | 15000 | J |
2019年4月 | 大阪府 | TESLA | MODEL S | 2018 | 24000 | Y |
2019年4月 | 島根県 | TESLA | MODEL S | 2015 | 13000 | Z |
同様に年ごとに平均値を出してみます。
日付 | 価格 | N |
2017年4月 | 30400 | 5 |
2018年4月 | 23000 | 10 |
2019年4月 | 18419 | 21 |
テスラ・モデルSに関しては、価格は下落傾向と言えそうです。Anycaへの登録台数も2017年4月の5台から、2019年4月では21台に増加しており、価格競争が激化したと思われます。
GT-R(現行モデル)
日付 | 都道府県 | OEM | 車種 | 登録年 | 価格 | ユーザ名 |
2017年4月 | 愛知県 | NISSAN | GT-R | 2017 | 50000 | A |
2018年4月 | 愛知県 | NISSAN | GT-R | 2015 | 25000 | B |
2019年4月 | 北海道 | NISSAN | GT-R | 2016 | 30000 | C |
2019年4月 | 茨城県 | NISSAN | GT-R | 2017 | 25000 | D |
これまた台数が少なすぎて・・・一応平均値を出してみましょう。
日付 | 価格 | N |
2017年4月 | 50000 | 1 |
2018年4月 | 25000 | 1 |
2019年4月 | 27500 | 2 |
下落傾向と言えなくもないですが、Nが少ないので何とも・・・
その他の車種
後日調査します。多分。
Yolo-LSTM+PANetが開発中
久しぶりにYoloのGitHubを覗いてみたところ、PANetをバックボーンとしたYolo-LSTMが開発されていた。PANetはCOCO 2017のInstance Segmentation taskで1位、Object Detection taskで2位を取ったモデルのようだ。
PANetにConvolutional-LSTMを組み合わせることで、動画(連続したフレーム)の物体検出精度を高め、blinkingの問題を解消したのがYolo-LSTMらしい。
上記GitHubには各モデルの推論速度(RTX2070使用時)、mAPが記載されている。独自のデータセットを使って学習した結果なので、mAPの値を見てもピンとこないが、yolo_v3_tiny_pan_lstm.cfgがなかなか良いのではないかと感じた。yolo_v3_tiny_pan_lstm.cfg.txtをダウンロードすると分かるが、入力サイズが544x544になっており、この入力サイズ(リアルタイムの物体検出で使うサイズとしては割と大きめ)で推論時間14.7ms(約68FPS)でそこそこの精度で物体検出ができるのは魅力的。
しかし、このモデルを使って学習するには、動画(連続したフレーム)からデータセットを作る必要があるらしく、アノテーションのコストが大きい。でもそのうち試したい。。
GPUではなく、RasPiなどの組み込み向けのCPUで動かした推論速度がどの程度なのか気になるが、ネットで調べても全然情報が出てこないので自分で試すしかないか・・・
信号機が5G経由でインターネットに繋がるわけではない
上記記事を読んで、信号機が5Gでインターネットに繋がると勘違いしている人がブコメに何人かいる。将来的には信号機がインターネットに繋がる可能性は否定しないが、単に信号機柱(信号機の支柱)に5G基地局を物理的に載せて、5G基地局の設置コストを下げ、5Gの普及を促進させるのが狙いとみるのが妥当ではないか。
また、信号機を管轄するのは東京都ならば警視庁、その他の都府道県ならば各都道府県警で、基本的には信号機は警察の管轄である。一方で、通信基地局などの設置は総務省の管轄である。上記記事では、警察庁と総務省がお互いに話をして、5G普及に向けた良い施策を考えました、と世間にアピールしたいのではないかとも受け取れる。
以下のようなブコメは上記記事に対するコメントとしては的外れである。
政府が日本全国の信号機20万基を5G基地局に活用検討へ、エリア拡大に弾み | 日経 xTECH(クロステック)
- [通信]
- [5G]
- [日本]
- [インフラ]
- [セキュリティ]
ただ、そうなると増々基地局≒信号機内部のセキュリティが大事になってくるよね…。ファーウェイ≒中国製が悪いとは言わんが、トラフィックを観察されるだけでも結構な重要情報を握られる事になりそう……。
2019/06/05 21:19
基地局≒信号機というのは間違い。上記記事から推測するに、基地局と信号機は通信しないだろうから、今の信号機のシステムに5G基地局を設置するだけならばデータ流出やハッキングの心配はない。ちなみに日本の場合は、信号機と交通管制センター(信号機を統括して制御するセンター)は専用回線で繋がっていて、インターネットには繋がっていないので信号機がハッキングされる可能性は低い(専用回線に物理的にアクセスすればハッキングすることは可能かもしれない)。
少し話が逸れるが、以下の記事にあるケースでは、信号機が直接インターネットに接続されているので外部からハッキング(信号情報の改ざん)される可能性がある。信号機の色(現示)を変えることは多分できない。
政府が日本全国の信号機20万基を5G基地局に活用検討へ、エリア拡大に弾み | 日経 xTECH(クロステック)
自動運転には5G技術が不可欠と聞いたがこういうことか?新たに電柱や鉄塔立てる必要もなく管理もしやすい。まぁ僻地はそれなりの対応いるだろうけど。
2019/06/05 12:38
あと、↑のブコメのように、自動運転には5Gが不可欠ということはない。LTEや5Gなどの通信技術は自動運転システムの補助的機能であって、これらの通信ありきで自動運転システムを設計することはない。
どういった形であれ、5Gが普及するのは個人的には賛成なので、信号機に限らず活用できるものはどんどん活用して、最小限のインフラ投資で済むようにしてほしい。
YOLOv3に関する記事のまとめ(未検証)
仕事でYOLOv3を扱うことになり、色々と情報収集した。
YOLO: Real-Time Object Detection
公式ページ。一度目を通しておいたほうが良さそう。
[arXiv] YOLOv3: An Incremental Improvement
YOLOv3の論文。こちらも一度目を通しておいたほうが良さそう。
YOLOv3を試してみる(2) - みらいテックラボ
YOLOv3を試してみる(3) - みらいテックラボ
ctypeを使ったライブラリインポートとか、コードの解説が少し書いてある。
最新の物体検出YOLO v3 (Keras2.2.0+TensorFlow 1.8.0)を独自データで学習できるようにしてみた
darknetベースのものをTensorFlow/Kerasで使えるようにする方法が書かれている。非常にわかりやすい。
Keras_YOLO_v3 を使ってみる
動画ファイルの扱いなど参考になりそう。
[13 FPS] NCS2 x4 + Full size YoloV3 の性能を3倍に改善しました - Qiita
Pythonで頑張ってMultiProcess + MultiThreadで高速化する手法。かなりトリッキーな手法な気がするけど、Githubでやり方が公開されているので試すのは簡単か。
まとめ
日本語記事がまだまだ少ない。NVIDIAのTX2やXavierでの高速化手法に興味があるのだが、あまり参考になる記事がなかった。。
今の会社に入社して良かったこと、悪かったこと
昨年12月末で前の会社を退職し、今年1月から新しい会社で働き始めた。入社後約3週間が経過し、少しずつ新しい職場の雰囲気が分かり始めてきたので、現時点の印象を書き残しておく(職場を特定できない範囲で)。なお、私は製造業の研究開発職であり、間接部門や量産部門の働き方と少し違うと思います。
良かったこと
- 前職と比べて研究開発業務に集中できる。余計な付帯業務(過剰な報告書作成など)やマネジメントが前職と比べて少ない。
- 派遣社員(技術系)の割合が前職と比べて非常に少ない。派遣社員のマネジメントというクソみたいな仕事をしなくて済む。
- 全社的に毎週水曜日と金曜日が定時退社日で早く家に帰れる。定時退社日は緊急の顧客対応など余程の事情がない限り残業はできない。残業する場合は上司の承認が必須。管理職未満で残業している人は皆無。→ちなみに今月の残業時間は2時間で、このままのペースだと月4時間程度しか残業しないことになる。
- 自分の所属するグループに限れば、労働時間とアウトプットの質と量は基本的に比例しないという考えが浸透している。したがって遅くまで働く人はあまりいない。
- 退職金が勤続5年目、20年目で急激に増える。前職は勤続20年を超えないとあまり退職金がもらえなかったので、勤続5年でそこそこ貰えるのはありがたい。
- 作業着の着用が必須でないので会社で着替える手間がない。クロックスやサンダルも自由に履ける。
- 開発サイクルが短く、テーマ継続のGo/No Go判断が早い。「あと半年やれば成果が出るかも」というようなテーマも半年やってダメなら継続しない可能性が高い。まだ入社して3週間なので推測ではありますが。
悪かったこと
- 給料が前職と比べて約15%ほど少ない。入社前に分かっていたことではありますが。
- 職場が最寄り駅から遠い。夏場の駅からの徒歩は多分地獄。
- コアタイムが長い。フレックス制度は一応あるが、コアタイムが長すぎて制度としてほとんど使い物にならない。
- ほとんどの稟議・申請が紙ベースで、電子申請システムがほとんどない。承認に時間がかかり、今後業務が止まることが多々あると予想される。
- 前職と比べると研究予算が少ない。前職と比べて営業利益の桁が違うのでこれは仕方ない部分もあるが、数千円の物品を買うことを渋られるのは非常に辛い。数千円の物品を買うためにあれこれ説明するのは時間の無駄だと思う。前職は10万円以下の物品は直属の上司の承認だけで自由に購入できた。
- 情報インフラが弱い。朝夕はネットワークが輻輳する。何度かF5しないとウェブサイト閲覧できないことも多々(多分社内プロキシサーバが良くない)。
- これは一概に悪いこととは言えないかもしれないが、基礎研究のような長期テーマをコツコツとやる考えはなさそう。3~5年で事業につながりそうなテーマを短期で開発するようなイメージ。
会社を特定できない範囲で書けるのはこのくらい。また思いついたことがあれば追記します。
Sony α7 IIIを買った
なぜ買ったか
先月に子どもが生まれ、子供の成長記録を綺麗に写真に収めたい思いが強くなったから。レンズ沼にハマったら金がいくらあっても足りないという思い込みからこれまでなかなか手を出せずにいたのだが、ようやく購入に踏み切ることができた。今まではSony RX100Ⅲを使っていて、それなりに満足する写真が取れていたのですが、もっとボケのある写真を取りたいとの思いが強くなり、今まで使い慣れていた同じSony機種という理由から、Sony α7 III+カールツァイスのF4 24-70mmレンズを購入。総額約28万円の大出費だったが、結果としてはEVFを除いて性能面では満足している。(EVFはネットのレビュー通りひどかった。気にならないと思っていたがやっぱり気になった)
レンズ選定
悩んだ挙句、カールツァイスのF4 24-70mmレンズを購入した。
ボディはSony α7 IIIで決まっていたのだが、レンズ選定はかなり悩んだ。ボケのある写真を取りたいのだから、35mmや50mmの単焦点一択だと思って家電量販店に行ったのだが、Sony販売員の方から、「単焦点はボケのある写真は取れるが、単焦点だけだと用途が限られるのでいずれ標準ズームレンズを買うことになると思います。一眼を持ったことがないならば、標準ズームレンズを買ってみて、自分の好きな焦点距離を見極めてから単焦点レンズを買ったほうが間違いが無くて良いと思います」といった説明をされ、なるほどと思い、ここで小一時間悩んだ。Sony純正の単焦点レンズのバリエーションとしては、24mm F1.4(18万円)、35mm F1.8(4万円)、50mm F1.8(3万円)、55mm F1.8(8万円)あたりが考えられるのだが、まずは無難に35mmや50mmのF1.8あたりを買えばいいかと思いきや、Amazonなどネットのレビューを思ったより評判が悪い。55mm F1.8はパキパキの写真が取れるなど、高評価レビューが多いが単焦点レンズで8万円は高い(購入から2週間経った今では安いと感じてしまうが…)。これ以上悩むのも疲れるので、とりあえずF4通しの標準ズームレンズにした。ネットの評判はあまり良くなかったけど、2万円キャッシュバックキャンペーンやってたからまあいいか。
写真撮った
すごい。感動。適当でも綺麗な写真が撮れる。やっぱりフルサイズセンサーはすごい。今まで使っていたSonyのコンデジの1インチセンサーとは比べ物にならない。
単焦点レンズ選定
次は単焦点レンズを買う予定なのだが、何がいいのか。 まずはSony純正レンズに絞って比較検討してみた。
焦点距離 | 開放F値 | 最短撮影距離 | 型番 | 価格 |
24mm | 1.4 | 0.24m | SEL24F14GM | 18万円 |
50mm | 1.4 | 0.45m | SEL50F14Z | 15万円 |
50mm | 1.8 | 0.45m | SEL50F18F | 2.7万円 |
55mm | 1.8 | 0.5m | SEL55F18Z | 7.5万円 |
85mm | 1.4 | 0.8m | SEL85F14GM | 17万円 |
85mm | 1.8 | 0.8m | SEL85F18 | 5.5万円 |
- SEL50F14Zが第一候補だけど、15万円は高い。同じ50mmだとSEL50F18Fもあるが、あまりにも画質面で評判が悪い。
- 55mm/F1.8のSEL55F18Zはどうか?F1.8だけど、多分F1.4じゃないと困ることなんてそうそうないだろうから、これでいい気がする。満足できなくなったらF1.4のやつを買えばいいか。
- 85mm/F1.8は55mm/F1.8より2万円安いが、85mmって使いやすいのだろうか。50mmや55mmを持たずにいきなり85mm買って後悔しないだろうか。
- いやいや、Sony純正にこだわらず、Sigmaも見てみたらどうか?もっとコスパいいやつがあるかもしれない。
結論
Sony α7 IIIいいよ。でもEVFは良くないので、気になる人は一眼レフ買ったほうがいい。
育児2週間経過(育児面倒くせぇ)
子どもが産まれ、今は子育て真っ最中である。自分の子は可愛い。寝顔なんてまさに天使としか言いようがない。こんな可愛い子が自分の子で本当に良かった。
でも、寝ていない時(静かじゃない時)の子どもははっきり言って面倒臭い。オムツは一日に少なくとも10回は交換しなければならない。風呂(沐浴)にいれれば泣き喚く。寝ついたかと思えば暫くすると泣き喚く。腹が減れば泣き喚く。その度に親は最優先でアクションしないといけない。子どもは泣くのが仕事なんてよく言うが、ぶっちゃけ泣き過ぎだ。
私は子どもが産まれる前は、子どもなんて大して欲しくないと思っていた。理由はありきたりなのだが、子育てのせいで自分一人の時間と夫婦の時間が減るからだ。産まれて一週間は時間が減ることの苦痛よりも子どもの可愛さの方が勝っていたのだが、ニ週間が経過した今、子どもの表情や仕草を見ても新鮮さを感じられなくなってきている(可愛さはまだ少し感じられる)。繰り返しになるが、自分の時間を減らしてまで子育てをする理由が分からない。こんなこと言うと親に非常に申し訳ないのだがこれが(現時点の)本音だ。
今は深夜1時。自分の子は隣で起きていて、おしゃぶりをくわえながらチュパチュパと音をたて、時折ふえぇ…というような今にも泣きそうな声を上げている。これらの音が今は全て私をイライラさせる。早く寝てくれよ。その音が気になって寝られないんだよ(奥さんはすでに疲れて寝ていて、子どもの音には気づかない)。
夫婦の会話も出産前と比べて減った。出産前は同じベッドで奥さんと一緒に寝て他愛もない会話をしていたのだが、今はベッドで寝ているのは自分一人。奥さんと子どもは布団を敷いて床で寝ていて、夫婦の会話はほとんどない。つまらない。
こんなことなら子どもなんて作らなければ良かったな。なんでここまで自分一人や夫婦の時間を犠牲にしなければならないのか。ベビーシッター頼んで夫婦の時間を増やすかなぁ、でも奥さん反対しそうだなぁ(奥さんはそんなに子育てを嫌がってない)。ここを乗り切れば子どもの新しい発見があるのかな。歩けるようになったら色んな所に出かけたい。喋れるようになったら色んな事を話したい。今はどちらもできないけど、我慢強く待つぞ。