2026.11.19

【APIキー不要】Open-Meteo × AWS Lambda × LINEで毎朝傘の要否を自動判定する通知システムの構築手順

こんにちは!基盤モダナイゼーション部所属 入社一年目のA.Mです。

今回は、Open-Meteoを活用した毎朝の天気判定およびLINE通知自動化の方法について紹介します。

毎朝、出かける直前に天気予報アプリを開いて傘が必要かどうかを確認する作業は、朝の忙しい時間帯において意外と手間に感じられるものです。

本記事では、APIキー登録不要で手軽に使える気象API「Open-Meteo」と「LINE Messaging API」、そして「AWS Lambda」を組み合わせ、毎朝決まった時間に傘の要否を自動判定して通知するシステムの構築手順を解説します。S3へのログ蓄積とAmazon Athenaによる動作検証まで一貫して行います。

はじめに

出社や外出の直前に天気予報の確認を忘れてしまい、途中で雨に降られて困ったり、逆に念のため持っていった傘が荷物になったりする経験が何度もありました。「朝起きたら、スマホの通知をひと目見るだけで傘の要否が分かれば便利だな」と考えたことが、本システムを構築したきっかけです。

本記事で作るものの完成イメージ

毎朝指定した時間に自動で動作し、日中(6:00~18:00)の最高降水確率が50%以上の場合にのみ、LINEへ以下のようなメッセージを配信します。晴天や曇りで雨のリスクが低い日は通知をスキップします。

20261021152903

システム構成・使用技術

本システムは、AWS無料利用枠の範囲内で運用可能で、サーバー管理の手間がかからない「サーバーレス構成」で構築します。

全体のシステム構成

処理の流れは以下の通りです。毎朝指定した時間にタイマーが起動し、気象APIから天気データを取得・判定した上で、LINEへの通知とS3へのログ保存を行います。

【処理の流れ】

  1. Amazon EventBridge:毎朝指定の時間(JST 7:00)にLambdaを自動起動
  2. AWS Lambda:Open-MeteoへAPIリクエストを送信し気象データを取得
  3. 天気判定ロジック:日中帯(6:00~18:00)の最高降水確率が50%以上か判定
  4. LINE Messaging API:降水確率50%以上の場合のみメッセージを配信
  5. Amazon S3:実行結果・ステータスをJSON形式で保存(Athena分析用)

【構成図】

【APIキー不要】Open-Meteo × AWS Lambda × LINEで毎朝傘の要否を自動判定する通知システムの構築手順 (2)

使用技術・サービスの選定

  • 天気データ取得:Open-Meteo
    アカウント作成やAPIキーの発行が不要で、すぐに呼び出せる気象データAPIです。非商用の個人利用であれば1日10,000リクエストまで無料で利用可能です。
  • 実行環境:AWS Lambda(Python 3.11)
    サーバー管理が不要で、標準ライブラリのみで実装可能なため、外部パッケージの追加不要で手軽に動作します。
  • 定期実行トリガー:Amazon EventBridge
    Cron形式で毎朝決まった時間にLambdaを呼び出すスケジューラーとして使用します。
  • ログ保存:Amazon S3
    実行結果やAPIの応答ステータスを蓄積し、分析に活用します。
  • 通知ツール:LINE Messaging API
    日常的に使用するプラットフォームであり、プッシュ通知によって朝の忙しい時間でも確実に内容を確認できます。

事前準備

実装に入る前に、使用する各サービスの準備を行います。

Open-Meteoの仕様確認とURL作成

Open-Meteoでは、公式サイトのドキュメントページ上でパラメーターをGUIから選択するだけで、必要なリクエストURLを自動生成できます。

1から手作業でURLを組み立てる必要はなく、対象地域や取得したい気象項目(降水量、降水確率など)にチェックを入れるだけで簡単に完成します。

LINE Messaging APIの設定

LINEにメッセージを自動送信するためのチャネルを作成します。

  1. LINE Developers Consoleにログインし、新規プロバイダーと「Messaging API」チャネルを作成します。
  2. 作成したチャネルの「Messaging API設定」タブを開き、「チャネルアクセストークン(長期)」を発行して控えます。
  3.  同タブ内のQRコードから、作成したBotを友だち追加します。

AWS環境の準備

  1. Amazon S3バケットの作成
    実行ログ保存用のS3バケットを1つ作成します。
  2. IAMロールの設定
    Lambdaに割り当てる実行ロールに、S3への書き込み権限を付与します。
  3. Lambda関数の作成と環境変数の設定
    新規Lambda関数(Python 3.11)を作成し、「設定」→「環境変数」に以下を登録します。
    • LINE_CHANNEL_ACCESS_TOKEN:控えておいたLINEの長期アクセストークン
    • S3_BUCKET_NAME:作成したS3バケット名

20261027125545

実装

AWS Lambda上で動作させるPythonコードを作成します。

全体コードの構成

処理は以下の4ステップで実行します。

  1. 環境変数および実行日時(JST)の取得・バリデーション
  2. Open-Meteo APIからの気象データ取得
  3. 日中帯(6:00~18:00)の最高降水確率に基づく判定とLINE通知
  4. 実行ログの作成とAmazon S3への保存(Athena分析に対応した1行JSON形式)

サンプルコード

Lambda関数のコードエディタ(lambda_function.py)に、以下のコードを貼り付け、「Deploy」をクリックします。

import json
import os
import urllib.error
import urllib.request
from datetime import datetime, timezone, timedelta
import boto3

# 環境変数の取得
LINE_ACCESS_TOKEN = os.environ.get("LINE_CHANNEL_ACCESS_TOKEN")
S3_BUCKET_NAME = os.environ.get("S3_BUCKET_NAME")

# SDKクライアントの初期化
s3 = boto3.client('s3')

def send_line_message(message_text):
"""LINE Messaging APIを利用してメッセージを送信する関数

Args:
message_text(str): LINE Messaging APIリクエストの本文

Returns:
string: LINE Messaging APIからのレスポンスステータスコード
"""
url = "https://api.line.me/v2/bot/message/broadcast"
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {LINE_ACCESS_TOKEN}"
}
body = {
"messages": [
{
"type": "text",
"text": message_text
}
]
}

req = urllib.request.Request(
url,
data=json.dumps(body).encode("utf-8"),
headers=headers,
method="POST"
)

with urllib.request.urlopen(req) as res:
return res.status

def save_log_to_s3(log_data):
"""ログデータをS3に保存する関数

Args:
log_data(dict): 実行日付、降水確率、APIステータス等を含むログデータ

Returns:
None
"""
file_name = f"logs/{log_data['execution_date']}_{log_data['execution_time']}.json"

# Athena分析のための出力
s3.put_object(
Bucket=S3_BUCKET_NAME,
Key=file_name,
Body=json.dumps(log_data, ensure_ascii=False),
ContentType='application/json'
)
print(f"S3へログを保存しました: s3://{S3_BUCKET_NAME}/{file_name}")

def lambda_handler(event, context):
"""Lambda実行メイン処理

天気APIから降水確率を取得し、判定結果に応じてLINE通知送信およびS3へログ保存を行う

Args:
event(dict): Lambda呼び出しイベントデータ(EventBridgeからのトリガー情報等)
context(LambdaContext): Lambda実行環境のコンテキスト情報

Returns:
dict: API Gateway仕様に準拠したレスポンス構造体(statusCode, body)

Raises:
ValueError: 必須の環境変数が設定されていない場合
"""

# 環境変数の事前チェック
if not LINE_ACCESS_TOKEN:
raise ValueError("環境変数 'LINE_CHANNEL_ACCESS_TOKEN' が未設定です。")
if not S3_BUCKET_NAME:
raise ValueError("環境変数 'S3_BUCKET_NAME' が未設定です。")

# 実行日時(JST)の取得
jst = timezone(timedelta(hours=+9))
now = datetime.now(jst)
date_str = now.strftime("%Y-%m-%d")
time_str = now.strftime("%H%M%S")

# 天気データ取得
weather_url = "https://api.open-meteo.com/v1/forecast?latitude=35.6895&longitude=139.6917&hourly=temperature_2m,precipitation_probability&timezone=Asia%2FTokyo"
req_weather = urllib.request.Request(weather_url)

api_status = 500
max_pop = 0
try:
with urllib.request.urlopen(req_weather) as res:
api_status = res.status
weather_data = json.loads(res.read().decode("utf-8"))
hourly_pop = weather_data["hourly"]["precipitation_probability"]
daytime_pop = hourly_pop[6:19]
max_pop = max(daytime_pop) if daytime_pop else 0
except urllib.error.HTTPError as e:
api_status = e.code
print(f"天気API HTTPエラー: ステータス {e.code} - {e.reason}")
except Exception as e:
api_status = 500
print(f"天気データ取得エラー: {e}")

# 天気判定およびLINE通知
notification_sent = False
line_status = None

if max_pop >= 50:
message_text = f"☔【雨予報のお知らせ】\n本日の最高降水確率は {max_pop}% です。\n外出の際は、傘をお忘れなく!\n📍対象地域:東京"
try:
line_status = send_line_message(message_text)
notification_sent = True
print(f"LINE通知送信成功: ステータス {line_status}")
except Exception as e:
print(f"LINE送信エラー: {e}")
line_status = "ERROR"
else:
print(f"最高降水確率 {max_pop}% のため、LINE通知をスキップしました。")

# ログデータの作成とS3保存
log_data = {
"execution_date": date_str,
"execution_time": time_str,
"location": "Tokyo",
"max_precipitation_probability": max_pop,
"is_rain_predicted": max_pop >= 50,
"notification_sent": notification_sent,
"weather_api_status": api_status,
"line_api_status": line_status
}

try:
save_log_to_s3(log_data)
except Exception as e:
print(f"S3ログ保存エラー: {e}")
raise e

return {
"statusCode": 200,
"body": json.dumps(f"処理完了: 降水確率 {max_pop}%, 通知送信={notification_sent}")
}

ポイント・ロジックの解説

  • 日中の時間帯のみを抽出(hourly_pop[6:19]):深夜や早朝の雨で誤通知が飛ばないよう、生活動線に合わせた6:00~18:00の降水確率に絞って判定を行っています。
  • 通知しきい値の設定(50%以上):雨が予想される日のみメッセージを送信します。
  • 1行JSONでのログ出力:将来的なAmazon Athenaでの分析を見据え、 json.dumps() を用いて1レコード1行形式でS3に書き込みます。

自動化(定期実行)の設定

毎朝決まった時間(JST 7:00)に自動で処理が実行されるよう、Lambdaコンソール画面から直接Amazon EventBridgeを設定します。

Lambdaコンソールからのトリガー追加手順

  1. Lambda関数の画面上部にある「+トリガーを追加」をクリックします。
  2. トリガーのソースで「EventBridge」を選択します。
  3. ルール設定を以下のように入力します。
    • ルール:「新規ルールを作成」
    • ルール名:任意
    • ルールタイプ:「スケジュール式」
    • スケジュール式:cron(0 22 * * ? *)
  4. 「追加」ボタンをクリックして設定を保存します。

20261027113853

注意点:タイムゾーン(UTC)の扱い

Lambda画面から設定するCron式は、UTC(協定世界時)が基準となります。

日本時間(JST)はUTCより9時間進んでいるため、日本時間の朝7:00に実行したい場合は、前日の22:00 UTCを指定する必要があります。


日本時間(JST)朝7:00に実行したい場合

cron(0 22 * * ? *)
※フィールドは左から「分・時・日・月・曜日・年」 を表します

動作確認と実装上の注意点

システム全体のテストおよびログ分析による動作検証を行い、開発・実装の過程で留意すべきポイントやその対処法をまとめます。

動作確認の手順と結果

  1. Lambdaの手動テスト実行:コンソール上の「テスト」を実行し、ログ出力およびLINE通知の有無を確認します。
  2. S3バケットのログ確認:S3コンソールを開き、logs/配下に実行日付のJSONファイルが出力されているか確認します。

実装上の注意点と対処法

  • Athenaで正しく集計するためのログ形式(1行JSON)
    見やすさ重視で改行やインデントを入れたJSONをS3に保存すると、Athenaが「1行=1データ」としてうまく読み込めず集計エラーになってしまいます。そのため、Pythonの json.dumps() で改行を挟まず、1件のデータを1行にまとめた形式(JSON Lines形式)で保存するようにしました。
  • 外部通信を考慮したLambdaのタイムアウト調整
    AWS Lambdaのデフォルトの実行制限時間は「3秒」に設定されています。今回は「Open-Meteoへの天気情報リクエスト」「LINEへの通知送信」「S3へのログ保存」と複数回のネットワーク通信が発生するため、API側の応答待ちなどで3秒を超えて強制終了してしまうリスクがありました。処理が途中で落ちないよう、コンソールの一般設定からタイムアウト時間を余裕を持った値(10秒)へ延長しました。
  • 認証情報の安全な管理と事前チェック
    LINEのアクセストークンなどの機密情報をコード内に直接書かず、Lambdaの「環境変数」に切り出しました。さらに、設定漏れがあった際にプログラムが途中で予期せぬ挙動をしないよう、処理の開始直後に環境変数のバリデーションを入れています。

※本番運用におけるセキュリティの補足

今回は手軽に検証できるようLambdaの環境変数を使用しましたが、本格的な本番運用を想定する場合は、機密情報の漏洩リスクをさらに低減するため、AWS Secrets ManagerやAWS Systems Managerパラメータストア等を活用して安全に認証情報を取得・管理する構成が推奨されます。

Amazon Athenaを活用したログ分析と検証

S3に蓄積されたJSONログをもとに、Amazon Athenaを用いて「予報データと実際の通知頻度」の分析・検証を行いました。

 

【検証データの前提】

システム構築直後で実運用ログが限られていたため、Athenaの集計クエリやテーブル定義の動作確認を効率的に行う目的で、実運用ログ(4日分)に加え、晴天・雨天や境界値(降水確率40%~60%など)を想定した模擬ログ10日分をS3に投入し、計14日分のデータセットとして検証を実施しました。

 

【分析用の集計クエリ】

S3上のログデータをテーブル(default.weather_table)として定義し、以下のSQLで集計しました。

SELECT 
COUNT(*) AS total_days,
SUM(CASE WHEN notification_sent = true THEN 1 ELSE 0 END) AS rain_days_notified,
ROUND(AVG(max_precipitation_probability), 1) AS avg_precipitation_probability,
MAX(max_precipitation_probability) AS highest_probability
FROM default.weather_table;

20261026135641

 

【検証結果と考察】

集計結果は以下の通りです。

  • 総実行日数(total_days):14日
  • LINE通知を送信した日数(rain_days_notified):5日
  • 日中の平均降水確率(avg_precipitation_probability):25.2%
  • 期間中の最高降水確率(highest_probability):71%


14日分のデータのうち、LINE通知が送られたのは5日(全体の約35%)にとどまり、降水確率が低い日は不要な通知をしっかりスキップできていました。また、期間中の最高降水確率は71%を記録しており、雨が警戒される日には確実に通知が届いていました。

なお、APIのエラー率も集計したところ、Open-Meteo・LINE APIともにエラー率は0.0%を維持しており、安定稼働を確認しています。

まとめ

本記事では、Open-MeteoとAWS Lambda、LINE Messaging APIを組み合わせた「毎朝の自動天気判定システム」の構築手順を紹介しました。

APIキー不要の気象APIを活用することで、事前準備の手間なくスムーズにサーバーレスな通知の仕組みを構築することができました。実際に動かしてみると、スマホの通知を見るだけで傘の要否が直感的に判断できる手軽さを実感できます。

サーバーレスで手軽に検証できる構成ですので、気になる方はぜひ試してみてください!

参考

この記事の著者

ニックネーム:A.M

ニックネーム:A.M

経歴:株式会社シー・エス・エス入社一年目。
一言:旅行が趣味で、2か月に1回ほどのペースで出かけています。国内旅行がメインですが、K-POPが好きなのでたまに韓国へ旅行に行くこともあります!