Mapy pochodzące z crowdsourcingu powinny pomóc bezzałogowym samochodom bezpieczniej poruszać się po naszych miastach

Mapilary

Nasze obecne mapy ulic nie są zbyt dobre, jeśli chodzi o poruszanie się samochodami bez kierowcy. Chociaż zmapowaliśmy większość dróg , są aktualizowane tylko co kilka lat. A te mapy nie rejestrują żadnej infrastruktury drogowej, takiej jak znaki drogowe, podjazdy i oznaczenia pasów. Bez tej dodatkowej warstwy informacji znacznie trudniej będzie uzyskać autonomiczne samochody do bezpiecznego poruszania się po naszych miastach. Dostawy zrobotyzowane również będą ostatecznie wymagać precyzyjnych detali nawierzchni dróg, chodników i przeszkód.

Szwedzki startup o nazwie Mapilary myśli, że ma odpowiedź. To otwarta platforma, która pozyskuje zdjęcia ulic robione przez ludzi na ich smartfonach: rodzaj Wikipedii mapowania. Mówi, że jest to obecnie jedna z największych publicznie dostępnych baz danych zdjęć ulic na świecie.

Samochody bez kierowcy potrzebują najnowszego widoku drogi, mówi dyrektor generalny Jan Erik Solem. Wymagają one coraz większej częstotliwości aktualizacji map, od kwartalnych przez miesięczne, tygodniowych i dziennych. Jedynym skalowalnym sposobem na to jest wykorzystanie technologii.

Istnieje wiele podejść do gromadzenia danych mapowania, a konkurencja wśród startupów w branży. Mapillary twierdzi, że jest inny, ponieważ jest oparty na crowdsourcingu – w przeciwieństwie do, powiedzmy, zastrzeżonego Street View Google, który jest aktualizowany co kilka lat. Ponieważ każdy może wnieść swój wkład w jego platformę, jest ona aktualizowana każdego dnia.

Mapilary

To podejście jest podobne do OpenStreetMap , który został uruchomiony w 2004 roku i zapewnia bezpłatną, edytowalną mapę świata, ale nie rejestruje żadnych dodatkowych szczegółów na poboczu drogi.

Mapillary wykorzystuje oprogramowanie komputerowe do analizy obrazów pochodzących z crowdsourcingu i identyfikacji obiektów. Jego baza danych zawierająca 422 miliony zdjęć obejmuje 6,2 miliona kilometrów (3,9 miliona mil) kuli ziemskiej. I cały czas się rozwija: jego oprogramowanie właśnie umieściło na mapie 186 milionów obiektów, takich jak słupy, ławki i włazy, zablokowanych w określonej lokalizacji za pomocą współrzędnych.

Po przesłaniu obrazów oprogramowanie analizuje je pod kątem obiektów i identyfikuje. Mapy są następnie udostępniane każdemu zobaczyć online . Usługa jest bezpłatna dla organizacji charytatywnych oraz do użytku edukacyjnego lub osobistego, ale klienci komercyjni muszą uiścić opłatę licencyjną.

Mapillary jest już w użyciu. Miasto Amsterdam, urzędnicy ds. transportu w Vermont i Arizonie, a nawet Litwa używają map firmy, aby lepiej zrozumieć swoje ulice.

Jeśli spojrzysz na jakikolwiek przedmiot na ulicy, ktoś jest za to odpowiedzialny. To wszystko trzeba skatalogować i sprawdzić, mówi Steven Hewett, który pracuje dla miasta Clovis w Nowym Meksyku.

Mapilary

Clovis używa Mapillary, aby upewnić się, że wypełnia swoje zobowiązania wobec mieszkańców, dbając o czystość podjazdów, aktualność znaków i czyszczenie dróg z wybojów. Miasto robiło to, płacąc kontrahentowi za skrupulatne rejestrowanie każdej skrzynki pocztowej, hydrantu przeciwpożarowego i znaku stopu po kilka dolarów za sztukę.

Teraz zautomatyzował praktycznie cały proces za pomocą Mapillary. Bez tego oprogramowania chodzilibyśmy zbierając wszystkie dane ręcznie i nawet nie mogę zgadnąć, ile czasu zajęłoby to miasto o powierzchni 23 mil kwadratowych, mówi Hewett.

Gabriel Brostow, profesor informatyki na University College London, zgadza się, że tego rodzaju mapowanie musi być zautomatyzowane, aby było skalowalne. Miliony kilometrów kwadratowych na świecie nie mogą być aktualizowane przez ludzi tak szybko, jak mogłyby być przez algorytmy, mówi.

Pewnego dnia samochody bez kierowcy mogą być zarówno konsumentami, jak i producentami tych danych, rejestrując obrazy ulic podczas podróży (zarówno twarze, jak i tablice rejestracyjne są automatycznie zamazane przez oprogramowanie Mapillary). Rzeczywiście, Hewett przewiduje przyszłość, w której pojazdy połączone w sieć będą mogły automatycznie identyfikować problemy, takie jak zwalone drzewa na drodze lub wypadki drogowe, i automatycznie powiadamiać odpowiednie władze publiczne.

Dane mogą również pomóc w wyposażaniu miast w lepszą wiedzę na temat ich ulic, aby mogły poprawić transport publiczny i dostępność dla osób niepełnosprawnych , dodaje Brostow.

*Ten artykuł został poprawiony, aby było jasne, że obrazy pochodzą z crowdsourcingu, ale kod źródłowy nie jest open source.

ukryć