Sztuczna inteligencja na tropie brakujących dróg w OpenStreetMap

Opracowane przez Microsoft algorytmy uczenia maszynowego pozwoliły wykryć na zdjęciach satelitarnych świata 47,8 milionów kilometrów dróg, z czego ponad 1 mln km dotyczy obiektów, których nie znajdziemy w otwartej bazie OpenStreetMap.

Mapa wszystkich dróg wykrytych przez algorytm Microsoftu

fot. Microsoft

Do kartowania dróg eksperci z Microsoftu wykorzystali wysokorozdzielcze zobrazowania satelitarne pozyskane w latach 2020–2022 przez firmy Airbus oraz Maxar, a także sieci neuronowe bazujące na rozwiązaniach UNet oraz ResNet. Do trenowania modelu sięgnięto po narzędzie Keras oraz kafle Bing Maps o wielkości 512 x 512 px – łącznie użyto 20 tys. scen satelitarnych prezentujących różne typu pokrycia terenu, w tym: plaże, lodowce, góry, lasy czy pustynie. Po wytrenowaniu algorytmu przystąpiono do ekstrakcji danych o sieci drogowej, co przeprowadzono w czterech etapach:

• semantyczna segmentacja,
• generowanie geometrii (w tym łączenie dróg z sąsiednich scen satelitarnych),
• porównanie z bazą OpenStreetMap pod kątem dróg, których w tym rejestrze brakuje,
• klasyfikacja dróg (w tym przewidywanie jej typu oraz wyeliminowanie wątpliwych obiektów).

Wynikiem tej czteroetapowej analizy jest baza dróg o łącznej długości 1,16 mln kilometrów. Niestety, brak w niej danych zarówno dla Polski, jak i Europy. Najwięcej jest w niej za to obiektów dla USA, Ameryki Południowej oraz Bliskiego Wschodu.

Co istotne, cała baza (zarówno przed, jak i po porównaniu z OSM) została udostępniona przez Microsoft na otwartej licencji Open Data Commons Open Database License (ODbL). Pliki te można pobrać z portalu GitHub w popularnym formacie GeoJSON. Jak zapewnia Microsoft, jakość wynikowych danych jest nie gorsza niż 95%.

Firma zapewnia jednocześnie, że będzie systematycznie udoskonalać ten zasób na bazie nowych zobrazowań satelitarnych świata.

JK