目前世界上數以百萬計的道路尚未完成映射，這對于地圖開發商來說是一個不小的挑戰。特別是在發展中國家，缺少地圖數據可能會損害災難響應、社區規劃和經濟發展。所以激發了像OpenStreetMap（所有人都可以編輯的世界電子地圖）這樣的開源項目，每天來自全世界數千名志愿者為OpenStreetMap編制道路、建筑物和橋梁的目錄。

這是一個非常耗時的過程，但是得到了Facebook的支持，Facebook已經與社區和合作伙伴共同開發了一個工具，通過Map AI with Ali可以自動完成那些最耗時的編輯步驟。

RapiD界面

現在，經過近兩年時間的開發，Facebook正在為OpenStreetMap社區提供Map with AI。包括：訪問阿富汗、孟加拉國、印度尼西亞、墨西哥、尼日利亞、坦桑尼亞和烏干達的AI生成道路映射（隨著時間的推移，將有更多國家出現），它還附帶RapiD，一個由人工智能驅動的OpenStreetMap版本地圖編輯工具。

印度尼西亞穆里亞山周圍的公路網，品紅色線條的亮度表示模型的置信度。

Facebook地圖和位置基礎設施產品經理DrishtiePatel表示，“世界上有很多農村地區很難在地圖上進行繪制。正如我之前在紅十字會工作中所經歷的那樣，包括偏遠地區、缺乏電力和互聯網接入以及復雜的經濟和政治環境。地圖數據差距可能影響到一切，包括：災難響應、社區規劃和經濟發展等。”

正如Patel解釋的那樣，Map With AI旨在使道路的添加和編輯變得快速而簡單。它通過利用Maxar的商業衛星圖像預測道路網絡的新方法實現了這一點，使其能夠適應區域道路差異。

位于Map With AI核心的第34層卷積神經網絡，以每像素2平方英尺的分辨率隔離地理空間快照中的道路，然后生成柵格化地圖，顯示每個像素的預測置信度。（在預測結果圖中，模型的置信度對應于洋紅色線的亮度。）隨后，地圖被轉換為數學表示，通過技術處理后與OpenStreetMap的地理空間數據庫兼容。

Facebook表示，在泰國的18個月時間里，其團隊使用Map With AI來幫助該國解決600,000英里道路的繪制問題（包括超過300,000英里的失蹤道路）以及印度尼西亞超過90％的失蹤道路，如果手動來處理保守估計需要3-5年。此外，在去年印度喀拉拉邦發生嚴重洪災之后，Map With AI加快了OpenStreetMap人道主義響應。

用于訓練AI模型以正確識別道路的部分數據

像泰國收集的數據（由專家團隊人工審查）可以用來改善道路分割系統的準確性，但僅限于收集它的區域，它往往不能很準確的標注出具體位置。為了解決這個問題，Map With AI團隊研究了在模型培訓期間合并其他OpenStreetMap數據的方法。

該解決方案是一種監測技術，可以識別那些準確、充足數據的區域，并將OpenStreetMap數據庫的道路轉換為光柵化語義分段標簽。

具體而言，收集并過濾一組2,048×2,048像素的道路原型（每像素的分辨率約為24英寸），并對那些被丟棄的原型包含少于25條的映射道路進行過濾。對于每個剩余的道路原型進行光柵化，并將得到的掩模用作訓練標簽。最后，每個源衛星圖像被隨機裁剪為1,024×1,024像素，大約180萬個道路原型覆蓋六大洲超過700,000平方英里。

Facebook團隊將每個道路矢量柵格化為五個像素，以創建分割蒙版。道路的寬度和輪廓在光柵化矢量模式中無法完美捕捉，并且由于不同區域的道路是從不同的衛星圖像源映射的，因此它們無法總是與訓練數據圖像完全對齊。

針對這個問題經過一些微調后，該團隊的模型相對于開源DeepGlobe數據集（其中僅包含來自印度、印度尼西亞和泰國的道路數據）訓練的相同模型，相對改善率為62％，絕對改善率為13.7％。

Map With AI工程經理Danil Kirsanov說：“這種規模、精細度、復雜性和精確度的技術出現，意味著可以發現那些未鋪砌的道路，以及小巷甚至人行道。”

但沒有模型是完美的，這就是RapiD的用武之地。一旦Facebook的系統識別出潛在的道路，它們必須在提交給OpenStreetMap之前進行驗證。局部或區域差異可能會影響道路是否被正確分類，并且一些結果錯誤地追蹤其他衛星圖像特征，例如：干河床，狹窄的海灘和運河等。

為了簡化這一過程，并補充現有的映射驗證工具，使用Java OpenStreetMap Editor和HOT TaskingManager，Facebook構建了上述RapiD，這是iD地圖編輯器的開源擴展。它將模型的結果與OpenStreetMap中已有的數據結合起來，既提供了如何使用現有數據加入新道路的建議，也防止使用建議道路覆蓋現有道路數據。

RapiD編輯器使用戶能夠可視化混合道路，突出顯示新更改，并使用新命令和快捷方式執行常見數據清理任務，例如：調整道路分類以適應周圍環境。完整性檢查可以捕獲模型結果的潛在問題，確保地圖編輯的一致性和準確性。良好的工具賦予了地圖繪制者，減少了基于衛星數據繪制道路的繁瑣和耗時的部分，提高了道路形狀的準確性，并提供了識別建議道路的選項。

Facebook認為，Map With AI驗證的地圖數據（將公開發布）有助于為災難城市規劃和開發項目提供信息，并改進使用OpenStreetMap的Facebook產品，如Marketplace，Local和Pages。

可視化道路分割模型的訓練數據的地理分布

OpenStreetMap團隊的執行董事Tyler Radford說：“RapiD是與繪圖界專業人員一起開發的，他們在這個領域工作了很多年。因為這個工具是根據他們的意見建立的，所以它已經產生了影響。RapiD向實現這一目標邁出了一大步，通過自動增加以前完全手動的過程，從衛星圖像中追蹤道路， RapiD將最好的機器學習與最好的專業知識相結合，這將極大地提高地圖繪制效率。”

關于OpenStreetMap

OpenStreetMap是由非營利組織OpenStreetMap Foundation于2004年推出，現已發展到500多萬注冊用戶，他們通過人工調查，GPS設備，航空攝影和其他免費資源收集數據。整理的地圖在開放式數據庫許可下可用，可用于傳統應用程序和GPS接收器附帶的默認數據。除了Facebook之外，像Craigslist、OsmAnd、Geocaching、MapQuest Open、Flickr、MapQuest、MapBox、Moovit、Tableau、Niantic、Snapchat、Webots、JMP統計軟件和Foursquare等公司已經開發了OpenStreetMap的數據庫，用于映射數據。

繼續閱讀：

未經允許不得轉載：RPA中國 | RPA全球生態 | 數字化勞動力 | RPA新聞 | 推動中國RPA生態發展 | 流 > Facebook發布機器學習工具Map AI with Ali，顯著提升地圖數據驗證