Le mappe crowdsourcing dovrebbero aiutare le auto senza conducente a navigare nelle nostre città in modo più sicuro

Mapillare

Le nostre attuali mappe stradali non sono molto utili per aiutare le auto senza conducente a spostarsi. Anche se abbiamo mappato la maggior parte delle strade , vengono aggiornati solo ogni due anni. E queste mappe non registrano alcuna infrastruttura stradale come segnaletica stradale, vialetti e segnaletica orizzontale. Senza questo ulteriore livello di informazioni, sarà molto più difficile ottenere auto a guida autonoma per navigare in sicurezza nelle nostre città. Anche le consegne robotiche alla fine richiederanno dettagli precisi su superfici stradali, marciapiedi e ostacoli.

Una startup svedese ha chiamato Mapillare pensa di avere la risposta. È una piattaforma aperta che raccoglie sul proprio smartphone immagini di strade scattate dalle persone: una sorta di Wikipedia di mappatura. Dice che ora è uno dei più grandi database pubblicamente disponibili di immagini a livello di strada nel mondo.

Le auto senza conducente hanno bisogno della visuale più recente della strada, afferma il CEO Jan Erik Solem. Richiedono una frequenza di aggiornamento sempre maggiore per le mappe, da trimestrale a mensile, da settimanale a giornaliero. L'unico modo scalabile per farlo è usare la tecnologia.

Esistono diversi approcci alla raccolta di dati cartografici e ci sono concorrenza tra le startup del settore. Mapillary dice che è diverso perché è crowdsourcing, a differenza, ad esempio, di Street View proprietario di Google, che viene aggiornato ogni due anni. Poiché chiunque può contribuire alla sua piattaforma, viene aggiornata ogni giorno.

Mapillare

Questo approccio è simile a OpenStreetMap , lanciato nel 2004 e fornisce una mappa del mondo modificabile gratuita, ma non registra nessuno di questi dettagli aggiuntivi lungo la strada.

Mapillary utilizza un software di visione artificiale per analizzare le immagini raccolte in crowdsourcing e identificare gli oggetti. Il suo database di 422 milioni di immagini copre 6,2 milioni di chilometri (3,9 milioni di miglia) del globo. Ed è in continua crescita: il suo software ha appena inserito 186 milioni di oggetti, come pali delle utenze, panchine e tombini, sulla mappa, bloccati in una posizione specifica con coordinate.

Una volta caricate le immagini, il software le analizza per oggetti e le identifica. Le mappe vengono quindi messe a disposizione di chiunque da vedere in linea . Il servizio è gratuito per enti di beneficenza e per uso educativo o personale, ma i clienti commerciali devono pagare un canone.

Mapillary è già in uso. La città di Amsterdam, i funzionari dei trasporti del Vermont e dell'Arizona e persino il paese della Lituania stanno utilizzando le mappe dell'azienda per migliorare la loro comprensione delle strade.

Se guardi un oggetto per strada, qualcuno ne è responsabile. Tutto deve essere catalogato e controllato, afferma Steven Hewett, che lavora per la città di Clovis nel New Mexico.

Mapillare

Clovis sta usando Mapillary per assicurarsi di adempiere ai propri obblighi nei confronti dei residenti mantenendo i vialetti liberi, la segnaletica aggiornata e le strade libere da buche. La città lo faceva pagando un appaltatore per andare in giro e registrare meticolosamente ogni cassetta delle lettere, idrante antincendio e segnale di stop, per pochi dollari ciascuno.

Ora ha automatizzato praticamente l'intero processo utilizzando Mapillary. Senza questo software, andremmo in giro a raccogliere tutti i dati a mano e non riesco nemmeno a immaginare quanto tempo ci vorrebbe per una città di 23 miglia quadrate, dice Hewett.

Gabriel Brostow, professore di informatica all'University College London, concorda sul fatto che questo tipo di mappatura deve essere automatizzata per essere scalabile. Milioni di chilometri quadrati nel mondo non possono essere aggiornati dagli esseri umani così rapidamente come potrebbero essere gli algoritmi, dice.

Un giorno, le auto senza conducente potrebbero essere sia consumatori che produttori di questi dati, catturando immagini a livello stradale mentre viaggiano (sia i volti che le targhe vengono automaticamente offuscati dal software di Mapillary). In effetti, Hewett prevede un futuro in cui i veicoli collegati in rete possono identificare automaticamente problemi come alberi caduti sulla strada o incidenti stradali e notificare automaticamente le autorità pubbliche competenti.

I dati potrebbero anche aiutare a fornire alle città una migliore conoscenza delle loro strade in modo che possano migliorare i trasporti pubblici e l'accessibilità per le persone disabili, aggiunge Brostow.

*Questa storia è stata corretta per chiarire che le immagini sono in crowdsourcing ma il codice sottostante non è open source.

nascondere