IA possibilita gerar mapas digitais detalhados usando imagens de satélite

A praticidade dos mapas digitais depende do nível de detalhes que eles possuem. Sem as informações necessárias, como número de pistas ou saídas/entradas de viadutos, motoristas encontram dificuldade para dirigir com base na instrução de aplicativos de mapas. Atualmente, esses detalhes são capturados por veículos que são enviados para rodar pelas vias, tornando o processo caro e lento, e por isso só estando a disposição de grandes empresas como o Google.

Em dezembro, pesquisadores do Instituto de Tecnologia de Massachusetts (MIT) e do Instituto de Pesquisa Computacional do Qatar (QRCI) publicaram um trabalho descrevendo a criação do RoadTagger, um algoritmo capaz de fornecer informações detalhadas para a construção de mapas digitais a partir de imagens de satélite. A vantagem de usar dados de satélite é que eles são obtidas rotineiramente, o que garante atualizações constantes, e a um custo relativamente baixo. A desvantagem é que muitas informações das vias ficam escondidas atrás de oclusões, como árvores ou outras vias transversais de viadutos. Os pesquisadores resolveram esse problema propondo uma estrutura de rede neural mista. Uma parte é convolucional, responsável por extrair features das imagens como o número de faixas, e outra trabalha com grafos, ligando os segmentos das imagens que indicam uma via contínua. Assim, as informações nos trechos oclusos podem ser preditas com base nos segmentos não-oclusos a que eles estão imediatamente ligados.

O modelo foi treinado e validado usando um dataset de mapas digitais curado chamado OpenStreetMap. Deste dataset, os pesquisadores retiraram atributos confirmados de vias de 688 quilômetros quadrados de 20 grandes cidades americanas. Junto com estes atributos, eles coletaram as imagens correspondentes do Google Maps. O algoritmo alcançou precisão de 77% na contagem de pistas e 93% na classificação de tipo de via (residencial ou intermunicipal).

O principal objetivo do trabalho é fornecer informações úteis, de forma automatizada, sobre as vias que não estão sendo cobertas pelas grandes empresas, mas também possibilitar atualizações nos locais onde novas vias são criadas. Na sequência do projeto, eles vão buscar prever locais para estacionamento e vias para bicicletas, informações que devem facilitar ainda mais o planejamento de pessoas em deslocamento por locais que eles não conheçam direito.