目前世界上数以百万计的道路尚未完成映射，这对于地图开发商来说是一个不小的挑战。特别是在发展中国家，缺少地图数据可能会损害灾难响应、社区规划和经济发展。所以激发了像OpenStreetMap（所有人都可以编辑的世界电子地图）这样的开源项目，每天来自全世界数千名志愿者为OpenStreetMap编制道路、建筑物和桥梁的目录。

这是一个非常耗时的过程，但是得到了Facebook的支持，Facebook已经与社区和合作伙伴共同开发了一个工具，通过Map AI with Ali可以自动完成那些最耗时的编辑步骤。

RapiD界面

现在，经过近两年时间的开发，Facebook正在为OpenStreetMap社区提供Map with AI。包括：访问阿富汗、孟加拉国、印度尼西亚、墨西哥、尼日利亚、坦桑尼亚和乌干达的AI生成道路映射（随着时间的推移，将有更多国家出现），它还附带RapiD，一个由人工智能驱动的OpenStreetMap版本地图编辑工具。

印度尼西亚穆里亚山周围的公路网，品红色线条的亮度表示模型的置信度。

Facebook地图和位置基础设施产品经理DrishtiePatel表示，“世界上有很多农村地区很难在地图上进行绘制。正如我之前在红十字会工作中所经历的那样，包括偏远地区、缺乏电力和互联网接入以及复杂的经济和政治环境。地图数据差距可能影响到一切，包括：灾难响应、社区规划和经济发展等。”

正如Patel解释的那样，Map With AI旨在使道路的添加和编辑变得快速而简单。它通过利用Maxar的商业卫星图像预测道路网络的新方法实现了这一点，使其能够适应区域道路差异。

位于Map With AI核心的第34层卷积神经网络，以每像素2平方英尺的分辨率隔离地理空间快照中的道路，然后生成栅格化地图，显示每个像素的预测置信度。（在预测结果图中，模型的置信度对应于洋红色线的亮度。）随后，地图被转换为数学表示，通过技术处理后与OpenStreetMap的地理空间数据库兼容。

Facebook表示，在泰国的18个月时间里，其团队使用Map With AI来帮助该国解决600,000英里道路的绘制问题（包括超过300,000英里的失踪道路）以及印度尼西亚超过90％的失踪道路，如果手动来处理保守估计需要3-5年。此外，在去年印度喀拉拉邦发生严重洪灾之后，Map With AI加快了OpenStreetMap人道主义响应。

用于训练AI模型以正确识别道路的部分数据

像泰国收集的数据（由专家团队人工审查）可以用来改善道路分割系统的准确性，但仅限于收集它的区域，它往往不能很准确的标注出具体位置。为了解决这个问题，Map With AI团队研究了在模型培训期间合并其他OpenStreetMap数据的方法。

该解决方案是一种监测技术，可以识别那些准确、充足数据的区域，并将OpenStreetMap数据库的道路转换为光栅化语义分段标签。

具体而言，收集并过滤一组2,048×2,048像素的道路原型（每像素的分辨率约为24英寸），并对那些被丢弃的原型包含少于25条的映射道路进行过滤。对于每个剩余的道路原型进行光栅化，并将得到的掩模用作训练标签。最后，每个源卫星图像被随机裁剪为1,024×1,024像素，大约180万个道路原型覆盖六大洲超过700,000平方英里。

Facebook团队将每个道路矢量栅格化为五个像素，以创建分割蒙版。道路的宽度和轮廓在光栅化矢量模式中无法完美捕捉，并且由于不同区域的道路是从不同的卫星图像源映射的，因此它们无法总是与训练数据图像完全对齐。

针对这个问题经过一些微调后，该团队的模型相对于开源DeepGlobe数据集（其中仅包含来自印度、印度尼西亚和泰国的道路数据）训练的相同模型，相对改善率为62％，绝对改善率为13.7％。

Map With AI工程经理Danil Kirsanov说：“这种规模、精细度、复杂性和精确度的技术出现，意味着可以发现那些未铺砌的道路，以及小巷甚至人行道。”

但没有模型是完美的，这就是RapiD的用武之地。一旦Facebook的系统识别出潜在的道路，它们必须在提交给OpenStreetMap之前进行验证。局部或区域差异可能会影响道路是否被正确分类，并且一些结果错误地追踪其他卫星图像特征，例如：干河床，狭窄的海滩和运河等。

为了简化这一过程，并补充现有的映射验证工具，使用Java OpenStreetMap Editor和HOT TaskingManager，Facebook构建了上述RapiD，这是iD地图编辑器的开源扩展。它将模型的结果与OpenStreetMap中已有的数据结合起来，既提供了如何使用现有数据加入新道路的建议，也防止使用建议道路覆盖现有道路数据。

RapiD编辑器使用户能够可视化混合道路，突出显示新更改，并使用新命令和快捷方式执行常见数据清理任务，例如：调整道路分类以适应周围环境。完整性检查可以捕获模型结果的潜在问题，确保地图编辑的一致性和准确性。良好的工具赋予了地图绘制者，减少了基于卫星数据绘制道路的繁琐和耗时的部分，提高了道路形状的准确性，并提供了识别建议道路的选项。

Facebook认为，Map With AI验证的地图数据（将公开发布）有助于为灾难城市规划和开发项目提供信息，并改进使用OpenStreetMap的Facebook产品，如Marketplace，Local和Pages。

可视化道路分割模型的训练数据的地理分布

OpenStreetMap团队的执行董事Tyler Radford说：“RapiD是与绘图界专业人员一起开发的，他们在这个领域工作了很多年。因为这个工具是根据他们的意见建立的，所以它已经产生了影响。RapiD向实现这一目标迈出了一大步，通过自动增加以前完全手动的过程，从卫星图像中追踪道路， RapiD将最好的机器学习与最好的专业知识相结合，这将极大地提高地图绘制效率。”

关于OpenStreetMap

OpenStreetMap是由非营利组织OpenStreetMap Foundation于2004年推出，现已发展到500多万注册用户，他们通过人工调查，GPS设备，航空摄影和其他免费资源收集数据。整理的地图在开放式数据库许可下可用，可用于传统应用程序和GPS接收器附带的默认数据。除了Facebook之外，像Craigslist、OsmAnd、Geocaching、MapQuest Open、Flickr、MapQuest、MapBox、Moovit、Tableau、Niantic、Snapchat、Webots、JMP统计软件和Foursquare等公司已经开发了OpenStreetMap的数据库，用于映射数据。

继续阅读：

未经允许不得转载：RPA中国 | RPA全球生态 | 数字化劳动力 | RPA新闻 | 推动中国RPA生态发展 | 流 > Facebook发布机器学习工具Map AI with Ali，显著提升地图数据验证