Kamil Monicz (Zaczero) utworzył narzędzia wspomagające import danych do OpenStreetMap w oparciu o algorytmy uczenia maszynowego (ang. Machine Learning). Wykorzystanie technologii wizji komputerowej pozwala automatyzację procesu dodawania i aktualizowania danych. W rezultacie mapujący mogą skupić się na bardziej złożonych kwestiach, podczas gdy żmudne zadania są teraz przyspieszane i ułatwiane. Dzięki temu OpenStreetMap staje się bogatsze w informacje, a jednocześnie zachowuje wysoki standard dokładności.
Budynki
Pierwszy z projektów skupia się na dodawaniu informacji o budynkach. Wykorzystuje on dane urzędowe (BDOT10k), porównując obrysy budynków z ortofotomapą. Jeżeli na zdjęciu lotniczym widoczny jest budynek pasujący do danych urzędowych, jest on dodawany do OpenStreetMap. Aby zapobiec sytuacji, gdy budynek został niedawno wyburzony, a dane nie zostały jeszcze zaktualizowane, system analizuje historię edycji OSM i odfiltrowuje niedawno usunięte budynki.
W ramach weryfikacji wyników tego projektu, Kamil zbadał precyzję modelu. Osiągnął wynik blisko 99,7% przy czułości (ang. recall) na poziomie 70%. Oznacza to, że 70% budynków zostanie dodanych do map, a 30% zostanie pominięte z powodu niskiego poziomu pewności.
Przejścia dla pieszych
Drugi projekt identyfikuje oznakowane przejścia dla pieszych. Wstępnie, przeprowadza szybką analizę sieć dróg z OSM, aby zredukować ilość przeszukiwanych miejsc. Następnie, przy pomocy ortofotomapy, model samodzielnie wykrywa lokalizacje przejść i dodaje je do OpenStreetMap. Również w tym przypadku, po weryfikacji manualnej, precyzja modelu wynosiła około 99,7%. Model jest w stanie autonomicznie dodać ok. 80% wykrytych przejść.
Warto jednak zaznaczyć, że nie wszystkie przejścia zostają zidentyfikowane – istnieją sytuacje, w których model może nie dostrzec przejść, które są zasłonięte przez inne obiekty lub które są zbyt mocno wytarte, co czyni je słabo widocznymi na ortofotomapach.
Podobnie jak w przypadku budynków brane są pod uwagę historyczne dane, żeby uniknąć dodawania przestarzałych danych.
Import wygenerowanych danych
Kamil importuje dane z obu projektów obszarami zaczynając od południowego zachodu, a kończąc na północnym wschodzie. Zakończył już pierwsze importy, a kolejne są zaplanowane i będą sukcesywnie realizowane.
Jakość i dokładność wprowadzanych zmian to kluczowa kwestia. Osoby zainteresowane omawianiem jakości importowanych danych mogą wziąć udział w dyskusjach na forum społeczności w dedykowanych wątkach:
Kod źródłowy obu narzędzi jest dostępny na platformie GitHub na otwartej licencji:
Inne projekty twórcy
Nie są to jedyne narzędzia udostępnione społeczności OpenStreetMap przez Kamila. Wcześniej opublikował stronę osm-revert pozwalającą cofanie zmian w OSM co pomaga w pozbywaniu się wandalizmów oraz edytor relacji autobusowych Relatify dzięki, któremu utrzymanie aktualnych tras autobusów jest dużo łatwiejsze. Pokaz obsługi Relatify dostępny jest na naszym kanale Youtube.