Facebook beschleunigt die Mapping-Datenvalidierung mit maschinellen Lernwerkzeugen Map With AI and RapiD

24. Juli 2019 0 Von Horst Buchwald

New York, 24.7.2019

Millionen von Straßen auf der ganzen Welt müssen noch kartiert werden. Das ist insbesondere in den Entwicklungsländern ein echtes Problem. Unter den fehlenden Kartendaten leiden z.B. Katastrophenschutz, Gemeindeplanung und die lokale Wirtschaft.

In diesem Fall können Crowdsourcing-Maßnahmen wie OpenStreetMap, die jeden Tag Tausende von Freiwilligen rekrutieren, um Straßen, Gebäude und Brücken zu katalogisieren, hilfreich sein. Es ist zwar ein mühsamer Prozess, aber einer, der von Facebook unterstützt wird und dabei mit Communities und Partnern zusammengearbeitet um das Tool „Map With AI“ zu verfeinern. Dabei geht es vor allem darum, einige der zeitaufwändigsten Schritte zu automatisieren.

Nach fast zwei Jahren Entwicklungszeit stellt Facebook jetzt Map With AI der OpenStreetMap-Community zur Verfügung. Es enthält Zugang zu KI-generierten Straßenkarten in Afghanistan, Bangladesch, Indonesien, Mexiko, Nigeria, Tansania und Uganda (weitere Länder werden „im Laufe der Zeit“ folgen), und es wird mit RapiD geliefert, einer KI-basierten Version des OpenStreetMap-Editiertools iD.

Zum Hintergrund erklärte Drishtie Patel, Produktmanager für Standortinfrastruktur: „Viele ländliche Regionen der Welt sind schwer vor Ort zu erfassen. Wie ich während meiner früheren Arbeit beim Roten Kreuz erfahren habe, sind die Herausforderungen entfernte Standorte, fehlender Strom und Internetzugang sowie komplizierte wirtschaftliche und politische Rahmenbedingungen.“

Laut Patel und Kollegen wurde Map With AI entwickelt, um das Hinzufügen und Bearbeiten von Straßen schnell und relativ einfach zu machen. Dies wird unter anderem durch die Nutzung einer neuartigen Methode zur Vorhersage von Straßennetzen aus handelsüblichen Satellitenbildern von Maxar erreicht, die es ermöglicht, regionale Straßenunterschiede zu berücksichtigen.

Ein 34-schichtiges konvolutionäres neuronales Netzwerk im Herzen von Map With AI isoliert Straßen in georaumlichen Schnappschüssen mit einer Auflösung von 2 Quadratfuß pro Pixel, und erzeugt dann gerasterte Karten, die die Vorhersagesicherheit für jeden Pixel anzeigen. (In der Vorhersage-Ergebniskarte entspricht das Vertrauen des Modells der Helligkeit von Magenta-Linien.) Anschließend werden die Karten mittels Postprocessing-Techniken in mathematische Darstellungen – Vektoren – umgewandelt, die mit der Geodatenbank von OpenStreetMap kompatibel sind.

Facebook erläuterte dazu, dass sein Team in 18 Monaten in Thailand Map With AI verwendet hat, um den Rest der 600.000 Meilen Straßen des Landes (einschließlich über 300.000 Meilen fehlender Straßen) und mehr als 90% der fehlenden Straßen in Indonesien zu ermitteln, ein Prozess, der schätzungsweise drei bis fünf zusätzliche Jahre gedauert hätte, wenn er von Hand abgeschlossen worden wäre. Darüber habe man mit Map With AI nach den schweren Überschwemmungen in Kerala, Indien, im vergangenen Jahr die Kartierung der Region durch das humanitäre Reaktionsteam von OpenStreetMap beschleunigt.

Kartierungsdaten wie die in Thailand gesammelten (die von einem Team von Humanexperten manuell überprüft wurden) können verwendet werden, um die Genauigkeit des Straßennavigationssystems zu verbessern.

Aber kein Modell ist perfekt. An dieser Stelle kommt RapiD ins Spiel.

Sobald das System von Facebook potenzielle Straßen identifiziert hat, müssen diese validiert werden, bevor sie an OpenStreetMap übermittelt werden. Lokale oder regionale Unterschiede können sich auf die korrekte Klassifizierung von Straßen auswirken, und einige Ergebnisse führen fälschlicherweise zu anderen Satellitenbildmerkmalen wie trockenen Flussbetten, engen Stränden und Kanälen oder verpassen Anschlusspunkte und Wege insgesamt.

Um diesen Prozess zu vereinfachen und bestehende Mapping-Validierungstools wie den Java OpenStreetMap Editor und den HOT Tasking Manager zu ergänzen, entwickelte Facebook den bereits erwähnten RapiD, eine Open-Source-Erweiterung des iD Map Editors. Mit einem Prozess namens Conflation kombiniert es die Ergebnisse des Modells mit bereits in OpenStreetMap verfügbaren Daten. Dabei wird sowohl beraten, wie man neue Straßen mit bestehenden Daten verbindet, als auch verhindert, dass bestehende Straßendaten mit vorgeschlagenen Straßen überschrieben werden.

Der RapiD-Editor ermöglicht es Reviewern, die zusammengeführten Straßen zu visualisieren, neue Änderungen hervorzuheben und neue Befehle und Verknüpfungen für gängige Datenbereinigungsaufgaben wie die Anpassung der Straßenklassifizierung an den Umgebungskontext zu verwenden. Integritätsprüfungen erfassen potenzielle Probleme mit den Ergebnissen des Modells und stellen sicher, dass die Kartenbearbeitung konsistent und genau ist.

„Insgesamt befähigen gute Werkzeuge Mapper, reduzieren die mühsamen und zeitaufwändigen Teile des Zeichnens von Straßen auf der Grundlage von Satellitendaten, erhöhen die Genauigkeit der Straßenform und bieten Optionen zur Identifizierung vorgeschlagener Straßen – auch wenn Mapper diese Vorschläge nicht nutzen“, schrieb Facebook in einem Blogbeitrag. „Es war wichtig, Werkzeuge bereitzustellen, die die Fähigkeiten und das Urteilsvermögen professioneller Mapper nicht einschränken. Wir werden RapiD kontinuierlich verbessern, basierend auf dem Feedback dieser Mapper, um den Prozess reibungsloser zu gestalten. Wir glauben, dass die daraus resultierenden Werkzeuge den Nutzen von Satellitenbildern für die Kartierung verbessern.“

Facebook sagt, dass die von Map With AI validierten Kartendaten – die öffentlich zugänglich sein werden – dazu beitragen könnten, Katastrophenplanungs- und Entwicklungsprojekte zu unterstützen und Facebook-Produkte, die OpenStreetMap verwenden, wie Marketplace, Local und Pages zu verbessern.

„Das RapiD-Tool wurde in Zusammenarbeit mit denjenigen in der Mapping-Community entwickelt, die seit vielen Jahren in diesem Bereich tätig sind. Da dieses Tool mit ihrem Input entwickelt wurde, zeigt es bereits Wirkung“, sagte Tyler Radford, Geschäftsführer des humanitären OpenStreetMap-Teams.

„RapiD ist ein großer Schritt nach vorne, um dieses Ziel zu erreichen“, fügte Radford hinzu. „Durch die Erweiterung des bisher vollständig manuellen Prozesses – die Verfolgung von Straßen aus Satellitenbildern – kombiniert RapiD das Beste aus maschinellem Lernen mit dem Besten aus menschlicher Erfahrung. Es lädt die Karten auf.“

Map With KI baut auf den anderen Bemühungen von Facebook zur Erleichterung der Kartierung mit KI auf, ebenso wie auf dem laufenden Projekt für Bevölkerungsdichtekarten und der Verwendung von Satellitenbildern zur Erkennung von Überschwemmungen nach dem Hurrikan Harvey in Texas und Brandschäden in Santa Rosa, Kalifornien im Jahr 2017. (Facebook arbeitete zuvor mit Organisationen wie der Harvard School of Public Health, Unicef, der Weltbank und anderen zusammen, um krankheitserregende Echtzeitkarten zu erstellen, die auf Satellitenbildern, Computer Vision, Volkszählungsdaten und proprietären Daten basieren.) Das Unternehmen sagt, dass es neue maschinelle Lerntechniken und -architekturen entwickelt, die für den Problembereich der Fernerkundung geeignet sind, und es sagt, dass es untersucht, wie man diese auf „Road-Mapping-Arbeiten im globalen Maßstab“ mit unterstützenden Werkzeugen anwenden kann.