Le RoadTagger AI comble les lacunes des données cartographiques
Les systèmes de navigation embarqués et les applications cartographiques mobiles ont permis de se déplacer beaucoup plus facilement d’un endroit à l’autre sans se perdre, mais une nouvelle innovation promet d’aider à réparer un point douloureux restant : se mettre dans la bonne voie aux intersections.
Les applications cartographiques actuelles ne sont pas toujours d’un grand secours si vous vous trouvez à une intersection inconnue et que vous ne savez pas exactement où votre voiture est censée se trouver sur la route : souvent, les applications ne disposent pas des détails ou des connaissances nécessaires pour vous avertir à temps d’un changement de voie.
Le système développé par les chercheurs du MIT et de l’Institut de recherche informatique du Qatar utilise l’imagerie satellite pour compléter les données cartographiques existantes, mais la partie intéressante consiste à appliquer l’intelligence artificielle pour déterminer le tracé des routes cachées par les arbres et les bâtiments.
En déployant l’apprentissage automatique sur l’imagerie satellite, le système est capable de déterminer avec un degré élevé de précision certains détails supplémentaires sur les routes, y compris, par exemple, le nombre de voies qu’elles ont. Les conducteurs peuvent ainsi être avertis à l’avance de la divergence ou de la fusion de voies.
Le RoadTagger pourrait également être adapté pour faire des suppositions éclairées sur les pistes cyclables et les places de parking, selon les chercheurs qui le développent. Cela serait particulièrement utile dans les endroits où les données cartographiques existantes sont peu nombreuses, car il est possible de donner des détails supplémentaires aux cartes relativement rapidement et à un coût relativement faible.
« La plupart des cartes numériques mises à jour proviennent d’endroits auxquels les grandes entreprises accordent le plus d’importance », explique Sam Madden, du MIT. « Si vous vous trouvez dans des endroits dont elles ne se soucient pas beaucoup, vous êtes désavantagé en ce qui concerne la qualité de la carte. Notre objectif est d’automatiser le processus de génération de cartes numériques de haute qualité, afin qu’elles soient disponibles dans n’importe quel pays ».
Lors de tests effectués dans 20 villes des États-Unis, le système RoadTagger a pu compter les voies avec une précision de 77 % lorsque la vue de la route était au moins partiellement bloquée. En identifiant les types de routes (résidentielles ou autoroutières), il a atteint un taux de précision de 93 %.
Cette analyse peut également s’avérer utile pour repérer les routes en terre qui sont devenues pavées, et pour calculer les caractéristiques des routes cachées par les passages supérieurs.
L’IA qui sous-tend le programme divise les routes en carreaux et utilise les informations des carreaux environnants pour l’aider à déterminer la disposition des routes lorsque la vue satellite est bloquée. Il s’agit d’un modèle « de bout en bout » qui peut produire des sorties à partir de données brutes sans aucune intervention humaine en cours de route.
L’imagerie satellite est généralement mise à jour plus régulièrement que les données cartographiques, et l’espoir est que les cartes puissent devenir plus précises en ce qui concerne les récents changements de tracé – et peut-être vous donner un préavis la prochaine fois que vous devrez changer de voie.
http://news.mit.edu/2020/artificial-intelligence-digital-maps-0123
