盡管全球衛(wèi)星導(dǎo)航（GPS）系統(tǒng)已經(jīng)在民用市場得到了廣泛的應(yīng)用，但人們在日常駕駛的過程中仍難以避免拐錯(cuò)路口的尷尬。好消息是，來自麻省理工學(xué)院（MIT）和卡塔爾計(jì)算機(jī)研究所的一支團(tuán)隊(duì)，想到了借助衛(wèi)星圖像來增強(qiáng)現(xiàn)有地圖數(shù)據(jù)的方法。其中最吸引我們的，莫過于借助人工智能（AI）來計(jì)算被數(shù)據(jù)和建筑物所遮擋的道路布局。

（來自：MIT，via New Atlas）

這項(xiàng)被稱作“道路標(biāo)記”（RoadTagger）的技術(shù)，旨在衛(wèi)星圖像上運(yùn)用機(jī)器學(xué)習(xí)技術(shù)。

系統(tǒng)能夠高度準(zhǔn)確地找出道路上的一些額外細(xì)節(jié)（比如有多少條車道），從而提供有關(guān)岔路口或車道合并等預(yù)警信息。

此外，RoadTagger 可用于對非機(jī)動車道和停車位的合理預(yù)估，在缺乏地圖數(shù)據(jù)的地方特別實(shí)用（相對快速和低開銷地為地圖補(bǔ)充額外的細(xì)節(jié)）。

MIT 的 Sam Madden 表示：“大公司總是傾向于為重點(diǎn)區(qū)域提供最新的數(shù)字地圖，小地方反而容易被忽視”。

基于此，研究團(tuán)隊(duì)決定專注于高質(zhì)量數(shù)字地圖的自動化生成過程，以便能夠在任何國家和地區(qū)使用。

在美國 20 個(gè)城市的測試期間，RoadTagger 系統(tǒng)能夠以至少 77％ 的準(zhǔn)確度對行車道進(jìn)行計(jì)數(shù)，即便道路的視野被完全或部分遮擋。

在道路類型的識別上（住宅區(qū)或高速公路），RoadTagger 的準(zhǔn)確率更是達(dá)到了 93% 。

此外，機(jī)器學(xué)習(xí)系統(tǒng)可識別土路或羊腸小道，以及被立交橋等環(huán)境給遮蔽的道路特征。

據(jù)悉，支撐 RoadTagger 的程序 AI 可將道路分割成多個(gè)圖塊，并在視圖被遮擋時(shí)調(diào)用周圍圖塊的信息，來幫助確定道路的布局。

作為一個(gè)‘端到端’模型，其能夠在原始數(shù)據(jù)中生成輸出，而無需人工的干預(yù)。

鑒于衛(wèi)星圖像通常比地圖數(shù)據(jù)更新得更加及時(shí)和有固定頻次，RoadTagger 的應(yīng)用前景還是相當(dāng)光明的。