Voor het gemak en de veiligheid van automobilisten moeten digitale wegenkaarten zo goed mogelijk up-to-date blijven. Dat gebeurt door auto’s die al rijdend foto’s en video’s van wegen te maken, maar die komen lang niet overal. Daarom zetten onderzoekers uit de VS en Qatar kunstmatige intelligentie aan het werk met satellietbeelden.

Het idee van de wetenschappers van MIT en het Qatar Computing Research Institute is dat er zoveel satellietbeelden worden gemaakt, dat nieuwe wegen, of aanpassingen aan bestaande wegen, eerder kunnen worden opgemerkt en verwerkt in een verbeterde kaart. Het werk wordt begin februari gepresenteerd op een groot congres over kunstmatige intelligentie.

De crux van het nieuwe werk is dat neurale netwerken worden getraind op het herkennen van eigenschappen van wegen, zoals de afmetingen, het aantal rijstroken, invoegstroken en parkeervakken. De computer slaagt er zelfs in om deze eigenschappen van een weg in te vullen als die op het satellietbeeld is afgeschermd door bomen of huizen.

 

StreetView-auto

Sinds een paar decennia maken we dankbaar gebruik van Google Maps, Apple Maps en soortgelijke digitale kaarten. Moesten we voorheen nog een papieren wegenkaart en een stratenboek meenemen, nu toetsen we de bestemming in en onze telefoon loodst ons probleemloos naar waar we moeten zijn.

Die digitale kaarten werken in ons land zo goed, omdat de kaarten voortdurend worden geüpdatet. Worden er nieuwe wegen aangelegd, wegen verplaatst of rijstroken toegevoegd, dan leggen camera-auto’s van bedrijven als Google die veranderingen vast, bijvoorbeeld met de bekende StreetView-auto's.

Die wagens maken al rijdend foto’s en video’s van wegen, maar ze komen lang niet overal. Vooral dunbevolkte gebieden en armere landen worden nog niet goed in kaart gebracht.
 

Gevaarlijk

En dat levert problemen op voor automobilisten, zo ondervond MIT-onderzoeker Sam Madden aan den lijve. Tijdens een bezoek aan Qatar kon zijn Uber-bestuurder de juiste weg niet vinden, omdat de kaart zo slecht was, herinnert Madden zich. ‘Als navigatie-apps niet over de juiste informatie beschikken – waar rijstroken samenkomen bijvoorbeeld – dan is dat frustrerend, of erger nog, gevaarlijk.’

Qatar is een voorbeeld van een land waar de digitale kaarten niet goed worden bijgewerkt. Het land legt in rap tempo nieuwe wegen aan en renoveert bestaande, vooral in voorbereiding op het WK-voetbal dat het land in 2022 organiseert.
 

Scherm van navigatiesoftware voor de auto. Hier zijn twee rijstroken beschikbaar om de afslag te nemen, meldt de TomTom. Om dit soort informatie te kunnen geven, moet wel de digitale kaart van de weg volledig up-to-date zijn. Foto TomTom.


RoadTagger

Om te testen wat kunstmatige intelligentie hier kan betekenen, name Madden en collega’s satellietbeelden van twintig grote Amerikaanse steden, waaronder Boston, Chicago en Seattle. Hierop lieten ze een zelf ontwikkeld neuraal netwerk los, genaamd RoadTagger (letterlijk: ‘weg-labelaar’). Dit model slaagde erin om het aantal rijstroken op wegen goed te benoemen met een betrouwbaarheid van 77 procent. Het juist labelen van het type weg ging met 93 procent betrouwbaarheid.

RoadTagger is een combinatie van twee soorten neurale netwerken: een convolutional neural network (CNN) en een graphical neural network (GNN). De eerste is te trainen op het herkennen van beelden, de tweede juist op het herkennen van verbanden tussen de onderdelen van een netwerk.
 

Elkaar aanvullen

Die twee vullen elkaar aan. Het CNN neemt de satellietbeelden van wegen als input en legt eigenschappen van het digitale beeld vast zoals kleuren en licht/donker. Het GNN hakt een weg op in segmentjes van ongeveer 20 meter lang; de segmenten staan met elkaar in verbinding.

Voor elk segment worden de belangrijke wegeigenschappen bepaald, zoals ‘soort weg’, ‘aantal rijstroken’, enzovoort. Als nu een bepaald segment geblokkeerd is op het satellietbeeld, door de kruin van een boom bijvoorbeeld, dan worden de eigenschappen van dat wegdeel afgeleid uit de ernaast liggende segmenten.
 

Viaduct

Als op een segment van de weg de lijnen zijn vervaagd, dan kan RoadTagger uit de wegdelen in de buurt afleiden hoe de witte lijnen hadden moeten lopen. En op een ander beeld liep er over een weg met vier rijbanen schuin een viaduct met twee rijstroken. Een te simpel model zou hier concluderen dat de onderste weg daar twee rijstroken bezat, maar RoadTagger trapte er niet in; het begreep dat de weg vier banen had, ook onder het viaduct.
 

Sneller updaten

De onderzoekers gaan verder met het verbeteren van hun algoritmes en hopen dat hun werk kan bijdragen aan het sneller updaten van digitale kaarten, zoals het gratis te gebruiken OpenStreetMap.

Vooral landen die druk nieuwe infrastructuur aanleggen gaan daar de vruchten van plukken, zoals Thailand. ‘Wegen die ooit als zandwegen werden bestempeld, zijn nu verhard en dus beter om op te rijden. Er zijn elk jaar veranderingen, maar digitale kaarten zijn verouderd’, zegt Madden in het nieuwsbericht van MIT. ‘We willen dergelijke wegeigenschappen voortdurend updaten op basis van de meest recente beelden.’


Openingsbeeld MIT

Vond je dit een interessant artikel, abonneer je dan gratis op onze wekelijkse nieuwsbrief.