Las aplicaciones GPS son imprescindibles para movernos por todo el mundo sin preocupaciones. Gracias a la mezcla de los datos de circulación de nuestros móviles, de los coches de Street View, y las imágenes aéreas, Google Maps sabe cuántos carriles tiene cada carretera. Sin embargo, la introducción de cambios en esas carreteras es algo que tarda un cierto tiempo, y el MIT ha desarrollado una IA que busca evitar eso.

El modelo ha sido desarrollado por el MIT en conjunción con el Qatar Computing Research Institute (QCRI). Este modelo usa imágenes vía satélite para identificar carreteras en mapas digitales con el fin de identificar carreteras mucho antes que otros métodos actuales.

La precisión en los GPS es muy importante, sobre todo cuando una persona está circulando por una carretera que no conoce. Debe saber, por ejemplo, cuántos carriles tiene la carretera en todo momento y dónde debe ponerse para coger su salida, así como ver posibles puntos de aparcamiento. En el caso de los ciclistas, conocer los carriles bici de las ciudades les permitirán circular de manera mucho más segura.

El problema es que la creación de mapas tan detallados sólo está al alcance de unas pocas empresas, como es el caso de Google, que tiene multitud de fuentes de datos: sus satélites, que actualizan cada poco tiempo las imágenes; sus coches, que circulan por las carreteras haciendo nuevas fotos; o la información de los móviles de los usuarios, la misma que usan para identificar los atascos, accidentes, o identificar la existencia de nuevas carreteras. De hecho, en ocasiones habréis visto que aparecen carreteras en los mapas, pero en las imágenes por satélite no están presentes todavía.

Este proceso, además, sólo está presente en los países más avanzados y donde empresas como Google tienen más negocio. Otras partes del mundo llegan a ser incluso ignoradas. Por ello, una gran solución es usar imágenes vía satélite que son relativamente asequibles. El problema es que normalmente las carreteras suelen estar ocultas por túneles, edificios, árboles, etc.

RoadTagger: identificando carreteras en fotos

La solución del MIT y del QCRI ha sido crear RoadTagger, que usa una IA para predecir el número de carriles y el tipo de carretera que hay debajo de obstrucciones visuales. Para demostrar su efectividad, lo usaron en 20 ciudades de Estados Unidos, con una tasa de acierto en el número de carriles del 77%, y una estimación correcta del tipo de carretera (residencial o autovía) del 93%. Poco a poco irán incluyendo nuevas funciones, como la detección de aparcamientos o carriles bici.

Para entrenar la IA, usaron OpenStreetMap, que permite editar y mejorar los mapas de todo el mundo, y cotejaron los datos de las 20 ciudades de Estados Unidos con los de Google Maps, comparando datos de otras carreteras y mirando tendencias del asfalto. Así, cogen una carretera que no ha sido entrenada, y la dividen en porciones y usan la información aprendida para predecir los carriles y los patrones que sigue cada carretera. Si las porciones adyacentes tienen cuatro carriles, entonces la de la zona oculta también los tendrá.

El principal objetivo es automatizar la generación de mapas digitales para que estén disponibles para cualquier país y acelerar en general la de todos los países. Qatar es uno de ellos, donde además se están creando una gran cantidad de nuevas carreteras y mejorando las actuales debido a la proximidad del mundial de fútbol de 2022. En Tailandia también se están cambiando constantemente carreteras, donde algunas de tierra pasan a ser de asfalto con bastante frecuencia y pasan a ser transitables.