Google Maps 101: como mapeamos o mundo.
O mundo é um lugar bonito, confuso e em constante mudança - estradas são adicionadas, construções são construídas e novos negócios são abertos o tempo todo.
Nosso papel na equipe do Google Maps é modelar e refletir com precisão esse mundo em constante evolução, e muitas vezes nos perguntam como fazemos um mapa que faz isso. A resposta é que são necessárias várias etapas diferentes e a combinação certa de pessoas, técnicas e tecnologia.
Em uma série de postagens nos próximos meses, vamos dar uma olhada mais de perto em como construímos nosso mapa - mergulhando fundo em cada um dos elementos que usamos para ajudar mais de um bilhão de pessoas a navegar, explorar e fazer as coisas. Hoje, começaremos com uma visão geral do básico.
Tudo começa com imagens
O Street View e as imagens de satélite têm sido uma parte importante de como podemos identificar onde os lugares estão no mundo. Isso nos mostra onde estradas, edifícios, endereços e empresas estão localizados em uma região, além de outros detalhes importantes. como os limites de velocidade da cidade ou nomes comerciais. Em 2007, o Street View foi lançado para ajudar as pessoas a explorar virtualmente o mundo inteiro, das profundezas da Antártida ao topo do Monte Kilimanjaro. Nos 12 anos desde então, nossas operações de carro e trekker Street View coletaram mais de 170 bilhões de imagens de 87 países. Graças ao nosso mais novo trekker equipado com sensores de alta resolução e maior abertura, melhoramos significativamente a qualidade das imagens que capturamos.
Então você adiciona dados
Dados autoritativos dão vida ao mapa. Nossos dados são provenientes de mais de 1.000 fontes de terceiros de todo o mundo. Alguns, como o United States Geological Survey (USGS) e o Instituto Nacional de Estatística e Geografia (INEGI) no México, fornecem informações sobre um país inteiro. Outros são específicos para regiões menores, como dados de um município local, uma ONG ou um promotor imobiliário. Nossas equipes cuidadosamente avaliam todas as fontes de dados autorizadas para garantir que tenhamos os dados mais precisos e atualizados disponíveis. Recentemente, introduzimos uma nova ferramenta para tornar mais fácil para os governos locais fazer upload de dados sobre novas estradas e endereços em suas áreas, diretamente para o Google Maps.
Um toque humano
Dados e imagens são componentes-chave da cartografia, mas são estáticos e nem sempre conseguem acompanhar o ritmo da rapidez com que o mundo muda. Isso nos leva à terceira parte: as pessoas que nos ajudam a amarrar tudo juntos. Temos uma equipe de operações de dados em todo o mundo que desempenha um papel em praticamente todos os aspectos da criação de mapas, desde a coleta de imagens do Street View e a verificação de fontes de dados autoritativas até a correção de imprecisões e treinamento de modelos de aprendizado de máquina. segundo).
Também temos a nossa comunidade de usuários do Guias Locais e do Google Maps, a quem autorizamos a correção do mapa por meio do botão Enviar feedback no Google Maps . Nossa equipe analisa as informações e as publica se tivermos um alto grau de confiança de que elas correspondem às estradas, empresas e endereços no mundo real.
Acelerando as coisas com o aprendizado de máquina
Imagens, dados autoritativos e input humano nos levaram até onde estamos, mas queremos tornar nossos mapas mais úteis para mais pessoas ainda mais rapidamente. Para aumentar a velocidade do nosso mapeamento, recorremos ao aprendizado de máquina. O aprendizado de máquina permite que nossa equipe automatize nossos processos de mapeamento, mantendo altos níveis de precisão.
Vamos ver como mapeamos os contornos do edifício como um exemplo. Anteriormente, um algoritmo que tentava adivinhar se parte de uma imagem era um edifício ou não resultava no que chamávamos de “edifícios difusos” - blobs de amor que não pareciam prédios reais quando você os desenha em um mapa. E isso era um problema - os edifícios são mais do que apenas prédios - são pontos de referência e uma parte fundamental de como alguém sabe onde está quando olha para um mapa. Para consertar isso, trabalhamos com nossa equipe de operações de dados para traçar contornos de construção comuns manualmente e, em seguida, usamos essas informações para ensinar nossos algoritmos de aprendizado de máquina, que correspondem a bordas e formas de construção. Essa técnica se mostrou eficaz, permitindo mapear tantos edifícios em um ano quanto mapeamos nos 10 anteriores.
Estamos nisso para o longo curso
Os mapas são essenciais para ajudar as comunidades a prosperar. Eles conectam as pessoas umas com as outras, ajudam a aumentar as economias à medida que as pessoas descobrem novos negócios e restaurantes e ajudam as pessoas a fazer as coisas. Embora tenhamos percorrido um longo caminho, com mapas em mais de 220 países e territórios até hoje, sabemos que nosso trabalho está longe de terminar. Diferentes regiões têm diferentes necessidades e seus próprios desafios de mapeamento. Em nosso próximo post, veremos de perto como um componente - imagens - nos ajuda a superar esses desafios.
