پژوهشگران آزمایشگاه‌های فیسبوک و MIT روش جدیدی ارائه کرده‌اند که از یادگیری ماشین و تصاویر ماهواره ای استفاده می‌کند تا برای تک ساختمان‌هایی که آدرس منحصر به فردی ندارند، آدرس تولید کنند.

این روش، فرایند آدرس‌دهی خیابان‌ها را طی دو مرحله انجام می‌دهد: فرایند اول سگمنت‌ بندی است. طی این فرآیند، پیکسل‌های حاوی جاده‌ها با استفاده از روش یادگیری عمیق از تصاویر ماهواره ای با رزولوشن نیم متر استخراج می‌شوند. در بخش دوم عملیات سگمنت بندی، شبکه جاده‌ها بر اساس این پیکسل‌های شناخته شده توسعه داده می‌شود. سپس شبکه جاده‌ها به مناطقی تقسیم می‌شود. مرحله دوم مرحله نامگذاری(labeling) نامیده می‌شود. در طول این فرایند، مناطق، سگمنت‌ های جاده‌ ای و نشان گر های مکانی نامگذاری می‌شوند و به هر واحد یک حرف اختصاص داده می‌شود. مناطق به چهار بخش شمالی، جنوبی، شرقی و غربی (N,S,E,W) تقسیم می‌شوند و مرکز شهر به عنوان چگال‌ترین منطقه در نظر گرفته می‌شود. خیابان‌ها بر اساس جهت و نزدیکی آنها با مرکز شهر شماره‌گذاری و برچسب‌گذاری می‌شوند. در مقایسه نتایج مدل با داده های جی آی اسی که به صورت دستی نام‎‌گذاری شده‌اند، پژوهشگران دریافتند که مدل به طور متوسط قادر به یادگیری ۸۰ درصد از خیابان‌ها در هر شهر است.

تصویر ماهواره ای، جاده های استخراج شده، مناطق و جاده های نام گذاری شده و بلوک‌های برچسب‌ خورده، سه مثال از شهرهای در حال توسعه است.

فرمت آدرس‌دهی به خیابان: شماره خانه، نام خیابان، شهر، استان و کشور، تاریخ به عنوان ورژن

جهت توسعه یک سیستم آدرس دهی برای مناطقی از جهان که آدرس مشخصی ندارند تلاش‌های دیگری نیز شده است. یکی از این تلاش‌ها توسعه سیستمی است به نام What3Words. در این سیستم به صورت تصادفی ترکیبی از سه کلمه به شبکه ای از سلول های سه متر در سه متر از جهان تخصیص داده می‌شود. مغولستان سامانه پستی خود را مبتنی بر این سیستم توسعه داده است.