استخراج جاده و آدرسی دهی به آن

استخراج اتوماتیک جاده از تصاویر ماهواره ای و آدرس دهی

پژوهشگران آزمایشگاه های فیسبوک و MIT روش جدیدی ارائه کرده اند که از یادگیری ماشین و تصاویر ماهواره ای استفاده می کند تا برای خیابان هایی در مناطقی از جهان که تک ساختمان های آنها آدرس منحصر به فردی ندارند، آدرس تولید کنند.

این روش، فرآیند آدرس دهی خیابان ها را طی دو مرحله انجام می دهد. فرآیند اول سگمنت بندی است. طی این فرآیند، پیکسل های حاوی جاده ها با استفاده از روش یادگیری عمیق از تصاویر ماهواره ای با رزولوشن نیم متر استخراج می شوند. در بخش دوم عملیات سگمنت بندی، شبکه جاده ها بر اساس  این پیکسل های شناخته شده توسعه داده می شود. سپس شبکه جاده ها به مناطقی تقسیم می شود. مرحله دوم مرحله نامگذاری (Labelign) نامیده می شود. در طول این فرآیند، مناطق، سگمنت های جاده ای و نشان گر های مکانی نامگذاری می شوند و به هر واحد یک حرف اختصاص داده می شود. مناطق به چهار بخش شمالی، جنوبی، شرقی و غربی (N,S,E,W) می شوند و مرکز شهر به عنوان چگال ترین منطقه در نظر گرفته می شود. خیابان ها بر اساس جهت و نزدیکی آنها با مرکز شهر شماره گذاری و برچسب گذاری می شوند. در مقایسه نتایج مدل با داده های جی آی اسی که به صورت دستی نام گذاری شده اند، پژوهشگران دریافتند که مدل به طور متوسط قادر به یادگیری ۸۰ درصد از خیابان ها در هر شهر است.

استخراج اتوماتیک جاده از تصویر

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

سیستم آدرس دهی اتوماتیک

فرمت آدرس دهی به خیابان: شماره خانه، اسم خیابان، شهر، استان (اگر موضوعیت داشته باشد)، کشور، تاریخ به عنوان ورژن

تلاش های نیز دیگری برای توسعه یک سیستم آدرس یابی برای مناطقی از جهان که آدرس مشخصی ندارند شده است. یکی از این تلاش ها 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 می شود. مغولستان سیستم پستی خود را مبتنی بر این سیستم توسعه داده است.