MITとカタール・コンピューティング研究所（QCRI）の研究者が開発した、衛星画像を使ってデジタル地図上の道路の特徴をタグ付けするモデルは、GPSナビゲーションの改善に役立つ可能性がある。
ドライバーにルートの詳細情報を提供すれば、慣れない場所でも道順を把握しやすくなることが多い。たとえば、車線数が分かれば、車線が分岐したり合流したりする場所をGPSシステムがドライバーに知らせられる。駐車場の情報があれば事前の計画に役立ち、自転車レーンを地図に示せば、自転車利用者が交通量の多い市街地を走りやすくなる。道路状況の最新情報を提供することは、災害救援の計画改善にもつながる。
しかし、詳細な地図の作成には費用と時間がかかり、主にGoogleのような大企業が担っている。Googleは車両のボンネットにカメラを取り付けて走行させ、地域の道路の動画や画像を撮影している。それをほかのデータと組み合わせることで、正確で最新の地図を作成できる。しかし、この作業には費用がかかるため、世界の一部地域は対象から外れている。
解決策の一つは、比較的容易に入手でき、定期的に更新される衛星画像に機械学習モデルを適用し、道路の特徴を自動でタグ付けすることだ。しかし、道路は木や建物などに隠れている場合があり、難しい課題となる。論文人工知能振興協会（AAAI）の会議で発表される論文で、MITとQCRIの研究者は「RoadTagger」を紹介している。複数のニューラルネットワーク構造を組み合わせ、障害物の背後にある車線数や道路の種類（住宅街の道路か高速道路か）を自動で予測する。
米国20都市のデジタル地図にある、遮蔽物で隠れた道路を使ってRoadTaggerを検証したところ、車線数を77％の精度で数え、道路の種類を93％の精度で推定した。研究者らは、駐車場や自転車レーンなど、ほかの特徴も予測できるようRoadTaggerを拡張する計画だ。
「最新のデジタル地図のほとんどは、大企業が特に重視する地域のものです。あまり重視されていない地域にいると、地図の質の面で不利になります」と、共著者で電気工学・コンピューターサイエンス学科（EECS）の教授、コンピューターサイエンス・人工知能研究所（CSAIL）の研究者でもあるサム・マッデン氏は語る。「私たちの目標は、高品質なデジタル地図を作成するプロセスを自動化し、どの国でも利用できるようにすることです。」
論文の共著者は、CSAILの大学院生ソンタオ・ハー、ファビエン・バスタニ、エドワード・パーク、EECSの学部生サトバット・ジャグワニ、CSAILの教授モハンマド・アリザデとハリ・バラクリシュナン、そしてQCRIの研究者サンジェイ・チャウラ、ソフィアン・アバール、モハンマド・アミン・サデギである。
CNNとGNNの組み合わせ
QCRIの拠点があるカタールは、「デジタル地図を作成する大企業にとって優先度の高い地域ではありません」とマッデン氏は言う。それでも、カタールでは新しい道路が次々と建設され、既存の道路も改良されている。特に、2022年FIFAワールドカップの開催に向けてその動きが進んでいる。
「カタールを訪れた際、地図があまりに不正確で、Uberの運転手が目的地への行き方を把握できないことがありました」とマッデン氏は語る。「車線の合流などに関する正しい情報がナビアプリにないと、いらだたしい事態になりかねず、さらに深刻な問題につながることもあります。」
RoadTaggerは、画像処理タスクで一般的に使われる畳み込みニューラルネットワーク（CNN）と、グラフニューラルネットワーク（GNN）を新しい形で組み合わせている。GNNはグラフ内でつながったノード間の関係をモデル化するもので、ソーシャルネットワークや分子動力学などの分析に広く使われるようになった。このモデルは「エンドツーエンド」であり、人間が介在せず、生データだけを入力して自動的に出力を生成する。
CNNには、対象道路の未加工の衛星画像を入力する。GNNは道路を約20メートルごとの区間、つまり「タイル」に分割する。各タイルは個別のグラフノードとなり、道路に沿った線で互いにつながる。CNNは各ノードの道路の特徴を抽出し、その情報を隣接するノードに渡す。道路情報はグラフ全体に伝わり、各ノードはほかのすべてのノードにある道路属性の情報を受け取る。画像内で特定のタイルが隠れている場合、RoadTaggerは道路上のすべてのタイルの情報を使って、隠れた部分を予測する。
研究者らによると、この統合アーキテクチャは、人間に近い直感的な判断を実現する。たとえば、4車線道路の一部が木々に隠れ、タイルによっては2車線しか見えないとする。人間なら、木の陰にさらに2車線が隠れていると容易に推測できる。従来の機械学習モデル、たとえばCNNだけを使う場合は、個々のタイルの特徴しか抽出できず、隠れたタイルを2車線道路と予測する可能性が高い。
「人間は隣接するタイルの情報から、隠れたタイルの車線数を推測できますが、ニューラルネットワークにはそれができません」とハー氏は言う。「私たちの手法は人間の自然な振る舞いを模倣しようとするものです。CNNから局所的な情報を、GNNから全体的な情報を取り込み、より良い予測につなげます。」
重みの学習
RoadTaggerの訓練とテストには、ユーザーが世界各地のデジタル地図を編集・整備できる実世界の地図データセット「OpenStreetMap」を使用した。研究者らはこのデータセットから、米国20都市（ボストン、シカゴ、ワシントン、シアトルなど）の地図に含まれる688平方キロメートル分の、確認済み道路属性を収集した。次に、Googleマップのデータセットから対応する衛星画像を集めた。
訓練中、RoadTaggerはCNNとGNNの重みを学習する。重みは、特徴やノード間の接続に割り当てる重要度を表す。CNNはタイルの画素パターンから特徴を抽出し、GNNは学習した特徴をグラフに沿って伝播させる。道路から無作為に選んだ部分グラフを使い、各タイルの道路の特徴を予測する方法をシステムが学習する。その過程で、どの画像特徴が有用か、またその特徴をグラフ内でどう伝播させるかを自動的に学ぶ。たとえば、対象タイルの車線表示が不明瞭でも、隣のタイルに明瞭な車線表示のある4車線があり、道路幅も同じなら、対象タイルも4車線である可能性が高い。この場合、モデルは道路幅が有用な画像特徴であることを自動的に学ぶ。そのため、隣接する2つのタイルの道路幅が同じなら、車線数も同じである可能性が高いと判断できる。
OpenStreetMapの訓練データに含まれていない道路が与えられると、モデルはその道路をタイルに分割し、学習済みの重みを使って予測する。隠れたタイルの車線数を予測する場合、モデルは隣接タイルの画素パターンが一致しており、情報を共有する可能性が高いと判断する。したがって、それらのタイルが4車線なら、隠れたタイルも4車線であるはずだと予測する。
別の検証では、RoadTaggerは、合成された非常に難しい道路の遮蔽データセットでも車線数を正確に予測した。たとえば、2車線の高架道路が、対象となる4車線道路のタイルをいくつか覆っていた。モデルは高架道路の画素パターンの不一致を検出し、覆われたタイル上の2車線を無視して、その下に4車線があると正確に予測した。
研究者らは、OpenStreetMapのように車線数などの詳細が記載されていない地図も多いデータセットで、インフラの継続的な変更を人間が迅速に検証・承認できるよう、RoadTaggerを役立てたいと考えている。バスタニ氏によると、特に関心を寄せている地域はタイだ。道路が絶えず変化している一方、データセットの更新はほとんど、あるいはまったくない。
「以前は未舗装道路とされていた道路が舗装され、走りやすくなっていますし、交差点が完全に造り替えられたところもあります。毎年変化があるのに、デジタル地図は古いままです」と同氏は言う。「最新の画像を基に、こうした道路属性を継続的に更新したいと考えています。」
