Google Maps accusé d’induire les chauffeurs Uber en erreur, des chercheurs développent leur propre IA

La plupart du temps, les applications de navigation fonctionnent parfaitement lorsqu’on les utilise dans les grandes villes, mais commencent à se tromper lorsqu’on quitte les grandes agglomérations. La raison est tout simplement que le processus d’enregistrement des routes peut coûter très cher et les grandes compagnies comme Google préfèrent se concentrer sur les zones qu’elles considèrent importantes. C’est en tout cas ce que pense Sam Madden, le co-auteur d’une étude qui vise à résoudre ce problème.

Madden et son équipe ont ainsi développé une nouvelle méthode qui va permettre d’ajouter le nombre et le type de route aux applis mobiles pour que les itinéraires soient plus précis. Le nouveau modèle s’appelle « RoadTagger » et utilise des modèles d’apprentissage machine sur des images satellites. Ces dernières sont faciles à obtenir et sont régulièrement mises à jour.

Crédits Pixabay

RoadTagger est le fruit de la collaboration entre le MIT et le Qatar Computing Research Institute (QCRI). Le Qatar, pays hôte de la Coupe du Monde de Football en 2022, s’inquiète du fait que ses conducteurs Uber se retrouvent souvent en difficulté lorsqu’ils utilisent des applications de navigation comme Google Maps.

Beaucoup de changements au niveau des routes

D’après Madden, le Qatar ne fait pas partie des zones prioritaires en ce qui concerne la construction de cartes numériques. De plus, en raison de l’organisation de la prochaine coupe du monde, de nouvelles routes sont constamment construites, tandis que les anciennes sont réparées. Cela ne fait que compliquer la tâche aux développeurs de cartes.

Avec la nouvelle méthode qui inclut le nombre de routes, le système GPS peut avertir les conducteurs concernant les voies qui divergent et celles qui fusionnent. De plus, le système peut également donner des informations sur les places de parking et permettre ainsi au chauffeur de prévoir ses actions. Avec la rapidité de la méthode, il est aussi possible d’obtenir des mises à jour rapides en cas de catastrophes, par exemple sur la condition des routes.

Des résultats satisfaisants

Pour fonctionner, le modèle RoadTagger utilise une combinaison de réseau CNN ou Convolution Neural Network et de réseau GNN ou Graph Neural Network. Le CNN choisit tout d’abord des images brutes de la route cible, puis le GNN va diviser les routes détectées en segments de 20 m appelés « tuiles ». Chaque tuile est alors analysée par le CNN et comparée aux autres tuiles. En cas d’obstruction, les informations collectées à partir des autres tuiles vont permettre au RoadTagger de deviner ce qu’il y a derrière.

Selon les informations, le nouveau modèle a déjà été testé en utilisant les cartes de 20 villes américaines. Les chercheurs ont ainsi trouvé qu’il pouvait détecter le nombre de voies avec une précision de 77 %. Quant au type de route, le système présente une précision de 95 %. Les scientifiques ont aussi expliqué qu’une des particularités de RoadTagger est qu’il peut détecter les routes même s’il y a des obstructions.

De nos jours, on compte beaucoup sur les applications de navigation pour trouver son chemin, surtout lorsqu’on voyage dans une région inconnue. Il est ainsi très important d’avoir de bons outils sous la main pour ne pas se perdre ou encore causer des accidents. En tout cas, le RoadTagger pourrait bien être la solution à nos problèmes d’orientation.

Laisser un commentaire

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.