尽管全球卫星导航（GPS）系统已经在民用市场得到了广泛的应用，但人们在日常驾驶的过程中仍难以避免拐错路口的尴尬。

好消息是，来自麻省理工学院（MIT）和卡塔尔计算机研究所的一支团队，想到了借助卫星图像来增强现有地图数据的方法。

其中最吸引我们的，莫过于借助人工智能（AI）来计算被数据和建筑物所遮挡的道路布局。

【来自：MIT，via New Atlas】

这项被称作“道路标记”（RoadTagger）的技术，旨在卫星图像上运用机器学习技术。

系统能够高度准确地找出道路上的一些额外细节（比如有多少条车道），从而提供有关岔路口或车道合并等预警信息。

此外，RoadTagger 可用于对非机动车道和停车位的合理预估，在缺乏地图数据的地方特别实用（相对快速和低开销地为地图补充额外的细节）。

MIT 的 Sam Madden 表示：“大公司总是倾向于为重点区域提供最新的数字地图，小地方反而容易被忽视”。

基于此，研究团队决定专注于高质量数字地图的自动化生成过程，以便能够在任何国家和地区使用。

在美国 20 个城市的测试期间，RoadTagger 系统能够以至少 77％ 的准确度对行车道进行计数，即便道路的视野被完全或部分遮挡。

在道路类型的识别上（住宅区或高速公路），RoadTagger 的准确率更是达到了 93% 。

此外，机器学习系统可识别土路或羊肠小道，以及被立交桥等环境给遮蔽的道路特征。

据悉，支撑 RoadTagger 的程序 AI 可将道路分割成多个图块，并在视图被遮挡时调用周围图块的信息，来帮助确定道路的布局。

作为一个‘端到端’模型，其能够在原始数据中生成输出，而无需人工的干预。

鉴于卫星图像通常比地图数据更新得更加及时和有固定频次，RoadTagger 的应用前景还是相当光明的。