El mundo es un lugar hermoso, desordenado y en constante cambio: se construyen nuevas carreteras, edificios y se abren nuevos negocios todo el tiempo. Nuestro rol en el equipo de Google Maps es modelar y reflejar con precisión este mundo en constante evolución, y a menudo nos preguntan cómo creamos un mapa que haga eso. La respuesta consiste en tomar una serie de diferentes pasos y en la combinación adecuada de personas, técnicas y tecnología.
En una serie de publicaciones en los próximos meses, te daremos una mirada más detallada de cómo construimos nuestro mapa: profundizando en cada uno de los elementos que utilizamos para ayudar a más de mil millones de personas a navegar, explorar y hacer cosas. Hoy, comenzaremos con una visión general de los conceptos básicos.
Todo comienza con las imágenes
Street View y las imágenes satelitales han sido durante mucho tiempo una parte importante de cómo podemos identificar dónde se encuentran los lugares en el mundo; nos muestran dónde se ubican las carreteras, edificios, direcciones y negocios en una región, además de otros detalles importantes, como los límites de velocidad de la ciudad o los nombres de negocios. En 2007, se lanzó Street View para ayudar a las personas a explorar virtualmente el mundo entero, desde las profundidades de la Antártida hasta la cima del Monte Kilimanjaro. En los 12 años transcurridos desde entonces, nuestras operaciones de autos y trekkers de Street View han recopilado más de 170 mil millones de imágenes de 87 países. Gracias a nuestro
nuevo trekker que está equipado con sensores de mayor resolución y mayor apertura, hemos mejorado significativamente la calidad de las imágenes que capturamos.
Un Trekker de Street View
Luego le agregas datos
Los datos acreditados dan vida al mapa. Nuestros datos provienen de más de 1.000 fuentes de terceros de todo el mundo. Algunos, como el Servicio Geológico de los Estados Unidos (USGS) y el Instituto Nacional de Estadística y Geografía (INEGI) en México, brindan información sobre todo un país. Otros son específicos de regiones más pequeñas, como datos de un municipio local, una ONG o un desarrollador de viviendas. Nuestros equipos examinan cuidadosamente cada fuente de datos acreditada para garantizar que tengamos los datos más precisos y actualizados disponibles. Y recientemente, presentamos
una nueva herramienta para facilitar a los gobiernos locales la carga de datos sobre nuevos caminos y direcciones en su área, directamente a Google Maps.
Contornos viales de uno de nuestros socios de datos, el Instituto Nacional de Estadística y Geografía
El toque humano
Los datos y las imágenes son componentes clave de la creación de mapas, pero son estáticos y no siempre pueden seguir el ritmo de la rapidez con que cambia el mundo. Esto nos lleva a la tercera pieza: las personas que nos ayudan a unir todo. Tenemos un equipo de operaciones de datos con personal en todo el mundo que desempeña un papel en casi todos los aspectos de la creación de mapas, desde la recopilación de imágenes de Street View y la verificación de fuentes de datos acreditadas hasta la revisión y corrección del mapa en busca de imprecisiones, y el entrenamiento de modelos de aprendizaje automático (más sobre esto a continuación).
También tenemos a nuestra comunidad de
Guías locales y usuarios de Google Maps, a quienes les permitimos corregir el mapa a través del botón Enviar comentarios en
Google Maps. Nuestro equipo revisa la información y la publica sólo si tenemos un alto grado de confianza en que coincide con los caminos, los negocios y las direcciones en el mundo real.
Nuestro equipo de operaciones de datos en el trabajo
Acelerando las cosas con el aprendizaje automático
Las imágenes, los datos acreditados y el aporte humano nos han llevado a donde estamos, pero queremos que nuestros mapas sean más útiles para más personas incluso más rápido. Para aumentar la velocidad de la creación de mapas, recurrimos al aprendizaje automático. El aprendizaje automático le permite a nuestro equipo automatizar los procesos de mapeo, a la vez que mantiene altos niveles de precisión.
Veamos cómo mapeamos los contornos de los edificios como ejemplo. Antes, un algoritmo que intentaba adivinar si parte de una imagen era un edificio o no daba lugar a lo que denominamos "edificios borrosos": manchas sin forma que difícilmente parecían edificios reales cuando se mostraban en el mapa. Y esto era un problema, los edificios son más que edificios, son puntos de referencia y una parte clave de cómo alguien sabe dónde está cuando mira un mapa. Para solucionar esto, trabajamos con nuestro equipo de operaciones de datos para rastrear los contornos de los edificios comunes de forma manual, y luego utilizamos esta información para enseñar a nuestros algoritmos de aprendizaje automático qué imágenes corresponden con los bordes y las formas de los edificios. Esta técnica demostró ser efectiva, lo que nos permite mapear tantos edificios en un año como los que mapeamos en los 10 años previos.
Contornos de edificios borrosos
Polígonos definidos de edificios delineados en el mapa
Estamos en esto para el largo plazo
Los mapas son esenciales para ayudar a las comunidades a prosperar. Conectan a las personas entre sí, ayudan a las economías en crecimiento a medida que las personas descubren nuevos negocios y restaurantes, y ayudan a las personas a hacer más cosas. Aunque hemos recorrido un largo camino, con mapas en más de 220 países y territorios hasta la fecha, sabemos que nuestro trabajo está lejos de terminar. Diferentes regiones tienen diferentes necesidades y sus propios desafíos de mapeo. En nuestra próxima publicación, analizaremos más de cerca cómo un componente, las imágenes, nos ayuda a superar estos desafíos.
Por Andrew Lookingbill, Ingeniero de software y Ethan Russel, Director de producto, Google Maps
Follow