不慣れな場所を運転するとき、ナビはとても役に立つが、すべての場所で道路の最新情報が反映されているとは限らない。そこで今回、MITとカタールコンピューティング研究所（QCRI）がAIと衛星画像を使って、GPSナビゲーションを改善するデジタルマップを開発した。

・ CNNとGNNを組合わせた新システム

現在の詳細地図は、Googleなどの大企業が莫大な時間と資金を投資して作成しているが、そのプロセスが高価であることから、世界中のあらゆる国で地図作成が行われているわけではない。

そこでMITとQCRIが、どの国でも最新の詳細地図が利用できるようにすることを目的に、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）を組合わせた新システム「RoadTagger」を開発。

RoadTaggerのトレーニングおよびテストには、OpenStreetMapを使って米国20都市の地図から道路特性を収集し、Googleマップデータセットから衛星画像を収集した。

・人間の自然な行動を模倣して自動予測

RoadTaggerは以下のように機能する。

まず、CNNが道路の未加工衛星画像を取得すると、GNNが道路を「タイル」と呼ばれる約20メートル四方に分割。CNNが各タイルの道路特性を抽出し、その情報を隣のタイルと共有すると、道路情報がグラフ全体に伝わり、各タイルは他のすべてのタイルの道路情報を受け取る。道路特性が表示されていないタイルでは、RoadTaggerはすべての情報を使って自動予測する。

このアプローチはCNNからローカル情報を、GNNから全体の情報を受け取って、人間の自然な行動を模倣するべく、より良い予測を行うのが特長だ。

米国の20都市のデジタルマップには表示されていない道路でRoadTaggerをテストした結果、車線数を77％、道路タイプ（私道や高速道路など）を93％正確に予測した。

今後、研究者らはRoadTaggerで駐車場や自転車レーンなどを予測することも計画している。また、RoadTaggerを使って、OpenStreetMapなどにおいて変更があった場合の迅速な検証を支援したいとのこと。さらに、道路が絶えず変化しているにかかわらず、データセットがほとんど更新されないタイでの適用に注目しているという。

MIT