Conheça a tecnologia por detrás do Google Maps

Como mapeamos o mundo?

Post de Andrew Lookingbill Director of Engineering, Google Maps & Ethan Russell Director of Product, Google Maps

O mundo é um lugar bonito, um pouco confuso e em constante mudança - estradas que são adicionadas, novos edifícios construídos e novos negócios abertos todos os dias. O nosso papel na equipa do Google Maps é modelar e fazer refletir de forma precisa este mundo em constante evolução. Muitas vezes questionam-nos sobre como fazemos um mapa que responda a este desafio. A resposta é que são necessárias várias e diferentes etapas e uma combinação exemplar de pessoas, técnicas e de tecnologia.

Ao longo dos próximos meses, vamos mostrar, de perto, como desenvolvemos os nossos mapas - aprofundar cada um dos elementos que utilizamos para ajudar milhares de milhões de pessoas a navegar, a explorar e a fazer inúmeras coisas a partir do Google Maps. Por agora, vamos conhecer os princípios básicos desta ferramenta poderosa.

Tudo começa com imagens

O Street View e as imagens de satélite têm sido uma parte importante de como temos conseguido identificar onde os lugares estão localizados no mundo - mostra-nos onde as estradas, os edifícios, endereços e empresas estão localizados numa determinada região, além de outros pormenores importantes. como os limites de velocidade da cidade ou os nomes dos próprios negócios locais. Em 2007, o Street View foi lançado para ajudar as pessoas a explorar virtualmente o mundo inteiro, das profundezas da Antártida ao topo do Monte Kilimanjaro. Desde então, os nossos carros do Street View e os Trekkers já recolheram mais de 170 mil milhões de imagens de 87 países. Graças ao nosso mais recente Trekker que está equipado com sensores HD e uma amplitude maior, estamos a melhorar, significativamente, a qualidade das imagens capturadas.

 

Depois, a informação dos utilizadores

Dados oficiais dão vida ao mapa. Os nossos dados são provenientes de mais de 1.000 fontes de entidades terceiras de todo o mundo. Alguns, como o United States Geological Survey (USGS) e o Instituto Nacional de Estatística e Geografia (INEGI) no México, fornecem informações sobre todo um país. Outros, são específicos para regiões mais pequenas, como dados de um município local, uma ONG ou um promotor imobiliário. As nossas equipas avaliam cuidadosamente todas as fontes de dados oficiais para garantir que temos os dados disponíveis mais precisos e atualizados até ao momento. Recentemente, lançámos uma nova ferramenta para tornar mais fácil para as entidades locais submeterem os dados sobre novas estradas e endereços nas suas áreas, diretamente para o Google Maps.

Um toque humano

Os dados e as imagens são componentes-chave na criação de mapas mas são estáticos e não conseguem acompanhar o ritmo das mudanças rápidas do mundo. Este factor leva-nos à terceira parte: as pessoas que nos ajudam a reunir toda a informação. Temos uma equipa de operações de dados em todo o mundo que desempenha um papel primordial em quase todos os aspectos da criação de mapas, desde a recolha de imagens do Street View passando pela verificação de fontes oficiais de dados até à correção de imprecisões e formação de modelos de machine learning (em apenas um segundo).

Também temos a nossa comunidade de utilizadores de Guias Locais e do Google Maps, a quem damos a possibilidade de correção do mapa através do botão Enviar feedback no Google Maps. A nossa equipa analisa as informações e publica-as caso tenhamos confiança absoluta que essas mesmas informações correspondem às estradas, empresas e endereços no mundo real.

                                                                                    

Acelerar os processos com machine learning

As imagens, dados oficiais e a interação humana trouxeram-nos até onde estamos mas queremos tornar os nossos mapas mais úteis para mais pessoas e de uma forma ainda mais rápida. Para aumentar a velocidade do nosso mapeamento, recorremos ao machine learning que permite à nossa equipa automatizar os nossos processos de mapeamento ao mesmo tempo que mantemos os altos níveis de precisão.

Por exemplo, vejamos como mapeamos os contornos de um edifício. Anteriormente, um algoritmo que tentava adivinhar se parte de uma imagem era um edifício ou não resultava no que apelidávamos de "edifícios difusos" - blocos sem aparência que não se pareciam com construções reais quando os desenhávamos num mapa. E isto era um problema: os edifícios são mais do que meros edifícios; são pontos de referência e uma parte fundamental para que as pessoas se localizem quando estão a olhar para um mapa. Para solucionar este problema, trabalhámos em conjunto com a nossa equipa de operações para delinear contornos de construção comuns manualmente e, em seguida, usámos essas informações para ensinar os nossos algoritmos de machine learning que estes mesmos contornos correspondiam a esquinas e formas dos edifícios. Esta técnica mostrou-se eficaz, permitindo mapear o mesmo número de edifícios num ano do que aqueles que tínhamos mapeado nos últimos 10 anos.

Estamos cá para o que der e vier

Os mapas são essenciais para ajudar as comunidades a prosperar. Ligam as pessoas umas às outras, ajudam a fazer crescer a economia à medida que as pessoas descobrem novos negócios e restaurantes e ajudam as pessoas a fazer as suas tarefas. Embora tenhamos percorrido um longo caminho, com mapas em mais de 220 países e territórios até ao momento, sabemos que o nosso trabalho está longe de terminar. Diferentes regiões têm diferentes necessidades e os seus próprios desafios de mapeamento.