マシンラーニングベースシステム､道路標識を自動検出

July, 3, 2019, Melborne--RMIT大学､地理空間研究チームが､Google Street View画像に侵入することで道路標識の位置を絶えず注意する新しいプログラムを開発した｡
　その完全自動システムは､自由に利用できる道路標識画像を判断するために､AI活用対象検出を使ってトレーニングされている｡

　関係当局は､現在､膨大な時間とコストをかけて､手作業で､交通インフラストラクチャの地理位置情報のモニタリングと記録を実施している｡これは､作業者を不要な交通の危険性に晒すことになる｡

　研究成果は､Computers, Environment and Urban Systems誌に発表された｡それによると､同システムは96%程度の正確さで道路標識を検知し､98%の精度でそのタイプを同定､さらに2D画像からその正確な地理的位置を記録することができる｡

　研究の主筆､RMIT大学地陸運科学高位学生､Andrew Campbellによると､その概念実証モデルは､｢止まれ｣｢譲れ｣の標識を認識するように訓練されているが､多くの他のインプットを判定するようにトレーニングできる｡また､現地政府や交通当局が使えるようにする拡張は容易だった｡

｢評議会は､このインフラストラクチャをモニタする要求を持つが､現状は､そのための安価で効率的な方法はない｣とCampbellは指摘する｡
｢自由な､オープンソースツールを使うことで､われわれは､それを実行するための完全自動システムを開発した｡また､それは､もっと正確にすることができる｣｡

研究中に､現行道路標識データベースにある必須のGPS位置データが不正確なことがあり､時には最大10mズレていることを研究チームは発見した｡

｢地理科学者によって訓練を受けていないかも知れない人々が手作業でこのような標識を追跡すると､データベースにヒューマンエラーが侵入する｡われわれのシステムは,一旦設定すると､どんな空間アナリストでも使える｡システムに､どのエリアをモニタしたいかを指示するだけでよい｡システムは,ヒトに代わって､それを実行する｣とCampbellは話している｡

Campbellによると､プロジェクトの当初のコンセプトは､業界の識者､Alpine Shire Council およびRMIT Geospatial Science卒業生､業界パートナーSpatial Visionのものである｡

Sunによると､他のソースからの道路全長､ゴミ収集車のカメラ､地方議会が収集した道路網の地理表示画像など､他の地理表示画像もシステムに入力できる｡
｢全長がすでに収集されつつあるところでは､既存のリソースからの洞察やデータを利用する経済的なツールをわれわれの研究は地方議会に提供する｣と同氏は話している｡
(詳細は､https://www.rmit.edu.au)