กว่าจะเป็น Google Maps: เบื้องหลังการทำงานของทีม Google Maps ในการทำแผนที่โลก

https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgsX1d8meflE0OgauQ8_MQnGJ8ul_UwIFZnbog7S7D1CywVIyq_yH2GGztEDbxf74FKRoHP5aUNQlbSawjijfRk5rketWe4YnMKnyPbho5O6APm3x-ajZsAjM7OqHhQdvhM3J5Z9huotPk/s320/Maps+101+hero+image.jpg Google Maps

โลกเป็นสถานที่ที่สวยงาม แต่ในขณะเดียวกันก็มีความยุ่งเหยิงและมีการเปลี่ยนแปลงอยู่ตลอดเวลา มีการสร้างถนนและอาคารต่างๆ เพิ่มขึ้น และมีการเปิดตัวธุรกิจใหม่ๆ อย่างต่อเนื่อง บทบาทของทีม Google Maps คือการสร้างแบบจำลองที่ถูกต้องและสะท้อนให้เห็นถึงโลกที่มีการพัฒนาตลอดเวลา และผู้คนมักถามเราว่าเรามีวิธีทำแผนที่อย่างไร ซึ่งคำตอบคือ เรามีการทำงานหลากหลายขั้นตอน และการผสมผสานที่ลงตัวของสมาชิกในทีม เทคนิค และเทคโนโลยี

ต่อไปนี้เราจะนำเสนอบทความเกี่ยวกับเบื้องหลังการทำแผนที่ของเราเป็นระยะๆ โดยจะเจาะลึกลงไปในแต่ละองค์ประกอบที่เราใช้เพื่อช่วยให้ผู้คนมากกว่าหนึ่งพันล้านคนใช้ในการเดินทาง สำรวจ และทำสิ่งต่างๆ สำหรับวันนี้เราจะเริ่มด้วยภาพรวมของพื้นฐานในการทำ Google Maps เป็นอันดับแรก

ทุกอย่างเริ่มต้นด้วยภาพ

Street View และภาพถ่ายจากดาวเทียมเป็นส่วนสำคัญในการระบุสถานที่ต่างๆ ในโลกมาโดยตลอด โดยแสดงให้เราเห็นถึงถนน อาคารสิ่งปลูกสร้าง ที่อยู่ และธุรกิจที่ตั้งอยู่ในแต่ละภูมิภาค นอกเหนือจากรายละเอียดที่สำคัญอื่นๆ เช่น การจำกัดความเร็วในเขตเมืองต่างๆ หรือชื่อธุรกิจ ในปี พ.ศ. 2550 Google ได้เปิดตัว Street View เพื่อช่วยให้ผู้คนสำรวจสถานที่ต่างๆ ทั่วโลกในโลกเสมือนจริง ตั้งแต่ส่วนลึกของทวีปแอนตาร์กติกาไปจนถึงยอดเขาคิลิมันจาโร ในช่วง 12 ปีที่ผ่านมา รถ Street View และ เครื่องมือเก็บภาพที่เรียกว่า Street View Trekker ได้รวบรวมภาพมากกว่า 170 พันล้านภาพจาก 87 ประเทศทั่วโลก ต้องขอบคุณ Street View Trekker รุ่นใหม่ล่าสุดที่ได้รับการติดตั้งเซ็นเซอร์ความละเอียดสูงและมีรูรับแสงที่กว้างขึ้น ซึ่งทำให้ภาพที่ถ่ายมามีคุณภาพที่ดีขึ้นอย่างมีนัยสำคัญ

Street View Trekker

การใส่ข้อมูล

โครงร่างถนนจากข้อมูลของสถาบันสถิติและภูมิศาสตร์แห่งชาติของเม็กซิโก

ข้อมูลที่เชื่อถือได้ทำให้แผนที่มีชีวิต ข้อมูลของเรามาจากแหล่งบุคคลที่สามมากกว่า 1,000 รายจากทั่วทุกมุมโลก แหล่งข้อมูลบางราย เช่น สำนักงานสำรวจทางธรณีวิทยาของสหรัฐ (USGS) และสถาบันสถิติและภูมิศาสตร์แห่งชาติของเม็กซิโก (INEGI) ให้ข้อมูลเกี่ยวกับทั้งประเทศ ในขณะที่รายอื่นๆ ให้ข้อมูลเฉพาะสำหรับภูมิภาคเล็กๆ เช่น ข้อมูลจากเทศบาลท้องถิ่น องค์กรพัฒนาเอกชน หรือผู้พัฒนาที่อยู่อาศัย เป็นต้น ทั้งนี้ ทีมงานของเราได้ตรวจสอบทุกแหล่งข้อมูลที่เชื่อถือได้อย่างละเอียดเพื่อให้แน่ใจว่าเรามีข้อมูลที่ถูกต้องและเป็นปัจจุบันมากที่สุด และเมื่อเร็วๆ นี้เราได้แนะนำเครื่องมือใหม่ที่ทำให้รัฐบาลท้องถิ่นสามารถอัปโหลดข้อมูลเกี่ยวกับถนนและที่อยู่ใหม่ๆ ในพื้นที่ของพวกเขาใน Google Maps ได้โดยตรงและง่ายขึ้น 

สัมผัสแห่งมนุษย์

ข้อมูลและภาพเป็นองค์ประกอบสำคัญของการสร้างแผนที่ แต่เป็นสิ่งที่คงที่และในบางครั้งก็ก้าวไม่ทันกับความเปลี่ยนแปลงของโลกที่เกิดขึ้นอย่างรวดเร็ว จึงนำเราไปสู่ส่วนที่สาม นั่นก็คือ ผู้คนที่ช่วยรวบรวมทุกอย่างเข้าด้วยกัน เรามีทีมงานด้านข้อมูลอยู่ทั่วโลก พวกเขามีบทบาทในการทำแผนที่ทุกด้าน ตั้งแต่การรวบรวมภาพ Street View และการตรวจสอบแหล่งข้อมูลที่เชื่อถือได้ ไปจนถึงการแก้ไขแผนที่ที่ไม่ถูกต้อง และฝึกฝนโมเดลแมชชีน เลิร์นนิง (ซึ่งจะพูดถึงรายละเอียดต่อจากส่วนนี้)

นอกจากนี้เรายังมีชุมชน Local Guides และผู้ใช้ Google Maps ที่ช่วยเหลือเราในการแก้ไขแผนที่ผ่านการส่งความคิดเห็นใน Google Maps จากนั้นทีมงานของเราจะตรวจสอบข้อมูลและทำการเผยแพร่หากมีความมั่นใจในระดับสูงว่าข้อมูลที่ได้รับตรงกับถนน ธุรกิจ และที่อยู่ในโลกแห่งความเป็นจริง

การทำงานของทีมงานด้านข้อมูล

ลดเวลาการทำงานด้วย แมชชีน เลิร์นนิง

ภาพถ่าย ข้อมูลที่เชื่อถือได้ และการให้ข้อมูลโดยมนุษย์ทำให้เรามาถึงจุดนี้ได้ แต่เราต้องการทำให้แผนที่ของเรามีประโยชน์มากขึ้นกับผู้คนจำนวนมากขึ้นได้เร็วขึ้นกว่าเดิม เพื่อเพิ่มความเร็วในการทำแผนที่ของเราเราได้หันไปใช้ประโยชน์จากแมชชีน เลิร์นนิง โดยแมชชีน เลิร์นนิงทำให้ทีมของเราสามารถสร้างแผนที่ได้โดยอัตโนมัติ ในขณะที่ยังคงมีความแม่นยำในระดับสูง

มาดูกันว่าเราทำแผนที่โครงร่างสิ่งปลูกสร้างดังในตัวอย่างได้อย่างไร ก่อนหน้านี้อัลกอริทึมที่พยายามคาดเดาว่าส่วนหนึ่งของรูปภาพเป็นสิ่งปลูกสร้างหรือไม่ส่งผลให้เกิดสิ่งที่เราเรียกว่า "สิ่งปลูกสร้างที่คลุมเครือ" ซึ่งเป็นรูปสัณฐานที่ไม่เหมือนสิ่งปลูกสร้างจริงเมื่อถูกนำไปใส่ในแผนที่ และนี่คือปัญหา เนื่องจากสิ่งปลูกสร้างเป็นมากกว่าสิ่งปลูกสร้าง โดยเป็นสถานที่สำคัญและเป็นส่วนสำคัญที่ทำให้ผู้คนรู้ว่าพวกเขาอยู่ที่ไหนเมื่อดูแผนที่ ในการแก้ไขปัญหานี้เราได้ร่วมมือกับทีมงานด้านข้อมูลของเราเพื่อติดตามโครงร่างสิ่งปลูกสร้างทั่วไปด้วยตนเอง จากนั้นใช้ข้อมูลนี้เพื่อพัฒนาอัลกอริทึมของแมชชีน เลิร์นนิง เพื่อให้ระบุว่าภาพใดสอดคล้องกับขอบและรูปร่างของสิ่งปลูกสร้าง เทคนิคนี้พิสูจน์แล้วว่ามีประสิทธิภาพ โดยภายในเวลาเพียง 1 ปี เราสามารถทำแผนที่สิ่งปลูกสร้างได้มากเท่ากับที่เราทำใน 10 ปีที่ผ่านมา

โครงร่างสิ่งปลูกสร้างที่คลุมเครือใน Google Maps

รูปหลายเหลี่ยมของสิ่งปลูกสร้างที่มีความชัดเจนใน Google Maps

เรามุ่งมั่นพัฒนา Google Maps อย่างไม่หยุดยั้ง

Google Maps มีความสำคัญต่อการเติบโตของชุมชนต่างๆ โดยช่วยเชื่อมต่อผู้คนเข้าด้วยกัน ช่วยให้เศรษฐกิจเติบโตขึ้นเมื่อผู้คนค้นพบธุรกิจและร้านอาหารใหม่ๆ และช่วยให้ผู้คนทำสิ่งต่างๆ ให้เสร็จลุล่วง  แม้ว่าเราจะพัฒนามาไกลด้วยแผนที่ที่ครอบคลุมกว่า 220 ประเทศและดินแดนต่างๆ ทั่วโลก เรารู้ดีว่างานของเราไม่ได้หยุดอยู่เพียงเท่านี้ แต่ละภูมิภาคมีความต้องการที่แตกต่างกันและมีความท้าทายในการทำแผนที่ที่ต่างกันออกไป ในบทความถัดไปเราจะพูดถึง “ภาพ” ซึ่งเป็นหนึ่งในองค์ประกอบที่สำคัญของการทำแผนที่  โดยจะเจาะลึกว่าภาพช่วยให้เราเอาชนะความท้าทายเหล่านี้ได้อย่างไร

Andrew Lookingbill, Director of Engineering, Google Maps

Ethan Russell, Director of Product, Google Maps

Google Maps 101: how we map the world

The world is a beautiful, messy, constantly changing place—roads are added, buildings are built, and new businesses are opened all the time. Our role on the Google Maps team is to accurately model and reflect this ever-evolving world, and we’re often asked how we make a map that does that. The answer is, it takes a number of different steps, and the right mix of people, techniques and technology.

In a series of posts over the coming months, we’ll give you a closer look at how we build our map—diving deep into each of the elements we use to help more than one billion people navigate, explore and get things done. Today, we’ll start with an overview of the basics.

It all starts with imagery

Street View and satellite imagery have long been an important part of how we’re able to identify where places are in the world—it shows us where roadways, buildings, addresses and businesses are located in a region, in addition to other important details—such as the town’s speed limits or business names. In 2007, Street View launched to help people virtually explore the entire world, from the depths of Antarctica to the top of Mount Kilimanjaro. In the 12 years since then, our Street View car and trekker operations have collected more than 170 billion images from 87 countries. Thanks to our newest trekker that is equipped with higher-resolution sensors and increased aperture, we’ve significantly improved the quality of imagery we capture.

A Street View trekker

Then you add data

Authoritative data brings the map to life. Our data comes from more than 1,000 third-party sources from all over the world. Some, like the United States Geological Survey (USGS) and the National Institute of Statistics and Geography (INEGI) in Mexico, provide information about an entire country. Others are specific to smaller regions, like data from a local municipality, an NGO or a housing developer. Our teams carefully vet every authoritative data source to ensure that we have the most accurate and up-to-date data available. And recently, we introduced a new tool to make it easier for local governments to upload data about new roads and addresses in their area, right to Google Maps.

Road outlines from one of our data partners, the National Institute of Statistics and Geography.

A human touch

Data and imagery are key components of mapmaking, but they’re static and can’t always keep up with the pace of how quickly the world changes. This brings us to the third piece: the people that help us tie everything together. We have a data operations team staffed all over the world that plays a role in just about every aspect of mapmaking, from gathering Street View images and vetting authoritative data sources to correcting the map for inaccuracies and training machine learning models (more on that in a second).

We also have our community of Local Guides and Google Maps users, whom we empower to correct the map via the Send Feedback button in Google Maps. Our team reviews the information and publishes it if we have a high degree of confidence that it matches the roads, businesses and addresses in the real world.

Our data operations team at work

Speeding things up with machine learning

Imagery, authoritative data and human input have gotten us to where we are, but we want to make our maps more useful to more people even faster. To increase the speed of our mapping, we turn to machine learning. Machine learning allows our team to automate our mapping processes, while maintaining high levels of accuracy.

Let’s look at how we map building outlines as an example. Previously, an algorithm that tried to guess whether part of an image was a building or not resulted in what we dubbed “fuzzy buildings”—amorphous blobs that didn’t look like real buildings when you draw them on a map. And this was an issue—buildings are more than just buildings—they’re landmarks and a key part of how someone knows where they are when looking at a map. To fix this, we worked with our data operations team to trace common building outlines manually, and then used this information to teach our machine learning algorithms which images correspond with building edges and shapes. This technique proved effective, enabling us to map as many buildings in one year as we mapped in the previous 10.

Fuzzy building outlines on Google Maps

Clear building polygons outlined on the map

We’re in it for the long haul

Maps are critical to helping communities thrive. They connect people with each other, help grow economies as people discover new businesses and restaurants, and help people get things done. Although we’ve come a long way, with maps in more than 220 countries and territories to date, we know that our work is far from over. Different regions have different needs, and their own mapping challenges. In our next post, we’ll take a closer look at how one component—imagery—helps us overcome these challenges.

Andrew Lookingbill, Director of Engineering, Google Maps

Ethan Russell, Director of Product, Google Maps