Ученые из Германии и Бельгии разработали систему, которая позволяет пользователю выбрать наиболее живописный маршрут к точке назначения. Доклад о разработке (PDF) подготовлен к представлению на конференции ACM IUI2016 в Сономе, штат Калифорния.

На первой стадии работы сотрудники Бременского и Хасселтского университетов разделили ландшафт на квадраты со стороной в километр, которые, по их замыслу соответствуют примерно минуте езды на автомобиле. Затем они загрузили панорамы Google StreetView с точки на самой значимой дороге каждого квадрата.

Затем с помощью искусственной нейронной сети пейзажи классифицировали как лесные, горные,водные, с достопримечательностями (например, архитектурой и памятниками) и не живописные. При пользовании системой, получившей название Autobahn («Автомагистраль»), достаточно ввести начальную и конечную точки маршрута,максимальное время в пути и предпочтительный окружающий пейзаж.

Пример анализа карт Майорки, Мадейры и Роны—Альп системой Autobahn. Иллюстрация: Nina Runge et al., ACM IUI, 2016

Разработчики испытали систему на испанской Майорке, во французском регионе Рона—Альпы (с 1 января 2016 года объединен с регионом Овернь) и в калифорнийской Санта-Барбаре. В ходе испытаний они делали снимки пейзажей на дорогах, предложенных Autobahn, и на кратчайших маршрутах. Затем у 24 добровольцев попросили выбрать по фотографиям один из маршрутов — большинство из них согласились с выбором системы.

Сотрудник факультета геоматики Флоридского университета Гартвиг Хохмаир (Hartwig Hochmair),ознакомившись с системой, заявил, что она быстра, эффективна, подходит для смартфонов и позволяет обрабатывать маршруты любого масштаба. Он также предположил, что в будущем указывать предпочтительный ландшафт не понадобится —система сама «научится» предугадывать предпочтения пользователя. По мнению Хохмаира, Autobahn окажется особенно актуальным «через 5—10—15 лет, когда мы все будем ездить на беспилотных автомобилях».

Искусственные нейронные сети — это математические модели, построенные по принципу организации нейронных сетей мозга. Программы на их основе способны к обучению, которое заключается в нахождении коэффициентов связей между нейронами. Благодаря этому нейронные сети способны выявлять сложные взаимосвязи данных и выполнять обобщения.

Автор: Олег Лищук