¿QUÉ BUSCA SEN2ROAD?
A día de hoy existe mucha información cartográfica digitalizada de diferentes elementos creados artificialmente, en especial de vías de comunicación y carreteras.
En los países más desarrollados las vías de ciudades de un tamaño considerable están muy bien cartografiadas a través de servicios globales de compañías o iniciativas como OSM (Open Street Map). En este sentido, la calidad o existencia de estas capas de vías va empeorando conforme el tamaño de la ciudad va disminuyendo o la ubicación de la misma se sitúa en países en vías de desarrollo y con recursos limitados.
A todo esto hay que añadir que estas capas de información son actualizadas a ritmos muy diferentes, dependiendo de la geolocalización en la que se encuentran. En continentes como África, por ejemplo, la información cartográfica es muy pobre o está desactualizada, lo que genera un desconocimiento y descontrol en ámbitos como la movilidad y los servicios públicos.
NUESTRA PROPUESTA
En Tracasa hemos afrontado el reto de conseguir una extracción de carreteras y vías a partir de imágenes procedentes de las constelaciones de satélites Sentinel. Como es conocido, la resolución espacial de las imágenes de Sentinel-2A rondan los 10 metros, en muchos casos insuficientes para una correcta segmentación del terreno. Por eso hemos tenido que apoyarnos en nuestro modelo de superresolución SENX4 para mejorar las imágenes y obtener una segmentación más precisa.
Con el avance de nuestro modelo SEN2ROAD de segmentación de vías y carreteras se abre un amplio abanico de posibles usos:
- Rapid Mapping. Disponer de una cartografía rápida de vías para su utilización
- Planificación logística y de movilidad
- Respuesta ante desastres de cualquier índole
- Análisis de desarrollo urbanístico y huella de carbono
- Creación y actualización de cartografía
¿QUÉ OFRECE SEN2ROAD?
Las imágenes de satélite son un recurso de valor incalculable para cualquier objetivo de teledetección y de segmentación del territorio. Hoy por hoy, la disponibilidad de modelos de segmentación de vías que funcionen aceptablemente es muy dependiente de la resolución espacial de las imágenes de satélite que se utilicen. Generalmente, para estos casos se utilizan imágenes con una resolución de 2,5 metros o inferior, y que suponen un coste elevado.
Tracasa, con ayuda de su modelo de superresolución de SENX4, está haciendo posible que imágenes de acceso libre como las procedentes de las misiones Sentinel puedan ser utilizadas para este tipo de trabajos, reduciendo enormemente el coste y posibilitando el acceso a estos servicios a más empresas, instituciones y particulares.
SEN2ROAD es nuestro modelo de segmentación de vías y carreteras a partir de imágenes Sentinel, generalmente urbanas y carreteras, de cualquier ubicación a nivel mundial. Es un modelo que utiliza la tecnología de IA más vanguardista, para conseguir un resultado más que aceptable dada la dificultad que supone este tipo de segmentación a través de imágenes Sentinel.
VALORANDO EL RETO CONSEGUIDO
Para interpretar correctamente los resultados de nuestro modelo hemos empleado las métricas de uso más extendido en la valoración de modelos de segmentación en el ámbito del deep learning. Como se puede apreciar en la siguiente tabla, SEN2ROAD ya ha llegado a conseguir métricas cercanas a 0.86 en PPV y de 0.72 en mIoU, algo hasta ahora impensable para modelos de segmentación de vías con imágenes Sentinel.
AÑADIENDO MÁS VALOR: SEG2VECTOR
La segmentación de vías y carreteras a nivel de pixel en la escena tiene un gran valor de representatividad espacial, pero es insuficiente si se quiere utilizar para la toma de decisiones en el ámbito de la planificación, las comunicaciones y la movilidad.
Con la idea de aprovechar al máximo la información segmentada a través de nuestro modelo SEN2ROAD, hemos seguido avanzando con nuestra propuesta de vectorización optimizada de rásters.
A través de nuestra librería de algoritmos SEG2VECTOR conseguimos vectorizar la información ráster de las vías y carreteras de una forma extremadamente optimizada. Así hemos obtenido un formato Shape con toda la información estructurada de las carreteras. Este tipo de información vectorial ya permite la simulación de redes de comunicaciones y estudios posteriores acordes a criterios de movilidad.
CASOS DE USO
Estudio de desarrollo urbanístico
La población mundial sigue creciendo inexorablemente y la concentración de la misma en los grandes centros urbanos produce un efecto negativo en el medioambiente. Este crecimiento puede tener un impacto muy negativo en caso de que no se haga manteniendo rigurosos controles de eficiencia energética.
La generación de un índice de desarrollo urbanístico hípertemporal nos permite establecer, basado en técnicas de teledetección, el patrón de crecimiento de las ciudades y estudiar su impacto energético y medioambiental. En este sentido, se pone en manos de la administración una valiosa herramienta para el estudio de la movilidad ciudadana.
Movilidad y cálculo de rutas alternativas
En muchos supuestos de movilidad reducida producida por la incidencia de catástrofes medioambientales de origen natural, es de suma importancia contar con una cartografía rápida de las vías para poder establecer rutas alternativas.
Mantener una cartografía lo más actualizada posible proporciona una capa de información muy valiosa a la hora de cubrir las necesidades de movilidad en zonas que quizás no tienen ni la infraestructura ni los medios suficientes como para solucionar los efectos producidos por una catástrofe.