Geospatiale wetenschappers hebben een nieuw programma ontwikkeld om straatnaamborden te controleren die moeten worden vervangen of gerepareerd door gebruik te maken van Google Street View-afbeeldingen.

Het volledig geautomatiseerde systeem is getraind met behulp van AI-aangedreven objectdetectie om straatnaamborden te identificeren in de vrij beschikbare afbeeldingen.

Gemeenten besteden momenteel veel tijd en geld aan het handmatig monitoren en registreren van de geolocatie van verkeersinfrastructuur, een taak die werknemers ook blootstelt aan onnodige verkeersrisico's.

Resultaten zojuist gepubliceerd in het tijdschrift van Computers, Milieu en stedelijke systemen laten zien dat het systeem tekens detecteert met een nauwkeurigheid van bijna 96%, identificeert hun type met een nauwkeurigheid van bijna 98% en kan hun precieze geolocatie vastleggen op basis van de 2D-beelden.

Studie hoofdauteur en RMIT University Geospatial Science Honours student, Andre Campbell, zei dat het proof-of-concept-model is getraind om 'stop'- en 'wijk'-tekens te zien, maar kon worden getraind om vele andere inputs te identificeren en was gemakkelijk schaalbaar voor gebruik door lokale overheden en verkeersautoriteiten.

"(Gemeentelijke autoriteiten) hebben eisen om deze infrastructuur te bewaken, maar momenteel geen goedkope of efficiënte manier om dit te doen, ' zei Campbell.

"Door gratis en open source-tools te gebruiken, we hebben nu een volledig geautomatiseerd systeem ontwikkeld om dat werk te doen, en het nauwkeuriger doen."

Het team ontdekte tijdens onderzoeken dat verplichte GPS-locatiegegevens in bestaande databases met straatnaamborden vaak onnauwkeurig waren, soms tot 10 meter afstand.

"Het handmatig volgen van deze tekens door mensen die mogelijk geen getrainde geowetenschappers zijn, introduceert menselijke fouten in de database. Ons systeem, eenmaal opgezet, kan door elke ruimtelijke analist worden gebruikt - u vertelt het systeem gewoon welk gebied u wilt bewaken en het zorgt voor u, ' zei Campbell.

Campbell schreef het oorspronkelijke concept van het project toe aan zijn mentor in de sector bij Alpine Shire Council en RMIT Geospatial Science-alumnus, Barrett Higman.

RMIT geospatial wetenschapper en project co-lead, Dr. Chayn Zon, zei dat het feit dat sommige gemeenten al camera's op vuilniswagens bevestigden om straatbeelden te verzamelen, aantoonde hoe waardevolle visuele gegevens werden, gezien wat de technologie er nu mee kan doen.

"Deze beelden zijn van cruciaal belang voor lokale overheden bij het bewaken en beheren van activa en met de enorme hoeveelheid geospatiale toepassingen die floreren, deze informatie wordt alleen maar waardevoller, ' zei Zon.

"De onze is een van de vele vroege toepassingen hiervoor om aan een specifieke behoefte van de industrie te voldoen, maar de komende jaren zullen er nog veel meer verschijnen."

Sun zei beelden van andere bronnen, zoals die van vuilniswagencamera's of andere geo-gerefereerde beelden van het wegennet verzameld door gemeentelijke autoriteiten, kan ook in het systeem worden ingevoerd.

"Waar al beeldmateriaal wordt verzameld, ons onderzoek kan gemeenten een economisch hulpmiddel bieden om inzichten en gegevens uit deze bestaande bron te halen, " ze zei.