Нейронную сеть научили выбирать живописные маршруты

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 IUI 2016 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 Street View 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 неживописные. При пользовании системой, получившей название Autobahn («Автомагистраль»), достаточно ввести начальную и конечную точки маршрута, максимальное время в пути и предпочтительный окружающий пейзаж.

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.

Олег Лищук