Asia de Sud-Est: plajă, street-food, scutere, junglă, aglomerație. O regiune cu peste 600 de milioane de locuitori, tot mai cunoscută românilor în căutarea exoticului și a iernilor mai călduroase. În Cluj, o echipă de 100 de oameni văd zilnic țări ca Thailanda, Indonezia, Filipine, Malaezia, Singapore sau Vietnam. Nu pentru că sunt în vacanță, ci cartografiază Asia de Sud-Est prin ochii KartaCam, un nou model de cameră dezvoltată de Grab. Cu Edge-AI și conexiune permanentă la Internet, este folosită zilnic de șoferii Grab care actualizează hărțile mai eficient și rapid decât tehnicile tradiționale.
Cei care au călătorit în regiune probabil au auzit de Grab, un super-app pentru transport, comenzi de mâncare, plăți la magazin sau alte servicii. Pe străzi, șoferii cu căști verzi sunt omniprezenți, de obicei preocupați să ajungă undeva. În funcție de oraș, între 6 și 20% din vehicule fac parte din ecosistemul Grab. Este o operațiune logistică masivă, în care secunde câștigate la fiecare job se traduc în milioane de dolari pe an în plus în buzunarul șoferilor și zeci de milioane de clienți mulțumiți. Hărțile sunt fundamentale acestui proces.
În acest articol vom descrie motivele pentru care am ales să construim GrabMaps - produsul de hărți Grab, caracteristicile tehnice ale KartaCam, cum este folosită de către șoferii Grab pentru colectare și cum ajung datele din imagini în hartă.
Când vine vorba de hărți, de obicei ne vine în minte Google Maps sau Waze. De ce ar mai lucra cineva la hărți în 2023, când toată lumea folosește Google Maps? Grab este prima companie de ride-hailing și livrări care, totuși, a ales și reușit să treacă de la API-urile Google la hărți proprii, înlocuind serviciile de căutare de POI-uri (Points-of-Interest), rute, navigație, trafic actualizat, incidente de trafic. Strategia este legată de cost, control și eficiență: pentru utilizatorii finali, Google.
Maps este gratuit, dar companiile de logistică plătesc până la sute de milioane de dolari pe an pentru serviciile Google. În același timp, calitatea poate fi destul de scăzută în anumite zone; satele din Indonezia au multe drumuri lipsă comparativ cu Europa sau Statele Unite, iar unele informații relevante pentru Grab și utilizatorii locali nu erau disponibile. Atribute ca punctul optim de întâlnire cu șoferul în clădiri complexe, alei înguste, unde se poate intra doar cu scuterul, mâncare halal sau camere de rugăciune disponibile la restaurante.
Deși a presupus câțiva ani de efort intens, GrabMaps a adus beneficii considerabile pentru companie și utilizatori.
Cartografia modernă nu se mai ocupă cu hărţi de hârtie, bineînţeles, ci presupune digitizarea realităţii într-un format reprezentativ, simplificat şi uşor de înţeles pentru computere. Un drum de asfalt lat de 6 m, cu borduri, marcaje şi semne de circulaţie, ajunge o linie descrisă de puncte cu latitudine şi longitudine, cu diverse atribute vizibile sau ascunse. Un restaurant cu 10 mese, bucătărie, spaţiu de depozitare şi băi ajunge un punct cu adresă, recenzii text şi poze cu mâncare.
O bază de date care descrie realitatea şi opiniile oamenilor, populată din diverse surse face posibile toate serviciile de hărţi pe care le folosim. Succesul stă în cât de completă este această bază de date, cât de des se actualizează şi ce cost presupune actualizarea ei.
În general, sursele de date sunt imaginile din satelit, street-imagery, conţinutul generat de utilizatori şi agențiile publice. Companii ca Google, Apple sau TomTom au investit miliarde de dolari în maşini cu camere profesionale, personal specializat şi operaţiuni de colectare complexe. În 2019, la începuturile GrabMaps, ştiam că nu vom putea investi aceleaşi sume şi intenţionam să ţinem cât mai multe fonduri în ecosistemul Grab, aşa că am pariat pe soluţii mai fezabile şi colaborarea cu utilizatorii Grab pentru colectarea de date.
Prima versiune a programului a început în 2019, destul de dezordonat: am cumpărat camere GoPro Max din magazine, am lucrat cu furnizori locali și am gestionat întreaga operațiune cu spreadsheets, scripturi și QGIS. Programul nu a fost doar un proiect pilot, ci am colectat sute de mii de km din Asia. Deși neoptimizat, ne-a permis să învățăm ieftin, rapid și să producem valoare imediată.
Imaginile au devenit sursa de date principală pentru adăugarea de drumuri și POI-uri în GrabMaps, însă nu am fost mulțumiți cu acel proces din cauza calității pozelor, a preciziei GPS şi a costului încă destul de ridicat.
Grab avea la momentul respectiv o echipă mică de hardware în Shenzen (China) cu care am început să dezbatem ideea unei camere moderne dedicate cartografiei, suficient de ușor de utilizat de utilizatori fără experiență și training. Având experiența programului GoPro, am cunoscut destul de bine zonele de fricțiune și problemele de calitate: transferul de date prin SD card, calitatea pozelor și a GPS-ului, lipsa inteligenței edge fiind problemele principale.
În câteva iterații de prototipuri am reușit să realizăm un dispozitiv suficient de performant și în același timp ieftin, pe care l-am botezat KartaCam și l-am produs într-un volum de câteva mii de dispozitive. Câteva din caracteristicile tehnice:
Conexiune 4G (SIM card), Wi-Fi și Bluetooth ;
GPS dual-band L1-L5 ;
FOV (Field-of-View) larg de 150º, la o rezoluție de 12 MP ;
Pentru a operaționaliza camerele, am colaborat cu șoferii Grab, care au montat camera fie pe cască, fie pe piept, fie pe bordul mașinii și am înlocuit treptat colectarea cu GoPro în Asia de Sud-Est.
Această schimbare a redus, într-adevăr, costurile și a crescut simțitor calitatea datelor.
Încă nu eram mulțumiți de numărul de POI-uri și nume de străzi capturate, în general atributele situate pe lateralul străzilor. Așa că în 2022 am sincronizat 4 KartaCam pentru a realiza panorame 360º, reușind să colectăm imagini și mai complete.
Pe lângă imagini de calitate, colectarea trebuie să aducă eficiență de cost și predictibilitate.
Am răspuns acestei provocări prin integrarea camerelor cu un soft pe care l-am botezat Jarvis. Acesta face câteva lucruri: gestionează colectarea prin împărțirea zonelor în taskuri rapide de colectare pentru șoferi (similar cu tichetele Jira), urmărește progresul, gestionează setările de la distanță și QA automat prin computer vision.
Șoferii preiau taskuri, înregistrează poze, le transferă online și sunt recompensați direct în aplicația Grab. În acest mod, colectarea de date poate funcționa cu destul de puțini coordonatori. Câteva mii de șoferi Grab folosesc deja suita KartaCam & Jarvis, câștigând un venit destul de atractiv și contribuind la calitatea hărților, pe care le folosesc în joburile obișnuite Grab.
Tehnici de computer vision și machine learning stau la baza extragerii de informații. Echipa AI, tot din Cluj, antrenează modele specifice zonei care detectează semne de circulație, lățimea drumului, panourile POI-urilor, adrese și alte atribute. Aceste detecții se agregă cu alte semnale, cum ar fi GPS-ul șoferilor și semnalizează potențiale schimbări ale datelor curente de hartă în mod continuu.
Aceste potențiale schimbări sunt evaluate fie automat și aplicate hărții, fie de către operatorii noștri. Unele îmbunătățiri ajung în OpenStreetMap (Grab e contribuitorul #1 din Asia de Sud-Est cu 23% din changeset-uri), iar alte date, cum ar fi adrese și POI ajung în baza de date internă.
Vom lăsa detaliile acestor pași de extragere și actualizare constantă a hărții pentru un articol ulterior.
Nu ne oprim la KartaCam 1 în misiunea de a digitiza Asia de Sud-Est. Vrem să creștem în continuare nivelul de detaliu și eficiență construind câteva modele noi de camere și dispozitive conectate.
Credem cu tărie în modelul crowdsourcing, în hărți care evoluează continuu și devin tot mai personalizate. Realitatea continuă să se schimbe și standardele de calitate ale hărții cresc, așa că noi inovații în cartografie vor fi indispensabile.
de Bogdan Maxim
de Mihai Șerban
de Nóra Dobre
de Ovidiu Mățan
