結合 AI 人工智慧！Google Maps 為企業打造強大地圖應用

編譯者註：此篇文章編譯自 Google Cloud《Beyond the Map: How we build the maps that power your apps and business》，原文出自於兩位資深的 Google 員工—— Andrew Lookingbill 與 Ethan Russell，他們的目標是將世界繪製成地圖，並使Google 地圖被普遍使用。

為了讓你更深入地了解 Google 是如何建置地圖以趕上這個持續改變的世界、如何供給開發者他們所需的資料以創造全新的體驗，以及如何提供公司以基於地理定位的見解來優化他們的業務營運。今天，先以地圖基本功能開場。

由於超過10億的人開始依賴 Google Maps 來探索世界，超過百萬個應用程式及體驗是奠基於 Google Maps 的數據資料，Google Maps 團隊時常被詢問是如何打造 Google Maps 來服務廣泛地使用者與大量的案例。這個問題的答案是，需要花費超過10年的時間打下基礎，並致力於改進 Google Maps 的技術，以便能夠滿足用戶不斷期望獲得新鮮、準確的數據與見解。

早期對圖像的投資

在正式發佈 Google Maps 與 Google Maps Platform （前身是 Google Maps APIs ）前，Google Maps 發佈了街景。對於消費者而言，街景幫助他們透過虛擬方式從自己的家中探索整個世界。只要街景持續運營，Google Maps 便能為企業提供豐富的圖像數據集，如此一來他們便能在應用程式中提供真實的環境。Google Maps 的街景 APIs 允許像是 Trulia 這樣的房地產網站幫助購屋者從其網站及應用程式中，透過虛擬方式探索社區，發現他們喜歡居住的地方。

在 Google，街景為 Google Maps 未來建構地圖過程提供了基礎。隨著 Google Maps 機器學習技術的進步，結合了 87 個國家中超過 1700 億的街景圖像，使 Google Maps 能夠自動從這些圖像中提取資訊，並為客戶保留最新的街道名稱、地址和商業名稱等數據。如果一張圖片勝過千言萬語，那麼高分辨率的全景圖像便會價值十億。因此，Google Maps 致力於開發自有硬體，例如最新的 trekker，配備更高分辨率的傳感器和更大的光圈，以便客戶提供最高質量的圖像及見解。

與權威數據源合作

提供可靠和最新資訊對於希望在 Google Maps 的平台上打造關鍵任務應用的企業非常重要。 因此，Google Maps 也使用來自世界各地 1000 多個權威數據源的數據，如美國地質調查局、墨西哥國家統計和地理研究所（ INEGI ）、當地市政單位、甚至住宅開發商。

將 Google Maps 的圖像分析與第三方數據結合，可為客戶提供最準確、最可靠的數據，進一步壯大其業務。舉例來說，能夠為像是 Lyft 和 mytaxi 等共乘公司以便利的方式提供乘客選擇上下車位置，並參考即時路況進行路線規劃，以便他們的司機可以盡可能地採取最快速的路線。

Google Maps 了解錯誤的路線或延遲接送會對客戶是否回流產生影響，因此讓第三方權威數據來源可以簡單地與Google Maps 分享他們的數據。Google Maps 迅速將其提供的數據蒐集起來，並將其轉化為有用的功能，幫助全球各地共乘公司改善其客戶體驗和業務效率。

超過 2000 萬用戶的真實見解、真實貢獻

數據和圖像是地圖製作的關鍵構成要素，但它們是靜態的，而且無法每次都提供想要的特定地點資訊。如果您認為街景可以幫助您了解某個街道，那用戶貢獻的內容就可以幫助您了解特定地點，例如餐廳或咖啡店。 透過熱情的在地嚮導（ Local Guides ），活躍的 Google 用戶和企業主透過 Google 我的商家，Google Maps 每天都會收到超過 2000 萬的用戶貢獻——從道路封閉到一個地點的氛圍到新商家資訊等等。 為確保這些貢獻資訊有用，Google Maps 只會在高度信任其準確性時才會發佈。

這使 Google Maps 能夠在全球建立超過 1.5 億個地點的數據集，透過 Places API 向開發人員提供這些數據。Places API 包含有關地點的名稱、地址、評分等級、評論、聯絡資訊、營業時間和氣氛等豐富數據——協助公司讓他們的使用者不只是單純找到餐廳，而是找到一個有素食菜單且對孩童有益的餐廳。

透過機器學習跟上創新和成長的速度

到目前為止，Google Maps 分享製作地圖的過程，建構了一個有用且可靠的地圖，但它也出現了一個主要的挑戰——速度。為了使客戶能夠創新且快速地進展，Google Maps 需要以比過往更快地把世界製作成地圖；隨著世界各地區的快速發展，也需要能夠快速將這些資訊收錄進 Google Maps 的地圖和產品中；為了提高繪製世界地圖的速度，Google Maps 轉向透過機器學習以自動化繪製過程，同時保持高水平的準確度和精密度。

接下來是一個 Google Maps 如何使用機器學習來解決，他們稱之為「模糊建築物」的例子。Google Maps 使用一種演算法來辨識圖像中的一部份是否為建築物，但對於結果中模糊的建築物輪廓感到沮喪。為了解決這個問題，Google Maps 與資料運算團隊合作，手動追蹤常見的建築物輪廓，這本身就是一個解決方案。

但是，手動追蹤世界上所有常見的建築輪廓並不是一個可擴大或快速的過程。因此，一旦 Google Maps 的團隊追蹤到共同的建築輪廓，他們就會利用這些資訊來訓練機器學習演算法，建築物在現實世界中通常有哪些形狀、以及圖像的哪些部分與建築邊緣和輪廓應該相互對應。

利用這樣的技術，Google Maps 能夠在一年內就繪製出與過去 10 年相同數量的建築圖——大大地改善了與客戶共享的地圖。

Plus Codes 提供地址給沒有街名的路

前面曾提到 Google Maps 可以從街景圖像中提取資訊，藉由同時使用機器學習和街景圖像，這樣一來幾乎可以自動識別世界上任何地方的門牌號碼，這讓他們在繪製超過 220 個國家及地區的地圖方面取得巨大的進步。

但不是每個人都有一個地址。 這就是 Google Maps 和 Google Maps Platform 支援 plus codes 的原因，讓世界上的每個人都擁有一個地址能夠分享給朋友或送貨服務、用於發送或接收信件等。 Plus code 是開源服務，提供給任何開發人員使用，也可以合併到 Google Maps Platform 的 Places API 和 Geocoding API 當中。

透過協助繪製這些區域的地圖、為每個人提供地址，並提供 Google Maps API 產品，企業和地方當局可以更好地為其社區服務，同時也增加了以位置為基礎的新生態系統發展的機會。 有興趣使用 plus codes 的朋友，歡迎聯繫我們。

首圖來源

https://cloud.google.com/blog/products/maps-platform/beyond-the-map-how-we-build-the-maps-that-power-your-apps-and-business