State Of The Map 2018 à Milan (28 au 30 juillet 2018)

I. Introduction

Un State of The Map vraiment mondial avec plus de 400 participants venant de plus de 50 pays différents, représentant 150 organisations, les Italiens (régionaux de l’étape) étaient en nombre évidemment, et les plus grandes délégations venaient vraisemblablement d’Allemagne, des États-Unis, du Royaume-Uni, de France ou de Suisse, puis à un degré moindre d’Inde, de Belgique, de Roumanie, de Chine et de Taïwan, beaucoup de pays représentés par deux ou trois personnes seulement, et encore plus par une seule personne.

Photo 1: la photo des participants au SOTM Milan 2018

Un programme très riche avec 3 fils principaux à suivre (voire 4 ou 5 avec les ateliers et les ‘lightning talks’) : nous en avons sélectionné une dizaine pour vous donner un aperçu, et vous en trouverez les résumés plus bas dans cet article.

Photo 2 : l’amphi ‘de Donato’ lors de la session d’ouverture

En quelques mots rien à dire sur l’organisation, vraiment bien ! Les tee-shirts rouges de service étaient nombreux, serviables et disponibles, tout a très bien fonctionné dans le cadre prestigieux du Politecnico de Milano. Le samedi soir, l’invitation au “Old Fashion” dans le Parco Sempione autour du Palais des Sforza était vraiment agréable également.

Photo 3 : Politecnico di Milano

 

            II.     La tendance générale

Si l’amalgame entre les différents publics OSM semblait réussi, on ne pouvait pas ne pas remarquer en premier l’intérêt confirmé des ‘grosses boîtes’ pour OSM ainsi que la présence de beaucoup de professionnels ! S’il est normal de voir Mapbox ou Mapillary un peu partout à cet endroit, on écarquille un peu les yeux quand on voit aussi Facebook, Microsoft, ou Telenav et d’autres encore, non seulement sponsors de l’événement mais aussi présentant leurs équipes, leurs engagements, ou leurs réalisations dans OSM ! OSM devient une sorte de pivot, que personne ne veut négliger (en ligne de mire, le marché de la navigation routière ?), Apple était là aussi. Et pour ces acteurs de premier plan, une orientation vers l’analyse et l’amélioration de la couverture et de la qualité des données, un peu de ‘green-washing’ peut-être, mais aussi un intérêt certain pour les données et le modèle OSM !

En deuxième, arrivent aussi, et en partie du fait de ces acteurs majeurs, des méthodes et/ou outils d’IA : reconnaissance automatique d’images, traitement automatique d’imagerie aérienne, data-science. Plusieurs présentations montrant les possibilités offertes par le Machine Learning pour améliorer la donnée OSM (des explorations très actives de ces techniques), souvent comme pré-traitements automatisés, avant de faire appel à des vérifications ou validations manuelles de la communauté OSM (mais parfois des “communautés” professionnelles : organisées, managées, payées). Grande efficacité sur les tâches fastidieuses de la contribution grâce à ces techniques mises en œuvre et des réalisations très applaudies.

En troisième, les centres d’intérêts récurrents sur OSM : sur la thématique des transports par exemple, sur la diversité (homme/femme) des publics et des contributeurs OSM, sur l’analyse des données. Là encore, les différentes présentations étaient riches en retours d’expériences de tous horizons, signe que ces sujets sont encore au centre de la communauté.

En quatrième, l’amélioration continue des outils de contribution et du schéma de données. On notera les efforts menés par les différentes équipes de développement pour proposer toujours une meilleure expérience utilisateur, de nouvelles fonctionnalités, ou adapter l’architecture cœur du projet pour soutenir son développement sur le long terme.

En dernier, souvent le côté très sympa, offert par la liberté qu’offre OSM, la richesse de l’écosystème : un peu de tout, du rêve, des artistes, des communautés vivantes, des militants, des artisans engagés au service des autres et du bien commun !

III. Quelques résumés de présentations

1) Can we validate very change in OSM ?

Le vandalisme sous différentes formes (graffiti, obscénités, publicités, …) ne représente que 0.2% des modifications, mais 2% des éditions sont de mauvaise qualité (les nouveaux contributeurs en sont responsables sur 30% lors de leurs 10 premières contributions, sachant qu’il y a 20 000 nouveaux contributeurs par mois).

Photo 4: daily change statistics (surveillées par MapBox)

Pour prendre en compte ceci, Mapbox met en place des outils pour analyser et détecter les changesets suspects, et les corriger avec une intervention humaine, et à travers la plateforme https://osmcha.mapbox.com/.

2) Alternative perspectives through artistic interpretations

Un travail original et artistique sur les données OSM de la part de Hans Hack, avec plusieurs réalisations :

Sebastian Meier fait un travail de data-visualisation et a par exemple cherché à présenter nos distorsions cognitives sous formes de distorsion de cartes, voir l’ensemble de ses réalisations à partir de http://www.sebastianmeier.eu/

3) Pinpointing the power grid

Mise en œuvre de l’IA pour détecter automatiquement à partir d’imagerie aérienne, le réseau de transport électrique (pylônes, transformateurs, …) dans 3 pays : Pakistan, Nigéria, Zambie. Ces techniques de Machine Learning permettent d’améliorer l’efficacité des contributeurs OSM d’un facteur 33 (!), en préparant toute la partie fastidieuse (sélection des images susceptibles de contenir des objets du réseau électrique, pointage dans l’image de l’objet à mapper) au contributeur qui n’a plus que le mapping proprement dit à réaliser, et un travail de contrôle.

Photo 5 : Efficacité du Photo 5: Machine Learning dans le mapping du réseau électrique

Ces techniques sont reproductibles dans d’autres domaines. Ce travail spécifique est financé par la World Bank et par ailleurs https://www.developmentseed.org/ réalise beaucoup d’autres choses.

4) Large Scale Deep Learning for Map Making

Telenav et OpenStreetCam présentent la méthode mise en place pour analyser automatiquement et à grande échelle les images d’OpenStreetCam (qui contient actuellement 146 millions d’images) :

Photo 6 : Évolution du nombre d’images dans OpenStreetCam

Si l’œil humain est très bon pour analyser les images, analyser des grandes quantités d’images prend énormément de temps et est très fastidieux. Donc reconnaissance automatique d’images par de l’AI. Une vingtaine de personnes est employée à analyser des images pour en repérer des motifs (feux tricolores, panneaux routiers, …), ceci pour créer des ensembles de données-témoins (‘tagged datasets’) au travers d’un outil ad-hoc : l’opération consiste à créer un rectangle autour de l’objet identifié (par exemple un ‘feu de circulation’) et de le qualifier comme tel (‘feu de circulation’ dans notre exemple).

Photo 7 : outil pour aider à la constitution de l’échantillon d’apprentissage

Cet ensemble témoin étant constitué, l’apprentissage peut commencer (DeepLearning).  Plusieurs solutions sont utilisées pour finalement être capable de reconnaître automatiquement et très rapidement plus de 55 types de signalisation routière.

Photo 8 : technos AI utilisés par Telenav

Mais l’équipe de Telenav ne s’en tient pas là : ils souhaitent aussi rapprocher les résultats obtenus avec des valeurs de tags dans OSM, par exemple pour vérifier qu’un panneau de limitation de vitesse à 30 km/h correspond bien à une voie avec le tag “maxspeed=30”. Plusieurs difficultés ont été surmontées : déduire de différentes paramètres la localisation exacte de l’objet en fonction de la localisation de la prise de vue de l’objet, regrouper les résultats de plusieurs photos pour identifier lorsque cela est possible un seul objet et le localiser à un seul endroit, et enfin identifier la voie sur laquelle l’objet s’applique pour enfin pouvoir comparer les tags de la voie avec l’objet reconnu sur les images !

5) Building up the Microsoft Open Maps Team

Un peu de green-washing pour Microsoft  (MS a racheté github récemment et se présente comme étant l’acteur contribuant le plus dans les projets OpenSource au monde) ? Mais intéressant quand même de voir de quelle manière MS prend le virage OSM. L’équipe OpenStreetMap de Microsoft est constituée de 18 personnes (Seattle et Serbie), est très récente (nov 2017) et s’est fixé comme objectif de travailler à l’amélioration de la qualité et la couverture de la carte routière de l’Australie. C’est de la contribution manuelle en équipe, managée et organisée, en utilisant les outils de la communauté OSM (éditeurs, osmose, osmcha, etc.) :

Photo 9 : travail de Microsoft sur le réseau routier australien

En un an environ, ils sont arrivés à certains résultats :

Photo 10 : résultat Microsoft sur le réseau routier australien

Par ailleurs deux autres présentations de Microsoft au cours de ce SOTM : Going to Production with OpenStreeetMap at Microsoft, Robot Tracers – Extraction and Classification at scale using & CNTK

 

6) 3D Beyond Buildings

Photo 11: Tobias Knerr présente OSM2World

OpenStreetMap c’est bien plus qu’une carte, ce sont des données géographiques ! Cette présentation de Tobias Knerr était l’occasion de voir qu’on peut aller plus loin en proposant du rendu 3D à partir des données OSM, à l’aide de l’outil OSM2World. L’occasion de montrer le fonctionnement de l’outil, et surtout les nombreux types d’objets gérés : bâtiments, occupation du sol, routes et voies ferrées, bancs et panneaux publicitaires… Si vous avez envie d’apporter votre expertise, que ce soit en modélisation 3D, ou sur une thématique spécialisée d’OSM, le projet est ouvert et l’équipe recherche des contributeurs.

7) OSM at Facebook

Photo 12: Le ‘Tasker’ de facebook dans lequel trois acteurs se succèdent : l’éditeur, le reviewer, et le publisher, ceci pour garantir la qualité

Dans la série retours d’expériences de grandes entreprises, Facebook, qui était déjà intervenu lors de la précédente édition au Japon, montre ses avancées en matière de contribution à OpenStreetMap. Le réseau social a développé de nombreux outils pour détecter automatiquement le réseau routier à partir de photographies aériennes (là aussi à partir d’IA), et mis en place un ensemble de procédures de validation et intégration manuelle des données, en lien avec les communautés locales, afin de compléter OSM. Cela a aboutit à 244 000 kilomètres de routes ajoutés en Thaïlande et d’autres pays. La société utilise désormais OpenStreetMap comme source de données dans ses applications principales sur 3 quarts des pays de la planète, pas mal comme réutilisation !

Photo 13: les pays facebook qui utilisent OpenStreetMap

8) Advertising mapping : using OpenStreepMap for the protection of landscape

Photo 14 : quelques dispositifs publicitaires qui peuvent être mappés dans OSM avec le tag ‘advertising’

Les dispositifs publicitaires sont des objets omniprésents dans l’espace public. Une réglementation très précise (et très compliquée) existe, en France en tout cas, pour contraindre leurs dimensions/nombres/lieux d’installation etc. mais celle-ci n’est souvent pas respectée, en cause une certaine passivité des  pouvoirs publics, occupés à autre chose, et surtout des publicitaires/annonceurs, sans complexes, qui cherchent à en profiter au maximum, et se croient souvent au-dessus des lois. Par ailleurs un certain activisme associatif et citoyen existe en France pour défendre le cadre de vie, et lutter contre la pub. Pour permettre à tous de participer à la défense du paysage, bien commun de la nation, contre l’invasion des dispositifs publicitaires, il serait utile d’inventorier et qualifier ces dispositifs, et OSM est l’outil parfait pour ceci ! Cet inventaire permet de sensibiliser le public et les pouvoirs publics à cette pollution visuelle, et permettrait à terme de disposer des données nécessaires pour évaluer les politiques publiques locales en terme de publicité extérieure. Dans cette idée, un contributeur grenoblois nous présente comment qualifier ces dispositifs publicitaires dans OSM, et les outils de contributions existants pour faciliter cette tâche. La France, particulièrement soumise à cette pollution au quotidien, a commencé à référencer ces dispositifs publicitaires, mais tant reste à faire ! Au niveau international cet inventaire est encore très balbutiant, l’occasion donc de se lancer, essayez vous aussi d’utiliser le tag ‘advertising’ ! La cartographie des dispositifs publicitaires pour la défense du paysage.

9) Pic4Review : contribution ludique à partir de photos

Photo 15: Pic4Review organise, automatise et facilite la contribution à partir de photos

 Afin de faciliter la réutilisation des photos de rues libres de droits issues de Mapillary, OpenStreetCam et Flickr, Adrien Pavie nous présente l’outil Pic4Review. Il s’agit d’un nouvel éditeur OSM qui facilite l’ajout de détails sur des objets existants à l’aide de photos. Le principe est simple : on choisit une mission sur une zone, et chaque objet à compléter est présenté avec les photos disponibles aux alentours. On peut par exemple renseigner si un passage piéton est accessible en fauteuil roulant, si un arrêt de bus est abrité, le type de parking à vélo… La contribution est rendue ludique par un système de points et un tableau des meilleures contributions par thématiques. Le projet est ouvert aux contributions, que ce soit retours d’utilisateurs, traductions ou développement de nouvelles fonctionnalités !

10) The new Wheelmap: Joining forces in accessibility mapping – feat.: “I Wheel Share”

Le site wheelmap.org a été crée il y a 8 ans pour améliorer l’information (et donc la vie quotidienne) des personnes à mobilité réduite souvent dans l’inconnu sur l’accessibilité des lieux. Depuis, le tag ‘wheelchair’ a été utilisé plus de 1,3 millions de fois dans la base de données OSM, et permet maintenant de connaître le niveau d’accessibilité de plus de 900 000 lieux, grâce à l’implication de nombreuses communautés. Ce tag a été depuis enrichi de nombreux nuances. Par ailleurs cette problématique universelle de l’a11y (accessibility) est partagée par de nombreux groupes militants à travers le monde. Mieux encore, les données d’accessibilité de différentes sources sont maintenant agrégées et rendues disponibles à travers une infrastructure commune (accessibility.cloud), donnant accès à travers une API unique et un modèle de donnée très détaillé, à plus de 1,6 millions de lieux, et leurs caractéristiques d’accessibilité. Sur cette API, la startup parisienne I Wheel Share (présentée par son CTO Florian Lainez) développe des services, et notamment Wilson, un chatbot capable de répondre à toutes sortes de questions pratiques, et de localiser par exemple les ressources (toilettes, cinémas, services) à proximité et accessibles aux PMR. De nombreux partenaires sont impliqués dans le développement de cette startup.

Une utilisation militante et sociale très intéressante d’OSM !

Photo 16: la solution Wheelmap apporte beaucoup d’informations sur l’accessibilité

11) Completing the Map with Street-level Imagery

Présentation des nouveautés de Mapillary, qui rappelons-le est une plateforme contributive collectant des photos géo-localisées du monde entier, ces photos contribuées par la foule sont ensuite mise à la disposition de tous sous une licence libre (CC-BY-SA) et sont particulièrement appropriées pour aider à la contribution OpenStreetMap. Actuellement 326 millions de photos dans leur DB. La plateforme (et son ‘Tasker’) permettent d’organiser la contribution “photo” à l’échelle d’un territoire découpé en zones sur lesquelles est rendue visible la progression de la contribution. Pour dynamiser l’utilisation, Mapillary a recours à des concours #CompleteTheMap et de la gamification.

Photo 17: Tasker de la plateforme Mapillary

Pour revenir à la contribution OSM, ces photos sont visualisables sur leur plateforme (un exemple, même exemple plus près) et aussi dans l’éditeur ID.

Mapillary fait de la reconnaissance automatique de modèles dans les images et est capable alors de sélectionner les photos avec un certain modèle (par exemple des passages piétons), mais une très grande quantité de modèle sont reconnus (parmi lesquels ‘Billboard’ voir ci-dessous).

Photo 18: reconnaissance automatique de ‘Billboard’ (à droite mi-hauteur) avec la plateforme Mapillary

La plateforme Mapillary permet aussi d’autres modes de contribution, par exemple pour contrôler que leur moteur de reconnaissance d’images marche effectivement bien pour les panneaux de signalisation routière.

Mapillary fait un business de ces compétences dans le domaine, mais joue le jeu de la communauté OpenStreetMap en permettant la réutilisation des images téléversées par les contributeurs bénévoles, et en offrant des outils de contribution très avancés.

12) Flying ferries and moving pavements? Pedestrian routing on rare modes of transport

Une présentation originale d’un contributeur issu du Grand Duché (du Luxembourg) qui s’intéresse aux modes de transports rares des piétons et au calcul des itinéraires qui les empruntent, les moteurs d’itinéraires classiques les ignorant la plupart du temps. Quelques exemples : route=ferry (bac prenant des piétons), bridge=movable+bridge:movable=transporter (voir photo ci-dessous), conveying=*+highway=footway ou highway=step (tapis ou escalier roulant), highway=elevator (ascenseur), route (ou railway)=funicular (funiculaire), aerialway=cable_car ou aerialway=gondola (transport par câble en ville, appelés à se développer)… Bref l’idée est de savoir prendre en compte tout ça et de savoir favoriser soit le temps de transport, soit le coût, soit la distance…

Photo 19: la nacelle qui circule à Bilbao et qui permet d’éviter aux piétons un détour de 10 km, 12 ‘flying ferries’ existent comme celui-ci dans le monde (dans OSM).

13) Solving vehicle routing problems with OpenStreetMap and VROOM

La solution VROOM s’attaque aux problèmes d’optimisation d’itinéraires pour les flottes de véhicules, en se basant sur les données OpenStreetMap, et le calcul d’itinéraires OSRM :  commencer par résoudre le problème ‘classique’ de la tournée du facteur, mais aussi les variantes avec des contraintes de capacité, de temps, de point de départ ou d’arrivée, de flotte de véhicules, etc. Du calcul, des heuristiques, des règles ad-hoc, et des ajustements assez sioux permettent d’optimiser la solution, et de calculer rapidement, ceci pour permettre la montée à l’échelle. Voir https://verso-optim.com/

Photo 20: Julien Coupey montre un exemple de calcul de la tournée de tous les restaurants de Milan par une flotte de 5 véhicules partant tous du même endroit

IV. En conclusion

Cette édition 2018 du State of the Map a été, comme chaque année, un brillant succès. L’événement a réuni les contributeurs OSM de tous horizons et les nouveaux acteurs qui s’intéressent au projet, le tout dans le prestigieux cadre de l’école Polytechnique de Milan. La communauté se montre toujours aussi innovante dans les cas d’usages et les outils proposés autour des données.

La prochaine édition se tiendra à Heidelberg en Allemagne, du 21 au 23 septembre 2019. Nous espérons vous y voir nombreux !

Voir les vidéos de conférences ici

Voir le wiki SOTM 2018 ici

Notez bien : article écrit en collaboration par plusieurs membres de l’association OpenStreetMap-France qui étaient présents à Milan.