OpenStreetMap的机器学习更新：研究空白与未来方向

保持准确、及时的地图对于动态城市环境至关重要，支持现代社会的各个方面，如城市规划、导航和紧急响应。然而，传统（主要是人工）的地图制作和众包映射方法仍然难以跟上建筑环境的快速变化。这些手动的映射工作流程耗时且容易出错，导致早期过时和/或需要广泛审计。当前的OpenStreetMap更新流程是一个示例，依赖于其在线地图更新工作流程中的众多手动步骤。为此，需要探索自动化整个端到端地图更新过程。像谷歌和微软这样的大型科技公司已经开始调查机器学习（ML）技术来解决这一当代映射问题。本文提供了这些ML方法的分析，特别关注其应用于更新OpenStreetMap。通过分析该领域当前的最佳实践，本研究识别出一些关键研究空白，并提出DeepMapper作为推进自动化在线地图更新过程的实用解决方案。