新しい年の始まりは、いつも将来何が起こるかを先読みする良い機会である。私は地理空間業界で34年間働いてきたが、今後数年間は過去34年間よりも劇的な変化が起こると感じている。特に、いくつかの新たなテクノロジーが、私たちの身の回りの世界に関するデータを取得し、維持する方法を変革し、手作業から完全に自動化されたものへと移行していくと思います。これらには、拡張現実、リアリティ・キャプチャー、コンピューター・ビジョン、機械学習などが含まれる（これらの分野には重複もある）。
地理空間データのメンテナンス問題
インフラ企業にとって長年の課題となっているのが、ネットワークの拡張や保守を行う際に、地理空間データをいかに最新の状態に保つかということだ。現状では、「構築時」の変更が企業システム（通常はGIS）に反映されるまでに、数週間から数カ月かかることもある。ネットワークの信頼性、顧客サービス、市場投入までの時間、安全性など、ネットワーク・インフラに関する不正確で古い情報を持つことが容認できない多くのビジネス上の理由がある。
クラウドソーシング
この問題に対する唯一の実行可能な解決策は、クラウドソーシング、または私たちがフィールドソーシングと呼んでいるものです。IQGeoでは、当社のモバイル・ソリューションにより、この分野で業界をリードしていると確信しています。このソリューションにより、ネットワーク資産データのスマートな更新が、現場で簡単に使用できるアプリによって可能になります。これらのアプリは、多くの電気通信、電気、ガス事業者のお客様で、ネットワーク品質の向上に活用されています。しかし、このデータ取得プロセスをより自動化し、よりシンプルで迅速なものにし、より幅広い状況での採用につなげるためには、まだまだできることがあります。
ウィリアム・ギブソンは 、「サイバースペース」という言葉を生み出したSF小説『ニューロマンサー』の著者である。彼はかつて「未来はすでにここにある-ただ均等に分布していないだけだ」と言ったが、これは上に述べたテクノロジーに非常によく当てはまる。これらはすでにさまざまな産業で応用されているが、インフラ企業向けの地理空間アプリケーションにはまだ大きな影響を与えていない。
自動運転車は、私たちを取り巻く世界の自動認識における最先端技術を真に前進させている特別な市場のひとつである。テスラの短いビデオをご覧ください：
ここでは、クルマが物理世界のさまざまな特徴を認識し、正確に位置を特定していることがわかる。1秒間に何度も、道路標識、信号、動いている車や人、縁石、車線標識などを識別しているのだ。これはほとんどすべてカメラだけで行われている。これと同じ原理を、電柱、マンホール、キャビネットなどのインフラに関するデータの取得に適用できるのは明らかだ。
テスラのアーティフィカル・インテリジェンス担当シニア・ディレクター、アンドレイ・カルパシーによるプレゼンテーションの長い（30分）ビデオがあるので、時間のあるときにぜひ見ることをお勧めする。他の多くのメーカーとは異なり、テスラの全車両は常時オンライン化され、テスラに情報をフィードバックしている。彼らは約100万台の車を走らせており、これらの車がいかにソフトウェア開発とテスト・プロセスで重要な役割を果たし、走行中にバックグラウンドでデータを取得し、新しいアルゴリズムのテストを行っているかを説明している。これらはすべて、ドライバーが関与することなく行われる。トラックも現場作業員も、インフラ企業で同じような役割を果たす可能性がある。
このビデオのもうひとつの魅力は、自動運転ソフトウェアに機械学習（ML）をどの程度活用しているかということだ。MLを使用するための最初の焦点は、車の周りの環境の特徴を認識することであったが、彼らはさまざまな状況でドライバーがペダルやステアリングホイールをどのように操作したかに関する膨大な量の記録データを持っており、現在ではそのデータを使用して機械学習を適用し、どのような状況でも車が何をすべきかを決定している。この種の複雑な問題では、機械学習が従来のソフトウェア開発を急速に引き継いでいる。これはまた、データキャプチャだけでなく、自動設計のようなインフラ企業における様々な分野にも応用できる。
リアリティ・キャプチャー
現実世界に関するデータを自動的にキャプチャするという考え方に対して使われる一般的な用語がリアリティ・キャプチャである。この図に示すように、さまざまなタイプのリアリティ・キャプチャーに使用できるデバイスがあります。
これらの中には、より専門的で高価なものもあれば、比較的安価で広く利用できるものもある。後者は、データメンテナンスのためのフィールドソーシングという考え方に最も関連している。すべてのフィールドワーカーが携帯できる、あるいはスマートフォンの場合はすでに携帯しているような、実用的な機器を使わなければならない。カメラだけでも多くの情報を捉えることができるが、興味深い発展として、最新のハイエンドiPhoneやiPadにはLiDARスキャナーが搭載されており、現実世界の3Dモデルをより迅速かつ正確に捉えることができる。
機械学習
リアリティ・キャプチャーに関連する重要な技術として、前述したように機械学習がある。これはさまざまな用途に応用できるが、すでにかなり成熟しており、簡単に使える分野のひとつが画像認識だ。
画像クレジット：Amazon Rekognition
この画像は、AmazonのRekognitionサービスが、写真に写っているアイテムをどのように識別するかを示している。マイクロソフト、グーグル、アップル、IBM、その他多くの企業が同様のサービスを提供している。これらのアルゴリズムは、電柱、変圧器、マンホールなど、特定の領域の物体を認識するように簡単に訓練することができる。テキスト、バーコード、QRコードの認識も、今やコモディティ化された能力だ。これらの機能はすべて、自動化されたデータキャプチャに非常に有用である。
拡張現実
拡張現実（AR）機能は進化し続けている。ハイエンドのiPhoneやiPadにLiDARスキャナーが追加されたことで、より高度なARアプリケーションが可能になった。これは、何が可能かのいくつかの例を示す素敵な短いビデオです。
IkeaとShapr3Dのビデオは、ARを使ってデザインを行う素晴らしい例であり、どちらもインフラ企業のデザイン制作と明らかに類似している。これら2つのデモは、プロセスの一部として特徴認識も示している。
ARクラウド
現在、ARは屋内で比較的小さな空間領域で最もよく機能する。より広いエリアでの屋外ARアプリケーションは、これまでGPSと方位センサーを併用することに主眼が置かれてきたが、このアプローチには精度の点で本質的な限界がある。正確な点群を使ってオブジェクトの位置を特定することは、より正確なアプローチであり、Google、Apple、Nianticなど多くの大企業が現在注力している分野である。ARやその他のアプリケーションの基盤として、全世界の正確な点群を構築するというアイデアは、一般的にARクラウドとして知られている。この構想が完全に実現するまでには数年かかるだろうが、実現すれば、現実世界のアイテムの位置を計算する精度が劇的に向上する。このコンセプトの要素は現在使用可能であり、例えばGPSよりも高い精度で近くの物体間の距離を測定することができる。
このようなことは、インフラ企業にとってどのような影響を与えるのだろうか？
これらの技術は、インフラ企業における地理空間アプリケーションの性質を劇的に変えるだろう。データの取得は、これまでの手作業から、さまざまなセンサーを使った完全自動化へと移行するだろう。機械学習と拡張現実はともに、設計において大きな役割を果たすだろう。これら2つのことは、GISデータの手動編集がほとんど時代遅れになることを意味する。地理空間データの視覚化には、拡張現実と仮想現実が一般的に使われるようになるだろう。
IQGeo では、モバイルを第一に考えたアプローチと、あらゆるモバイルデバイスで完全なネットワークモデリングと編集ができる既存の機能が、進化し続けるこれらのエキサイティングなテクノロジーを活用する上で非常に有利であると感じています。当社では、研究開発チームにおいて、これらの分野の開発を積極的に評価しており、時間の経過とともに当社の製品に新しい機能が追加されることを楽しみにしています。
前へ
