Google地圖建置原理：如何將全球地理樣貌放到Google地圖中？

我們生活在一個美麗而紛亂的世界，周遭環境每天不斷在變化；不僅道路一條接一條開通、建築物一棟接著一棟落成，而且隨時都有新商家開張營業。而 Google 地圖小組的任務就是要準確模擬地圖樣貌，來反映這個瞬息萬變的世界。常有人問我們，Google 地圖究竟是如何做到這一點的？其實關鍵就在於，我們將浩大工程拆解為一系列的步驟，並且巧妙地將人力、技術與科技結合。

如今的 Google 地圖已是協助人們導航、探索世界與完成生活大小事的必備利器，使用人次更已突破 10 億大關。為了帶大家深入瞭解 Google 地圖的建構原理，今天，就讓我們從一些基本概念談起。

一切始於圖像

長期以來，我們一直都是靠街景服務和衛星圖像來定位各處地點。這兩項得力工具除了幫我們識別道路、建築物、街道地址和各區域內的商家所在位置，除此之外，它甚至還能呈現商家名稱等重要細節。為了協助人們以虛擬方式探索全球，我們在 2007 年推出了街景服務，從南極洲內陸到吉力馬札羅山頂峰，一切盡收眼底。這 12 年來，我們出動過無數次街景車和街景背包，收集了來自 87 個國家共超過 1,700 億張的圖片。最新一代的街景背包配備解析度更高的感應器及更大的光圈設備，大幅提升拍攝圖像品質，更是讓我們如虎添翼。

網羅各界資料
因為有來自權威機構的資料，Google 地圖才得以變得更普及且實用。我們的資料來自全球各地超過一千個第三方來源。有些機構能提供整個國家的資訊，例如美國地質調查局 (USGS) 和墨西哥國家統計和地理研究所 (INEGI)；有些機構則提供局部地區的地圖資料，例如當地市政府、非政府組織或房地產開發商。這些權威資料來源一律會經過 Google 地圖小組嚴格審查，以確保每筆資料的時效性及正確性。  

人力為輔

資料和圖像是地圖製作的關鍵要素，但它們是靜態的，且經常跟不上周遭環境的變遷速度。於是，Google地圖建構的第三項要確立了，那就是一群協助統整所有地圖資料的人。我們旗下設有一支資料作業小組。該小組人力部署遍及全球，幾乎參與了地圖製作所有層面的工作，從收集街景服務圖像、審查權威資料來源、檢查並修正地圖上的錯誤，到訓練機器學習模型 (稍後有更詳盡的敘述)，全都能見到他們的身影。

另一群幕後功臣則是我們的 在地嚮導 和 Google 地圖使用者社群。這群人可透過 Google 地圖 中的「提供意見」按鈕，提供地圖修正建議。我們的小組會審查收到的資訊，等到充分確認它們符合現實世界中的道路、商家和地址資訊，才會加以公布。  

靠機器學習加快製圖速度
圖像、權威資料和人力輸入為 Google 地圖奠定了堅實的基礎，但我們對查詢速度、實用性及普及性的要求絕不僅止於此。為了加快製圖速度，我們開始藉助機器學習之力。多虧了機器學習技術，我們的小組得以將製圖流程自動化，並維持高度的正確性。

以建築物輪廓描繪為例。我們過往使用的一種演算法在推測圖像中的某個部分是否為建築物時，會產生一種形狀不定的斑狀物體，我們戲稱它為「模糊建築物」-  因為將它們繪製在地圖上時，看起來一點也不像真正的建築物！這個問題不容小覷，因為建築物不只是建築物，更兼具地標的功能，也是使用者查看地圖時判斷自己身處何處的關鍵要素。為修正此問題，我們與資料作業小組合作，用人力記錄下常見的建築物輪廓，再根據這些資訊教導機器學習演算法學會判斷哪些圖像符合真實建築物的邊緣及形狀。事實證明，這項技術成效卓越 - 在採用這項技術後，我們在一年內繪製出的建築物數量，是過去 10 年來的總和！

長期深耕地圖服務
Google地圖在協助社區蓬勃發展扮演重要角色，它在人與人之間搭起橋樑、促進經濟發展、引導人們探訪新的商家和餐廳，並完成生活中的各種大小事。截至目前為止，我們已製作了超過 220 個國家/地區的地圖。雖然已完成如此浩大的工程，但我們知道任務尚未結束。每個地區都有各自不同的需求，以及迥異於其他地區的製圖挑戰。我們將在下一篇文章中深入探討，「圖像」這項地圖要件如何幫助我們成功克服這些挑戰。