Un avance importante para dotar de inteligencia a los mapas web

Javier Lozano, investigador de Digital Media de Vicomtech-IK4 ha defendido recientemente su tesis “Aprendizaje supervisado eficiente para el análisis de datos geoespaciales a gran escala”.

Este trabajo científico desarrollado por Javier Lozano en Vicomtech-IK4, y dirigido por Dr. Ekaitz Zulueta de la Universidad del País Vasco y Dr. Marco Quartulli de Vicomtech-IK4 supone un avance importante en la integración de técnicas de aprendizaje automático en servidores de mapas y datos de teledetección vía web.

Este sistema responde a las búsquedas realizadas por el usuario con un mapa temático, sobre un mapa generado con imágenes de muy alta resolución tomadas por una cámara aérea. De esta manera, es posible que diferentes perfiles de usuarios, incluso personas sin conocimientos en teledetección, puedan generar mapas actualizados relacionados, por ejemplo, con el crecimiento de áreas urbanas, el deterioro de la calidad medioambiental y los procesos de desertificación.

En la tesis se conjugan diferentes elementos como las técnicas de aprendizaje automático, los servidores de mapas y el desarrollo de sistemas que permiten la interacción del usuario con el sistema.

Durante el desarrollo de la tesis doctoral se ha realizado una aproximación de la plataforma desarrollada hacia entornos big data que ha permitido validar su viabilidad y evaluar su comportamiento frente a problemas de carácter continental y global.

A través de este trabajo se ha logrado el objetivo de integrar el aprendizaje automático en los servidores web, función que no se había logrado hasta el momento. 

Resumen técnico de la tesis doctoral

Título: Aprendizaje supervisado eficiente para el análisis de datos geográficos a gran escala

Dirigido por: Prof. Dr. Ekaitz Zulueta y Dr. Marco Quartulli

Fecha: 14/12/2015

Lugar: Escuela Técnica Superior de Ingeniería de Bilbao

Universidad: UPV-EHU

El objetivo de la tesis doctoral es comprobar la viabilidad de la integración de funcionalidades de aprendizaje automático en servidores de mapas web. La validación de esta hipótesis se ha realizado mediante su implementación en un prototipo pre-operacional. Esta implementación ha consistido en el desarrollo de una plataforma para el mapeo temático sobre imágenes de teledetección de muy alta resolución mediante aprendizaje supervisado a través de una plataforma web. Integrando las capacidades de escalabilidad de los modernos algoritmos de aprendizaje automático y las de los servidores de mapas web, la hipótesis supera el estado del arte actual, caracterizado por la separación de los dos ámbitos que requiere la continua aportación del experto de teledetección en tareas de mapeo temático intensivo. Mediante esta aportación, se abre el campo aplicativo referido a la creación semi-automática de mapas temáticos dedicados y a gran escala en diferentes ámbitos. Estos van desde la agricultura hasta la monitorización medioambiental, por parte de usuarios expertos de dichos dominios aplicativos y sin conocimientos específicos sobre técnicas de teledetección. Dicho desarrollo se fundamenta en facilitar la explotación de datos de teledetección mediante plataformas de aprendizaje automático de fácil acceso que aumenten las capacidades de análisis de datos, de forma que los campos aplicativos puedan expandirse. Estas capacidades pueden concretarse en algoritmos de etiquetado semántico basados en métodos de clasificación supervisada, de forma que un mapa temático pueda ser generado a partir de datos raster adquiridos por sistemas de teledetección y en función de las necesidades del usuario. Para ello, es necesaria la integración de capacidades de aprendizaje automático dentro del servidor de mapas web, junto con una interfaz sencilla que permita la navegación geoespacial y la supervisión del aprendizaje. El carácter adaptativo del aprendizaje, junto con su integración en un servidor web, requiere un algoritmo de clasificación con una gestión y procesamiento de datos eficiente en términos de tiempo de procesamiento compatibles con la navegación web tradicional.  Al mismo tiempo, el volumen de datos gestionado por aplicaciones de teledetección motiva el traslado de la metodología a entornos en la nube bajo el paradigma Big Data.