Cómo funciona Google Maps: así construye Google el mundo en un mapa

Así construye Google el mundo en un mapa

Google Maps datos

Google Maps acaba de cumplir 15 años. A día de hoy, no hay quien se resista a echar mano de esta aplicación en su smartphone para localizar un lugar o comprobar cuál es la ruta más corta hasta llegar a él. Muchos lo han convertido en un hábito del que les sería difícil prescindir cuando salen de casa.

En la actualidad, son más de 1.000 millones los usuarios que utilizan este servicio cada mes, disponible ya en más de 220 países, según la compañía de Mountain View. Google Maps es un mapa del mundo formado por 50 millones de kilómetros cuadrados de imágenes satelitales de alta definición.

Todas ellas están capturadas por proveedores externos y cubren el 98% de la población. A esta, se unen más de 16 millones de kilómetros que componen Street View, la función que permite ver imágenes reales de una localización concreta.

todas las Imágenes del mundo

Cuando se lanzó Google Maps, el 8 de febrero de 2005, la idea era ayudar a la gente a desplazarse del punto A al B. La primera versión fue la de escritorio y dos años después llegaría la aplicación para dispositivos móviles. Desde entonces, la tecnología y sus usos han evolucionado. Se han añadido nuevas funcionalidades, como Google Earth, que ofrece una visión 3D del globo terráqueo; información del tráfico en tiempo real; la posibilidad de usar los mapas sin conexión; o la mencionada Street View, entre otras.

Detrás de esta herramienta, que ha evitado que demos vueltas sin rumbo fijo hasta dar con nuestro destino, hay un arduo trabajo llevado a cabo con tecnologías de precisión. Por una parte, las imágenes vía satélite y las que se toman para Street View ayudan a identificar dónde están los lugares de todo el mundo. Con ellas se ubican las carreteras, edificios, direcciones y negocios de una región, además de añadir detalles como los límites de velocidad.

Street View Google Maps

Utilizan vehículos equipados, cada uno de ellos, con nueve cámaras para captar todos los puntos de vista y preparadas para soportar temperaturas extremas. Cada automóvil cuenta con su propio centro de procesamiento de fotografías. En los lugares de difícil acceso, utilizan mochilas que han llegado a llevar en motos de nieve, camellos o incluso ovejas.

Una vez recopiladas las fotos, emplean una técnica llamada fotogrametría. Con ella las alinean y las unen para crear un solo conjunto de imágenes. En ellas aparecen detalles sobre un área, como carreteras, marcas de carriles, edificios y ríos, junto con la distancia precisa entre cada uno de estos objetos. Toda esta información se recopila sin necesidad de poner un pie en la ubicación.

Datos precisos y el factor humano

Esas imágenes se combinan con datos de fuentes fiables que dan vida al mapa. Algunas de ellas son el Servicio Geológico de los Estados Unidos (USGS, por sus siglas en inglés) y el Instituto Nacional de Estadística y Geografía (Inegi) de México, que aportan información sobre todo un país. Otros son específicos de regiones más pequeñas y proporcionan datos de un municipio.

Y es aquí donde entra en juego otro factor relevante en la creación de estos mapas: las personas. Tanto los datos como las imágenes son esenciales para desarrollar la cartografía, pero son elementos estáticos. Por el contrario, el mundo es cambiante y es aquí donde el factor humano adquiere importancia. Cualquier usuario puede mandar correcciones a través del botón ‘Enviar Comentarios’ de la aplicación. Esta información se revisa y, si es correcta, se publica.

Solo en 2019 recibieron más de 7.000 millones de contribuciones, de las que se eliminaron 75 millones de revisiones y cuatro millones de perfiles comerciales falsos. También se suprimieron más de 10 millones de fotos y tres millones de vídeos.

La compañía cuenta con un equipo de operaciones de datos que está presente durante casi todo el proceso. Desde la recopilación de imágenes de Street View y la verificación de fuentes de datos autorizadas, hasta la revisión y corrección del mapa, pasando por la capacitación de los modelos de machine learning.

Lo ideal sería automatizar al máximo todos estos pasos, de ahí que ya estén perfeccionando sus modelos de aprendizaje automático. Por ejemplo, enseñan a sus algoritmos a identificar los contornos de los edificios. Así no solo consiguen imágenes más precisas, sino que el ‘mapeo’ es más rápido y se pueden adaptar mejor a este mundo tan cambiante, también sobre un mapa.

En Nobbot | La realidad aumentada de Google Maps que te permitirá perderte solo si tú quieres

Imágenes | Google

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *