Se verden gennem computer vision med Mapillary

Det crowdsourcet street view billedeprojekt Mapillary har i over et år haft algoritmer kørende, der autogenkender trafikskilte, dette output har fx frivillige i OpenStreetMap lov til at bruge for at forbedre OpenStreetMap.

Mapillary har nu yderligere udvidet dette koncept med genkendelse af flere typer af objekter fra de crowdsourcet billeder. Nu giver Mapillary os et større indblik i, hvad computer vision er for en størrelse. Kort fortalt, så er computer vision et tværfagligt forskningsområde, der drejer sig om at trække meningsfyldte informationer ud fra digitale billeder. Den helt store våde drøm er, at dette skal ske helt automatisk og det kræver så en del machine learning og algoritmer at nå dertil.

Lad os hoppe i og se hvad det er konkret Mapillary lige har sat i værk. Prøv at gå til dette Mapillary billede i Rådhusstræde i København. Klik på det der filterikon oppe og en ny menu dukker op (se billedet nedenfor). Klik på knappen ved “Segmentation” > “Show identified photo features“.

Mapillary filter

Nu dukker en ny menu op (se billedet nedenfor) “Segmentations” med en liste af forskellige typer af objekter som Mapillary har sat deres algoritmer op til at genkende i billederne.

Mapillary filter

Prøv fx at køre din mus over “Manmade Struture” [er primært bygninger] og nu vil der i din Mapillary webside blive markeret, hvad algoritmen betragter som værende denne type objekt.

Mapillary filter

Du kan lade musen kører over “Sky” og nu vil der blive vist hvad der er betraget som skyer/blå himmel i billedet (vist i billedet nedenfor).

Mapillary filter

Du kan nu prøve at gå til Egernets Kvarter i Ballerup i Mapillary og slå filter til igen. Prøv at køre musen over “Road User” – det vil markerer ud hvad der optager vejen, hvilket som regel er biler/lastbiler, men jeg har også set andre steder at cykler vil markeret ud. I billedet nedenfor fra Ballerup er det bilerne der bliver markeret ud som genkendt af algoritmen.

Mapillary filter

Prøv også “Tree” og træer i billedet vil blive markeret ud. Netop træer er lidt interessant. Lad os forestille os at 4 gange på et år kommer Mapillary bidragsydere forbi og tager billeder, og hvis man så har fældet bytræer, og man har et før og efter Mapillary billede, så kunne man på sigt have algoritmer, der ser på forskelle i tid, og i casen med træer så vil man kunne se, hvor der der blevet fældet træer eller hvor er der sat nye træer op. Dette kan også udvides til nye bygninger eller bygninger der er revet ned.

Mapillary filter

Som sagt ovenstående funktioner er lige gået i luften, og det er ikke alle steder Mapillary har rullet dette algoritmefilter ud, men har du bidraget til Mapillary, så tjek om ovenstående er rullet ud i dit område. Nu er disse Mapillary algoritmer ikke helt perfekte fx på S-tog stationer hvor der er mange objekter i billederne, er der en del fejlgæt af algoritmerne. Dette bliver bedre jo flere billeder der bidrages med samt feedback på algoritmerne. Feedback kunne bestå i at brugerne fx siger “Ja/Nej” til et algoritmegæt på en bestemt type objekt og ad den vej træner algoritmen til at blive bedre.

Hvis du ser på billedet oppe af menuen “Segmentations“, så er der et punkt der hedder “Your Own Class“. Denne virker ikke endnu, men det er her du selv kan bygge dine egne algoritmer op. Du vil fx have algoritme til genkendelse af bænke, brandhaner eller lygtemaster. Hvis vi tager lygtemaster som en algoritmecase, så vil træning af algoritmen bestå i, at du finder en masse billeder af lygtemaster i Mapillary og markerer dem ud. Når det er gjort går algoritmen i gang og du begynder at se algoritmens gæt, og her skal du så give feedback tilbage, hvilket er typisk “Ja/Nej” til gættet.

Jeg ved ikke helt, hvornår dette med egne algoritmer går i luften hos Mapillary samt om man kan dele algoritmer, så fx hvis man er 10 personer i 10 lande, der træner en fælles algoritme op til at genkende fx lygtemaster som nævnt før. Jeg hører, at nogle er interesseret i at have overvågningskamera algoritmer “surveillance of surveillance” til at spotte disse i det offentlige rum.

Jeg synes, at Mapillary har gjort et interessant tiltag her med at bringe machine learning ud til en bredere kreds end lige computernørder. Jeg kunne forestille mig at en skoleklasse som undervisningscase i faget geografi havde deres egen fælles algoritme, som de træner op. Skoleklassen kunne så starte med at få crowdsourcet en masse billeder til Mapillary via deres smartphones af lokalområdet. Dernæst går de igang med at markerer objekter ud, som de vil have algoritmen til at lære. Selvfølgelig er machine learning ud fra billeder ikke perfekt endnu og skoleelevernes primære mål med sådan en case at få et indblik i, hvad machine learning går ud på. Nu har folkeskolelærere en relativ nem og gratis måde via Mapillary platformen at give eleverne noget hands-on dette (når det altså går i luften med egne algoritmer).

Nu over 3 millioner Mapillary billeder i Danmark

I august 2015 ramte de danske Mapillary bidragsydere 1 million crowdsourcet billeder. Nu 10 måneder efter her i dag har de ramt over 3 millioner crowdsourcet billeder.

Mapillary juni stats

Vi tager et kig bag tallene for Danmark. Men her først nogle nøgletal her kl. 11:00 d. 7. juni 2016.

  • 3002026 crowdsourcet Mapillary billeder
  • Der har været 261 bidragsydere i alt
  • I gennemsnit har de indsamlet 11502 billeder
  • Første kvartil er 19 billeder blandt de 261 bidragsydere
  • Medianen er 147 billeder
  • Tredje kvartil er 887 billeder blandt bidragsyderene

Nu er de 3002026 Mapillary billeder ikke ligeligt fordelt i Danmark. Hvis vi deler op i de 5 regioner før vi følgende tal for antal indsamlet billeder

  • Region Nordjylland 55837 (1,86 %)
  • Region Midtjylland 1339804 (44,63%)
  • Region Syddanmark 314012 (10.46%)
  • Region Hovedstaden 1174692 (39,13 %)
  • Region Sjælland 117679 (3,92%)

Region Midtjylland er der, hvor der indsamlet flest Mapillary billeder (44,63% af alt i Danmark), mens Region Nordjylland er sidste pladsen med kun 55837 (1,86 % af alt i Danmark). Nu afhænger disse regionsplaceringer i den grad af, hvor Danmarks Top 10 Mapillary bidragsydere bor. Disse 10 personer har bidraget med 2587964 billeder ( 86,2% af alle Mapillary billeder i Danmark). Toblers første lov om geografi er i den grad gyldig her, det nære er det mest vedkommende.

Mapillary juni stats

Dette er et her og nu status billede, og som i mange VGI (Volunteered geographic information) projekter kan ting ændre sig hurtigt, hvis der nogen der tager teten. Se fx Lesotho i OpenStreetMap regi. Lesotho var dårligt kortlagt for 2 år siden, men er nu det bedst kortlagte land i Afrika og slår flere europæiske lande. Denne indsats har kun været muligt fordi der er blevet bygget et stærk community op om den indsats.

Så det kan være næste gang, at jeg laver en talstatus på Mapillary i Danmark, at Region Nordjylland er i toppen. Det er kun spørgsmål om nogen tager sig sammen i området.

Nå, ja har du fået prøvet Mapillary app?

NB – Hvis du er interesseret i tal og fakta for andre lande, så tjek dette online regneark ud og klik så på det land du ønsker at vide noget om.

Geodataindsamling under årets Vi Cykler På Arbejde kampagne

I går afsluttede årets Vi Cykler På Arbejde kampagne. Da der for mit vedkommende kun var 2 regnvejrsdage ud af 19 arbejdsdage i maj var der lagt op til at få en del kilometer i benene. Jeg endte på 436 km i alt. Årets kampagne var også en enestående mulighed for at køre omveje for at få indsamlet billeder til Mapillary fotoprojektet.

Med Mapillary app installeret på min smartphone fik jeg indsamlet ca. 20.000 billeder fra Ballerup området til Mapillary projektet. Det blev rundt regnet ca. 70 km veje og stistrækninger under Vi Cykler På Arbejde kampagnen. Mange stier og veje havde jeg aldrig før cyklet på.

Mapillary Ballerup
(Sti i Ballerup – se ovenstående billede på Mapillary)

Udover at alle billeder i Mapillary er udgivet under en fri licens. Så kan Mapillary bruges for cyklister til aktivisme for at få forbedret forholdene på landets cykelstier. Lad mig vise det med et Mapillary billede, jeg tog ude ved Veksø S-tog station [Egedal Kommune] på C97 supercykelstien (København – Frederikssund). I billedet nedenfor ses en cykelbom (chikane).

Mapillary Veksø'
(Supercykelstien C97 ved Veksø Station – se ovenstående billede på Mapillary)

Nu er der over 200 meter til vej, hvor der er biltrafik, så jeg forstår ikke logikken i at sætte en cykelbom der. Jeg havde også det indtryk, at en supercykelsti var beregnet på at have et flow og ikke en masse forhindringer. Hvis der er mange cyklister, der bruger Mapillary til at fotodokumentere dårlige design af cykelstier som ovennævnte eksempel og så får skrevet til de ansvarlige myndigheder og vedhæfter billede eller URL’en, som også viser hvor på kort hvor dette dårlige cykelstidesign befinder sig. Så kunne det være der skete noget (fx fjernelse) eller få et svar, hvorfor de lige netop har valgt at sætte en forhindring op der.

Nu behøver det ikke kun være at være negative ting ude fra cykelstierne, de gode cykelsti design kunne også fotograferes til Mapillay og så bruges til vise myndigheder, udenlandske byplanlæggere, udenlandske cyklister, forskellige cyklistforbunde i verden, hvordan det kan gøres osv. Billederne er som nævnt under en fri licens, så de kan bruges i andre sammenhænge end lige via Mapillarys platform.

Årets gang i Danmark for Mapillary bidragsyderne

I 2015 har bidragsyderne til Mapillary projektet i Danmark haft virkelig travlt. I januar var der ca. crowdsourcet 100.000 billeder og nu her d. 21 december er der så blevet fotograferet hele 1.769.328 billeder og det skulle dække over ca. 30.000 km fotografering.

Mapillary 2015

Hvis vi ser på fordelingen af Mapillary billeder i de 5 regioner, så får vi følgende tal dags dato.

Det ser ud til at det bliver Region Midtjylland som først når en million Mapillary billeder, hvis ikke nogen fra de andre regioner tager udfordringen op hurtigst muligt. Region Nordjylland er bagud, der er ellers oplagte områder som fx Skagen, Klitmølller, Thy området eller fotografering af de mange bunkers ved Vesterhavet.

I 2015 blev der også arrangeret to fælles Mapillary fototure. Den første blev afholdt i København i forbindelse med Open Data Day i februar og den anden blev afholdt i september i Hillerød i forbindelse med det første danske Maptime Copenhagen event.

Der har også været tid til at geokode ca. 115 historiske billeder fra den åbne digitale samling fra Nationalmuseet samt lave et CartoDB kort, der viser hvor disse historiske billeder befinder sig. Der er mindst 500 historiske billeder fra denne samling som kan blive geokodet.

Historiske billeder

Geokodning af historiske billeder er et emne som Maptime Copenhagen planlægger at afholde et kursus i slutningen af januar/start februar 2016. Der er flere som har givet udtryk at de godt kunne tænke sig at lære dette. Hvis du/I har mulighed for at stille lokale og Wi-fi til rådighed i Københavnsområdet en lørdag, så kontakt mig gerne (Mapillary vil være sponsor for sandwich eller pizza den dag).

I 2016 kunne de danske Mapillary bidragsyderne (samt meget gerne mange flere nye bidragsydere) store ambition være at lave et Mapillary billede for hver indbygger i Danmark (ca. 5,614 millioner). Potentialet er der, da over 3 millioner ejer en smart phone og kan få Mapillary app installeret (findes til Andriod, iPhone og Windows). Endelig har vi til gode at se fx folkeskoleklasser som led i bevægelse og motion undervisningen bidrage til Mapillary projektet.

Til sidst skal nævnes at alene en person i USA har alene lavet 2.499.258 Mapillary billeder og kørt ca. 69.765 km og det er mere end alle de danske bidragsydere til sammen.

Match fortiden har nu 56 111 historiske fotoudfordringer

Da første udgave af “Match fortiden” fotoudfordringen blev skudt i gang for 2 uger siden, var der 23 historiske billeder, som du med Mapillary app skal tage et nutidigt billede af. Jeg har nu fået udvidet dette antal til 56 111 fotoudfordringer samt fået lavet et interaktiv kort med disse 56 111 stk. På kortet når du klikker på en udfordring, dukker et miniature foto op, oplysninger om de geografiske koordinater, retningen billedet er blevet taget i, stednavnet samt årstallet billedet blev taget i.

Match fortiden
(Billede – Match fortiden kort med de 56 111 fotoudfordringer)

Hvis du ruller helt ned i info-vinduet, så vil der være et hyperlink der fører dig direkte hen til et stort format af det historiske billede på Mapillary.

Match fortiden
(Billede – Mapillary billede af Norgesporten 1905 ved Kastellet – se stort format her)

Nu er det snart skolernes efterårsferie, så hvis du er helt blank for ideer at lave sammen med børnene, så er dette en mulighed for at prøve Mapillary app (findes til iPhone, Andriod og Windows) af. De fleste børn over 12 år har i vore dage en smartphone. Og hvor skal vi så starte? Alene området omkring Kastellet i København har 5 fotoudfordringer, det kunne så være en start i det område (se andet indlæg for tips vedr. Mapillary fotografering).

De 56 111 historiske billeder stammer fra Nationalmuseets billedesamling samt fra Rigsarkivet (tak til Charlotte S H Jensen fra Rigsarkivet for at gøre mig opmærksom på nogle billeder fra Københavns Hovedbanegård) og er alle udgivet under åbne licenser. De historiske billeder stammer fra perioden 1870-1981.

Hvor befinder de danske Mapillary bidragsydere sig i forhold til andre lande?

I mit sidste indlæg kiggede jeg lidt på Mapillarys nye API 2.0 og trak nogle danske statistiske oplysninger ud via dette. Nu kunne det også være interessant at se hvordan Danmark befinder sig i forhold til andre lande. Jeg har trukket oplysninger (søndag 9. august) ud for Danmark, Frankrig, Holland, Sverige, Tyskland, USA som alle har over en million crowdsourcet billeder og endelig et samlet tal for hele verden (Du kan se online regnearket her).

Regneark med Mapillary tal

Hollands 122 bidragsydere trækker virkelig igennem med et gennemsnit på 15369 billeder og et højt median og øvre kvartil tal i forhold til de andre lande inkl. Danmark.

Sverige, Tyskland og USA har nogenlunde det samlet antal bidragydere, her springer det i øjnene at Sverige er langt bagud Tyskland og USA mht. til gennemsnit, median, nedre kvartil og øvre kvartil. Det tyder på at mange flere i Tyskland og USA finder Mapillary interessant og vil bruge tid på at bidrage end i Sverige.

Nu er det ikke nogen hemmelighed at mange OpenStreetMap bidragsydere også er store Mapillary bidragsydere. Tyskland og USA er nogle af de store lande mht. antal OpenStreetMap frivillige, og hvis en stor del af disse også er hoppet på Mapillary projektet, så det kan forklare lidt af, hvorfor Sverige er langt efter disse to lande.

Hvis vi placerer Danmark i forhold til det globale gennemsnit på 9011 billeder per bidragsyder mod Danmarks gennemsnit på 5448, hvis Danmark havde det samme gennemsnit som globalt ville det betyde at der var i alt crowdsourcet 1694068 billeder mod det reelle tal i skrivende stund på 1024264.

Globalt er gennemsnittet i antal fotograferet km ca. 229 per bidragsyder i Danmark er tallet ca. 81 km. Forklaringen i denne forskel ligger i at flere bidragsydere i Danmark går eller cykler rundt og fotografere til Mapillary end kører rundt i bil og gør det samme. Alene den amerikanske bidragsyder Allen har pt. kørt ca. 35126 km rundt i bil.

Hvis Danmark og Sverige skal have mere gang i Mapillary crowdsourcing, så skal der fokuseres på at få øvre kvartil meget højere op (er ca. 2,5 mindre end det globale tal). Det betyder at man skal have fat i mange mulige bidragsydere, der kunne tænkes at gå, cykle eller køre rundt i bil i mindst 10 timer i deres lokalområde, det er så ca. 18000 billeder i bidrag. Cykelklubber, løbeklubber eller vandreforeninger kunne være steder, hvor der kunne rekrutteres nogle nye bidragsydere.

Bemærk at undersøgelsen ovenfor er et øjebliksbillede – I crowdsourcing projekter kan mange ting ændre sig på en måned, måske bidragysyderne i Danmark har nået det globale gennemsnit 1. september? Du kan da være med til at gøre et forsøg ved selv at deltage i Mapillary projektet.

Tangen ved Metalskolen i Jørlunde
(Kunstværket Tangen ved Metalskolen i Jørlunde – direkte link her)

Flere tal og fakta med Mapillary API 2.0

I onsdags frigav Mapillary deres API 2.0 version. Du logger ind med dine brugeroplysninger og laver selv din egen API-nøgle. Du vil nu få adgang til at lave søgninger og få det retur i JSON eller GeoJSON format.

Der er flere statistiske API forespørgsler, hvor du kan få noget at vide om Mapillary bidragsyderne både i Danmark, andet land eller globalt. Så for at runde mit indlæg af for Danmark om at der var lavet over en million Mapillary billeder lørdag d. 1. august, så får I nogle flere tal om bidragsyderne i Danmark. (trukket ud kl. 8:00 d. 7. august). Disse tal kan kun hentes via Mapillary API 2.0.

7. august har der været 188 bidragydere i alt for Danmarks område. Bemærk, at det ikke er ens betydende med at de også bor i Danmark fx Mapillary bidragsyder “hajak” bor i Malmø, men har bidraget i Danmark med 9806 billeder. Total bidrag af disse 188 bidragsydere er i alt 1024264 billeder.

Opdatering 13:35 med kvartiler
Medianen er 166 og gennemsnittet er 5448 billeder. Tager vi det i tidsforbrug (forudsat der tages et billede hvert andet sekund) er medianen ca. 5 min. og 32 sekunder og gennemsnittet er ca. 3 timer og 2 min.
Nedre kvartil er 28 billeder (56 sekunder at fotografere) og øvre kvartil er 778 billeder ( 25 min. og 56 sekunder at fotografere).

At gennemsnittet er så langt væk fra medianen skyldes, at Top 10 bidragsydere i Danmarks området trækker læsset med ca. 81 % af samtlige billeder. Dette er ganske normalt i crowdsourcing projekter, at der vil være kæmpe forskelle mellem median og gennemsnit.

Endelig til sidst kan vi kigge på et globalt tal (også trukket ud fra API kl. 8:00 i dag). Hvis du vil på en global Top 100 liste som Mapillary bidragsyder så skal du bidrage med 56850 billeder og det er ca. et tidsforbrug på ca. 31 timer og 33 min.

Frederikssund -
(Mapillary billede af fritidshavn i Frederikssund – direkte link her)

Jeg bor her i Milhøj, 2 mil væk

Jeg lovede i mit indlæg om, at nu havde de danske Mapillary bidragsydere crowdsourcet over en million billeder, at vise nogle forskellige områder Mapillary kan bruges i. Mit første indlæg handler om et eksempel vedr. det offentlige. Geodatastyrelsen er ved at lave en “Danske Stednavnes indberetningsportal” som på sigt også vil tillade private at indberette stednavne som Geodatastyrelsen ikke har.

Som case tager vi et hus i Slangerup som har navnet “Milhøj“, dette hus er blevet fotograferet til Mapillary. (Se på Mapillary her), men ingen offentlig myndighed har det stednavn registret (såvidt jeg er orienteret).

Huset Milhøj i Slangerup

Så mit forslag er, at “Danske Stednavnes indberetningsportal” har et kildefelt, der angiver et link til fx et billede af det stednavn, du vil indsende. Det er altid godt at kunne dokumentere i form af et billede, så det bedre kan verificeres. I Mapillary eksemplet vil linket være følgende

http://www.mapillary.com/map/im/AkvL4sRU7m5-Dfl-2XDa_w

Andre billedekilder kunne fx være Wikimedia Commons mediearkivet og igen et link til kilden kunne bruges.

I princippet er det heller intet i vejen for at “Danske Stednavnes indberetningsportal” har en upload billede funktion – Også her er det tilladt jfr. Mapillary licensen at uploade et billede, der er taget af en Mapillary bidragsyder.

Endelig er bileder, der viser stednavne samt er fotograferet i Mapillary også oplagte lige at få smidt ind i OpenStreetMap database. Se den navngivet bygningspolygon Milhøj på OpenStreetMap her

Huset Milhøj i Slangerup

Afrunding : Huset Milhøj i Slangerup har fået navnet efter at lige foran huset står der en historisk milepæl, som angiver 2 danske mil afstanden til Hillerød (Se Mapillary billede af milpælen her).

Huset Milhøj i Slangerup

Og selvfølgelig kan en milepæl beskreves som geodata i OpenStreetMap se her.

Så rundede de danske bidragsydere over en million billeder i Mapillary projektet

Det crowdsourcet gør det selv street view lignende projekt Mapillary har lige lørdag d. 1. august rundet over en million billeder (i skrivende stund 1.001.856) for Danmarks vedkommende.

1 million billeder

I februar på open data day, da der blev afholdt et Mapillary fotoevent i København var tallet ca. 140.000 billeder, så det sidste halve år har der været fuld fart på de danske Mapillary bidragsydere med at nå op på over en million billeder fra de danske veje, stier, byer og naturområder. I dette indlæg kigger vi på tal og fakta bag bidragsyderne for Danmarks vedkommende.

Hvor lang tid tager det så at indsamle 1.001.856 billeder? Hvis vi sætter standardindstillinger i Mapillary app til at tage et billede hvert andet sekund dvs 1800 billeder i timen, så får vi at det tager ca. 557 timer.

Hvor meget fylder så 1.001.856 billeder? Det afhænger lidt af dit kamera, men en god tommelfingerregel siger, at 1 time Mapillary optagelse fylder ca 3,6 GB – Så totalt for Danmarks vedkommende bliver det ca. 2005 GB, der er sendt ud i skyen.

Hvor mange km har de danske bidragsydere kørt/gået eller cyklet rundt totalt? Mapillary har ikke en direkte en land for land total antal km opgørelser, men baseret på Top 10 danske bidragydere får vi et gennemsnit på ca. 67 billeder for at lave en km. Under hver enkelte Mapillary bidragsydere kan du aflæse en samlet opgørelse i km. Så antal km for Danmarks vedkommende er ca. 14.953 km (baseret på de 67 billeder per km i gennemsnit)

Hvad ved vi om de danske Top 10 bidragsydere? De bidrager med ca. 81 % af alle billeder (af total 1.001.856) og har kørt ca. 12.077 km (km sum af Top 10). Det er ikke usædvanligt i crowdsourcing projekter at en meget lille gruppe står for høje andele af bidragene. Så kunsten som projektleder til deltagerne i diverse crowdsoucring projekter er at sige – ‘Du havner sikkert aldrig i Top 10 som bidragsyder, men dine bidrag uanset om du bruger en time eller 10 timer i alt er meget vigtige for den større helhed’.

1 million billeder

Der er desværre ingen danske kvinder blandt Top 10. Sidebemærkning : pt er der en enkelt bidragsyder i USA som alene har lavet 1.211.327 billeder og kørt ca. 33.146 km.

Hvad kan vi sige om bidragsyderne i Danmark kontra globalt ? I Danmark bruger vi ca. 67 billeder for at dække en km og globalt set er tallet ca 39 billeder per km. Denne forskel på flere end ca. 28 billeder per kørt km skyldes, at i Danmark bruges mere tid på at gå eller cykle rundt for at indsamle billeder end at køre rundt i bil/motorcykel/tog/bus og indsamle. Her kunne det kunne spændende, hvis Mapillary lavede km opgørelser per land, så vi kunne hurtigt se den primære fortrukne indsamlingsmetode (ved hjælp af motor eller ved egen kraft på cykel, fods, robåd eller kajak) i de enkelte lande.

Hvad skulle der til for at alle veje og stier i Danmark blev fotograferet til Mapillary i mindst den ene vejretning? – Geodatastyrelsen oplyste i en privat e-mail til mig for et par år siden, at de havde registeret ca. 207.000 km veje og stier i Danmark, dette er ikke ensbetydende med at de så har alt registeret fx ser jeg i en del private skove der mangler en del skovstier. Men lad os tage udgangspunkt i de ca. 207.000 km og vi sætter igen 1 km lig med 67 billeder, så får vi ca. 13,869 millioner billeder. Dette ville så tage 7705 timer (med 1800 billeder i timen) at fotografere. Så hvis 7705 danskere brugte en time udendørs til Mappilary projektet, så var det hurtigt færdigt (den ene retning). Tænker vi meget større, hvad så med en gennemgang for hver af de fire årstider af alle veje og stier i Danmark?

Er 7705 danskere der bidrager i en time urealistisk i dansk sammenhæng? Jeg har hørt tal om at ca. 400.000 danskere bruger en motions app på deres smart phones dagligt – Så hvis bare 2 % af disse kun for en eneste dag lige bidrog i Mapillary projektet, så kunne der laves en hel del. Denne form for crowdsourcing kunne måske være en del eller en ide til folkeskoleelever og bevægelse i undervisningen?

Hvad får vi ud af indsamle mindst 207.000 km veje og stier i Danmark? – Først og fremmest får du masser af frisk luft, hvis du indsamler mens du cykler eller er til fods ude i det danske landskab. Jeg vil i de kommende blogindlæg nævne hvad projekter som OpenStreetMap, Wikipedia, citizen science projektet Biodiversitet Nu og det offentlige sådan konkret kunne bruge Mapillary billeder til.

1 million billeder
(Mapillary billede af fritidshavn i Frederikssund – direkte link her)

Så er der endelig en Mapillary plugin klar til JOSM editoren

I oktober sidste år fik OpenStreetMap iD redigeringsværktøjet mulighed for at indlæse Mapillary billeder og dermed værdiberige OpenStreetMap endnu mere i form af at skabe nye geografiske objekter ud fra billederne. En hel del brugere af et andet meget brugt redigeringsværktøj, JOSM, har lige siden efterspurgt den samme funktionalitet. Deres ventetid er nu forbi, og der er blevet udviklet en Mapillary plugin til JOSM.

For at benytte denne Mapillary plugin skal du først havde den seneste JOSM version (version josm-tested.jar (version 8491)) installeret på din computer.

Dernæst skal du have installeret Mapillary plugin og det får du fra Rediger > Indstillinger > Udvidelser > Søg Mapillary i feltet > sæt hak > opdaterer udvidelser. Du skal så genstarte JOSM.

Mapillary plugin
(Billede – Mapillary plugin installering fra JOSM)

Så starter du JOSM op som normalt og vil redigere i et område, hvor du tillige ved at der er Mapillary billeder. I JOSM går du op i Billedelag > Mapillary og slår Mapillary billedelaget til.

Mapillary plugin
(Billede – Mapillary billedlag slået til i JOSM)

Nu skulle der være små Mapillary ikoner i JOSM redigeringsvindue. Et klik på et af disse ikoner vil så vise det tilknyttede Mapillary billede.

Mapillary plugin
(Billede – Mapillary billeder vist i JOMS redigeringsvindue)

Udvikleren af denne Mapillary plugin arbejder på at lave mere funtionalitet fx sortering af bidragsyderen, tidspunkter og trafikskilte og i det lange løb også at kunne skrive tilbage til Mapillarys API – Det kunne fx være billedeangivelse med mere præcis retning (eng: heading), bredde- og længdegrader og trafikskilte genkendelses rettelser.

Tag på en virtuel tur i Parforcelandskabet i Nordsjælland

I lørdags blev Brødremenighedsbyen i Christiansfeld og Parforcelandskabet i Nordsjælland tilføjet UNESCOs verdenskulturarvsliste. Parforcelandskabets geometriske stjerneformationer og kvadratnet findes i dele af Gribskov, Store Dyrehave og Jægersborg Hegn. Ansvaret for Parforcelandskabet er placeret hos Naturstyrelsen, som igen er en styrelse under Miljø- og Fødevareministeriet.

Da der ikke findes nogen større systematisk fotografering af Parforcelandskabet endnu, som fx det crowdsourcet gør-det-selv lignende Street View projekt Mapillary eller Google StreetView, så besluttede jeg at starte et Mapillary kortlægningsprojekt op i går søndag.

Derfor gik min søndagscykeltur op til Store Dyrehave ved Hillerød, hvor man tydeligt kan se en af stjerneformationerne på et kort (Link til Mapillary kort her)

Store Dyrehave
(Billede – Den store stjerneformation i Store Dyrehave set på Mapbox kort)

De 8 grene på stjerneformationen blev kørt igennem samt fotograferet til Mapillary, cykelturen gik fra centrum og så ud til enden og så tilbage til centrum igen for hver enkelt gren [vej] (Mapillary link til billeder fra stjernenformationens centrum her). Store Dyrehave området er absolut ikke fladt, det går op og ned ad bakker. De 8 veje på stjernens grene gav ca. i alt 20 km Mapillary fotografering og ca. 2500 billeder.

Disse billeder er udgivet under en fri licens (CC BY-SA 4.0), det vil sige hvis en redaktør hos Wikipedia, OpenStreetMap frivillig eller en skoleelev skal bruge et billede, kan dette gøres uden at få ørerne i copyright maskinen.

Store Dyrehave
(Billede – Centrum af den store stjerneformation i Store Dyrehave)

Nu er hele Parforcelandskabet i Store Dyrehave langt fra færdigt vedr. Mapillary fotografering, der mangler nogle stjerneformationer og kvadratnet, da det var ufattelig varmt i går, nøjes vi i første omgang fra min side af med bidraget af den store stjerneformation i Store Dyrehave. Samlet set for Gribskov, Store Dyrehave og Jægersborg Hegn vil Parforcelandskabets samlede længde nok være oppe i flere hundrede km, som venter på Mapillary fotografering.

Så hvis du bor i nærheden af Gribskov, Jægersborg Hegn, Store Dyrehave kunne du installere Mapillary appen (findes til Andriod, iPhone og Windows) og hjælpe til med at få kortlagt hele det geometriske system af Parforcelandskabet i Nordsjælland.

Eller måske Naturstyrelsens årlige skovtur kan være indlagt med en mindre Mapillary fotografering event i området? (giver en god madappetit inden frokosten).

Store Dyrehave
(Billede – Et kig ned ad Femvejen i Store Dyrehave)

Du kan også se en tur langs med en stjernegren, som en slags time lapse video ved at klikke på afspil-knappen (nederst i højre hjørne – eller klik på direkte link her)

Det kunne også være interessant at få de fire årstider lagt ind i Mapillary, så vi har en forår, sommer, efterår og vinter (gerne sneklædt) version, men igen det forudsætter nogen gide at cykle eller gå rundt i områderne.

Måske Naturstyrelsen kunne afholde et hackathon i stil med det, der blev afholdt i Pompeji i sidste måned. Hvor der udover Mapillary fotografering også var emner som indskanning af historiske kort, forbedring af OpenStreetMaps geodata mm. Det samme kunne gøres for Parforcelandskabet. Ideen er hermed givet videre til Naturstyrelsen.

Deltager du i årets “Vi cykler på arbejde?” – I år kan du tillige lave gode gerninger under cykelturen

Det er snart blevet tid til “Vi cykler til arbejde” kampagnen, der løber fra fra 1.-31. maj i år. Er du blandt de ca 70.000 årlige deltagere og har været med i mange år snart, hvad med at prøve noget helt anderledes i år?

På kampagnesiden skriver de følgende

I år har vi så tilført kampagnen en masse nye muligheder på både hjemmesiden og de sociale medier. […] Årets kampagne har også et splinternyt hashtag på Instagram #gørdetpåcykel. Her kan alle deltagere både dele billeder og fortællinger fra cykelturene og arbejdspladsen, og tage selfies

Men din/jeres daglige cykeltur kan gå et teknologisk skridt videre og samtidigt gøre nytte/gavn andre steder, hvilket jeg i det følgende vil skrive om (det er ej mere kompliceret end at tage et Instagram billede).
Det helt nye i år og meget anderledes kunne være at prøve at fotografere til Mapillary projektet din cykeltur fra hjemmet til arbejdet? – Har du 2-3 forskellige ruter du veksler i mellem, kan disse selvfølgelig også fotograferes.

Mapillary kan kort siges at være et gør-det-selv lignende street view. Download den gratis Mapillary app (Andriod, iPhone & Windows udgaver) til din smartphone og prøv det af. Vis dine arbejdskollegaer din cykeltur og lok dem også til at afprøve det.

C97 ruten
(Billede – fra et sted på C97 Frederikssundsruten)

Hvad med at udfordre dine arbejdskollegaer i maj med, hvem der får cyklet flest km og fotograferet mest til Mapillary projektet? Hver Mapillary konto har en personlig side, der viser ens personlige bidrag (se billedet nedenfor), så det er let at holde øje med ens arbejdskollegaer.

C97 ruten
(Billede – Mapillary brugeren Peter Leths bidrag med antal billeder og antal meter kortlagt)

Men hvor kommer den gode gerning ind i billedet? – Alle de billeder du uploader til Mapillary er udgivet under en fri licens (CC BY-SA 4.0), dvs hvis Wikipedia eller en lokalavis skal bruge et billede fra en bestemt vej/område, så kan de bruge disse billeder gratis. Der skal selvfølgelig gives en kreditering og kilde af billedet.

Endelig er der OpenStreetMaps frivillige, som kan bruge Mapillary billederne til at forbedre/tilføje nye geodata og dermed gøre OpenStreetMap endnu bedre for cyklister. Projekter som Cyclistic og Supercykelstier, som er baseret på OpenStreetMaps geodata og specielt henvendt til cyklister/cykelturister vil inddirekte blive bedre af dine/jeres bidrag.

Lad mig vise et eksempel til OpenStreetMap brug – Billedet nedenfor er taget ude fra Supercykelsti ruten C97 Frederikssundsruten og viser blandt andet et picnicbord.

C97 ruten
(Billede – Picnicbord i Mapillary)

Dette picnicbord kan vi lægge ind i OpenStreetMaps database og give det følgende tag “leisure=picnic_table“. Så har vi nu værdiberiget OpenStreetMap med et nyt geografisk objekt via et crowdsourcet billede fra Mapillary. Der er selvfølgelig mange andre geografiske objekter end lige picnicborde, der kan udledes af Mapillary billederne.

C97 ruten
(Billede – Picnicbord tags beskrevet i OpenStreetMaps iD editor)

Så tænk på, hvad indsamlede billedebidrag fra 100, 1000 eller 10000 danske cyklister kunne gøre af forskel for OpenStreetMap? – Er du klar til at cykle dit Mapillary bidrag ind i maj?

NB – Hvis du har langt til arbejde dvs over 10 km hver vej, så er det en god ide at anskaffe et ekstra batteri, så du ikke løber tør for strøm under af Mapillary fotograferingsturen. Et 4100mV batteri kan købes for ca 300 kr – fra min egen erfaring med sådan et ekstra batteri er, at du har strøm nok til at tage ca. 5000 billeder, hvilket giver med et 2 sekunders fotointerval strøm nok til ca 2,5 timer.
Ekstra batteri
(Billede – 4100 mV batteri til smartphone)

Beslægtede artikler om Mapillary

Grevinde Dannerløb – det første motionsløb i Danmark kortlagt i Mapillary

Jeg havde fornøjelsen i sidste uge af at demonstrere Mapillary appen for et medlem af Jægerspris Hjerteforening. Vedkommende fandt det interessant med billedesekvenser og han nævnte i samme åndedrag at det kunne da være en fed funktion at bruge til deres årlige Grevinde Dannerløb (i år søndag d. 12. april). En hel del motionister går meget op i at nærstudere ruter via kort/luftfotos før den endelig løbsdag.

Med Mapillary er der en ekstra mulighed for denne gruppe motionister eller for bare generelt nysgerrige efter at se ruterne igennem fra Jægerspris Skov set fra en anden vinkel. Grevinde Dannerløb består af 4 ruter på hhv 1/2 maraton, 10 km, 5,6 km og et børneløb på 2 km. Jeg tog vedkommende fra Jægerspris Hjerteforening på ordet og har nu cyklet alle 4 ruter igennem og fotografet dem til Mapillary. Grevinde Dannerløb skulle hermed være det første motionsløb i Danmark, der er blevet fotograferet til Mapillary.

Mapillary startsekvenser for de 4 ruter er følgende

Hvis du klikker på Mapillary sekvens for 1/2 maratonruten, vil du se at sekvensen bliver markeret som en rød linje på kortet i højre side. Du kan klikke ind på hvilket som helst sted i sekvensen (ruten) og se det tilknyttet billede. Hvis du i højre side klikker på lag-ikonet og vælger “Mapbox Satellite“, så får du Geodatastyrelsens forårsluftfoto fra 2014 at se.
Grevinde Dannerløbet
(Billede – 1/2 maratonruten vist på Geodatastyrelsens luftfoto lag)

Du kan navigere gennem ruten ved at klikke pil op ikonet i billedesiden. Der er også mulighed for at få en timelapse gennem ruten, klik på afspil ikonet lige nede under billedet. Timelapse funktionen virker bedst, når du har et hurtigt internet tilrådighed.
Grevinde Dannerløbet
(Billede – 1/2 maratonruten set i Mapillary med afspilningsknap)

Hvis man er interesseret i at få et af billederne i stort format så klikkes på “i” ikonet under et Mapillary billede og der vil være menu med en “Download:“. Billederne er udgivet under en fri licens (CC BY-SA 4.0), så fx Jægerspris Hjerteforening må bruge disse helt frit på deres hjemmeside.

Grevinde Dannerløbet
(Billede – Mapillary informations menuen med download mulighed)

Mapillary tilbyder også at man kan indlejre interaktive billedesekvenser på ens egen hjemmeside – Se eksempel fra 1/2 maratonruten lige nedenfor.

Da Hjerteforeningens lokal afdelinger har flere hundrede hjertestier spredt rundt omkring i Danmark, så er det en oplagt opgave, at folk fra de lokale hjerteforeninger får fotograferet disse stier til Mapillary projektet. Der er afvikles vel også årligt over 1000 danske motionsløb (til fods, løb og cykling) af diverse sportsforeninger og organisationer – igen så er det oplagt at fotografere disse igennem og tilbyde motionister at smugkigge ruterne igennem. Ideen er hermed givet videre til sportsforeningerne og andre at gøre det samme.

Tips til Mapillary fotograferingsture:
Det er en god ide at købe et ekstra batteri til din smartphone, hvis du skal ud på en længere Mapillary fotograferingstur. Et 4100mV batteri kan købes for ca 300 kr – fra min egen erfaring med sådan et ekstra batteri er, at du har strøm nok til at tage ca. 5000 billeder.
Grevinde Dannerløbet
(Billede – 4100 mV batteri til smartphone)

Beslægtede artikler om Mapillary

Ideforslag – Det rullende brugerpanel kunne skabe fælles billeder og geodata

I forbindelse med det netop afholdte danske Mapillary fotograferings event den 21. februar på Open Data Day i København, der blev jeg spurgt om andre udover de to oplagte organisationer OpenStreetMap og Wikipedia kunne bruge/bidrage med Mapillary billeder? (billeder er udgivet under åben licens CC BY-SA 4.0 )

Jeg bragte her på bane at Supercykelstier samarbejdet mellem de 18 kommuner i Region Hovedstaden var oplagt. Supercykelstier samarbejdet er ved at oprette et “Det rullende brugerpanel“, som skal forbedre og give forslag til at få en bedre cykelapp/kort. Denne app er i forvejen baseret på OpenStreetMaps geodata.

Mit forslag er følgende, hvad med at indkøbe 20 stk. Garmin VIRB Elite kamera og så få brugerpanelet til at gennemfotografere samtlige cykelstier i de 18 kommuner til Mapillary? De frivillige kan beholde kameraet, når de fx har cyklet og fotograferet over 500 km. Grunden til jeg nævner Garmin VIRB Elite skyldes, at det kamera geotagger (tilføjer geografiske koordinater) automatisk til billeder og dernæst er det en smal sag at uploade til Mapillary.


(Indlejret Mapillary – Cykelsti ved Gerlev i Horns Herred)

Kan man få folk til at bidrage med 500 km Mapillary fotografering fx over et halvt år? Jeg er ganske overbevist om at de personer findes, som har interesse i forholdene for cyklismen. Dernæst så går der ofte gamification i sådanne communities med at folk holder øje med hinanden og deres respektive bidrag og der går lidt prestige i at være den førende bidragsyder. Mapillary har en oversigtsfunktion, hvor hver brugers antal meter og antal billeder bliver vist.

Mapillary bidrag
(Billede – Mapillary brugeren Peter Leths bidrag med antal billeder og antal meter kortlagt)

20 kameraer inkl. cykelholdere, ekstra microSD kort kan gøres for ca. 50.000 kr. Er 50.000 kr så mange penge? Tja, hvis man ser på hvor mange penge der postes i alt relateret til cyklismen er vi ude i små brøkdele.

Hvem kan så bruge disse Mapillary billeder udover Supercykelstier samarbejdet? Oplagt er OpenStreetMap for at skabe bedre geodata, Cyklistforbundet skal måske bruge et billede fra en bestemt cykelsti, lokalbladene ditto eller hvis sidder en udenlandsk journalist der skal bruge et par billeder af danske cykelstier/den danske cykelinfrastruktur, så kan dette gøres uden at komme i konflikt med ophavsret til billeder (skal dog kreditering og licens på).

Såfremt ovenstående tiltag ville være en succes kunne det udvides til resten af landet – Læs Cyklistforbundets artikel “Fra deroute til samarbejde” hvor der nævnes

12.000 km. Det er – måske – længden af Danmarks samlede netværk af skiltede cykelruter. Men ingen har overblikket. Nye ruter kommer løbende til, mens eksisterende ruter forvitrer pga. manglende vedligehold.

Der er ikke rigtig noget samlet overblik over cykelruterne osv, det kunne gøres med nævnte ovenstående indsamlingsmetode og de frivillige kan godt findes til sådan en opgave.

Du behøver altså ikke at være med i en formel indsamlingsgruppe samt styrte ud for at købe et action kamera for at starte. Download den gratis Mapillary app (Andriod, iPhone & Windows udgaver) til din smartphone og fotografere så din cykeltur hen på arbejdet eller de lokale cykelstier.