Testování mapovacího nástroje využívajícího umělou inteligenci a jeho využití pro humanitární mapování

Bc. Jan Horák

Diplomová práce

Testing of AI-assisted mapping tool and its use for humanitarian mapping

Anotace:

Automatizace humanitárního mapování pomocí umělé inteligence představuje významný směr vývoje, který může zvýšit efektivitu a dostupnost mapových dat v krizových oblastech. Cílem této diplomové práce bylo otestovat nástroj fAIr, vyvinutý organizací Humanitarian OpenStreetMap Team (HOT), který umožňuje lokálním komunitám mapérů trénovat vlastní modely umělé inteligence. Výzkum se zaměřil na porovnání jeho výkonnosti s tradičním editorem JOSM, široce využívaným v humanitárním mapování, přičemž hlavními sledovanými aspekty byly přesnost (efektivita) a rychlost (účinnost) mapování. Pro porovnání byl uspořádán experiment, ve kterém účastníci pracovali s oběma nástroji a poskytovali zpětnou vazbu k jejich použitelnosti. Výsledky byly analyzovány pomocí normy ISO 9241-11:2018, která hodnotí software z hlediska efektivity (přesnosti mapování), účinnosti (rychlosti mapování) a spokojenosti uživatelů. Kromě toho byly výsledky podrobeny statistickým testům s cílem odhalit statisticky významné rozdíly mezi nástroji a mezi dovednostními skupinami uživatelů (začátečníci vs. pokročilí). Analýza dat ukázala, že editor JOSM dosahuje vyšší přesnosti i rychlosti mapování než fAIr. Pokročilí uživatelé v JOSM vykazovali významně lepší výsledky než začátečníci, zatímco ve fAIr nebyl mezi oběma skupinami tak výrazný rozdíl. To naznačuje, že fAIr může být přínosný pro méně zkušené mapéry, ale jeho výstupy stále nedosahují kvality manuální editace v JOSM. Výsledky ukazují, že fAIr představuje perspektivní nástroj pro automatizaci mapování, zejména pro uživatele s menšími zkušenostmi. Jeho potenciál lze dále rozšířit vylepšením trénovacích dat a optimalizací modelů umělé inteligence. Hybridní přístup kombinující automatizaci s manuálními úpravami se jeví jako nejvhodnější řešení, které by umožnilo efektivní a přesné mapování.

Abstract:

The automation of humanitarian mapping using artificial intelligence represents a significant development direction that can enhance the efficiency and availability of map data in crisis areas. The aim of this diploma thesis was to test the fAIr tool, developed by the Humanitarian OpenStreetMap Team (HOT), which enables local mapping communities to train their own artificial intelligence models. The research focused on comparing its performance with the traditional JOSM editor, widely used in humanitarian mapping, with accuracy (effectiveness) and speed (efficiency) of mapping as the main observed aspects. An experiment was organized for the comparison, during which participants worked with both tools and provided feedback on their usability. The results were analyzed using the ISO 9241-11:2018 standard, which evaluates software in terms of effectiveness (mapping accuracy), efficiency (mapping speed), and user satisfaction. Additionally, the results were subjected to statistical tests to identify statistically significant differences between the tools and among different skill-level user groups (beginners vs. advanced users). Data analysis revealed that the JOSM editor achieves higher accuracy and mapping speed than fAIr. Advanced users in JOSM performed significantly better than beginners, whereas in fAIr, the difference between the two groups was not as pronounced. This suggests that fAIr may be beneficial for less experienced mappers, but its outputs still do not match the quality of manual editing in JOSM. The findings indicate that fAIr is a promising tool for mapping automation, particularly for users with limited experience. Its potential can be further enhanced by improving training data and optimizing AI models. A hybrid approach combining automation with manual corrections appears to be the most suitable solution, allowing for efficient and accurate mapping.

Klíčová slova

humanitární mapování, umělá inteligence, strojové učení, OpenStreetMap, fAIr, JOSM, automatizace mapování, detekce budov, humanitarian mapping, artificial intelligence, machine learning, mapping automation, building detection

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 7. 5. 2025

Obhajoba závěrečné práce

• Obhajoba proběhla 12. 6. 2025
• Vedoucí: Mgr. Radim Štampach, Ph.D.
• Oponent: Ing. Kateřina Tajovská, Ph.D.

Masarykova univerzita

Přírodovědecká fakulta

Magisterský studijní program / obor:
Geografická kartografie a geoinformatika / Geografická kartografie a geoinformatika