Studija slučaja 7.1: Kako je projekat OpenStreetMap iskoristio ljude i mašine za mapiranje pogođenih područja nakon tajfuna Haiyan
Dan Stowell je informatičar specijaliziran za analizu audiosadržaja. Redovno sarađuje sa servisom OpenStreetMAp i učestvuje u njegovom humanitarnom timu, inicijativi koja dizajnira digitalne mape, šalje radnike na teren i kreira prilagođene softvere za smanjivanje rizika od katastrofa. Bavio se razvojem open-source softvera i mašinskim učenjem, a trenutno radi kao istraživač pri Centru za digitalnu muziku Univerziteta Queen Mary u Londonu. Njegovu web stranicu možete pronaći ovdje.
OpenStreetMap je baza mapa, izgrađena na modelu uređivanja i copyleft sistema autorskih prava koji će mnogi prepoznati sa Wikipedije. Ova platforma nudi neke od najdetaljnijih javno dostupnih mapa – posebno za zemlje u razvoju.
Kada je 2013. Filipine pogodio tajfun Haiyan, grupa volontera koji se bave mapiranjem udružila se sa ciljem da mapiraju i potvrde štetu nanesenu ovom području. Projekt je koordinirao humanitarni tim OpenStreetMapa (HOT), koji odgovara na incidente humanitarnih kriza “aktivacijom” volontera koji brzo mapiraju pogođena područja. Ovaj posao kombinira ljudski faktor u potvrđivanju informacije automatiziranom analizom, što daje rezultate na koje se oslanjaju Crveni krst, Ljekari bez granica i drugi koji imaju timove na licu mjesta.
HOT održava mrežu volontera koje koordinira putem mailing liste i drugih kanala. Dvadeset i četiri sata prije nego što je tajfun udario, članovi grupe su razgovarali o područjima koja bi mogla biti na udaru i ocijenili kvalitet postojećih podataka, pripremajući se za brzu reakciju.
Kada je tajfun stigao do Filipina i kada je humanitarni incident potvrđen, HOT tim je pozvao svoju mrežu volontera da doprinesu mapiranju područja, uključujući i posebno mapiranje prioriteta humanitarnih organizacija. Imali su dva glavna cilja. Prvi je bio da se napravi detaljna opća bazična mapa naseljenih područja i puteva. Drugi je bio da se kreira slika o tome kako stvari izgledaju na terenu nakon katastrofe. Gdje su zgrade oštećene ili uništene? Koji su mostovi srušeni?
Posao je koordiniran i prioritiziran putem HOT-ovog web sajta za raspodjelu zadataka (prikazanog ispod), koji je zapravo microtasking platforma za pravljenje mapa. Ovaj sistem administratorima omogućava da odrede broj “poslova” koje treba obaviti – kao što je mapiranje puteva i zgrada unutar određenog područja – i podijele svaki posao na male “zadatke”, koje onda može obaviti jedan volonter prateći slike snimljene iz zraka.
Tokom reakcije na Haiyan katastrofu, bilo je uključeno više od 1500 volontera, a do 100 od njih je koristilo sistem u isto vrijeme. Podjela svakog posla bila je ključna da bi se maksimalno iskoristio ovaj talas uloženog napora.
Nakon što izabere zadatak, korisnik uredi svoje područje na OpenStreetMapu i onda može označiti kvadratić pored zadatka kao “izvršen” (crveni kvadratići na slici). No, online sistem zahtijeva da još jedna, iskusnija, osoba provjeri urađeni posao prije nego što zadatak bude označen kao validan (zeleno). (Ako zadatak nije dobro urađen, druga osoba uklanja status “izvršeno”). Volonteri mogu ostavljati komentare na stranici zadatka, gdje objašnjavaju razloge zbog kojih nisu odobrili zadatak ili skreću pažnju na probleme sa mapiranjem.
Snimci iz zraka su ključni u procesu koji “kartografima sa kauča” omogućava da doprinesu koristeći kompjutere za označavanje puteva, zgrada i infrastrukture. Microsoft omogućava korištenje snimaka sa pretraživača Bing na OpenStreetMap platformi, koje su i korištene tokom situacije Haiyan.
Predstavnici HOT-a također su bili u kontaktu sa Odjelom za humanitarne informacije američkog State Departmenta putem programa “Imagery to the Crowd” (Slike narodu) i drugih agencija i kompanija, sa ciljem pronalaženja fotografija iz zraka visoke rezolucije.* Kada bi ih dobili, HOT-ov tim je kreirao dodatne zadatke na web-sajtu, tražeći od volontera da dodatno potvrde i unaprijede osnovne mape Filipina.
Web-sajt koji upravlja zadacima najvidljiviji je korak u verifikaciji, ali ekosistem platforme OpenStreetMap uključuje i mnogo ključnih automatskih (mašinskih) koraka potvrde. Softver za uređivanje mapa (JOSM) prilikom postavljanja na platformu automatski pregleda promjene koje je korisnik unio, upozoravajući ga na moguće greške, kao što su zgrade koje se poklapaju ili rijeke koje se križaju bez dodirivanja.
I drugi alati za automatizaciju redovno skeniraju OpenStreetMap i upozoravaju na potencijalne probleme. Iskusni korisnici često koriste ove alate u drugom krugu verifikacije postavljenih mapa: mogu sami popraviti ili vratiti na staro problematične unose ili direktno kontaktirati korisnika koji ih je radio.
Ovakav raspored posla (kombiniran sa stalnom koordinacijom i komunikacijom putem mailing listi, blogova i vikija), omogućava još jedan sloj strukture verifikacije, povrh ljudskog modela zajednice koji OpenStreetMap koristi.
Model je i dalje veoma otvoren, bez prethodne moderacije i uz poluformalnu hijerarhiju onih koji sadržaj odobravaju, a ipak brzo proizvodi veoma detaljne mape, koje su dragocjene međunarodnim humanitarnim organizacijama.
Budući da su podaci na platformi otvoreni, organizacije koje su odgovorile na potrebe nastale pustošenjem tajfuna Haiyan mogle su ga koristiti na različite načine: štampali su mape, skinuli podatke na uređaje za satelitsku navigaciju timova na terenu, koristili ih da lociraju centre populacije kao što su sela i analizirali ih da pronađu uzorke u epidemijama koje su se pojavile.
Ovakve brzo ažurirane podatke mogu koristiti i novinari sa ponešto znanja o geografskim podacima – da bi, naprimjer, dobili geografski kontekst za podatke koji pristižu iz drugih izvora, poput Twittera, da verificiraju tvrdnje o dešavanjima u drugim područjima ili da kreiraju infografike o raširenosti i posljedicama katastrofe.
