Nel 2018, i data scientist di Uber hanno tracciato milioni di coordinate di corse a Toronto e hanno disattivato la mappa stradale sottostante. La pura densità del movimento umano ha comunque delineato perfettamente la città. Lo spazio negativo ha delineato il Lago Ontario, i principali parchi e le esatte impronte degli edifici. I dati di telemetria erano diventati la mappa. Arrivare a quella realizzazione ha richiesto di risolvere un enorme collo di bottiglia computazionale. Uber stava affogando nei dati di localizzazione. Il software cartografico tradizionale era progettato per mappe statiche. Alimentare quei sistemi con i dati ad alta velocità di una rete di rideshare globale causava essenzialmente il congelamento e il crash dei browser. Avevano bisogno di un'architettura completamente nuova. Uber ha coinvolto Shan He, un'ex architetta fisica che si era spostata verso l'informatica al MIT. Ha riconosciuto che i data scientist avevano bisogno di manipolare enormi set di dati senza scrivere codice di rendering personalizzato. Ha guidato la creazione di un framework che, invece di utilizzare il rendering web standard, ha bypassato il thread principale del browser e ha scaricato i complessi calcoli geometrici direttamente sull'unità di elaborazione grafica dell'utente. Il risultato è stata un'applicazione web in grado di rendere senza problemi oltre un milione di punti dati e migliaia di corse simultaneamente. Chiunque poteva costruire complesse visualizzazioni 3D in pochi secondi. Le scoperte interne hanno fatto risparmiare a Uber milioni. Mappando gli errori di Tempo di Arrivo Stimato in tutta Manhattan, gli analisti hanno visualizzato gravi carenze di offerta vicino all'acqua. I confini fisici dei fiumi costringevano le auto in vettori a nord, rompendo silenziosamente gli algoritmi di dispatch globali. Hanno mappato i tassi di successo dei prelievi utilizzando griglie esagonali altamente granulari su geometrie di edifici 3D. Le visualizzazioni hanno individuato i vicoli esatti e le uscite complesse degli edifici che causavano costantemente cancellazioni. Uber ha immediatamente utilizzato questi dati per riscrivere il proprio motore di raccomandazione per i prelievi. Poiché il motore di rendering elaborava solo coordinate e tempo, era completamente indifferente all'argomento. Un ingegnere lo ha utilizzato per modellare la logistica teorica dello spazio aereo urbano per auto volanti. Gli accademici hanno utilizzato lo stesso strumento per tracciare la distribuzione spaziale dei virus trasmessi dalle zecche e mappare le orbite dei satelliti. Uber ha preso la decisione strategica di rilasciare il software sotto una licenza open-source. È diventato lo standard del settore quasi da un giorno all'altro. Airbnb lo ha utilizzato per monitorare la volatilità dei prezzi degli affitti durante la pandemia. I pianificatori urbani lo hanno utilizzato per districare i modelli di pendolarismo a New York. Poi, il team di ingegneria centrale ha lasciato Uber per fondare una startup chiamata Unfolded. Hanno costruito strumenti di gestione dei dati di livello enterprise sopra il loro motore di rendering open-source. Hanno raccolto 6 milioni di dollari, dimostrato il valore aziendale della loro architettura e sono stati acquisiti da Foursquare nel 2021. Uno strumento originariamente costruito per impedire ai browser di bloccarsi durante la visualizzazione delle corse in taxi è diventato uno strumento piuttosto importante nelle visualizzazioni geospaziali.