Google怎么利用AI预测车流量、决定最佳路线?

使用过Google地图导航的人应该都有发现,Google地图上会显示车流量信息,在导航时也会列出多样路线选择以及预计抵达时间供用户参考,那Google地图到底是怎么做到这点的呢?

使用Google地图导航时,地图上会显示推荐给用户的建议路径、沿途的道路拥塞程度、预估的交通时间以及预估的到达时间,到底Google地图是怎么在短短几秒钟之内提供这些信息的呢?Google地图产品经理Johann Lau亲自来解惑。

当用户打开Google地图导航时,由于有同意app使用用户的位置信息,因此Google可以借此知道哪些位置有多少用户,通过这些信息来推算出目前的车流量,并提供给驾驶目前即时路况参考。

不过前述的方式仅限于当下的交通状况,该怎么预测十分钟、二十分钟或甚至是一小时后的路况呢?Google地图会分析过去一段时间内的车流量模式,例如某条公路早上六七点之间的车速大约是105 km/hr,下班时间下降到30 km/hr,得到这两组资料之后,交叉参考过去的车流量模式数据库以及即时路况资料,再借由机器学习技术就能产生出预测结果。

为了提高准确性,Google地图也和DeepMind AI研究实验室合作,目前在预测车程的时间上已有高达97%的准确度,之所以能达到这么高的准确度原因在于,Google地图运用一项称为图形类神经网络(Graph Neural Networks)的机器学习技术,大幅降低预测抵达时间的失准率,成功提升柏林、雅加达、圣保罗、雪梨、东京和华盛顿特区的路况预测准确度。这项技术也使得Google地图更精准地在车多拥挤的情况发生之前,就预测出你的车程是否会受到影响。

Google地图提供路况资料已有13年的时间,大部分状况下都能依靠前述的车流量模式来准确预测路况,不过在新冠肺炎疫情暴发之后,全球各地的交通模式有了极大的改变,部分地区封城、封街,全球各地减少了大约50%的车流量,随着疫情趋缓有些地区解封,有些地区仍维持交通管制,为了因应这项突如其来的变化,近期Google地图更新了车流量模型来提升应变能力,系统会自动优先考量最近2至4周的车流量模式,并将更早之前的车流量模式列为次要考量。

前述的车流量预测模型是Google地图在规划行车路线时的关键之一,在系统预测某条路线可能会塞车时,系统同时会自动找出车流量比较少的替代路线,当然找出替代路线的同时也会考量道路品质等因素,例如道路是否完成铺设?路面是否布满碎石、尘土或烂泥巴?这类道路可能提高驾驶难度,因此不纳入建议路线。

另一个考量因素则是道路宽度,以及出现弯道或红绿灯路口的频率,举例来说,与有多个红绿灯路口的小路相比,在高速公路上行驶通常比较省时。

此外,当地政府机关提供的可靠资料,以及用户即时回应的路况,也是系统规划建议路线时的重要参考信息来源。Google地图可通过政府机关的资料得知行车速限和收费站所当地,以及是否有因为道路施工或其他原因而进行交通管制。

Google地图也会根据驾驶人回应的交通事故快速显示关闭的道路或车道、附近的施工路段,以及路上的故障车辆或障碍物。政府机关或用户回应也能告知系统因土石流、暴雨或其他大自然力量而突然发生的路况变化。

假设用户正开着车沿着平常走的路线去看医生,刚出门时交通很顺畅,没有任何塞车或交通中断的情况,但Google地图在结合车流量预测和即时路况信息后,发现如果再继续沿着目前的路线行驶30分钟,可能会碰到大塞车,导致来不及看诊。这时Google地图会根据附近路况和交通事故的信息,自动重新规划路线,协助用户避开车流拥塞的路段,准时在预约的时间看诊。

发表评论