预测|DeepMind与谷歌地图合作,可准确预测交通路况

_原题为 DeepMind与谷歌地图合作 , 可准确预测交通路况
通常你手机里的导航App可以帮你了解当前路况的信息 , 但无法预测未来10分钟、20分钟甚至50分钟后的情况 。 在这个环节里 , 人工智能就发挥了作用 。
近日 , 谷歌在其官方博客上宣布 , 谷歌地图已经启用DeepMind新研发的机器学习模型 , 可以实时预测未来交通拥堵情况 。
【预测|DeepMind与谷歌地图合作,可准确预测交通路况】谷歌在博客中介绍 , 使用新模型后 , 谷歌地图在某些城市的实时预测到达时间准确性提高了50% 。 “我们的模型在预测达到时间上的准确度已经非常高 , 在97%的行程中都保持准确 , 通过和DeepMind合作 , 我们可以使Graph Neural Networks进一步减少不准确的预测到达时间百分比 。 ”谷歌在博客中称 。
预测|DeepMind与谷歌地图合作,可准确预测交通路况
文章图片

谷歌称 , 谷歌地图在某些城市的实时预测到达时间准确性提高了50% 。 图源:谷歌
该模型预测准确度的提高得益于数据的全面性 。 据谷歌介绍 , 新模型加入了以下数据:从Android设备匿名收集的实时交通信息 , 历史交通数据 , 来自地方政府的速度限制和建筑工地等信息 , 以及任何给定道路的质量 , 大小和方向等信息 。
作为谷歌母公司Aphabet旗下的人工智能明星公司 , DeepMind一直希望将自己的技术能与实际应用相结合 。 据DeepMind介绍 , 在这次与谷歌地图的合作中 , 公司设计的模型将地图划分为“超级路段”:相邻街道共享交通流量 。 每一个超级路段都有一个神经网络进行配对 , 该神经网络可以对该路段进行流量预测 。 目前尚不清楚这些超级路段的大小 , 但是谷歌表示它们的大小是“动态”变化的 , 这表明它们会随着流量的变化而变化 , 并且每个路段的信息量都达到了万亿字节 。 整个过程的关键是使用Graph Neural Networks , DeepMind表示该神经网络特别适合处理此类映射数据 。
谷歌称 , 在整个模型中 , 有两个数据至关重要:地方政府的权威数据和来自用户的实时反馈 。 权威数据可让谷歌地图知道限速 , 通行费或某些道路是否因建筑或新冠疫情等受到限制 。 驾驶员的实时反馈则可以帮助谷歌地图快速显示道路或车道是否封闭 , 附近是否有建筑物 , 道路上是否有残疾人专用车辆或物体等 。 同时 , 这些数据还可以帮助地图了解受泥石流 , 暴风雪或其他自然力影响 , 道路状况发生的意外变化 。
在这套模型的帮助下 , 用户可以使用最有效的行车路线 。 比如 , 当模型预测某个方向的交流流量会可能会增加时 , 会自动为用户找到低交通流量的提单方案 。 同时模型还会考虑道路质量因素 , 如果道路还未铺成或有碎石、污垢和泥土覆盖 , 模型也会让用户选择替代方案 。
回到现实生活中 , 你未来或许不用担心路况问题 , 而能如期赴约 。 当你离开家时 , 交通情况可能是畅通无阻 , 零干扰 。 但谷歌地图可以预测和实时路况 , 你可以获知 , 如果继续沿当前道路行驶 , 很有可能在行驶约30分钟之内陷入意料之外的交通堵塞 , 这意味着用户有可能会错过约会 。 因此谷歌地图会利用其对附近道路状况和事件的了解 , 自动为用户重新安排路线 , 从而帮助其完全避免交通拥堵 , 按时赴约 。


    推荐阅读