Google 地圖如何使用 AI 預測車流量、決定最佳路線

全球超過 220 個國家地區 Google 地圖使用者，單日累計的行車導航里程總數超過 10 億公里。每當使用者坐上駕駛座並開始導航，就能立即瀏覽下列資訊：建議路徑、沿途交通壅塞程度、預估交通時間及預計到達時間。整個過程看似非常簡單，但要在幾秒鐘內就能把這些資訊傳達給使用者，背後要做的努力可不少。

今天 Google 分享探究討論度最高的主題：車流量及路徑規劃。你是否想過，Google 地圖究竟如何預測何時會發生嚴重的交通擁塞，又如何決定最佳路線？

即時路況：集結全球各地駕駛的位置資料

當使用者在運用 Google 地圖導航時，會彙總可用的位置資訊來掌握全球各地的路況。可透過這些資訊推算出目前的車流量，進而判斷路程是否會受到當前交通擁塞的影響，但單靠這項資訊，仍無從預知使用者的車程在 10、20 分甚至 50 分鐘後的交通狀況，而這正是科技大顯身手的時刻。

透過先進的機器學習技術
搭配過往資料以精準預測路況

為了預測不久後的路況，Google 地圖會分析過往一段時間的車流量模式。例如，其中一種車流量模式可能會顯示，北加州 280 號公路清晨 6~7 點行車時速通常為 105 公里，傍晚時則會降至 24~32 公里。 接著會交叉參考過往車流量模式資料庫及即時路況資料，再根據這兩組資料運用機器學習技術產生預測結果。

為了提升路況預測準確度，最近與 Alphabet 旗下的 DeepMind AI 研究實驗室合作。Google 地圖預計抵達時間已有非常高的準確性，目前預測車程時間有高達 97% 準確度。透過與 DeepMind 合作，運用稱為圖形類神經網路（Graph Neural Networks）的機器學習技術，大幅降低預測抵達時間的失準率，成功提升柏林、雅加達、聖保羅、雪梨、東京和華盛頓特區的路況預測準確度。這項技術也使得 Google 地圖更精準地在車多擁擠的情況發生之前，就預測出車程是否受影響。

因時制宜的功能與服務

Google 地圖提供路況資料已有 13 年。大多數時間，都能靠過往車流量模式精準預測路況，但仍有例外。自 COVID-19 疫情爆發以來，全球各地的交通模式發生極大的變化。部分地區在 2020 年初開始封城，全球各地減少高達 50 % 的車流量。隨後部分地區陸續解封，其他地區則仍實施交通管制。為因應這項突如其來的變化，Google 地圖近期更新車流量模型以提升應變能力，系統會自動優先考量最近 2~4 週車流量模式，並將更早之前的車流量模式列為次要考量。

Google 地圖如何選擇路線

Google 地圖車流量預測模型是協助規劃行車路線的關鍵之一；當系統預測某路線可能會塞車時，就會自動找出車流較少的替代路線。系統也會考量道路品質等因素，像是道路是否完成鋪設？路面是否佈滿碎石、塵土或爛泥巴？這類道路可能提高駕駛難度，因此不納入建議路線。另一個考量因素則是道路寬度，以及出現彎道或紅綠燈路口的頻率：舉例來說，與有多個紅綠燈路口的小路相比，在高速公路行駛通常比較省時。

此外，當地政府機關提供的可靠資料，以及使用者即時回報的路況，也是系統規劃建議路線時的重要參考資訊來源。Google 地圖可透過政府機關的資料得知行車速限和收費站所在地，以及是否有因為道路施工或 COVID-19 而交通管制；此外也會根據駕駛人回報的交通事故快速顯示關閉的道路或車道、附近的施工路段，以及路上的故障車輛或障礙物。此外政府機關或使用者回報也能告知系統因土石流、暴風雪或其他大自然力量而突然發生的路況變化。

整合所有資訊

那麼 Google 地圖實際又是如何透過以上資訊運作？假設使用者正開車沿著平常路線去看醫生，剛出門時交通很順暢，沒有任何塞車或交通中斷情況，但 Google 地圖結合車流量預測和即時路況資訊後，發現如果再沿目前路線行駛 30 分鐘，可能會碰到大塞車，導致來不及看診。這時 Google 地圖會根據附近路況和交通事故的資訊，自動重新規劃路線，協助使用者避開車流壅塞的路段，準時在預約的時間看診。

預測車流量及決定路線的過程非常複雜，Google 地圖將持續開發工具與技術，協助使用者規劃出更省時、安全且避免交通壅塞的路線。

（首圖來源：Google 台灣部落格）