Google 地圖如何使用 AI 預測車流量、決定最佳路線

作者 | 發布日期 2020 年 09 月 04 日 14:15 | 分類 Google , 市場動態 , 軟體、系統 Telegram share ! follow us in feedly


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