Google地圖攜DeepMind 升級車程預測

Google地圖已經成為越來越多人上班、出門規劃路線與評估交通時間最主要的工具,Google表示,利用過往資訊建立、訓練的車流量預測模型,對於車程預估時間已有97%準確率,但為了進一步提升用戶路況預測的準確率,Google與母公司Alphabet旗下的DeepMind實驗室合作,讓Google地圖能夠在真的塞車發生之前,就預測車程是否會受影響。

當使用者運用Google地圖導航時,Google會彙總可用的位置資訊來掌握全球各地的路況,並透過這些資訊判斷會不會塞車,但單靠這項資訊,仍無從預知使用者的車程在10、20甚至50分鐘後的交通狀況。

為了預測不久後的路況,Google地圖會分析過去一段時間內的車流量模式,例如,北加州280號公路清晨6至7點的行車時速通常為105公里,傍晚時則會降至24至32公里,接著Google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。

而為了提升路況預測準確度,Google最近與母公司Alphabet旗下的DeepMind AI研究實驗室合作,即使單以目前的技術在預測車程已有高達97%的準確度,但透過與DeepMind合作,Google運用稱為圖形類神經網路(Graph Neural Networks)的機器學習技術,進一步降低預測抵達時間的失準率,已經提升柏林、雅加達、聖保羅、雪梨、東京和華盛頓特區的路況預測準確度,使Google地圖在真的塞車之前,就能夠預測車程是否會受影響。

另外,自COVID-19疫情爆發以來,許多地區禁足、封城期間車流量減少高達50%,不少地區雖然已經解封,可是其他地區則仍實施交通管制,也因此Google更新車流量模型,系統會自動優先考量最近二至四周的車流量模式,並將更早之前的車流量模式列為次要考量。

Google表示,車流量預測模型是協助Google地圖規劃行車路線的關鍵之一,另一個考量因素則是道路寬度、出現彎道或紅綠燈路口的頻率,而當地政府機關提供的資料(如收費站、道路施工、土石流或大雪)、使用者即時回報的路況,都是系統規劃建議路線時的重要參考資訊來源,Google將持續開發工具與技術來協助使用者規劃出更省時、安全且避免交通壅塞的路線。