Sztuczna inteligencja

W jaki sposób Mapy Google przewidują korki na drogach?

Możliwości Google Maps, a zwłaszcza zdolność do przewidywania korków sprawia, że jest to jedna z najczęściej wykorzystywanych aplikacji drogowych na świecie. Mało kto jednak wie, że za jej funkcjonalnością stoją zaawansowane technologie, wykorzystujące narzędzia uczenia maszynowego.

Mapy Google to jedno z najczęściej używanych rozwiązań w trakcie jazdy. Każdego dnia przy pomocy aplikacji pokonuje się ponad miliard kilometrów dróg. Rozbudowane funkcje nawigacyjne, ostrzeżenia o wypadkach czy zdolność przewidywania korków na ulicach wymagają zastosowania wielu innowacyjnych technik o których zapewne nie mamy nawet pojęcia.

Niedawno Google opisało na swoim blogu schemat działania sztucznej inteligencji oraz narzędzi do uczenia maszynowego DeepMind, z których korzysta popularne oprogramowanie.

W poście, badacze zatrudnieni przez technologicznego giganta opisują, w jaki sposób pobierają dane z różnych źródeł i wprowadzają je do modeli uczenia maszynowego w celu przewidywania przepływów ruchu. Informacje te łączą w sobie dane z anonimowo zebranych urządzeń wyposażonych w system Android, a także weryfikują je z dotychczas uzyskanymi, we wcześniejszych okresach. Wśród nich, do swoistego magazynu rekordów, trafiają informacje o ograniczeniach prędkości, budowach, a także czynniki, takie jak jakość, rozmiar i kierunek danej drogi.

Reklama

Wszystkie te dane są wprowadzane do sieci neuronowych zaprojektowanych przez DeepMind, które wychwytują wzorce i wykorzystują je do przewidywania ruchu w przyszłości. Modele działają, dzieląc mapy na tzw. "supersegmenty" - skupiska sąsiadujących ulic, które segregują natężenie ruchu. Każdy z nich jest powiązany z indywidualną siecią neuronową, która prognozuje ruch dla danego sektora.

Rozmiary poszczególnych sektorów nie są w żaden sposób określone. Zmieniają się wraz z ruchem, na bieżąco, ściągając nawet terabajty danych. Kluczem do tego procesu jest użycie specjalnego typu sieci neuronowej znanej jako Graph Neural Network, która według Google jest szczególnie dobrze przystosowana do przetwarzania tego rodzaju informacji.

Co ciekawe, sytuacje takie jak niedawny "lockdown", spowodowany wybuchem epidemii koronwirusa, zmusił Google'a do wprowadzenia zupełnie nowych, zmiennych danych. Gigant musiał pospiesznie zaktualizować modele, aby stały się bardziej elastyczne - automatycznie nadając priorytety historycznym wzorcom ruchu z ostatnich dwóch do czterech tygodni i usuwając priorytety z wcześniejszych okresów.

Jak twierdzi kierownik produktu Map Google, Johann Lau - gdy na początku 2020 r. Zaczęły się blokady, Google odnotowało nawet 50-procentowy spadek ruchu na całym świecie. 

INTERIA.PL
Dowiedz się więcej na temat: Mapy Google | Amnesty International | uczenie maszynowe
Reklama
Reklama
Reklama
Reklama
Reklama
Strona główna INTERIA.PL
Polecamy