پایه داده

مدل‌های داده‌ی «بینش‌های مدیریت جاده‌ها» برای زمان سفر و سرعت‌سنجی با ترکیب منابع اطلاعاتی مختلف ساخته شده‌اند:

  • داده‌های نقشه‌های جمع‌آوری‌شده: مهم‌ترین منبع، داده‌های جمع‌آوری‌شده و ناشناس از نقشه‌های گوگل است که به نقشه‌های گوگل اجازه می‌دهد سرعت واقعی وسایل نقلیه را در جاده‌های سراسر جهان محاسبه کند.

  • داده‌های ترافیکی گذشته: با گذشت زمان، از داده‌های جمع‌آوری‌شده‌ی کاربران برای ساخت الگوهای ترافیکی گذشته استفاده می‌شود که به سیستم کمک می‌کند تا ترافیک «عادی» یک جاده‌ی خاص را در هر زمان و روز هفته‌ی مشخص درک کند.

  • داده‌های تکمیلی: داده‌های تاریخی با داده‌های دیگر، از جمله اطلاعات شخص ثالث از شرکایی مانند ادارات حمل و نقل محلی، و همچنین بازخورد کاربران نقشه‌ها در لحظه که حوادثی مانند تصادفات یا ساخت و ساز را گزارش می‌دهند، ترکیب می‌شوند.

هوش مصنوعی این منابع اطلاعاتی را با هم ترکیب می‌کند تا شرایط فعلی را با داده‌های بلادرنگ درک کند و پیش‌بینی‌های اولیه را با داده‌های تاریخی ارائه دهد. این ترکیب برای نحوه پیش‌بینی مسیرها کلیدی است، به عنوان مثال:

  • مسیرهای کوتاه تا حد زیادی به اطلاعات فعلی و بلادرنگ بستگی دارند
  • مسیرهای طولانی‌تر از مدل‌سازی پیشرفته هوش مصنوعی استفاده می‌کنند، که در آن بخش‌های نزدیک با استفاده از داده‌های بلادرنگ پیش‌بینی می‌شوند، در حالی که بخش‌های دورتر بیشتر به الگوهای تاریخی متکی هستند.
  • جاده‌هایی که سیگنال‌های زمان واقعی محدودی دارند، برای پیش‌بینی کاهش سرعت، بیشتر به داده‌های تاریخی خود متکی هستند.

مطالعه بیشتر

می‌توانید اطلاعات بیشتر در مورد اطلاعات جاده‌ای گوگل را در پست‌های وبلاگ گوگل زیر بیابید: