I modelli dei dati di Insight di gestione stradale per il tempo di percorrenza e la lettura della velocità sono creati combinando diverse fonti di informazioni:
Dati aggregati delle mappe: la fonte più importante sono i dati aggregati e anonimizzati di Google Maps, che consentono a Google Maps di calcolare la velocità in tempo reale dei veicoli sulle strade di tutto il mondo.
Dati sul traffico storici: nel tempo, i dati utente aggregati vengono utilizzati per creare pattern di traffico storici, che aiutano il sistema a comprendere il traffico "normale" per una strada specifica in un determinato momento e giorno della settimana.
Dati supplementari: i dati storici vengono combinati con altri dati, tra cui informazioni di terze parti provenienti da partner come i dipartimenti dei trasporti locali, nonché feedback degli utenti in tempo reale degli utenti di Maps che segnalano incidenti come incidenti o lavori in corso.
L'AI combina queste fonti di informazioni per comprendere le condizioni attuali con i dati in tempo reale e per fornire previsioni di base con i dati storici. Questa fusione è fondamentale per la previsione degli itinerari, ad esempio:
- Gli itinerari brevi dipendono in gran parte dalle informazioni attuali e in tempo reale
- Gli itinerari più lunghi utilizzano la modellazione AI avanzata, in cui i segmenti vicini vengono previsti utilizzando i dati in tempo reale, mentre i segmenti più distanti si basano maggiormente sui pattern storici.
- Le strade con indicatori in tempo reale limitati si basano maggiormente sui dati storici per prevedere i rallentamenti.
Per approfondire
Puoi scoprire di più sulle informazioni stradali di Google nei seguenti post del blog di Google:
- The bright side of sitting in traffic: Crowdsourcing road congestion data
- Nozioni di base su Google Maps: in che modo l'AI aiuta a prevedere il traffico e a determinare i percorsi
- Previsione del traffico con reti neurali avanzate