Modele danych Statystyk dla Zarządców Dróg dotyczące czasu podróży i odczytu prędkości są tworzone przez połączenie różnych źródeł informacji:
Zagregowane dane z Map: najważniejszym źródłem są zagregowane i zanonimizowane dane z Map Google, które pozwalają obliczać prędkość pojazdów w czasie rzeczywistym na drogach na całym świecie.
Dane historyczne o natężeniu ruchu: z czasem zagregowane dane użytkowników są wykorzystywane do tworzenia historycznych wzorców natężenia ruchu, które pomagają systemowi zrozumieć „normalne” natężenie ruchu na danej drodze w określonym czasie i dniu tygodnia.
Dane dodatkowe: dane historyczne są łączone z innymi danymi, w tym z informacjami od partnerów, takich jak lokalne zarządy transportu, oraz z opiniami użytkowników Map w czasie rzeczywistym, którzy zgłaszają incydenty, takie jak wypadki czy roboty drogowe.
Sztuczna inteligencja łączy te źródła informacji, aby zrozumieć bieżące warunki na podstawie danych w czasie rzeczywistym i zapewnić podstawowe prognozy na podstawie danych historycznych. To połączenie jest kluczowe dla sposobu przewidywania tras, na przykład:
- Krótkie trasy zależą w dużej mierze od bieżących informacji w czasie rzeczywistym.
- Dłuższe trasy wykorzystują zaawansowane modelowanie AI, w którym pobliskie odcinki są przewidywane na podstawie danych w czasie rzeczywistym, a bardziej odległe odcinki w większym stopniu opierają się na wzorcach historycznych.
- W przypadku dróg z ograniczoną liczbą sygnałów w czasie rzeczywistym do przewidywania spowolnień wykorzystywane są głównie dane historyczne.
Więcej informacji
Więcej informacji o danych drogowych Google znajdziesz w tych postach na blogu Google:
- The bright side of sitting in traffic: Crowdsourcing road congestion data
- Podstawy Map Google: jak sztuczna inteligencja pomaga przewidywać natężenie ruchu i ustalać trasy
- Prognozowanie natężenia ruchu dzięki zaawansowanym sieciom neuronowym opartym na grafach (w języku angielskim)