道路拥堵
Roads Management Insights 的行程时长和速度读取数据模型通过整合不同的信息来源来构建：
汇总地图数据： 最关键的来源是 Google 地图的汇总匿名数据，这些数据让 Google 地图能够计算全球道路上车辆的实时速度。
历史路况数据： 随着时间的推移，系统会使用汇总的用户数据来构建历史路况模式，这有助于系统了解在任何给定时间以及一周中的任何一天，特定道路的“正常”路况。
补充数据： 历史数据与其他数据相结合，包括来自合作伙伴（例如当地交通运输部门）的第三方信息，以及来自报告事故（例如车祸或施工）的 Google 地图用户的实时用户反馈。
AI 会将这些信息来源整合在一起，以通过实时数据了解当前状况，并通过历史数据提供基准预测。这种融合对于预测路线至关重要，例如：
- 短路线很大程度上取决于当前的实时信息
- 较长的路线使用 高级 AI 建模 ，其中附近路段使用 实时数据 进行预测，而较远的路段则更依赖于 历史模式 。
- 实时信号有限的道路更依赖于其历史数据 来预测减速情况。
BigQuery 表
如需查询行程时长和速度的累积数据，请参阅 BigQuery 中的 historical_travel_time 表 。