自从谷歌地图开始提供交通数据来帮助人们导航,并提供沿线交通量是重还是轻、估计旅行时间和预计到达时间(ETA)的详细信息,已经有将近13年的时间了。
为了进一步增强这些流量预测能力,谷歌和Alphabet的人工智能研究实验室DeepMind利用一种称为图形神经网络的机器学习技术,在悉尼、东京、柏林、雅加达、圣保罗和华盛顿特区等地,将实时ETA提高了50%。
谷歌地图产品经理Johann Lau说,谷歌地图使用聚集的位置数据和历史交通模式来了解交通状况,以确定当前的交通量估计值,但它之前并未说明如果在旅途中发生交通堵塞,交通量可能会是什么样子。
“我们已经对预计到达时间进行了预测有一个非常高的准确度条——事实上,我们发现我们的预测在97%以上的旅行中一直是准确的……这项技术使谷歌地图能够更好地预测你是否会受到甚至还没有开始的经济放缓的影响,“他在a外部神经网络,这使得Google Maps能够整合“关系学习偏差,以模拟现实世界道路网络的连通性结构。”
“我们的实验已经证明,通过将不属于主干道一部分的相邻道路扩展到其中,可以提高预测能力,“DeepMind在a博客文章
”例如,想一想在一条小街上发生的交通堵塞会如何影响较大道路上的交通。通过跨越多个交叉口,该模型能够自然地预测转弯处的延误、合流造成的延误以及停走交通中的总穿越时间。图神经网络在组合空间中泛化的这种能力赋予了我们的建模技术强大的能力。“