重金屬AI工程師的Coding分享

人工智慧結合Google地圖,將來開車時可先預知哪裡會塞車,超棒的!!(上)

西元2020年的新型冠狀病毒疫情爆發，導致全球交通運輸模式受到影響。各種交通管制、居家隔離甚至是封城 等措施，使全世界車流量大幅減少。

為了因應全球範圍的交通模式改變，Google 近日表示，將與 DeepMind 攜手運用人工智慧技術， 強化路途預定到達時間預測（ETA），甚至能還沒發生塞車，就先預測你會不會受影響。

Google 地圖的導航功能一直備受大眾喜愛，近年隨著行動裝置的普及與網路速度的提升 ，有越來越多民眾不另外裝載車用衛星導航、而直接使用 Google 地圖作為外出行車的主要 導引，更是讓 Google 地圖與人們的生活更加緊密。

至於 Google 是怎麼做到導航、判斷車流量與偵測交通阻塞的呢？背後還是有賴人工智慧的幫助！

不只靠公開資料分析　每個使用者都能回傳位置資訊

有些導航服務是根據政府提供之公開資料來計算車流量，而 Google 地圖的優勢在於── 眾多的使用者。

Google 地圖全球每日用戶超過 10 億人，每個使用者進行導航時都能匿名傳回位置資訊， 計算這些資訊就能統計出當前的道路狀況，以此分析出道路的車流量、是否有交通堵塞等等 ，並即時在導航結果中呈現。

Google 地圖使用路上行人、行車中的地點資料來顯示當下路況，這種模式雖然簡單好用，但如果要進一步預測未來 10、20 分鐘，甚至一個小時之後的路況，或要提供預定到達時間（Estimated Time of Arrival，ETA），就必須將既有歷史交通數據、即時車流量的改變情況，配合AI人工智慧進行分析預測。

與DeepMind合作人工智慧技術　強化路況預測能力

為了強化路況預測能力，Google 宣布將與 Alphabet 旗下的人工智慧研究公司「DeepMind」合作，更新 Google 地圖的演算法。

Google 表示，新的預測模型將加權過去 2 到 4 週的歷史資料，而越舊的資料權重會越低；並稱 Google 地圖的 ETA 預測在 97 ％以上的旅程都有穩定準確率，而與 DeepMind 的合作能使準確率更加提升。

Google 地圖採用名為圖像神經網路（Graph Neural Networks，GNNs）的機器學習架構，大幅降低預測失準率，在柏林、雪梨、東京及華盛頓特區等等交通繁忙的地區，依然能維持精準的預測率，讓使用者能在出發前更方便規劃行程。

Google 地圖將錯綜複雜的道路網路劃分為一個個「路段」（segments），各個路段皆包含大量的交通流量資料，並能彼此共享；AI 分析這些巨量的資料，再通過圖像神經網路模型預測每個路段的行駛時間。