Google Maps ir viens no uzņēmuma Google visplašāk izmantotajiem produktiem. Lietotne ir visai noderīga – tā spēj prognozēt gaidāmos satiksmes sastrēgumus, brīdina par remonta darbiem uz ceļa,. Tā neaizstājama daudziem autovadītājiem. Google apgalvo, ka katru dienu ar Google Maps palīdzību tiek nobraukts vairāk nekā 1 miljards kilometru garš ceļš. Šonedēļ kādā bloga rakstā Google atklāj, ka lietotne kļūs vēl precīzāka.
Publicētajā bloga rakstā Google un DeepMind pētnieki skaidro, kā tiek apkopoti dati no dažādiem avotiem un ievadīti mašīnmācību modeļos, lai prognozētu satiksmes plūsmu. Šie dati ietver satiksmes informāciju, kas anonīmi apkopota no Android ierīcēm un pašvaldībām. Šie dati iever ceļu remontus, satiksmes intensitāti, kā arī ceļu stāvokli.
Visa šī informācija tika ievadīta DeepMind izstrādātajos neirālajos tīklos, kas datu modeļos atrod līdzības. Ar iegūtajām līdzībām tiek prognozēta turpmākā datu plūsma. Google apgalvo, ka tās jaunie modeļi ir uzlabojuši Google Maps reāllaika ETA precizitāti dažādās pilsētās līdz pat 50%. Uzņēmums arī atzīmē, ka tam bija jāmaina dati, ko tas izmantoja, lai veiktu šādas prognozes Covid-19 uzliesmojuma laikā un sekojošām izmaiņām ceļu izmantošanā.
Satiksmes intensitātes izmaiņas
Google Maps produktu menedžeris Johans Lau raksta, ka 2020. gada sākumā visā pasaulē novērots satiksmes intensitātes samazinājums līdz pat 50%. Lai ņemtu vērā šīs pēkšņās izmaiņas, Google Maps ir atjaunināti modeļi, lai satiksmes prognozes būtu dinamiskākas. Atjauninātajos modeļos prioritāte tiek piešķirta vēsturiskajiem datu plūsmas modeļiem no pēdējām divām līdz četrām nedēļām.
Modeļi darbojas, sadalot kartes, ko Google dēvē par “supersegmentiem” – blakusesošo ielu kopas, kurās ir līdzīga satiksmes intensitāte. Katrs no tiem ir savienots ar atsevišķu neirālo tīklu, kas nodrošina precīzāku satiksmes prognozi. Nav skaidrs, cik lieli ir šie “supersegmenti”, bet Google atzīmē, ka tiem ir dinamiski izmēri. Tas varētu nozīmēt, ka tie mainās tāpat kā datu plūsma, un, ka katrs no tiem balstās uz datu “terabaitiem”. Šī procesa pamatā ir īpaša neirālā tīkla izmantošana. Tas pazīstams kā Graph Neural Network un ir īpaši piemērots šāda veida kartēšanas datu apstrādei.
Lai iegūtu sīkāku informāciju, lasiet Google un DeepMind blogu ierakstus.
Avots: The Verge
