Google Maps是該公司使用最廣泛的產(chǎn)品之一，它具有預(yù)測即將到來的交通擁堵的能力，因此對于許多駕駛員來說都是必不可少的。Google表示，每天都有超過10億公里的道路在該應(yīng)用程序的幫助下行駛。但是，正如這家搜索巨頭在今天的博客文章中所解釋的那樣，得益于DeepMind的機器學習工具，其功能變得更加準確，該機器是總部位于倫敦的AI實驗室，由Google的母公司Alphabet擁有。

在博客文章中，Google和DeepMind研究人員解釋了如何從各種來源獲取數(shù)據(jù)并將其輸入到機器學習模型中以預(yù)測流量。這些數(shù)據(jù)包括從Android設(shè)備匿名收集的實時交通信息，歷史交通數(shù)據(jù)，來自地方政府的速度限制和建筑工地等信息，以及任何給定道路的質(zhì)量，大小和方向等因素。因此，根據(jù)Google的估計，鋪成的道路勝過未鋪成的道路，而該算法將決定，有時需要更長的高速公路行駛，比在多條蜿蜒的街道上行駛更快。

所有這些信息都被送入DeepMind設(shè)計的神經(jīng)網(wǎng)絡(luò)，該神經(jīng)網(wǎng)絡(luò)挑選出數(shù)據(jù)中的模式并用它們來預(yù)測未來的流量。谷歌表示，其新模式在某些城市將谷歌地圖的實時ETA的準確性提高了50%。它還指出，在爆發(fā)以及隨后的道路使用變化之后，必須更改用于做出這些預(yù)測的數(shù)據(jù)。

“自2020年初開始鎖定以來，我們發(fā)現(xiàn)全球流量下降了50%。”

Google Maps產(chǎn)品經(jīng)理Johann Lau寫道：“自2020年初開始鎖定以來，全球流量下降了50%，” “為了應(yīng)對這種突然的變化，我們最近更新了模型，使其變得更加敏捷-自動對過去兩到四周的歷史流量模式進行優(yōu)先排序，并在此之前的任何時間對模式進行優(yōu)先排序。”

這些模型通過將地圖劃分為Google所謂的“超級細分市場”來工作-相鄰街道的集群共享流量。每一個都與一個單獨的神經(jīng)網(wǎng)絡(luò)配對，該神經(jīng)網(wǎng)絡(luò)可以對該部門進行流量預(yù)測。尚不清楚這些超級段的大小，但是Google注意到它們具有“動態(tài)大小”，這表明它們會隨著流量的變化而變化，并且每個都使用“ TB”的數(shù)據(jù)。此過程的關(guān)鍵是使用一種稱為Graph Neural Network的特殊類型的神經(jīng)網(wǎng)絡(luò)，Google表示該神經(jīng)網(wǎng)絡(luò)特別適合處理此類映射數(shù)據(jù)。