Johann Lau Product Manager di Google Maps in un post del Blog ha scritto che ogni giorno, oltre 1 miliardo di chilometri vengono percorsi con Google Maps in più di 220 paesi e territori in tutto il mondo: quando sali in macchina o in moto e inizi a navigare, ti vengono immediatamente mostrate alcuni elementi come dove andare, se il traffico lungo il percorso è intenso o normale, un tempo di viaggio stimato e un orario di arrivo stimato (ETA); anche se tutto ciò sembra semplice, c’è molto lavoro dietro le quinte per fornire queste informazioni in pochi secondi.
Oggi analizzeremo uno dei nostri argomenti preferiti: traffico e instradamento. Se ti sei mai chiesto come fa Google Maps a sapere quando c’è un enorme ingorgo o come determiniamo il percorso migliore per un viaggio, continua a leggere.
Traffico in tempo reale, alimentato da conducenti di tutto il mondo
Le persone quando navigano con Google Maps, i dati aggregati sulla posizione possono essere utilizzati per comprendere le condizioni del traffico sulle strade di tutto il mondo. Tuttavia, sebbene queste informazioni ti aiutino a trovare le stime di traffico correnti, indipendentemente dal fatto che un ingorgo influirà o no sulla tua guida in questo momento, non tiene conto nel tuo viaggio di come apparirà il traffico dopo 10, 20 o anche 50 minuti. È qui che entra in gioco la tecnologia.
Previsione del traffico con tecniche avanzate di machine learning e un po’ di storia
Google Maps per prevedere come sarà il traffico nel prossimo futuro, analizza i modelli storici di traffico per le strade nel tempo: ad esempio, uno schema può mostrare che l’autostrada 280 nel nord della California ha in genere veicoli che viaggiano a una velocità di 65 mph (104,607 km/h) tra le 6-7 del mattino, ma solo a 15-20 mph (24-32 km/h) nel tardo pomeriggio. Combiniamo quindi questo database di modelli di traffico storici con condizioni di traffico in tempo reale, utilizzando l’apprendimento automatico per generare previsioni basate su entrambi i set di dati.
Recentemente, abbiamo collaborato con DeepMind, un laboratorio di ricerca Intelligenza Artificiale di Alphabet, per migliorare l’accuratezza delle nostre capacità di previsione del traffico. Le nostre previsioni ETA hanno già una barra di precisione molto elevata, infatti, vediamo che le nostre previsioni sono state costantemente accurate per oltre il 97% dei viaggi. Grazie alla collaborazione con DeepMind, siamo stati in grado di ridurre ulteriormente la percentuale di errore di ETA utilizzando un’architettura di machine learning nota come Graph Neural Networks, con significativi miglioramenti in luoghi come Berlino, Giacarta, San Paolo, Sydney, Tokyo e Washington DC: questa tecnica è ciò che consente a Google Maps di prevedere meglio se sarai interessato o no da un rallentamento che potrebbe non essere ancora iniziato!
Mantenersi aggiornati
Google Maps per la maggior parte dei 13 anni in cui ha fornito dati sul traffico, i modelli di traffico storici sono stati indicatori affidabili di come potrebbero essere le vostre condizioni sulla strada, ma non sempre è così. I modelli di traffico in tutto il mondo dall’inizio della pandemia coronavirus Covid-19, sono cambiati drasticamente. Abbiamo visto una diminuzione del traffico mondiale fino al 50% quando sono iniziati i blocchi all’inizio del 2020, da allora, alcune località del mondo hanno riaperto gradualmente, mentre altre mantengono le restrizioni.
Recentemente per tenere conto di questo improvviso cambiamento e poter intervenire rapidamente, abbiamo aggiornato i nostri modelli assegnando automaticamente la priorità ai modelli di traffico cronologici delle ultime due o quattro settimane e depriorizzando i modelli da qualsiasi precedente situazione.
Ecco come Google Maps seleziona i percorsi
I nostri modelli di traffico predittivi sono anche una parte fondamentale del modo in cui Google Maps determina i percorsi di guida, se prevediamo che è probabile che il traffico diventi intenso in una direzione, troveremo automaticamente un’alternativa con meno traffico. Consideriamo anche una serie di altri fattori, come la qualità della strada. La strada è asfaltata o non asfaltata, ricoperta di ghiaia, terra o fango? Elementi come questi possono rendere una strada difficile da percorrere, siamo meno propensi a consigliarla come parte del vostro percorso. Consideriamo anche l’ampiezza e l’immediatezza di una strada: guidare lungo un’autostrada è spesso più efficiente che prendere una strada ordinaria con più rallentamenti e fermate. Teniamo conto anche di altre due fonti di informazione che sono importanti per assicurarci di consigliare i percorsi migliori: dati autorevoli da governi locali e feedback in tempo reale da parte degli utenti.
I dati autorevoli consentono a Google Maps di conoscere i limiti di velocità, i pedaggi o se alcune strade sono soggette a limitazioni a causa di lavori o chiusure per il coronavirus Covid-19.
I rapporti dei conducenti sugli incidenti consentono a Google Maps di mostrare rapidamente se una strada o una corsia è chiusa, se ci sono lavori in corso nelle vicinanze o se c’è un veicolo fermo o un oggetto sulla strada. Entrambe le fonti sono utilizzate anche per aiutarci a capire quando le condizioni stradali cambiano inaspettatamente a causa di smottamenti, tempeste di neve o altre forze della natura.
Mettere tutto insieme
Esattamente come funziona tutto questo nella vita reale? Supponiamo di andare a un appuntamento dal medico dall’altra parte della città, guidando lungo la strada che di solito prendiamo per arrivarci. Il traffico quando esci di casa è scorrevole, con nessuna indicazione di eventuali interruzioni stradali.
Utilizzando in diretta le previsioni del traffico di Google Maps combinate con le condizioni del traffico, vi facciamo sapere che se continuate lungo il vostro attuale percorso ci sono buone probabilità di rimanere bloccati per circa 30 minuti nel traffico inaspettato, il che significherebbe perdere l’appuntamento. Google Maps di conseguenza vi reindirizza automaticamente utilizzando le sue conoscenze sulle condizioni stradali e sugli incidenti nelle vicinanze, aiutandovi ad evitare del tutto l’ingorgo e ad arrivare puntuali all’appuntamento.
Johann Lau in conclusione ha scritto:
«La previsione del traffico e la determinazione dei percorsi è incredibilmente complessa, continueremo a lavorare su strumenti e tecnologie per tenervi fuori dagli ingorghi e su un percorso il più sicuro ed efficiente possibile».
