Google Maps è uno dei prodotti più utilizzati dall’azienda e la sua capacità di prevedere gli ingorghi imminenti lo rende indispensabile per molti conducenti. Ogni giorno, afferma Google, vengono percorsi più di 1 miliardo di chilometri di strade con l’aiuto dell’app. Ma, come spiega oggi il gigante della ricerca in un post sul blog , le sue funzionalità sono diventate più accurate grazie agli strumenti di machine learning di DeepMind , il laboratorio di intelligenza artificiale con sede a Londra di proprietà della società madre di Google Alphabet.
Nel post del blog, i ricercatori di Google e DeepMind spiegano come prendono i dati da varie fonti e li inseriscono in modelli di machine learning per prevedere i flussi di traffico. Questi dati includono informazioni sul traffico in tempo reale raccolte in modo anonimo da dispositivi Android, dati storici sul traffico, informazioni come limiti di velocità e cantieri delle amministrazioni locali e anche fattori come la qualità, le dimensioni e la direzione di una determinata strada. Quindi, secondo le stime di Google, le strade asfaltate superano quelle non asfaltate, mentre l’algoritmo deciderà che a volte è più veloce prendere un tratto di autostrada più lungo che percorrere più strade tortuose.
Google afferma che l’utilizzo degli strumenti di intelligenza artificiale di DeepMind ha migliorato la precisione degli ETA in Maps fino al 50 percento.
Tutte queste informazioni vengono inserite nelle reti neurali progettate da DeepMind che individuano i modelli nei dati e li utilizzano per prevedere il traffico futuro. Google afferma che i suoi nuovi modelli hanno migliorato la precisione degli ETA in tempo reale di Google Maps fino al 50% in alcune città. Rileva inoltre che ha dovuto modificare i dati che utilizza per fare queste previsioni in seguito allo scoppio del COVID-19 e al successivo cambiamento nell’uso della strada.
“ABBIAMO RISCONTRATO UNA DIMINUZIONE FINO AL 50% DEL TRAFFICO MONDIALE QUANDO I BLOCCHI SONO INIZIATI ALL’INIZIO DEL 2020”.
“Abbiamo registrato una diminuzione fino al 50% del traffico mondiale quando i blocchi sono iniziati all’inizio del 2020”, scrive il product manager di Google Maps Johann Lau. “Per tenere conto di questo cambiamento improvviso, abbiamo recentemente aggiornato i nostri modelli per diventare più agili, dando automaticamente la priorità ai modelli di traffico storici delle ultime due o quattro settimane e riducendo la priorità dei modelli da qualsiasi momento precedente.”
I modelli funzionano dividendo le mappe in ciò che Google chiama “supersegmenti”: gruppi di strade adiacenti che condividono il volume di traffico. Ognuno di questi è associato a una singola rete neurale che effettua previsioni di traffico per quel settore. Non è chiaro quanto siano grandi questi supersegmenti, ma Google osserva che hanno “dimensioni dinamiche”, suggerendo che cambiano in base al traffico e che ognuno attinge a “terabyte” di dati. La chiave di questo processo è l’uso di un tipo speciale di rete neurale nota come Graph Neural Network, che secondo Google è particolarmente adatta per elaborare questo tipo di dati di mappatura.
