據外媒報道，谷歌地圖是該公司使用廣泛的產品之一，其預測未來交通堵塞的能力使其成為許多司機不可或缺的工具。谷歌表示，每天有超10億公里的道路在該應用的幫助下被用戶行駛。但正如這個搜索巨頭在今日發表的博客文章中解釋的那樣，得益于DeepMind的機器學習工具，它的功能將變得更加精確。

DeepMind是谷歌母公司Alphabet旗下的一家總部位于倫敦的人工智能實驗室。

在這篇博文中，谷歌和DeepMind的研究人員解釋了他們如何從各種來源獲取數據并將其輸入到機器學習模型中以預測交通流量。這些數據包括從Android設備上匿名收集的實時交通信息、歷史交通數據、當地政府提供的限速和建筑工地等信息以及任何給定道路的質量、大小和方向等因素。因此，在谷歌的估計中，鋪設的道路比未鋪設的道路要好，而算法會認為有時在高速公路上走一段較長的路比在多條蜿蜒的街道上走要快。

所有這些信息都被輸入由DeepMind設計的神經網絡，這些神經網絡從數據中挑選出模式并利用它們來預測未來的交通。谷歌表示，在一些城市，它的新模型已經將谷歌地圖實時預計到達時間的準確性提高了50%。它還指出，隨著疫情的爆發以及隨后道路使用情況的變化，它不得不改變用于進行這些預測的數據。

谷歌地圖產品經理Johann Lau寫道：“當2020年初開始封鎖時，我們看到全球的流量減少了50%。為了應對這一突然變化，我們最近更新了我們的模型使其變得更加敏捷--自動對過去兩到四周的歷史交通模式進行優先排序并排除此前任何時候的交通模式。”

該模型的工作原理是將地圖劃分為谷歌所說的“超級路段”--即共享交通量的相鄰街道群。每一個都跟一個單獨的神經網絡配對，對該領域的交通進行預測。目前尚不清楚這些超級路段有多大，但谷歌指出它們的大小范圍是“動態”的，這意味著它們會隨著流量的變化而變化，而且每一個該功能的人都利用了TB級別的數據。這個過程的關鍵是使用一種特殊類型的神經網絡--圖形神經網絡（Graph Neural Network），谷歌說它特別適合處理這類映射數據。
責任編輯：tzh