Google Maps是該公司使用最廣泛的產品之一，它具有預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據并將其輸入到機器學習模型中以預測流量。這些數據包括從Android設備匿名收集的實時交通信息，歷史交通數據，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量，大小和方向等因素。因此，根據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。

谷歌表示，使用DeepMind的AI工具可以將地圖中的ETA準確性提高多達50%。 圖片：Google

所有這些信息都被送入DeepMind設計的神經網絡，該神經網絡挑選出數據中的模式并用它們來預測未來的流量。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COVID-19爆發以及隨后的道路使用變化之后，必須更改用于做出這些預測的數據。

“自2020年初開始鎖定以來，我們發現全球流量下降了50%。”

Google Maps產品經理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先排序，并在此之前的任何時間對模式進行優先排序。”

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網絡配對，該神經網絡可以對該部門進行流量預測。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”的數據。此過程的關鍵是使用一種稱為Graph Neural Network的特殊類型的神經網絡，Google表示該神經網絡特別適合處理此類映射數據。