Cara Google Memprediksi Lalu Lintas Dan Merencanakan Rute

Google menjelaskan cara memprediksi lalu lintas, merencanakan rute di Maps

Google Maps menggunakan machine learning yang dikombinasikan dengan berbagai sumber data termasuk data lokasi agregat,historis pola lalu lintas, data pemerintah daerah,dan umpan balik real time dari pengguna untuk memprediksi lalu lintas.Google Maps digunakan oleh banyak orang setiap hari saat bepergian karena platform navigasi secara efektif memprediksi lalu lintas dan merencanakan rute untuk mereka.

Raksasa pencarian itu mengatakan,lebih dari satu miliar kilometer digerakkan dengan Google Maps setiap hari di lebih dari 220 negara dan wilayah di seluruh dunia.Google mengatakan telah bekerja dengan DeepMind dan lab penelitian AI milik Alphabet untuk meningkatkan akurasi kemampuan prediksi lalu lintasnya. Dengan menggunakan Graph Neural Networks (GNN), arsitektur machine learning,ia telah berhasil mengurangi persentase perkiraan waktu kedatangan (ETA) yang tidak akurat untuk lebih baik lagi.Teknik inilah yang memungkinkan Google Maps memprediksi dengan lebih baik.

Para peneliti di DeepMind telah membagi jaringan jalan menjadi "Supersegmen".Ini adalah kelompok jalan yang berdekatan yang lebih kecil yang berbagi volume lalu lintas. Komponen yang mendorong sistem prediksi termasuk penganalisis rute dan model GNN.

Penganalisis rute memproses terabyte informasi lalu lintas untuk membangun Supersegmen,sedangkan model GNN dioptimalkan dengan beberapa tujuan dan memprediksi waktu perjalanan untuk setiap Supersegmen.

Saat merencanakan rute,Google Maps juga menggunakan model lalu lintas prediktif untuk menilai rute yang cenderung menerima lalu lintas padat,dan karenanya menyarankan rute alternatif dengan lalu lintas lebih rendah.Ini juga memperhitungkan faktor-faktor lain seperti kualitas,ukuran dan arah jalan.Sejak awal pandemi COVID-19,pola lalu lintas di seluruh dunia telah berubah secara dramatis.Google melihat penurunan hingga 50% dalam lalu lintas di seluruh dunia ketika lockdown dimulai pada awal 2020.

Model lalu lintas prediktif telah diperbarui untuk bekerja dengan penurunan arus lalu lintas.Sekarang,model secara otomatis memperhitungkan pola lalu lintas historis dari dua hingga empat minggu terakhir,dibandingkan pola dari waktu sebelumnya.