Google Maps 101: como a IA ajuda a prever o tráfego e determinar rotas
Todos os dias, mais de 1 bilhão de quilômetros são conduzidos com o Google Maps em mais de 220 países e territórios em todo o mundo. Quando você entra no seu carro ou na sua moto e começa a navegar, você instantaneamente mostra algumas coisas: que caminho seguir, se o trânsito ao longo do seu trajeto está pesado ou leve, um tempo estimado de viagem e um tempo estimado de chegada (ETA). Embora tudo isso pareça simples, há muito acontecendo nos bastidores para fornecer essas informações em questão de segundos.
Hoje, vamos detalhar um dos nossos tópicos favoritos: tráfego e roteamento. Se você já se perguntou como o Google Maps sabe quando há um grande engarrafamento ou como determinamos o melhor trajeto para uma viagem, continue lendo.
Tráfego ao vivo, movido por motoristas de todo o mundo
Quando as pessoas navegam com o Google Maps, os dados de localização agregados podem ser usados para entender as condições do tráfego em estradas de todo o mundo. Mas, embora essas informações ajudem a encontrar as estimativas de tráfego atuais - se um congestionamento afetará ou não sua direção agora -, não levam em consideração como o tráfego ficará em 10, 20 ou mesmo 50 minutos em sua jornada. É aqui que a tecnologia realmente entra em jogo.
Previsão de tráfego com técnicas avançadas de aprendizado de máquina e um pouco de história
Para prever como ficará o tráfego em um futuro próximo, o Google Maps analisa os padrões históricos de tráfego para estradas ao longo do tempo. Por exemplo, um padrão pode mostrar que a rodovia 280 no norte da Califórnia normalmente tem veículos viajando a uma velocidade de 65 mph entre 6 e 7 da manhã, mas apenas 15-20 mph no final da tarde. Em seguida, combinamos esse banco de dados de padrões históricos de tráfego com condições de tráfego ao vivo, usando aprendizado de máquina para gerar previsões com base em ambos os conjuntos de dados.
Recentemente, fizemos uma parceria com o DeepMind, um laboratório de pesquisa da Alphabet AI, para melhorar a precisão de nossos recursos de previsão de tráfego. Nossas previsões de ETA já têm uma barra de precisão muito alta - na verdade, vemos que nossas previsões têm sido consistentemente precisas em mais de 97% das viagens. Em parceria com a DeepMind, conseguimos reduzir a porcentagem de ETAs imprecisos ainda mais usando uma arquitetura de aprendizado de máquina conhecida como Graph Neural Networks - com melhorias significativas em lugares como Berlim, Jacarta, São Paulo, Sydney, Tóquio e Washington DC Esta técnica é o que permite ao Google Maps prever melhor se você será ou não afetado por uma desaceleração que pode nem ter começado ainda !
Mantendo-o atualizado
Durante a maior parte dos 13 anos em que o Google Maps forneceu dados de tráfego, os padrões históricos de tráfego foram indicadores confiáveis de como poderiam ser suas condições na estrada, mas nem sempre é o caso. Desde o início da pandemia COVID-19, os padrões de tráfego em todo o mundo mudaram dramaticamente. Observamos uma redução de até 50% no tráfego mundial quando os bloqueios começaram no início de 2020. Desde então, partes do mundo foram reabertas gradualmente, enquanto outras mantêm restrições. Para compensar essa mudança repentina, recentemente atualizamos nossos modelos para se tornarem mais ágeis - priorizando automaticamente os padrões históricos de tráfego das últimas duas a quatro semanas e despriorizando os padrões de qualquer momento anterior.
Como o Google Maps seleciona rotas
Nossos modelos de previsão de tráfego também são uma parte importante de como o Google Maps determina as rotas de direção. Se prevermos que o tráfego provavelmente ficará pesado em uma direção, encontraremos automaticamente uma alternativa de menor tráfego. Também analisamos vários outros fatores, como a qualidade da estrada. A estrada é pavimentada ou não, ou coberta de cascalho, sujeira ou lama? Elementos como esses podem tornar uma estrada difícil de dirigir, e é menos provável que recomendemos essa estrada como parte de seu trajeto. Também observamos o tamanho e a direção de uma estrada - dirigir por uma rodovia costuma ser mais eficiente do que pegar uma estrada menor com várias paradas.
Duas outras fontes de informação são importantes para garantir que recomendamos os melhores caminhos: dados confiáveis de governos locais e feedback em tempo real dos usuários. Os dados oficiais permitem ao Google Maps saber sobre os limites de velocidade, pedágios ou se certas estradas estão restritas devido a coisas como construção ou COVID-19 . E os relatórios de incidentes dos motoristas permitem que o Google Maps mostre rapidamente se uma estrada ou faixa está fechada, se há obras nas proximidades ou se há um veículo desativado ou um objeto na estrada. Ambas as fontes também são usadas para nos ajudar a entender quando as condições das estradas mudam inesperadamente devido a deslizamentos de terra, tempestades de neve ou outras forças da natureza.
Juntando tudo
Então, como exatamente tudo isso funciona na vida real? Digamos que você esteja indo para uma consulta médica do outro lado da cidade, dirigindo pela estrada que costuma seguir para chegar lá. Quando você sai de casa, o tráfego está fluindo livremente, sem nenhuma indicação de interrupções no caminho. Com as previsões de tráfego do Google Maps combinadas com as condições de tráfego em tempo real, informamos que, se continuar em seu trajeto atual, há uma boa chance de ficar preso em engarrafamentos inesperados cerca de 30 minutos após o início da viagem - o que significaria perder seu compromisso. Como resultado, o Google Maps redireciona você automaticamente usando seu conhecimento sobre as condições das estradas e incidentes nas proximidades, ajudando você a evitar o congestionamento e chegar ao seu compromisso a tempo.
Prever o tráfego e determinar rotas é incrivelmente complexo - e continuaremos trabalhando em ferramentas e tecnologia para mantê-lo fora de congestionamentos e em uma rota que seja o mais segura e eficiente possível.