Googleマップの交通情報の精度がDeepMind機械学習ツールとしての向上 – GIGAZINE

Googleマップは、毎日10億km以上移動に利用されています。 特にナビゲーション機能の到着予想時間は渋滞事情も効いかなりの差が抑制されています。 その精度の向上においては、人工知能・DeepMindを利用した機械学習が行われているとします。

高度なグラフニューラルネットワークを用いた交通予測| ディープマインド
https://deepmind.com/blog/article/traffic-prediction-with-advanced-graph-neural-networks

Google Maps 101：AIが交通情報を予測し、パスを決定するのに役立つ方法
https://blog.google/products/maps/google-maps-101-how-ai-helps-predict-traffic-and-determine-routes/

Googleマップは、220以上の国と地域で、毎日10億km以上移動に利用されています。 ナビゲーション機能は、目的地までの到着予想時間が表示されますが、この時間が表示される時には、周辺道路の渋滞情報などが裏面に処理されています。

GoogleとDeepMindによると、Android端末から匿名で収集された交通情報と自治体や機関で提供されている工事情報と制限情報と道路自体の品質情報などの要素を組み合わせて精度を向上しつつあるるそうです。 特に未舗装の道路や砂利・土・泥に覆われたような道路は運転が困難になる可能性があるため、推奨ルートに含まあまりないということ。

Googleが提示した例によると、DeepMindツールをご利用になり、台中51％、シドニーで43％、大阪で37％、オーランドで34％など、世界各地の交通情報の精度が向上しましたています。

また、新型コロナウイルスの影響で世界的に交通パターンは劇的な変化を経験しており、2020年の初めに、各地でロックが行われた場合には、交通量が最大50％減少したとのこと。 この減少された交通情報は、特殊な状況のためにGoogleは、予測モデルを更新し、過去2週間〜4週間の記録を自動的に優先それより前の優先順位を下げるようにしています。