Mapy Google mają znacznie dokładniej wyliczać czas dotarcia do celu. Dzięki współpracy z DeepMind

Mapy Google mają nauczyć się lepiej wyliczać czas dotarcia do celu samochodem. Program będzie dzielił miasto na segmenty i brał pod uwagę więcej danych, aby przewidzieć zmieniający się ruch już na początku trasy. Nowe rozwiązanie to zasługa partnerstwa Google z DeepMind.
Zobacz wideo Nie tylko Google. Jakie inne aplikacje mogą przydać się na twoim smartfonie?

DeepMind to brytyjska firma przejęta w 2014 roku przez Google, która zajmuje się rozwojem rozwiązań z zakresu sztucznej inteligencji. O sukcesach spółki było już głośno niejednokrotnie - np. w 2017 roku stworzony przez nią program AlphaGo ograł najlepszych graczy w jedną z najtrudniejszych gier świata (Go), a w 2019 roku algorytm firmy nauczył się prognozować pogodę dla farm wiatrowych.

DeepMind pomoże w obliczeniach Mapom Googe

Teraz DeepMind ma pomóc w zwiększeniu dokładności pomiarów przewidywanego czasu dotarcia na miejsce w Mapach Google. Sztuczne sieci neuronowe stworzone przez firmę mają w tym zadaniu sprawdzić się wyśmienicie.

Jak tłumaczą przedstawiciele obu przedsiębiorstw (obecnie odseparowanych, ale należących do jednego holding Alphabet) w komunikacie, nowe rozwiązanie ma brać pod uwagę większą liczbę czynników, które mogą wpłynąć na opóźnienia na drodze. Zdaniem specjalistów z DeepMind, Mapy Google już teraz świetnie radzą sobie z obliczaniem czasu dotarcia do celu, jednak nie biorą pod uwagę wyłącznie aktualną sytuację na drodze.

Algorytm już obecnie bierze pod uwagę wiele informacji takich, jak historyczne wzorce m.in. dla danego dnia tygodnia i miesiąca, aby lepiej przewidzieć, jakiego ruchu możemy się spodziewać o danej porze konkretnego dnia. Nowe rozwiązanie ma przewidywać, jak sytuacja na drodze będzie wyglądać np. po 10, 20 czy 50 min jazdy i na podstawie tych danych określać czas dojazdu dokładniej już na starcie.

Mapy mają też zostać podzielone na "supersegmenty", czyli grupy sąsiadujących ze sobą ulic, na których natężenie ruchu ulicznego jest zbliżone. Mają mieć one "dynamiczne rozmiary", a więc będą zapewne zmieniać się w czasie. Dla każdego z segmentów sieci neuronowe będą wyliczać następnie prognozowany ruch uliczny. Taki podział miasta ma sprawdzać się lepiej od obecnie stosowanego rozwiązania.

Zdaniem Google partnerstwo z DeepMind może poprawić dokładność przewidywania czasu dotarcia do celu nawet o 50 proc. w przypadku niektórych dużych miast, takich jak Berlin, Dżakarta, São Paulo, Sydney, Tokio czy Waszyngton. W wielu pozostałych poprawa będzie mniej spektakularna, ale wciąż zauważalna. Na razie nie wiadomo, kiedy zmiany odczują również użytkownicy Google Maps nad Wisłą.