Los modelos de datos de Estadísticas de administración de rutas para Lectura de velocidad y Tiempo de viaje se compilan combinando diferentes fuentes de información:
Datos de mapas agregados: La fuente más importante son los datos agregados y anonimizados de Google Maps, que permiten calcular la velocidad en tiempo real de los vehículos en las rutas de todo el mundo.
Datos históricos de tráfico: Con el tiempo, los datos agregados de los usuarios se utilizan para generar patrones de tráfico históricos, lo que ayuda al sistema a comprender el tráfico "normal" de una ruta específica en cualquier momento y día de la semana.
Datos complementarios: Los datos históricos se combinan con otros datos, incluida la información de terceros de socios como los Departamentos de Transporte locales, así como los comentarios de los usuarios en tiempo real de los usuarios de Maps que informan incidentes, como accidentes o construcciones.
La IA combina estas fuentes de información para comprender las condiciones actuales con datos en tiempo real y proporcionar predicciones de referencia con datos históricos. Esta fusión es clave para predecir las rutas, por ejemplo:
- Las rutas cortas dependen en gran medida de la información actual y en tiempo real.
- Las rutas más largas usan el modelado avanzado de IA, en el que los tramos cercanos se predicen con datos en tiempo real, mientras que los tramos más distantes se basan más en los patrones históricos.
- Las rutas con indicadores en tiempo real limitados dependen más de sus datos históricos para predecir las demoras.
Lecturas adicionales
Puedes obtener más información sobre la información vial de Google en las siguientes publicaciones del blog de Google:
- El lado positivo de estar en el tráfico: Obtención de datos de congestión vial a través de la colaboración colectiva
- Google Maps 101: Cómo la IA ayuda a predecir el tráfico y determinar rutas
- Predicción de tráfico con redes neuronales avanzadas de gráficos