Zagregowane dane z Map: najważniejszym źródłem są zagregowane, zanonimizowane dane z Map Google, które pozwalają Mapom Google obliczać prędkość pojazdów w czasie rzeczywistym na drogach na całym świecie.
Dane historyczne o natężeniu ruchu: z czasem zagregowane dane użytkowników są wykorzystywane do tworzenia historycznych wzorców natężenia ruchu, które pomagają systemowi zrozumieć „normalne” natężenie ruchu na danej drodze o określonej porze i w określonym dniu tygodnia.
Dane uzupełniające: dane historyczne są łączone z innymi danymi, w tym z informacjami od partnerów, np. lokalnych zarządów dróg, oraz z opiniami użytkowników Map w czasie rzeczywistym, którzy zgłaszają incydenty, takie jak wypadki czy roboty drogowe.
Sztuczna inteligencja łączy te źródła informacji, aby zrozumieć bieżące warunki na podstawie danych w czasie rzeczywistym i zapewnić prognozy bazowe na podstawie danych historycznych. To połączenie jest kluczowe dla sposobu przewidywania tras, na przykład:
- Krótkie trasy zależą w dużej mierze od bieżących informacji w czasie rzeczywistym.
- Dłuższe trasy wykorzystują zaawansowane modelowanie AI, w którym pobliskie odcinki są przewidywane na podstawie danych w czasie rzeczywistym, a bardziej odległe odcinki w większym stopniu opierają się na wzorcach historycznych.
- W przypadku dróg z ograniczoną liczbą sygnałów w czasie rzeczywistym do przewidywania spowolnień w większym stopniu wykorzystywane są dane historyczne.