Os modelos de dados do Roads Management Insights para tempo de viagem e leitura de velocidade são criados combinando diferentes fontes de informações:
Dados agregados de mapas:a fonte mais importante são os dados agregados e anonimizados do Google Maps, que permitem calcular a velocidade em tempo real dos veículos nas vias do mundo todo.
Dados históricos de trânsito:com o tempo, os dados agregados dos usuários são usados para criar padrões históricos de trânsito, que ajudam o sistema a entender o trânsito "normal" de uma via específica em qualquer horário e dia da semana.
Dados complementares:os dados históricos são combinados com outras informações, incluindo dados de terceiros de parceiros, como departamentos locais de transporte, além de feedback dos usuários do Maps em tempo real sobre incidentes, como acidentes ou obras.
A IA combina essas fontes de informações para entender as condições atuais com dados em tempo real e fornecer previsões básicas com dados históricos. Essa fusão é fundamental para a previsão de rotas. Por exemplo:
- Trajetos curtos dependem muito de informações atuais e em tempo real.
- Trajetos mais longos usam modelagem avançada de IA, em que os segmentos próximos são previstos usando dados em tempo real, enquanto os segmentos mais distantes dependem mais de padrões históricos.
- As vias com sinais em tempo real limitados dependem mais dos dados históricos para prever lentidão.
Leitura adicional
Saiba mais sobre as informações de trânsito do Google nas seguintes postagens do blog do Google:
- O lado bom de ficar parado no trânsito: dados de congestionamento de vias por crowdsourcing
- Noções básicas do Google Maps: como a IA ajuda a prever o trânsito e determinar trajetos
- Previsão de trânsito usando redes neurais avançadas com gráficos