โมเดลข้อมูลข้อมูลเชิงลึกด้านการจัดการถนนสำหรับเวลาในการเดินทางและการอ่านความเร็วสร้างขึ้นโดยการรวมแหล่งข้อมูลต่างๆ ดังนี้
ข้อมูลแผนที่ที่รวบรวม: แหล่งข้อมูลที่สำคัญที่สุดคือข้อมูลที่รวบรวมและลบข้อมูลระบุตัวบุคคลแล้ว จาก Google Maps ซึ่งช่วยให้ Google Maps คำนวณความเร็วแบบเรียลไทม์ ของยานพาหนะบนถนนทั่วโลกได้
ข้อมูลการเข้าชมย้อนหลัง: เมื่อเวลาผ่านไป ระบบจะใช้ข้อมูลผู้ใช้ที่รวบรวมไว้เพื่อ สร้างรูปแบบการเข้าชมย้อนหลัง ซึ่งจะช่วยให้ระบบเข้าใจการเข้าชม "ปกติ" ของถนนสายหนึ่งๆ ในเวลาและวันใดก็ตามของสัปดาห์
ข้อมูลเสริม: ระบบจะรวมข้อมูลย้อนหลังกับข้อมูลอื่นๆ ซึ่งรวมถึง ข้อมูลจากบุคคลที่สามจากพาร์ทเนอร์ เช่น กรมการขนส่งในท้องถิ่น รวมถึงความคิดเห็นแบบเรียลไทม์จากผู้ใช้ Maps ที่รายงาน เหตุการณ์ต่างๆ เช่น อุบัติเหตุหรือการก่อสร้าง
AI จะรวมแหล่งข้อมูลเหล่านี้เข้าด้วยกันเพื่อทำความเข้าใจสภาพอากาศปัจจุบัน ด้วยข้อมูลแบบเรียลไทม์ และให้การคาดการณ์พื้นฐานด้วยข้อมูลย้อนหลัง การผสานรวมนี้เป็นกุญแจสำคัญในการคาดการณ์เส้นทาง เช่น
- เส้นทางที่สั้นกว่าจะขึ้นอยู่กับข้อมูลปัจจุบันและแบบเรียลไทม์เป็นส่วนใหญ่
- เส้นทางที่ยาวขึ้นจะใช้การประมาณ AI ขั้นสูง โดยจะคาดการณ์ส่วนที่อยู่ใกล้เคียงโดยใช้ข้อมูลแบบเรียลไทม์ ส่วนที่อยู่ไกลออกไปจะอิงตามรูปแบบในอดีตมากขึ้น
- ถนนที่มีสัญญาณแบบเรียลไทม์จำกัดจะอาศัยข้อมูลย้อนหลังมากขึ้นในการคาดการณ์การชะลอตัว
อ่านเพิ่มเติม
ดูข้อมูลเพิ่มเติมเกี่ยวกับข้อมูลถนนของ Google ได้ในบล็อกโพสต์ต่อไปนี้ของ Google
- ข้อดีของการติดอยู่บนท้องถนน: การรวบรวมข้อมูล ความหนาแน่นของ การจราจร
- ข้อมูลเบื้องต้นเกี่ยวกับ Google Maps: วิธีที่ AI ช่วยคาดการณ์สภาพการจราจรและกำหนดเส้นทาง
- การคาดการณ์สภาพการจราจรด้วยโครงข่ายระบบประสาทเทียมแบบกราฟขั้นสูง