Embouteillage
Les modèles de données d'Insights de gestion des routes pour la durée du trajet et la lecture de la vitesse sont créés en combinant différentes sources d'informations :
Données cartographiques agrégées : la source la plus importante est constituée de données agrégées et anonymisées provenant de Google Maps, qui permettent à Google Maps de calculer la vitesse en temps réel des véhicules sur les routes du monde entier.
Données historiques sur le trafic : au fil du temps, les données utilisateur agrégées sont utilisées pour créer des modèles de trafic historiques, qui aident le système à comprendre le trafic "normal" pour une route spécifique à une heure et un jour de la semaine donnés.
Données supplémentaires : les données historiques sont combinées à d'autres données, y compris des informations tierces provenant de partenaires tels que les ministères des Transports locaux, ainsi que des commentaires en temps réel d'utilisateurs de Maps signalant des incidents tels que des accidents ou des travaux.
L'IA combine ces sources d'informations pour comprendre les conditions actuelles à l'aide de données en temps réel et fournir des prédictions de référence à l'aide de données historiques. Cette fusion est essentielle pour la prédiction des itinéraires, par exemple :
- Les itinéraires courts dépendent largement d'informations actuelles et en temps réel.
- Les itinéraires plus longs utilisent une modélisation d'IA avancée, où les segments proches sont prédits à l'aide de données en temps réel, tandis que les segments plus éloignés s'appuient davantage sur des modèles historiques.
- Les routes pour lesquelles les signaux en temps réel sont limités s'appuient davantage sur les données historiques pour prédire les ralentissements.
Lecture de l'intervalle de vitesse…
Un intervalle de lecture de la vitesse (SRI) est un tronçon contigu d'un itinéraire où le trafic appartient à une seule catégorie de vitesse. Ensemble, les intervalles de lecture de la vitesse d'un itinéraire couvrent l'intégralité de l'itinéraire, dans l'ordre, du point de départ à la destination.
Catégories de vitesse
Les catégories de vitesse correspondent aux couleurs affichées dans le calque de trafic de Google Maps :
| Catégorie de vitesse | Couleur du trafic dans Google Maps | Description |
|---|---|---|
NORMAL |
Vert | Le trafic est fluide. Aucun ralentissement n'est détecté. |
SLOW |
Jaune | Un ralentissement est détecté, mais aucun embouteillage ne s'est formé. |
TRAFFIC_JAM |
Rouge | Un embouteillage est détecté. |
TRAFFIC_JAM_HEAVY |
Rouge foncé | Un embouteillage important est détecté. Disponible à partir du 8 octobre 2026 dans les intervalles de lecture rapide basés sur le décalage (speed_reading_offsets) uniquement. |
Formats
Intervalles de lecture de la vitesse basés sur le décalage (
speed_reading_offsets) : chaque intervalle est délimité parstart_offset(inclus) etend_offset(exclus), mesurés en mètres à partir du début de l'itinéraire. La valeurend_offsetde chaque intervalle est égale à la valeurstart_offsetde l'intervalle suivant.Par exemple, un itinéraire de 100 mètres où les 80 premiers mètres sont ralentis et les 20 mètres restants sont fluides est représenté comme suit :
start_offsetend_offsetspeed080SLOW80100NORMALIntervalles de lecture de vitesse basés sur les coordonnées (
speed_reading_intervals, ancien) : chaque intervalle est défini par des coordonnées de polyligne (interval_coordinates). Dans ce format, les embouteillages importants (rouge foncé) sont signalés parTRAFFIC_JAM.TRAFFIC_JAM_HEAVYn'est jamais utilisé. Ce champ hérité pourrait ne plus être renseigné à partir du 13 janvier 2027. Utilisez plutôtspeed_reading_offsets.
Pour en savoir plus sur le schéma, consultez Données routières en temps réel et la table recent_roads_data.
les tables BigQuery
Pour interroger les données cumulées sur la durée du trajet et les intervalles de lecture de la vitesse, consultez la table historical_travel_time et la table recent_roads_data dans BigQuery.