Roads Management Insights のコンセプト

Roads Management Insights のデータモデルは、さまざまな情報源を組み合わせて構築されており、道路の渋滞に関する分析情報を提供します。

道路の渋滞状況

Roads Management Insights の移動時間と速度の読み取りのデータモデルは、さまざまな情報源を組み合わせて構築されています。

  • 集計された地図データ: 最も重要なソースは、Google マップから収集され匿名化された集計データです。このデータにより、Google マップは世界中の道路を走行する車両のリアルタイムの速度を計算できます。

  • 過去の交通データ: ユーザーの集計データは、時間の経過とともに過去の交通パターンを構築するために使用されます。これにより、システムは特定の道路の特定の時間帯と曜日の「通常の」交通状況を把握できます。

  • 補足データ: 履歴データは、地方運輸局などのパートナーからのサードパーティ情報や、事故や工事などの事象を報告するマップ ユーザーからのリアルタイムのユーザー フィードバックなど、他のデータと組み合わされます。

AI はこれらの情報源を組み合わせて、リアルタイム データで現在の状況を把握し、過去のデータでベースライン予測を提供します。このフュージョンは、ルートの予測方法の鍵となります。たとえば、次のような場合です。

  • 短いルートは、現在のリアルタイムの情報に大きく依存します
  • 長いルートでは、高度な AI モデリングが使用されます。この場合、近くのセグメントはリアルタイム データを使用して予測され、遠くのセグメントは過去のパターンに大きく依存します。
  • リアルタイム シグナルが少ない道路では、過去のデータに大きく依存して速度低下を予測します。

BigQuery テーブル

移動時間と速度の累積データをクエリするには、BigQuery の historical_travel_time テーブルをご覧ください。