Дорожные пробки
Модели данных Roads Management Insights, содержащие информацию о продолжительности поездок и скорости, создаются путем объединения различных источников информации:
Агрегированные картографические данные: Наиболее важным источником являются агрегированные, анонимизированные данные из Google Maps, которые позволяют Google Maps рассчитывать скорость движения транспортных средств на дорогах по всему миру в режиме реального времени.
Исторические данные о трафике: Со временем агрегированные данные о пользователях используются для построения исторических моделей трафика, которые помогают системе понять «нормальный» трафик на конкретной дороге в любое заданное время и день недели.
Дополнительные данные: Исторические данные объединяются с другими данными, включая информацию от сторонних партнеров, таких как местные департаменты транспорта, а также отзывы пользователей Maps в режиме реального времени, сообщающих о таких инцидентах, как аварии или строительные работы.
Искусственный интеллект объединяет эти источники информации, чтобы понимать текущие условия с помощью данных в реальном времени и предоставлять базовые прогнозы на основе исторических данных. Это объединение является ключевым фактором для прогнозирования маршрутов, например:
- Короткие маршруты во многом зависят от актуальной информации в режиме реального времени.
- На более длинных маршрутах используется передовое моделирование с помощью искусственного интеллекта , где близлежащие участки прогнозируются на основе данных в реальном времени , в то время как более отдаленные участки в большей степени опираются на исторические закономерности.
- На дорогах с ограниченным количеством светофоров, работающих в режиме реального времени, для прогнозирования замедления движения в большей степени используются исторические данные .
Таблицы BigQuery
Для запроса накопленных данных о продолжительности и скорости поездки см. таблицу historical_travel_time в BigQuery.