Tình trạng tắc nghẽn giao thông
Các mô hình dữ liệu Roads Management Insights cho thời lượng chuyến đi và tốc độ đọc được xây dựng bằng cách kết hợp nhiều nguồn thông tin:
Dữ liệu bản đồ tổng hợp: Nguồn quan trọng nhất là dữ liệu tổng hợp và ẩn danh từ Google Maps. Dữ liệu này cho phép Google Maps tính toán tốc độ theo thời gian thực của các phương tiện trên đường trên khắp thế giới.
Dữ liệu giao thông trong quá khứ: Theo thời gian, dữ liệu người dùng tổng hợp được dùng để xây dựng các mẫu lưu lượng giao thông trong quá khứ. Các mẫu này giúp hệ thống hiểu được lưu lượng giao thông "bình thường" cho một con đường cụ thể vào bất kỳ thời điểm và ngày nào trong tuần.
Dữ liệu bổ sung: Dữ liệu trong quá khứ được kết hợp với các dữ liệu khác, bao gồm cả thông tin của bên thứ ba từ các đối tác như Sở Giao thông vận tải địa phương, cũng như ý kiến phản hồi theo thời gian thực của người dùng Maps khi họ báo cáo các sự cố như tai nạn hoặc công trình xây dựng.
AI kết hợp các nguồn thông tin này với nhau để hiểu rõ các điều kiện hiện tại bằng dữ liệu theo thời gian thực và đưa ra dự đoán cơ bản bằng dữ liệu trong quá khứ. Việc kết hợp này là yếu tố then chốt để dự đoán các tuyến đường, ví dụ:
- Tuyến đường ngắn phụ thuộc phần lớn vào thông tin hiện tại, theo thời gian thực
- Các tuyến đường dài hơn sử dụng mô hình hoá AI nâng cao, trong đó các đoạn đường lân cận được dự đoán bằng dữ liệu theo thời gian thực, trong khi các đoạn đường ở xa hơn dựa nhiều hơn vào các quy luật trong quá khứ.
- Những con đường có ít tín hiệu theo thời gian thực sẽ dựa nhiều hơn vào dữ liệu trong quá khứ để dự đoán tình trạng giảm tốc độ.
Bảng BigQuery
Để truy vấn dữ liệu tích luỹ về thời gian và tốc độ của chuyến đi, hãy xem bảng historical_travel_time trong BigQuery.