Google Maps产品经理解释如何借助AI来帮助预测交通流量

Lau表示，要在几秒钟内把建议路径、沿途交通拥堵程度、预估交通时间、预计到达时间传达给用户，背后要做的努力可不少。

当用户在使用Google Maps导航时，Google会汇总可用的位置资讯来掌握全球各地路况。通过这些信息推算出目前的车流量，进而判断路程是否会受当前交通拥堵的影响，但单靠这项信息，仍无从预知使用者的车程在10、20甚至50分钟后的交通状况。

为了预测不久后的路况，Google Maps会分析过往一段时间内的车流量模式，接着交叉参考过往车流量模式资料库及即时路况资料，再根据这两组资料运用机器学习技术产生预测结果。

为了提升准确度，Google Maps团队最近还与Alphabet旗下的DeepMind AI研究实验室合作。 他表示，Google Maps目前在预测车程的时间有高达97%的准确度。 通过与DeepMind合作，我们运用一项称为图形类神经网路(Graph Neural Networks)的机器学习技术，大幅降低预测抵达时间的失准率。

自新冠病毒疫情爆发以来，全球各地的交通模式发生极大的变化。 部分地区在2020年初开始封城，全球各地减少高达50%的车流量。 随后部分地区陆续解封，其他地区则仍实施交通管制。 为因应这项突如其来的变化，Google Maps团队也更新了车流量模型以提升其应变能力，系统会自动优先考量最近2至4周的车流量模式，并将更早之前的车流量模式列为次要考量。

在路线的选择上，Google Maps会利用车流量预测模型，当系统预测某路线可能会塞车时，就会自动找出车流较少的替代路线。 系统也会考量道路品质等因素，这类道路可能提高驾驶难度，因此不纳入建议路线。此外，当地政府机关提供的可靠资料，以及用户即时回报的路况，也是系统规划建议路线时的重要参考资讯来源。

最终，Google Maps在结合车流量预测和即时路况资讯后，发现如果再继续沿着目前的路线行驶30分钟，可能会碰到大塞车，导致来不及看诊。 这时Google Maps会根据附近路况和交通事故的信息，自动重新规划路线，协助使用者避开车流壅塞的路段，准时在预约的时间看诊。

Johann Lau表示，预测车流量及决定路线的过程非常复杂，团队也将持续开发工具与技术，协助使用者规划出更省时、安全且避免交通壅塞的路线。