Ogni giorno, ha condiviso sul blog ufficiale dell’azienda Johann Lau, Product Manager di Google Maps, oltre un miliardo di chilometri vengono percorsi con Google Maps in più di 220 Paesi e territori in tutto il mondo.
Quando utilizziamo l’app e servizio di Big G, Google Maps ci mostra il percorso da seguire per andare in un certo luogo e se il traffico lungo questo percorso è intenso o scorrevole, calcolando un tempo di percorrenza e un orario di arrivo stimati.
Dal punto di vista dell’utente tutto ciò è molto semplice, ma dietro le quinte operano numerose e sofisticate tecnologie per fornire queste informazioni in pochi secondi.
Ad esempio, come fa Google Maps a sapere quando c’è un ingorgo? Come fa a determinare il percorso migliore per un viaggio? Johann Lau ha alzato un po’ il velo su ciò che accade dietro le quinte.
Quando le persone navigano con Google Maps, i dati aggregati sulla posizione possono essere utilizzati per comprendere le condizioni del traffico sulle strade di tutto il mondo. Ma, benché queste informazioni aiutino per le stime del traffico al momento, non tengono conto di come apparirà il traffico 10, 20 o anche 50 minuti dopo, nel corso del viaggio.
Per prevedere come sarà il traffico nel prossimo futuro, Google Maps analizza i pattern storici del traffico per le strade nel tempo. Ad esempio, un pattern potrebbe mostrare che una determinata autostrada ha in genere veicoli che viaggiano a una certa velocità in un orario specifico, e a un’altra velocità a un orario diverso. Questo database di pattern di traffico storici viene poi combinato con le condizioni del traffico in tempo reale, utilizzando il machine learning per generare previsioni basate su entrambi i set di dati.
Di recente Google ha collaborato con DeepMind, un laboratorio di ricerca sull’intelligenza artificiale di Alphabet, per migliorare l’accuratezza delle funzionalità di previsione del traffico. Le previsioni di estimated time of arrival (ETA) hanno già un livello di precisione molto elevato, sottolinea Johann Lau, per oltre il 97% dei viaggi. Grazie alla collaborazione con DeepMind Google è stata in grado di ridurre ulteriormente la percentuale di ETA imprecisi utilizzando un’architettura di machine learning nota come Graph Neural Networks.
Per la maggior parte dei 13 anni in cui Google Maps ha fornito dati sul traffico, mette ancora in evidenza Johann Lau, i modelli storici di traffico sono stati indicatori affidabili di come potevano apparire le condizioni sulla strada, ma dall’inizio della pandemia Covid-19 i modelli del traffico in tutto il mondo sono cambiati drasticamente.
Google ha registrato una diminuzione fino al 50% del traffico mondiale quando sono iniziati i lockdown, nella prima parte del 2020. Da allora, alcune zone del mondo sono state gradualmente riaperte, mentre altre mantengono le restrizioni. Per tenere conto di questo cambiamento improvviso, Google ha recentemente aggiornato i propri modelli in modo che diventassero più agili, dando automaticamente la priorità ai modelli di traffico storici dalle ultime due alle quattro settimane e riducendo la priorità dei modelli da qualsiasi momento precedente.
I modelli di traffico predittivi sono anch’essi una parte fondamentale del modo in cui Google Maps determina i percorsi di guida. Se il servizio prevede che sia probabile che il traffico diventi intenso in una direzione, trova automaticamente un’alternativa che presenti condizioni di traffico migliori. Google Maps considera anche una serie di altri fattori, come la qualità o le dimensioni della strada, che possono rendere difficile la guida o più efficiente un percorso.
Altre due fonti di informazione sono importanti per far sì che Google Maps individui i percorsi migliori: dati affidabili da governi locali e feedback in tempo reale da parte degli utenti. I dati delle autorità locali consentono a Google Maps di conoscere i limiti di velocità, i pedaggi o se alcune strade sono soggette a limitazioni a causa di lavori o per altri motivi.
Inoltre, i report sugli incidenti da parte degli automobilisti consentono a Google Maps di mostrare rapidamente se una strada o una corsia è chiusa, se ci sono lavori in corso nelle vicinanze o se c’è un veicolo in panne o un oggetto sulla strada.
Entrambe queste fonti di informazioni vengono utilizzate da Google anche come supporto per capire quando le condizioni stradali cambiano inaspettatamente a causa di smottamenti, tempeste di neve o altri eventi naturali.