星期二, 26 1 月, 2021
23.4 C
Taiwan
更多
    Home 科技新聞 AI人工智慧 人工智慧讓Google地圖升級了!除了導航,還能預測到尚未發生的塞車

    人工智慧讓Google地圖升級了!除了導航,還能預測到尚未發生的塞車

    新冠疫情爆發,導致全球交通運輸模式受到影響。各種交通管制、居家隔離甚至是封城
    等措施,使全世界車流量大幅減少。

    為了因應全球範圍的交通模式改變,Google 近日表示,將與 DeepMind 攜手運用人工智慧技術,
    強化路途預定到達時間預測(ETA),甚至能還沒發生塞車,就先預測你會不會受影響。

    Google 地圖的導航功能一直備受大眾喜愛,近年隨著行動裝置的普及與網路速度的提升
    ,有越來越多民眾不另外裝載車用衛星導航、而直接使用 Google 地圖作為外出行車的主要
    導引,更是讓 Google 地圖與人們的生活更加緊密。

    至於 Google 是怎麼做到導航、判斷車流量與偵測交通阻塞的呢?背後還是有賴人工智慧的幫
    助!

    不只靠公開資料分析 每個使用者都能回傳位置資訊

    有些導航服務是根據政府提供之公開資料來計算車流量,而 Google 地圖的優勢在於──
    眾多的使用者。

    Google 地圖全球每日用戶超過 10 億人,每個使用者進行導航時都能匿名傳回位置資訊,
    計算這些資訊就能統計出當前的道路狀況,以此分析出道路的車流量、是否有交通堵塞等等
    ,並即時在導航結果中呈現。

    人工智慧讓Google地圖升級了!除了導航,還能預測到尚未發生的塞車
    ▲ 圖片來源:The Keyword | Google

     

    Google 地圖使用路上行人、行車中的地點資料來顯示當下路況,這種模式雖然簡單好用,但如果要進一步預測未來 10、20 分鐘,甚至一個小時之後的路況,或要提供預定到達時間(Estimated Time of Arrival,ETA),就必須將既有歷史交通數據、即時車流量的改變情況,配合AI人工智慧進行分析預測。

    與DeepMind合作人工智慧技術 強化路況預測能力

    為了強化路況預測能力,Google 宣布將與 Alphabet 旗下的人工智慧研究公司「DeepMind」合作,更新 Google 地圖的演算法。

    Google 表示,新的預測模型將加權過去 2 到 4 週的歷史資料,而越舊的資料權重會越低;並稱 Google 地圖的 ETA 預測在 97 %以上的旅程都有穩定準確率,而與 DeepMind 的合作能使準確率更加提升。

    Google 地圖採用名為圖像神經網路(Graph Neural Networks,GNNs)的機器學習架構,大幅降低預測失準率,在柏林、雪梨、東京及華盛頓特區等等交通繁忙的地區,依然能維持精準的預測率,讓使用者能在出發前更方便規劃行程。

    Google的ETA精準度預測
    ▲ Google 不斷提升世界各地之 ETA 預測精準度,圖可見「台中市」提升高達 51 %。圖片來源:VentureBeat

     

    Google 地圖將錯綜複雜的道路網路劃分為一個個「路段」(segments),各個路段皆包含大量的交通流量資料,並能彼此共享;AI 分析這些巨量的資料,再通過圖像神經網路模型預測每個路段的行駛時間。

     

    圖像神經網路將道路視為一個圖形,路線對應節點(nodes),而邊線位於「連續道路」和「通過交叉路口連接的道路」之間。路段實際上是與交通密度成比例地、隨機採樣的道路子圖(subgraph),並通過訊息傳遞演算(message-passing algorithm)計算邊緣與節點之間的相互影響。

    每個路段的長度和複雜度都有所不同,從兩條道路到包含數百個節點的路線都有。DeepMind 表示,將相鄰道路之間的交互關係納入考量後,也使得預測準度有所提升:「例如我們思考一條小巷的堵塞如果溢出,將如何影響主幹道的交通」。

    Google的ETA精準度預測
    ▲ Google 地圖人工智慧分析計算道路交通之演算法示意圖。

     

    DeepMind 也表示,在訓練時自動調整學習率,該模型不僅可以達到更高的成效,還能自動調整學習率,獲得更穩定的結果。

    除了新模型,Google 地圖也一併考慮其他因素:如道路速限、道路面積、道路品質(如礫石地、柏油或泥地)、道路施工、天候氣象(如下雪、下暴雨或土石流等)、使用者回報的交通事故、封路、出現彎道或紅綠燈路口的頻率等等,以及因應新型冠狀病毒疫情隨之而來的交通管制。

    疫情之下 Google 地圖受到的沖擊

    Google 表示疫情爆發後,全球路上交通流量減少了 50 %,隨著疫情持續,仍有不少地區維持交通管制。

    這種影響範圍擴及全球的特殊狀況下,為了不讓預測失準,AI 會自動優先考量近期的車流量記錄,將更早之前的車流量模式列為次要考量,讓導航結果的預計抵達時間更為精準。

    這次事件展現出 Google 地圖與現實世界有多麼息息相關。Google 執行副總裁 Jen Fitzpatrick 也親自撰文表示,他們將會推動 Google 地圖發展新的技術,因為世界不斷在變化──公車班次的增減、新的道路被開拓、自然災害永久地改變通行路線等等。「這就是為什麼地圖需要更新、確保全面性和準確性的原因。人工智慧的重大突破改變了我們製作的地圖方法,也讓我們能將高品質地圖更快地帶到了世界各個角落。」

    除了導航之外 其他有賴人工智慧的地圖功能

    除了導航功能之外,其實 Google 地圖還有許多實用的功能都是靠人工智慧完成。

    如 Google 曾公開他們如何利用深度神經網路,自動且準確地辨識街道名稱、模糊人臉與車牌。在自然場景中由於視覺偽影,如失真、閉塞、定向模糊、雜亂的背景或不同的角度等狀況,讓傳統的光學字符識別(OCR)難以完成辨識。

    而為了保護用戶的隱私,Google 團隊致力於解決這一問題,使用神經網路自動模糊了街景圖像中的人臉和車牌,而經過足夠的標記數據訓練後,AI 也能自動升級 Google 地圖相關的最新信息。

    另一應用在於描繪地圖上代表建築的幾何陰影。Google 利用了多層次技術,第一層人工智慧負責從衛星照片中辨識出建築物;第二層的人工智慧負責分辨建築物的輪廓,並去除四周雜物;第三層則是根據輪廓來描繪出最有可能的建築物狀態。這套系統從 2018 開始,已經繪製了超過 1 億個新建築到 Google 地圖上了。

    這套系統在低度開發國家尤有效用,在政府資訊難以取得的國度,Google 團隊利用衛星圖和街景的影像,繪製出了奈及利亞大城市拉哥斯(Lagos)的地圖,填入了 20,000 條街道名稱、50,000 個新地址、與 100,000 間新商家的資訊。

    像繪製地圖這樣巨量又繁瑣的工作,果然還是得靠AI的協助才有可能完成的呢。

    最新文章

    熱門文章

    - Advertisment -