Google Maps kan, net als alle andere Google-services, worden beschouwd als een van de beste in zijn branche. Ze zijn uiterst informatief, functioneel en nauwkeurig. In principe hoef je niets meer van de kaarten te verwachten, want als ze je minstens één keer naar de verkeerde plek brengen, zul je ze hoogstwaarschijnlijk niet meer gebruiken. En ondertussen hangt de nauwkeurigheid af van hoeveel mensen ze gebruiken, want op basis van hun nummergegevens voorspellen algoritmen verkeersopstoppingen en berekenen ze de aankomsttijd. Daarom moest Google Maps tijdens de Google-pandemie aanzienlijk opnieuw worden ontworpen.
De invoering van een algemene quarantaine leidde ertoe dat het wereldwijde verkeer met ongeveer 50% daalde. De afname van het aantal auto’s op de weg heeft ertoe geleid dat de algoritmen die verantwoordelijk zijn voor het voorspellen van files en het berekenen van aankomsttijden niet meer goed kunnen functioneren. Toch is de verkeersintensiteit in steden altijd min of meer gelijk en stijgt of daalt de autostroom nooit sterk. Daarom vertrouwde Google lange tijd alleen op deze indicatoren en kende het geen pijn. In ieder geval tot de pandemie, waardoor er iets moest veranderen.
Google Maps-update
Om de voorspellingsnauwkeurigheid van Google Maps op hetzelfde niveau te houden, en dat is voor één minuut, 97%, zijn de kaartontwikkelaars een samenwerking aangegaan met het Alphabet AI DeepMind-lab. Dit is een speciale divisie van Google, die zich bezighoudt met de ontwikkeling van kunstmatige intelligentie en machine learning-technologieën. Hun experts stelden voor dat het Google Maps-team een neuraal netwerk implementeert dat voorspellingen genereert op basis van proxygegevens, met een vrij hoge nauwkeurigheid in de uitvoer.
Het neurale netwerk dat is ontwikkeld door Alphabet AI DeepMind heet Graph Neural Networks. Ze leerden haar om ruimte-tijdmodellen te bouwen op basis van variabelen zoals stroom, tijd en plaats, kwaliteit van de bestrating, snelheidslimieten, ongevallen en barrières, politiecontroles, enz.
Op basis van deze gegevens begon het neurale netwerk redelijk nauwkeurige voorspellingen te maken, waarvan de prestaties niet alleen niet afnamen, maar zelfs toenamen. In Taiwanese Taichung was de toename in nauwkeurigheid bijvoorbeeld 51%. Vergelijkbare cijfers werden geregistreerd in Berlijn, Jakarta, Sao Paulo, Sydney, Tokio, Washington en verschillende andere steden.
Routebeschrijving op Google Maps
Het verkeersprognosemodel is een integraal onderdeel van het mechanisme voor het bepalen van optimale verkeersroutes. Als we voorspellen dat het verkeer in één richting kan groeien, vinden we een alternatieve route met minder verkeer. We houden ook rekening met een aantal andere factoren, bijvoorbeeld de kwaliteit van het wegdek: verharde weg of niet, grind of kasseien, modder of schoon. Deze factoren kunnen het rijden moeilijk maken en het is onwaarschijnlijk dat ze een problematische weg aanbevelen. We kijken ook naar de lengte en kromming van de weg, aangezien smalheid en de overvloed aan bochten de beweging kunnen vertragen, legt Google uit.
Het blijkt dat de kunstmatige intelligentie voor het grootste deel is gewijd aan het voorspellen en selecteren van de route, die is geladen met de informatie die nodig is om de juiste berekeningen te maken. Een paar jaar geleden was het moeilijk te geloven, maar nu is het de absolute norm. Een ander ding is dat Google over het algemeen geen details over zijn innerlijke werking onthult. Daarom weten gebruikers in de meeste gevallen niet eens hoe de applicaties en services die ze gewend zijn werken. Maar misschien is dit het beste?
