首頁?行業  »   正文

谷歌地圖利用機器學習實時預測公交交通延誤情況

谷歌地圖利用機器學習實時預測公交交通延誤情況

根據聯合國的數據,有史以來第一次,大多數人類都生活在城市。在未來的幾十年里,隨著越來越多的人口走進城市,道路可能會更加擁堵,但利用新技術可以預測公共交通,降低碳排放并對氣候變化產生積極影響。

谷歌地圖今天在全球數百個主要城市推出了基于機器學習的實時公交延誤預測,從一些公交機構獲取有關公交車位置的實時數據。本月早些時候在印度啟動的實時公交預測,可以為目前公交機構不提供實時公交位置數據的地區提供動力。

AI通過將時間,行進距離和個人事件組合作為數據集,使谷歌無需依賴公共交通機構提供的公交時刻表即可提供預測。

谷歌研究科學家Alex Fabrikant詳細介紹了谷歌地圖如何使用機器學習來預測公交車,比公交時刻表更準確。

預測時間

模型創建過程首先從公共交通機構收集公交車位置數據,以便訓練數據,然后將其與路線上的車速進行對齊。然后,序列模型考慮了每個預期的停止或速度降低,例如公交車需要在公交車站減速和停車的時間和距離。

谷歌地圖利用機器學習實時預測公交交通延誤情況

Fabrikant表示,“每個單元獨立地預測其持續時間,最終輸出是每單位預測的總和。與許多序列模型不同,我們的模型不需要學習組合單位輸出,也不需要通過單位序列傳遞狀態。”

團隊還考慮了位置,星期幾和時間等因素。為了捕捉特定街道,社區和城市的獨特屬性,讓模型學習不同大小區域的表示層次結構,時間軸單元的地理位置(道路或站點的精確位置)在模型中表示它在不同尺度上嵌入的總和。

谷歌還推出了一項功能,使用機器學習預測公共汽車或火車在全球200個城市的擁擠程度。

為了方便乘坐公共交通工具的乘客,在過去的一年里,谷歌推出了一系列新功能,包括去年推出的公交車站點停靠方向,以及最近幾個月推出的屏幕增強現實路線,以及谷歌智能助理語音命令可通知下一班巴士何時到達等等。

歡迎關注ATYUN官方公眾號,商務合作及內容投稿請聯系郵箱:[email protected]

發表評論