هكذا تحدد خرائط جوجل Google موعد وصولك للمكان

بإختصار شديد هو أن خرائط جوجل Google تستخدم أدوات DeepMind للذكاء الاصطناعي للتحديد وقت وصولك للمكان الذي ترغب في الوصول إليه.

خرائط جوجل Google تعد واحدة من أكثر منتجات الشركة استخداما ، وقدرتها على كشف الاختناقات المرورية القادمة تجعلها خدمة لا غنى عنها للعديد من السائقين. 

جوجل Google

كل يوم ، كما تقول جوجل Google ، يتم تشغيل أكثر من مليار كيلومتر من الطرق بمساعدة التطبيق. ولكن ، كما أوضح عملاق البحث في منشور مدونة اليوم ، فإن ميزاته تعمل فقط بفضل أدوات التعلم الآلي من DeepMind ، مختبر الذكاء الاصطناعي في لندن والمملوك لشركة الفابت Alphabet التابعة لشركة جوجل Google.

في منشور المدونة ، يشرح باحثو جوجل Google و DeepMind كيفية أخذ البيانات من مصادر مختلفة وإدخالها في نماذج التعلم الآلي للتنبؤ بتدفقات حركة المرور. وتتضمن هذه البيانات معلومات حركة المرور الحية التي تم جمعها بشكل مجهول من أجهزة أندرويد Android ، وبيانات تاريخ حركة المرور، ومعلومات مثل حدود السرعة ومواقع البناء من الهيئات المحلية ، وكذلك عوامل مثل الجودة والحجم والاتجاه لأي طريق معين. لذلك ، وفقًا لتقديرات جوجل Google ، تفوقت الطرق المعبدة على الطرق غير المعبدة ، في حين أن الخوارزمية ستقرر أنه في بعض الأحيان يكون من الأسرع اتخاذ امتداد أطول للطريق السريع من التنقل في عدة شوارع متعرجة.

DeepMind

يتم إدخال كل هذه المعلومات في الشبكات التي صممها DeepMind التي تنتقي الأنماط في البيانات وتستخدمها للتنبؤ بحركة المرور المستقبلية. 

وبحسب ذا فيج فإن جوجل Google تقول إنها حسنت دقة الوقت الفعلي المقدر للوصول إلى خرائط جوجل Google بنسبة تصل إلى 50 بالمائة في طرازها الجديد في بعض المدن. كما يشير إلى أنه كان عليه تغيير البيانات التي يستخدمها لإجراء هذه التنبؤات بعد تفشي وباء كوفيد COVID-19 والتغيير اللاحق في استخدام الطريق.

وقال يوهان لاو ، مدير منتج خرائط جوجل Google ، "لقد شهدنا انخفاضًا بنسبة 50 في المائة في حركة المرور في جميع أنحاء العالم عندما بدأ الإغلاق LOCKDOWNS في أوائل عام 2020.". "لمراعاة هذا التغيير المفاجئ ، قمنا مؤخرًا بتحديث نماذجنا لتصبح أكثر مرونة - حيث نعطي الأولوية لأنماط حركة المرور السابقة تلقائيًا من آخر أسبوعين إلى أربعة أسابيع ، ونقل الأنماط من أي وقت قبل ذلك."

Graph Neural Network

تعمل النماذج من خلال تقسيم الخرائط إلى ما تسميه جوجل Google "الأجزاء الفائقة" - مجموعات من الشوارع المجاورة التي تشترك في حجم حركة المرور. يتم إقران كل منها بشبكة فردية تقوم بتنبؤات حركة المرور لهذا القطاع. ليس من الواضح حجم هذه الأجزاء العملاقة ، لكن جوجل Google تلاحظ أن لديها "أحجامًا ديناميكية" ، مما يشير إلى أنها تتغير وفقًا لحركة المرور ، وأن كل واحدة تعتمد على "تيرابايت" من البيانات. مفتاح هذه العملية هو استخدام نوع خاص من الشبكات المعروفة باسم Graph Neural Network ، والتي تقول جوجل Google إنها مناسبة بشكل خاص لمعالجة هذا النوع من بيانات التعيين.