I.A. y la previsión del tráfico en Google Maps

Google ha compartido información sobre cómo están evolucionando en DeepMind, su laboratorio de investigación en inteligencia artificial, los sistemas predictivos del tráfico rodado.

Esta inteligencia artificial ayuda a conocer a los conductores qué va a suceder en las calles y carreteras antes de que ocurra y a calcular el tiempo que tardará en llegar a un destino predeterminado.

Te ponemos en situación. Empezamos introduciendo en el navegador el lugar al que queremos llegar. Puede ocurrir que, una vez empezada la ruta, aparezca un aviso que diga “hay otra opción de ruta que te ahorrará 15 minutos de atasco. ¿Quieres desviarte?” o que el propio navegador te sugiera una ruta distinta a la habitual. ¿Por qué sucede esto? ¿Qué deberíamos hacer en estos casos?

La inteligencia artificial de Google nos ofrece la ruta que cree que es la mejor. Google Maps puede saber qué va a ocurrir antes de que suceda. Nos libra de atascos, accidentes, obstáculos en la carretera… Por eso, cuando Google Maps nos ofrezca un cambio de ruta la mejor decisión es aceptarlo. Probablemente nos esté ahorrando tiempo y eliminando cualquier imprevisto en el viaje.

Pero, ¿cómo Google conoce todo estos cambios antes de que ocurran? Esto depende de algunas informaciones como:

  • Un historial de datos que contiene información de hace 13 años.
  • Más de mil millones de kilómetros en rutas de Google Maps.
  • Información en tiempo real de los sistemas de tráfico de las ciudades.
  • Avisos de accidentes, obras, vehículos averiados…
  • Información inferida de la geolocalización de otros vehículos que usan Google Maps (paradas inesperadas, velocidad, posición…).

Seguro que alguna vez te has guiado por el “tiempo estimado de llegada” de Google Maps. Pues esta predicción es precisa en el 97% de las veces. Aún así, esto varía según la ciudad en la que te encuentres, ya que son distintas y la calidad de los mapas y datos cambian. Gracias a los avances tecnológicos y los nuevos algoritmos, se han mejorado las predicciones de llegada en ciudades como Sidney, Berlín, Tokio, Washigton D.C., entre otras muchas más.

Para conseguir esto, una de las acciones ha sido dividir los mapas en supersegmentos, grupos de vías similares, tanto en vías como en carretera, que tengan más o menos el mismo tráfico a la misma velocidad.

En estos supersegmentos, varias carreteras y calles se comportan exactamente igual y así se consigue simplificar cálculos. Además, gracias a un modelo matemático llamado Red Neuronal Gráfica, se predicen los tiempos estimados de llegada. Este modelo funciona mejor que otros ya que es más parecido al efecto físico del tráfico rodado en una red.

Con la combinación de todos estos valores, la red neuronal calcula las pequeñas diferencias debidas a las intersecciones y cambios de vía, a las incorporaciones en las autopistas y el tiempo que se pierde en los atascos.

Para comprobar si todas estas ideas son correctas se necesita validarlos con datos. Pero precisamente eso no es lo que falta en Google Maps. Con la información generada por millones de conductores a diario, convenientemente anonimizada, la red aprende y verifica que sus predicciones son acertadas.

El resultado de todo esto son mejores algoritmos, que en algunas ciudades han mejorado más de un 50% los cálculos de los tiempos estimados de llegada, con el 20-30% como mejora. Así se puede calcular de una forma mucho más precisa a la hora de seleccionar la ruta óptima, dado que la inteligencia artificial es capaz de predecir cómo variará el tiempo de desplazamiento en función de las diversas señales que coge.

Nuestra gama de coches en Turismos La Raza cuenta con las últimas tecnologías implementadas. No dudes en venir a nuestro concesionario a conocer todos los vehículos.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *