通常你手機里的導航App可以幫你了解當前路況的信息，但無法預測未來10分鐘、20分鐘甚至50分鐘后的情況。在這個環節里，人工智能就發揮了作用。

近日，谷歌在其官方博客上宣布，谷歌地圖已經啟用DeepMind新研發的機器學習模型，可以實時預測未來交通擁堵情況。

谷歌在博客中介紹，使用新模型后，谷歌地圖在某些城市的實時預測到達時間準確性提高了50%。“我們的模型在預測達到時間上的準確度已經非常高，在97%的行程中都保持準確，通過和DeepMind合作，我們可以使Graph Neural Networks進一步減少不準確的預測到達時間百分比。”谷歌在博客中稱。

谷歌稱，谷歌地圖在某些城市的實時預測到達時間準確性提高了50%。圖源：谷歌

該模型預測準確度的提高得益于數據的全面性。據谷歌介紹，新模型加入了以下數據：從Android設備匿名收集的實時交通信息，歷史交通數據，來自地方政府的速度限制和建筑工地等信息，以及任何給定道路的質量，大小和方向等信息。

作為谷歌母公司Aphabet旗下的人工智能明星公司，DeepMind一直希望將自己的技術能與實際應用相結合。據DeepMind介紹，在這次與谷歌地圖的合作中，公司設計的模型將地圖劃分為“超級路段”：相鄰街道共享交通流量。每一個超級路段都有一個神經網絡進行配對，該神經網絡可以對該路段進行流量預測。目前尚不清楚這些超級路段的大小，但是谷歌表示它們的大小是“動態”變化的，這表明它們會隨著流量的變化而變化，并且每個路段的信息量都達到了萬億字節。整個過程的關鍵是使用Graph Neural Networks，DeepMind表示該神經網絡特別適合處理此類映射數據。

谷歌稱，在整個模型中，有兩個數據至關重要：地方政府的權威數據和來自用戶的實時反饋。權威數據可讓谷歌地圖知道限速，通行費或某些道路是否因建筑或新冠疫情等受到限制。駕駛員的實時反饋則可以幫助谷歌地圖快速顯示道路或車道是否封閉，附近是否有建筑物，道路上是否有殘疾人專用車輛或物體等。同時，這些數據還可以幫助地圖了解受泥石流，暴風雪或其他自然力影響，道路狀況發生的意外變化。

在這套模型的幫助下，用戶可以使用最有效的行車路線。比如，當模型預測某個方向的交流流量會可能會增加時，會自動為用戶找到低交通流量的提單方案。同時模型還會考慮道路質量因素，如果道路還未鋪成或有碎石、污垢和泥土覆蓋，模型也會讓用戶選擇替代方案。

回到現實生活中，你未來或許不用擔心路況問題，而能如期赴約。當你離開家時，交通情況可能是暢通無阻，零干擾。但谷歌地圖可以預測和實時路況，你可以獲知，如果繼續沿當前道路行駛，很有可能在行駛約30分鐘之內陷入意料之外的交通堵塞，這意味著用戶有可能會錯過約會。因此谷歌地圖會利用其對附近道路狀況和事件的了解，自動為用戶重新安排路線，從而幫助其完全避免交通擁堵，按時赴約。