据外媒报道，谷歌地图是该公司使用广泛的产品之一，其预测未来交通堵塞的能力使其成为许多司机不可或缺的工具。谷歌表示，每天有超10亿公里的道路在该应用的帮助下被用户行驶。但正如这个搜索巨头在日前发表的博客文章中解释的那样，得益于DeepMind的机器学习工具，它的功能将变得更加精确。
DeepMind是谷歌母公司Alphabet旗下的一家总部位于伦敦的人工智能实验室。
在这篇博文中，谷歌和DeepMind的研究人员解释了他们如何从各种来源获取数据并将其输入到机器学习模型中以预测交通流量。这些数据包括从Android设备上匿名收集的实时交通信息、历史交通数据、当地政府提供的限速和建筑工地等信息以及任何给定道路的质量、大小和方向等因素。因此，在谷歌的估计中，铺设的道路比未铺设的道路要好，而算法会认为有时在高速公路上走一段较长的路比在多条蜿蜒的街道上走要快。
所有这些信息都被输入由DeepMind设计的神经网络，这些神经网络从数据中挑选出模式并利用它们来预测未来的交通。谷歌表示，在一些城市，它的新模型已经将谷歌地图实时预计到达时间的准确性提高了50%。它还指出，随着疫情的爆发以及随后道路使用情况的变化，它不得不改变用于进行这些预测的数据。
谷歌地图产品经理Johann Lau写道：“当2020年初开始封锁时，我们看到全球的流量减少了50%。为了应对这一突然变化，我们最近更新了我们的模型使其变得更加敏捷--自动对过去两到四周的历史交通模式进行优先排序并排除此前任何时候的交通模式。”
该模型的工作原理是将地图划分为谷歌所说的“超级路段”--即共享交通量的相邻街道群。每一个都跟一个单独的神经网络配对，对该领域的交通进行预测。目前尚不清楚这些超级路段有多大，但谷歌指出它们的大小范围是“动态”的，这意味着它们会随着流量的变化而变化，而且每一个该功能的人都利用了TB级别的数据。这个过程的关键是使用一种特殊类型的神经网络--图形神经网络(Graph Neural Network)，谷歌说它特别适合处理这类映射数据。