Google Maps nie oblicza czasu przejazdu wyłącznie na podstawie limitów prędkości. To prognoza tworzona z użyciem uczenia maszynowego, danych historycznych i informacji o bieżącej sytuacji na drodze. System analizuje między innymi anonimowe dane GPS użytkowników, rzeczywiste tempo ruchu, korki, remonty oraz parametry infrastruktury.
Główne filary obliczeń
Podstawą prognozy są wzorce ruchu. Mapy Google sprawdzają, jak pojazdy poruszały się na danym odcinku w określonych dniach i godzinach. Dzięki temu inny czas może zostać wyliczony dla poniedziałkowego poranka, a inny dla sobotniego wieczoru.
Do danych historycznych system dołącza informacje bieżące. Jeżeli na trasie pojawi się korek, wypadek albo remont, model koryguje wcześniejsze założenia. Google opisuje ten proces jako łączenie historycznych wzorców ruchu z aktualnymi warunkami za pomocą uczenia maszynowego. W przetwarzaniu takich danych wykorzystywane są rozwiązania rozwijane między innymi przez DeepMind.
Algorytm korzysta z wielu źródeł informacji, w szczególności:
- Danych GPS użytkowników, które pokazują położenie i tempo przemieszczania się pojazdów.
- Historycznych prędkości na konkretnych odcinkach, z podziałem na pory dnia i dni tygodnia.
- Informacji o limitach prędkości i przebiegu dróg.
- Danych o remontach, zamknięciach, utrudnieniach i innych zmianach w infrastrukturze.
- Informacji o bieżącym natężeniu ruchu, na podstawie których można wykryć spowolnienia.
Poszczególne grupy danych pełnią różne funkcje w prognozie:
| Czynnik | Rola w obliczeniach | Charakterystyka |
|---|---|---|
| Dane historyczne | Pokazują typowy czas przejazdu | Uwzględniają wzorce zależne od pory dnia, dnia tygodnia i sezonu. |
| Dane bieżące | Korygują prognozę | Odzwierciedlają aktualne korki, wypadki, awarie i inne utrudnienia. |
| Infrastruktura | Określa warunki przejazdu | Obejmuje przebieg drogi, ograniczenia, remonty i jakość danych mapowych. |
Dokładne wagi poszczególnych informacji nie są publicznie znane. Można jednak przyjąć, że system nie stosuje jednego sztywnego wzoru dla każdej trasy. Model dobiera prognozę do charakterystyki miejsca i aktualnej sytuacji.
Wpływ zachowań kierowców na wynik
Najwięcej wątpliwości budzi pytanie, czy Google Maps uwzględnia przekraczanie dozwolonej prędkości. Odpowiedź wymaga rozróżnienia dwóch rzeczy. Limity prędkości są jednym z parametrów opisujących drogę, ale prognoza czasu nie musi być prostym wynikiem podzielenia długości trasy przez prędkość zapisaną na znaku.
Algorytm obserwuje przede wszystkim to, jak pojazdy faktycznie poruszają się w danym miejscu. Jeżeli na określonym odcinku większość kierowców regularnie jedzie szybciej niż wynikałoby to z ograniczenia, historyczna średnia prędkość może być wyższa od prędkości dopuszczalnej. W konsekwencji wyliczony czas przejazdu także może okazać się krótszy niż czas wynikający z jazdy dokładnie zgodnej z limitami.
Nie oznacza to, że Google Maps celowo zachęca do łamania przepisów. Jest to raczej konsekwencja statystycznego sposobu działania systemu. Model ma przewidywać rzeczywisty ruch, a nie tworzyć teoretyczny czas przejazdu oparty wyłącznie na znakach drogowych. Zachowanie kierowców staje się więc jednym z parametrów wejściowych, nawet jeśli nie jest oceniane ani wartościowane przez algorytm.
Ta różnica tłumaczy, dlaczego czas podany przez aplikację może być osiągalny dla typowego ruchu na danej trasie, ale niekoniecznie dla kierowcy, który przez cały odcinek przestrzega ograniczeń. Prognoza jest opisem przewidywanego przebiegu podróży, a nie prawnym limitem ani gwarancją, że konkretny kierowca pokona trasę w identycznym czasie.
Modele uczenia maszynowego potrafią też reagować na nagłe zmiany. Gdy podczas pandemii ruch na wielu drogach gwałtownie spadł, wcześniejsze wzorce przestały dobrze opisywać rzeczywistość. W takich sytuacjach większe znaczenie zyskują nowsze dane, a system może szybciej dostosować prognozy do nowych warunków. Szczegółowe zasady aktualizacji modeli pozostają jednak własnością Google.
Dlaczego Mapy Google czasem się mylą?
Żaden model statystyczny nie przewidzi wszystkich zdarzeń. Prognoza może być mniej dokładna zwłaszcza w następujących sytuacjach:
- Nagłe wypadki, awarie, blokady dróg lub gwałtowne załamanie pogody pojawiają się zanim system zbierze wystarczająco dużo danych.
- Na drogach o małym natężeniu ruchu jest mniej sygnałów GPS, dlatego pojedynczy przejazd może silniej wpłynąć na wynik.
- Nieaktualne albo niepełne dane o remontach, objazdach i organizacji ruchu mogą prowadzić do błędnego wyboru trasy.
- Nietypowe wydarzenia, święta, koncerty lub nagłe zmiany organizacji ruchu zaburzają zwykłe wzorce historyczne.
Ograniczeniem jest także sama jakość danych GPS. Sygnał może być mniej precyzyjny w tunelach, między wysokimi budynkami lub w miejscach, gdzie drogi przebiegają blisko siebie. System musi wtedy szacować, którym odcinkiem poruszał się użytkownik.
Czas wyświetlany przez Google Maps należy traktować jako prognozę opartą na statystyce, a nie gwarancję dotarcia do celu. Jego wartość polega na tym, że łączy typowe zachowanie ruchu z aktualnymi warunkami i może korygować wynik, gdy sytuacja na drodze się zmienia.
