谷歌地图利用DeepMind AI工具帮助用户预测预计到达时间

2020-09-04 09:14:51来源：cnBeta 关键词：人工智能电子地图阅读量：26021

导读：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。

　　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今日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，我们看到的流量减少了50%。为了应对这一突然变化，我们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。

　　原标题：谷歌地图利用DeepMind AI工具帮助用户预测预计到达时间

上一篇：机器人力控研发商盈连科技完成Pre-A轮融资

下一篇：大疆创新发布用于企业无人机运营的任务管理软件

我要评论

昵称

匿名

文明上网，理性发言。（您还可以输入200个字符)

表情

所有评论仅代表网友意见，与本站立场无关。

全域人工智能之城建设驶入快车道
市科委、中关村管委会，市经济和信息化局，市发展改革委，市政务和数据局，市卫生健康委，北京经开区管委会领导出席，来自各央国企、研究机构，及京内外近500家人工智能上下游生态企业与会。
人工智能中国智造
2025-04-30 09:49:19
AI已经成为人形机器人最大的瓶颈？
在看似繁荣的表象下，行业共识正在逐渐浮现：人工智能(AI)技术的滞后，已成为人形机器人实现真正智能化的最大瓶颈。
人形机器人人工智能
2025-04-28 15:32:08
从“原子”到算法！人工智能领域的“元素周期表”诞生
研究团队发现，处于同一“主族“的算法(如支持向量机与核方法)具有相似的数学内核，而位于相同“周期“的算法(如决策树与随机森林)则共享相近的泛化能力图谱。
人工智能计算机科学
2025-04-27 17:01:21
宾利发布突破性人工智能皮革检测技术
人工智能皮革检测系统并不能完全取代宾利训练有素的工匠的技艺。通过自动化人工检测流程，该系统能够提供最高品质的皮革，工匠们可以用它来打造精致的手工缝制细节。
人工智能皮革检测技术
2025-04-27 14:42:55
早报|深圳大学人工智能学院正式揭牌成立；SK海力士完成96GB CXL内存模块验证
深圳大学人工智能学院正式揭牌成立,学院建设基础学科研究中心和算力平台，与腾讯云共建产业学院；SK海力士宣布，其基于CXL 2.0标准的DDR5 96GB内存模块已通过客户验证......
人工智能内存模块数据传输设备
2025-04-23 10:41:12
宝马押宝人工智能，能赌赢吗？
宝马在电池续航方面也取得了显著进展，宝马第六代动力电池技术搭载大圆柱电芯，能量密度提升至300Wh/kg，支持15分钟内完成80%电量快充。
宝马人工智能
2025-04-16 14:58:14

版权与免责声明：

凡本站注明“来源：智能制造网”的所有作品，均为浙江兴旺宝明通网络有限公司-智能制造网合法拥有版权或有权使用的作品，未经本站授权不得转载、摘编或利用其它方式使用上述作品。已经本网授权使用作品的，应在授权范围内使用，并注明“来源：智能制造网”。违反上述声明者，本站将追究其相关法律责任。

本站转载并注明自其它来源（非智能制造网）的作品，目的在于传递更多信息，并不代表本站赞同其观点或和对其真实性负责，不承担此类作品侵权行为的直接责任及连带责任。如其他媒体、平台或个人从本站转载时，必须保留本站注明的作品第一来源，并自负版权等法律责任。如擅自篡改为“稿件来源：智能制造网”，本站将依法追究责任。

鉴于本站稿件来源广泛、数量较多，如涉及作品内容、版权等问题，请与本站联系并提供相关证明材料：联系电话：0571-89719789；邮箱：1271141964@qq.com。