30 septembre 2020
Quand Google Maps améliore les temps de trajet grâce à l’IA
L’apparition de Google Maps dans notre quotidien a largement changé nos façons de se déplacer à pied ou en voiture. Grâce à ce service de cartographie, Google permet non seulement un repérage facile de position, mais aussi une estimation du temps de trajet en vue d’éviter au mieux les embouteillages.
Récemment, un communiqué de presse annonce l’association de Google Maps à DeepMind, un laboratoire dédié à l’intelligence artificielle qui appartient à la maison-mère Alphabet. Cette nouvelle collaboration va une fois de plus contribuer à l’amélioration des temps de trajet et à l’estimation de chaque itinéraire choisi.
Google Maps, un moyen d’éviter les bouchons
Bien loin d’être une simple carte, Google Maps est un véritable accompagnateur routier vous permettant d’éviter les bouchons et de choisir l’itinéraire le mieux adapté à vos courses. Une fois l’application ouverte, on constate immédiatement les données en temps réel du trafic, les indications d’itinéraire et l’Estimation du Temps d’Arrivée ou ETA. Jusqu’à présent, l’appli est en mesure de prédire cette estimation avec précision à un pourcentage de 97 %.
Mais Google Maps ne s’arrête pas là. Sa collaboration avec Deep Mind lui assure une amélioration de la précision de son ETA de 16 % jusqu’à plus de 50 % selon le secteur. Cette prouesse est établie grâce au Machine Learning, une architecture d’apprentissage sophistiquée baptisée « Graph Neural Networks ».
Comment Google Maps a-t-il fait pour calculer le temps de trajet durant ces années ?
Afin de comprendre les avancées de la nouvelle méthode usant de l’IA à laquelle Google Maps a aujourd’hui recours, il convient de mettre le point sur ses anciennes pratiques pour calculer le temps de trajet. Auparavant, il prenait en référence les historiques de trafic enregistrées dans un endroit assez récemment. Il combinait ensuite ces historiques avec les informations de déplacement qui proviennent du téléphone mobile des utilisateurs. La gestion de l’ensemble se fait ensuite par le biais de l’algorithme d’une machine learning.
Bien que cette méthode soit déjà satisfaisante pour la majorité des utilisateurs, elle connait encore quelques failles et ne prévoit pas l’apparition d’évènement incident sur le trajet. D’une manière plus concrète, elle n’est pas en mesure de donner une imagerie précise du trafic dans les 10, 30 ou 60 minutes qui suivent.
Le Graph Neural Networks comme solution aux imprécisions
Google Maps n’hésite pas à faire appel aux avantages de l’IA pour proposer des temps de trajet encore plus précis. Une architecture d’apprentissage automatique, le Graph Neural Networks tient compte de tout nouvel élément apparaissant à des minutes près en vue d’affiner les prévisions de la cartographie. Il analyse notamment les limites de vitesse autorisées, la qualité routière et les évènements soudains menant à la création des bouchons.
D’après Google, l’exploitation de cette nouvelle technologie basée sur l’intelligence artificielle va apporter d’importants changements dans l’ETA. Dans un avenir proche, il serait même envisageable de connaitre les risques d’embouteillages sur une route avant même qu’ils apparaissent.
Des algorithmes intelligents s’adaptant au contexte actuel
Si depuis toujours le service de cartographie proposé par Google Maps s’avérait infaillible, cela a vite changé avec l’apparition du COVID-19. En effet, le confinement a considérablement fait baisser le trafic de 50 % à l’échelle mondiale. Et bien que le trafic dans certaines régions du globe commence à reprendre de manière progressive, cette baisse significative a grandement impacté la précision d’estimation de ses temps de trajet.
En vue de s’adapter à ce changement du contexte actuel, Google Maps est bien contrainte de mettre à jour ses algorithmes en des modèles plus intelligents et plus précis.
Comment Google Maps choisit-il désormais les itinéraires à proposer ?
Quel conducteur n’a jamais fait appel à la cartographie de Google pour se repérer ou pour choisir le bon itinéraire à opter selon le temps de trajet nécessaire ? En accédant à Google Maps, on atterrit automatiquement sur des recommandations d’itinéraires qu’il a préalablement choisis. Comment cette prédiction se fera-t-elle désormais avec la nouvelle initiative de Deep Learning ?
À part les informations propres au trafic, Google Maps va désormais prendre en référence les données qui proviennent des administrations locales ainsi que les commentaires laissés par les utilisateurs en temps réel sur l’application. L’appli va également se servir des rapports d’incident récemment envoyés par les conducteurs dans l’optique de savoir si un véhicule est actuellement en panne sur l’itinéraire ou encore si la route est clôturée pour cause de travaux. L’exploitation de ces deux sources va permettre une meilleure compréhension des conditions routières en temps réel pour au final mieux rendre service aux utilisateurs.
Grâce à l’intelligence artificielle et aux avancements du Big Data, Google Maps est désormais en mesure de vous conseiller sur les meilleurs itinéraires à choisir pour éviter des embouteillages ou d’autres contraintes routières.
Envie de découvrir d’autres actualités en rapport avec l’IA, la Data Science et le Machine Learning ? Suivez le blog de l’IA School.