جزئیات وبلاگ

shape
shape
shape
shape
shape
shape
shape
1399/07/02 - اخبار فناوری

گوگل مپس چگونه از هوش مصنوعی برای پیش‌بینی زمان رسیدن به مقصد استفاده می‌کند؟

گوگل مپس (Google Maps) یکی از پراستفاده‌ترین سرویس‌های گوگل به‌حساب می‌آید که برای بسیاری از افراد در سراسر دنیا نامی آشنا است. قابلیت گوگل مپس برای پیش‌بینی ترافیکی که در حال وارد شدن به آن هستید، باعث می‌شود این سرویس برای بسیاری از رانندگان کاربرد زیادی داشته باشد. گوگل می‌گوید هر روز مجموعا بیش از یک میلیارد کیلومتر جاده به کمک سرویس گوگل مپس توسط مردم طی می‌شود. گوگل با انتشار پستی جدید در وبلاگ رسمی خود اعلام کرد قابلیت‌های سرویس مپس به‌لطف استفاده از ابزار یادگیری ماشین شرکت دیپ‌مایند (DeepMind) بسیار پیشرفته‌تر و دقیق‌تر از قبل شده‌ است. دیپ‌مایند در لندن فعالیت دارد و تحت مالکیت شرکت مادر گوگل یعنی آلفابت است.

محققان گوگل و دیپ‌مایند در بیانیه‌ی جدیدی که روی وبلاگ گوگل مننتشر شد توضیح می‌دهند که چگونه داده‌ها را از منابع مختلف دریافت و آن‌ها را به‌درون مدل‌های یادگیری ماشین تزریق می‌کنند تا به‌لطف فناوری یادگیری ماشین، جریان ترافیک پیش‌بینی شود. داده‌های موردبحث شامل مواردی مثل داده‌های ترافیکیِ جمع‌آوری‌شده به‌صورت ناشناس از دستگاه‌های اندرویدی، داده‌های مربوط به تاریخچه‌ی ترافیک و اطلاعاتی همچون محدودیت سرعت در جاده و مراکز ساخت‌و‌ساز از مقامات محلی است.

محققان گوگل همچنین فاکتورهایی نظیر کیفیت، ابعاد و مسیر تمامی جاده‌ها را بررسی و آن را به یادگیری ماشین تزریق می‌کنند تا دقیق‌ترین پیش‌بینی ارائه شود. در معیارهای گوگل، جاده‌های آسفالت‌شده بهتر از جاده‌های غیرآسفالت هستند. الگوریتم یادگیری ماشین دیپ‌مایند گاهی اوقات به این نتیجه می‌رسد که طی کردن مسیر طولانی‌تری از بزرگ‌راه ‌به‌مدت زمان کمتری نسبت‌به طی کردن مسیر در جاده‌های پرپیچ‌و‌خم نیاز دارد؛ حال آنکه راننده ممکن است خلاف این موضوع را فکر کند.

تمامی داده‌هایی که درباره‌ی آن‌ها بحث کردیم به‌درون شبکه‌های عصبی طراحی‌شده توسط دیپ‌مایند فرستاده می‌شوند. این شبکه‌های عصبی می‌توانند الگوهای موجود در داده‌ها را شناسایی کنند و از آن‌ها برای پیش‌بینی ترافیک آینده بهره بگیرند. گوگل می‌گوید مدل‌های یادگیری عمیق جدیدش میزان دقت تخمین مدت‌زمان رسیدن به مقصد را در برخی از شهرها ۵۰ درصد افزایش داده‌اند. گوگل می‌گوید پس از دنیاگیری ویروس کرونا و تغییرات ناشی از آن در زمینه‌ی استفاده از جاده‌ها مجبور شد به‌منظور انجام پیش‌بینی، داد‌ه‌هایی را که استفاده می‌کند تغییر دهد. 

جوان لائو، مدیر محصول گوگل مپس، در بیانیه‌ی جدید گوگل می‌گوید او و اعضای تیمش پس از بررسی دقیق متوجه شدند که در اوایل ۲۰۲۰ پس از آغاز قرنطینه‌ی خانگی در پی دنیاگیری ویروس کرونا، ترافیک جهانی به‌میزان ۵۰ درصد کاهش پیدا کرد. گوگل در همین راستا مجبور شد مدل‌های یادگیری عمیق خود را متحول کند تا سیستم پیش‌بینی گوگل مپس با این تغییر ناگهانی انطابق یابد. گوگل مپس در این مدل جدید الگوهای ترافیکی دو تا چهار هفته‌ی اخیر هر جاده را بررسی و آن‌ها را به‌صورت خودکار اولویت‌بندی می‌کند. الگوهایی که متعلق به بازه‌ی زمانی قدیمی‌تر هستند، از اولویت سیستم خارج می‌شوند.

گوگل می‌گوید مدل‌های جدیدش نقشه را به آنچه که این شرکت «اَبَربخش» می‌نامد تقسیم می‌کنند. منظور از ابربخش، دسته‌هایی از خیابان‌های مجاور هم است که حجم ترافیک، میان آن‌ها توزیع می‌شود. هر یک از این ابربخش‌ها درکنار شبکه‌ی عصبی مجزایی قرار می‌گیرد که به‌طور ویژه مشغول پیش‌بینی ترافیک برای آن ابربخشِ به‌خصوص می‌شود و کاری به بخش‌های دیگر ندارد. درحال‌حاضر به‌طور دقیق مشخص نیست‌ که ابربخش‌های تعریف‌شده توسط گوگل چقدر بزرگ هستند؛ بااین‌حال گوگل می‌گوید این ابربخش‌ها ابعاد پویا دارند، بدین معنی که هرچه ترافیک متحول شود، ابعاد این بخش‌های بزرگ نیز تغییر می‌کند. گوگل اعلام می‌کند که هر یک از این ابربخش‌ها از یک ترابایت داده استفاده می‌کند.

کلید اصلی برای امکان‌پذیرکردن تحلیل ترافیک در این ابربخش‌ها، استفاده از نوع خاصی از شبکه‌ی عصبی است که با نام Graph Neural Network شناخته می‌شود. گوگل می‌گوید این نوع خاص از شبکه‌ی عصبی به‌گونه‌ای طراحی شده که از پیش‌نیازهای لازم برای انجام کارهای مدنظر شرکت بهره می‌برد.

گوگل مپس چگونه از هوش مصنوعی برای پیش‌بینی زمان رسیدن به مقصد استفاده می‌کند؟