Google Maps: Künstliche Intelligenz soll Staus vorhersagen und vermeiden – Detaillierte Karten nun verfügbar

Google gibt an täglich weltweit über eine Milliarde Kilometer Stau in mehr als 220 Ländern zu erfassen. Da fährt man mit der Analyse einer Vielzahl an Smartphones ganz gut und bietet schnelle Alternativrouten an, wenn man sich nicht gerade durch einen Berliner Künstler auf die Schippe nehmen lässt.

In einem aktuellen Blog-Beitrag beschreibt Google seine Stauanalysen und -prognosen mittels künstlicher Intelligenz etwas genauer. Allseits bekannt ist hierbei die Verwendung von aggregierten Standortdaten, eben jene wurden der Stauanalyse im Eingangsbeispiel bekanntlich zum Verhängnis. Damit hat Google aktuelle Informationen und Live-Daten zur aktuellen Verkehrsdichte zur Verfügung.

Spannend wird es nun für Prognosen, wie sich ein Stau auf die Fahrtzeit auswirkt, denn Google Maps liefert bekanntlich ziemlich genaue Schätzungen der Ankunftszeit. Der „Zauber dahinter“ wird von Machine-Learning-Technologien erbracht. Google erhebt die Live-Daten nicht nur, sondern speichert diese zur Ermittlung historischer Verkehrsmuster ab. Daraus ergeben sich Daten wie eine durchschnittliche Reisegeschwindigkeit zu einer spezifischen Tageszeit. Mittels maschinellen Lernens bringt man die Datensätze der historischen Verkehrsmuster und der realen Verkehrssituation für Vorhersagen miteinander in Einklang um entsprechende Prognosen abzugeben.

Google hat einige Studien zur Genauigkeit der voraussichtlichen Ankunftszeit erstellt und konnte hierbei eine 97 prozentige Trefferwahrscheinlichkeit erzielen, welche man durch neuronale Netze aus Großstädten wie Jakarta, São Paulo, Sydney, Tokio und Washington D.C – aber ironischerweise – auch Berlin weiter erhöhen konnte.

Drastische Veränderungen der Verkehrsmuster – und somit weniger zuverlässige Prognosen aufgrund historischer Muster – konnte man dann mit Beginn der COVID-19-Pandemie rund um den Globus feststellen. Google spricht hierbei von einem um bis zu 50 Prozent zurückgegangenem Verkehrsaufkommen während einiger Lockdowns. Auch hieraus zog man Rückschlüsse, um sich auf unvorhergesehene Ereignisse flexibler anzupassen: Die historischen Verkehrsmuster-Daten der letzten zwei bis vier Wochen werden nun automatisch priorisiert.

Ebenfalls ein spannender Einblick hinter die Kulissen: Google berücksichtigt nach eigenen Angaben für die Prognosen auch Faktoren wie die Straßenqualität (gepflastert vs. nicht gepflastert, bedeckt durch Kies, Schmutz, Schlamm etc.). Hieraus leitet man auch entsprechende Routen-Empfehlungen durch die Einschätzung der Befahrbarkeit ab. In die Prognosen bezieht man außerdem die Kenntnis zur Straßengröße und Direktheit – z.B. einer Autobahn – mit ein.

Ebenfalls fließen Daten durch Kommunalverwaltungen oder Nutzerfeedback mit in die Prognosen: Hierzu zählen Einfluss-nehmende Faktoren wie Baustellen, Straßensperrungen, sowie Sperrungen einzelner Spuren oder auch die Kenntnis über die geltenden Geschwindigkeitsbeschränkungen.

Im Übrigen ist nun auch das aktuelle Google-Maps-Update in den Apps und im Browser verfügbar: Durch die Verwendung neuer Farbcodes spiegelt man die landschaftlichen Gegebenheiten auch auf der Maps-Karte detailgetreuer wider.

• Google