Como o Google Maps usa inteligência artificial para prever o trânsito e indicar o melhor caminho

Todos os dias, mais de um bilhão de quilômetros são rodados com auxílio do Google Maps em mais de 220 países e territórios do mundo. Quando alguém entra no carro e começa a navegar com o aplicativo, logo recebe algumas informações: qual a rota a seguir, como está o trânsito pelo caminho, uma estimativa da duração do percurso e do horário de chegada (ou “ETA”, na sigla em inglês). Isso pode parecer simples, mas é resultado de uma porção de atividades que acontece nos bastidores, permitindo mostrar esses dados em questão de segundos. 
Hoje vamos falar sobre um dos nossos assuntos preferidos: trânsito e rotas. Para quem sempre quis entender como o Google Maps consegue prever um grande congestionamento ou escolher o melhor caminho para chegar lá, este texto vai ser interessante. 
Informações de trânsito ao vivo, alimentadas por motoristas do mundo todo
Quando as pessoas usam o Google Maps para circular, seus dados agregados de localização podem ser usados para compreender a situação do trânsito nas ruas de todo o planeta. Essas informações ajudam a avaliar a situação do trânsito naquele momento – por exemplo, se um congestionamento pode afetar a rota agora. Mas elas não permitem descobrir como estará o movimento dentro de dez, vinte ou até 50 minutos, caso você ainda esteja dirigindo. Nessa hora, entra em cena uma tecnologia peso-pesado. 
Previsões de trânsito; uma mistura de técnicas avançadas de aprendizado por máquina e um pouco de padrões históricos

Para prever o trânsito no futuro, o Google Maps analisa padrões anteriores de trânsito nas ruas, ao longo do tempo. Por exemplo, um padrão pode indicar que, na avenida 280 no norte da Califórnia, os carros rodam a uma velocidade média de 104 km/h entre às 6h e às 7h, mas apenas a 27 km/h no final da tarde. Então nós combinamos esse banco de dados de padrões de trânsito à situação do momento, e usa aprendizado de máquina para gerar previsões baseadas nessas duas informações. 

Recentemente, fechamos uma parceria com o DeepMind, laboratório de pesquisa em inteligência artificial (IA) da Alphabet. O objetivo é aprimorar a precisão de nossas previsões de trânsito. Nossas previsões de horário de chegada (ou “ETA”, na sigla em inglês) já têm uma barra de precisão muito alta – na verdade, vemos que nossas previsões têm sido consistentemente precisas em mais de 97% das viagens. Em parceria com a DeepMind, conseguimos reduzir a porcentagem de ETAs imprecisos ainda mais usando uma arquitetura de aprendizado de máquina conhecida como Graph Neural Networks – com melhorias significativas em lugares como Berlim, Jacarta, São Paulo, Sydney, Tóquio e Washington D.C. Esta técnica é o que permite ao Google Maps antever se você será afetado por uma lentidão que ainda nem começou!

Sempre alertas às mudanças

Há 13 anos o Google Maps oferece informações de trânsito. Ao longo desse período, os padrões históricos forneceram dados confiáveis sobre a situação das ruas – mas nem sempre as coisas funcionam assim. Desde o início da pandemia de COVID-19, os padrões ao redor do mundo sofreram mudanças drásticas. No início de 2020, quando a quarentena começou em diversos países, observamos uma redução de até 50% no trânsito mundial. De lá para cá, algumas regiões já reabriram gradualmente, enquanto outras continuam impondo restrições. Para levar em consideração essa mudança súbita, atualizamos nossos modelos para torná-los mais ágeis. Agora é possível priorizar automaticamente padrões históricos de trânsito das últimas duas a quatro semanas, e reduzir a prioridade dos padrões registrados antes disso. 

Como o Google Maps escolhe as rotas

Nossos modelos preditivos de trânsito são uma parte extremamente importante do trabalho para determinar as melhores rotas para o motorista. Se a previsão é que o trânsito comece a ficar pesado numa determinada direção, o Maps automaticamente encontra uma alternativa menos movimentada. Observamos também outros fatores, como a qualidade das ruas e avenidas. A via é asfaltada? É uma estrada de terra, de cascalho ou de lama? Tudo isso prejudica a rota, e a probabilidade do Maps recomendar esses caminhos é pequena. Avaliamos ainda a largura das vias, ou se elas representam um trajeto mais direto até o destino: às vezes, tomar uma avenida expressa é mais rápido do que ir por uma rua pequena e cheia de sinais de trânsito. 
Além disso, existem duas outras fontes importantes para o Maps determinar o melhor caminho: dados confiáveis das autoridades de trânsito locais e informações em tempo real compartilhadas pelos usuários. Graças aos dados das autoridades, o Maps fica sabendo de limites de velocidade, pedágios, interrupções causadas por obras na pista ou restrições de circulação relacionadas ao coronavírus. Já os alertas dos motoristas permitem saber se determinada via está fechada, se há um buraco no percurso, um carro quebrado ou um objeto no asfalto. Essas duas fontes também oferecem dados sobre mudanças repentinas nas condições – causadas, por exemplo, por deslizamentos de terra, alagamentos ou outros eventos climáticos extremos. 
Todas essas informações juntas, num só lugar
Mas como é que isso funciona na vida real? Bem, digamos que você está indo para uma consulta médica do outro lado da cidade, pelo mesmo caminho que costuma fazer sempre. No momento em que você sai de casa o trânsito está bom, livre, sem qualquer indício de problemas ao longo da rota. Somadas às informações em tempo real, as previsões de trânsito do Google Maps permitem informar que, se continuar por esse caminho habitual, é provável que você fique preso num congestionamento inesperado depois de dirigir 30 minutos – o que poderia comprometer a consulta. O Maps então redireciona automaticamente o trajeto, graças aos dados sobre as condições das ruas e incidentes ao redor. Com isso, você chega ao consultório na hora certa. 
Prever o trânsito e determinar rotas é um desafio extremamente complexo. Trabalhamos sem cessar para criar novas ferramentas e tecnologias para mantê-lo fora de congestionamentos e em uma rota que seja o mais segura e eficiente possível.
Publicado por Johann Lau, gerente de produto para o Google Maps

View full post on Blog do Google Brasil