X

Deutlich bessere Routen: DeepMind bringt Google Maps richtig voran

Bisher war DeepMind für viele nicht mehr als die kuriose KI-Tochter von Alphabet. Jetzt hilft die Künstliche Intelligenz dabei, einen der beliebtes­ten Google-Dienste deutlich zu verbessern: Google Maps. Neuronale Netze heben Routenberechnungen auf ein neues Niveau.
Google
04.09.2020  17:00 Uhr

DeepMind macht die Voraussagen auf Google Maps deutlich präziser

Vor 13 Jahren hatte Google damit begonnen, auf Maps Voraussagen zur wahrscheinlichen Reisedauer und Ankunftszeit zu liefern, die auch die aktuelle Verkehrslage mit einbeziehen. Jetzt spricht Google darüber, wie man diese Fähigkeiten zur Verkehrsprognose mithilfe des KI-Forschungslabor DeepMind deutlich verbessert haben will. Demnach konnte man in Städten wie Sydney, Tokio, Berlin, Jakarta, Sao Paulo und Washington DC zeigen, dass durch den Einsatz einer Technik namens "Graph Neural Networks" die Voraussagen zur Ankunftszeit um bis zu 50 Prozent genauer ausfallen.
Nie wieder 'verloren trotz Navi': Google Maps mit Kamera-Integration
videoplayer02:10
Wie Johann Lau, Produktmanager von Google Maps, laut ZDNet erläutert, wird die KI dabei mit aggregierten Standortdaten und historischen Verkehrsmustern gefüttert, um die lokalen Verkehrsbedingungen genauer zu verstehen. Bisher wurde dabei jedoch eines nicht berücksichtigt: Wie könnte der Verkehr aussehen, wenn während der Fahrt ein Stau auftritt, der zwar nicht auf der Hauptroute liegt, sich aber auf diese auswirken könnte. "Unsere Experimente haben gezeigt, dass durch die Erweiterung auf angrenzende Straßen, die nicht Teil der Hauptstraße sind, die Vorhersagekraft zunimmt", so die DeepMind-Forscher.

Google Maps: Redesign 2020

Ein Blick auf Nebenstrecken

"Man muss sich vorstellen, wie ein Stau auf einer Nebenstraße überlaufen kann, um den Verkehr auf einer größeren Straße zu beein­trächtigen. Durch die Überbrückung mehrerer Kreuzungen gewinnt das Modell die Fähigkeit, Verspätungen an Kurven, Verspätungen aufgrund von Zusammenschlüssen und die Gesamtfahrzeit im Stop-and-Go-Verkehr nativ vorherzusagen", so Lau. Wie der Google-Manager betont, sind es dabei vor allem Daten der letzten zwei bis vier Wochen, die für das Modell die größte Relevanz haben.

Die Leistungsfähigkeit der KI erlaubt es aber, für die Voraussage auf Google Maps noch wesentlich kleinteiligere Faktoren mit einzubeziehen: "Wir betrachten auch eine Reihe anderer Faktoren, wie die Straßenqualität. Ist die Straße asphaltiert (...) oder mit Kies, Schmutz oder Schlamm bedeckt?"
Verwandte Themen
Google Maps Google Street View
☀ Tag- / 🌙 Nacht-Modus
Desktop-Version anzeigen
Impressum
Datenschutz
Cookies
© 2024 WinFuture