Aplikacje nawigacyjne czasami prowadzą nas do ruchu. Ale dlaczego?

Wiele aplikacji nawigacyjnych, takich jak Mapy Google, jest codziennie aktualizowanych z dodatkami, takimi jak obsługa poleceń głosowych, mapy offline i opcje udostępniania lokalizacji. Wszystkie jednak opierają się na tym samym podejściu. Wszystkie mają na celu zabranie kierowców do określonego miejsca docelowego zgodnie z zestawem wymagań, gdzie priorytetem jest prędkość jazdy i ucieczka z ruchu.

Ale dlaczego czasami prowadzą nas ścieżką, na której panuje największy ruch, a co za tym idzie najdłuższa?

Obraz ruchu – aplikacje nawigacyjne

W przeszłości rozwiązania nawigacyjne ewoluowały od podstawowego oprogramowania – instalowanego na GPS bez dostępu do Internetu – do bardziej zaawansowanych urządzeń i smartphones które pobierają wszystkie potrzebne dane ze zdalnego serwera.

Crowdsourcing

Crowdsourcing to pozyskiwanie usług od dużej grupy osób w społeczności internetowej, a nie korzystanie z tradycyjnego zespołu pracowników.

Siła crowdsourcingu, jak na przykład w przypadku Waze, jest magicznym składnikiem, który znacznie zwiększa dokładność, dzięki czemu znajduje trasę zgodną z oczekiwaniami użytkownika.

Jednak nie ma aplikacji nawigacyjnej, która zawsze jest w 100% dokładna. A jeśli używasz ich regularnie, to zapewne wiesz, że czasami te aplikacje po prostu przekaż to do ruchu, znacznie zwiększając szacowany czas podróży.

W jaki sposób te aplikacje podają prognozy ruchu?

Aby zrozumieć, dlaczego może się to zdarzyć prawie w każdej chwili, bardzo ważne jest, aby najpierw zobaczyć, w jaki sposób te aplikacje nawigacyjne podają prognozy natężenia ruchu.

Podobnie jak pozostałe rozwiązania nawigacyjne, aplikacje mobilne, Jak na przykład Mapy Google, które pierwotnie zbierały dane, opierały się na czujnikach ruchu zainstalowanych przez agencje rządowe na całym świecie. Nie trzeba dodawać, że ta metoda przyszedł ze zmniejszoną precyzjąpo prostu dlatego, że wzorce ruchu nie były oparte na informacjach w czasie rzeczywistym.

Ogromna aktualizacja aplikacji nawigacyjnej

W 2009 roku firma Google zaktualizowała swoje systemy, aby polegać również na crowdsourcingu, gromadząc w ten sposób anonimowe dane z innych urządzeń korzystających z Google Maps do generowania podobnych wzorców ruchu. Innymi słowy, Google właśnie wykorzystał czujniki zainstalowane na urządzeniach z Androidem, aby zobaczyć prędkość samochodów na każdym odcinku drogi i, korzystając ze złożonego algorytmu, był w stanie generować trasy.

Obraz w Mapach Google

Ta aktualizacja znacznie zwiększyła dokładność czasów podróży, zwłaszcza że otrzymany zestaw danych był znacznie wyższy. W zasadzie prawie każde urządzenie z Androidem i Google Maps stało się źródłem informacji, a o ile więcej smartphones na ulicy, tym więcej danych otrzyma Google.

Podejście crowdsourcingowe zostało odświeżone w 2013 roku, kiedy Google kupiło Waze – aplikację, która opiera się na dużej społeczności jako źródle informacji. To użytkownicy zgłaszają duży ruch, wypadki, pułapki prędkości i nie tylko, co sprawia, że znacznie poprawiona dokładność.

Zasadniczo GPS offline zapewniał najniższą dokładność, podczas gdy model crowdsourcingowy Google znacznie go poprawił, zbierając dane z urządzeń. Dokładność w końcu zyskała kolejny wzrost, umożliwiając użytkownikom ręczne tworzenie własnych raportów.

Obraz crowdsourcingowy, używany przez Mapy Google i Waze

Mapy Google opierają się na dwóch koncepcjach unikania ruchu

W tym momencie Mapy Google wykorzystują mieszankę wyżej wymienionych pojęć. Aplikacja nawigacyjna opiera się nie tylko na historycznych wzorcach ruchu, ale także na aktualnych warunkach ruchu otrzymywanych z urządzeń z systemem Android, dzięki czemu Google może połączyć wszystko, aby zapewnić możliwie najdokładniejszy szacowany czas podróży.

Technologia uczenia maszynowego pomaga oszacować czas dojazdu, próbując przewidzieć, ile czasu zajmie dotarcie do miejsca docelowego, po prostu zgadując, jak zmienią się wzorce ruchu podczas jazdy, korzystając z danych historycznych.

Dlaczego te aplikacje nie są w 100% dokładne?

W rzeczywistości ten sposób łączenia historycznych wzorców ruchu z warunkami w czasie rzeczywistym może mieć swoje zalety i wady.

Po pierwsze sistema może jedynie odgadywać zmianę warunków ruchu, szacując możliwe spowolnienia spowodowane przez korki, ale nie może brać pod uwagę nieprzewidywalnych zdarzeń, takich jak wypadki. Tak więc zbieranie danych z urządzeń z Androidem powinno teoretycznie być sistema bezbłędnie, ale z drugiej strony bardzo łatwo cię oszukać.

Obraz ruchu – aplikacje nawigacyjne

To właśnie zrobił berliński artysta Simon Weckert w zeszłym roku, kiedy użył 99 smartphones Android z Google Maps w celu generowania fałszywego natężenia ruchu. Aplikacja nawigacyjna została niemal natychmiast zaktualizowana o niedokładne informacje, a kierowcom powiedziano, aby unikali ulicy, na której 99 smartphones były „zaparkowane”.

Ogólnie rzecz biorąc, głównym powodem, dla którego te aplikacje nie zawsze są dokładne, jest dokładnie to sistema to czyni je tak dokładnymi. Więc chociaż nie ma sposobu na odgadnięcie, kiedy mogą wystąpić nieprzewidywalne zdarzenia, takie jak wypadki, jest to praktycznie niemożliwe do osiągnięcia 100% dokładności.