El Data Science, clave para que Google Maps prediga el tráfico

Share on facebook
Share on twitter
Share on linkedin
Share on pinterest
Share on whatsapp
Share on telegram
Share on email

Google Maps se sirve del machine learning y de los datos que recaba con la geolocalización para hacer predicciones en función de la vía y de la densidad de vehículos.

Google Maps no tiene una bola de cristal, pero a veces lo parece. ¿Cómo es posible que sepa que a las 7 de la mañana la M-30 de Madrid va a ir de bote en bote? ¿Y cómo puede conocer cuál es la hora punta de entrada o salida de los niños del colegio y avisar de que hay atascos o de desvíos alternativos donde el tráfico es más fluido? La respuesta está en el Data Science.

A diario se recorren más de mil millones de kilómetros con Google Maps en más de 220 países y territorios de todo el mundo. Seguro que cuando te subes a tu coche y pones en marcha Google Maps se te muestra instantáneamente información sobre qué camino tomar, si hay bastante tráfico a lo largo de la ruta o todo lo contrario o cuánto tiempo tardarás en llegar.

Sin embargo, «predecir el tráfico y determinar rutas es muy complejo», afirman desde la propia compañía en su página web. Cuando se utiliza Google Maps, los datos de ubicación que se comparten se pueden emplear para comprender las condiciones del tráfico en las carreteras de todo el mundo. Pero si bien esta información ayuda a conocer estimaciones de tráfico, no tiene en cuenta cómo será el tráfico a los 10, 20 o incluso 50 minutos del viaje. Aquí es donde entra en juego la Inteligencia Artificial de esta herramienta.

Para predecir cómo será el tráfico en un futuro cercano, Google Maps analiza los patrones de tráfico históricos de las carreteras a lo largo del tiempo. Por ejemplo, un patrón puede mostrar que una autovía generalmente tiene vehículos que viajan a una velocidad de 100 km/h entre las 6 y las 7 de la mañana, pero que la velocidad de estos aumenta hasta los 120 km/h por la tarde. Al combinar esta base de datos con las de cómo está el tráfico en un momento determinado, se pueden generar predicciones basadas en ambos conjuntos de datos.

Determinar rutas

Los modelos de tráfico predictivo también son una parte esencial para que Google Maps seleccione unas rutas u otras. Si se predice la probabilidad de que el tráfico sea denso en una dirección, automáticamente Google Maps buscará una alternativa con menor tráfico. También se consideran consideramos otros factores, como la calidad de la carretera. ¿El camino está pavimentado o sin pavimentar, o está cubierto de grava, tierra o barro? Elementos como estos pueden hacer que sea difícil conducir por una carretera y es menos probable que se recomiende esta vía como parte de su ruta.

Estas predicciones, que con el apoyo de DeepMind alcanzan el 97 por ciento de precisión, se han visto afectadas por los cambios en el comportamiento de las personas derivados de la pandemia de Covid-19: los confinamientos en distintos países redujeron drásticamente el tráfico, mientras que la posterior apertura ha estado generalmente acompañada de alguna medida que restringía la movilidad.

Share on facebook
Share on twitter
Share on linkedin
Share on pinterest
Share on whatsapp
Share on telegram
Share on email

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

TE PUEDE GUSTAR

EVENTOS

RECIBE LA NEWSLETTER

*Email:

*Nombre:

*Empresa:

Cargo:

Sector:
     

Please don't insert text in the box below!

ESCUCHA NUESTRO PODCAST

SÍGUENOS EN RRSS

MÁS COMENTADOS

Ir arriba