Recevez chaque jour toute l'actualité du numérique

x

Google Maps s'est rapproché de DeepMind pour améliorer l'estimation de l'heure d'arrivée en voiture

Bousculé par le Covid-19 qui a considérablement changé les habitudes de circulation, Google Maps fait évoluer son modèle lui permettant de prédire une heure d'arrivée estimée et déterminer le meilleur itinéraire possible. Pour parvenir à améliorer ses estimations, le cartographe s'est rapproché du laboratoire spécialisé dans l'intelligence artificielle DeepMind.
Twitter Facebook Linkedin Flipboard Email
×

Google Maps s'est rapproché de DeepMind pour améliorer l'estimation de l'heure d'arrivée en voiture
Google Maps s'est rapproché de DeepMind pour améliorer l'estimation de l'heure d'arrivée en voiture © D.R.

Tous les jours, plus d'un milliard de kilomètres sont parcourus à travers le monde à l'aide de Google Maps. Ce service de cartographie et proposition d'itinéraires, comme bon nombre de ses concurrents, estime l'heure d'arrivée. Celle-ci est déterminée en fonction de données qui sont agrégées et traitées par des algorithmes d'intelligence artificielle. Google Maps affirme que ses estimations sont exactes dans 97% des cas. Mais cela n'est pas suffisant pour le cartographe qui a décidé de peaufiner encore plus son modèle qui s'est retrouvé bousculer avec la pandémie de Covid-19.

Google Maps s'est rapproché de DeepMind
La pandémie de Covid-19 a conduit à une chute drastique de la circulation à travers le monde. "Nous avons constaté une baisse de 50% du trafic mondial lorsque les confinements ont commencé début 2020", assure Google Maps. Depuis, le monde reprend le cours normal de la vie à plusieurs vitesses.

Google Maps a donc été contraint de mettre à jour ses algorithmes estimant l'heure d'arrivée afin de favoriser les schémas de circulations des dernières semaines et rendre moins prioritaires les plus vieux qui sont obsolètes. Cette équipe au sein de Google s'est rapprochée de DeepMind, un laboratoire d'Alphabet (maison-mère de Google) spécialisé dans l'intelligence artificielle, pour améliorer ses estimations et prédire ce à quoi va ressembler la circulation dans un futur proche.

Favorise les données récentes
Auparavant, Google Maps combinait les historiques de circulation avec les conditions en temps réel pour déterminer l'itinéraire le plus adapté et estimer une heure d'arrivée. DeepMind a décidé d'utiliser une architecture de machine learning connue sous le nom de "Graph Neural Networks". Un modèle qui lui permet de prendre en compte les données en fonction de la période de l'année, la qualité de la route, les accidents recensés ou encore des informations fournies par les autorités locales comme les limites de vitesse et les fermetures de routes. De même, les retours en temps réel fournis par les utilisateurs font parties des informations précieuses utilisées par cet algorithme.

Grâce à cette approche basée sur un modèle de machine learning, Google Maps se targue d'avoir amélioré l'exactitude de son heure estimée d'arrivée jusqu'à 50% dans des villes comme Berlin, Jakarta, Sao Paulo, Sydney, Tokyo et Washington DC, relate Engadget. L'application assure même pouvoir prévenir les utilisateurs de l'arrivée imminente de ralentissements.

 

Réagir

* Les commentaires postés sur L’Usine Digitale font l’objet d’une modération par l’équipe éditoriale.

 
media