آریا آموزش

Google Maps یکی از پرکاربردترین سرویس‌های گوگل محسوب می‌شود که برای بسیاری از افراد در سرتاسر دنیا نامی کاملا آشنا است. قابلیت Google Maps برای پیش‌بینی حجم ترافیکی که در حال ورود به آن هستید، باعث می‌شود این سرویس برای بسیاری از رانندگان کاربرد و مزایای زیادی داشته باشد. گوگل می‌گوید روزانه مجموعا بیش از یک میلیارد کیلومتر جاده به کمک سرویس Google Maps توسط مردم طی می‌شود. گوگل با انتشار پستی جدید در وبلاگ رسمی خود اعلام کرد ویژگی‌های سرویس نقشه‌های گوگل به‌لطف استفاده از ابزار یادگیری ماشین شرکت دیپ‌مایند (DeepMind) بسیار پیشرفته‌تر و دقیق‌تر از گذشته شده‌ است. دیپ‌مایند در شهر لندن فعالیت دارد و تحت مالکیت شرکت مادر گوگل یعنی آلفابت می‌باشد.

پژوهشگران شرکت گوگل و دیپ‌مایند در اطلاعیه تازه‌ای که روی وبلاگ گوگل منتشر شد توضیح می‌دهند که به چه طریقی داده‌ها را از منابع گوناگون دریافت کرده و آن‌ها را به‌ داخل مدل‌های یادگیری ماشین وارد می‌کنند تا به‌لطف فناوری یادگیری ماشین، حجم و جریان ترافیک تخمین زده شود. داده‌های مورد بحث دارای مواردی مانند داده‌های ترافیکیِ جمع‌آوری‌شده به‌صورت ناشناس از دستگاه‌های اندرویدی، داده‌های مرتبط با تاریخچه‌ی ترافیک و اطلاعاتی مانند محدودیت سرعت در جاده ها و مراکز ساخت‌و‌ساز از مقامات محلی است.

پژوهشگران گوگل همچنین عواملی مانند کیفیت، ابعاد و مسیر تمامی جاده‌ها را بررسی و آن را به یادگیری ماشین وارد می‌کنند تا دقیق‌ترین تخمین‌ها زده شود. در معیارهای گوگل، جاده‌های آسفالت‌شده بهتر از جاده‌های غیرآسفالت شده می‌باشند. الگوریتم یادگیری ماشین دیپ‌مایند بعضی اوقات به این نتیجه می‌رسد که پیمودن مسیر طولانی‌تری از بزرگراه ‌به زمان کمتری نسبت ‌به طی کردن مسیر در جاده‌های پرپیچ‌ و ‌خم احتیاج دارد؛ حال آنکه راننده امکان دارد برخلاف این موضوع فکر کند.

گوگل می‌گوید استفاده از ابزارهای هوش مصنوعی دیپ‌مایند سبب شد تا دقت تخمین زمان رسیدن به مقصد در نقشه‌های گوگل به‌میزان حداکثر ۵۰ درصد بیشتر شود.

تمامی داده‌هایی که درباره‌ی آن‌ها صحبت کردیم به ‌درون شبکه‌های عصبی طراحی‌شده توسط دیپ‌مایند فرستاده می‌شوند. این شبکه‌های عصبی می‌توانند الگوهای موجود در داده‌ها را شناسایی کرده و از آن‌ها برای پیش‌بینی ترافیک در آینده استفاده مفیدی بکنند. گوگل گفته است که مدل‌های یادگیری عمیق جدیدش میزان دقت پیش‌بینی مدت ‌زمان رسیدن به مقصد را در برخی از شهرها ۵۰ درصد افزایش داده‌ است. به گفته گوگل، پس از همه گیری ویروس کرونا در جهان و تغییرات ناشی از آن در زمینه‌ استفاده از اطلاعات جاده‌ها، مجبور شده است تا برای انجام پیش‌بینی‌ها، داد‌ه‌هایی را که استفاده می‌کند تغییر دهد.

خوان لائو، مدیر محصول Google Maps، در بیانیه‌ جدید گوگل گفته است که او و اعضای تیمش پس از بررسی دقیق متوجه شدند که در اوایل ۲۰۲۰ پس از شروع قرنطینه‌ خانگی در پی دنیاگیری ویروس کرونا، ترافیک جهانی به ‌میزان ۵۰ درصد کاهش پیدا کرد. گوگل در همین راستا مجبور شد مدل‌های یادگیری عمیق خود را دگرگون کرده تا سیستم پیش‌بینی نقشه‌های گوگل با این تغییر ناگهانی تطابق بیابد. Google Maps در این مدل جدید الگوهای ترافیکی دو تا چهار هفته‌ اخیر هر جاده را بررسی و آن‌ها را به‌صورت خودکار اولویت‌بندی می‌کند. الگوهایی که مربوط به بازه‌ زمانی قدیمی‌تر هستند، از اولویت سیستم خارج می‌شوند.

به گفته گوگل مدل‌های جدیدش نقشه را به آنچه که این شرکت «اَبَربخش» می‌نامد تقسیم بندی می‌کنند. منظور از ابربخش، دسته‌هایی از خیابان‌های مجاور هم است که حجم ترافیک، بین آن‌ها توزیع می‌شود. هر یک از این ابربخش‌ها درکنار شبکه‌ی عصبی جدایی قرار گرفته است که به‌طور خاص مشغول تخمین ترافیک برای آن ابربخشِ ویژه می‌شود و کاری به بخش‌های دیگر ندارد. درحال‌حاضر به‌طور دقیق مشخص نیست‌ که ابربخش‌های تعریف‌شده توسط گوگل چقدر بزرگ می‌باشند؛ بااین‌حال گوگل می‌گوید این ابربخش‌ها ابعاد پویا دارند، بدین معنی که هرچه ترافیک متحول شود، ابعاد این بخش‌های بزرگ نیز تغییر خواهد کرد. گوگل اعلام کرده است که هر یک از این ابربخش‌ها از یک ترابایت داده استفاده می‌کنند.

راهکار اصلی برای امکان‌پذیرکردن تحلیل ترافیک در این ابربخش‌ها، استفاده از نوع ویژه ای از شبکه‌ی عصبی است که با نام Graph Neural Network شناخته می‌شود. گوگل می‌گوید این نوع خاص از شبکه‌ عصبی با شرایطی طراحی شده که از پیش‌نیازهای لازم برای انجام کارهای مورد نظر شرکت بهره می‌برد.