Исследователи из DeepMind обучили графовую нейросеть, которая предсказывает трафик на дорогах. Модель используется в Google Картах и позволяет оценить время прибытия из одного места в другое. С помощью модели качество предсказания трафика улучшили на более чем 50% для таких городов, как Берлин. Джакарта, Сан-Паулу, Сидней, Токио и Вашингтон.
Описание проблемы
Чтобы рассчитать время прибытия, Google Карты используют реальные данные по трафику для отдельных частей дороги. Эти данные учитывают текущий трафик, но не учитывают тот трафик, который водитель может ожидать через 10, 20 или 50 минут. Точное предсказание будущего трафика происходит с помощью машинного обучения. Задача усложняется тем, что часы пик могут значительно варьироваться в зависимости от дня или сезона. Кроме того, на трафик влияют качество дороги, скоростные ограничения, ДТП и закрытия дороги. Прошлая предсказательная модель в Google Картах верхно предсказывала трафик для 97% поездок. Исследователи из DeepMind решали задачу предсказания трафика для неверно предсказанных поездок.
Предсказание трафика
Предложенная модели основывается на архитектуре графовой нейросети (Graph Neural Network). Модель выучивает структуру реальных дорожных сетей. Ниже представлена визуализация работы подхода.
