•  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  

Google Maps tente de mieux estimer la durée des trajets grâce à l’IA

Le nouveau logo de Google Maps, une punaise aux couleurs de Google.

Google Maps a récemment formé un partenariat avec DeepMind, un laboratoire de recherche en intelligence artificielle détenu par Google.

Photo :  Google Maps

Radio-Canada

Il a été annoncé cette semaine que Google Maps a récemment formé un partenariat avec DeepMind, un laboratoire de recherche en intelligence artificielle (IA) détenu par Google, pour améliorer la justesse de ses heures d'arrivée estimées grâce à de nouveaux algorithmes conçus pour prédire la circulation sur les routes.

Avant d’avoir formé ce partenariat, Google Maps estimait l’heure d’arrivée d’un trajet en analysant les modèles historiques de trafic pour un endroit donné ainsi que les données de déplacement en temps réel, fournies par les millions de téléphones en déplacement sur les routes.

Bien que cette information aide à connaître les estimations actuelles du trafic routier – si oui ou non un bouchon de circulation a une incidence sur votre trajet en ce moment même – elle ne tient pas compte de ce qu'aura l’air la circulation dans 10, 20 ou même 50 minutes, explique Johann Lau, le gestionnaire du produit Google Maps, dans un billet de blogue (Nouvelle fenêtre).

C’est pour cette raison que DeepMind a développé un modèle d’apprentissage machine qui prend également en compte des données comme la période de l’année, la qualité des routes, les limites de vitesse, en plus d’analyser la structure du réseau routier et les liens entre différentes rues pour prédire des bouchons de circulation avant même qu’ils surviennent.

Google a également apporté des changements à son modèle d’estimation après que la pandémie de COVID-19 a fait chuter considérablement la circulation automobile partout dans le monde, se fiant davantage sur les données des deux à quatre dernières semaines plutôt que sur des données recueillies pendant une plus longue période.

Résultat : bien que les heures d’arrivée estimées étaient justes dans 97 % des cas avant ces changements, leur justesse a augmenté de jusqu’à 50 % dans certaines villes, selon des données communiquées par DeepMind (Nouvelle fenêtre).

La seule ville canadienne pour laquelle ces données sont connues est Toronto, où DeepMind a observé une amélioration de 26 % quant à la justesse de l’heure d’arrivée.

Vos commentaires

Veuillez noter que Radio-Canada ne cautionne pas les opinions exprimées. Vos commentaires seront modérés, et publiés s’ils respectent la nétiquette. Bonne discussion !