专栏首页新智元地图预测又不准了? DeepMind新GNN模型将谷歌地图预估到达准确率提升50%!

地图预测又不准了? DeepMind新GNN模型将谷歌地图预估到达准确率提升50%!


新智元报道

来源:DeepMind

编辑:小匀

【新智元导读】Google Maps是使用最广泛的地图app之一,其能预测交通情况的能力使其成为许多司机不可或缺的工具。近日,DeepMind宣布与其合作,帮助Google Maps变得更准确。

你是不是也经历过这样的故事?计划着和女友约会,按照地图预计的实时路况做准备,可是却往往不太准时……

眼看着上班就要迟到,明明显示会在10分钟后到达的公交车,并没有如期而至……

如果您是拼车服务的司机,地图还会获取接送时间信息,并依据此来估计价格。

全世界都有类似的烦恼。预估到达时间(ETA)准确率低,就是上述烦恼的原因。

ETA为什么低?

谷歌地图也有一套预测算法。但毕竟世界是动态的,每天的状况都有可能不同,特别是疫情期间。

例如,尽管上下班高峰时间都会发生在早上、晚上,但具体的确切时间可能每天、每月都有很大差异;一条小巷的拥堵,就会蔓延到下一个大路——这一点,地图往往无法实时监控;另外,道路质量、限速、事故和封路等因素,都会给预测模型带来麻烦。

近日,DeepMind宣布帮「兄弟一把」——与谷歌地图展开合作,利用了一种图神经网络(GNN),成功提升了谷歌地图在柏林、东京、悉尼等大城市的实时 ETA 准确率,最高提升了50%。

DeepMind此次的研究,就是如何解决这个动态预测问题。

把道路划片处理

道路网(road network),指的是在一定区域内,由各种道路组成的相互联络、交织成网状分布的道路系统,类似下图这样:

但这样的数据太庞大了,于是,谷歌地图将道路网划分为几个「超级路段」。超级路段就是指几个相邻的路段,因为这些路段的交通流会互相影响。

目前,谷歌Maps交通预测系统由以下部分组成:

(1)路由分析器,以构建超路段

(2)新GNN 模型,利用多个目标函数进行优化,能够预测每个超级路段的行程时间。

确定最优路线及其出行时间的模型架构

解决架构问题

研究人员要面对一个挑战:架构问题。

利用现有的交通系统,特别是已有的道路网分割和实时数据 pipeline,全连接神经网络模型表现良好。但是,每个超级路段都需要单独训练神经网络模型。

要想实现大规模部署,则必须训练数百万个这样的模型,这就对基础设施构成了巨大的挑战。

因此,该团队开始研究能够处理可变长度序列的模型,例如循环神经网络(RNN)。但是,向 RNN 添加来自道路网络的结构也不是容易的事。

最后,研究者决定用图神经网络。在对交通情况进行建模时,车辆如何穿过道路网络是该研究的关注点,而图神经网络可以对网络动态和信息传播进行建模。

该团队提出的模型将局部道路网络视为一个图,其中每个路段对应一个节点,连接两个路段(节点)的边要么在同一条道路上,要么通过交叉点(路口)连接。

在训练过程中动态调整图神经网络的学习速率,以使系统学习自己的最佳学习速率时间表。根据DeepMind的说法,通过在训练过程中自动调整学习率,该模型不仅表现优异,还学会了自动降低学习率。

实验表明,似乎范围越大,预测能力越强。例如,考虑小路上的拥堵状况对大路交通情况的影响。通过跨越多个交叉路口,该模型能够预测转弯处的延误、并道引起的延误,以及走走停停交通状况的通行时间。

但每个超级路段的长度和复杂度可能各有不同(从简单的两段路到包含了数百个节点的较长路径),但它们都可以使用同一个图神经网络模型进行处理。

DeepMind与谷歌地图团队的合作,延续了该实验室与谷歌产品部门的其他合作,包括努力改进谷歌Play Store的发现系统。除了谷歌,DeepMind还贡献了算法、框架和方法论来支持Waymo的自动驾驶系统。

参考链接:

https://venturebeat.com/2020/09/03/deepmind-claims-its-ai-improved-google-maps-travel-time-estimates-by-up-to-50/

https://deepmind.com/blog/article/traffic-prediction-with-advanced-graph-neural-networks

本文分享自微信公众号 - 新智元(AI_era),作者:新智元

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2020-09-06

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 人均400万天价年薪!DeepMind去年亏损40亿人民币,债务高达89亿

    据彭博社消息,谷歌母公司Alphabet旗下的人工智能子公司DeepMind去年收入几乎翻了一番,但净亏损也高达5.72亿美元。

    新智元
  • 谷歌大脑:使用强化学习,从头生成神经网络架构(论文)

    【新智元导读】深度学习的成功,使业内范式开始从特征设计转向架构设计。Google Brain 研究人员使用强化学习,从头开始生成神经网络架构。【论文地址:htt...

    新智元
  • Facebook 交互式神经网络可视化系统,应对海量数据和复杂模型

    【新智元导读】神经网络模型的可视化是解决其黑箱问题的一个解决方案,但用于神经网络可视化的大多数工具集中在图像数据集上,这激发了 Facebook 和 Georg...

    新智元
  • 银行圈巨变!中国建设银行无人银行开业!

    没错,所有人都知道这一天会来,但谁也没想到会来的这么快!踏进大门的一刻,彻底震撼:

    IT派
  • 黑科技抗疫,Python开发者大集结!

    北京时间 2月15日,由 CSDN 主办,PyCon中国社区、wuhan2020开源项目、DCloud协办,北大前沿计算研究中心、电子工业出版社支持的2020 ...

    AI科技大本营
  • 让你的Python提速30%!(上)

    所以,让我们来证明一些人是错的,让我们看看如何提高Python程序的性能并使它们变得非常快!

    AiTechYun
  • 网申 网易游戏 测试开发 一面凉经

    牛客网
  • 如何使 Python 程序快如闪电?这里有妙招

    所以,让我们来证明那些人是错的——让我们看看如何提高 Python 程序的性能并使它们变得非常快!

    AI研习社
  • 超详细动手搭建一个Vuepress站点及开启PWA与自动部署

    类似hexo一个极简的静态网站生成器,用来写技术文档不能在爽。当然搭建成博客也不成问题。

    庞小明
  • 这些方法,能够让你的Python程序快如闪电

    讨厌 Python 的人总是会说,他们不想用 Python 的一个重要原因是 Python 很慢。而事实上,无论使用什么编程语言,特定程序的运行速度很大程度上取...

    CDA数据分析师

扫码关注云+社区

领取腾讯云代金券