Как Google Maps определяет загруженность парковок благодаря машинному обучению

Итак Ван, разработчик акселератора для проектов из сферы интернета вещей Leverege, написал в блоге на Medium статью, где объяснил, как картографический сервис Google Maps определяет степень загруженности парковок. Редакция AIN.UA приводит адаптированный перевод материала.

Согласно данным издания Telegraph, в среднем водитель тратит более 2500 часов за всю жизнь в поисках места на парковке. В начале февраля 2017 года компания Google незаметно запустила новый инструмент для парковок в сервисе Google Maps, который доступен на Android-смартфонах и работает в 25 больших городах США. Если вы выбрали место и увидели красный знак парковки, то это означает, что вы не сможете припарковаться в окрестностях.

Особенность этого обновления состоит в том, что оно не берет данные у подключенных к интернету счетчиков стоянок. Такая информация зачастую не отвечает действительности из-за тех, кто не платит за парковку или уезжает раньше. Вместо этого Google Maps использует пользовательские данные и относительно простые алгоритмы машинного обучения.

В компании отметили, что во время пробного запуска функции «пользователи стали чаще переключаться на вкладку общественного транспорта, когда видели, что не смогут воспользоваться парковкой». По словам разработчиков, это означает, что люди вероятнее выберут поездку на общественном транспорте, чем на собственном автомобиле, если будут знать, что места на стоянке заняты.

Проблему решает машинное обучение

Чтобы научить алгоритм, Google определяла насколько водителям «легко» или «сложно» найти парковочное место, измеряя время, которое они потратили на этот процесс. После этого компании потребовалось отсеять ошибочные данные: пользователей, которые останавливались на частных стоянках, и таксистов. Для этого Google определила, что если водители ездят кругами в одном и том же районе — как на изображении ниже — то это означает, что найти парковочное место достаточно сложно.

Чтобы увидеть такое поведение пользователей, компания сравнивала время, когда они должны приехать в точку назначения, с временем, когда они приехали на самом деле. Большая разница между этими показателями означала, что водителям сложно найти свободную стоянку. Также Google научила инструмент определять занятость конкретной парковки с учетом времени суток, даты и ее обычной загруженности.

Компания тренировала алгоритм, используя модель логистической регрессии. По словам разработчиков, она идеально подходит по следующим параметрам:

• Алгоритм понятен и устойчив к шуму.
• Эту модель можно четко интерпретировать. (Возможность парковки можно оценить как «легко» или «ограничено»).
• Легко проверить влияние каждого фактора. Удивительно, что большое расстояние между парковками оказалось самым важным показателем, чтобы определить сложность поиска свободной стоянки.

Благодаря новому инструменту Google можно сделать два вывода о будущем «умных» городов. Во-первых, не для каждой задачи нужны датчики. Иногда вся информация уже доступна, и нам не нужны сенсоры, чтобы ее получить. Во-вторых, несмотря на популярность и точность нейронных сетей, в решении некоторых проблем могут помочь и простые алгоритмы.

Напомним, ранее AIN.UA рассказывал о том, как чат-боты изменят нашу жизнь.