Auf Grundlage der Bewegungsdaten von vielen Millionen Android-Nutzern hat das Team der Google Maps in den vergangenen Jahren einige interessante und sehr hilfreiche Funktionen entwickelt. Eine davon wurde erst vor wenigen Wochen gestartet und soll dem Nutzer bei der Einschätzung der Parkplatz-Situation helfen. Doch diese simple Funktion ist nicht ganz so trivial wie es auf den ersten Blick scheint, wie man nun in einem ausführlichen Beitrag erklärt.
Über die anonym ausgewerteten Bewegungsprofile der Nutzer können die Google Maps viele wertvolle Daten sammeln, durch die Funktionen wie Popular Times oder auch Plan your Visit oder eben auch die Parkplatz-Information erst möglich werden. Die ersten beiden können erstaunlich genau anzeigen, wie viele Personen sich durchschnittlich – oder auch aktuell – an einem Ort aufhalten bzw. wie lange sie sich dort aufhalten.
Im Rahmen der Parkplatz-Informationen zeigen die Google Maps seit einigen Wochen an, wie schwer es vermutlich wird einen Parkplatz zu finden. Das ist zwar keine detaillierte Information, aber dennoch war und ist es für die Algorithmen eine große Herausforderung, diese zu generieren. Durch Personen die sich mit dem Bus oder der Bahn fortbewegen werden diese Daten etwa in großem Umfang verfälscht. Auch Personen die einen Parkplatz gefunden haben und dann zu Fuß weitergehen beeinflussen die Messung und sorgen für die Auslieferung von falschen Daten.
Also musste man einen anderen Ansatz finden: Als erstes hat man ausprobiert, die Nutzer einfach zu befragen und hat testweise mehr als 100.000 Nutzern die laut den Algorithmen vermutlich geparkt haben, die Frage gestellt wie schwer es war einen Parkplatz zu finden. Aber auch das erwies sich als nicht praktikabel, wurde aber dennoch als erst Grundlage zur Verifizierung der gesammelten Daten verwendet. Dieses Datenpaket hat man „Ground Truth Data“ genannt und füttert es immer wieder mit neuen Daten aus den Maps-Umfragen.
Schlussendlich ist man nun bei der Lösung angekommen, einfach selbst herauszufinden wann der Nutzer angefangen hat nach einem Parkplatz zu suchen. Obige Grafik zeigt, dass der Nutzer nicht auf direktem Weg zu seinem Ziel gekommen ist, sondern in Kreisen durch die Häuserschluchten gefahren ist und dabei einige Streckenteile mehrmals passiert hat. Dadurch ist es relativ wahrscheinlich, dass der Nutzer auf der Suche nach einem Parkplatz war. Hochgerechnet auf viele Millionen Nutzer ergibt sich dadurch ein realistisches Modell. Mit Machine Learning hat man aus diesen Daten dann ein fertiges Modell berechnet.
Dieses Modell wurde dann auch noch durch die Kombination mit der Tageszeit verfeinert, denn natürlich sieht es am Nachmittag anders aus als am frühen morgen oder in der Nacht. Zwar kann man bisher immer noch nur ein drei-stufiges System anbieten, aber in Zukunft lässt sich auf diese Daten natürlich auch aufbauen, und eventuell eines Tages auch bei der Suche nach einem Parkplatz helfen.
» Erklärung der Funktion im Google Research-Blog