Die Google Maps Routenplanung dürfte in Kombination mit der angebundenen Navigation zu den meistgenutzten Funktionen der Kartenplattform gehören. In den meisten Fällen erweisen sich sowohl die vorgeschlagenen Routen als auch die Prognosen zur Ankunftszeit als recht zuverlässig. Nun gibt das Team im Rahmen der Reihe „so funktioniert Google Maps“ interessante Einblicke darin, wie diese Prognosen erstellt werden und wie die Stauerkennung funktioniert.
Nach eigenen Angaben lotst die Google Maps Navigation jeden Tag Autofahrer, Motorradfahrer und Nutzer anderer Verkehrsmittel in 220 Ländern auf einer Strecke von als einer Milliarde Kilometer rund um die Welt. Dadurch ergeben sich gigantische Datenmengen, die von der Kartenplattform aufgezeichnet und ausgewertet werden, um sowohl die Navigation als auch die Routenplanung weiter zu verbessern. Tatsächlich steckt dahinter eine ganze eigene Wissenschaft.
Crowdsourcing für Stauprognosen
Wenn Menschen mit Google Maps navigieren, können aggregierte Standortdaten verwendet werden, um die Verkehrslage auf Straßen weltweit zu analysieren. Diese Informationen helfen euch zwar bei der Einschätzung des aktuellen Verkehrsaufkommens – also ob ein Stau eure Fahrt in diesem Moment beeinträchtigt oder nicht – sie berücksichtigen aber nicht, wie die Verkehrslage auf eurer Fahrtstrecke in 10, 20 oder sogar 50 Minuten aussehen wird.
Im Idealfall ist die Fahrzeit für eine Strecke „leicht“ zu berechnen, wenn man alle Daten zu Entfernungen, durchschnittliche Verzögerungen an Ampeln und anderen Dingen hat. Doch das ist nur der Anfang, denn die Routenplanung muss auch Staus und andere Verzögerungen mit einbeziehen, um eine exakte Ankunftszeit zu prognostizieren. Staus werden sowohl durch offizielle Quellen als auch durch Live-Daten von Hunderten Millionen Android-Smartphones erkannt. Bestehende Staus lassen sich dadurch leicht einrechnen, aber Google Maps berücksichtigt auch Staus und Verkehrsbehinderungen, >bevor sie entstehen.
Um das zu ermöglichen, pflegt Google Maps eine große Datenbank mit statistischen Werten für die letzten Tage, Wochen und Monate. Wenn es auf einer Strecke jeden Montag bis Freitag um 17:00 Uhr staut, dann ist die Wahrscheinlich recht hoch, dass das auch heute (wenn es ein Wochentag ist) der Fall ist. Und genau das kann die Routenplanung berücksichtigen.
Statistische Verkehrsdaten
Um vorherzusagen, wie der Verkehr in naher Zukunft aussehen wird, analysiert Google Maps bisherige Verkehrsmuster auf Straßen im Zeitverlauf. Ein Muster kann zum Beispiel zeigen, dass auf der A1 Richtung Hamburg zwischen 6 und 7 Uhr morgens Fahrzeuge mit einer Geschwindigkeit von 100 km/h unterwegs sind, am späten Nachmittag jedoch nur mit 25–30 km/h. Wir kombinieren dann diese Daten aus bisherigen Verkehrsmustern mit der aktuellen Verkehrslage und nutzen maschinelles Lernen, um Vorhersagen auf der Grundlage beider Datensätze zu treffen.
Durch die Verknüpfung der Streckendaten, aktueller Staus sowie der Prognosen basierend auf den Erfahrungen der letzten Tage und Wochen kann die Google Maps Routenplanung recht genau wissen, wann der Fahrer ankommen wird bzw. ob man ihn schon jetzt auf eine alternative Strecke schicken sollte, obwohl zum Zeitpunkt der Abfahrt noch gar kein Stau existiert. All diese Dinge werden von einer Künstlichen Intelligenz innerhalb von wenigen Sekunden berechnet und auch während der Navigation immer wieder erneut berücksichtigt.
Laut der Google-Schwester Deepmind sind die Prognosen der Google Maps Routenplanung schon heute zu 97 Prozent korrekt, man sieht aber noch Luft nach oben, um die Systeme weiter zu verbessern. 100 Prozent kann man vielleicht in der Theorie erreichen, aber in der Praxis kommt es eben immer wieder zu spontanen Verkehrsbehinderungen, die auch eine KI nicht einplanen kann. Viele weitere Details und Ausführungen zu diesem Thema findet ihr im Google Deutschland-Blog.