2016-12-08
项目名称 | 机器学习预测公交延误模型 |
地点 | 全球应用 |
业主/执行单位 | 谷歌地图 |
关键词 | 智能交通、低碳出行、AI学习 |
完成时间 | 2019年，谷歌地图基于机器学习的实时公交延误预测上线 |
案例描述 | 与地铁等出行方式不同，虽然公交运输公司有提供公交线路的发车时间表，但是公交车的运行时间会受限于实时的路况、路面上的交通指示灯等。这对于依靠公交车通勤的人来说，不确定的等待时间无疑会影响出行计划与时间安排。2019年谷歌地图在之前应用的基础上引入了公交车的实时交通延误，预测了全球数百个城市的公交车延误情况，提高了六千多万人的通勤时间准确性。 谷歌将该机器学习预测公交延误模型划分为时间线单元（表示在街区和站台停靠），每个单元对应一段公交车的时间线，并预测持续时间。每个单元会独立预测其持续时间，最终的输出结果为每单元预测时间的总和。 谷歌地图训练集来源于官方渠道的实时公交地理信息，并与同期线路上车速进行校准。针对不同地域的特殊性，谷歌地图公交车延误模型通过分层学习、模拟数据缺失、学习当地生活节奏三个主要方面实现预测的准确性。在分层学习中，用不同的时间轴分段与地理位置来表示模型中嵌入数据的综合，通过对不同区域的细粒度特征逐步进行严格的惩罚训练，并以此作为特征筛选结果；在缺失信息训练过程中，对每一批训练集按照一定比例去除某些地理特征信息，去除程度分为高中低三种，反复训练使模型的对未知环境的适应性更强；在当地生活节奏的普适性方面，将其位置表示与时间信号进行结合，通过嵌入不同的四维向量指定给一天中的不同时间，并与地理特征信息整合起来，捕捉无法通过路况观测得到的地区性差异。 这款模型在谷歌地图上的应用，结合谷歌地图其他的公共交通服务相关项目，大幅度提升了公交出行时间的准确性与可靠性，在形成过程中提升乘客舒适性。 |
关键数据 | 2019年谷歌地图在之前应用的基础上引入了公交车的实时交通延误，预测了全球数百个城市的公交车延误情况，提高了六千多万人的通勤时间准确性。 |
项目相关方 | / |
现状/进展 | 2021年谷歌地图将这一公交预测模型精细化，与Alphabet的AI研究实验室合，作通过增强AI功能以改善路线计算，通过机器学习的帮助将实时ETA（通行时间预估）提升了多达50%。 |
创新点 | 该应用以机器学习为框架，通过对实时路况以及公交数据的采集与处理，预测用户公交出行时间，大幅度提升了公交出行时间的准确性与可靠性。 |
相关链接 | |
附件下载 |
