Google Maps 101: Welche Rolle KI für stets aktuelle Geschwindigkeitsbegrenzungen in Google Maps spielt
Geschwindigkeitsbegrenzungen leisten einen wichtigen Beitrag dazu, die Straßen für alle sicherer zu machen. Manchmal kann es für Autofahrer:innen aber schwierig sein, das Tempolimit zu erkennen. Zum Beispiel kann es sein, dass ihr bei schlechten Sichtverhältnissen unterwegs seid: z. B. an einem nebligen Tag, in einem anderen Land, in dem ihr die Verkehrsregeln nicht ganz genau kennt – oder ihr einfach nicht wisst, welche Geschwindigkeitsbeschränkung zu einem bestimmten Zeitpunkt gilt.
Um Autofahrer:innen die Navigation zu erleichtern, zeigt Google Maps Informationen über Geschwindigkeitsbegrenzungen für Straßen in vielen Ländern weltweit an. Diese Informationen helfen nicht nur den Fahrer:innen, sicher zu bleiben, sondern auch den Autoherstellern, die daran arbeiten, die Fähigkeiten von Fahrassistenzsystemen zu verbessern.
Im Folgenden erfahrt ihr, wie wir mit Hilfe von KI und Bilddaten Geschwindigkeitsbegrenzungen erkennen können und sie dazu nutzen, um nützlichere Produkte für euch zu entwickeln.
Wie KI hilft, Geschwindigkeitsbegrenzungen weltweit zu erkennen
Um die Welt zu kartieren, stützen wir uns auf Daten aus vielerlei Quellen; das Gleiche gilt für das Verständnis von Geschwindigkeitsbegrenzungen. Eine wichtige Quelle sind die maßgeblichen Daten der lokalen Behörden, die uns dabei helfen, die zulässigen Höchstgeschwindigkeiten für verschiedene Straßentypen zu ermitteln, wenn es keine Beschilderung gibt. In Kalifornien beispielsweise gilt in Wohngebieten standardmäßig eine Höchstgeschwindigkeit von 25 Meilen pro Stunde.
Dennoch gibt es viele Straßen mit unterschiedlichen Geschwindigkeitsbegrenzungen zu verschiedenen Zeiten oder bei verschiedenen Wetterbedingungen. Um all diese Nuancen in Google Maps zu erfassen, nutzen wir Bildmaterial und KI.
Unsere KI-Modelle sind so konzipiert, dass sie Informationen zu Geschwindigkeitsbegrenzungen aus Quellen wie unseren Street View-Bildern sowie aus uns zur Verfügung gestelltem Bildmaterial von Drittanbietern erkennen. Wir trainieren die KI-Modelle mit Hunderten verschiedener Schildertypen aus der ganzen Welt, sodass das KI-Modell die Geschwindigkeitsbegrenzung optimal erkennen kann, egal wie unterschiedlich ein Schild aussieht. So kann auf Schildern in den USA beispielsweise „speed limit“ stehen, während auf Schildern in Deutschland nur die Zahl angegeben ist. Sobald das KI-Modell ein Schild identifiziert hat, verwenden wir die GPS-Informationen des Bildes, um es seiner genauen geografischen Position zuzuordnen. So wissen wir genau, wann wir die Geschwindigkeitsbegrenzung, die euch auf Google Maps angezeigt wird, ändern müssen, je nachdem, wo ihr euch auf eurer Route befindet.
Immer auf dem neuesten Stand
Bildmaterial und Daten bilden eine solide Grundlage für unser Modell zur Anzeige der realen Geschwindigkeitsbegrenzungen. Die Geschwindigkeitsbegrenzungen ändern sich jedoch häufig, was das Nachhalten ihrer Aktualität schwierig macht. Bauarbeiten, Anpassungen durch die zuständigen Behörden und langfristige Verkehrseinschränkungen können die Geschwindigkeitsbegrenzung vorübergehend oder dauerhaft verändern.
Um dieses Problem zu lösen, analysiert Google Maps die Verkehrstrends, um festzustellen, ob eine Änderung der Geschwindigkeitsbegrenzung vorliegen könnte. Wenn unsere Trends zum Beispiel zeigen, dass Autos durchweg unter der zulässigen Höchstgeschwindigkeit fahren, könnte dies ein Hinweis darauf sein, dass die Geschwindigkeitsbegrenzung gesenkt wurde. Dies kann der Fall sein, wenn eine neue Schule gebaut wird oder wenn eine Gemeindeverwaltung feststellt, dass eine Straße ein hohes Unfallrisiko darstellt.
Wenn wir vermuten, dass die Geschwindigkeitsbegrenzung in einem Gebiet aktualisiert wurde, vergleichen wir die Änderung mit mehreren Quellen, z. B. mit offiziellen Daten von lokalen Behörden und aktualisierten Street View-Bildern, um die Änderung zu bestätigen. In Gebieten, in denen uns keine aktuellen Street View-Bilder zur Verfügung stehen, fordern wir Bilder des betreffenden Abschnitts von Drittanbietern an, umGoogle Maps zu aktualisieren.
Wie unsere Daten zu Geschwindigkeitsbegrenzungen künftige Fahrtechnologien unterstützen
Diese Informationen sind auch für Automobilhersteller nützlich, welche Fahrzeuge mit Fahrassistenzsystemen oder vollautomatisierten Fahrfunktionen entwickeln. Damit viele dieser Funktionen funktionieren, müssen Autos die Geschwindigkeitsbegrenzung wie ein Mensch (er)kennen. Die Fähigkeit, dies präzise zu tun, wird für die Automobilhersteller zu einem immer dringlicheren Thema - vor allem, weil immer mehr Richtlinien die Funktionen des assistierten Fahrens regeln.
So schreiben die Allgemeinen Sicherheitsvorschriften der EU vor, dass Neufahrzeuge, die nach Juli 2024 zugelassen werden, mit einer intelligenten Geschwindigkeitsassistenz (ISA) ausgestattet sein müssen, die jederzeit die zulässige Höchstgeschwindigkeit anzeigt und Fahrer:innen warnt, wenn sie diese überschreiten. Um die Anforderungen zu erfüllen, müssen die Fahrzeuge die Geschwindigkeitsbegrenzungen in mindestens 90 % der Fälle korrekt anzeigen.
Die in Autos eingebauten Kameras und Sensoren können den Autoherstellern helfen, die vorgeschriebenen Geschwindigkeitsbegrenzungen zu erfassen. Aber es gibt auch wie bei uns Menschen Herausforderungen, die die Erkennung von Geschwindigkeitsbegrenzungsschildern erschweren: wie z. B. schlechtes Wetter, physische Hindernisse und ungünstig platzierte Schilder. Während die Fahrzeugsensoren also eine wichtige Komponente sind, können unsere Daten eine große Rolle bei der Vervollständigung des Bildes für die Automobilhersteller spielen. Tatsächlich hat die ISA-Funktion im EX30 von Volvo gerade die GSR-Zertifizierung der EU bestanden, indem sie unsere Daten zur Geschwindigkeitsbegrenzung verwendet. Das bedeutet, dass der EX30 zuverlässig die zulässige Höchstgeschwindigkeit anzeigt, auch wenn es keine eindeutigen Schilder auf der Straße gibt.
Geschwindigkeitsbegrenzungen tragen wesentlich dazu bei, dass die Straßen für Autofahrer:innen, Radfahrer:innen und Fußgänger:innen gleichermaßen sicher sind. Und wir werden weiterhin in unsere Technologie investieren, damit die Automobilhersteller hochpräzise Funktionen für das assistierte Fahren entwickeln können und sich Fahrer:innen auf den Straßen weltweit sicher fühlen können.
