Google Maps 101: Wie KI dabei hilft, die Verkehrslage vorherzusagen und Routen zu ermitteln

Jeden Tag lassen Menschen ihre Fahrten und Schritte von Google Maps begleiten – auf über 1 Milliarde Kilometer in mehr als 220 Ländern und Gebieten der ganzen Welt. Wenn ihr ins Auto oder aufs Motorrad steigt und mit Google Maps losfahrt, seht ihr sofort ein paar nützliche Angaben: eure Route, wie es um die Verkehrslage steht, die geschätzte Fahrtzeit und die voraussichtliche Ankunftszeit. Das mag alles ganz einfach aussehen, aber hinter den Kulissen passiert eine Menge, um euch diese Informationen in Sekundenschnelle zu liefern.

Heute gehen wir einem unserer Lieblingsthemen auf den Grund: Verkehr und Routenführung. Wenn ihr euch schon immer gefragt habt, woher Google Maps weiß, dass es einen riesigen Stau gibt, oder wie wir die beste Route für eine Fahrt bestimmen, dann lest jetzt weiter. 

Die aktuelle Verkehrslage, mit der Hilfe von Autofahrenden aus aller Welt

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. Und hier kommt Technologie ins Spiel.

Verkehrsprognosen mit fortschrittlichen maschinellen Lerntechniken

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. 

Wir haben uns kürzlich mit DeepMind, einem KI-Forschungslabor von Alphabet, zusammengetan, um die Genauigkeit der Verkehrsprognosen zu verbessern. Unsere Vorhersagen für die voraussichtliche Ankunftszeit schneiden bereits sehr gut ab – für über 97 Prozent der Fahrten waren sie durchweg korrekt. Durch die Zusammenarbeit mit DeepMind konnten wir den Prozentsatz der ungenauen Ankunftszeiten noch weiter senken. Wir haben eine Architektur für maschinelles Lernen namens „Graph Neural Networks“ verwendet, die deutliche Verbesserungen in Städten wie Berlin, Jakarta, São Paulo, Sydney, Tokio und Washington D.C. brachte. Mithilfe dieser Technik kann Google Maps noch besser vorhersagen, ob ihr von einer Verkehrsbehinderung betroffen sein werdet, die vielleicht noch gar nicht begonnen hat. 

Aktualität zählt

In den 13 Jahren, in denen Google Maps Verkehrsdaten bereitstellt, waren bisherige Verkehrsmuster fast immer zuverlässige Indikatoren dafür, wie die Bedingungen auf der Straße aussehen könnten – aber eben nur fast immer. Seit Beginn der COVID-19-Pandemie haben sich die Verkehrsmuster rund um den Globus drastisch verschoben. Als Anfang 2020 die ersten Lockdowns verhängt wurden, ging der Verkehr weltweit um bis zu 50 Prozent zurück. Seitdem werden Teile der Welt schrittweise wieder geöffnet, während in anderen weiterhin Einschränkungen gelten. Um diese plötzlichen Veränderung nicht außen vor zu lassen und flexibler zu sein, haben wir unsere Modelle vor Kurzem aktualisiert: Wir priorisieren automatisch die Verkehrsmuster der letzten zwei bis vier Wochen und stellen ältere Muster hintenan.

Auswahl von Routen in Google Maps

Unsere Modelle zur Verkehrsprognose sind auch ein wichtiger Teil davon, wie Google Maps Fahrtrouten ermittelt. Wenn in einer Richtung voraussichtlich starker Verkehr herrscht, finden wir automatisch eine Alternative, wo weniger Verkehr zu sein scheint. Wir beziehen auch eine Reihe anderer Faktoren mit ein, wie z. B. die Straßenqualität. Ist die Straße befestigt oder unbefestigt oder mit Schotter oder Schlamm bedeckt? Solche Faktoren können das Befahren einer Straße erschweren und wir empfehlen dann diese Straße eher nicht für eure Route. Wir achten auch auf die Größe einer Straße und darauf, dass ihr keinen Umweg fahrt. So ist das Fahren auf einer Autobahn oft effizienter als auf einer kleineren Straße mit mehreren Kreuzungen.

Zwei weitere Informationsquellen sind wichtig, damit wir die besten Routen empfehlen können: zuverlässige Daten von offiziellen Stellen und Echtzeit-Feedback von Nutzerinnen und Nutzern. Mithilfe offizieller Daten weiß Google Maps über Geschwindigkeitsbegrenzungen und Mautgebühren Bescheid oder darüber, ob bestimmte Straßen z. B. aufgrund von Bauarbeiten oder COVID-19-Maßnahmen gesperrt sind. Anhand von Störungsberichten von Autofahrenden weltweit kann Google Maps schnell anzeigen, ob eine Straße oder Spur gesperrt ist, ob es in der Nähe eine Baustelle gibt oder ob sich ein liegen gebliebenes Fahrzeug oder ein Objekt auf der Straße befindet. Beide Quellen dienen auch zur Bestimmung, ob sich die Straßenbedingungen aufgrund von Erdrutschen, Schneestürmen oder anderen Naturgewalten unerwartet geändert haben.

Zum Schluss alles zusammenfügen

Wie genau funktioniert das alles im wirklichen Leben? Angenommen, ihr seid auf dem Weg zu einem Arzttermin am anderen Ende der Stadt und fahrt auf der Straße, die ihr normalerweise dorthin nehmt. Als ihr das Haus verlasst, fließt der Verkehr ungehindert, ohne Anzeichen von Störungen. Anhand der Verkehrsvorhersagen von Google Maps in Kombination mit der aktuellen Verkehrslage teilen wir euch mit, dass die Wahrscheinlichkeit sehr groß ist, auf eurer aktuellen Route nach etwa 30 Minuten in einem unerwarteten Stau zu landen – was bedeuten würde, dass ihr zu spät zu eurem Termin kommt. Daher leitet euch Google Maps mithilfe der Informationen über Straßenverhältnisse und Störungen in der Nähe automatisch um. Ihr könnt den Stau ganz vermeiden und kommt pünktlich zu eurem Termin.

Die Vorhersage der Verkehrslage und die Berechnung von Routen sind unglaublich komplex. Wir werden auch weiter an Tools und Technologien arbeiten, damit ihr seltener im Stau steht und gut und sicher an euer Ziel kommt.