Google Maps 101: Stoßzeiten und Live-Besuchsdaten

Ihr kennt folgende Situation vielleicht: Ihr wollt schnell einen Happen essen gehen, aber im Restaurant ist kein Sitzplatz mehr frei. Oder ihr müsst unbedingt einen Artikel aus dem Supermarkt besorgen und stellt dann fest, dass die Schlange an der Kasse sehr lang ist – was eure Pläne durchkreuzt und euch unnötig stresst. 

Genau das sind die Situationen, auf die wir uns fokussiert haben, als wir Stoßzeiten und Live-Besuchsdaten für Google Maps entwickelt haben. Hilfreiche Funktionen, mit denen ihr sehen könnt, wie belebt ein Ort üblicherweise an einem bestimmten Tag und zu einer bestimmten Uhrzeit oder auch in einem bestimmten Moment ist. Diese Informationen sind während der Pandemie besonders wichtig geworden. Sie erleichtern das Abstandhalten, wenn man im Voraus weiß, wie voll ein Ort sein wird. Heute möchten wir euch darlegen, wie wir Informationen zur Besucherzahl berechnen, während eure Daten dabei stets privat und sicher bleiben.

Stoßzeiten: bisherige Besuchsdaten sinnvoll nutzen

Nehmen wir zum Beispiel an, es gibt eine neue Eisdiele in eurer Nachbarschaft, die für ihre hausgemachten Waffeltüten bekannt ist 🍦. Dank der Standortverlaufsdaten wissen unsere Systeme, dass das Geschäft am Samstagnachmittag um 16 Uhr immer am vollsten ist. Dementsprechend werden Informationen zu Stoßzeiten für den Rest der Woche angezeigt: „Normalerweise am stärksten besucht“ bedeutet, dass es ungefähr so voll ist wie am Samstag um 16 Uhr. „Normalerweise nicht zu stark besucht“ heißt, dass wenig los ist, und „Normalerweise mäßig besucht“ steht für etwas dazwischen. Anhand der Daten könnt ihr ggf. auch sehen, wie lange die Leute ungefähr in der Eisdiele bleiben. Das ist praktisch, wenn ihr beispielsweise mehrere Aktivitäten an einem Tag geplant habt und wissen wollt, wie viel Zeit an jedem Ort einzuplanen ist.

Anpassungen in Zeiten von Corona

Die Stoßzeiten-Algorithmen von Google Maps sind schon seit Langem in der Lage, Muster in den Besucherzahlen eines Ortes zu erkennen. Seit Social Distancing-Maßnahmen eingeführt wurden und Geschäfte ihre Öffnungszeiten anpassen oder sogar wegen der Coronapandemie vorübergehend schließen mussten, waren unsere Verlaufsdaten nicht mehr so zuverlässig für eine Vorhersage der aktuellen Bedingungen. Um unsere Systeme flexibler zu machen, haben wir begonnen, bevorzugt aktuellere Daten aus den letzten vier bis sechs Wochen zu berücksichtigen. So können wir uns schnell an veränderte Muster bei Stoßzeiten und Live-Besuchsdaten anpassen. Und wir planen, einen ähnlichen Ansatz bald auch auf andere Funktionen wie Wartezeiten anzuwenden.

Live-Besuchsdaten: Wie viel ist jetzt gerade an einem Ort los?

Anhand von Stoßzeiten erkannte Muster in den Besucherzahlen sind nützlich – aber was ist, wenn es so etwas wie Ausreißer gibt? Durch die Ausgangsbeschränkungen herrschte in Lebensmittelgeschäften mehr Betrieb als sonst, weil sich viele Menschen mit Vorräten eindeckten. Warmes Wetter kann dazu führen, dass viele Menschen in einen nahe gelegenen Park strömen. Und eine neue Werbeaktion oder ein Rabatt kann mehr Kunden in örtliche Geschäfte und Restaurants locken.

Nehmen wir wieder unser Beispiel der Eisdiele. Angenommen, die Betreiber wissen, dass dienstags wenig los ist, und beschließen deshalb, an einem Dienstag einen Eisbecher mit drei Kugeln zu verschenken, um für ihre neueste Sorte zu werben. Die Aktion zieht mehr als doppelt so viele Kunden an als normalerweise an diesem Wochentag und zu dieser Uhrzeit. Durch die Auswertung der Standortverlaufsdaten in Echtzeit sind unsere Systeme in der Lage, solche Spitzen in der Auslastung zu erkennen und als „Live-Daten“ in Google Maps anzuzeigen. So könnt ihr sehen, dass gerade jetzt in dem Geschäft viel los ist – auch wenn sich die Besucherzahl erheblich von den typischen Werten unterscheidet.

Die Daten werden geschützt

Der Datenschutz hat bei der Berechnung der Besuchsdaten höchste Priorität und ist in jeden Schritt des Prozesses eingewoben. Wir nutzen ein erweitertes statistisches Verfahren namens Differential Privacy, damit die Daten zur Besucherzahl anonym bleiben. Die Datenanonymisierungs-Methode Differential Privacy wurde übrigens von unseren Kolleginnen und Kollegen aus dem Google Safety Engineering Center (GSEC) in München entwickelt (hier erfahrt ihr mehr dazu). Bei Differential Privacy wird eine Reihe von Methoden angewandt, z. B. wird unseren Datensätzen zum Standortverlauf künstlich „Rauschen“ hinzugefügt, sodass Einblicke in die Besucherzahlen generiert werden können, ohne jemals dabei eine Einzelperson zu identifizieren. Und wenn unsere Systeme nicht über genügend Daten verfügen, um eine genaue, anonyme Empfehlung zur Besucherzahl abzugeben, wird auch keine Empfehlung veröffentlicht. Es kann daher vorkommen, dass ihr für einen Ort überhaupt keine solchen Informationen seht.

Wir suchen ständig nach Lösungen für die täglichen Herausforderungen unserer Nutzerinnen und Nutzer – egal ob groß (Wie komme ich sicher von A nach B?) oder eher klein (Wo bekomme ich schnell mein Lieblingseis her?). In unserer Reihe „Google Maps 101“ geben wir euch weitere Einblicke in beliebte Funktionen.