Google DeepMind разработал новый алгоритм для Google Maps, который значительно улучшает качество маршрутов. Согласно Google, этот алгоритм улучшает точность предложенных маршрутов на 16-24% в среднем для автомобилей и двухколесных транспортных средств.
Основные характеристики алгоритма
Алгоритм включает в себя 360 миллионов параметров и использует реальные данные о движении от пользователей Google Maps. Он анализирует различные факторы, такие как время в пути, платные дороги, состояние дорог и личные предпочтения пользователя. Технология основана на подходе, называемом “обратное усиление” (Inverse Reinforcement Learning, IRL), и использует новый алгоритм IRL под названием “Receding Horizon Inverse Planning” (RHIP).
Как работает RHIP
Google сотрудничало с DeepMind над RHIP на протяжении нескольких лет. В ближайшей окрестности фактического маршрута алгоритм использует вычислительно интенсивные стохастические модели для рассмотрения маловероятных вариантов. Для более отдаленных районов RHIP переключается на более простые детерминированные методы для экономии энергии.
Google заявляет:
“RHIP является крупнейшим применением обратного усиления для планирования маршрутов на сегодняшний день, подтверждая тенденцию, что лучшая производительность связана с масштабом, как в отношении набора данных, так и сложности модели.”
Результаты тестирования
В тестах RHIP смог улучшить точность своих предложений маршрутов на среднем уровне от 16 до 24% для автомобилей и двухколесных транспортных средств, таких как скутеры, мотоциклы и мопеды, по сравнению с хорошо настроенной базовой линией Google Maps.
Проблемы и решения
В прошлом попытки использовать ИИ в масштабе для планирования маршрутов часто терпели неудачу из-за огромной сложности реальных дорожных сетей. Однако RHIP смог преодолеть этот барьер с помощью сложного подхода.
Алгоритм уже применен к данным Google Maps по всему миру. Однако для определения эффективности технологии в практике требуется обширное тестирование пользователей.