Les applications de navigation telles que Google Maps servent à bien plus qu’à éviter de se perdre. Ainsi, elles constituent un outil très efficace pour connaître la vitesse de la route à tout moment ou la présence de radars (assez nombreux). Une autre fonction peut être décisive pour une bonne expérience de conduite : choisir l’itinéraire en évitant les embouteillages ou, à défaut, s’armer de patience pour endurer la durée estimée de ces embouteillages, mais comment Google Maps connaît-il l’état du trafic en temps réel ?
On ouvre l’application dans Google, on ajoute sa destination et on reçoit automatiquement des données telles que les itinéraires possibles et le meilleur, le temps de trajet estimé, la densité du trafic et l’heure d’arrivée estimée. Beaucoup d’informations en une seule fois, avec beaucoup de travail à la clé et où la précision est essentielle.
Des informations provenant des utilisateurs eux-mêmes
Comme l’explique Google sur son blog, les données sur le trafic en temps réel sont obtenues grâce aux utilisateurs eux-mêmes. Il suffit de penser qu’à chaque fois que vous ouvrez l’application, vous fournissez des informations sur votre position.
La recette de l’algorithme de navigation de Google est un véritable prodige technique : données utilisateur, historique, intelligence artificielle, cartographie, etc.
Ces informations, une fois analysées ensemble, donnent un aperçu des conditions de circulation sur les routes du monde entier. Pour ce faire, il prend en compte la façon dont la position de votre téléphone évolue dans le temps et si cette évolution est plus lente que la normale. Ainsi, les données basées sur votre vitesse et le nombre de téléphones permettent de déterminer si vous vous trouvez dans un embouteillage.
Par exemple, si la vitesse sur la route est de 50 km/h et qu’il détecte que plusieurs véhicules actuellement sur la route roulent à 20 km/h, il y aura un embouteillage. En fait, un artiste a piégé Google en faisant rouler 99 smartphones sur un chariot dans les rues principales de Berlin, ce qui a permis à l’application d’interpréter qu’il y avait un embouteillage, en teintant les rues affichées dans l’application de la couleur rouge classique des embouteillages.
Grâce aux données historiques et au machine learning
Mais ce n’est pas le seul outil pour y parvenir, car ces informations ne suffiraient pas à déterminer l’évolution des flux routiers dans le temps.
Pour cette mission, elle utilise l’analyse des schémas routiers historiques au fil du temps. En clair, Google sait qu’une route particulière a tendance à avoir un certain flux de véhicules à certaines heures. Pensez à une zone commerciale de banlieue et à la façon dont le trafic varie : il est élevé le week-end et connaît des pics aux heures d’ouverture et de fermeture des magasins.
En combinant ces informations avec les conditions de circulation en direct et l’apprentissage automatique, il est possible de générer des prévisions sur l’évolution de l’état des routes.
Google explique que l’expertise du département IA d’Alphabet en collaboration avec DeepMind lui permet de calculer des données telles que le temps estimé d’un trajet connaissant l’évolution avec une précision de plus de 97%. L’accumulation de davantage de métriques historiques au fil du temps lui permet de continuer à affiner sa technique, bien que l’évolution des schémas, comme cela s’est produit dans les premières époques du COVID-19, ait également posé un défi lorsqu’il s’est agi de hiérarchiser les schémas.
Google connaît non seulement le flux d’une route au jour le jour, mais aussi son aspect : si elle est asphaltée ou non, sa largeur, son tracé, les points de repère qu’elle traverse… ces données sont importantes lorsqu’il s’agit de vous proposer un itinéraire alternatif. Il ne s’agit pas seulement de savoir si la route vous mènera d’un point A à un point B, mais aussi de connaître la qualité qu’elle offre. Après tout, il peut être plus efficace d’attendre quelques minutes de plus sur une autoroute, même s’il y a un embouteillage, que d’emprunter une route secondaire dégagée.
Avec des données provenant de tiers
Enfin, Google s’appuie également sur les informations fournies par les autorités compétentes, telles que les données officielles sur les limitations de vitesse, les péages, les routes à circulation restreinte ou les fermetures de voies pour cause de travaux.
Comme pour Waze, Google prend également en compte les commentaires en temps réel des utilisateurs, tels que les accidents, les véhicules arrêtés ou les obstacles étranges sur la route. Les données administratives et les données des utilisateurs peuvent être utilisées pour qualifier et fournir un aperçu des changements inattendus sur une route, tels que les glissements de terrain ou le verglas.
