In questo articolo Indice dei contenuti 3 sezioni
Chi usa Google Maps tutti i giorni per andare al lavoro conosce bene quella linea rossa che compare all’improvviso su una strada che sembra libera, e la sensazione strana di scoprire, due minuti dopo, che aveva ragione l’app. Il traffico segnalato in tempo reale, con tanto di tempi di percorrenza aggiornati al minuto, è forse la funzione che più di tutte ha reso il servizio di Mountain View indispensabile. Ma dietro a quei colori verdi, gialli e rossi c’è un meccanismo piuttosto preciso, fatto di dati raccolti in modo anonimo, statistiche accumulate negli anni e una buona dose di intelligenza artificiale.
Partiamo dalle basi. Nata come app per cercare indirizzi e attività commerciali, negli anni Google Maps si è caricata di funzioni sempre più raffinate: limiti di velocità, segnalazione degli autovelox, avvisi sugli incidenti e ovviamente le condizioni della strada aggiornate in continuazione.
Da dove arrivano i dati sul traffico
Il punto di partenza sono gli smartphone. Google raccoglie in forma anonima le informazioni su posizione, velocità e direzione dei dispositivi che si stanno muovendo lungo una determinata strada. Sommando questi dati aggregati, cioè l’insieme dei segnali provenienti da tutti i telefoni presenti in una certa zona, il sistema capisce se il flusso scorre regolare oppure se qualcosa si è inceppato.
Per evitare che tutto questo si trasformi in un pedinamento digitale, a ogni dispositivo viene assegnato un identificativo temporaneo e rotativo, una specie di token che cambia di continuo durante il tragitto. In pratica il sistema sa che in quel punto ci sono venti auto ferme, ma non sa a chi appartengono i telefoni a bordo, né può ricostruire lo storico degli spostamenti di una singola persona sul lungo periodo.
Come vengono calcolati i tempi di percorrenza
Sapere che c’è una coda è una cosa. Capire quanto quella coda peserà davvero sul viaggio è tutt’altro. Qui entrano in gioco i modelli storici, cioè l’archivio di come si comporta il traffico su quel preciso itinerario nelle varie ore della giornata. Un esempio concreto: su una certa via le auto viaggiano mediamente a 40 km/h alle 20:00 e scendono a 25 km/h alle 8:00 del mattino. Quel dato accumulato nel tempo viene incrociato con la situazione rilevata in quel momento, e da lì parte il calcolo.
A fare da collante c’è l’apprendimento automatico, che elabora entrambi i set di informazioni e sputa fuori una previsione. Il risultato è già di per sé notevole: Google ha rilevato che l’accuratezza degli orari di arrivo stimati risultava alta per oltre il 97% dei viaggi. Percentuale che, va detto, lascia comunque un margine di errore da limare.
Ed è esattamente quello che è stato fatto grazie alla collaborazione con DeepMind. L’azienda ha adottato un’architettura di machine learning chiamata Graph Neural Networks, che ha portato miglioramenti significativi in diverse grandi città. La particolarità di questa tecnica è quasi profetica: riesce a capire se chi guida verrà coinvolto in un rallentamento che, nel momento in cui viene calcolato il percorso, non è ancora cominciato.
Il contributo di chi guida
L’ultimo tassello arriva direttamente dagli utenti. Le segnalazioni in tempo reale inviate da chi si trova sulla strada permettono di aggiornare la mappa molto in fretta: una corsia chiusa, un cantiere aperto da poche ore, un veicolo in panne fermo sulla carreggiata oppure un ostacolo comparso all’improvviso. Sono informazioni che nessun algoritmo potrebbe dedurre solo osservando la velocità dei telefoni in movimento, e che invece diventano immediatamente utili per chi sta arrivando in quella zona.
Il quadro finale, quindi, è quello di un sistema che mette insieme quattro ingredienti diversi: i dati aggregati e anonimi provenienti dagli smartphone, i modelli storici costruiti nel tempo su ogni singolo tratto, l’intelligenza artificiale con il machine learning che elabora le previsioni e le segnalazioni manuali di chi è già sul posto. Quattro fonti che, incrociate tra loro, spiegano perché quella linea rossa comparsa in anticipo su una strada apparentemente sgombra si riveli quasi sempre azzeccata.
