跳到主要內容
 
:::

技術論壇

主題:Google Map預測到達時間的功能原理和資料庫從哪來?

發文時間 2020/03/09 作者 hannibal34

瀏覽次數 4502 留言數量 6 按讚 4


IoT數據資料蒐集/分析/預測類

越來越多開車族使用Google Map來取代汽車內建的導航系統,除了操作介面熟悉之外,更多人使用Google Map的原因是因為Google Map能避開塞車路段,提供最佳路徑的建議,並準備的預估開車的到達時間,這是怎麼辦到的呢?


你要問的是如何"準確"的預估到達時間,對吧?

是不是用玩命關頭裹的天眼系統,進入每一條道路的攝影機,用影像來判斷車流,再計算速度去推算最佳路徑和預計到達時間呢?

作者 junwei01 發文時間 2020/03/09 按讚 3


何必那麼麻煩?只要介接提供路況資訊的API就好啦!如果還要連進每一個攝影機,對頻寬和邊緣計算的loading應該會很重吧?跑得動嗎?

作者 jingrul691 發文時間 2020/03/10 按讚 3


現在技術越來越先進步囉!當5G架設完成,很多需要大頻寬和低延遲網路速度的應用都會實現的。
但話說,5G還沒好,但Google Map現在就已經能準確預測到達時間了,是怎麼做到的啊?

作者 zhoujieren8 發文時間 2020/03/11 按讚 2


手機囉!每個人都有手機,每支手機隨時隨地都連著網路而且把資訊到傳回去給Google,也就是說,每個人的手機都在幫Google收集資料,當某個路段的手機平均的移動速度很慢時,就代表這個路段、這個方向在塞車,對Google Map來說,要去推算預計到達時間,實在是輕而易舉啊!

作者 chengxiansong2 發文時間 2020/03/12 按讚 2


這樣會不會有侵犯個資的問題啊?Google如果可以拿到我的位置和移動速度的資訊,那其他的個人資訊呢?如果是真的,那太可怕了

作者 ypei91510 發文時間 2020/03/12 按讚 2


6則留言

發文時間 2020/03/10 作者 laisan86

按讚 2


以等速度運動來分析,就是距離等於速度乘以時間,既然Google Map有完整的道路路徑,那就可以知道距離是固定長,再以道路旁的速限當作速度參考,就可以算出來多少時間

 

不過,這種算法只能是大概,也因此大多以ETA的形式表示。因為像是車速來說,並非真能參照道路旁邊的速限告示,舉例來說我就用過Google Map在市區內的道路定位,而且當時道路上是有交通阻塞的情況發生

還好我只要有新版的Android App都一律更新,現在新的Google Map是會根據動態路況報導的內容,調整車速的計算值,所以得到的時間是精確了許多

作者 laisan86 發文時間 2020/03/10 按讚 2



發文時間 2020/03/10 作者 omnixri

按讚 2


這個問題大致上分成兩個部份,第一個是最佳路徑建議及開車到達時間的估算,第二個是如何知道塞車路段。第一個部份,傳統上屬於資工圖論領域的問題,可用最短路徑法或最短時間法,在地圖上建立很多節點(Node)及道路(Edge)長度,再依起點及終點計算總長度,再以一個平均車速來估算到達時間,即距離除以車速等於時間,不過由於路況很複雜,會隨著車流不同,每個路段車速都不同,因此很難準確估算。

近年來大家都有智慧型手機,在使用Google Map服務時通常不太會注意那些條款,只想享受免費導航及查詢地圖的方便,卻不知你已默默同意Google使用你的手機GPS定位系統。Google只要偵測每隻手機的GPS位置變化速度,再扣除一些過慢(如人行走)的資訊,如此就可更精確估測車流速度,進而使得估測到達時間更為精準,因為這樣可將每個路段以不同平均速度計算再全部加總起來,同時隨著時間的推移及大家貢獻的資訊即時重新估算,這樣不但可得到更精準的到達時間,同時幫助大家辨識那個路段塞車,可提早避開。

 

這樣算不算侵犯個資?享受便利和保護個資上,真是兩難的取捨

作者 ypei91510 發文時間 2020/03/12 按讚 1



發文時間 2020/03/10 作者 omnixri

按讚 2


雖然Google Map利用大家手機的GPS來分析塞車路段,但「道高一尺,魔高一丈」就有德國柏林的一位行為藝術家 Simon Weckert,找了99隻手機放在一台拖車上,再緩步拖著走,結果Google Map馬上變成塞車狀態。

這個有趣的實驗可參考下列新聞:一個人+一架車仔矇騙Google Map製造假塞車

相關影片可參考 https://youtu.be/k5eL_al_m7Q

 

哈哈哈,這個實驗太有趣了,那麼是否能用其他AI技術或演算法來過濾掉這些"來亂的"?

作者 jingrul691 發文時間 2020/03/10 按讚 2



發文時間 2020/03/12 作者 shuechang886

按讚 1


什麼資料都被Google拿去了,我的移動足跡、我的個資全都透明,如果被拿來做不法用途的話.....好可怕
有沒有AI方案可以反個資被不當拿取呢?如果有,那如何確保這個AI方案是可信任的啊?未來的世界,人和機器都傻傻分不清了

 


發文時間 2020/03/29 作者 bioasura

按讚 0


Google Maps在收購了 Waze 以後,開始有了路況服務,以及行程時間預測功能。 Google 前工程師 Richard Russell 在線上知識市場《Quora》曾提過Google Map如何估算預計到達時間的。Google maps 的 ETA(Estimated Time of Arrival,估計到達時間)要基於各種東西進行計算,還要取決於特定地區的現有資料情況。包括:法定限速及推薦速度、根據道路類型推斷的速度、特定時段的歷史平均速度資料(有時取平均,有時取特定時段的資料),以及之前使用者的實際用時情況。還需考慮即時的交通情況,然後綜合利用掌握的資料來源盡可能做出最佳預測。

 

另外Google 2009 年曾說明利用Waze來説明 Google Maps 進行行程時間預測。(https://googleblog.blogspot.com/2009/08/bright-side-of-sitting-in-traffic.html)

Google Maps 產品經理 Dave Barth 寫道,當我們將使用者的速度與任意時間在道路移動的成千上萬部其他手機的速度結合起來,就能描繪出一幅相當清晰的即時交通情況圖景。

 


發文時間 2020/03/29 作者 bioasura

按讚 0


對於Google Map如何預測開車的時間,似乎對於高速公路而言,讓人想起了高速公路局的旅行時間建議,是如何作到的,基本上高速公路的旅行時間建議,透過了高速公路上的速度偵測器(VD),可以提供即時的整段高速公路的即時測量到的行駛速度的資料。

在過去旅行時間預測是一個困難但是很有趣的題目(因為人無法預測未來,只能用現在的資料推算未來),過去的研究成果在https://www.freeway.gov.tw/Upload/research/201306/%E9%AB%98%E9%80%9F%E5%85%AC%E8%B7%AF%E4%B8%AD%E9%95%B7%E7%A8%8B%E6%97%85%E8%A1%8C%E6%99%82%E9%96%93%E9%A0%90%E6%B8%AC%E6%A8%A1%E5%BC%8F%E4%B9%8B%E5%BB%BA%E7%AB%8B%E8%88%87%E6%87%89%E7%94%A8_051451.pdf

可以透過這份研究成果,觀察這些年來在高速公路上看板顯示的即時行車旅行時間預測,也可以想像和真正在開在塞車的車陣中,到底需要多少時間能夠脫離塞車區域,似乎Google Map即時顯示的資料,以及高工局顯示的資料之間有多少的出入,似乎還是有許多可以觀察的地方。

在台灣似乎可以透過大量的地方政府以及中央政府的即時開放資料做一些資料的推估(路況、工程進行的區域、路口或高速公路局的交通影像監視器、天氣的狀況(區域型的下雨))等資料進行未來更有效的預測。

同時台灣的ETC即時開放資料,也有機會作為車流量更精準的參考資訊。有點好奇大家對於高速公路未來日旅行時間預測資訊服務的想法是什麼,有多少人確實用了這樣的有趣的服務(https://www.freeway.gov.tw/Publish.aspx?cnid=195&p=9079)

 

 

 

 

 

 

 

 

高速公路局自即日起提供未來日旅行時間預測資訊服務,以便利民眾事先規劃行程,避開壅塞時段及路段,敬請多加利用。
      旅行時間資訊為高公局交通資訊提供重點項目,自104年起已於連續假期間提供預測旅行時間資訊。為擴大並精進對外提供旅行時間之完整性,高公局推出未來日旅行時間預測資訊服務(網址:http://1968.freeway.gov.tw/future-travel-time), 供民眾查詢未來3個月內之一般日、週末日及連續假期之國1、國3及國5任意起迄點交流道之預測旅行時間,做為行程規劃之參考。
      該預測系統係高公局與105年度「第2屆高速公路ETC資料在交通管理應用創意競賽-旅行時間預測」優勝隊伍合作,利用高速公路ETC資料進行數據分析預測旅行時間,透過該局「1968即時路況資訊」網頁及「高速公路1968」App提供民眾查詢。該項旅行時間預測資訊將每週滾動檢討更新,以持續提供更準確之預測內容。惟實際路況受天候、事故及其他非預期因素所影響,仍請用路人行駛國道前,使用「1968即時路況資訊」網頁及「高速公路1968」App查詢最新國道路況,作為行旅規劃,做個聰明的用路人。

 


最新發表
疫情使企業「數位轉型」迫在眉睫,但員工身心靈都已裝備到位了嗎?
2021年全球疫情因疫苗問世漸趨和緩;台灣也正從新一波疫情高峰中逐步獲得控制,但仍不鬆懈。「數位轉型」即是企業追求長遠生存,逆勢求生的唯一手段。不只是數位工具的導入,其員工數位能力的提升及心態健康程度,更是決定企業能否在這場「防疫持久戰」致勝的關鍵! 企業的「數位轉型」不只包含了「數位化」—將實體的資訊轉成為電子化,儲存於電腦或是雲端中,加速作業效率。更重要是藉由「數位化」基礎,在營運流程、顧客體驗及商業模式等策略中,結合數位工具,提升工作效率並賦予全新的價值,增加市場競爭力。所以,擁有數位腦袋和開放態度的人才,就顯得格外重要!但對於資源不是非常多的企業(可能員工數僅百人以下),不太可能立即擴大招覽相關人才。那麼,就從既有人才上,去轉型、賦能優化吧! 如何幫助員工快速升級,符合企業「數位轉型」戰略目標? 需針對不同部門、不同專業類別的員工,制定相應的學習計畫。從具有架構化的學習開始:以員工學習體驗為導向,滿足員工碎片化學習需求,著重提升學習效率與成果,內容即時因應企業變革成與轉型訴求,在企業有限資源下達到最佳學習成果! 所以,相應教材與學習系統就須同時兼備『快速產製教材』及『穩定學習品質』兩大特性。而「AI智能影音」平台即能達到上述需求,使企業人力培訓上縮短員工訓練時程,加速應用所學,為企業在艱困時,深蹲打好基礎。 「AI智能影音」平台運用大數據、AI自然語言處理、電腦視覺技術等技術,能自動將文字匹配靜態圖與動態影音,並使平台內的影音模型藉由反覆訓練,合成出符合觀眾閱聽行為且具有品質的影音內容。平台最大優勢為,使用者只要將一段文字匯入平台,5分鐘內產出約1分到1分半的影片,不需要額外找素材,其影片的內容就是自百萬商用授權素材庫(包含靜態圖像、動態影音、背景音樂)。大幅縮短原先產製教學影片的時程,中小型企業也能因應市場變化,動態調整教學內容!不增加培訓人員與受訓人員工作負擔。 「數位轉型」是企業須即刻on上日期的專案,數位工具使用與員工賦能就是第一步。全球市場瞬息萬變,難保未來不再有意外。企業應自日常扎根,在非常時期宛如期中考般,考核過去在數位轉型上的投資,方向是否正確?是否風暴中向前挺進?收割推動轉型的豐碩果實,為企業營收再創新高峰! 點擊 看更多企業案
數位轉型時代人才職能的再進化
近年來全球資訊產業趨勢變化快速,雲端運算、物聯網、資料科學、人工智慧和5G行動通訊等尖端技術日新月異的發展應用,帶動了數位經濟的興起,並同時重塑了全球經濟結構。根據世界經濟論壇(WEF)的預測,2022年全球GDP將有六成來自數位經濟,可見數位經濟的發展對全球經濟未來趨勢影響之重大,而其影響自然也將及於人力資源市場。 產業面臨這一波數位轉型,正如當初個人電腦、網際網路的普及一樣,將會完全翻轉全球經濟、以及企業現有的商業模式。過往數位科技人才大多為資通訊及高科技產業所需求,隨著產業積極導入數位工具及人工智慧應用、企圖尋求下一波創新成長動能,各行各業展開數位科技人才爭奪,根據國家發展委員會對於臺灣未來十年人力市場之預估,數位人才將呈現大規模人力缺口。 AI取代工作 還是創造機會 科技帶來翻天覆地的影響,新興領域之人才需求不斷攀升,嶄新的商業模式、跨領域的整合應用也層出不窮。迎接新科技帶來新工作機會的同時,人才技能必須時常更新,以掌握未來世界的人力需求及工作樣態的變化。 根據臺灣經濟研究院研究報告指出,隨著人工智慧、物聯網、大數據、資訊安全等技術發展,將會為我國帶來新的人力需求;反之,設備操作、倉儲物流、行政庶務等事務性及高重複性工作,則可能因新科技而受到衝擊。然而,人類的工作真的會被AI和機器人取代嗎?國際研究暨顧問機構Gartner指出,2020年,雖然有180萬個職位被AI取代,不過同時AI也將創造230萬個工作機會,帶動整體工作機會正成長。未來的人力資源趨勢將是人工智慧結合人腦的工作型態,隨著自動化科技的引進顛覆人類在工作上所扮演角色,勞動者必須具備新的技術和能力,以因應這一波數位趨勢。 人才職能重塑 已是世代常態 各種新興科技正在重塑我們的世界,我們是否都準備好了呢?現今企業普遍面臨相當大之人才挑戰,人才競爭態勢只會越來越激烈,數位科技浪潮下,在可預見的未來,機器人或人工智慧一定會對企業人力運用造成影響,企業數位轉型已經是勢在必行的壓力,就公司而言,企業所需的人才技能隨著公司經營策略的調整均在不斷轉變中,人才需要積極主動、擁抱改變,人才所具備的技能如不隨著大環境的變動,將面臨無法與時俱進的風險、最終可能被市場淘汰。 過去用一把刷子行走職場、或是十年磨一劍的年代已經過去,單一技能很容易被潮流取代、唯有具備數位科技、跨領域專長的人才方能在瞬息萬變的職場上勝出。世界經濟論壇的報告指出,全球所有受雇員工有半數以上(54%)需要在未來三年內接受大幅度的技能重塑與提升訓練。而數位科技人才常需隨趨勢發展而更新專業能力,根據之前Gartner的一份調查,職場員工平均每三年需更新一次職務內容與數位科技專業能力。 職能再進化 先找出自己的型 在這波數位技能革命中,企業必須打造新的人才職能規格、於公司內部創造並鼓勵員工持續學習的環境和文化,同時協助員工捨棄舊技能與發展工作所需新技能。由於企業很難找到各方面條件都符合的現成人選,招募到合適的人才所需之時間已經越來越長。有越來越多的企業支持從既有的員工進行在職培訓,並轉型為數位科技人才,不僅有效降低企業招募時間與經費成本,也可以避免招募到的員工不適任無法久留的風險。越來越多的企業正在提高技能重塑的投資,在企業發展數位轉型的同時,偕同組織內的人才一起精進、重塑員工技能,及早做好職能轉型的全面準備。 然而,職能轉型並非一件容易的事情,根據108年經濟部人工智慧產業人才需求調查發現,並非所有現職員工都能成功轉型人工智慧人才,最被企業看好且轉型成功率高的人才通常已具備相當基礎(有型)、在這個基礎上進行職能轉型較容易成功;例如工程類職務(如:系統工程師、後端軟體工程師) 本身即具有程式撰寫、系統開發能力,較容易轉型為機器學習工程師及AI應用工程師等AI新興職務。而資料類職務(如:資料庫工程師、統計分析師)已具有資料庫或數據分析等基礎,亦容易轉型為資料工程師或資料分析師。而一般常見的產品經理、專案經理及行銷企劃專員等職務,已具備專案管理、產品管理、行銷推廣、跨部門溝通…等軟實力,若能再強化AI相關基礎知識,也容易轉型為AI專案經理或AI產品經理。 生命不息 學習不止 迅速和持續變化的工作性質正在改變學習與工作間的關係,當我們一直被機器追趕著學習新技能,如何能夠有效應對新世代的變遷、在數位經濟的潮流中成為未來產業所亟需的人才?在數位時代的潮流之下,新世代的人才需要透過不同管道不斷精進自我,才能持續增加自己的附加價值,而不被時代所淘汰。未來的人才唯有在終生學習、科技協作、軟技能和環境應變等四個面向深化努力,方能應對快速變遷、日新月異的產業趨勢。 在終生學習方面,除了持續學習的腳步外,在學習的方向上,也要注意學習內容與工作之融合度,以期能符合實際工作的職能需求,此外考量個人能力及人格特質做個性化的學習,也對強化自身附加價值,以及未來職涯的發展有所助益;在科技協作方面,隨著AI與自動化的興起,新的工作型態對人機協作的需求也越來越高,在人類主導的情況下,由機器提供輔助進行工作,將會成為產業從人工朝向智慧化發展過程中過渡的第一步,因此在科技協作的學習投入,將能有效幫助人才面對AI化與自動化的挑戰;軟技能是人類勝出機器的關鍵,包括溝通、思考和創意等在現今這個科技時代愈趨重要,未來人才需要培養機器所無法取代的能力,以增進自身在職場的不可取代性;在環境應變方面,由於近年來產業趨勢的變遷快速,新技術的推陳出新使得人才在適應環境變化上的需求大幅提升,未來的人才也需要像電腦持續定期更新,隨時檢視自己的技能、擁有持續重塑自己以靈活應變的能力,才能在時代的潮流中維持競爭力! 財團法人資訊工業策進會∕數位教育研究所∕數位轉型訓練中心 陳麗萍 組長
AI創作音樂有可能成為一種新趨勢嗎?
音樂是全世界共通的語言,大家都同樣使用12個音符,但卻能創造出各種風格的音樂。目前主打透過AI生成音樂的服務越來越多,在國外還有透過 AI 即時生成電子樂的音樂串流服務,這樣的音樂創作方式有可能會成為趨勢嗎?
到了5G時代,那麼邊緣運算會有何不同嗎?
我們都知道物聯網的概念開啟了科技應用的新視野,當越來越多元件走向微型化、智慧化,數據海嘯也隨之而來,如何讓這些裝置以最有效率的方式運作,互通有無,並發揮大數據的優勢,成了當務之急。邊緣運算便是實現運算資源佈局最佳化的關鍵途徑,不過現在有了5G的出現,對於邊緣運算會有什麼影響呢?
最近在AI資料分析常使用到的"增強分析"是什麼意思?
「增強分析」(augmented analytics)被預測為今年十大戰略趨勢,它對一般企業來說意味著什麼?對數據科學家來說影響又有多大?希望可以了解一下

熱門發表
如果提供影像辨識的訓練資料不足,AI電腦視覺技術是不是就派不上用場了?
目前深度學習很火,從醫療、零售、倉儲、工業到監控等,好像各種影像辨識都能用到,但往往在一個地方卡關,那就是沒有足夠大量且有代表性的資料提供"訓練",有沒有可能用少量資料來達成好的辨識效果呢?
【解題建議】利用OpenPose來解決骨架(姿態、行為)分析
此次出題有很多項目和姿態(行為)分析有關(如下所示),而其根本就是要先找出人的骨架,再加上時間序列來分析骨架各特徵點的位移,進而判定使用者的動作(類型)。 【華碼數位】 體適能動作與姿勢辨識:以影像分析運動者姿態。 【宸訊科技】 利用動態影像辨識技術完成對農民於田間作業之行為分類與分析並能結合AI技術、配合專家互動,持續調整分類學習精準度:從串流影像中分析農業作業姿態(行為) 。 【集思動力】 iSEM多裂肌脊椎運動AI體況分析應用:透過影像、視頻分析人體動作姿態是否滿足特定位置、角度。 【百一電子】 AI電腦視覺辨識男生/女生的情緒與動作事件 :透過視頻分析十六種動作行為。 【良品嚴選】 客戶輪廓分析與服務人員及時輔助系統:從視頻分析客戶在店面行為以提供智能零售。 【良品嚴選】 線上連結線下新零售之AI分析:從視頻中分析行銷手段是否改變消費者行為。 【艾爾塔科技】 線下零售數據消費者行為洞察與全通路數據整合:透過人流資訊分析及預測消費者行為。 【卡訊電子】 智慧教室語音與影像偵測數據AI分析:建立語音、影像辨識老師、學生行為以增進學習效益。 而在開源技術中以CMU的OpenPose最為知名,包含有身體、頭(臉部)、手等部位,有興趣的朋友可以參考一下 https://github.com/CMU-Perceptual-Computing-Lab/openpose
數據「學」無止盡!機器學習、深度學習、統計學究竟差在哪?
數據當道的現今,多少人、事、物受惠於這些龐大的數據分析和學習,但你知道機器學習、深度學習、統計學的差異是什麼嗎?
CES展上發佈的蚊子偵測器怎麼辨別這種微小差異的?
以色列新創業者Bzigo在CES展出一款室內蚊子或小型飛蟲偵測器,宣稱能夠偵測距離8公尺內的蚊子、追蹤蚊子飛行的軌跡,但蚊子很小隻且飛行速度不慢,實際可以偵測到的成效不知道如何,怎麼辨別蚊子或小型飛蟲和其他東西的差異?  
Time is money!如何讓製程最佳化、讓生產更簡單?
從網路時代到物聯網興起,工業 4.0 強調自動化與生產線聯網功能,而新一代的智慧工廠發展,則更仰賴邊際運算、AI 和數據分析。然而,究竟要如何讓製程最佳化,使得生產速度提升呢?

主題分類