Οι μέρες που οι οδηγοί χρησιμοποιούσαν χάρτες σε έντυπη μορφή για να πλοηγηθούν στην πόλη ανήκουν πια στο παρελθόν. Σήμερα, ο «συνοδηγός» του κάθε αυτοκινητιστή είναι το Google Maps, το οποίο προσφέρει λεπτομερείς πληροφορίες για διαδρομές και χρόνους άφιξης, είτε πρόκειται για κοντινές είτε για πιο μακρινές αποστάσεις.
Όλοι οι οδηγοί πλέον στηρίζονται στο Google Maps, τουλάχιστον για να εντοπίσουν τη βέλτιστη διαδρομή και την εκτιμώμενη διάρκεια του ταξιδιού τους. Παρ’ όλα αυτά, παρά την αξιοπιστία της εφαρμογής στους υπολογισμούς της, υπάρχει μια παρατήρηση: κατά τις ώρες αιχμής, κυρίως το πρωί και το απόγευμα, οι εκτιμήσεις για τον χρόνο άφιξης μπορεί να αποκλίνουν αρκετά.
Αλλά γιατί συμβαίνει αυτό;
Για να κατανοήσουμε τους λόγους πίσω από αυτές τις αποκλίσεις, πρέπει να εξετάσουμε τη διαδικασία συλλογής και επεξεργασίας των δεδομένων κίνησης από το Google Maps. Φαίνεται ότι οι ελληνικοί δρόμοι και οι συνήθειες των οδηγών είναι απρόβλεπτοι, ακόμα και για τα πιο προηγμένα συστήματα τεχνητής νοημοσύνης που χρησιμοποιεί η Google.
Πώς το Google Maps συγκεντρώνει πληροφορίες
Η εφαρμογή αντλεί δεδομένα από τρεις κύριες πηγές:
1. Ανώνυμα Δεδομένα Θέσης: Κάθε smartphone που τρέχει Android ή χρησιμοποιεί υπηρεσίες της Google στέλνει ανώνυμα στοιχεία σχετικά με την ταχύτητα, την κατεύθυνση και τη θέση του χρήστη κάθε λίγα δευτερόλεπτα. Όταν πολλές συσκευές καταγράφουν χαμηλές ταχύτητες, οι χάρτες «κοκκινίζουν», υποδεικνύοντας συμφόρηση.
2. Ιστορικά Δεδομένα: Η Google αξιοποιεί χρόνια δεδομένων για να κατανοήσει τις συνήθειες της κυκλοφορίας στους δρόμους. Γνωρίζει πότε στην Κηφισίας παρατηρείται μπλοκάρισμα ή πώς αλλάζει η ροή στη Συγγρού ανά ημέρα και ώρα. Αυτές οι πληροφορίες είναι χρήσιμες όταν τα δεδομένα σε πραγματικό χρόνο δεν επαρκούν.
3. Πληροφορίες από Συνεργαζόμενους Φορείς: Η εφαρμογή δέχεται επιπλέον πληροφορίες από δημόσιες αρχές, σχετικά με ατυχήματα ή έργα, καθώς και από συνεργαζόμενους στόλους οχημάτων και αναφορές από χρήστες. Αν και αυτά τα δεδομένα είναι πολύτιμα, συχνά δεν είναι άμεσα διαθέσιμα.
Γιατί το AI δυσκολεύεται στις ώρες αιχμής
Τα τελευταία χρόνια, το Google Maps έχει ενσωματώσει προηγμένα μοντέλα μηχανικής μάθησης που συνδυάζουν τις παραπάνω πηγές. Ωστόσο, η τεχνητή νοημοσύνη προβαίνει σε προβλέψεις βάσει των γνωστών δεδομένων, και όχι σε ό,τι μπορεί να συμβεί ξαφνικά, όπως γίνεται κατά τις ώρες αιχμής.
Η κυκλοφορία σε αυτές τις ώρες μεταβάλλεται ραγδαία, με αποτέλεσμα οι εκτιμήσεις να μπορούν να είναι ανακριβείς μέσα σε λίγα λεπτά. Το Google Maps εντοπίζει τις αλλαγές, αλλά υπάρχει μια καθυστέρηση που επηρεάζει την ακρίβεια των υπολογισμών.
Επιπλέον, το φαινόμενο του «commuting effect» παίζει σημαντικό ρόλο: χιλιάδες οδηγοί αναχωρούν ταυτόχρονα για σχολεία, δουλειές ή παραδόσεις, δημιουργώντας μαζική κίνηση που αλλάζει διαρκώς. Σ’ αυτό προστίθενται και οχήματα που κάνουν συχνές στάσεις (όπως σχολικά και λεωφορεία), τα οποία περιπλέκουν την κατάσταση.
Τέλος, η επεξεργασία τεράστιων ποσοτήτων δεδομένων σε παγκόσμια κλίμακα προκαλεί αναπόφευκτες καθυστερήσεις 1–3 λεπτών. Αυτή η καθυστέρηση είναι πιο έντονη κατά τις ώρες αιχμής, οδηγώντας σε ακόμα πιο ανακριβείς εκτιμήσεις.
Πόσο αξιόπιστο είναι το Google Maps;
Στις φυσιολογικές συνθήκες, η ακρίβεια του Google Maps κυμαίνεται μεταξύ 95% και 98%, με πολλούς οδηγούς να φτάνουν νωρίτερα απ’ ότι είχε υπολογιστεί αρχικά. Ωστόσο, κατά τις ώρες αιχμής, αυτή η ακρίβεια μπορεί να μειωθεί στο 70%–85%, εξαρτώμενη από τις καιρικές συνθήκες, την κυκλοφοριακή κατάσταση, τυχόν έργα ή αποκλεισμούς, καθώς και τις ιδιαιτερότητες της κάθε περιοχής.
