Les applications de navigation comme Google Maps n’ont pas pour unique fonction de nous éviter de nous perdre. Elles constituent également un outil bien pratique pour connaître la vitesse de la route et éviter les radars. Une autre fonctionnalité importante est de choisir le meilleur itinéraire pour éviter les embouteillages ou de savoir à quoi s’attendre en termes de durée. Mais comment Google Maps connaît-il le trafic en temps réel ?
Lorsque vous ouvrez l’application, vous indiquez votre destination et recevez automatiquement des informations sur les différents itinéraires possibles, le temps de trajet estimé, la densité du trafic et l’heure d’arrivée prévue. Ce sont beaucoup d’informations qui nécessitent une grande quantité de travail et une précision essentielle.
Grâce aux informations fournies par les utilisateurs eux-mêmes
Selon Google, les données sur le trafic en temps réel proviennent des utilisateurs eux-mêmes. Chaque fois que vous utilisez l’application, vous fournissez des informations sur votre localisation. Lorsque ces informations sont analysées en masse, Google peut déterminer les conditions de circulation sur les routes du monde entier.
En étudiant avec comment la localisation de votre téléphone change au fil du temps et si cette variation est plus lente que d’habitude, Google peut déterminer si vous êtes dans un embouteillage. Vos données vont être combinées avec celles des autres utilisateurs autour de vous.
Par exemple, si la vitesse normale sur la route est de 110 km/h, et que Google détecte que plusieurs téléphones sur la route se déplacent à seulement 20 km/h, il en déduit qu’il y a un embouteillage.
Il y a quelques années, l’artiste Simon Wecker s’était amusé à se promener dans Berlin en tirant un chariot rempli de 99 smartphones et avait ainsi réussi à faire croire à Google qu’il y’avait des embouteillages. La vitesse et la densité de téléphone avaient dupé les algorithmes de prévision de trafic de Google Maps.
Une combinaison d’informations historiques et de machine learning
Mais ce n’est pas son seul outil pour déterminer précisément le trafic en temps réel, car ces informations ne suffiraient pas à déterminer l’évolution des flux routiers dans le temps.
Pour cette opération, elle utilise l’analyse des schémas routiers historiques dans le temps. Pour être clair, Google sait qu’une route particulière a tendance à avoir un certain flux de véhicules entre certaines heures. Prenez les sorties de Paris, Google sait qu’en fin d’après-midi le vendredi, le trafic a tendance à se densifier pour les départs en week-end combinés aux sorties de boulot.
En croisant ces informations avec les conditions de circulation en direct et l’apprentissage automatique (machine learning), il est possible de générer des projections sur l’évolution de l’état des routes.
Google a travaillé avec DeepMind, une entreprise détenue par Alphabet spécialisée dans l’IA pour améliorer ses prévisions de trafic en temps réel. En utilisant des réseaux de neurones graphiques (GNN), Google est parvenu à calculer des heures d’arrivée (ETA) avec une précision de plus de 97%. La collecte d’un plus grand nombre de mesures historiques au fil du temps lui permet de continuer à affiner sa technique, même si les changements de tendances, comme cela s’est produit au début de la période COVID-19, ont également posé un défi pour la fiabilité des prévisions.
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 encombrée que de prendre une route secondaire dégagée.
Des données provenant de tiers
Enfin, Google utilise également des informations fournies par les administrations compétentes afin de déterminer le trafic en temps réel. Cela correspond aux données officielles sur les limitations de vitesse, aux péages, aux routes à accès limité ou aux routes dont la voie est fermée en raison de travaux.
Comme avec Waze, Google prend également en compte les commentaires en temps réel des utilisateurs, comme la présence d’accidents, de véhicules arrêtés ou d’obstacles étranges sur la route. Les données administratives et celles des utilisateurs peuvent être utilisées pour qualifier et donner un aperçu d’évènements exceptionnels sur une route comme un accident ou du brouillard.
Pour fournir une estimation toujours plus fiable de la circulation en temps réel, Google Maps s’appuie donc sur un certain nombre de données à sa disposition : de données de position et de vitesse fournies par les utilisateurs via leur smartphone, des données historiques optimisées par le machine learning et des données officielles provenant de tiers.
Bien sûr, les prévisions n’arriveront peut-être jamais à être fiable à 100%, mais une chose est sûre, elles continueront de s’améliorer !
