By: mk 
on 28 June 2019 - 07:20
Tags:
Topics:
ผู้ใช้ Google Maps คงคุ้นเคยกับฟีเจอร์การพยากรณ์สภาพจราจรว่าจะติดขัดแค่ไหน ในกรณีที่ขับรถเอง ล่าสุดกูเกิลเพิ่มฟีเจอร์พยากรณ์เวลาเดินทางแบบเดียวกัน แต่สำหรับการขนส่งสาธารณะ ทั้งรถเมล์และรถไฟใน 200 เมืองใหญ่ทั่วโลก
กูเกิลใช้เทคนิค machine learning พยากรณ์ โดยอาศัยข้อมูลสภาพจราจรแบบเรียลไทม์ ผสมกับเส้นทางการเดินรถเมล์-คำนวณเวลาการหยุดจอดแต่ละป้าย เพื่อให้คาดเดาได้ว่าจะใช้เวลาบนรถเมล์นานแค่ไหน
กูเกิลไม่ได้ระบุว่าเมืองทั้งหมดที่จะได้ฟีเจอร์นี้มีเมืองไหนบ้าง และยังไม่ชัดเจนว่าใช้กับบ้านเราได้หรือไม่ แต่ที่ระบุชื่อมีเมืองในย่านนี้คือ ฮ่องกง สิงคโปร์ เดลี (จากภาพตัวอย่างเราจะเห็นข้อความแสดงการล่าช้าขึ้นมาใต้สายรถเมล์ที่เลือก)
นอกจากการพยากรณ์ระยะเวลาเดินทางแล้ว กูเกิลยังเพิ่มการพยากรณ์ด้วยว่าคนบนรถจะแน่นแค่ไน (crowdedness prediction) โดยใช้ได้กับทั้งรถเมล์ รถไฟ และรถไฟใต้ดิน
กูเกิลบอกว่าตัวเองมีข้อมูลสภาพจราจรแบบเรียลไทม์อยู่แล้ว แต่วิธีคำนวณระยะเวลาของรถเมล์ต้องคิดต่างจากรถส่วนตัว เพราะรถเมล์ต้องหยุดจอดป้าย มีอัตราเร่งความเร็วหรือชะลอความเร็วนานกว่ารถส่วนตัว และบางครั้งมีเลนพิเศษสำหรับรถเมล์ด้วย
ตัวอย่างการเปรียบเทียบระยะเวลาเดินทางของรถส่วนตัว (สีแดง) และรถเมล์ (สีฟ้าคือเวลาที่ใช้จริง, สีเขียวคือเวลาที่พยากรณ์)
ที่มา - Google, Google AI Blog
Get latest news from Blognone
Follow @twitterapi
Comments
ถ้าเกิดให้ Google ร่วมมือกับกทม. กับขสมก. วางแผนการเดินรถเมล์ โดยใช้ big data ที่ google มีสามารถทำได้มั้ย ผิดกฎหมายรึเปล่า?
คนแน่นกับตรงเวลานี่ไม่เชิงพยากรณ์อะครับ ทุกครั้งที่ผมเปิด google maps ขณะขึ้น ลง รถเมล์บนสิงคโปร์ จะขึ้นถามว่า เมื่อกี้ขึ้นสายนี้มาหรือป่าว รถมาตรงเวลากับเวลาที่คำนวณบอกมั้ย แล้วก็คนแน่นขนาดไหนในช่วงเวลานี้ น่าจะเอาข้อมูลจาก crowdsourcing มาช่วยเยอะอยู่
ใช้ Crowdsourcing ในการเก็บข้อมูล เพื่อเอามาใช้ train model ก็คือ A.I. นะครับ
ถ้าเป็นผมนะ มันตัวแปรนึง เพื่อสอบทานกับข้อมูลใน Model ว่ามีความถูกต้องเพียงพอหรือยังครับ ถ้าข้อมูลจาก Model มีค่าใกล้เคียง หรือแม่นยำเพียงพอแล้ว ก็จะลดการนำเข้าข้อมูล หรือขยายเวลาให้ยาวขึ้นในการนำเข้าข้อมูลใหม่มา Train ใน node นั้น ประโยชน์คือ ลดค่าใช้จ่ายในการประมวลผล เทคนิคนี้จะใช้กับโครงการที่มีขนาดใหญ่มาก และต้องการลดค่าใช้จ่าย ซึ่งผลสุดท้ายมันจะสะท้อนที่ผลกำไร
ส่วนตัวผมมีความเชื่ออย่างนึงว่าการที่มนุษย์สอบทานข้อมุลโดยการสอบถามแบบ A/B Testing จะช่วยให้ข้อมูลมีความแม่นยำสูงขึ้น แล้วลดขอบเขตการปรับแต่ง Model ให้อยู่เฉพาะจุดมีความแปรปรวนสูง เพราะยังไงมนุษย์ยังมีความสามารถในการประมวลผลสูงกว่าคอมพิวเตอร์ในปัจจุบัน แต่ข้อมูลที่มนุษย์ส่งเข้ามา ก็ใช่ว่าระบบจะเชื่อ มันก็ต้องทำ Model ซ้อนอีกทีว่าข้อมุลมีค่ากลางตรงไหน แล้วจึงไปใช้งานต่อ
ของกรุงเทพก็มีขึ้นถามมาสักพักใหญ่ๆ
:-)
กูเกิล แมพนี้ อัด ฟีเจอร์ เยอะจริงๆ เกินจะเป้น แผนที ละ
เหมือนจะมีข่าวเก่าๆ หน่อยบอกว่าปรับ Google Maps เพื่อให้เป็นมากกว่าแอพดูนำทางธรรมดาๆ ครับ เลยอัดมาเยอะ หาร้านค้า ร้านอาหาร ได้หมดเต็มแน่น