Για εκατομμύρια Έλληνες, ιδίως στα μεγάλα αστικά κέντρα, η πρώτη κίνηση όταν μπαίνουν στο αυτοκίνητο τους είναι να ανοίξουν το Google Maps, να βάλουν τον προορισμό τους για να δουν την καλύτερη διαδρομή αλλά και πόση ώρα θα απαιτηθεί για να φθάσουν εκεί.
Αν και το Google Maps -σε γενικές γραμμές- είναι αρκετά ακριβές στους υπολογισμού τους, το πρωί και το απόγευμα, η κατάσταση είναι λίγο διαφορετική και συνήθως η καθυστέρηση κατά μερικά -ή ακόμη και πολλά- λεπτά είναι βέβαιη. Γιατί, όμως, συμβαίνει αυτό; Τι πάει λάθος με τους υπολογισμούς των αλγορίθμων της Google.
Η απάντηση βρίσκεται στον τρόπο με τον οποίο το Google Maps υπολογίζει τον πραγματικό χρόνο της κίνησης, αλλά και τις ουκ ολίγες αλλαγές που υπάρχουν τις ώρες αιχμής που κάνουν εξαιρετικά δύσκολους τους υπολογισμούς ακόμη για ένα εξαιρετικά εξελιγμένο σύστημα AI πλοήγησης.
Πώς συλλέγει δεδομένα το Google Maps
Ένα σημείο που χρήζει προσοχής είναι να δούμε πως λειτουργεί το Google Maps. Η συγκεκριμένη εφαρμογή χρησιμοποιεί τρεις βασικές πηγές δεδομένων.
Η πρώτη είναι τα ανώνυμα δεδομένα θέσης από κινητά τηλέφωνα. Κάθε συσκευή Android (και πολλά iPhone που χρησιμοποιούν τις υπηρεσίες της Google στέλνει ανώνυμα στοιχεία κίνησης. Δηλαδή, την ταχύτητα κίνησης του οχήματος, την κατεύθυνση και την τοποθεσία ανά μερικά δευτερόλεπτα. Αν πολλές συσκευές σε έναν δρόμο κινούνται πολύ πιο αργά από το συνηθισμένο, ο χάρτης γίνεται «κόκκινος», όπερ σημαίνει ότι υπάρχει μεγάλη κίνηση.
Η δεύτερη είναι ιστορικά δεδομένα. Το Google Maps αξιοποιεί τα δεδομένα από έτη καταγραφής για το πώς συμπεριφέρονται συγκεκριμένες οδικές αρτηρίες, όπως, για παράδειγμα, ποιες ώρες δεν κινείται τίποτα στον Κηφισό, πότε ανοίγει η Μεσογείων, ποια ώρα πέφτει η κίνηση στη Συγγρού, ακόμη και το τι συμβαίνει κάθε Δευτέρα σε σχέση με Παρασκευή.
Αυτά τα δεδομένα χρησιμοποιούνται για να προβλέψουν την κίνηση, όταν τα δεδομένα που αποστέλλονται σε πραγματικό χρόνο από τα smartphones των οδηγών δεν επαρκούν.
Μία τρίτη πηγή είναι τα δεδομένα από διάφορους συνεργάτες. Σε πολλές χώρες, και στην Ελλάδα, το Google Maps αντλεί στοιχεία από έκτακτες ενημερώσεις (ατυχήματα, έργα), τις αρχές οδικής κυκλοφορίας, επαγγελματικούς στόλους οχημάτων (εφόσον υπάρχει συνεργασία) αλλά και από αναφορές χρηστών. Τα δεδομένα αυτά βελτιώνουν την ακρίβεια, αλλά δεν είναι πάντα άμεσα.
Το ΑΙ δεν τα ξέρει όλα
Από το 2020 και μετά, το Google έχει ενσωματώσει μοντέλα machine learning που συνδυάζουν όλα τα προαναφερθέντα δεδομένα. Όμως η τεχνητή νοημοσύνη έχει έναν περιορισμό: προβλέπει με βάση αυτό που «ξέρει», όχι αυτό που πρόκειται να συμβεί αιφνιδιαστικά. Και στις ώρες αιχμής, τα αιφνίδια γεγονότα είναι ο κανόνας.
Το μεγάλο θέμα είναι ότι στις ώρες αιχμής η κυκλοφορία δεν λειτουργεί όπως το υπόλοιπο της ημέρας. Τα πρότυπα είναι τόσο ευμετάβλητα, ώστε καμία πρόβλεψη δεν μπορεί να μείνει σταθερή για πολλή ώρα.
Για παράδειγμα, στις ώρες αιχμής, η κίνηση μπορεί να αλλάξει μέσα σε 2–3 λεπτά. Το Google Maps ανιχνεύει μεν την επιπλέον κίνηση αλλά με μια μικρή χρονική καθυστέρηση. Αυτή η διαφορά είναι αρκετή ώστε η πρόβλεψη να χάσει την ακρίβειά της.
Επιπλέον, υπάρχει και το φαινόμενο της ταυτόχρονης έναρξης μετακινήσεων χιλιάδων οδηγών, το λεγόμενο «commuting effect». Το πρωί και το απόγευμα, χιλιάδες οδηγοί ξεκινούν ταυτόχρονα για να πάνε σε σχολεία, σε γραφεία ή ακόμη και για μεταφορές που σχετίζονται με logistics. Αυτή η μαζικότητα δημιουργεί κυκλοφορία που δεν μοιάζει με κανένα άλλο μέρος της ημέρας. Αλλάζει κυριολεκτικά λεπτό με λεπτό με αποτέλεσμα ο υπολογισμός να είναι εξαιρετικά δύσκολο.
Στα παραπάνω, προσθέστε και τις περιπτώσεις οχημάτων που κάνουν μικρής διάρκειας στάσεις όπως τα σχολικά λεωφορεία που αφήνουν παιδιά, τα λεωφορεία που σταματούν στις στάσεις για επιβίβαση και αποβίβαση επιβατών, όπως και τα φορτηγά που κάνουν διανομές.
Για το Google όμως, ένα σταματημένο σχολικό, μια ουρά στο φανάρι ή ένας οδηγός που απλώς κατεβάζει παιδί, μοιάζουν το ίδιο: πολλές φορητές συσκευές κινητά που δεν κινούνται. Οπότε, δημιουργούνται λανθασμένες εκτιμήσεις για τον υπολογισμό του χρόνου που απαιτείται.
Επίσης, υπάρχουν απρόβλεπτα γεγονότα που κανένα AI δεν μπορεί να προβλέψει. Το πρωί και το απόγευμα μπορεί να συμβεί οτιδήποτε: από ένα μικροατύχημα και ένα απορριμματοφόρο που κλείνει μια λωρίδα μέχρι ένα φορτηγό που σταματά παράνομα ή μία ξαφνική καταιγίδα που μειώνει την ταχύτητα. Τέτοιες αλλαγές δεν προβλέπονται από το σύστημα, το οποίο τις «μαθαίνει» μόνο αφού συμβούν.
Εκτός όλων αυτών, υπάρχει και μία καθυστέρηση στην επεξεργασία των δεδομένων. Η κυκλοφορία ανανεώνεται σε πραγματικό χρόνο, αλλά σε κλίμακα δισεκατομμυρίων δεδομένων παγκοσμίως υπάρχει πάντα μία καθυστέρηση 1–3 λεπτών. Στις ώρες αιχμής, ακόμη και 2 λεπτά διαφοράς αρκούν για να ανατρέψουν την εκτίμηση.
Τέλος, υπάρχει και ένα άλλο παράδοξο: όσο περισσότεροι οδηγοί χρησιμοποιούν το Google Maps, τόσο περισσότερο «διαμορφώνεται» η κίνηση από τις ίδιες τις προτάσεις του. Αν το σύστημα προτείνει μια «γρήγορη» παράκαμψη και την ακολουθήσουν 500 οδηγοί, η διαδρομή αυτή επιβαρύνεται, χάνει την ταχύτητά της και ουσιαστικά οδηγεί να αλλάξει εκ νέου η προτεινόμενη βέλτιστη διαδρομή. Πρόκειται για το αποκαλούμενο «navigation feedback loop» και αποτελεί γνωστό πρόβλημα σε όλη τη βιομηχανία των ψηφιακών χαρτών. Γι’ αυτό και πολλές φορές η κλασική διαδρομή από κεντρικές αρτηρίες μπορεί να αποδειχθεί η πιο γρήγορη!
Πόσο ακριβής είναι η εκτίμηση;
Πρακτικά, η εμπειρία δείχνει ότι σε κανονικές συνθήκες κίνησης, ήτοι σε ώρες μη αιχμής, η ακρίβεια των εκτιμήσεων του Google Maps φτάνει το 95%–98%. Μάλιστα, υπάρχουν πολλές περιπτώσεις όπου ο οδηγός θα φθάσει νωρίτερα από την αρχική εκτίμηση.
Όμως, στις ώρες αιχμής, η ακρίβεια πέφτει στο 70%–85%, ανάλογα με τον αριθμό ενεργών οχημάτων, τις καιρικές συνθήκες, το αν υπάρχουν έργα ή αποκλεισμοί ή ακόμη τοπικές ιδιαιτερότητες. Ουσιαστικά, το Google Maps δεν έχει αποτύχει, απλά πολλές φορές προσπαθεί να κάνει μία πρόβλεψη για μία απρόβλεπτη κατάσταση.
Με βάση τα παραπάνω, ο οδηγός, σε ώρες αιχμής, καλό θα είναι να ελέγχει τη διαδρομή 10 λεπτά πριν ξεκινήσει, αλλά και όταν μπει στο αυτοκίνητο και, φυσικά, να επιτρέπει στο σύστημα να προτείνει εναλλακτικές διαδρομές κατά τη διάρκεια της πλοήγησης.
Το κυριότερο, όμως, είναι να μη θεωρεί -πάντα στις ώρες αιχμής- ότι αυτό που έχει ως εκτιμώμενη ώρα άφιξης είναι και αυτή που όντως θα φθάσει τελικά στον προορισμό του. Αλλά να προσθέτει 10-15 λεπτά -τουλάχιστον- στην ώρα που του αναφέρει το Google Maps όταν ξεκίνησε τη διαδρομή του.
