Cómo Google Maps "sabe" el tráfico en tiempo real

Las aplicaciones de navegación como Google Maps sirven para mucho más que para evitar que no nos perdamos. Así, son una herramienta de lo más efectiva para conocer en todo momento cuál es la velocidad marcada de la vía o para conocer la presencia de (bastantes) radares. Hay otra feature más que puede resultar determinante para una buena experiencia al volante: la de elegir la ruta evitando los atascos o, en su defecto, armarnos de paciencia para soportar la duración estimada de ese embotellamiento pero, ¿cómo sabe Google Maps el estado del tráfico en tiempo real?

Abres la aplicación en Google, añades tu destino y de forma automática recibes datos como las posibles rutas disponibles y cuál es la mejor, el tiempo estimado de viaje, la densidad del tráfico y el tiempo estimado de llegada. Un montón de información de golpe que tiene mucho trabajo detrás y donde la precisión es clave.

Con la información de los propios usuarios

Como explica Google en su blog, los datos de tráfico en tiempo real los obtiene gracias a los propios usuarios. Piensa que cada vez que abres la aplicación, proporcionas información de tu ubicación.

Esta información analizada en conjunto permite entender las condiciones de tráfico en carreteras de todo el mundo. Para ello tiene en cuenta cómo cambia la ubicación de tu teléfono en el tiempo y si esa variación es más lenta de lo normal. Así, los datos basados en tu velocidad y el número de teléfonos le permiten determinar si estás en un atasco.

Por ejemplo, que si velocidad de la vía son 50 km/h y detecta que varios vehículos que están en estos momentos en ella van a 20 km/h, habrá un embotellamiento. De hecho, un artista engañó a Google con una performance en la que paseaba 99 smartphones en un carrito por las principales calles de Berlín, lo que se tradujo en que interpretó que había un atasco, tiñendo las calles visualizadas en la aplicación del clásico color rojo habitual de los atascos.

Con datos históricos y machine learning

Pero no es su única herramienta para lograrlo, ya que esta información no sería suficiente para determinar la evolución de los flujos de las vías con el paso del tiempo.

Para esta misión tira del análisis de patrones históricos de las carreteras a lo largo del tiempo. Para que nos entendamos, Google sabe que en una carretera concreta entre ciertas horas suele haber un flujo determinado de vehículos. Piensa en una zona comercial de las afueras y en cómo varía el tráfico: alto los fines de semana y con picos cuando abren y cierran las tiendas.

Combinando esta información con las condiciones de tráfico en vivo y el aprendizaje automático, es posible generar predicciones sobre cómo evolucionará el estado de la carretera.

Explica Google que la pericia del área de IA de Alphabet en colaboración con DeepMind le permite calcular datos como el tiempo estimado de llegada conociendo la evolución una precisión superior al 97%. La acumulación de más métricas históricas fruto del paso del tiempo le permite seguir depurando su técnica, aunque el cambio de patrones como sucedió en las primeras épocas COVID-19 también supuso un desafío a la hora de priorizar patrones.

Google no solo conoce cómo es el flujo de una vía en el día a día, si no cómo es esta: si asfalto o no, su anchura, su trazado, qué hitos atraviesa... estos datos son importantes a la hora de ofrecerte una ruta alternativa. No solo es cuestión de que esa vía te lleve del punto A al punto B, si no también qué calidad ofrece esa carretera. Después de todo, quizás resulte más eficiente esperar unos minutos más en una autopista aunque haya una retención que tomar una carretera secundaria despejada.

Con datos de terceros

Finalmente Google también tira de información proporcionada por las administraciones pertinentes, como por ejemplo los datos oficiales de los límites de velocidad, peajes, carreteras restringidas o con carriles cerrados por obras.

Como sucede en Waze, Google considera asimismo los comentarios en tiempo real de los usuarios, como por ejemplo si hay accidentes, vehículos detenidos u obstáculos extraños en la vía. Tanto los datos administrativos como los de los usuarios sirven para matizar y conocer los cambios inespesperados acaecidos en una carretera, como pueden ser los deslizamientos de tierra o la presencia de hielo.

Portada | Foto de Priscilla Du Preez en Unsplash

En Genbeta | Conduce en cualquier ubicación de Google Maps gracias a este simulador. Una nueva forma de explorar en un mapa