与其他导航解决方案一样谷歌地图等

emriya1278

移动应用程序最初基于世界各地政府机构安装的交通传感器来收集数据。不用说，这种方法的准确性会降低，因为流量模式不是基于实时信息。 导航应用程序的重大更新 2009 年，谷歌更新了其系统，也依赖于众包，从使用谷歌地图的其他设备收集匿名数据，以生成类似的交通模式。换句话说，谷歌只是使用安装在 Android 设备中的传感器来查看道路各路段上汽车的速度，并使用复杂的算法来生成路线。 图像谷歌地图 此更新大大提高了行程时间的准确性，特别是因为它收到的数据集要高得多。从本质上讲，几乎所有运行谷歌地图的安卓设备都成为了信息源，街上的智能手机越多，谷歌收到的数据就越多。 2013 年，当 Google 收购了 Waze（一款依赖其庞大社区作为信息来源的应用程序）时，众包方法得到了重大更新。

用户报告高流量、事故、超速陷阱等情况，这使得准确性显着提高。 因此，基本上，离线 GPS 的精度最低，而谷歌的众包模式通过从设 手机号码列表 备收集数据，大大提高了精度。通过允许用户手动贡献自己的报告，准确性最终得到了另一个提升。 众包图像，由 Google 地图和 Waze 使用 谷歌地图依靠这两个概念来避开交通拥堵 此时，谷歌地图混合使用了上述概念。该导航应用程序不仅基于历史交通模式，还基于从 Android 设备接收到的实时交通状况，因此 Google 可以结合所有内容来提供最准确的估计旅行时间。 机器学习技术通过使用历史数据简单猜测驾驶时交通模式将如何变化来尝试预测到达目的地需要多长时间，从而帮助估计到达时间。 那么为什么这些应用程序不是 100% 准确呢？ 实际上，这种将历史流量模式与实时条件相结合的方式有其优点和缺点。



首先，系统只能通过估计交通拥堵可能产生的减速来猜测不断变化的交通状况，而无法考虑事故等不可预测的事件。所以，从理论上来说，从Android设备收集数据应该是一个完美的系统，但另一方面，它却非常容易被欺骗。 交通影像-导航应用 这就是柏林艺术家 Simon Weckert 去年所做的事情，当时他使用 99 部运行谷歌地图的 Android 智能手机来生成虚假的交通量。导航应用程序几乎立即更新了不准确的信息，司机​​被告知避开99部智能手机“停放”的街道。 因此，总的来说，这些应用程序并不总是准确的主要原因正是使它们如此准确的系统。因此，只要无法猜测何时会发生事故等不可预测的事件，就几乎不可能达到100%的准确率。