Het doel van navigatieprogramma’s zoals Google Maps, Waze, Apple Maps, TomTom, HERE en Sygic-software is om gebruikers te helpen tijdig op hun bestemming aan te komen, terwijl risico’s worden geminimaliseerd en het gemak wordt gemaximaliseerd.

Waze op Android Auto

Ondanks het feit dat veel van deze navigatietoepassingen zijn bijgewerkt met een breed scala aan extra functies, waaronder ondersteuning voor spraakopdrachten, offline kaarten en keuzes voor het delen van locaties, zijn de meeste van hen nog steeds gebaseerd op exact dezelfde strategie.

En het enige dat ze willen doen, is chauffeurs naar de locatie brengen waar ze moeten zijn door ze een route te geven die vooraf is bepaald volgens een lijst met vereisten. In de meeste gevallen komen deze vereisten neer op de snelste manier om een ​​bepaald adres te bereiken. Als gevolg hiervan moeten de betreffende apps niet alleen een route naar een vooraf bepaalde plaats construeren, maar ook verifiëren dat deze specifieke route het snelst beschikbare alternatief is.

In de loop van de menselijke geschiedenis zijn navigatiehulpmiddelen geëvolueerd van de installatie van fundamentele software op GPS-apparaten die geen internetverbinding hadden tot de productie van meer geavanceerde elektronica en mobiele telefoons die alle benodigde informatie van een externe server verkrijgen.

En de kracht van crowdsourcing, zoals bijvoorbeeld bij Waze het geval is, is het belangrijkste ingrediënt dat de nauwkeurigheid aanzienlijk verhoogt, waardoor een route wordt gevonden die zoveel mogelijk aansluit bij de verwachtingen van de chauffeur als menselijk mogelijk is.

Navigatie geleverd door TomTom op Android Auto

Maar feit is dat er geen navigatie-app is die altijd honderd procent van de tijd correct is. En als u ze vaak gebruikt, weet u ongetwijfeld al dat deze applicaties u af en toe gewoon in druk verkeer kunnen sturen, waardoor de tijd die nodig is om op uw bestemming aan te komen aanzienlijk zal toenemen.

Het is van groot belang om te kijken hoe deze navigatietoepassingen in de eerste plaats verkeersvoorspellingen bieden om beter te begrijpen waarom zoiets op elk moment kan gebeuren.

Mobiele apps, zoals Google Maps, waren eerst afhankelijk van verkeerssensoren die door overheidsinstanties over de hele wereld werden geplaatst om gegevens te verzamelen. Dit komt overeen met de meeste navigatieoplossingen die momenteel beschikbaar zijn. Anders gezegd, ze vertrouwden eenvoudigweg op deze officiële bronnen om niet alleen routes te geven, maar ook een schatting van de hoeveelheid tijd die nodig zou zijn om op een bepaalde locatie aan te komen.

Aangezien deze methode gebaseerd was op historische gegevens in plaats van op actuele informatie om verkeerspatronen te bepalen, zou het geen verrassing moeten zijn dat de nauwkeurigheid van de resultaten negatief werd beïnvloed.

In 2009 heeft Google zijn systemen bijgewerkt, zodat ze ook op crowdsourcing zouden vertrouwen. Als gevolg hiervan verzamelt het bedrijf nu anonieme gegevens van andere apparaten waarop Google Maps draait om verkeerspatronen op te bouwen die daarmee vergelijkbaar zijn. Met andere woorden, Google maakte gewoon gebruik van de sensoren die vooraf waren geïnstalleerd op mobiele apparaten met Android om te bepalen hoe snel voertuigen over elk stuk weg reden. Vervolgens paste het een ingewikkeld algoritme toe om routes te kunnen genereren.

De methode die Google gebruikte, verbeterde de nauwkeurigheid van de ETA’s aanzienlijk, vooral vanwege de veel grotere hoeveelheid gegevens die het bedrijf verzamelde. In de praktijk werd vrijwel elke Android-smartphone die Google Maps kon gebruiken een gegevensbron voor het bedrijf, en hoe meer telefoons er in gebruik waren, hoe meer informatie Google kon verzamelen.

Google Maps is nu beschikbaar op Android Auto.

Toen Google Waze in 2013 overnam, betekende dit een belangrijk keerpunt voor de methode om crowdsourcing te gebruiken. Waze hanteert een strategie die sterk lijkt op die van Google Maps, maar in plaats van Google als primaire gegevensbron te gebruiken, maakt het gebruik van de expertise van zijn omvangrijke gebruikersbestand. U bent hier ongetwijfeld al van op de hoogte. Gebruikers zijn degenen die zaken als verkeersopstoppingen, ongevallen, snelheidscontroles en nog veel meer melden, waardoor de nauwkeurigheid dramatisch wordt verfijnd.

In een notendop, offline GPS-kaarten hadden het laagste niveau van nauwkeurigheid, terwijl de crowdsourcing-methodologie van Google een aanzienlijke verbetering in dit opzicht bood door gegevens te verzamelen van apparaten over de hele wereld. Toen gebruikers vervolgens de mogelijkheid kregen om handmatig deel te nemen met hun eigen rapporten, kreeg de nauwkeurigheid uiteindelijk een verdere toename.

In dit stadium maakt Google Maps gebruik van een combinatie van de eerder besproken begrippen. Omdat de navigatie-app zowel historische verkeerspatronen als echte verkeerscondities gebruikt

s die zijn verkregen van Android-telefoons, kan Google al deze informatie gebruiken om een ​​zo nauwkeurig mogelijke ETA te produceren.

De machine learning-technologie helpt bij het inschatten van de aankomsttijd door te proberen te voorspellen hoe lang het duurt voordat u een bestemming bereikt. Dit wordt eenvoudig gedaan door op basis van historische gegevens te raden hoe de verkeerspatronen zullen veranderen terwijl u rijdt. Dit helpt bepalen hoe lang het duurt voordat u uw bestemming bereikt.

Google Maps is nu beschikbaar op Android Auto.
Als je bedenkt hoe ver deze software is gekomen, waarom zijn deze apps dan niet helemaal accuraat, zelfs na alle vooruitgang die is geboekt?

Deze methode om historische verkeerspatronen te combineren met hedendaagse omstandigheden is eigenlijk een tweesnijdend zwaard vanwege het potentieel voor zowel positieve als negatieve uitkomsten.

Allereerst is het systeem alleen in staat om gefundeerde gissingen te maken over de veranderende verkeersomstandigheden. Het doet dit door een schatting te maken van de mogelijke vertragingen die kunnen worden veroorzaakt door files (het aantal auto’s op de weg en de snelheid waarmee ze op een bepaald tijdstip van de dag rijden), maar het kan geen rekening houden met onvoorspelbare gebeurtenissen zoals als ongelukken. Het verzamelen van gegevens van Android-telefoons zou dus in theorie een foutloos proces moeten zijn. Aan de andere kant is het echter heel eenvoudig om manieren te vinden om het systeem te omzeilen.

Dit is precies wat de in Berlijn wonende kunstenaar Simon Weckert een jaar geleden deed toen hij een fictieve verkeersopstopping creëerde met niet minder dan 99 Android-mobiele telefoons waarop Google Maps draaide. De begeleidingssoftware werd bijna onmiddellijk bijgewerkt met onjuiste informatie en auto’s kregen uiteindelijk het advies om uit de buurt te blijven van de straat waar de 99 telefoons “geparkeerd” waren, alleen maar omdat de app ervan uitging dat het gebied werd geblokkeerd door bumper-aan-bumper verkeer.

Daarom is in het algemeen het systeem dat verantwoordelijk is voor het zo nauwkeurig maken van deze applicaties ook de primaire oorzaak van hun occasionele onnauwkeurigheid.

Het lijdt geen twijfel dat de moederbedrijven achter hen de nadruk op dit front zullen blijven leggen; maar zolang er geen methode is om te voorspellen wanneer onvoorspelbare gebeurtenissen zoals ongevallen zullen plaatsvinden, is het vrijwel onmogelijk om een ​​nauwkeurigheid van honderd procent te bereiken.