Roads Management Insights के कॉन्सेप्ट

सड़क प्रबंधन से जुड़ी अहम जानकारी देने वाले डेटा मॉडल, अलग-अलग जानकारी के सोर्स को मिलाकर बनाए जाते हैं. इससे सड़क पर लगने वाले जाम के बारे में अहम जानकारी मिलती है.

सड़क पर जाम

Roads Management Insights में, यात्रा की अवधि और गति की जानकारी देने वाले डेटा मॉडल बनाए गए हैं. इन्हें अलग-अलग सोर्स से मिली जानकारी को मिलाकर बनाया गया है:

• मैप का इकट्ठा किया गया डेटा: सबसे अहम सोर्स, Google Maps से इकट्ठा किया गया डेटा होता है. इस डेटा में लोगों की पहचान ज़ाहिर नहीं की जाती है. इससे Google Maps को दुनिया भर की सड़कों पर वाहनों की रीयल-टाइम स्पीड का हिसाब लगाने में मदद मिलती है.

• ट्रैफ़िक की जानकारी का पुराना डेटा: समय के साथ, इकट्ठा किए गए उपयोगकर्ता के डेटा का इस्तेमाल करके, ट्रैफ़िक के पुराने पैटर्न बनाए जाते हैं. इससे सिस्टम को यह समझने में मदद मिलती है कि किसी सड़क पर, किसी भी समय और दिन के हिसाब से "सामान्य" ट्रैफ़िक कितना होता है.

• अतिरिक्त डेटा: पुराने डेटा को अन्य डेटा के साथ मिलाया जाता है. इसमें तीसरे पक्ष से मिली जानकारी भी शामिल होती है. जैसे, स्थानीय परिवहन विभाग जैसे पार्टनर से मिली जानकारी. साथ ही, इसमें Maps के उपयोगकर्ताओं से मिला रीयल-टाइम फ़ीडबैक भी शामिल होता है. जैसे, क्रैश या निर्माण जैसी घटनाओं की शिकायत करने वाले Maps उपयोगकर्ताओं से मिला फ़ीडबैक.

एआई, इन सूचना स्रोतों को एक साथ जोड़ता है, ताकि रीयल-टाइम डेटा के साथ मौजूदा स्थितियों को समझा जा सके. साथ ही, पुराने डेटा के साथ बेसलाइन अनुमान दिए जा सकें. रास्तों का अनुमान लगाने के लिए, इस फ़्यूज़न का इस्तेमाल किया जाता है. उदाहरण के लिए:

• छोटे रास्ते, मौजूदा और रीयल-टाइम जानकारी पर काफ़ी हद तक निर्भर करते हैं
• लंबे रास्तों के लिए, ऐडवांस एआई मॉडलिंग का इस्तेमाल किया जाता है. इसमें आस-पास के सेगमेंट का अनुमान लगाने के लिए, रीयल-टाइम डेटा का इस्तेमाल किया जाता है. वहीं, दूर के सेगमेंट के लिए, पुराने पैटर्न पर ज़्यादा भरोसा किया जाता है.
• जिन सड़कों पर रीयल-टाइम सिग्नल की जानकारी कम होती है वहां गाड़ियों की स्पीड कम होने का अनुमान लगाने के लिए, पुराने डेटा का इस्तेमाल किया जाता है.

तेज़ी से पढ़ने के इंटरवल

तेज़ी से पढ़ने का इंटरवल (एसआरआई), किसी रास्ते का वह हिस्सा होता है जहां ट्रैफ़िक एक ही स्पीड कैटगरी में आता है. किसी रास्ते के लिए, स्पीड रीडिंग के इंटरवल को एक साथ मिलाकर, यात्रा शुरू करने की जगह से मंज़िल तक के पूरे रास्ते को कवर किया जाता है.

स्पीड की कैटगरी

स्पीड की कैटगरी, Google Maps के ट्रैफ़िक लेयर में दिखाए गए रंगों के हिसाब से होती हैं:

स्पीड कैटगरी	Google Maps पर ट्रैफ़िक के हिसाब से रंग	ब्यौरा
NORMAL	हरा	ट्रैफ़िक सामान्य है. इसमें कोई गिरावट नहीं देखी गई है.
SLOW	पीला	गाड़ियों की रफ़्तार धीमी होने का पता चला है, लेकिन जाम नहीं लगा है.
TRAFFIC_JAM	लाल	ट्रैफ़िक जाम का पता चला है.
TRAFFIC_JAM_HEAVY	गहरा लाल	बहुत ज़्यादा ट्रैफ़िक जाम का पता चला है. यह सुविधा, 8 अक्टूबर, 2026 से सिर्फ़ ऑफ़सेट पर आधारित स्पीड रीडिंग इंटरवल (speed_reading_offsets) में उपलब्ध है.

फ़ॉर्मैट

• ऑफ़सेट पर आधारित स्पीड रीडिंग इंटरवल (speed_reading_offsets): हर इंटरवल को start_offset (शामिल) और end_offset (शामिल नहीं) से दिखाया जाता है. इसे रास्ते की शुरुआत से मीटर में मापा जाता है. हर इंटरवल का end_offset, अगले इंटरवल के start_offset के बराबर होता है.

  उदाहरण के लिए, 100 मीटर के ऐसे रूट को इस तरह दिखाया जाता है जहां शुरुआती 80 मीटर में ट्रैफ़िक धीमा है और बाकी 20 मीटर में गति सामान्य रहती है:

  start_offset	end_offset	speed
  0	80	SLOW
  80	100	NORMAL

• कोऑर्डिनेट के आधार पर स्पीड रीडिंग के इंटरवल (speed_reading_intervals, लेगसी): हर इंटरवल को पॉलीलाइन कोऑर्डिनेट (interval_coordinates) से तय किया जाता है. इस फ़ॉर्मैट में, ज़्यादा ट्रैफ़िक जाम (गहरा लाल) को TRAFFIC_JAM के तौर पर रिपोर्ट किया जाता है; TRAFFIC_JAM_HEAVY का इस्तेमाल कभी नहीं किया जाता. ऐसा हो सकता है कि 9 नवंबर, 2026 को या इसके बाद, यह लेगसी फ़ील्ड अपने-आप न भरे. इसके बजाय, speed_reading_offsets का इस्तेमाल करें.

स्कीमा की जानकारी के लिए, सड़क से जुड़ा रीयल-टाइम डेटा और recent_roads_data टेबल देखें.

BigQuery टेबल

यात्रा की अवधि और स्पीड रीडिंग के इंटरवल के लिए इकट्ठा किए गए डेटा की क्वेरी करने के लिए, BigQuery में historical_travel_time टेबल और recent_roads_data टेबल देखें.