Các khái niệm về Roads Management Insights

Các mô hình dữ liệu của Roads Management Insights được xây dựng bằng cách kết hợp nhiều nguồn thông tin để cung cấp thông tin chi tiết về tình trạng tắc nghẽn đường bộ.

Tình trạng tắc nghẽn giao thông

Các mô hình dữ liệu Roads Management Insights cho thời lượng chuyến đi và tốc độ đọc được xây dựng bằng cách kết hợp nhiều nguồn thông tin:

  • Dữ liệu tổng hợp trên bản đồ: Nguồn quan trọng nhất là dữ liệu tổng hợp và ẩn danh từ Google Maps. Nhờ đó, Google Maps có thể tính toán tốc độ theo thời gian thực của các phương tiện trên đường trên khắp thế giới.

  • Dữ liệu giao thông trong quá khứ: Theo thời gian, dữ liệu người dùng tổng hợp được dùng để xây dựng các mẫu lưu lượng giao thông trong quá khứ. Các mẫu này giúp hệ thống hiểu được lưu lượng giao thông "bình thường" cho một con đường cụ thể vào bất kỳ thời điểm nào và ngày nào trong tuần.

  • Dữ liệu bổ sung: Dữ liệu trong quá khứ được kết hợp với các dữ liệu khác, bao gồm cả thông tin của bên thứ ba từ các đối tác như Sở Giao thông vận tải địa phương, cũng như ý kiến phản hồi theo thời gian thực của người dùng Maps báo cáo các sự cố như tai nạn hoặc công trình xây dựng.

AI kết hợp các nguồn thông tin này với nhau để nắm bắt tình hình hiện tại bằng dữ liệu theo thời gian thực và đưa ra dự đoán cơ bản bằng dữ liệu trong quá khứ. Việc kết hợp này là yếu tố then chốt để dự đoán tuyến đường, ví dụ:

  • Tuyến đường ngắn phụ thuộc phần lớn vào thông tin hiện tại, theo thời gian thực
  • Các tuyến đường dài hơn sử dụng mô hình hoá AI nâng cao, trong đó các đoạn đường lân cận được dự đoán bằng dữ liệu theo thời gian thực, trong khi các đoạn đường ở xa hơn dựa nhiều hơn vào các mẫu hình trong quá khứ.
  • Những con đường có ít tín hiệu theo thời gian thực sẽ dựa nhiều hơn vào dữ liệu trong quá khứ để dự đoán tình trạng giảm tốc độ.

Khoảng thời gian đọc tốc độ

Khoảng thời gian đọc nhanh (SRI) là một đoạn đường liên tục trên tuyến đường mà lưu lượng truy cập thuộc một danh mục tốc độ duy nhất. Các khoảng thời gian đọc tốc độ của một tuyến đường sẽ bao phủ toàn bộ tuyến đường theo thứ tự từ điểm khởi hành đến điểm đến.

Danh mục tốc độ

Các danh mục tốc độ tương ứng với màu sắc xuất hiện trong lớp giao thông của Google Maps:

Danh mục tốc độ Màu sắc giao thông trên Google Maps Mô tả
NORMAL Xanh lục Lưu lượng truy cập đang diễn ra suôn sẻ; không phát hiện thấy tình trạng chậm trễ.
SLOW Vàng Đã phát hiện tình trạng giảm tốc độ nhưng chưa xảy ra tắc nghẽn giao thông.
TRAFFIC_JAM Đỏ Đã phát hiện thấy tình trạng tắc nghẽn giao thông.
TRAFFIC_JAM_HEAVY Đỏ đậm Đã phát hiện tình trạng tắc nghẽn giao thông nghiêm trọng. Chỉ có sẵn từ ngày 8 tháng 10 năm 2026 ở các khoảng thời gian đọc nhanh dựa trên độ lệch (speed_reading_offsets).

Định dạng

  • Khoảng thời gian đọc nhanh dựa trên độ lệch (speed_reading_offsets): Mỗi khoảng thời gian được phân định bằng start_offset (bao gồm) và end_offset (không bao gồm), được đo bằng mét từ điểm bắt đầu của tuyến đường. end_offset của mỗi khoảng thời gian bằng với start_offset của khoảng thời gian tiếp theo.

    Ví dụ: một tuyến đường dài 100 mét, trong đó 80 mét đầu tiên có tốc độ chậm và 20 mét còn lại có tốc độ bình thường, sẽ được biểu thị như sau:

    start_offset end_offset speed
    0 80 SLOW
    80 100 NORMAL
  • Khoảng thời gian đọc tốc độ dựa trên toạ độ (speed_reading_intervals, cũ): Mỗi khoảng thời gian được xác định bằng toạ độ hình nhiều đường (interval_coordinates). Ở định dạng này, tình trạng tắc nghẽn giao thông nghiêm trọng (màu đỏ sẫm) được báo cáo là TRAFFIC_JAM; TRAFFIC_JAM_HEAVY không bao giờ được dùng. Trường cũ này có thể ngừng được điền sẵn dữ liệu từ ngày 9 tháng 11 năm 2026. Thay vào đó, hãy sử dụng speed_reading_offsets.

Để biết thông tin chi tiết về giản đồ, hãy xem Dữ liệu đường theo thời gian thực và bảng recent_roads_data.

Bảng BigQuery

Để truy vấn dữ liệu tích luỹ cho khoảng thời gian của chuyến đi và khoảng thời gian đọc tốc độ, hãy xem bảng historical_travel_time và bảng recent_roads_data trong BigQuery.