مفاهیم «داده‌های کلیدی مدیریت راه‌ها»

مدل‌های داده «داده‌های کلیدی مدیریت راه‌ها» با ترکیب منابع اطلاعاتی مختلف ساخته شده‌اند تا اطلاعات آماری درباره ازدحام جاده‌ها ارائه دهند.

ترافیک جاده‌ای

مدل‌های داده «اطلاعات آماری مدیریت جاده‌ها» برای مدت سفر و سرعت خواندن با ترکیب منابع اطلاعاتی مختلف ساخته شده‌اند:

• داده‌های انبوهشی نقشه‌ها: مهم‌ترین منبع، داده‌های انبوهشی و ناشناس‌سازی‌شده از Google Maps است که به Google Maps امکان می‌دهد سرعت هم‌زمان وسایل نقلیه را در جاده‌های سراسر جهان محاسبه کند.

• داده‌های ترافیک گذشته: با گذشت زمان، از داده‌های انبوهشی کاربر برای ساختن الگوهای ترافیک گذشته استفاده می‌شود که به سیستم کمک می‌کند ترافیک «عادی» را برای جاده‌ای خاص در هر زمان و روز مشخصی از هفته درک کند.

• داده‌های تکمیلی: داده‌های تاریخی با داده‌های دیگر، ازجمله اطلاعات طرف سوم از شرکایی مثل «ادارات محلی حمل‌ونقل»، و همچنین بازخوردهای هم‌زمان کاربران از کاربران Maps که حوادثی مثل تصادفات یا ساخت‌وساز را گزارش می‌کنند، ترکیب می‌شود.

هوش مصنوعی این منابع اطلاعاتی را باهم ترکیب می‌کند تا شرایط فعلی را با داده‌های هم‌زمان درک کند و پیش‌بینی‌های پایه را با داده‌های تاریخی ارائه دهد. این ادغام برای نحوه پیش‌بینی مسیرها کلیدی است، برای مثال:

• مسیرهای کوتاه تا حد زیادی به اطلاعات کنونی و هم‌زمان بستگی دارد
• مسیرهای طولانی‌تر از مدل‌سازی هوش مصنوعی پیشرفته استفاده می‌کنند، جایی که بخش‌های نزدیک بااستفاده از داده‌های هم‌زمان پیش‌بینی می‌شوند، درحالی‌که بخش‌های دورتر بیشتر به الگوهای تاریخی متکی هستند.
• جاده‌هایی که نشان‌های هم‌زمان محدودی دارند، برای پیش‌بینی سرعت پایین بیشتر به داده‌های سابقه خود متکی هستند.

فاصله‌های تندخوانی

فاصله خواندن سرعت (SRI) بخش پیوسته‌ای از مسیر است که در آن ترافیک در یک دسته سرعت قرار می‌گیرد. باهم، فاصله‌های سرعت‌خوانی مسیر کل مسیر را به‌ترتیب از مبدأ تا مقصد پوشش می‌دهند.

دسته‌های سرعت

دسته‌های سرعت با رنگ‌های نشان‌داده‌شده در لایه ترافیک Google Maps مطابقت دارند:

دسته سرعت	رنگ ترافیک Google Maps	شرح
NORMAL	سبز	ترافیک روان است؛ هیچ کندی‌ای تشخیص داده نشد.
SLOW	زرد	کندی ترافیک شناسایی شد، اما ترافیک سنگین تشکیل نشده است.
TRAFFIC_JAM	قرمز	ترافیک تشخیص داده شد.
TRAFFIC_JAM_HEAVY	قرمز تیره	ترافیک سنگین شناسایی شد. از ۸ اکتبر ۲۰۲۶ فقط در فاصله‌های خواندن سریع براساس جبران (speed_reading_offsets) دردسترس است.

قالب‌ها

• فاصله‌های خواندن سرعت براساس انحراف (speed_reading_offsets): هر فاصله با start_offset (شامل) و end_offset (غیرشامل) مشخص می‌شود که برحسب متر از ابتدای مسیر اندازه‌گیری می‌شود. end_offset هر بازه برابر با start_offset بازه بعدی است.

  برای مثال، یک مسیر ۱۰۰ متری که ۸۰ متر اول آن ترافیک سنگین دارد و ۲۰ متر باقی‌مانده آن ترافیک روان دارد به‌صورت زیر نشان داده می‌شود:

  start_offset	end_offset	speed
  0	80	SLOW
  80	100	NORMAL

• فاصله‌های زمانی تندخوانی مبتنی بر مختصات (speed_reading_intervals، قدیمی): هر فاصله زمانی با مختصات چندخطی تعریف می‌شود (interval_coordinates). در این قالب، ترافیک سنگین (قرمز تیره) به‌صورت TRAFFIC_JAM گزارش می‌شود؛ TRAFFIC_JAM_HEAVY هرگز استفاده نمی‌شود. این فیلد قدیمی ممکن است از ۹ نوامبر ۲۰۲۶ یا بعداز آن دیگر پر نشود. درعوض از speed_reading_offsets استفاده کنید.

برای جزئیات طرح‌واره، به داده‌های هم‌زمان جاده و جدول recent_roads_data مراجعه کنید.

جدول‌های BigQuery

برای پُرسمان کردن داده‌های انباشته‌شده برای مدت سفر و فاصله‌های خواندن سرعت، historical_travel_time جدول و recent_roads_data جدول را در BigQuery ببینید.