Google은 AI 기술을 사용하여 콘텐츠를 사용자의 기본 언어로 번역합니다. AI 번역에는 오류가 있을 수 있습니다.

도로 관리 정보 개념

도로 관리 통계 데이터 모델은 다양한 정보 소스를 결합하여 도로 정체에 관한 통계를 제공합니다.

도로 혼잡

이동 시간 및 속도 읽기를 위한 도로 관리 정보 데이터 모델은 다음과 같은 다양한 정보 소스를 결합하여 빌드됩니다.

집계된 지도 데이터: 가장 중요한 소스는 Google 지도에서 집계되고 익명 처리된 데이터로, Google 지도가 전 세계 도로의 차량 속도를 실시간으로 계산할 수 있습니다.
교통정보 데이터 기록: 시간이 지남에 따라 집계된 사용자 데이터는 교통정보 패턴 기록을 빌드하는 데 사용되며, 이는 시스템이 특정 시간과 요일에 특정 도로의 '정상' 교통정보를 이해하는 데 도움이 됩니다.
보충 데이터: 과거 데이터는 지역 교통부와 같은 파트너의 서드 파티 정보와 함께 교통사고나 공사와 같은 문제를 신고하는 지도 사용자의 실시간 사용자 의견을 비롯한 기타 데이터와 결합됩니다.

AI는 이러한 정보 소스를 결합하여 실시간 데이터로 현재 상태를 파악하고 과거 데이터로 기준 예측을 제공합니다. 이 결합은 경로 예측 방식에 중요합니다. 예를 들면 다음과 같습니다.

단축된 경로의 경우 현재 실시간 정보에 크게 의존합니다.
긴 경로에서는 고급 AI 모델링이 사용됩니다. 여기서 가까운 구간은 실시간 데이터를 사용하여 예측되고, 더 먼 구간은 이전 패턴에 더 많이 의존합니다.
실시간 신호가 제한적인 도로에서는 이전 데이터를 더 많이 사용하여 속도 저하를 예측합니다.

속도 판독 간격 (SRI)은 교통량이 단일 속도 카테고리에 속하는 연속된 경로 구간입니다. 경로의 속도 판독 간격은 출발지에서 목적지까지 전체 경로를 순서대로 포함합니다.

속도 카테고리는 Google 지도 교통정보 레이어에 표시된 색상과 일치합니다.

속도 카테고리	Google 지도 교통 상황 색상	설명
`NORMAL`	녹색	트래픽이 원활하게 흐르고 있으며 속도 저하가 감지되지 않습니다.
`SLOW`	노란색	서행이 감지되었지만 교통 체증이 발생하지 않았습니다.
`TRAFFIC_JAM`	빨간색	교통체증이 감지되었습니다.
`TRAFFIC_JAM_HEAVY`	진한 빨간색	심각한 교통 체증이 감지되었습니다. 2026년 10월 8일부터 오프셋 기반 속도 읽기 간격 (`speed_reading_offsets`)으로만 제공됩니다.

오프셋 기반 속도 판독 간격 (speed_reading_offsets): 각 간격은 경로 시작부터 미터 단위로 측정된 start_offset (포함) 및 end_offset(제외)로 구분됩니다. 각 간격의 end_offset은 다음 간격의 start_offset과 같습니다.

예를 들어 처음 80미터는 서행하고 나머지 20미터는 정상적으로 흐르는 100미터 경로의 경우 다음과 같이 표현됩니다.

start_offset end_offset speed

0 80 SLOW

80 100 NORMAL
좌표 기반 속도 읽기 인터벌 (speed_reading_intervals, 기존): 각 인터벌은 다중선 좌표(interval_coordinates)로 정의됩니다. 이 형식에서는 심각한 정체 (진한 빨간색)가 TRAFFIC_JAM로 보고되며 TRAFFIC_JAM_HEAVY는 사용되지 않습니다. 이 기존 필드는 2026년 11월 9일 이후에 채워지지 않을 수 있습니다. 대신 speed_reading_offsets를 사용하세요.

`start_offset`	`end_offset`	`speed`
`0`	`80`	`SLOW`
`80`	`100`	`NORMAL`

이동 시간 및 속도 판독 간격에 대해 누적된 데이터를 쿼리하려면 BigQuery의 historical_travel_time 테이블 및 recent_roads_data 테이블을 참고하세요.