Google Haritalar nasıl biliyor?

Şimdiye kadar Plato bölümümüzde, akademideki gelişmeleri size taşıyor olsak da aslında amacımız gündelik hayatta kullandığımız teknolojilerin arka planında yatan metodolojilerin kaynağını sizlere aktarabilmekti. Bu doğrultuda sizlere Google haritalarının nasıl çalıştığını ve belki de aklınızın bir kenarında yatan "nasıl oluyor" sorularını Google’ın blog’unda yayımladığı yazı ışığında aktarmak istedik. 

• Her gün, 220 ülkede 1 milyar kilometre yol Google Maps aracılığıyla kat ediliyor, bu tahayyül etmesi gerçekten zor bir sayı. Bir kullanıcı uygulamayı kullanmak için açtığında ve yola çıkmak için gerekli girdileri (nereye gidileceği, nereden gidileceği) yaptığında karşısına belli başlı parametreler çıkıyor;
  
  
  • Hat üzerindeki trafiğin yoğunluğu
  • Tahmini yolculuk süresi
  • Tahmini varış zamanı

Tüm bunlar uygulama ekranında hızla belirse de arka planda çalışan birçok farklı sistem mevcut. 

• Google’ın trafiği nasıl tahmin edebildiğine dair gündelik hayatta birçok fikir yürütüldüğüne sizler de şahit olmuşsunuzdur. Bunlar arasında; Google’ın sürekli uydudan yolları izlediği ve araç tanıma teknolojisiyle doluluğu gördüğü veya sadece kullanan insanların bulunduğu alanlara bakıp bu mobil veri topluluğunu işlediği şeklinde hem uçuk durabilecek hem de akla yatan savlar mevcut. Öncelikle Google, uydu teknolojisini trafik için anlık olarak kullanmıyor; bunun birçok sebebi olsa da en önemlisi uydu kapasitesi ve maliyet ikilisinin yarattığı verimlilik ekseni. Zira bir harita uygulaması için sarf edilmeyecek bir efor olmakla beraber uydunun aynı anda 220 farklı ülkede milyonlarca yolu nasıl izleyebileceği de teknolojik anlamada sorunlu bir durum. Diğer yandan, Google kullanıcı verilerini kullanıyor. Bunu sessizce takip ederek değil, Haritalar uygulaması her açıldığında cihaz yerinin ve hareketinin bilgisini kendi tahmin algoritmasını besleyerek değerlendiriyor. Bu modelin ana hatta ise tarihi veriler; hangi yolların hangi saatlerde ne kadar doluluk yaşadığı geçmişteki kullanıcı verilerinden, ulaşım zamanı analizlerinden ve yine farklı izleme yollarından elde edilen ve geleceğe ışık tutan bir metodolojiye destek veriyor. 
   
• Her ne kadar tarihi verileri Makine Öğrenmesi metodolojileriyle anlamlandırmak ve geleceğe dair tahminlerde bulunmak verimli bir yol olsa da bu bile tek başına yeterli değil. Her gün on binlerce farklı sebepten dolayı tahminlerde değişiklik yapılması gerekiyor. Örneğin kazı çalışmalarını ve ne kadar süreceğini bilmek bu tahminlere yapılan küçük dokunuşları destekleyen bir etmen. Daha büyük fenomenler ise daha farklı ele alınmayı gerektiriyor, buna en iyi örneklerden biri ise Covid-19 salgını sonrası trafiğin dünyada geçirdiği değişim ve bunun tahmin modeline uygulanması.
   
• Yakın zamanda Google’ın çatı şirketi Alphabet’in yapay zekâ odaklı bir başka alt şirketi olan DeepMind ve Alphabet AI Lab ile partnerlik yapan Google Haritalar, salgının getirdiği etkileri Haritalar’a uygulayabilmek adına çok daha sınırlı ve yakın zamana ait verileri kullanmaya çalıştı. Normalde 13 senelik veriler üzerinden işlem gören Haritalar ve kararında olan tahminleri, yine aynı tutarlılıkla çalışmak durumundaydı. Salgın sırasında dünyada ortalama trafik yoğunluğunun %50 oranında düştüğünü aktaran şirket yetkilileri; bu değişimin dışında dünyanın tekrar açılması sürecinde canlanan trafiğin de nabzını tutmaya çalışıyor. Bu noktada devreye "Grafik Yapay Sinir Ağları" adı verilen farklı bir Makine Öğrenme yöntemi devreye giriyor. Bu yöntemin amacı ise oldukça sınırlı olan salgın süreci verisinin olabilecek en iyi şekilde, en çok kullanım olan şehirler için değerlendirip sisteme oturtabilmek. Google Haritalar şimdiye kadar tahmin konusunda %97 başarıya sahip olduğunu açıkladı. Salgın sürecinde ise devreye aldıkları bu sistemin sonuçlarına henüz ulaşmadılar. 
   
• Yani kısaca; Google Haritalar siz uygulamayı açar açmaz sizin mevcut konumuzla gideceğiniz hedef arasındaki potansiyel yolları farklı senaryolar gibi ele alıyor. Geçmiş 13 senenin sağladığı tahmini veriye baktıktan sonra yol üzerindeki kullanıcıların ivmelenme verisiyle beraber sisteme düşen kaza ve yol onarım çalışmalarını da güncel veri kapsamında sisteme besleme olarak kullanıyor. Bunun sonucunda elde ettiği taze ulaşım süresi ve tahmini varış zamanı verilerini son olarak yolların uygunluğuyla birleştirip karşılaştırdıktan sonra ekranınıza getiriyor. İnanılması güç ama tüm bu işlemler sadece saliseler alıyor.