文／檸檬　

打開Google地圖準備出發，路線圖上某段路已經標成紅色，但車子還沒開過去，路口看起來也一切正常。這分判斷究竟根據什麼資料做出來的？答案絕對出乎意料，原來是大量正在使用地圖服務的使用者本身。

群眾外包 移動回傳



導航App最核心的數據來源叫做「群眾外包」（Crowdsourcing）。開啟Google地圖或其他導航地圖並允許定位後，App會在背景中持續回傳匿名的GPS位置與移動速度資料到伺服器。伺服器把成千上萬筆回傳的速度資料彙整起來判讀，某條道路的實際行駛速度，若明顯低於該路段的歷史平均，系統便判定這段路出現壅塞，地圖上那條線隨即從綠色變成紅色；路上的裝置愈多，判斷愈精準。

除了被動的速度回傳，某些導航App也允許駕駛主動回報前方的車禍、路障、測速照相機，群眾的眼睛因此比任何攝影機都多。

即時速度 訊息傳遞



不過，即時速度只能告訴系統現在發生了什麼，預測尚未抵達路段的狀況，則是另一套機制在處理。Google和DeepMind合作，把整個路網切割成一個個「超路段」，由多條相鄰且共享大量車流的路段組成，再用「圖神經網路」（Graph Neural Network，GNN）預測每段超路段的行駛時間。

路網在這套系統裡被轉換成一張數學意義上的圖，每個路口是節點，每條路是邊。GNN的核心運算叫做「訊息傳遞」：每個節點把自己當下的壅塞程度編碼成一組數值，傳給相鄰節點，相鄰節點收到後更新自己的狀態，再繼續往外傳。幾輪迭代下來，系統對整段路網的交通狀態就有了一個全局的數值估算。神經網路從歷史資料中學會了哪些數值組合對應哪種擴散模式，再搭配週期性規律，例如台北內湖科學園區在周一早上八時經常壅塞，颱風假後第一個上班日橋梁入口通常大排長龍，最終算出每段路的預估行駛時間。

除了用路人的即時數據與歷史模型，政府的開放資料也是重要的一環。台灣的交通部、高速公路局等單位定期公開車輛偵測器的數據、eTag感應點的過站速度，以及施工排程與大型活動的交通管制資訊。在用戶較少的偏遠路段，這些路側設備往往是唯一可靠的數據來源。

當我們每次在路上行駛時，前方某個路口，有幾百筆速度資料正透過行動網路回傳到雲端伺服器，圖神經網路完成運算，同時有3條線索：即時的群眾回報、神經網路的預測模型、政府的開放資料，這些在幾秒內彙整成一個判斷，後端處理著TB級的資料量。地圖上的顏色安靜地更新，路線悄悄調整。坐在車裡的我們什麼感覺都沒有，但能順利避開塞車，多虧有這套每天服務數十億次查詢的系統正常運作。