百度地图标注中心估测当时路途可能发作了事端，请来往车辆提前注意躲避。”“已拥堵超越2小时，超越1小时散失。”相信不少用过百度地图标注的人都见过类似的提示，当感叹越来越精准的地图软件让出行更顺利之时 你知道自己每年要浪费多少时刻在堵车中吗？答案恐怕是难以估量的。尤其是事端造成的拥堵，一旦发作交通事端，高速路也变成了降速路。不过，有的导航却似乎有着未卜先知的才能，即便没有用户上报，也能够准确估测事端并提示拥堵时刻。
百度地图标注中心估测当时路途可能发作了事端，请来往车辆提前注意躲避。已拥堵超越2小时，超越1小时散失。相信不少用过百度地图标注的人都见过类似的提示，当感叹越来越精准的地图软件让出行更顺利之时，你是不是也好奇过，它是怎么知道前面有事端，而且这么判别的这么快、这么准就？这就要归功于大数据的功劳。 整体而言，百度地图标注之所以能够洞察交通事端，主要是经过大数据才能，学习用户上报事情的特征，结合当时路段的实时轨道特征，进行时空校验，从而判别事端信息。
首要，要在拥堵路途中选取前后一段时刻都有用户上报的路段作为正样本，这意味着这段路确实发作了事端，再选取前后很大范围都没有用户上报的路段作为负样本。当然，这样选取的负样本数量会远远多于正样本，需要依照通行流量对负样本排序，选其间流量较大的前几名，用以平衡正负样本的数量。
其次，要提取路途的特征。这既包括长度，限速、通行等级等自身属性，也包括实时路况速度，路段前史拥堵概率等路段特征，同时还包括上下流实时路况拥堵程度、前史上下流发作事端概率等连续性的空间特征。
接下来，便是进行模型猜测。依照路途等级等信息，可将样本区分为不同类别。别离训练出不同类别的样本和不同城市的模型。顺次访问不同的模型组合，寻找效果最优的人工集成模型。集成后的模型应用在不同城市时，别离使用不同的规范来区分。至此，便完成了对事端的判别。
最终，揣度出确有事端发作时，就到了进一步判别事端发作方位的环节。这一环节可分为两种状况：假如拥堵路段速度改变不大，则用训练好的回归模型猜测事端方位；若拥堵路段速度改变较大，则拟合速度的二次曲线，输入路途中多个坐标试验，速度最小值偏下流的地方就是事端的发作地。
判别事端及其方位后，便是第一时刻奉告用户。百度地图标注的事端提示在准确性的基础上还包括了许多其他细节，事端方位、距离、经过时刻、估计散失时刻等一应俱全，用户看起来更清晰直观。
讲完了事端推演，咱们来说说拥堵路段的散失时刻是怎么核算的。
关于拥堵的散失时刻，咱们能够理解为未来一段时刻的路况猜测。现在百度地图标注完成了分钟级散失时刻猜测，举个例子，假如咱们猜测未来5分钟路况别离是拥堵，拥堵，拥堵，疏通，疏通，那么对应的散失时刻就是三分钟。
现在百度地图标注实时路况监测的准确率在99%以上，因此路况猜测通常以实时路况作为样本。关于要猜测的路段，百度地图标注将时刻维度与前史路况、实时路况、路段长度、通行才能等归纳影响要素纳入DNN神经网络，别离得出疏通，缓行，拥堵，严峻拥堵4个等级路况。再以每分钟内的通行状况是疏通还是拥堵，来揣度这段拥堵的散失时刻。
活动的交通使路况改变万千，要完成精准的交通效劳，离不开大数据的支撑。不得不说，基于大数据资源进行深层次挖掘的百度地图标注，给咱们带来了更有保障的出行和更加便利的生活。而关于未来交通的猜测，也有望成为交通大数据的又一个核心价值。