嵐の天候下での交通状況におけるETAを改善

冬と記録的な降雪は、米国全体の物流と輸送に課題をもたらします。嵐の日でも郵便物や荷物の配達は止まりませんが、運転状況は予測不可能になります。データを活用して、嵐の天候による交通のETAを検証および強化することにより、Mapboxは、通勤者や旅行者向けにより正確な移動時間予測を提供する上で主導的な役割を果たしています。Mapboxがデータとテクノロジーの専門知識をどのように活用して、デンバーとその周辺地域の輸送効率を改善しているかについて詳しくは、以下をお読みください。

予測不可能な天候下での物流および日常のドライバーに対して、より正確なETAを提供するために、Mapbox Telemetryチームは、冬季に数十億マイルの車両走行があったデンバーでの嵐の天候が交通に与える影響を分析しました（推定217億VMT）。また、数千のトリップがMapbox Navigationによって実現されました。

Between November 2018 and April 2019, Mapbox collected about 200M miles of anonymous telemetry used to power Traffic Data. Of the 200M miles, 400K anonymous trips (<.05%, totaling 825K miles) were set aside to benchmark the ground-truth of our traffic products.

この小さなサブセットを使用すると、交通量の多いラッシュアワー、金曜日の夜の外出、のんびりとした日曜日など、都市の非常に詳細な交通状況を推測できます。さらに、冬の間、交通量が非常に遅かった瞬間を特定し、品質の2つの側面（精度と対称性）の下で交通モデルの予測能力を評価しました。嵐の日のETAは、一貫して楽観的であり、通常の日よりも不正確でした。ライブトラフィックデータに基づく予測は、嵐の日の通常データのみのETAよりも大幅な改善を示しました。この分析は、Mapboxのテレメトリデータのほんの一部から得られる強力な洞察と、Mapboxの交通モデルによって抽出できるシグナルの価値を示しています。 

これが私たちがそれを行った方法です。

匿名化されたテレメトリデータから交通のダイナミクスを理解する

デンバーの一般的な交通状況を測定するために、評価用に確保された各トリップのペース（1マイルを運転するのにかかる時間（分））を計算しました。これらのトリップをすべて集計すると、典型的な1週間を通して車両が1時間あたりに移動するペースの変化を視覚化できました。交通の規則性に注目する価値があります。平日（ペースが速い）のラッシュアワーと、オフピーク時（ペースが遅い）の速度が速くなります。典型的な週には、他の詳細も表示されます。たとえば、週末の夜は平日よりも混雑し、日曜日の交通量は一般的に少なくなります。

VMT（走行距離）が一定であると仮定して、ペースを「時間数」に変換し、冬の特定の時間（下のグラフの青色）が、確立した典型的なベースライン（灰色）からどれだけ逸脱したかを推定しました。正の数（y軸）は、デンバーの住民が典型的な週の同じ時間と比較して、交通渋滞に巻き込まれた追加の時間数であり、負の数は非常に交通量の少ない期間です。たとえば、12月の第2週では、交通量はベースライン内に収まり、特に速くも遅くもありませんでした。

雪が降るとどうなりますか

2019年3月13日、記録的な暴風雨が米国中部の大部分を襲い、コロラド州で大規模な混乱を引き起こしました。特にデンバーでは交通が混乱し、当社のテレメトリデータは、移動速度の大幅な低下を捉えました。

3月13日と14日の両方で、運転された追加時間は通常の週を大幅に上回りました。道路状況は非常に悪く、平均して各人は3月14日に通常よりも30分長く交通渋滞に巻き込まれました（1人当たりの損失時間）。ただし、これは冬の唯一の嵐または不規則な交通パターンではありませんでした。

11月から4月までの毎日、通常の状態と比較して、一人当たりの交通渋滞で「失われた」時間を計算する上記の演習を繰り返しました。典型的な日では、一人当たりの遅延時間は±5分でしたが、嵐が報告された日のほとんど（および一部の祝日）では、交通状況が非常に悪化しました。例として、感謝祭の前の水曜日には、平均して一人当たり11分が失われ、ほとんどの冬の嵐では、一人当たり10〜15分が追加されました。

Mapbox Traffic

冬の間、MapboxはNavigation SDKとLogisticsサービスを通じて、デンバーでの数千回の移動のナビゲーションを支援しました。これらの移動のETAは、(1)過去のテレメトリを使用する典型的なデータと、(2)現在のテレメトリからのデータのみを使用して作成されるライブデータの2つの異なるプロセスを使用して計算されます。トラフィックは非常に周期的であるため、典型的な速度データは堅牢なトラフィック予測のカバレッジを最大化しますが、ライブデータを使用すると、予期しない状況下でリアルタイムにナビゲートできます。

Mapbox ターンバイターンナビゲーションは、これら2つのトラフィックデータソースを組み合わせて使用​​していますが、Directions APIやMatrix APIなど一部の製品は、一般的なデータのみに依存しています。このような場合、上記の異常な状況は、モデルの予測能力を低下させます。その影響を理解するために、Telemetryチームにおけるトラフィック品質の測定方法を分析してみましょう。

ETAの品質とファンダイアグラム

ETAの長所と短所を理解するために、トラフィック予測を継続的にベンチマークして、実際の状況と比較しています。 1日に約100万件の記録を収集し、実際の移動時間に対する複数のバージョンの誤差を計算します。

そのような指標の1つがMSEで、観測ごとに-1から1の間の値を持ちます。MSEの値は、実際の移動時間と完全に一致する場合、0になります。負の値は、ETAがATAよりも小さかったレコードを表し、したがって、楽観的な見積もりであったことを示します。正の数は、実際に移動にかかった時間よりも長く移動にかかると見積もったことを示します。

MSE = {eta-ata}/{max(eta, ata)}

数千件の記録が集められ、グループ化されると、人口の傾向を分析できます。これらのグループ化は、地理的（例：ヨーロッパの国々、APACの都市、米国の州）、時間的（例：暦日、営業日と週末）、関連する分類（遅い旅行と速い旅行、道路の種類など）、または競合するモデルやETAプロバイダーでも可能です。

以下は、AからDのグループのMSEのヒストグラムです。分布の広がり(1)と、誤差が0を中心としている度合い（対称性）(2)に違いがあることに注目してください。

これらの両方の側面を捉えるために、上記の分布を扇形のグラフで要約できます。x軸は平均誤差（対称性を捉える）であり、y軸には誤差の絶対値の平均（方向に関係なく全体的な誤差）をプロットします。次に、極座標プロットにおける分布の位置に基づいて、トラフィック品質を2つの次元（大きさ（r）と角度（θ））で測定します。

原点と各ポイント間のベクトルの大きさ（`r`）は、全体的なトラフィックの精度に関連しています。原点から離れるほど、品質は低下します。たとえば、下の図の`A`と`B`は全体的な精度が似ていますが、`C`の方が優れています。2番目の次元は、破線に対するベクトルの角度（`θ`）です。時計回りの見積もりは全体的に楽観的であり、反時計回りのETAは高すぎます（過度に悲観的）。たとえば、`A`と`D`は同じ対称値を持っています（ただし、`A`の方が精度が高くなっています）。また、`C`のETAは全体的に真実に最も近いものでしたが、見積もりは外れており、ほぼ排他的に遅すぎました。

要するに、点がグラフの先端に近いほど、推定の精度が高く、中心の線に近いほど、楽観的なトリップと悲観的なトリップのバランスが取れているということです。

雪の日の交通品質

デンバーにおけるMapboxの交通データは、一般的に非常に正確です。ETA（到着予定時刻）の一貫性に関する詳細については、日ごとにグループ化して評価をプロットできます。下の図では、各ポイントは特定の日における典型的な交通状況のみの推定品質を表しています。上記の図と同様に、青い点はかなりの降雪があった日、赤い点は祝日を示しています。「通常」の日（灰色）は、高品質でやや悲観的な領域に集中しています。さらに、一部の祝日（通常の平日として扱わない日）は、高い予測能力を持っています。嵐の間や祝日周辺の日（例えば、感謝祭の前の水曜日）は、典型的なデータに基づくETAの精度が低く、非常に楽観的です。言い換えれば、これらの日の予測は通常のETAに基づいていますが、実際の走行時間は非常に長くなっています。

リアルタイム交通状況の影響

Mapbox Navigationは、ライブデータトラフィックによっても強化されており、これは通常とは異なる日には特に重要です。経験的に、ライブデータの貢献は極端な状況で最も有益であるように思われますが、通常の日におけるETAへの影響も理解したいと考えています。異常なトラフィックが発生する嵐の日や休日には、ファン図でエラーを並べてプロットすると、これが確認されるようです（下の小さなマーカーは通常のみのETAのエラーであり、大きいマーカーは通常+ライブデータによるETAです）。

悪天候時のターンバイターン方式の到着予定時刻（ETA）はまだ楽観的すぎましたが、誤差の大きさははるかに小さくなり、ドライバーが実際に走行中に体験することに、より近い推定値が得られるようになりました。ライブデータは全体的な品質も日々向上させましたが、極端な状況下でより顕著に改善が見られました。ライブデータの全体的な貢献度を評価するために、上記の同じ次元で、typical+liveの推定値とtypical-onlyの推定値の改善を定量化しました。

下の図では、x軸は角度θの大きさの差であり、その方向に関係なく、正の数は、typical+liveのエラーがtypicalのみのエラーよりも対称的であることを意味します。y軸は、全体的なエラーに対するrの差を示しています。ほとんどの日が正-正の象限に該当し、ライブデータによってETAの精度と対称性の両方が向上することを示しています。これは、不規則な交通状況の日だけでなく、すべての日で発生します。

冬が来る（少なくとも年に一度は）

北半球の雪の季節は終わりましたが、また戻ってきます。交通パターンは雪だけによって影響を受けるわけではありません。その他の異常気象、デモ、スポーツ、大規模なイベントも都市の動きの速度を変化させます。

この分析で回復されたパターンは、デンバーで収集された総テレメトリのごく一部（0.5％未満）のみを使用しました。したがって、毎日収集する数百万マイルの強みを活用することで、Mapboxのライブトラフィックモデルは、これらの予測をより正確に行うことができます。最後に、これらの非典型的なイベント中にトラフィックに一定の規則性がある可能性があります。当社のロジスティクスの顧客は、将来の日付のライブデータを使用して事前に計画することはできませんが、嵐が近づいていることがわかっている場合は、「典型的な雪の日」の予測を提供することが、一般的な典型的なプロファイルよりも大幅な改善になる可能性があります。

Mapbox Traffic Dataをルーティングエンジン、ナビゲーションアプリ、または組み込みシステムに組み込みたいですか？Directions API、AndroidおよびiOS用のNavigation SDKを介して、交通状況を考慮したETAとルーティングにアクセスするか、HERE、TomTom、OSMなどの地図に追加します。