Cómo sabe Google Maps que hay tráfico en tiempo real
Tiempo estimado de lectura: 8 minutos
Abres Google Maps antes de salir de casa y una avenida aparece en rojo. Hay atasco. Quizá nadie ha avisado de un accidente, ninguna persona ha marcado una retención y tú todavía estás a varios kilómetros de allí.
Entonces, ¿cómo sabe Google Maps que hay tráfico?
Una parte importante de la respuesta viaja en los bolsillos de los propios conductores. Los teléfonos pueden proporcionar datos de ubicación que, tratados de forma agregada, permiten estimar cómo se está moviendo el tráfico por una carretera. A esa información se suman patrones históricos, incidencias, datos de terceros y modelos capaces de predecir qué puede ocurrir durante el trayecto.
El resultado es ese mapa de carreteras verdes, naranjas y rojas que entendemos de un vistazo.
Detrás de esos colores hay una idea especialmente interesante: una ubicación aislada dice poco; miles de movimientos permiten entender una carretera.
El GPS del móvil es una de las claves para conocer el tráfico
Un smartphone puede determinar su ubicación utilizando distintas señales y sensores. Cuando se dispone de datos de localización de muchos dispositivos que circulan por una misma carretera, es posible observar algo más interesante que dónde se encuentra cada uno: cómo se está moviendo el conjunto.
Imagina una autovía en la que los vehículos suelen circular con fluidez. De pronto, muchos dispositivos que avanzan por ese tramo comienzan a desplazarse considerablemente más despacio.
Ese cambio aporta una pista muy valiosa.
Si el fenómeno se repite en suficientes vehículos y encaja con otros datos disponibles, el sistema puede interpretar que el tráfico está perdiendo fluidez. Los datos agregados de Maps permiten precisamente calcular velocidades de circulación en las carreteras.
Muchos puntos en movimiento cuentan una historia.
De una coordenada a una velocidad de desplazamiento
Una posición GPS indica aproximadamente dónde está un dispositivo en un momento determinado. Al observar cómo cambia esa posición con el tiempo se puede conocer también su desplazamiento.
Simplificando mucho el proceso:
un dispositivo está en un punto de la carretera, unos segundos después aparece más adelante y, a partir de esa evolución, el sistema dispone de información sobre el movimiento que se está produciendo en ese tramo.
Cuando existen suficientes datos agregados, aparece una imagen bastante más clara de la circulación.
Una caída significativa de la velocidad puede señalar tráfico denso. Una circulación estable y rápida apunta a una carretera despejada.
Aquí está la diferencia importante: Google Maps trabaja con el comportamiento agregado del tráfico, en lugar de necesitar que cada conductor comunique manualmente que está dentro de un atasco.
El contexto evita interpretar cada parada como un atasco
Un coche parado tampoco significa automáticamente que exista una retención.
Puede haberse detenido en un semáforo, estar aparcando o haber llegado a su destino. Un autobús realiza paradas frecuentes. Un peatón puede caminar junto a una carretera. Incluso el propio teléfono puede moverse dentro del vehículo de una manera que introduzca ruido en determinados tipos de medición.
Por eso resulta tan importante analizar patrones y contexto, en lugar de sacar conclusiones a partir de un único dispositivo.
Los sistemas de Google emplean modelos capaces de trabajar con grandes cantidades de información y distinguir mejor los movimientos relevantes. La propia compañía ha explicado, por ejemplo, que algunos sensores de un teléfono pueden producir falsas señales al medir determinados comportamientos durante la conducción y que combinar diferentes conjuntos de datos ayuda a mejorar la interpretación.
Una medición aporta una pista. El patrón aporta contexto.
Google Maps combina el tráfico actual con lo que suele ocurrir
Saber que los vehículos circulan despacio ahora mismo resulta útil. Para calcular una ruta completa hace falta algo más.
Supongamos que vas a realizar un trayecto de 45 minutos.
La situación de una carretera situada a dos kilómetros es muy relevante porque probablemente llegarás pronto. En cambio, el tráfico existente ahora mismo en un tramo por el que pasarás dentro de media hora podría haber cambiado completamente cuando llegues.
Ahí entran los datos históricos de tráfico y la predicción.
Google combina las condiciones actuales con patrones históricos para estimar cómo evolucionará la circulación. Sus sistemas pueden aprender, por ejemplo, qué suele suceder en una carretera dependiendo del momento y del día de la semana.
Una carretera tiene sus propios ritmos
Cualquiera que realice habitualmente el mismo trayecto reconoce esos patrones.
Una vía puede estar despejada a primera hora, cargarse progresivamente durante la entrada al trabajo y recuperar fluidez más tarde. Los viernes pueden comportarse de forma diferente a los lunes. Determinados horarios generan patrones bastante reconocibles.
Los modelos pueden utilizar ese historial como referencia para interpretar el presente y estimar el futuro próximo.
Eso explica una capacidad que a veces parece sorprendente: Google Maps puede advertir de tráfico que todavía está lejos dentro de nuestra ruta.
En los recorridos más próximos pesan especialmente las condiciones actuales. Para las partes más lejanas del trayecto cobran mayor importancia la predicción y los patrones históricos. Cuando existen pocas señales en tiempo real, el histórico también puede tener más peso.
El mapa mira el presente y calcula el camino que viene.
La inteligencia artificial ayuda a conectar todas esas piezas
La red de carreteras plantea un problema complejo.
Un atasco en un punto puede afectar a una salida cercana, desviar vehículos hacia otras calles y modificar el tiempo necesario para atravesar varios tramos conectados.
Para abordar esas relaciones, Google ha utilizado técnicas de aprendizaje automático capaces de modelar la propia estructura de la red viaria. El objetivo es predecir tiempos de viaje en diferentes segmentos y utilizar esas estimaciones para valorar las rutas disponibles.
Desde la perspectiva del conductor todo ese procesamiento termina convertido en algo mucho más sencillo: una hora estimada de llegada y una ruta recomendada.
Y esa sencillez es precisamente lo útil.
Los avisos de los conductores también ayudan, pero son otra pieza más
Google Maps permite comunicar accidentes, obras y otras incidencias. Es fácil pensar que esos avisos son el origen de toda la información que vemos sobre el tráfico.
En realidad, forman parte de un sistema más amplio.
La plataforma puede combinar datos agregados de circulación, información histórica, reportes realizados por usuarios y datos procedentes de terceros, incluidas determinadas autoridades responsables de las carreteras.
Por eso puede aparecer una retención aunque ninguna persona haya pulsado un botón para avisar.
Detectar tráfico y conocer su causa son problemas diferentes
Hay una distinción interesante.
El movimiento de los vehículos puede revelar que una carretera está circulando mucho más despacio de lo habitual. Eso permite detectar la congestión.
Saber por qué está ocurriendo puede requerir información adicional.
Un accidente, unas obras o un carril cerrado ayudan a explicar el origen de la retención. Los avisos de usuarios y otras fuentes complementarias pueden aportar precisamente ese contexto.
Así, una cosa es detectar que aquí se circula despacio y otra identificar que aquí se circula despacio por una incidencia concreta.
Separar ambas ideas ayuda a entender por qué el tráfico puede mostrarse correctamente incluso cuando todavía no aparece ningún icono explicando su causa.
¿Qué significan los colores verde, naranja y rojo?
Toda esta tecnología necesita terminar en una interfaz que pueda entenderse rápidamente mientras preparamos un viaje.
La capa de tráfico de Google Maps representa visualmente la fluidez de las carreteras. En términos generales, el verde indica circulación fluida y los tonos naranja y rojo muestran niveles crecientes de congestión.
Lo importante es entender que el color representa las condiciones de circulación estimadas para ese tramo.
Una carretera roja tampoco significa necesariamente que esté completamente detenida. Indica que el desplazamiento es lento en relación con las condiciones de circulación consideradas por el sistema.
El tiempo estimado de llegada es incluso más útil que el color
El mapa de colores ayuda a comprender qué ocurre alrededor. Para un viaje concreto hay otro dato todavía más práctico: cuánto tardaremos.
Google Maps utiliza la información disponible para calcular los tiempos previstos de las distintas rutas. Si las condiciones cambian durante el trayecto, la aplicación puede actualizar sus estimaciones y plantear otra alternativa.
Aquí se aprecia bien el salto desde la localización GPS hasta un servicio cotidiano.
Primero sabemos dónde están y cómo avanzan muchos dispositivos de forma agregada. Después podemos estimar la velocidad de una carretera. Esa información se combina con el histórico y otras señales. Finalmente, los modelos calculan cuánto podría costarnos recorrer cada alternativa.
De puntos sobre un mapa a una decisión sencilla: por aquí tardarás menos.
Por qué Google Maps puede equivocarse con un atasco
Las estimaciones de tráfico son muy útiles, aunque ninguna representación del tráfico puede anticipar perfectamente una realidad que cambia minuto a minuto.
Un accidente acaba de producirse. Una retención empieza a desaparecer. Hay pocos dispositivos aportando señales útiles en una carretera poco transitada. Una calle presenta un comportamiento excepcional. La circulación cambia después de calcular nuestra ruta.
Son situaciones en las que puede existir cierta diferencia entre el mapa y lo que encontramos al llegar.
Cuantos menos datos hay, mayor es la incertidumbre
Una avenida con mucho tráfico genera numerosas señales sobre cómo se están desplazando los vehículos.
En una carretera poco transitada puede existir menos información en tiempo real. En esas circunstancias, los sistemas pueden apoyarse más en los patrones históricos para estimar las condiciones de circulación.
Esto explica por qué la calidad de una estimación puede variar según el lugar y el momento.
También ayuda a entender algo importante sobre cualquier sistema basado en datos de ubicación: la precisión depende tanto de la tecnología como de la calidad, cantidad y contexto de las señales disponibles.
Una situación excepcional puede romper los patrones habituales
Los datos históricos funcionan especialmente bien cuando el presente guarda cierta relación con lo ocurrido anteriormente.
Pero la carretera también tiene días imprevisibles.
Una incidencia repentina puede cambiar el flujo en cuestión de minutos. Una calle cortada desplaza tráfico hacia otras vías. Una concentración extraordinaria de dispositivos puede generar patrones difíciles de interpretar correctamente.
Los modelos intentan integrar información actual y señales complementarias precisamente para adaptarse a estos cambios. Aun así, hablamos de estimaciones sobre un entorno vivo.
El mapa se actualiza. La carretera también.
¿Google necesita saber quién eres para detectar un atasco?
Cuando descubrimos que los datos de ubicación ayudan a conocer el tráfico, aparece una pregunta razonable sobre privacidad.
Para calcular las condiciones de circulación, la información relevante es el comportamiento agregado: cómo se están moviendo los vehículos por determinados segmentos de carretera.
La documentación técnica de Google describe los datos agregados de Maps utilizados para calcular velocidades en tiempo real como datos agregados y anonimizados.
Conviene además separar dos cuestiones que suelen mezclarse: cómo funciona técnicamente la estimación del tráfico y qué ajustes de ubicación o privacidad tiene configurados cada persona en su cuenta y dispositivo.
Estos ajustes pueden evolucionar con las aplicaciones y los sistemas operativos, así que merece la pena revisarlos directamente en el teléfono cuando queramos saber qué información estamos compartiendo.
Del punto GPS al conocimiento útil
El funcionamiento del tráfico en Google Maps permite entender muy bien el verdadero valor de la localización.
Una coordenada puede decir dónde está algo. Una secuencia de ubicaciones permite comprender un desplazamiento. Miles de desplazamientos agregados empiezan a dibujar el ritmo de una carretera. Si además añadimos contexto e historial, podemos anticipar cómo puede evolucionar ese camino.
Ese mismo principio explica por qué la tecnología GPS resulta útil en tantos ámbitos distintos.
En Ubicartec trabajamos precisamente con esa idea de hacer comprensible la localización: saber dónde está aquello que importa y convertir ese dato en información que resulte sencilla de consultar cuando hace falta.
Google Maps lo aplica a una escala enorme para interpretar carreteras y calcular rutas. Otros sistemas de localización pueden utilizar la posición para necesidades completamente diferentes. En cada caso cambian el dispositivo, la plataforma, las funciones y la forma de tratar los datos.
La base resulta fácil de visualizar: primero conocemos una ubicación. Después le damos contexto.
Y cuando ese contexto está bien construido, un pequeño punto sobre un mapa puede ayudarnos a entender mucho mejor el camino.
