Cómo sabe Google Maps que hay un atasco en tu calle en tiempo real

Para muchos de nosotros, las apps de navegación se han convertido en una herramienta indispensable que va más allá de calcular la ruta más corta hacia nuestro destino. Cuando introducimos uno en Google Maps, la pantalla nos muestra el estado del tráfico y tiñe de rojo las calles más concurridas con embotellamientos e incidentes. Es una capacidad muy útil para anticipar retenciones y así elegir un itinerario alternativo para reducir el tiempo de viaje.

Sin embargo, detrás de este sistema no hay miles de trabajadores de Google monitoreando las cámaras de tráfico en cada cruce, sino una inmensa red de sensores distribuidos a nivel mundial. Porque sí, para conocer la densidad de circulación en tiempo real se basa en los usuarios: nuestro móvil actúa como un informador silencioso que envía datos a los servidores de la compañía. 

Un rastreo pasivo y la densidad de los teléfonos

La base sobre la que se sustenta esta tecnología es el rastreo pasivo de la ubicación. Si un usuario tiene instalado Google Maps o utiliza un Android con los servicios de ubicación activados, el terminal transmite esa información de forma continua y anónima a Google.

Como detallan expertos en arquitectura de sistemas, el proceso no se limita al chip GPS, sino que triangula la posición combinando redes WiFi y torres de telefonía para no perder el rastro en cualquier momento.

El algoritmo analiza la velocidad y el número de teléfonos agrupados en un tramo específico de asfalto. En caso de que en una carretera con un límite de 120 km/h el sistema detecte que cientos de dispositivos circulan a 30 km/h, la app deduce la existencia de un atasco y actualiza el mapa para el resto de usuarios.

A pesar de ello, la dependencia de las señales de los móviles tiene una vulnerabilidad que una persona explotó. El artista Simon Weckert demostró que bastaba con pasear 99 smartphones encendidos en una carretilla para engañar a la plataforma. Al concentrar tantos dispositivos moviéndose lentamente, el algoritmo interpretó que había tráfico denso y tiñó la vía de rojo.

Siguiendo con el sistema, el análisis de los móviles es importante, pero no es suficiente para Google. Para calcular con exactitud la evolución del tráfico la compañía combina las condiciones en tiempo real con patrones históricos de circulación. Así es como estudia la variación del flujo de vehículos en una carretera dependiendo de las horas o de los días de la semana.

Luego, toca procesar esa inmensa cantidad de variables: Google tiene una potente arma para ello en DeepMind, el laboratorio de IA de su propiedad. Mediante el uso de una arquitectura de machine learning, el sistema es capaz de generar predicciones con una precisión superior al 97% a la hora de estimar tiempos de llegada, anticipando retenciones incluso antes de que lleguemos a la zona.

Por último, la plataforma enriquece su mapa nutriéndose de fuentes oficiales y colaborativas. A los datos proporcionados por las administraciones públicas sobre límites de velocidad, peajes o carriles cortados, se suman reportes de los propios usuarios acerca de accidentes o averías, cerrando un círculo de información que se actualiza segundo a segundo.

Imagen destacada | Composición con imágenes de Xataka Móvil y Jorge Franganillo para Flickr

En Xataka Móvil | Uso Google Maps para no perder el coche cuando lo aparco. Resulta que Waze lo hace igual de bien, y casi nadie lo usa para eso

En Xataka Móvil | No hay forma de evitar que tu baliza V16 salga en un mapa público, pero sí deberías tomar otras precauciones