La planification des tournées, voyages et autres itinéraires a toujours été un art difficile, car les conditions de circulation varient considérablement au fil du temps. Mais aussi car chacun possède ses propres contraintes. Ainsi, la majeure partie des progiciels du marché se base sur des algorithmes calculant un trajet théorique ou un trajet statistique. Cependant, de très nombreux développeurs utilisent depuis des années déjà, les données de trafic en temps réel de l'API Google Maps pour aider les conducteurs à traiter ce problème de façon réactive et à être plus précis. Mais jusqu'à récemment, cette méthode était valable et disponible pour les trajets dont les départs étaient proches du moment de la planification.
C'est Elena Kelareva, Product Manager de Google Maps APIs, qui a rendu publique l'information il y a quelques temps. Les ingénieurs de Google ont décidé d'étendre les prévisions de trafic dans les API Google Maps, indéfiniment dans l'avenir - une caractéristique que nous appellerons le temps de déplacement prédictif. Cela va permettre aux développeurs de planifier les heures de voyage des jours voire des semaines à l'avance, en utilisant le modèle de Google, avec les conditions de circulation de ce jour-là. Ce modèle prend également en compte toutes les caractéristiques de la circulation dans l'API Directions et l'API Distance Matrix, et permet l'augmentation de la limite des points intermédiaires (les "stops") dans l'API Directions. On passe ainsi de 8 à 23 points intermédiaires.
Utiliser ces nouvelles fonctionnalités concernant la circulation est très simple : il suffit d'ajouter le paramètre departure_time à une requête de l'API Directions ou de l'API Distance Matrix, et les résultats contiendront l'estimation du temps de voyage en tenant compte des conditions de circulation prévus à cette date. La route de retour peut également varier en fonction des conditions de circulation, ce qui permet aux développeurs de recommander l'itinéraire le plus rapide à leurs utilisateurs. Par exemple, l'image ci-dessous montre l'itinéraire le plus rapide de l'Aéroport International de San Francisco vers le campus de Google à Mountain View tard dans la nuit quand il n'y a pas de trafic (bleu), et pendant les heures de pointe quand un accident sur l'Autoroute 101 a ralenti la circulation (rouge).
Utiliser ces nouvelles fonctionnalités concernant la circulation est très simple : il suffit d'ajouter le paramètre departure_time à une requête de l'API Directions ou de l'API Distance Matrix, et les résultats contiendront l'estimation du temps de voyage en tenant compte des conditions de circulation prévus à cette date. La route de retour peut également varier en fonction des conditions de circulation, ce qui permet aux développeurs de recommander l'itinéraire le plus rapide à leurs utilisateurs. Par exemple, l'image ci-dessous montre l'itinéraire le plus rapide de l'Aéroport International de San Francisco vers le campus de Google à Mountain View tard dans la nuit quand il n'y a pas de trafic (bleu), et pendant les heures de pointe quand un accident sur l'Autoroute 101 a ralenti la circulation (rouge).
Du fait que les conditions de circulation futures peuvent varier considérablement, les développeurs peuvent désormais définir un paramètre optionnel traffic_model pour choisir si ils préfèrent obtenir une estimation du temps de voyage optimiste, pessimiste ou best_guess. Par exemple, un des clients de Google, Redfin, envisage d'utiliser les APIs Google Maps pour prédire combien de temps il faudra à ses commerciaux pour conduire entre deux maisons (lors de rdv de visites immobilières), et d'utiliser le modèle de trafic pessimiste pour s'assurer qu'il y a assez de temps de voyage entre deux visites, tout en tenant compte du trafic réel et de l'historique. Un autre exemple concerne un développeur souhaitant mettre au point une application domotique innovante de thermostat. Il veut que la maison des utilisateurs de l'application soit à la bonne température (et se réchauffe donc) au moment où ils rentrent du travail. Ce développeur utilisera le modèle d'estimation optimiste pour évaluer le temps de voyage de l'utilisateur susceptible de rentrer à la maison le premier, de sorte à rallumer le thermostat au bon moment pour atteindre la température idéale à son arrivée. Ce type d'application peut faire économiser plus de 20% d'énergie à son propriétaire...
Le modèle de trafic par défaut, best_guess, renvoie le temps de voyage le plus probable étant donné tout ce qui est connu sur les conditions à la fois de circulation prévue par le modèle historique pour le jour de la semaine et l'heure demandés, mais aussi sur les conditions de circulation en temps réel au moment de la requête. Cela peut donc être utilisé dans des applications qui donnent aux conducteurs une indication de ce que leur temps de voyage sera très probablement.
Pour en savoir plus sur les caractéristiques prédictives de la circulation routière avec l'API Google Maps, consultez cette vidéo, ou les documentations de l'API Directions, l'API Distance Matrix, de l'API Javascript Directions et des webservices Distance matrix ou téléchargez les librairies clientes mises à jour pour Java ou Python.
