得益于其内置的技术， 谷歌地图 提供的功能远远超出了旧纸质地图。
导航软件(例如Google Maps)最有用的功能之一是解析交通数据，以提供到达时间和替代路线的估算值，这对用户来说是一个巨大的好处，Google表示每天使用Google Maps行驶十亿公里。
有了Alphabet的同伴DeepMind，一家总部位于英国的AI研究公司，以其AlphaGo平台胜过Go大师Lee Sedol而闻名，该服务最近通过机器学习技术得到了改善。
Google Maps产品经理Johann Lau解释说，虽然可以使用路况数据来提供当前时刻的路况，但Google仍会使用该数据来预测未来的路况。 在博客文章中。“为了预测不久的将来的流量，Google Maps会分析一段时间内道路的历史流量模式。例如，一种模式可能表明，北加州的280号高速公路通常在早上6点至早上7点之间以65英里/小时的速度行驶，但在午后仅以15-20英里/小时的速度行驶。然后，我们将历史流量模式的数据库与实时交通状况结合起来，使用机器学习基于两组数据生成预测。”
尽管Google对ETA的预测已经达到了97%的准确率，但与DeepMind的合作关系涉及使用一种称为Graph Neural Networks的机器学习技术来将全球城市中的这一数字提高多达50%，并预测尚未发生的流量。
在自己的博客文章中， DeepMind说：“我们的模型将本地道路网视为一个图形，其中每个路线段对应一个节点，并且在同一条道路上连续或通过交叉点连接的段之间存在边。在图形神经网络中，执行消息传递算法，其中消息及其对边缘和节点状态的影响由神经网络学习。从这个角度来看，我们的超级路段是道路子图，是根据交通密度随机抽样的。因此，可以使用这些采样的子图来训练单个模型，并且可以大规模部署该模型。”
