مع التقدم السريع لتقنية القيادة الذاتية، أصبح التنبؤ الدقيق بمسارات المركبات محورًا بحثيًا ساخنًا، إذ تتوقف عليه سلامة القرارات التي تتخذها أنظمة القيادة في بيئات مرورية معقدة ومتغيرة، فالمركبة الذاتية لا تحتاج إلى معرفة موقعها الحالي فحسب، بل إلى استشراف مواقع المركبات المحيطة بها بعد ثوانٍ قليلة لتخطط مناوراتها بأمان، وكلما طال أفق التنبؤ ازدادت صعوبته بفعل تعدد العوامل المؤثرة في سلوك السائقين البشريين
وتنطلق هذه الدراسة من أن مسار المركبة لا تحدده حركتها الفيزيائية وحدها، بل يتشكل أيضًا بنية قائدها وأسلوب قيادته، فالسائق العدواني يغير حارته على نحو يختلف عن السائق الحذر، ومن يتابع مركبة أمامه بمسافة قصيرة يتصرف بغير ما يتصرف به من يترك مسافة أمان واسعة، ومن ثم فإن إدماج النية والأسلوب في نماذج التنبؤ قد يكون مفتاحًا لرفع دقتها بدرجة جوهرية
أولًا: أهداف الدراسة ومنهجيتها
اختارت الدراسة مجموعة بيانات أيه دي 4 سي إتش إي المتخصصة مصدرًا لبياناتها، واستخرجت منها بيانات المسارات المطلوبة، شملت 1202 مسار لتغيير الحارة و1137 مسارًا لمتابعة المركبات، وبنت شبكة ذاكرة طويلة وقصيرة المدى ضمن إطار كيراس باستخدام منصة تنسرفلو للتعلم العميق، ودمجت الشبكة نية القيادة وأسلوب القيادة وبيانات المسار التاريخية مدخلات لإنشاء نموذج التنبؤ بمسار المركبة، واختارت متوسط الخطأ المطلق وجذر متوسط مربع الخطأ مؤشرين لتقييم النماذج، وقارنت نتائج التنبؤ في حالتين، حالة لا تراعي أسلوب القيادة وحالة تراعيه
وتعالج شبكات الذاكرة طويلة وقصيرة المدى البيانات المتسلسلة زمنيًا بطبيعتها، إذ تحتفظ بمعلومات من خطوات سابقة وتوظفها في التنبؤ بالخطوات اللاحقة، وهي خاصية تجعلها ملائمة لمسارات المركبات التي تتشكل لحظة بعد لحظة بتأثير الحركة السابقة ونية السائق المتراكمة وأسلوبه المستقر نسبيًا عبر الزمن
ثانيًا: أبرز النتائج
ويمكن إجمال أبرز نتائج المقارنات التي أجرتها الدراسة فيما يأتي، وهي نتائج تتكامل في إثبات القيمة المضافة لمراعاة العوامل السلوكية في نماذج التنبؤ بمسارات المركبات على الطرق
النتيجة الأولى: تفوقت النماذج التي تدمج أسلوب القيادة تفوقًا واضحًا على النماذج التي لا تراعيه، بما يؤكد التأثير الحاسم لأسلوب القيادة في مسارات المركبات وضرورة حضوره في أي نموذج تنبؤ جاد
النتيجة الثانية: أظهر منهج الذاكرة طويلة وقصيرة المدى مزايا لافتة على النماذج الحركية التقليدية في التنبؤ طويل المدى بمسارات المركبات، وهو الأفق الأصعب والأهم لتطبيقات القيادة الذاتية التي تحتاج إلى قرارات مسبقة ممتدة زمنيًا
النتيجة الثالثة: خفضت طريقة التنبؤ المراعية لنية القيادة وأسلوبها جذر متوسط مربع الخطأ بفاعلية، ورفعت دقة التنبؤ بدرجة كبيرة مقارنة بالطرق التي تغفل هذين العاملين السلوكيين المؤثرين
ثالثًا: دلالات الدراسة وتطبيقاتها
تقدم نتائج هذه الدراسة رؤى قيمة لتقييم مخاطر قيادة المركبات، وتسهم إيجابيًا في تطوير تقنية القيادة الذاتية وفي التنمية المستدامة لحركة المرور على الطرق، فالتنبؤ الأبكر والأدق بمسارات المركبات المحيطة يتيح قرارات قيادة أكثر أمانًا وسلاسة، ويقلل المناورات المفاجئة وما يصاحبها من مخاطر واستهلاك، كما تفتح الدراسة الطريق أمام نماذج لاحقة تدمج عوامل سياقية أوسع، مثل حالة الطقس وكثافة المرور وخصائص الطريق، في بنية تنبؤ واحدة
وتؤكد الدراسة في مجملها أن الذكاء الاصطناعي حين يقرأ سلوك السائق لا هندسة الطريق وحدها يقترب أكثر من فهم واقع القيادة البشرية المعقد، وهو فهم تتعاظم الحاجة إليه كلما ازداد اختلاط المركبات الذاتية بالمركبات التقليدية على الطرق ذاتها
ومن زاوية أوسع، يعيد هذا التوجه تعريف العلاقة بين النماذج الرياضية والسلوك البشري في هندسة المرور، فبدل افتراض سائق مثالي متجانس تستوعب النماذج الحديثة تنوع السائقين الفعلي واختلاف نواياهم لحظة بلحظة، وهو استيعاب يرفع واقعية المحاكاة المرورية ويجعل اختبارات أنظمة القيادة الذاتية أقرب إلى ظروف الطرق الحقيقية بتعقيداتها ومفاجآتها
وخلاصة القول إن مراعاة نية القيادة وأسلوبها عند التنبؤ بمسارات المركبات ليست تحسينًا هامشيًا بل عامل حاسم في الدقة، وإن شبكات الذاكرة طويلة وقصيرة المدى تقدم إطارًا واعدًا لهذا التنبؤ بما يخدم سلامة الطرق ومستقبل القيادة الذاتية
المصدر الأصلي: https://www.mdpi.com/2071-1050/16/19/8417
DOI: 10.3390/su16198417