لماذا يلزم تقدير عدم اليقين في التعلم العميق للتنبؤ بتدفق حركة المرور

اكتسب التنبؤ بتدفق حركة المرور شعبية متزايدة مع انتشار أنظمة النقل الذكية، غير أن معظم النماذج القائمة تركز على رفع أداء التنبؤ وتقديم تنبؤات سريعة صالحة للتطبيقات الفورية، وهي تستطيع بيان سلامة التنبؤ حين تتوفر القيمة الفعلية المقابلة، لكنها لا تستطيع تفسير عدم اليقين المصاحب لتنبؤاتها، وقد برز عدم اليقين في الآونة الأخيرة بوصفه مشكلة مهمة يتعين حلها في مجال التعلم العميق عمومًا، إذ إن تنبؤًا دقيقًا في المتوسط قد يخفي تذبذبًا واسعًا في حالات بعينها، وهو ما يحد من الثقة به في قرارات تشغيلية حساسة، ومن هنا تتناول هذه الدراسة كيفية تقدير عدم اليقين في نماذج التنبؤ بتدفق المرور وسبب الحاجة الماسة إليه

أولًا: أهداف الدراسة ومنهجيتها

هدفت الدراسة إلى معالجة غياب تقدير عدم اليقين في نماذج التنبؤ بتدفق حركة المرور، وذلك بتطبيق طريقة مونت كارلو للتسرب العشوائي التي تقدّر عدم يقين نموذج التنبؤ المروري، وصُمم النموذج ليتنبأ في آن واحد بالقيم المقاسة وبعدم اليقين المصاحب لها، وطُبق على بيانات مرورية ضخمة من مدينة سيول بلغت 5729640 نقطة بيانات، وقورن أداؤه بأداء نموذج الذاكرة طويلة وقصيرة الأمد الشائع في هذا المجال، كما أُجريت تجارب للتحقق من إمكانية تقدير القيم المتنبأ بها وعدم يقينها معًا دون إنقاص جوهري في أداء النموذج، وأُجري اختبار للتوزيع الطبيعي على قيم عدم اليقين في تدفق المرور للتحقق من طبيعتها الإحصائية، واهتمت الدراسة بأن تكون البيانات المستخدمة واقعية التمثيل لحركة مدينة كبرى كثيفة الازدحام حتى تكون النتائج قابلة للنقل إلى مدن أخرى تعاني تحديات مرورية مماثلة

ثانيًا: أبرز النتائج

النتيجة الأولى: أظهر النموذج المقترح القائم على طريقة مونت كارلو للتسرب العشوائي أداء أفضل من نموذج الذاكرة طويلة وقصيرة الأمد في التنبؤ بتدفق حركة المرور على بيانات مدينة سيول، بما يدل على أن إدماج تقدير عدم اليقين لا يتعارض مع جودة التنبؤ بل قد يصاحب تحسنها

النتيجة الثانية: أثبتت التجارب أن القيم التي يتنبأ بها النموذج وعدم اليقين المصاحب لها يمكن تقديرهما معًا في إخراج واحد، دون أن يتراجع أداء النموذج تراجعًا جوهريًا، وهو ما يجعل تقدير عدم اليقين إضافة عملية قابلة للتطبيق الفوري لا عبئًا حسابيًا معطلًا

النتيجة الثالثة: أُجري اختبار التوزيع الطبيعي على عدم اليقين في تدفق المرور فتأكدت طبيعته الطبيعية إحصائيًا، وبناء على ذلك قُدم معيار مرجعي لعدم اليقين يسمح بمقارنة التنبؤات والحكم على مدى الثقة بها بمقياس موحد

النتيجة الرابعة: يقدم تضمين عدم اليقين في مخرجات النموذج رؤى إضافية عن سلوكه لا توفرها قيم الخطأ وحدها، إذ يكشف عن الحالات والمواضع التي يثق فيها النموذج بتنبؤاته والحالات التي يشوبها التذبذب، وهو ما يمنح مشغلي النقل صورة أصدق عن جدارة كل تنبؤ بالاعتماد عليه في القرارات التشغيلية

ثالثًا: دلالات الدراسة وتطبيقاتها

تشير دلالات الدراسة إلى أن إدماج عدم اليقين في مخرجات نماذج التنبؤ المروري يمنح مشغلي أنظمة النقل الذكية رؤية أعمق لسلوك النموذج، إذ يستطيعون التمييز بين تنبؤات واثقة وأخرى هشة تستدعي الحذر أو التدخل البشري، وأن المعيار المرجعي المقترح لعدم اليقين يضع أساسًا جديدًا لتقييم التنبؤات المرورية يتجاوز مقاييس الخطأ التقليدية، بما يعزز قدرات أنظمة النقل الذكية في إدارة الازدحام والاستجابة للحوادث وتخطيط الرحلات على نحو أكثر أمانًا وفاعلية، كما يفتح هذا التوجه الباب أمام معايير تقييم مهنية لنماذج الذكاء الاصطناعي في القطاعات الحساسة، إذ تصبح الشفافية حول حدود الثقة جزءًا من جودة النموذج لا إضافة تجميلية إليه

وخلاصة القول إن التنبؤ بتدفق المرور لا يكتمل بغير تقدير عدم اليقين المصاحب له، وإن طريقة مونت كارلو للتسرب العشوائي توفر وسيلة عملية لذلك دون التضحية بالأداء، وإن التحقق من التوزيع الطبيعي لعدم اليقين وبناء معيار مرجعي له يفتحان الباب أمام جيل من نماذج النقل الذكي أكثر شفافية وقابلية للمساءلة