مجموعة بيانات خفيفة الملمس ومفصّلة لمفترَقات طرق حضرية مُسيطر عليها بإشارات تحتوي على مسارات تصادم مكثفة

لماذا تهم مفترَقات المدن المزدحمة

أي شخص انتظر عند مفترَق مدينة مزدحم يعرف كم يمكن أن يبدو الوضع فوضوياً، مع سيارات وحافلات ودراجات ومشاة يحاولون التحرك في الوقت نفسه. تطرح هذه الدراسة سؤالاً بسيطاً: كيف يمكننا أن نفهم فعلاً ما يحدث في لحظات الاقتِراب الخطيرة والتوقفات المفاجئة، حتى يتمكن المهندسون والسيارات الذاتية المستقبلية من جعل المفترَقات أكثر أماناً وسلاسة للجميع؟

مراقبة الحركة من السماء

للإجابة عن ذلك، أنشأ الباحثون مجموعة بيانات جديدة اسمها FLUID بتسجيل ثلاثة مفترَقات مُسيطر عليها بإشارات في مدينة صينية باستخدام طائرة درون صغيرة. من أكثر من خمس ساعات من الفيديو، تتبّعوا أكثر من 20,000 مستخدم للطريق، من سيارات وشاحنات إلى دراجات نارية ومشاة. من منظور علوي على ارتفاع 100 إلى 120 متراً، كانت الدرون ترى كل حركة عبر المفترَق بأكمله، دون إلهاء السائقين بكاميرات على الطرق أو مركبات اختبار مرئية. سمحت هذه النظرة من فوق بتتبع من أعطى الطريق، ومن اجتاز، ومتى اقتربت تيارات مختلفة بشكل خطير.

فهم آلاف الحركات

جمع الفيديو الخام هو الخطوة الأولى فقط؛ تحويله إلى مسارات دقيقة لكل مستخدم للطريق هو التحدي الحقيقي. صمّم الفريق خط أنابيب رقمي خفيف يكتشف كل شخص أو مركبة في الإطارات، يربط تلك الاكتشافات إلى مسارات مستمرة، ثم يحول مواضع الشاشة إلى إحداثيات حقيقية على الخريطة. جمعوا عدة نماذج متخصصة في رؤية الحاسوب بحيث تُلتقط الأجسام الصغيرة والصعبة الرصد مثل المشاة والدراجات النارية والثلاثيّات بشكل موثوق. ثم قامت طريقة تتبُّع بتركيب تلك الاكتشافات إلى مسارات سلسة، بينما أزالت عمليات معالجة إضافية اهتزاز الكاميرا، وملأت الفجوات القصيرة، وفرّزت الأخطاء الواضحة مثل الصناديق المكررة حول نفس المركبة.

من المسارات إلى الصراعات والمخاطر

مع توفر المسارات النظيفة، تمكن الباحثون من البحث عن أهم الأحداث: الصراعات حيث يتقارب مركبتان أو مركبة ومستخدم طريق عرضي من حيث الزمان والمكان. باستخدام مقاييس زمنية مثل المدة المتبقية قبل اصطدام محتمل إذا لم يغيّر أي طرف مساره، وضعوا علماً لآلاف من هذه التفاعلات الخطرة وجمّعوها إلى أنماط خلفية، اصطدام جانبي، زاوي، واصطدام أمامي. أظهرت مفترَقات FLUID متوسط 2.8 صراعاً بين المركبات في الدقيقة، وحوالي 15 في المئة من جميع المركبات الميكانيكية شاركت في صراع واحد على الأقل، وهي نسبة أعلى بكثير من العديد من مجموعات بيانات الدرون الموجودة. تتضمن البيانات أيضاً معلومات مفصلة عن مراحل الإشارة ومناورات الدوران، مما يجعل من الممكن ربط الأحداث الخطرة بمراحل الإشارة الخضراء والصفراء والحمراء، ورصد تجاوز الإشارة الحمراء ومخالفات أخرى.

التحقق من الدقة ومشاركة الصورة الكاملة

لأن دراسات السلامة تعتمد على مواضع وسرعات دقيقة، تحقق الفريق بعناية من مدى دقة بياناتهم. قارنوا نتائج FLUID مع أداة تحليل تجارية شائعة ومع قياسات فضائية عالية الدقة من سيارة اختبار مزودة بمستقبل متخصص. كانت مواضع تلك السيارة الاختبارية في بيانات FLUID ضمن متر تقريباً من الحقيقة الميدانية، ونادراً ما فقد النظام الأجسام أو أخطأ في تحديدها. ومن المثير للاهتمام أن المؤلفين وجدوا أن تحليل الفيديو بمعدل إطارات مخفض قليلاً ساعد على تنعيم الضوضاء في تقديرات السرعة دون فقدان السلوك المهم. وعلى خلاف العديد من المشاريع السابقة، ينشرون أيضاً ليس المسارات المعالجة فحسب بل الفيديوهات المجهّلة والخرائط وتوقيتات الإشارات ووثائق واضحة لكل خطوة معالجة.

ما الذي يعنيه هذا لحركة المرور اليومية

لغير الخبراء، يمكن اعتبار FLUID كفاصل زمني فائق الدقة لحياة المفترَقات المزدحمة، حيث تُرسم كل مسار سيارة ومشاة ويسجَّل كل اقتراب خطير. من خلال التقاط صراعات مكثفة وواقعية وربطها بالإشارات والانعطافات والمخالفات، تمنح مجموعة البيانات مهندسي المرور ومخططي المدن ومطوري المركبات الذاتية ملعباً قوياً لاختبار الأفكار. يمكنها دعم دراسات من يقف عادة، كيف تؤثر خطط الإشارة المختلفة على السلامة، كيف يتنقل الدراجون والمشاة ضمن المخاطر، وكيف يجب أن تتصرف السيارات الحاسوبية في حركة مختلطة. باختصار، تقدم هذه الدراسة رؤية واضحة ومفتوحة ومشروحة بثراء عن كيفية عمل المفترَقات الحقيقية، مما يساعد الأنظمة المستقبلية على تقليل الخطر والتأخير حيث يبدأ كثير من الحوادث اليوم.

الاستشهاد: Chen, Y., Wu, Z., Zheng, G. et al. A Fine-Grained Lightweight Urban Signalized-Intersection Dataset of Dense Conflict Trajectories. Sci Data 13, 766 (2026). https://doi.org/10.1038/s41597-026-07110-9

الكلمات المفتاحية: مسارات المرور, مفترَقات حضرية, مجموعة بيانات درون, سلامة المرور, القيادة الذاتية