إطار حسابي ذكي يدمج الشبكات العصبية مع FUCA الضبابية فيثاغورية المعقدة لتقييم سعة المجال الجوي وتوقع حركة المرور

لماذا تهم السماء الأذكى

كل من جلس عبر تأخير طويل في رحلة قد شعر بمدى هشاشة نظامنا للسفر الجوي. وراء كل إقلاع وهبوط هناك توازن مستمر: كم عدد الطائرات التي يمكن للسماء استيعابها بأمان، كيف تنتشر العواصف والاختناقات عبر الشبكة، وكيف يوزن المراقبون والمخططون أولويات متنافسة. تعرض الورقة طريقة جديدة لدعم تلك القرارات من خلال مزج الذكاء الاصطناعي مع طريقة متقدمة لدمج أحكام الخبراء، بهدف الحفاظ على سفر جوي أكثر أمانًا وسلاسة وتوقعًا حتى عندما تكون الظروف غير مؤكدة.

فهم سماء مزدحمة ومتغيرة

أصبحت حركة الطيران الحديثة كثيفة ومعقدة إلى درجة أن أدوات التخطيط التقليدية — القائمة على قواعد ثابتة أو متوسطات بسيطة — تكافح لمواكبة التطورات. سعة المجال الجوي هي في جوهرها الحد الأقصى لعدد الطائرات التي يمكن أن تتحرك بأمان خلال منطقة ما تحت ظروف متغيرة، من المدرجات المزدحمة إلى ضغوط عمل المراقبين إلى المعدات الملاحية الهشة. يحاول توقع حركة المرور التكهن بمتى وأين ستتكدس الطائرات حتى يمكن منع الاختناق قبل حدوثه. كلا المهمتين يكتنفهما عدم اليقين: قد يتغير الطقس، وقد يرتفع الطلب فجأة، وقد يختلف الخبراء في تقدير المخاطر. يجادل المؤلفون بأن الإدارة الفعالة تتطلب الآن أدوات قادرة على التعامل مع معلومات فوضوية وغير مكتملة دون التظاهر بأن كل شيء معروف بدقة.

تعليم الحواسيب التعلم من الماضي

في صميم الإطار المقترح شبكة عصبية، وهو نموذج تعلم آلي يتعلم الأنماط من البيانات التاريخية. تستقبل الشبكة سجلات مثل أعداد الطائرات، إشغال القطاعات، ظروف الطقس، وتواريخ التأخير من مطارات وسيناريوهات تشغيلية مختلفة. ثم تتعلم التنبؤ بكيفية أداء طريقة معينة لتنظيم المجال الجوي: مقدار الحركة التي يمكنها حملها بأمان، مدى ثقل أعباء عمل المراقبين، ومدى احتمال حدوث اختناقات تحت ظروف متنوعة. بدلاً من الاعتماد فقط على قواعد مصاغة سلفًا، يتكيف النظام مع السلوك المعقّد وغير الخطي الظاهر في العمليات الحقيقية، ملتقطًا روابط قد تكون دقيقة جدًا أو معقّدة لدرجة يصعب على البشر قياسها مباشرة.

تحويل الآراء الضبابية إلى ترتيب واضح

الأرقام وحدها لا تستطيع أن تجسد كل ما يهم في الطيران. أحكام الخبراء — حول هوامش الأمان، والمرونة أمام الأحوال الجوية السيئة، أو عملية بعض استراتيجيات التحكم — تكون بالضرورة غامضة وأحيانًا متضاربة. للتعامل مع ذلك، يستخدم المؤلفون تقنية اتخاذ قرار تسمى FUCA، التي تقارن جميع الاستراتيجيات المرشحة في وقت واحد بدلاً من مقارنتها زوجًا بزوج. يثريون FUCA بمعلومات «ضبابية فيثاغورية معقدة»، وهي طريقة رياضية لتمثيل ليس فقط مقدار دعم الخبراء أو معارضتهم لخيار ما، بل أيضًا درجة ترددهم أو عدم يقينهم. عمليًا، يصف الخبراء كل استراتيجية باستخدام درجات لغوية بسيطة مثل «ضعيف»، «جيد»، أو «جيد جدًا» على معايير مثل قدرة المسار على استيعاب الحركة، عبء عمل المراقب، موثوقية البنية التحتية، جودة التنبؤ، تكلفة التأخير، ومخاطر الاختناق. تُترجم هذه المصطلحات اللغوية إلى قيم ضبابية تشفر كلًا من الاتفاق والشك، مما يسمح للطريقة باحترام الفروق الدقيقة بدلاً من فرض قرارات حادة بنعم/لا.

من بين خيارات كثيرة إلى أفضل الاستراتيجيات

اختُبر الإطار على دراسة حالة غنية تضم أربعة أنواع من الخبراء وخمسة عشر استراتيجية مجال جوي واقعية، تتراوح من قطاعات طرفية محددة إلى بروتوكولات قرار تعاونية ومخططات متقدمة للتحكم في التدفق. أولًا تولّد الشبكة العصبية تقديرات أداء كمية لكل استراتيجية تحت ظروف غير مؤكدة. ثم يدمج FUCA هذه التنبؤات مع تقييمات الخبراء الضبابية، يبني جدول تسجيل موحد، ويرتب جميع الخيارات. تبرز النتائج عددًا من الاستراتيجيات القوية باستمرار: تصميم قطاع محدد في المسار، بروتوكول اتخاذ قرار تعاوني، وشبكة ملاحة محسَّنة تبرز كقادة، بينما تنحدر الخطط الأكثر صرامة أو التعقيد المبالغ فيه إلى الأسفل. تُظهر تحليلات الحساسية الموسعة أن هذه التصنيفات تظل مستقرة حتى عندما يتغير التأثير النسبي للخبراء أو أهمية المعايير عبر العديد من السيناريوهات، مما يشير إلى أن التوصيات ليست هشة بشكل مفرط.

كيف يساعد هذا قرارات الطيران في العالم الحقيقي

لمقارنة الإطار الجديد مع الأدوات القائمة، يقارن المؤلفون منه مع عدة طرق منافسة مستخدمة في الهندسة وتخطيط النقل. يُظهر النهج الهجين قدرتَه الأقوى على تمييز البدائل المتشابهة، وتعاملًا أفضل مع عدم اليقين الكبير، وترتيبات أكثر ثباتًا عند تغير المدخلات. بالنسبة للمديرين والمنظمين، يترجم ذلك إلى نظام دعم قرار يمكنه مزج البيانات الحية مع خبرة البشر، استكشاف سيناريوهات ماذا لو، وتسليط الضوء على استراتيجيات تظل فعالة ضمن مجموعة واسعة من الظروف. وعلى الرغم من أن دراسة الحالة افتراضية وأن الأعمال المستقبلية ستحتاج إلى التحقق من النموذج ببيانات حركة فعلية وعلى نطاقات أوسع، يشير البحث إلى مسار عملي: استخدام الذكاء الاصطناعي والمنطق الضبابي المتقدم لتوجيه تصميم المجال الجوي، تخطيط السعة، وإدارة الحركة الجوية في عالم تزداد فيه حركة الجوّ فقط.

الاستشهاد: Huo, D., Zhang, S. An intelligent computational framework combining neural networks with complex Pythagorean fuzzy FUCA for airspace capacity evaluation and traffic forecasting. Sci Rep 16, 13322 (2026). https://doi.org/10.1038/s41598-026-41437-y

الكلمات المفتاحية: سعة المجال الجوي, توقع حركة الطيران, الشبكات العصبية, اتخاذ القرار الضبابي, إدارة الطيران