إطار مكاني-زمني رباعي العوامل موجه للأمن لتقييم وتخفيف مخاطر ازدحام المرور

لماذا الاختناقات المرورية أكثر من مجرد إزعاج

معظمنا ينظر إلى الاختناقات المرورية على أنها مضيعة مزعجة للوقت. يجادل هذا البحث بأنها أكثر خطورة: إنها تشكل مخاطرة أمنية لشبكات طرق المدينة بأكملها. عندما تُصبح الطرق مزدحمة، تقل قدرة المدينة على التعامل مع الحوادث والطوارئ أو الاضطرابات المفاجئة. يقدم المؤلفون طريقة جديدة للنظر إلى الازدحام ليس فقط كحركة بطيئة، بل كشكل من أشكال المخاطرة التي يمكن قياسها ورسم خرائطها والتنبؤ بها في الوقت الحقيقي، ما يساعد المدن على التحرك قبل أن يتصاعد الانسداد إلى حالة شلل تام.

أربعة مكونات بسيطة لمخاطر المرور

يبني الباحثون على فكرة مباشرة مستعارة من علوم الكوارث: المخاطرة تعتمد على أربعة مكونات. الأول هو الخطر، أي مدى احتمال وشدة الاختناق. الثاني هو التعرض، أي عدد المركبات والأشخاص الذين ينحصرون فيه. الثالث هو الضعف، الذي يعكس مدى سهولة انتشار المشكلة المحلية ومدى بطء تعافيها. الرابع هو قدرة التخفيف، أي قدرة النظام على التكيف والتعافي، على سبيل المثال من خلال طرق بديلة أو إشارات ذكية. معاً، ترسم هذه العوامل الأربعة صورة أكثر شمولاً عن الوقت الذي تكون فيه طريق مزدحمة فقط ومتى تصبح نقطة هشة عُرضة للحوادث.

تحويل بيانات المستشعرات الأولية إلى خرائط مخاطر

لجعل هذه الأفكار عملية، استند الفريق إلى كم هائل من بيانات الطرق السريعة من نظام PeMS في كاليفورنيا، الذي يسجل السرعة والتدفق واحتلال الحارات كل خمس دقائق من آلاف الكاشفات حول لوس أنجلوس ومقاطعة أورانج ومنطقة الخليج وسان دييغو. يقومون بتنظيف البيانات بعناية، وملء الفجوات، وبناء خريطة رقمية حيث كل مستشعر يمثل عقدة وتُربط المستشعرات القريبة أو المرتبطة بقوة. من هذا يحسبون مؤشرات بسيطة وموحدة لكل عامل — مثل مدى عدم استقرار السرعات (الخطر)، مدى كثافة التدفق (التعرض)، المدة المعتادة للتعافي من الاختناق (الضعف)، وعدد المسارات البديلة القريبة (قدرة التخفيف). بذلك يتلقى كل مقطع طريق ملف مخاطر رباعي الأرقام يمكن أن يتغير مع مرور الوقت.

آلة تعليم تتابع المرور عبر المكان والزمان

فوق هذه البيانات، يصمم المؤلفون نموذج تعلم يسمى HiST-Graph، وهو نوع من الشبكات العصبية البيانية المكانية-الزمانية. على خلاف المتنبئين التقليديين للمرور الذين يقدّرون السرعات المستقبلية فقط، يُدرّب هذا النموذج على فهم كيفية انتشار المخاطر نفسها عبر الشبكة. يستخدم عمليات بيانية لمشاركة المعلومات بين مقاطع الطرق المتصلة وطيّات زمنية لتتبّع كيفية تطور الظروف على مدى دقائق وساعات. ثم يتعلم مُكوّن الانتباه مقدار وزن كل من العوامل الأربعة في كل مكان وزمان، جامعاً إياها في مؤشر ديناميكي واحد لمخاطر الازدحام يتدرج بسلاسة من المخاطر المنخفضة إلى العالية.

ما يكشفه النموذج عن الاختناقات اليومية

عند تطبيقه على عام كامل من البيانات عبر المناطق الأربع في كاليفورنيا، يعيد النموذج إنتاج أنماط ساعات الذروة المعروفة لكنه يضيف رؤى جديدة. يرتفع الخطر والتعرض خلال ذروتي الصباح والمساء، خصوصاً حول التقاطعات الرئيسية، بينما يتغير الضعف وقدرة التخفيف ببطء أكبر وتعكسان التكوين البنيوي للطرق وأنظمة التحكم. تميل طرق المدينة الداخلية المكتظة إلى امتلاك مخاطر وتعرض عالٍ، بينما تظهر الأماكن ذات المسارات البديلة أو أنظمة التحكم المتقدمة قدرة تخفيف أقوى. تتفوق توقعات المخاطر للنموذج باستمرار على تلك الصادرة من الأدوات القياسية، بما في ذلك نماذج السلاسل الزمنية الكلاسيكية والأساليب الحديثة للتعلم العميق، وتثبت هذه المكاسب عبر جميع المناطق الأربع.

كيف يساعد هذا المدن على مجاراة حالة الشلل المروري

من خلال الانتقال من أوصاف بسيطة لحركة المرور البطيئة إلى تشخيص قائم على العوامل لسبب ومكان تراكم المخاطر، يقدم الإطار إرشادات عملية للمخططين ومديري المرور. يمكنه إبراز المقاطع التي تكون فيها الاختناقات مرجحة وذات تأثير كبير، والإشارة إلى علامات الإنذار المبكر قبل دقائق من الانهيار، واقتراح ما إذا كانت أكثر الإجراءات فاعلية هي تقليل التدفق أو تعزيز الطرق البديلة أو تحسين التعافي. بعبارات بسيطة، يبيّن البحث أنه يمكن معاملة الاختناقات المرورية مثل غيرها من المخاطر الحضرية: يمكن قياسها ورسم خرائطها وإدارتها بشكل استباقي، مما يساعد المدن على إبقاء الناس والبضائع في حركة حتى عندما تتعرض شبكة الطرق لضغط.

الاستشهاد: Li, Y., Xu, Y., He, X. et al. A security-oriented four-factor spatio-temporal framework for assessing and mitigating traffic congestion risks. Sci Rep 16, 9548 (2026). https://doi.org/10.1038/s41598-026-41451-0

الكلمات المفتاحية: مخاطر ازدحام المرور, التنقل الحضري, الشبكات العصبية البيانية, أنظمة النقل الذكية, شبكات طرق مرنة