تحليل مقارن لعمليات التقاطع في الخوارزميات الجينية لتحسين المسارات: دراسات حالة من أستانا وشيمكِنت، كازاخستان

لماذا تهم مسارات الحافلات الأكثر ذكاءً

أي شخص انتظر طويلاً في موقف باص أو اضطر إلى تبديل عدة وسائل يعرف أن عبور المدينة لا يتعلق بالمسافة وحدها. قد تبدو نقطتان قريبتين على الخريطة لكن الوصول إليهما قد يكون صعباً إذا لم تربطهما خطوط الحافلات المناسبة. تستكشف هذه الورقة كيف يمكن لفئة من طرق البحث المستوحاة من التطور — الخوارزميات الجينية — أن تُضبط لتصميم مسارات حافلات أفضل تحترم شبكات النقل الحقيقية في مدن مثل أستانا وشيمكِنت في كازاخستان. يركز العمل على مكوّن حاسم في هذه الخوارزميات يُسمى خطوة التقاطع، ويظهر كيف أن اختيارها بحكمة قد يصنع الفرق بين رحلات متعرجة وبطيئة ومسارات سريعة وواقعية.

من خرائط المدن الفوضوية إلى بحث ذكي

غالباً ما تعامل مخططات المسار التقليدية المدن كما لو أن المسافرين يمكنهم التحرك بحرية بين أي نقطتين، مع الاخذ بالاعتبار المسافة المادية فقط. أنظمة الحافلات الحقيقية لا تعمل بهذه الطريقة: يمكنك الذهاب فقط إلى حيث تسير الخطوط فعلياً، وكل رابط مفقود أو تحويل قسري يكلف وقتاً ومالاً. يقوم المؤلفون بنمذجة هذه الحقيقة بتمثيل المواقع المهمة في المدينة كنقاط، والطرق وروابط الحافلات كوصلات، والرحلة الكاملة كمسار يزور كل نقطة مرة واحدة بالضبط. ثم يضعون هدفاً ذا شقين: أولاً، تجنب الخطوات «غير القانونية» حيث لا توجد حافلة مباشرة؛ وثانياً، ضمن المسارات القانونية، اختيار المسار ذي المسافة الإجمالية الأقصر. هذا يخلق لغزاً صعباً مع العديد من المسارات المحتملة، حيث يصبح فحص كل خيار مستحيلاً بسرعة مع نمو المدينة.

كيف يساعد التطور في إيجاد مسارات أفضل

تتعامل الخوارزميات الجينية مع مثل هذه الألغاز بمحاكاة الانتقاء الطبيعي. بدلاً من تجربة مسار واحد في كل مرة، تحتفظ بمجموعة كاملة من المسارات المرشحة. في كل جيل، تُفضل المسارات الأفضل، وتُخلق مسارات جديدة عن طريق مزج وتعديل طفيف للمسارات الموجودة. خطوة المزج الأساسية — التقاطع — تقرر كيف تُدمَج قطع من مسارين أبويين لتكوين مسار جديد للطفل. بالنسبة لتخطيط الحافلات، هذه الخطوة حاسمة: إذا أُجريت بشكل جيد، تنقل أنماطاً مفيدة من المحطات المتصلة؛ وإذا أُجريت بشكل سيئ، قد تكسر الوصلات وتنتج مسارات تتجاهل شبكة الحافلات. يختبر المؤلفون تسعة أنماط تقاطع مختلفة تختلف في كيفية حفاظها على ترتيب المحطات، أو المواقع الدقيقة للمحطات، أو الوصلات الفعلية بين المحطات.

اختبار طرق عديدة لخلط المسارات

ليروا أي أنماط التقاطع تعمل أفضل، أجرت الفريق سلسلة واسعة من التجارب على بيانات نقل فعلية من قونيا (مدينة مرجعية من أعمال سابقة) ومن أستانا وشيمكِنت. لكل مدينة، يختارون 14 وجهة مهمة، يربطونها بالمواقف القريبة، ويبنّون ثلاث جداول بيانات رئيسية: المسافات بين المواقع، الأزواج التي لها حافلة مباشرة، والعقوبات عند محاولة السفر حيث لا تسير حافلة. ثم يستكشفون مئات الإعدادات، متغيرين حجم السكان، وعدد مرات استخدام التقاطع، ومدى تكرار التغييرات العشوائية الصغيرة (الطفرات). لكل إعداد، يكرّرون الخوارزمية عدة مرات لمراعاة الحظ، ويقيسون ليس فقط مدى قصر المسارات النهائية، بل أيضاً كم مرة يجد الأسلوب أي مسار قانوني على الإطلاق ومدى السرعة التي يصل فيها إلى ذلك.

الاستراتيجية الفائزة لرحلات واقعية

عبر المدن الثلاث كلها، يبرز نمط تقاطع واحد: إعادة تركيب الحواف. على عكس الطرق التي تهتم أساساً بترتيب المحطات، تولي إعادة تركيب الحواف اهتماماً لأي المحطات مرتبطة مباشرة وتحاول الحفاظ على هذه الوصلات عند بناء مسارات جديدة. تظهر الدراسة أن هذا النهج الذي يركز على الحواف أكثر قدرة على إنتاج رحلات حافلات ممكنة، ويعيد اكتشاف المسارات الأفضل المعروفة بشكل متكرر، وغالباً ما يفعل ذلك في عدد قليل من الأجيال فقط. نمط ثانٍ، يُسمى التقاطع القائم على الترتيب، يؤدّي أيضاً بشكل جيد ويكون أسرع في الحساب، مما يوفر توازناً جيداً عندما تكون هناك حاجة إلى أعداد كبيرة من التشغيلات. الأنواع الأخرى الشائعة من التقاطعات التي تعيد ترتيب المحطات بشكل أكثر عدوانية تميل إلى المعاناة، وتحتاج إلى وقت أكثر وتنتج مسارات ذات جودة أقل.

ما يعنيه هذا للسفر اليومي

بالنسبة لغير المتخصصين، الخلاصة أن «الوصفة» المستخدمة داخل الخوارزمية الجينية يمكن أن يكون لها تأثير كبير على جودة تصميمها لرحلات الحافلات الواقعية. من خلال تفضيل قواعد تقاطع تحتفظ بالوصلات الواقعية مع الاستمرار في استكشاف تركيبات جديدة، يمكن للمخططين توليد مسارات تلتزم بشبكة الحافلات القائمة وتبقي إجمالي مسافة السفر منخفضة. في اختبارات على لقطات مدينة صغيرة لكنها واقعية، لم تُطابق الخوارزمية الجينية المصممة بعناية فقط المسارات التي وجدت بواسطة طرق رياضية دقيقة بل فعلت ذلك بسرعة وبموثوقية. هذا يوحي بأنه مع تعقيد المدن وثراء البيانات، يمكن للبحث التطوري المصمم بعناية أن يساعد وكالات النقل على تخطيط مسارات تبدو أكثر مباشرة، تتطلب تبديلات أقل إحراجاً، وتستخدم المركبات والوقود بشكل أفضل.

الاستشهاد: Kazbek, R., Sergaziyev, M., Kenzhe, D. et al. A comparative analysis of crossovers in genetic algorithms for route optimization: case studies from Astana and Shymkent, Kazakhstan. Sci Rep 16, 13816 (2026). https://doi.org/10.1038/s41598-026-43898-7

الكلمات المفتاحية: تخطيط مسارات النقل العام, الخوارزميات الجينية, التنقل الحضري, تحسين المسارات, تخطيط المدن الذكية