مجموعة بيانات أضرار الطرق الواقعية مع الحفر والشقوق وفتحات الصيانة

لماذا تهم الشوارع الوعرة

أي شخص تراوَح حول حفرة أو شعر بسيارته تصطدم عند اجتياز شق يعلم أن الطرق المتضررة ليست مجرد إزعاج: فهي تؤثر على السلامة وتزيد فواتير الإصلاح وتؤثر على انسيابية الحياة في المدن. ومع ذلك، فحص كل شارع يدوياً بطيء ومكلف وأحياناً غير آمن. تُقدّم هذه الدراسة مجموعة جديدة من صور طرق حقيقية مصممة لمساعدة الحواسيب على اكتشاف الحفر والشقوق وفتحات الصيانة تلقائياً حتى يتمكن فرق الطرق من تخطيط الإصلاحات بسرعة أكبر وبشكل أكثر إنصافاً في المناطق الحضرية والريفية.

نظرة أقرب إلى الطرق المتردية

يركّز المؤلفون على ثلاث ملامح شائعة في الطرق المهترئة: الحفر، والشقوق، وفتحات الصيانة. الحفر هي تلك الفتحات على شكل حوض التي قد تتلف الإطارات ونظام التعليق. الشقوق هي كسور رفيعة يمكن أن تنتشر وتتحول في النهاية إلى تلف أكبر. فتحات الصيانة هي أغطية دائرية تؤدي إلى أنابيب وكابلات تحت الأرض. وعلى الرغم من أنها ليست ضررًا، إلا أنها قد تشبه الحفر إلى حد كبير في الصور. غالباً ما تجاهلت مجموعات صور الطرق السابقة فتحات الصيانة أو خلطتها مع الأضرار، مما صعّب على أنظمة الحاسوب تمييز العيوب الضارة عن البنية التحتية العادية.

كيف جُمِعت الصور

لبناء تصوير أكثر واقعية للطرق اليومية، جمع الفريق يدوياً صوراً في وحول روما والبلدة المجاورة ساكروفانو في إيطاليا. استخدموا جهازين منخفضي التكلفة يمكن للعديد من المدن تحمّل تكلفتهما: كاميرا GoPro مركّبة على زجاج السيارة الأمامي وهاتف ذكي بسيط من سامسونغ استخدم أثناء توقف السيارة. أثناء السير بسرعات معتدلة، سجّلوا الشوارع تحت ظروف إضاءة وطقس مختلفة، ثم استخرجوا صوراً ثابتة حيث كانت عيوب الطريق مرئية بوضوح. أعيد تغيير قياس كل الصور إلى دقة عملية وفُحصت بعناية لتشويش الوجوه ولوحات الأرقام، وإزالة الإطارات ذات الجودة المنخفضة جداً، وتجنّب المشاهد ذات الظلام الشديد أو الوهج أو الأمطار الغزيرة التي قد تجعل التعليم غير موثوق.

تحويل مشاهد الطريق إلى بيانات قابلة للاستخدام

بعد تنظيف الصور، راجع الباحثون 2009 صورة يدوياً ووضعوا علامات على كل حفرة وشق وفتحة صيانة مرئية. استخدموا برمجيات تعليم متخصصة تتيح للشخص رسم مستطيل حول كل كائن وتعيينه إلى واحدة من الفئات الثلاث. بإجمالي، وسموا 1261 حفرة، و2519 شقاً، و957 فتحة صيانة. تُخزّن الملفات بصيغ متوافقة مباشرة مع أدوات الذكاء الاصطناعي الشائعة، حتى تتمكن فرق أخرى من تحميل الصور والتسميات بسهولة. تلتقط مجموعة البيانات أيضاً طرقاً حضرية وريفيّة، وأساليب سطح مبلل وجاف، وزوايا مشاهدة متنوعة، مما يمنح الحواسيب فهماً أغنى لكيفية ظهور الأضرار فعلياً من مركبة متحركة أو شخص يقف بجانب الطريق.

اختبار كواشف ذكية باستخدام المجموعة الجديدة

لفحص مدى فائدة هذه المجموعة عملياً، درّب المؤلفون عدة أنظمة حديثة لكشف الأشياء، بما في ذلك نسخ مدمجة حديثة من عائلة نماذج YOLO المصممة للعمل على حواسيب صغيرة. قسموا مجموعة البيانات إلى طيات متعددة، درّبوا على جزء من الصور واختبروا على الباقي بالتناوب لفحص الاتساق. قُيّمت النماذج على مدى دقتها في الإشارة إلى الأضرار، وعدد العيوب الحقيقية التي اكتشفتها، ومدى تطابق توقعاتها مع المواقع الفعلية. حقق أفضل نموذج مدمج دقة عالية في جميع الفئات الثلاث، وخصوصاً لفتحات الصيانة، مما يدل على أن الصور والتسميات تدعم تعلماً دقيقاً حتى عندما تكون قدرة الحوسبة محدودة. قارنت الدراسة أيضاً التصميمات الأقدم والأحدث للنماذج، فوجدت أن الشبكات الخفيفة الحديثة العاملة بدقة صورة أعلى تفوقت بوضوح على الأساليب التقليدية.

ما يعنيه هذا لرعاية الطرق في المستقبل

لغير المتخصصين، الرسالة الأساسية هي أن هذا العمل يوفر مجموعة عملية ومتاحة علناً من صور الشوارع الحقيقية التي تسهل تدريب ومقارنة الأنظمة الذكية لكشف مشكلات الطرق. وبما أن الصور مأخوذة بكاميرات عادية، وتغطي طرق المدينة والريف، وتضم مثيلات مخادعة مثل فتحات الصيانة، فإنها تقدم للمهندسين بيئة اختبار واقعية للأدوات التي يمكن تركيبها على الحافلات أو مركبات الخدمة أو حتى الهواتف الذكية. وعلى الرغم من أن مجموعة البيانات تعكس حالياً الطرق الإيطالية ولا تتتبع بعد كيفية تطور الأضرار مع الزمن، فإنها تشكّل أساساً متيناً لصيانة طرق أكثر أماناً وتوقيتاً وتكلفة فعّالة يسترشد بها رؤية حاسوبية موثوقة.

الاستشهاد: Giordani, E., Arcioni, L., Gil-Martín, M. et al. Real-world road damage dataset with potholes, cracks, and maintenance holes. Sci Rep 16, 15318 (2026). https://doi.org/10.1038/s41598-026-46679-4

الكلمات المفتاحية: أضرار الطرق, حفر الطريق, رؤية الحاسوب, كشف الأشياء, القيادة الذاتية