מאגר נתונים דק-גרעיני וקל משקל לצמתות עירוניות עם איתותים המכיל מסלולי התנגשויות צפופות

מדוע צמתים עירוניים סואנים חשובים

כל מי שחיכה בצומת עירוני צפוף יודע כמה זה יכול להיראות כאוטי, עם מכוניות, אוטובוסים, אופניים והולכי רגל שכולם מנסים לנוע בו־זמנית. המחקר הזה שואל שאלה פשוטה: כיצד אפשר באמת להבין מה קורה ברגעים של התנגשות כמעטית ועצירות פתאומיות, כדי שמהנדסים ורכבים ללא נהג בעתיד יוכלו להפוך צמתים לבטוחים וחלקים יותר עבור כולם?

צפייה בתנועה מהשמיים

כדי לענות על כך, החוקרים בנו מאגר חדש בשם FLUID בצילום של שלוש צמתים עם איתותים בעיר בסין באמצעות רחפן קטן. מתוך יותר מחמש שעות וידאו עקבו אחרי למעלה מ-20,000 משתמשי דרך — מרכבים ומשאיות ועד קטנועים והולכי רגל. בצילום מלמעלה בגובה של 100–120 מטר ניתן היה לראות כל תנועה על פני כל הצומת, מבלי להפריע לנהגים עם מצלמות צדדיות גלויות או כלי רכב מבחן. מבט הציפור הזה איפשר לעקוב אחרי מי נתן זכות, מי פרץ קדימה ומתי זרמי תנועה שונים התקרבו זה לזה באופן מסוכן.

לפענח אלפי תנועות

איסוף וידאו גולמי הוא רק השלב הראשון; הפיכת הווידאו למסלולים מדויקים לכל משתמש דרך היא האתגר האמיתי. הצוות תכנן צנרת דיגיטלית קלת משקל שמאתרת כל אדם או כלי רכב במסגרת, מקשרת את הזיהויים הללו למסלולים רציפים ואז ממירה מיקומי מסך לקואורדינטות עולם-אמיתי על מפה. הם שילבו מספר מודלים מקצועיים של ראייה ממוחשבת כך שאובייקטים קטנים וקשים לזיהוי כמו הולכי רגל, קטנועים ומשאיות תלת-גלגליות נתפסו באופן אמין. שיטת מעקב תפרה לאחר מכן את הזיהויים למסלולים חלקים, בעוד שעיבוד נוסף הסיר רעידות מצלמה, מילא פערים קצרים וסינן טעויות ברורות כמו תיבות כפולות סביב אותו כלי רכב.

ממסלולים להתנגשויות וסיכון

עם מסלולים נקיים ביד, החוקרים יכלו לחפש את האירועים החשובים ביותר: התנגשויות שבהן שני כלי רכב או כלי רכב ומשתמש דרך פגיע עוברים זה את זה במרחק ובזמן קרובים. באמצעות מדדי תזמון כמו הזמן שנותר עד התנגשות צפויה אם אף אחד מהצדדים לא ישנה מסלול, הם סימנו אלפי אינטראקציות מסוכנות וקיבצו אותן לתבניות אחורה-אחורה (rear-end), התנגשות צדדית (sideswipe), בזווית (angle) ובמפגש חזיתי. בצמתי FLUID נמצא ממוצע של 2.8 התנגשויות כלי רכב לדקה, וכ-15 אחוז מכל כלי הרכב הממונעים היו מעורבים לפחות בהתנגשות אחת — הרבה יותר מאשר במאגרי רחפן קיימים רבים. הנתונים כוללים גם מידע מפורט על שלבי האיתות ומנחי פניות, מה שמאפשר לקשר אירועים מסוכנים לשלבי ירוק, צהוב ואדום ספציפיים ולזהות רמיסת אור אדום והפרות אחרות.

בדיקת דיוק ושיתוף התמונה המלאה

מכיוון שמחקרי בטיחות נשענים על מיקומים ומהירויות מדויקות, הצוות בדק בקפידה עד כמה הנתונים שלהם מדויקים. הם השוו את תוצאות FLUID לכלי ניתוח מסחרי פופולרי ולמדידות לווייניות מדויקות ממכונית בדיקה המצוידת בקולט מיוחד. המיקומים של מכונת הבדיקה בנתוני FLUID היו בטווח של כמטר מהאמת על הקרקע, והמערכת לעתים נדירות איבדה או זיהתה באופן מוטעה אובייקטים. מעניין כי המחברים מצאו שניתוח וידאו בקצב פריימים מעט מופחת עזר להחליק רעשים בהערכות מהירות בלי לאבד התנהגויות חשובות. בשונה מהרבה פרויקטים קודמים, הם מפרסמים לא רק מסלולים מעובדים אלא גם את הווידאו המאנונן, מפות, זמני איתות ותיעוד ברור של כל שלב בעיבוד.

מה זה אומר לתנועה היומיומית

בעבור קהל לא מקצועי, ניתן לחשוב על FLUID כצילומוּת טיימלפס־על של החיים בצמתים סואנים, שבה כל מסלול של רכב והולך רגל נרטש וכל כמעט-התנגשות מתועדת. על ידי לכידת התנגשויות צפופות וריאליסטיות וקישורן לאותות, פניות והפרות, המאגר מעניק למהנדסי תנועה, מתכנני ערים ומפתחי כלי רכב אוטונומיים סביבת ניסוי עשירה לבדיקת רעיונות. הוא תומך במחקרים על מי בדרך כלל מוותר, כיצד תכניות איתות שונות משפיעות על הבטיחות, כיצד רוכבים והולכים מתמודדים עם סיכון וכיצד רכבים מונעים מחשב צריכים להתנהג בתעבורה מעורבת. בקצרה, העבודה מספקת מבט פתוח, ברור ומופרך היטב על אופן פעולתם של צמתים אמיתיים, ומסייעת למערכות עתידיות להפחית סכנה ועיכוב במקום שבו כיום מתחילות רבות מהתאונות.

ציטוט: 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

מילות מפתח: מסלולי תנועה, צמתים עירוניים, מאגר נתונים רחפני, בטיחות תעבורה, נהיגה אוטונומית