🤖 machine learning

Predicting Time Pressure of Powered Two-Wheeler Riders for Proactive Safety Interventions

تقدم هذه الورقة نموذج MotoTimePressure (MTPS)، وهو نموذج تعلم عميق خفيف الوزن يتنبأ بدقة بضغط الوقت لدى راكبي المركبات ذات العجلتين التي تعمل بالطاقة باستخدام مجموعة بيانات جديدة مكونة من 129,209 نافذة ميزات، مما يثبت أن دمج هذه التنبؤات يعزز بشكل كبير التنبؤ بمخاطر التصادم ويمكّن من التدخلات الاستباقية للسلامة ضمن أنظمة النقل الذكية.

المؤلفون الأصليون: Sumit S. Shevtekar, Chandresh K. Maurya, Gourab Sil

نُشر 2026-08-27

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Sumit S. Shevtekar, Chandresh K. Maurya, Gourab Sil

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

يتحرك ملايين الأشخاص يومياً في العالم على عجلتين، من الشوارع الصاخبة في الهند إلى الطرق الضواحي الهادئة. يواجه هؤلاء الدراجون مجموعة فريدة من المخاطر؛ فخلافاً لمن هم داخل السيارات، لا يملكون قفصاً معدنياً لحمايتهم، ويعتمد توازنهم كلياً على تحكمهم البدني. وعندما يرتكب الدراج خطأً، غالباً ما تكون العواقب وخيمة. وبينما تُعد عوامل مثل السرعة الزائدة وظروف الطريق السيئة من الأسباب المعروفة للحوادث، هناك قوة خفية تقوض السلامة بهدوء: وهو الشعور بالاستعجال. هذا الإحساس بضغط الوقت، والحاجة الملحة للوصول إلى وجهة ما قبل موعد نهائي، يغير طريقة تفكير الشخص وحركته؛ فهو يضيق نطاق تركيزه، ويسرع من قراراته، ويؤدي غالباً إلى اتخاذه مخاطر لا قد يفكر فيها أبداً عندما يكون هادئاً. لسنوات، أدرك الباحثون أن هذه الحالة الذهنية خطيرة، لكنهم افتقروا إلى وسيلة لاكتشافها في الوقت الفعلي. وبدون مستشعر يمكنه "الشعور" بتوتر الدراج، تظل أنظمة السلامة قادرة فقط على الاستجابة بعد وقوع الخطأ، بدلاً من منعه قبل حدوثه.

لقد اتخذ فريق من الباحثين في المعهد الهندي للتكنولوجيا في "إندور" خطوة كبيرة نحو حل هذه المشكلة من خلال إنشاء نظام يمكنه التنبؤ بضغط الوقت لدى الدراج قبل أن يؤدي إلى حادث. ولفهم كيفية عمل ذلك، احتاجوا أولاً إلى جمع بيانات غير موجودة ببساطة في العالم الحقيقي، لأن طلب الركوب بشكل خطير على الطرق العامة لدراسة التوتر أمر مستحيل. وبدلاً من ذلك، قاموا ببناء محاكي دراجة نارية عالي الدقة، وهو آلة ثابتة تشبه وتشعرك تماماً بأنها دراجة حقيقية، لكنها محاطة بشاشات ضخمة تعرض مدينة افتراضية. ودعوا 51 من الدراجين الرجال ذوي الخبرة، والذين يمثلون الغالبية العظمى من وفيات الدراجات النارية في المنطقة، لركوب هذا المحاكي تحت ثلاثة سيناريوهات مختلفة. في السيناريو الأول، كان لدى الدراجين متسع من الوقت لإكمال رحلتهم. وفي الثاني، طُلب منهم محاولة عدم التأخر. وفي الثالث، قيل لهم إن البوابة المؤدية إلى وجهتهم قد تُغلق، مما خلق بيئة عالية التوتر شعروا فيها بضرورة الاستعجال.

بينما كان الدراجون يتنقلون في الشوارع الافتراضية، سجلت الآلة كل حركة قاموا بها، من مدى قوة ضغطهم على مقبض الفرامل إلى كيفية تغيير تروس السرعة. وحلل الباحثون أكثر من 129,000 لقطة من هذه البيانات لمعرفة كيف تغير سلوك الدراجين عند شعورهم بضغط الوقت. كانت النتائج صارخة؛ فعندما شعر الدراجون بأكبر قدر من الضغط الملح، ارتفع متوسط سرعتهم بنسبة تقارب 50 بالمائة مقارنة بوضعهم عندما كانوا هادئين. كما ضغطوا على المكابح بعنف أكبر بكثير، حيث زادت قوى الفرامل الأمامية بأكثر من ستة أضعاف، وكانوا يقومون بتوقفات مفاجئة وعنيفة بشكل متكرر أكثر. كما اتخذوا منعطفات خطرة عند التقاطعات وفشلوا في الإشارة إلى نواياهم. ولعل الأمر الأكثر دلالة هو أنه حتى عندما حاول الدراجون التعويض عن توترهم من خلال كونهم أكثر حذراً، إلا أنهم ارتكبوا أخطاءً أكثر. وجدت الدراسة أنه تحت الضغط العالي، ارتكب الدراجون أخطاءً خطيرة أكثر بنسبة 10 بالمائة، وكان لديهم تحكم أسوأ في مركباتهم بنسبة 21 بالمائة، مما يثبت أن الغريزة البشرية وحدها ليست كافية للتغلب على آثار العقل المتسارع.

ومع هذه الصورة التفصيلية لكيفية تغيير التوتر للسلوك، بنى الباحثون نموذجاً حاسوبياً جديداً مصمماً للتعرف على هذه الأنماط، وأطلقوا عليه اسم (MotoTimePressure). يعمل هذا النموذج كمراقب رقمي يراقب تدفق البيانات القادمة من مستشعرات الدراجة — السرعة، والفرملة، والتوجيه، وتغيير التروس — ويحسب فوراً ما إذا كان الدراج هادئاً، أو متوتراً قليلاً، أو في حالة ضغط عالٍ. تم تدريب النموذج على رصد العلامات الدقيقة للاستعجال، مثل مدخلات مقبض السرعة السريعة أو التوجيه غير المنتظم، والتي تحدث غالباً قبل أن يدرك الدراج أنه يفقد السيطرة. وفي الاختبارات، أثبت النظام دقة مذهلة، حيث حدد حالة الدراج بدقة أكثر من 91 بالمائة من المرات. كما أنه فعال للغاية، فهو صغير بما يكفي ليعمل على شريحة كمبيوتر قياسية وسريع بما يكفي لاتخاذ قرار في أقل من مللي ثانية، وهو ما يكفي لاستخدامه في أجهزة السلامة في الوقت الفعلي على دراجة نارية متحركة.

تكمن القوة الحقيقية لهذا الاكتشاف فيما يحدث بعد أن يكتشف النظام التوتر. فقد أظهر الباحثون أنه من خلال تغذية هذا التنبؤ في أدوات السلامة الأخرى، يمكنهم تحسين القدرة على التنبؤ بالاصطدام بشكل كبير، حيث ارتفحت دقة تلك الأنظمة بشكل ملحوظ، لتصبح قريبة جداً من التنبؤ المثالي كما لو كان بإمكان النظام قراءة عقل الدراج سحرياً. وهذا يفتح الباب أمام نوع جديد من تدخلات السلامة. فبدلاً من انتظار قيام الدراج بالانحراف أو الضغط بقوة على المكابح، يمكن لدراجة نارية ذكية اكتشاف ارتفاع التوتر وتحذير الدراج بلطف، ربما عبر اهتزاز بسيط أو تنبيه صوتي هادئ، يقترح عليه الإبطاء أو أخذ نفس عميق. هذا النهج ينقل السلامة من إجراء تفاعلي، يحدث بعد وقوع الحادث، إلى إجراء استباقي يمنع وقوع الحادث من الأساس. ومن خلال فهم وتوقع الوزن الخفي لضغط الوقت، يقدم هذا العمل مساراً لجعل التنقل على عجلتين أكثر أماناً للجميع، محولاً شعوراً عابراً بالاستعجال إلى إشارة يمكنها إنقاذ حياة.

أبحاث مشابهة