📊 statistics

Behavioral Heterogeneity as Quantum-Inspired Representation

تقترح هذه الورقة إطار عمل مستوحى من الكم ينمذج التباين في سلوك السائقين كحالات كامنة متطورة متمثلة في مصفوفات كثافة، وذلك باستخدام سمات "راوند فورييه" العشوائية غير الخطية والديناميكيات الزمنية المعتمدة على السياق لاستخراج وتحليل السمات السلوكية من بيانات القيادة التجريبية.

المؤلفون الأصليون: Mohammad Elayan, Wissam Kontar

نُشر 2026-03-25

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Mohammad Elayan, Wissam Kontar

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

إليك شرح للورقة البحثية باستخدام لغة بسيطة، وتشبيهات إبداعية، واستعارات.

الفكرة الكبرى: السائقون ليسوا مجرد "ملصقات"

تخيل أنك تحاول وصف مجموعة من الناس. الطريقة القديمة في فعل ذلك كانت وضعهم في صناديق جامدة: "عدواني"، "خجول"، أو "طبيعي".

المشكلة في هذا النهج هي أن البشر ليسوا تماثيل ثابتة. فالسائق "الخجول" قد يصبح عدوانياً إذا تأخر عن العمل، أو السائق "الطبيعي" قد يصاب بالتوتر في الضباب الكثيف. النماذج القديمة أغفلت التحول — تلك اللحظة التي يغير فيها السائق عقليته بناءً على ما يحدث حوله.

تقترح هذه الورقة طريقة جديدة للنظر إلى السائقين. فبدلاً من وضعهم في صندوق، تعامل كل سائق كأنه سحابة من الاحتمالات متغيرة الشكل، تتغير ملامحها بناءً على الطقس، وحركة المرور، ومزاجه الخاص.

الاستعارة الجوهرية: "خاتم مزاج السائق"

فكر في سلوك السائق ليس كشخصية ثابتة، بل كـ خاتم مزاج (Mood Ring) يتغير لونه بناءً على البيئة.

الطريقة القديمة (الملصقات الثابتة): تنظر إلى الخاتم، تراه أزرق، فتقول: "هذا الشخص حزين". وتفترض أنه سيبقى حزيناً للأبد.
الطريقة الجديدة (المستوحاة من الكم): تدرك أن الخاتم هو في الواقع مزيج معقد من الألوان. قد يكون بنسبة 70% أزرق (حذر) و30% أحمر (عدواني). ومع ازدياد الازدحام المروري، يتحول الخاطم إلى 90% أحمر. ومع خلو الطريق، يعود ليتحول مرة أخرى.

استخدم المؤلفون أداة رياضية تسمى مصفوفة الكثافة (Density Matrix) لوصف هذه "السحابة من الاحتمالات". بعبارات بسيطة، هي خريطة لا توضح فقط ماذا يفعل السائق، بل توضح احتمالية قيامه بأشياء مختلفة في نفس الوقت.

كيف يعمل النظام: الخطوات الثلاث

بنى الباحثون نظاماً لتتبع "خواتم المزاج" هذه باستخدام ثلاث خطوات ذكية:

1. "العدسة السحرية" (ميزات فورير العشوائية - Random Fourier Features)

السائقون لا يقودون في خطوط مستقيمة فحسب؛ بل يتفاعلون بطرق معقدة وغير خطية. على سبيل المثال، الفجوة الصغيرة في حركة المرور تبدو ضخمة عند السرعات المنخفضة، لكنها تبدو ضئيلة عند السرعات العالية.

التشبيه: تخيل أنك تنظر إلى سيارة من خلال عدسة كاميرا عادية. إنها مسطحة ومملة. الآن، تخيل أنك ترتدي نظارات ثلاثية الأبعاد مع مرشح "كاليدوسكوب" (مشكال). فجأة، سترى أنماطاً ومنحنيات وعلاقات خفية كانت غير مرئية من قبل.
ما تفعله الورقة: يستخدمون "كاليدوسكوب" رياضياً (يسمى ميزات فورير العشوائية) لتحويل أرقام السرعة والمسافة البسيطة إلى صورة غنية ومعقدة لكيفية شعور السائق فعلياً.

2. "قائمة الشخصيات" (الملفات التعريفية الكامنة - Latent Profiles)

يتعلم النظام أن هناك بعض "النماذج الأصلية" لأنماط القيادة الموجودة في المجتمع، ولكن لا يوجد سائق واحد ينتمي لنوع واحد منها فقط.

التشبيه: فكر في هذه النماذج كأنها نكهات الآيس كريم (فانيليا، شوكولاتة، فراولة، نعناع).
- الملف 1 (فانيليا): تدفق حر، استرخاء، قيادة على طريق سريع خالٍ.
- الملف 2 (صلصة حارة): عالق في زحام مدينة كثيف، يتفاعل مع المشاة وإشارات التوقف.
- الملف 3 (المزيج): مزيج غريب وغير مستقر من نكهتين. هذا السائق مرتبك أو في مرحلة انتقال بين الحالات.
- الملف 4 (المطارد): يحاول اللحاق بسيارة بطيئة.
السر السحري: السائق ليس "فانيليا" فقط. في الساعة 2:00 ظهراً، قد يكون بنسبة 80% فانيليا و20% حار. وفي الساعة 2:05 ظهراً، إذا خرج أحد المشاة إلى الطريق، قد يتحول فوراً إلى 10% فانيليا و90% حار.

3. "تبديل السياق" (البيئة هي المحرك)

يسأل النظام: "إلى ماذا ينظر السائق الآن؟"

التشبيه: تخيل وجود جهاز تحكم عن بعد (ريموت كنترول) لشخصية السائق.
- إذا تم الضغط على زر "كثافة المرور"، ينتقل الريموت بشخصية السائق نحو نكهة "الحار".
- إذا تم الضغط على زر "الطريق السريع المفتوح"، ينتقل به الريموت إلى نكهة "الفانيليا".
ما تفعله الورقة: يقوم النظام بحساب كيفية قيام البيئة (كثافة المرور، المسافة عن المشاة، حدود السرعة) بـ "التحكم عن بعد" في حالة السائق الحالية، ودمج نكهات الشخصيات المختلفة في الوقت الفعلي.

ماذا وجدوا؟

اختبروا هذا على بيانات قيادة حقيقية من تقاطع مدينة ضبابي وطريق سريع مزدحم. وإليك ما كشفته "خواتم المزاج":

معظم السائقين متسقون: معظم الوقت، يلتزم السائقون بنكهة واحدة واضحة (مثل الفانيليا النقية أو الحار النقي).
بعض السائقين هم "خبيرو خلط النكهات": وجدوا مجموعة محددة من السائقين (الملف رقم 3) الذين يمثلون مزيجاً مستمراً من نمطين مختلفين. هم ليسوا مجرد سائقين "سيئين"، بل هم سائقون يتنقلون باستمرار بين الحذر والعدوانية، ربما بسبب وجودهم في منطقة مربكة في المدينة.
السياق هو الملك: أثبت النموذج أنه لا يمكنك فهم السائق دون فهم محيطه. فالسائق الذي يوصف بأنه "عدواني" على الطريق السريع قد يكون "شديد الحذر" في منطقة مدرسية. النموذج يلتقط هذا التحول بدقة.

لماذا يهم هذا الأمر؟

حالياً، تتعامل السيارات ذاتية القيادة (AVs) مع السائقين البشر كأنهم روبوتات يمكن التنبؤ بها. وهي ترتبك عندما ينعطف إنسان فجأة أو يضغط على المكابح بقوة.

يساعد هذا النموذج الجديد السيارات ذاتية القيادة على فهم أن السلوك البشري مرن ومتغير.

النموذج القديم: "ذلك الإنسان 'عدواني'. يجب أن أتجنبه".
النموذ_ج الجديد: "ذلك الإنسان حالياً بنسبة 80% 'عدواني' لأن حركة المرور كثيفة وهناك مشاة بالقرب منه. إذا غادر المشاة، فمن المرجح أن يهدأ. يجب أن أضبط سرعتي لتناسب 'مزاجهم الحالي'، وليس ملصقهم الدائم".

الخلاصة

تقدم هذه الورقة طريقة لنمذجة السائقين ليس كملصقات ثابتة، بل كـ سحب سلوكية متطورة. ومن خلال استخدام خدعة رياضية "مستوحاة من الكم" (مصفوفات الكثافة)، يمكنهم رؤة التحولات الخفية في كيفية قيادة الناس. وهذا يساعدنا في بناء سيارات ذاتية القيادة أكثر ذكاءً وأماناً، تفهم الواقع المتغير والمعقد للسائقين البشر.

إليك ملخص تقني مفصل لورقة البحث بعنوان "التباين السلوكي كتمثيل مستوحى من ميكانيكا الكم" للباحثين محمد العينان ووسام كنتر.

1. بيان المشكلة

غال'اً ما تفشل النماذج الحالية لسلوك القيادة في استيعاب الطبيعة الحقيقية لـ التباين السلوكي (Behavioral Heterogeneity). تعاني النهج التقليدية من مشكلتين رئيسيتين:

التصنيف الساكن: يتم تعيين تسميات منفصلة وثابتة للسائقين (مثل "عدواني" أو "حذر"). وهذا يتجاهل حقيقة أن السلوك البشري ديناميكي، حيث ينتقل بين أنماط مختلفة بناءً على السياق والحالة الداخلية.
فقدان منطق الانتقال: من خلال اختزال السلوك في فئات حتمية، تفقد النماذج الحالية المعلومات الواردة في عملية الانتقال نفسها.
التمثيل غير الكافي لحركة المرور المختلطة: مع اشتراك المركبات ذاتية القيادة (AVs) والمركبات التي يقودها بشر (HDVs) في الطريق، يصبح التباين في السلوك البشري مصدراً حرجاً لعدم الاستقرار. إن النهج القائمة على الفيزياء أو نهج "النموذج الواحد الذي يناسب الجميع" المعتمد على البيانات لا يمكنها نمذجة التطور المعقد والمعتمد على السياق لحالات السائق، وهو أمر ضروري لأنظمة المرور المختلطة الآمنة.

2. المنهجية: إطار عمل مستوحى من ميكانيكا الكم

يقترح المؤلفون إطار عمل مبتكر لا ينمذج كل سائق كملصق ساكن، بل كـ حالة كامنة متطورة ممثلة بـ مصفوفة كثافة (Density Matrix). يستعير هذا النهج المبادئ الهيكلية من ميكانيكا الكم للتعامل مع عدم اليقين والتراكب (Superposition) للحالات السلوكية.

أ. المعايير المستوحاة من الكم

يستوفي إطار العمل ثلاثة شروط هيكلية لاعتباره "مستوحى من الكم":

ترميز فضاء هيلبرت (Hilbert Space Encoding): يتم ترميز البيانات كحالات طبيعية في فضاء سمات عالي الأبعاد.
قياس قاعدة بورن (Born Rule Measurement): يتم حساب التنبؤات باستخدام قواعد قياس تربيعية.
تمثيل مصفوفة الكثافة: يتم تمثيل عدم اليقين والحالات المختلطة بمصفوفات كثافة صالحة (متماثلة، موجبة محددة، ومعيرة الأثر).

ب. المكونات التقنية

التحويل غير الخطي للسمات (Random Fourier Features - RFF):
- المدخلات: متجه سلوكي أدنى $x_{it} = [\Delta v, a, h]^\top$ (السرعة النسبية، التسارع، المسافة الفاصلة).
- التحويل: بدلاً من هندسة حدود رتب عليا يدوياً، يستخدم المؤلفون RFF لترجمة $x_{it}$ إلى فضاء غير خطي عالي الأبعاد $\phi(x)$ .
- التطبيع (Normalization): يتم تطبيع السمات للسماح بالتفسير الاحتمالي عبر الأشكال التربيعية.
الملفات التعريفية السلوكية كمصفوفات كثافة:
- يفترض النموذج وجود $K$ من الملفات التعريفية السلوكية الكامنة. كل ملف تعريف $k$ هو مصفوفة كثافة $\rho_k \in \mathbb{R}^{D \times D}$ .
- الهيكل: تمثل المدخلات القطرية أهمية السمات غير الخطية الفردية؛ بينما تشفر المدخلات غير القطرية التفاعلات (الاقتران) بين السمات.
- المرونة: على عكس الأنواع المنفصلة، تسمح مصفوفة الكثافة بـ "الحالات المختلطة"، مما يلتقط السلوكيات الانتقالية ضمن ملف تعريف واحد.
التنشيط السياقي وتطور الحالة:
- متجه السياق ( $c_{it}$ ): يشمل كثافة المرور، متوسط السرعة، والقرب من المشاة أو إشارات التوقف.
- أوزان التنشيط: يحدد السياق احتمالية $\pi_k(c_{it})$ لتنشيط ملف تعريف معين $k$ باستخدام دالة softmax عبر معاملات $\beta_k$ المتعلمة.
- تحديث الحالة: هي عملية دمج لحالة السائق الحالية $\rho_i(t)$ $ρ_{i} (t)$ وتتكون من:
  - الاستمرارية (Persistence): الحالة السابقة $(1-\alpha)\rho_i(t-1)$ .
  - المزيج السياقي: مجموع مرجح للملفات التعريفية للسكان بناءً على السياق الحالي.
  - تصحيح الملاحظة: خطوة تحديث تدمج السلوك المرصود فعلياً باستخدام احتمالية تربيعية متسقة مع قاعدة بورن: $p(x_{it} | \rho) = \tilde{\phi}(x_{it})^\top \rho \tilde{\phi}(x_{it})$ .
التقدير:
- يتم تقدير المعلمات (الملفات التعريفية $\rho_k$ ، معاملات السياق $\beta_k$ ، ومعاملات التطور $\alpha, \eta$ ) عن طريق تقليل السلب اللوغاريتمي للاحتمالية (Negative Log-Likelihood) باستخدام الاشتقاق التلقائي (PyTorch).
- هذا النهج فعال حاسوبياً (تكلفة تدرج $O(1)$ ) مقارنة بطرق الفرق المحدودة.

3. المساهمات الرئيسية

التحول من الملصقات إلى الحالات: الانتقال من مجرد تصنيف ثابت للسائق إلى تمثيل حالة كامنة مستمرة ومتطورة.
صيغة مصفوفة الكثافة: إدخال مصفوفات الكثافة إلى سلوك القيادة، مما يسمح للنموذج بتمثيل عدم اليقين، والأنماط السلوكية المختلطة، والتراكب بشكل طبيعي دون فرض تبديل الأنظمة المنفصلة.
التطور المعدل سياقياً: نمذجة كيفية تعديل السياق البيئي (كثافة المرور، البنية التحتية) لاحتمالية إظهار السائق لأنماط سلوكية محددة.
قابلية إعادة الإنتاج مفتوحة المصدر: يوفر المؤلفون كوداً برمجياً كاملاً ومفتوح المصدر على GitHub لتحليل مجموعة بيانات TGSIM.

4. النتائج (تحليل محاكاة TGSIM)

تم تقييم إطار العمل على مجموعة بيانات Third Generation Simulation (TGSIM)، والتي تحتوي على أكثر من 3.2 مليون ملاحظة من بيئات حضرية (Foggy Bottom) وطرق سريعة (I-395).

عدد الملفات المثلى: حدد التحليل أن $K=4$ من الملفات التعريفية الكامنة وفرت أفضل توازن بين الملاءمة والاختصار.
البنية الطيفية:
- استقرت ثلاثة ملفات تعريف (1، 2، 4) على بنى من الرتبة الأولى (Rank-1)، مما يشير إلى أنها تمثل أنماطاً سلوكية مهيمنة واحدة.
- أظهر الملف الثالث (Profile 3) بنية متعددة الأنماط (Multi-modal) (قيم ذاتية اثنتان مهمتان)، مما يمثل نظاماً يظهر فيه السائقون مزيجاً احتمالياً من سلوكين متميزين (مثل التقدم المنضبط مقابل المتابعة الحازمة).
التنشيط السياقي:
- الملف 1: يتم تنشيطه في ظروف التدفق الحر ومنخفض الكثافة (مسافات فاصلة كبيرة، تسارع محايد).
- الملف 2: يتم تنشيطه في البيئات الحضرية المزدحمة وكثيفة التفاعل (مسافات فاصلة قصيرة، حساسية تجاه المشاة/التوقف).
- الملف 3: نظام انتقالي مع خصوصية سياقية ضعيفة، ينشط في التدفقات المقيدة متوسطاً.
- الملف 4: متابعة مستجيبة، تتميز باستعادة السرعة (سرعة نسبية سالبة، تسارع موجب).
الانفصال الهندسي: أكدت مسافات فروبينيوس (Frobenius distances) المزدوجة أن الملفات التعريفية المتعلمة تشغل مناطق متميزة في فضاء السمات، مما يؤكد نجاح النموذج في فصل أنظمة التفاعل المختلفة.

5. الأهمية والعمل المستقبلي

القابلية للتفسير: يقدم النموذج طريقة رياضية صارمة لتفسير كيف و لماذا يتغير سلوك السائق، وليس فقط ما هو السلوك.
سلامة المرور المختلط: من خلال التقاط منطق الانتقالات السلوكية، يعد هذا الإطار أفضل حالاً لتدريب الوكلاء (AVs) على توقع التباين البشري في حركة المرور المختلطة، مما قد يحسن استقرار وسعة النظام.
القيود والتوجهات المستقبلية:
- يركز النموذج الحالي على السلوك الطولي؛ يجب أن يتضمن العمل المستقبلي الديناميكيات الجانبية أيضاً.
- تعريفات السياق حالياً يدوية؛ يمكن للإصدارات المستقبلية تعلم خرائط سياقية أكثر مرونة.
- هناك حاجة لمزيد من الاختبارات للتحقق من كيفية تحسين هذه الحالات المتطورة للتنبؤات المتعلقة بالنتائج على مستوى النظام مثل انخفاض السعة والاستقرار في سيناريوهات الاستقلال الذاتي المختلط.

باختصار، تقدم هذه الورقة تحولاً جذرياً في نمذجة حركة المرور، حيث تعامل التباين السلوكي ليس كسمة ثابتة ليتم تصنيفها، بل كحالة ديناميكية مستوحاة من ميكانيكا الكم تتطور باستمرار استجابةً للسياق البيئي.