← أحدث الأبحاث
🤖 machine learning

GNN-based Multi-Agent Control of Traffic Shockwaves in Sparse Vehicular Ad-hoc Networks

تقترح هذه الورقة إطار عمل لتعلم تعزيزي متعدد الوكلاء يعتمد على الشبكات العصبية الرسومية اللامركزية، والذي يُمكّن المركبات المتصلة والمستقلة من التخفيف من حدة موجات الصدمة المرورية بشكل تعاوني باستخدام المعلومات المحلية فقط، محققاً خفضاً يصل إلى 80% في انتشار موجات الصدمة بنسبة اختراق للمركبات تبلغ 10% فقط.

المؤلفون الأصليون: Prachi Nandi, Madhuri Malakar, Sonakshi Satpathy, Pabitra Mohan Khilar

نُشر 2026-07-28
📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Prachi Nandi, Madhuri Malakar, Sonakshi Satpathy, Pabitra Mohan Khilar

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

تخيل الطريق السريع كنهر عملاق حي من المعدن. أحياناً، يتدفق هذا النهر بسلاسة، ولكن في أحيان أخرى، ينسد بتموج غريب غير مرئي. سيارة واحدة تضغط على المكابح بقوة قليلاً، وفجأة، تضغط السيارة التي خلفها على المكابح بقوة أكبر، والسيارة التي خلفها تتوقف تماماً. تنتقل موجة الذعر هذه إلى الخلف عبر حركة المرور، مما يخلق موجة "توقف وانطلاق" تجعل الجميع يتأخرون، وتُهدر الوقود، وتزيد من خطر الحوادث. يسمي العلماء هذه التموجات "موجات صدمة المرور". لفترة طويلة، اعتقد الخبراء أن الطريقة الوحيدة لإيقافها هي أن تكون كل سيارة على الطريق روبوتاً يمكنه التحدث مع كل الروبوتات الأخرى فوراً. لكن هذا ليس واقعياً بعد؛ فمعظم سياراتنا لا تزال يقودها بشر، والتكنولوجيا لربطها جميعاً بدأت للتو في الظهور. وهنا يأتي دور فرع جديد من علوم الحاسوب يسمى "التعلم التعزيزي متعدد الوكلاء". فكر في الأمر كتعليم مجموعة من الروبوتات كيفية تعلم التصرف من خلال اللعب معاً، حيث يحصلون على نقاط لكونهم سلسين ويخسرون نقاطاً بسبب الاصطدام. السؤال الكبير الذي يطرحه الباحثون هو: هل يمكن لعدد قليل من السيارات الذكية والمتصلة أن تتعلم تهدئة نهر كامل من حركة المرور، حتى لو لم يكن بإمكانها سوى الهمس لجيرانها المباشرين ولا تعرف ما يحدث على بعد أميال؟

تقترح هذه الورقة البحثية حلاً ذكياً لهذه المشكلة تحديداً. يقترح المؤلفون، وهم فريق من الباحثين من مايكروسوفت، وجامعة جيتام، ومجموعة نات ويست، ومعهد NIT روركلا، طريقة جديدة لهذه السيارات المتصلة لكي "تفكر". فبدلاً من مجرد النظر إلى السيارة الموجودة أمامها مباشرة، يستخدمون نوعاً خاصاً من الذكاء الاصطناعي يسمى "الشبكة العصبية الرسومية" (GNN). يمكنك تخيل الشبكة العصبية الرسومية كشبكة اجتماعية فائقة القوة للسيارات؛ فهي لا تنظر فقط إلى جار واحد، بل تنظر إلى المجموعة الصغيرة الكاملة من السيارات القريبة، وتفهم كيف يرتبطون ببعضهم البعض، وتحدد أفضل طريقة للتحرك كفريق. قام الباحثون ببناء محاكاة حاسوبية ضخمة لطريق سريع لاختبار هذه الفكرة. لقد ملؤوا المحاكاة بـ 50 مركبة، حيث كانت 10% فقط منها هي الروبوتات الذكية والمتصلة (CAVs)، والباقي سيارات عادية يقودها بشر. ثم خلقوا "موجة صدمة" من خلال جعل السيارة القائدة تضغط على المكابح فجأة.

كانت نتائج هذه المحاكاة واعدة للغاية. فعندما استخدموا طريقة قياسية حيث تنظر السيارات فقط إلى بياناتها الخاصة، انتشرت فوضى المرور، واستمرت السيارات في التسارع والتباطؤ في رقصة فوضوية. ومع ذلك، عندما استخدموا طريقتهم الجديدة القائمة على "الشبكة العصبية الرسومية"، تصرفت السيارات الذكية مثل فرقة رقص متناسقة للغاية. لقد استخدموا قدرتهم المحدودة على التحدث إلى الجيران القريبين لتنعيم التموجات. أظهرت المحاكاة أن هذا النهج الجديد يمكنه تقليل تقلبات السرعة الجامحة (تذبذبات المرور) بنسبة تصل إلى 80%، حتى عندما كانت 10% فقط من السيارات متصلة. تعافت حركة المرور بشكل أسرع، وارتفع متوسط السرعة من 16 متراً في الثانية إلى 20 متراً في الثانية، مع عدم حدوث اصطدامات تقريباً.

توضح الورقة البحثية بحذر أن هذه النتائج هي من محاكاة حاسوبية، وليست اختباراً في العالم الحقيقي على طريق سريع فعلي. ويجادل المؤلفون بأنه بينما تفترض الطرق الحالية غالباً أن كل سيارة يمكنها التحدث مع كل السيارات الأخرى أو أن لدينا خريطة مثالية للطريق بأكمله، فإن طريقتهم تعمل حتى عندما تكون الشبكة "متفرقة" (بمعنى أن العديد من السيارات لا يمكنها التحدث مع بعضها البعض) والسيارات تعرف فقط ما هو بجانبها مباشرة. إنهم يستبعدون صراحة فكرة أننا بحاجة إلى معلومات عالمية أو اتصال بنسبة 100% لإصلاح حركة المرور. بدلاً من ذلك، يقترحون أنه من خلال استخدام هذه الشبكة الاجتماعية القائمة على الرسوم للسيارات، يمكننا تعلم استراتيجيات تعاونية تجعل تدفق حركة المرور أكثر استقراراً. وبينما تقتصر الدراسة على هذه البيئة المحاكية وتفترض ظروف اتصال مثالية، فإن النتائج تشير إلى أن هذا النهج يمكن أن يكون أداة قوية لإدارة حركة المرور في المستقبل القريب، حتى قبل أن تكون كل سيارة على الطريق متصلة بالكامل.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 🤖 cs.LG →