HLSR: Hybrid Live Forecast Selective Dynamic Vehicle Rerouting for Real-Time Congestion Avoidance
تقترح هذه الورقة إطار عمل HLSR، وهو إطار عمل هجين انتقائي للتنبؤ المباشر يدمج السرعات في الوقت الفعلي مع التنبؤات قصيرة المدى والمقاييس المصممة خصيصاً للسائقين لإعادة توجيه مجموعة فرعية محدودة من المركبات ديناميكياً لتجنب الازدحام الفعلي بفعالية دون الحاجة إلى إعادة تخطيط شاملة للشبكة.
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
تنمو المدن لتصبح أكثر كثافة، وتكافح الطرق داخلها لمواكبة ذلك. ومع انتقال المزيد من الناس من الريف إلى المراكز الحضرية، تزداد الضغوط على شبكات المرور. وبما أن بناء المزيد من الطرق غالباً ما يكون مستحيلاً بسبب المساحة والتكلفة، يجب على المدن إيجاد طرق أكثر ذكاءً لإدارة تدفق المركبات الموجودة بالفعل. تطبيقات الملاحة الحالية، مثل تلك الموجودة في الهواتف الذكية، جيدة في إيجاد أسرع مسار بناءً على ظروف حركة المرور في اللحظة التي يبدأ فيها السائق رحلته. ومع ذلك، فإنها تعاني عندما يكون السائق بالفعل على الطريق؛ فإذا تشكل ازدحام مروري أمامه، غالباً ما تفشل هذه التطبيقات في إعادة توجيه السائقين الذين التزموا بالفعل بمسار معين، أو والأسوأ من ذلك، قد ترسل الكثير من السائقين إلى مسار جديد، مما يخلق اختناقاً جديداً في مكان آخر. ويتمثل التحدي الذي يواجه مهندسي المرور في التدخل بقدر كافٍ فقط لتلطيف حدة الازدحام دون التسبب في الفوضى عن طريق تغيير خطط كل سيارة على الطريق.
ولحل هذه المشكلة، طور الباحثون نظاماً جديداً يسمى HLSR، وهو اختصار لـ "إعادة توجيه المركبات الديناميكي الانتقائي الهجين بين المباشر والتنبؤي" (Hybrid Live–Forecast Selective Dynamic Vehicle Rerouting). تم اختبار هذا النهج في محاكاة حاسوبية مفصلة لمدينة تاينان في تايوان، باستخدام نموذج مروري مجهري يتتبع المركبات الفردية. الفكرة الأساسية وراء HLSR هي أن يكون انتقائياً بدلاً من أن يكون غامراً. فبدلاً من محاولة إعادة تخطيط المسار لكل مركبة في المدينة، يحدد النظام اختناقات محددة ويتدخل فقط مع المركبات التي من المرجح أن تتعثر أو التي تقترب من نقطة المشكلة. إنه يعمل مثل مدير حركة المرور الذي يراقب التدفق، ويرصد ازدحاماً يتطور، ويوجه السيارات المقتربة منه بلطف نحو مسار مختلف قبل أن تقع في الفخ، بينما يترك بقية حركة المرور لتتدفق بشكل طبيعي.
يعمل النظام عبر ثلاث مراحل رئيسية. أولاً، يكتشف الازدحام من خلال مراقبة علامتين محددتين: مدى امتلاء الطريق وسرعة تحرك السيارات. وهو لا يعتمد على عامل واحد فقط؛ بل يتطلب أن يكون الطريق مزدحماً وأن تنخفض السرعة بشكل ملحوظ قبل أن يقرر أن الازدحام حقيقي. وهذا يمنع النظام من الاستجابة للاختناقات الطفيفة التي قد تنتهي من تلقاء نفسها. وبمجرد تأكيد وجود ازدماج، يختار النظام المركبات التي سيتم إعادة توجيهها. فهو ينظر إلى السيارات الموجودة حالياً في قطاعات الطرق المؤدية إلى الازدحام، وكذلك تلك التي أوشكت على دخول تلك القطاعات. وهذا يضمن أن يكون التدخل في الوقت المناسب، حيث يتم الإمساك بالسائقين قبل أن يعلقوا تماماً في الطابور.
الابتكار الأهم في HLSR هو كيفية حساب أفضل مسار جديد. فالأنظمة التقليدية عادة ما تنظر فقط إلى ظروف حركة المرور في الوقت الحالي. أما HLSR، فيدمج بين ما يحدث على الطريق في هذه اللحظة وبين توقع قصير المدى لما سيحدث في الدقائق القليلة القادمة. فبالنسبة لجزء المسار الذي سيسلكه السائق فوراً، يثق النظام في البيانات المباشرة من مستشعرات الطريق. أما بالنسبة لأجزاء المسار التي سيصل إليها السائق في وقت لاحق، فيعتمد النظام على توقع لسرعات المرور المستقبلية. يسمح هذا النهج الهجين للنظام بتجنب المسارات التي تبدو خالية الآن ولكن من المتوقع أن تصبح مزدحمة بحلول وقت وصول السائق إليها. كما أنه يخصص هذه التوقعات من خلال مراعاة سلوك السائقين المختلفين، مثل ما إذا كانوا يميلون للقيادة بشكل أسرع أو أبطأ من المتوسط.
كانت نتائج المحاكاة مذهلة. ففي سيناريو يتضمن 8,000 مركبة، قلل النظام الجديد متوسط وقت السفر إلى 380.6 ثانية. وكان هذا أسرع بشكل ملحوظ من نظام يستخدم البيانات المباشة فقط لإعادة توجيه نفس عدد السيارات، والذي نتج عنه متوسط زمن قدره 438.1 ثانية. كما تفوق أيضاً على نظام حاول إعادة توجيه كل سيارة في المدينة باستخدام البيانات المباشة فقط، والذي استغرق 408.1 ثانية في المتوسط. ووجد الباحثون أن النهج الهجين بين المباشر والتنبؤي كان المحرك الرئيسي لهذا النجاح؛ فبدون العنصر التنبؤي، انخفض أداء النظام بشكل ملحوظ. وحتى عندما تم رفع حجم حركة المرور إلى 16,000 ثم 20,000 مركبة، ظل نظام HLSR هو الأكثر كفاءة، محافظاً على أوقات سفر أقل من جميع الطرق الأخرى المختبرة.
كما استكشفت الدراسة إلى أي مدى يجب أن ينظر النظام إلى الخلف عند اختيار السيارات لإعادة توجيهها. ووجدوا أن النظر بعيداً جداً إلى الوراء تسبب في تغييرات غير ضرورية للسائقين البعيدين عن الازدحام، بينما أدى النظر إلى مسافة قريبة جداً إلى تفويت السائقين الذين يحتاجون للمساعدة. وكان الإعداد الأمثل هو النظر تسع قطاعات طرق إلى الوراء، مما حقق توازناً بين الحاجة للتدخل مبكراً دون إزعاج الكثير من الناس. كما اختبر الباحثون طرقاً مختلفة للتنبؤ بحركة المرور المستقبلية، ووجدوا أن النظام المصمم خصيصاً لترتيب أفضل المسارات، بدلاً من مجرد التنبؤ بالسرعة بدقة لكل قطاع طريق على حد، كان يعمل بشكل أفضل لتحقيق الهدف العام المتمثل في تقليل وقت السفر.
في النهاية، يثبت هذا البحث أن النهج المستهدف والذكي في إدارة حركة المرور أكثر فعالية من النهج الشامل. فمن خلال الجمع بين الملاحظات في الوقت الفعلي والتوقعات قصيرة المدى، والتدخل فقط عند الضرورة، يمكن للمدن تقليل أوقات السفر والانبعاثات دون التسبب في اضطراب هائل ناتج عن إعادة توجيه كل مركبة. وتشير المحاكاة إلى أن هذه الطريقة قوية بما يكفي للتعامل مع أحمال حركة المرور الثقيلة، مما يوفر مساراً عملياً لأنظمة النقل الذكية التي تهدف إلى الحفاظ على حركة المدن بسلاسة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.