Integrating Telematics and Video-Based Recognition for Vehicle Behavior Analysis in Athens
تقدم هذه الورقة إطار عمل للدمج ضمن مشروع PHOEBE يجمع بين بيانات التتبع عن بُعد طويلة المدى من الهواتف الذكية وتحليلات الفيديو قصيرة المدى القائمة على نموذج YOLOv8 في ثلاثة تقاطعات في أثينا، كاشفةً أنه بينما يلتقط كلا المصدرين أنماط السرعة الاتجاهية المتسقة، فإن المقاييس المستمدة من الفيديو تكشف عن تباطؤ موضعي ومخاطر صراع دقيقة عالية تفشل متوسطات السرعة وحدها في التنبؤ بها، مما يثبت قيمة الجمع بين البيانات واسعة النطاق والدقيقة من أجل إدارة استباقية لسلامة الطرق الحضرية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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
في قلب المدن الصاخب مثل أثينا، يتدفق المرور كأنه نهر مستمر ومعقد من المعدن والحركة. لعقود من الزمن، حاول خبراء السلامة فهم كيفية سلوك هذا النهر، آملين في منع اللحظات النادرة والمأساوية التي يتحول فيها إلى عنف. تقليديًا، جاء هذا الفهم من النظر إلى الوراء في تقارير الحوادث، وهي طريقة لا تكشف عن الخطر إلا بعد أن يتسبب بالفعل في إلحاق الضرر. وفي السنوات الأخيرة، ظهرت طريقتان جديدتان لمراقبة الطريق، مما وفر فرصة لرؤية الخطر قبل وقوعه. تعتمد إحدى الطريقتين على الهواتف الذكية التي يحملها السائقون لتتبع سرعتهم وعادات الكبح لديهم عبر مسافات وفترات زمنية طويلة، مما يرسم صورة واسعة لكيفية قيادة الناس عبر مدينة بأكملة. أما الطريقة الأخرى فتستخدم الكاميرات لمراقبة نقاط محددة في الوقت الفعلي، حيث تلتقط الحركات الدقيقة لكل سيارة ومشاة وسكوتر في إطار واحد. وبينما تمتلك كل طريقة نقاط قوتها، إلا أنه نادرًا ما تم استخدامهما معًا، مما ترك فجوة في معرفتنا بكيفية ارتباط هذه الرؤى المختلفة لحركة المرور ببعضها البعض.
لقد شرع فريق من الباحثين في سد هذه الفجوة في شوارع وسط أثينا المزدحمة والمحكومة بإشارات ضوئية. أرادوا معرفة ما إذا كان من الممكن دمج البيانات الواسعة وطويلة الأمد من الهواتف الذكية مع التركيز الحاد وقصير المدى لكاميرات الفيديو لخلق صورة أوضح لسلامة الطرق. ركز الفريق على ثلاثة تقاطعات مزدحمة: شارع فاسيليسيس أمالياس، وشارع فاسيليسيس سوفياس، وشارع بانيبستيميوم. تم اختيار هذه المواقع لأنها مزدحمة، وتختلط فيها السيارات والمشاة والسكوترات، وتتحكم بها إشارات المرور، مما يجعلها أماكن مثالية لمراقبة كيفية تفاعل السائقين مع الإشارات ومع بعضهم البعض. وللقيام بذلك، جمعوا مجموعتين متمايزتين من المعلومات. أولاً، نظروا في بيانات مجهولة المصدر تم جمعها من آلاف مستخدمي الهواتف الذكية بين عامي 2019 و2023، والتي أخبرتهم بمتوسط السرعات وعادات القيادة على هذه الطرق على مدار عدة سنوات. ثانيًا، في يونيو 2024، وضعوا كاميرات في نفس المواقع الثلاثة لتسجيل لقطات فيديو. ثم استخدموا نظام ذكاء اصطناعي مخصص لمراقبة هذه الفيديوهات إطارًا بإطار، وتتبع المسار الدقيق لكل مركبة وحساب مدى قربها من الاصطدام ببعضها البعض أو بالمشاة.
عندما قارن الباحثون بين المصدرين للمعلومات، وجدوا اختلافًا مفاجئًا في الأرقام. كان متوسط السرعة الذي سجلته كاميرات الفيديو أقل باستمرار من متوسط السرعة الذي سجلته الهواتف الذكية. في أحد المواقع، أظهر الفيديو أن السيارات تتحرك بسرعة أقل بنحو 15 كيلومترًا في الساعة عما اقترحته بيانات الهاتف الذكي. أدرك الفريق أن هذا ليس بسبب تغير سلوك السائقين، بل لأن الأداتين كانتا تنظران إلى أجزاء مختلفة من الرحلة. فقد سجلت الهواتف الذكية الرحلة بأكملها، بما في ذلك الأجزاء السريعة والمفتوحة من الطريق بين التقاطعات. أما الكاميرات، فقد كانت ثابتة في التقاطع نفسه، وهو المكان الدقيق الذي يُفترض فيه أن تبطئ السيارات وتتوقف لإشارة حمراء. الأمر يشبه مقارنة متوسط سرعة عداء يركض في المسار بأكمله مقابل صورة ملتقطة فقط عند خط النهاية حيث يبطئ ليتوقف؛ فالصورة تلتقط عملية التباطؤ، بينما تلتقط ساعة العداء الجهد الكامل. هذا الاختلاف في المنظور فسر الفجوة في الأرقام، موضحًا أن مصدري البيانات كانا في الواقع يرويان قصة متسقة، ولكن من زوايا مختلفة.
تجلت القيمة الحقيقية لدمج هذين الأسلوبين عندما نظر الفريق في حالات "الوشيك الوقوع" (near-misses). وقد عرفوا "الوشيك الوقوع" بأنه لحظة يقترب فيها مستخدمو الطريق من بعضهم البعض لدرجة أن التصادم كان سيحدث لو لم يستجب أحدهم على الفور. ومن خلال تحليل لقطات الفيديو، اكتشفوا أن هذه اللحظات الخطيرة لم تكن موزعة بالتساوي عبر الزمن، بل حدثت في نوبات مفاجئة وكثيفة. ففي تقاطع فاسيليسيس أمالياس، ارتفعت مخاطر الوشيك الوقوع بشكل حاد لبضع ثوانٍ في كل مرة تتغير فيها إشارات المرور، لتصل إلى نقطة وجود ما يصل إلى 50 حدثًا حرجًا لكل 1,000 مركبة تم رصدها. وفي المقابل، ظل تقاطع شارع بانيبستيميوم هادئًا بشكل ملحوظ، مع تسجيل عدد ضئيل جدًا من حالات الوشيك الوقوع. كشف هذا الاكتشاف أن الخطر في المدينة غالبًا ما يكون عابرًا ومرتبطًا بلحظات محددة، مثل الثواني التي تتحول فيها الإشارة إلى اللون الأصفر أو عندما يخطو المشاة إلى الشارع في وقت متأخر من الدورة المرورية.
ربما كان الاكتشاف الأكثر أهمًا هو أن متوسط سرعة حركة المرور لم يتنبأ بمكان حدوث حالات الوشيك الوقوع هذه. وجد الباحثون عدم وجود رابط قوي بين سرعة تحرك السيارات بشكل عام ومدى تكرار اقترابها من التصادم. فتقاطع مزدحم بحركة مرور أبطأ يمكن أن يظل مليئًا بالتفاعلات المفاجئة والخطرة، بينما يمكن لطريق أسرع أن يظل آمنًا. يشير هذا إلى أن السبب الحقيقي للخطر ليس السرعة نفسها، بل عدم القدرة على التنبؤ بحركة المرور: مدى سرعة كبح السائقين، ومدى قربهم من السيارة التي أمامهم، وعدد أنواع مستخدمي الطريق المختلفين الذين يحاولون عبور المسارات في آن واحد. أظهرت الدراسة أنه بينما كانت بيانات الهواتف الذكية ممتازة لتصنيف المناطق التي تكون فيها الحركة أسرع أو أبطأ بشكل عام، إلا أن بيانات الفيديو وحدها كانت قادرة على كشف الفوضى التي تستغرق أجزاء من الثانية والتي تؤدي إلى الحوادث.
من خلال دمج الرؤية واسعة النطاق للبيانات عن بُعد مع التفاصيل الدقيقة لتحليل الفيديو، ابتكر الباحثون أداة جديدة لمخططي المدن. يسمح هذا النهج المدمج للمخططين ليس فقط برؤية أين تكون حركة المرور كثيفة، بل وأيضًا متى وأين تصبح خطيرة بدقة. ويشير ذلك إلى أن تحسينات السلامة لا تحتاج إلى التطبيق على مدار اليوم بأكل أو على الطريق بأكمله، بل يمكن توجيه التدخلات نحو الثواني المحددة التي تكون فيها المخاطر في أعلى مستوياتها، مثل ضبط توقيت إشارات المرور أو زيادة الإنفاذ خلال اللحظات التي يزداد فيها احتمال وقوع حالات الوشيك الوقوع. إن هذا العمل يثبت أنه لجعل المدن أكثر أمانًا، نحتاج إلى النظر إلى الطريق من خلال عدسات متعددة، وفهم أن قصة سلامة المرور تُكتب في كل من الرحلة الطويلة والقرار الذي يستغرق جزءًا من الثانية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.