Evaluating Connected Vehicle Hard Braking and Acceleration Thresholds for Network- Level Non-Interstate Highway Crash Prediction
تُظهر هذه الدراسة أن أحداث الكبح والتعجيل الشديدة المستمدة من بيانات المركبات المتصلة، وتحديداً باستخدام عتبة 0.25g، تعمل كبدائل سلامة فعالة للتنبؤ بمعدلات الحوادث على مستوى الشبكة في الطرق السريعة غير الدولية، مما يوفر بديلاً أسرع للتحليل التقليدي لبيانات الحوادث الممتدة لعدة سنوات.
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
ليست الطرق مجرد خلفيات ثابتة؛ بل هي أنظمة حية تتقاطع فيها ملايين الرحلات، حيث يكمن الفرق بين الوصول الآمن والمأساة في قرار يُتخذ في جزء من الثانية. لعقود من الزمن، اعتمدت وكالات النقل على نهج تفاعلي للسلامة، حيث كانت تنتظر تراكم سجلات الحوادث على مدار عدة سنوات قبل أن تتمكن من تحديد المواقع الخطرة وتبرير إنفاق الأموال لإصلاحها. هذه الطريقة بطيئة وغالبًا ما تترك المواقع عالية الخطورة دون معالجة حتى يتعرض الكثير من الناس للأذى. وفي السنوات الأخيرة، ظهرت أداة جديدة لتسريع هذه العملية: المركبة المتصلة. فالسيارات الحديثة مجهزة بأجهزة استشعار تبلغ باستمرار عن سرعتها وموقعها واتجاهها، مما يخلق تدفقًا هائلًا من البيانات في الوقت الفعلي. وقد اكتشف الباحثون أنه قبل وقوع حادث، غالبًا ما يظهر السائقون علامات تحذيرية، مثل الضغط بقوة على المكابح أو الاندفاع المفاجئ للمسرع. وهذه "الوقائع الوشيكة" (near-miss events) أكثر شيوعًا بكثير من الحوادث الفعلية، مما يوفر وسيلة لرصد المشكلات الأمنية الناشئة في غضون أسابيع أو أشهر بدلاً من الانتظار لسنوات حتى يظهر نمط من الحوادث.
لقد وضع فريق من الباحثين في جامعة بوردوا هدفًا لاختبار ما إذا كانت أحداث الكبح والتسارع المفاجئة هذه يمكن أن تتنبأ بشكل موثوق بمكان وقوع الحوادث على الطرق السريعة غير الدولية، مثل الطرق الولائية والطرق الأمريكية (US routes). قاموا بتحليل كمية هائلة من البيانات تمتد لنحو سبع سنوات، تغطي أكثر من 251,000 حادث مسجل في جميع أنحاء إنديانا. ولفهم سياق هذه الحوادث، قاموا بربط سجلات الحوادما ببيانات 1.9 مليار رحلة مركبة، والتي تضمنت حوالي 38 مليار حالة كبح شديد وتسارع شديد. كان الهدف هو معرفة ما إذا كانت المواقع التي يضطر فيها السائقون كثيرًا إلى الكبح فجأة أو التسارع بقوة تتطابق مع المواقع التي وقعت فيها التصادمات الفعلية. احتاج الباحثون إلى تحديد كيفية تعريف الحدث "الشديد" بدقة، حيث إن التوقف اللطيف هو قيادة طبيعية، بينما يشير التوقف الهلع إلى خطر محتمل. كما احتاجوا أيضًا إلى معرفة الحجم المناسب لقطاع الطريق الذي سيتم تحليله، لأن النظر في قطعة صغيرة جدًا من الطريق قد يؤدي إلى تفويت الصورة الأكبر، بينما قد يؤدي النظر في امتداد طويل جدًا إلى تخفيف حدة مناطق الخطر المحددة.
وجدت الدراسة رابطًا إيجابيًا قويًا بين مقاييس السلامة البديلة هذه والحوادث الفعلية. وعندما نظر الباحثون في البيانات، اكتشفوا أن أفضل طريقة لتحديد بقعة خطيرة هي البحث عن الأحداث التي تتعرض فيها المركبة لقوة تبلغ حوالي 0.25g، وهو ما يعادل تقريبًا ربع قوة الجاذبية. عند هذا الحد المحدد، كانت العلاقة بين أحداث الكبح الشديد ومواقع الحوادث في أقوى حالاتها، ووصلت إلى مستوى من الاتفاق يشير إلى أن الاثنين مرتبطان بعمق. ومن المثير للاهتمام أن الباحثين وجدوا أن النظر في نقطة نهاية حدث الكبح كان أكثر دقة قليلاً من النظر في مكان بدايته، رغم أن الفرق كان ضئيلاً جدًا. كما حددوا أن حجم قطاع الطريق كان مهمًا بشكل كبير؛ فعندما حللوا مقاطع قصيرة جدًا من الطريق، كانت العلاقة ضعيفة لأن حدث كبح واحد قد يحدث قبل حادث ما ولكن على قطعة مختلفة من الرصيف. ومع ذلك، عندما زادوا طول قطاع الطريق إلى حوالي ثلث ميل، تحسن الارتباط بشكل كبير. وما بعد ذلك الطول، استقر التحسن، مما يشير إلى أن مقطعًا يتراوح طوله بين 0.3 إلى 0.4 ميل هو المقياس الأمثل لرصد هذه المناطق عالية المخاطر.
كان أحد الأسئلة الأكثر أهمية التي عالجها الفريق هو ما إذا كانت أحداث الكبح هذه هي مجرد انعكاس لعدد السيارات الموجودة على الطريق. فمن المنطقي أن الطرق المزدحمة تشهد المزيد من الحوادث والمزيد من عمليات الكبح ببساطة لوجود المزيد من المركبات. وإذا كان الارتباط بين الكبح والحوادث ناتجًا فقط عن حجم حركة المرور، فإن عدّ التوقفات الشديدة لن يقدم أي رؤى سلامة جديدة. اختبر الباحثون ذلك من خلال مقارنة البيانات مع تعدادات حركة المرور، ووجدوا أنه بينما ارتبط حجم حركة المرور بالحوادض، فإن بيانات الكبح والتسارع الشديد قدمت إشارة أقوى بكثير. وحتى عندما أزالوا تأثير حجم حركة المرور رياضيًا، ظل الرابط بين الكبح الشديد والحوادث قويًا. وهذا يثبت أن هذه الأحداث تلتقط شيئًا محددًا يتعلق بخطورة الموقع — مثل الهندسة المعقدة للطريق، أو ظروف الطريق السيئة، أو سلوك القيادة العدواني — وهو أمر لا يمكن لتعدادات حركة المرور وحدها تفسيره.
كما كشف التحليل عن علاقة رياضية محددة بين وتيرة الكبح الشديد ووتيرة الحوادث. أظهرت البيانات أنه إذا تضاعفت معدلات أحداث الكبح الشديد في قطاع طريق ما، فإن معدل الحوادث يزداد بنسبة 25 بالمائة تقريبًا. وقد ظل هذا الارتباط صحيحًا عبر أنواع الطرق المختلفة وكان متوافقًا مع النتائج المستخلصة من ولايات أخرى، مما يشير إلى وجود نمط عالمي في كيفية ترجمة سلوك السائق إلى مخاطر. وخلص الباحثون إلى أنه باستخدام نقاط بيانات المركبات المتصلة هذه، يمكن لوكالات النقل الابتعاد عن انتظار سنوات من تاريخ الحوادث. وبدلاً من ذلك، يمكنهم تحديد المواقع الخطرة في غضون أسابيع أو أشهر من خلال مراقبة تجمعات الكبح والتسارع الشديد. ويسمح هذا التحول لمسؤولي السلامة بتوجيه مواردهم المحدودة إلى المواقع الأكثر حرجًا بشكل استباقي، مما قد يمنع الحوادث قبل وقوعها بدلاً من التفاعل معها بعد حدوثها. وتؤكد الدراسة أن هذه البصمات الرقمية للوقائع الوشيكة هي أداة قوية وقابلة للتوسع لجعل الطرق أكثر أمانًا للجميع.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.