Car-to-Car Injury Risk Functions for Real-Time Emergency Decision-Making in Highly Automated Vehicles
تقترح هذه الدراسة إطار عمل لمخاطر الإصابة في الوقت الفعلي للمركبات عالية الأتمتة، والذي يستخدم متغيرات حركية ما قبل الاصطدام لاستخلاص دالات مخاطر متعددة الاتجاهات، مما يتيح اتخاذ قرارات فورية للتوجيه والكبح تقلل من إصابات الركاب دون الاعتماد على عمليات محاكاة مرحلة التصادم المكثفة حاسوبياً.
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
تخيل سيارة تسير في شارع مزدحم، ومستشعراتها تمسح العالم أمامها باستمرار. في جزء من الثانية قبل أن يصبح الاصطدام حتمياً، يجب على كمبيوتر السيارة اتخاذ قرار يتعلق بالحياة أو الموت. لسنوات طويلة، كان الهدف الأساسي من أنظمة السلامة هذه بسيطاً: تجنب الاصطدام تماماً. فإذا بدا أن التصادم وشيك، تضغط السيارة على المكابح بقوة. لكن الواقع غالباً ما يكون أكثر تعقيداً؛ فأحياناً، ومهما كانت سرعة تطبيق المكابح أو حدة التوجيه، لا يمكن منع وقوع الاصطدام. وعندما يحدث ذلك، يتحول الهدف من التجنب إلى التخفيف. يصبح السؤال ليس ما إذا كانت السيارة ستصطدم بشيء ما، بل كيف تصطدم به بطريقة تسبب أقل قدر من الضرر للركاب بداخلها. هذا هو آفاق السلامة الحديثة للمركبات: الانتقال من مجرد إيقاف السيارة إلى الإدارة النشطة لطاقة الاصطدام لحماية الركاب.
وللقيام بذلك بفعالية، تحتاج السيارة إلى معرفة النتيجة المحتملة للاصطدام قبل وقوعه بالفعل. تقليدياً، كان المهندسون يقيسون شدة الاصطدام باستخدام بيانات يتم جمعها بعد التأثير، مثل مقدار التغير في سرعة المركبة أو مقدار الطاقة التي امتصها المعدن المتشوه. هذه القياسات مفيدة للغاية لفهم ما حدث، لكنها عديمة الفائدة لكمبيوتر يحاول اتخاذ قرار في الوقت الفعلي. فبحلول الوقت الذي يمكن فيه للسيارة حساب هذه الأرقام اللاحقة للاصطدام، يكون الحادث قد وقع بالفعل. لقد كان التحدي الذي يواجه الباحثين هو إيجاد طريقة للتنبؤ بشدة الإصابة باستخدام المعلومات المتاحة فقط في الأجزاء من الثانية التي تسبق تلامس المركبتين. وهذا يتطلب نوعاً جديداً من الخرائط الرياضية التي يمكنها ترجمة سرعة وزاوية التهديد المقترب مباشرة إلى احتمالية الإصابة، دون الحاجة إلى محاكاة الاصطدام نفسه.
قام فريق من الباحثين من إيطاليا وفرنسا والصناعة السيارات بتطوير إطار عمل جديد لحل هذه المشكلة. لقد أنشأوا مجموعة من الأدوات تسمح للمركبة بتقدير خطر الإصابة لركابها باستخدام بيانات ما قبل الاصطدام فقط. وبدلاً من انتظار وقوع الاصطدام ثم قياس الضرر، ينظر نظامهم إلى الظروف عند اللحظة الأولى للتلامس. فهو يأخذ في الاع الاعتبار عوامل مثل سرعة اقتراب السيارتين من بعضهما البعض، ووزن المركبات، والزاوية المحددة التي سيصطدمان بها. ومن خلال التركيز حصرياً على متغيرات ما قبل الاصطدام هذه، يمكن للنظام إجراء حساباته فورياً، مما يتناسب مع الجزء الضئيل من الثانية الذي يمتلكه كمبيوتر السيارة لتقرير ما إذا كان سيضغط على المكابح أو يوجه المقود.
اختبر الباحثون نهجهم باستخدام ثلاث قواعد بيانات ضخمة ومستقلة لحوادث السيارات الواقعية من أجزاء مختلفة من العالم: واحدة من أوروبا، وأخرى من الولايات المتحدة، ومجموعة دولية مشتركة. وقد قاموا بتدريب نماذجهم للتنبؤ بثلاثة مستويات من نتائج الإصابة: الإصابات الطفيفة، والإصابات الشديدة، والوفيات. وأظهرت النتائج فرقاً واضحاً في مدى قدرة النظام على التنبؤ بكل نوع. بالنسبة للإصابات الطفيفة، واجه النظام صعوبة؛ حيث وجد الباحثون أن التنبؤ بالكدمات والجروح الطفيفة أمر صعب لأن هذه النتائج غالباً ما تعتمد على تفاصيل لا تستطيع السيارة رؤيتها، مثل عمر أو جنس الراكب. وبما أن مستشعرات السيارة لا يمكنها معرفة هذه التفاصيل الشخصية، فإن قدرة النموذج على تخمين الإصابات الطفيفة ظلت محدودة.
ومع ذلك، عندما نظر الباحثون إلى الإصابات الشديدة والوفيات، كان أداء النظام جيداً بشكل ملحوظ. فقد كانت النماذج المدربة على بيانات الإصابات الشديدة قادرة على التنبؤ بدقة بخطر الضرر الجسيم عبر جميع قواعد البيانات الثلاث المختلفة، رغم أن قواعد البيانات جاءت من دول مختلفة ذات أساطيل سيارات وأساليب تقارير مختلفة. يشير هذا إلى أن فيزياء الاصطدام العنيف عالمية بما يكفي لكي تتعلم السيارة التعرف على علامات الخطر بغض النظر عن مكان قيادتها. لقد نجح النظام في تحديد أن السرعة التي تتقارب بها السيارات، جنباً إلى جنب مع الخصائص الهيكلية للاصطدام، توفر معلومات كافية لتقدير احتمالية حدوث نتيجة خطيرة. وانطبق الأمر نفسه على التنبؤ بالوفيات، وإن كان الباحثون قد أشاروا إلى أنه نظراً لأن الحوادث المميتة نادرة، فإن البيانات الخاصة بهذه الأحداث شحيحة، مما يجعل التنبؤات أقل استقراراً قليلاً من تلك المتعلقة بالإصابات الشديدة.
ولإثبات أن هذه النظرية تعمل في العالم الحقيقي، طبق الفريق نموذجهم على اختبار تصادم تاريخي يتضمن اصطداماً أمامياً جانبياً بين سيارتين محددتين. لقد قاموا بتشغيل الأرقام مرتين: مرة بافتراض أن السيارة تعرف كل شيء عن خصمها، ومرة بافتراض أنها تضطر لتخمين القوة الهيكلية للطرف الآخر بناءً على معرفة عامة. وحتى عندما اضطرت السيارة للقيام بتخمين مدروس حول صلابة المركبة الأخرى، ظل تنبؤ النموذج لخطر الإصابة قريباً من النتيجة الفعلية. وقد أثبت هذا أن النظام قوي بما يكفي ليعمل حتى عندما لا يمتلك معلومات مثالية عن المركبة الأخرى، وهو سيناريو شائع في حركة المرور اليوم.
إن تداعيات هذا العمل كبيرة لمستقبل القيادة الآلية. حالياً، عندما تواجه السيارة اصطداماً لا مفر منه، فإنها غالباً ما تلجأ إلى الكبح. لكن الكبح لا يقلل دائماً من خطر الإصابة الشديدة؛ ففي بعض الحالات، قد يغير زاوية الاصطدام بطريقة تجعل النتيجة أسوأ. يسمح إطار العمل الجديد للمركبة بتقييم المناورات المختلفة، مثل التوجيه إلى الجانب، وحساب أي خيار يقلل فوراً من خطر الإصابة الشديدة للركاب. ومن خلال إلغاء الحاجة إلى عمليات محاكاة معقدة ومستهلكة للوقت للاصطدام، يمنح هذا الأسلوب المركبة القدرة على اتخاذ قرار متطور ومنقذ للحياة في لمح البصر. وبينما لا تزال التكنولوجيا تواجه تحديات في جمع بيانات مثالية حول المركبات الأخرى على الطريق، فإن هذا البحث يوفر أساساً ملموساً لجيل جديد من أنظمة السلامة التي لا تحاول فقط تجنب الحوادث، بل تديرها بنشاط للحفاظ على سلامة الناس عندما يحدث الأسوأ.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.