Unraveling Spatial Heterogeneity in Traffic Safety: A Data-Driven Typology of US Counties Using Explainable Machine Learning

تخيل أنك تحاول فهم سبب إصابة الناس بالمرض من خلال النظر فقط إلى متوسط الصحة في بلد بأكمله. قد تستنتج أن الجميع بحاجة إلى نفس الفيتامين، لكن ذلك سيجعلك تغفل عن حقيقة أن إحدى المناطق تعاني من نقص أشعة الشمس بينما تعاني منطقة أخرى من الرطوبة الزائدة. هذا هو التحدي الجوهري الذي تواجهه أبحاث سلامة المرور. لعقود من الزمن، حاول العلماء معرفة سبب وقوع حوادث السيارات باستخدام "النماذج العالمية" — وهي وصفات رياضية تفترض أن قواعد الطريق هي نفسها في كل مكان، من سواحل كاليفورنيا المشمسة إلى سهول نورث داكوتا الثلجية. إنهم يعاملون الأمة بأكملها كخريطة واحدة كبيرة ومسطحة حيث يكون سبب حادث في مدينة هو نفسه تمامًا كما هو السبب في حقل ريفي. لكن أي شخص قاد سيارته في أجزاء مختلفة من العالم يعرف أن هذا ليس صحيحًا. فالأيام الممطرة في المناطق الاستوائية تخلق مخاطر تختلف عن الصباحات المتجمدة في الشمال. السؤال الكبير الذي يطرحه الباحثون هو: هل يمكننا التوقف عن معاملة البلاد بأكملها ككتلة واحدة موحدة، وبدلاً من ذلك رؤية "الشخصية" الفريدة والخفية لكل مقاطعة على حدة؟

هذا بالضبط ما سعى فريق من الباحثين من جامعة سنترال ساوث وجامعة ووهان للتكنولوجيا للقيال إليه في دراستهم الجديدة. إنهم يجادلون بأن الطريقة القديمة في النظر إلى بيانات المرور تشبه محاولة وصف منحوتة ثلاثية الأبعاد معقدة من خلال النظر فقط إلى ظلها المسطح؛ فهي تغفل المنحنيات، والعمق، والشكل الحقيقي للمشكلة. ولإصلاح ذلك، قاموا ببناء أداة رقمية جديدة تسمى إطار عمل Manifold Spectral SHAP (MSS). فكر في هذه الأداة كـ "محقق حوادث" عالي التقنية لا يكتفي فقط بعدّ الحوادث، بل يحاول فهم القصة الكامنة وراءها. إنها تستخدم نوعًا خاصًا من الرياضيات يسمى Graph-based PCA لفك عقدة متشابكة من 25 عاملًا مختلفًا — مثل الطقس، وإضاءة الطرق، وإشارات المرور، ومنحنيات الطريق — وتحويلها إلى خمسة "سمات خطر" واضحة ومفهومة. ثم تستخدم تقنية تسمى Gaussian Mixture Modeling لتصنيف الـ 2,851 مقاطعة في الولايات المتحدة إلى أنواع مختلفة من "شخصيات الحوادث" بناءً على هذه السمات.

النتائج تشبه اكتشاف أنه بينما يتبع معظم البلاد سيناريو قياسيًا، فإن بعض المناطق المحددة تعيش في فيلم مختلف تمامًا. وجدت الدراسة أن الفكرة القديمة القائمة على "مقاس واحد يناسب الجميع" لخطط السلامة هي فكرة معيبة لأنها تخفي المخاطر الحقيقية. فعلى سبيل المثال، حدد الباحثون مجموعة محددة من المقاطعات في شمال الغرب الأوسط (مثل نورث داكوتا ومينيسوتا) التي تشكل تجمعًا فريدًا وعالي المخاطر. هذه ليست مجرد "أماكن باردة"؛ بل هي أماكن يخلق فيها مزيج مميت من الجليد الأسود (الذي يجعل الطرق زلقة) والظلام الدامس (بسبب غياب أعمدة الإنارة) عاصفة مثالية لحوادث خطيرة. في هذه المناطق، لا يتعلق الخطر بمجرد عدد السيارات على الطريق، بل بالمزيج القاتل من درجات الحرارة المتجمدة وضعف الرؤية الذي يجعل عملية الكبح مستحيلة.

في المقابل، تواجه أجزاء أخرى من البلاد، مثل كاليفورنيا أو أوريغون، تحديات مختلفة مدفوعة بحركة المرور الكثيفة والخدمات اللوجستية، حيث تتمثل المشكلة الرئيسية في الازدحام والكم الهائل من المركبات بدلاً من الطقس. تشير الدراسة إلى أننا إذا استمررنا في استخدام الخرائط المسطحة القديمة، فقد نرسل أدوات السلامة الخاطئة إلى الأماكن الخاطية — مثل محاولة إصلاح طريق زلق بوضع المزيد من إشارات المرور. ومن خلال رسم خرائط لهذه "الشخصيات المخفية للمخاطر"، يأمل الباحثون في مساعدة المسؤولين على التوقف عن التخمين والبدء في استهداف جهود السلامة بدقة، لضمان تطبيق الحلول الصحيحة في الأحياء الصحيحة.

الكشف الكبير: الأمر ليس متشابهًا بالكامل

تبدأ الورقة البحثية بالإشارة إلى مشكلة رئيسية في كيفية دراسة حوادث السيارات عادةً. تعتمد الأساليب التقليدية على النماذج الخطية، والتي تشبه رسم خط مستقيم عبر سحابة من النقاط. وهي تفترض أنه إذا كنت تعرف متوسط الخطر لمنطقة أو ولاية كاملة، فإنك تعرف خطر كل مقاطعة داخلها. ويجادل المؤلفون بأن هذا خطأ فادح، ويسمونه "تأثير الحجب". فعندما نقوم بتوسيط البيانات، فإننا نمحو المواقع الغريبة والخطيرة والفريدة. الأمر يشبه حساب متوسط درجة الحرارة في صحراء وفي كهف جليدي؛ ستحصل على رقم "معتدل" لا يصف أيًا منهما بدقة.

يجادل المؤلفون صراحةً ضد فكرة أن آليات الحوادث هي ثابتة مكانيًا. وباللغة البسيطة، هذا يعني أنهم يرفضون فكرة أن القواعد المتعلقة بأسباب وقوع الحوادث هي نفسها في كل مكان. إنهم يظهرون أن حادثًا في تقاطع مزدحم في المدينة يسببه أشياء تختلف تمامًا عن حادث في طريق سريع ريفي تحت الثلوج. ومن خلال تجاهل هذه الاختلافات، ينتهي بنا الأمر إلى "تحيز التجانس"، حيث نعتقد أن الجميع متشابهون، مما يؤدي إلى خطط سلامة لا تعمل لأي أحد.

الأداة الجديدة: كشف النقاب عن الخريطة

لحل هذه المشكلة، استخدم الفريق حيلة ذكية. تخيل بيانات حوادث السيارات كقطعة ورق مجعدة؛ إذا حاولت قراءة الكتابة الموجودة عليها وهي مجعدة، فستكون فوضوية. تقنية Graph-based PCA تشبه عملية فرد تلك الورقة بعناية للكشف عن السطح المستوي الحقيقي الموجود تحتها، ولكن دون تمزيقها. تنظر هذه الطريقة إلى كيفية اتصال المقاطعات بجيرانها (مثل الرسم البياني/الشبكة) وتجد الأشكال المنحنية المخفية (المنوعات/Manifolds) التي تتبعها البيانات بالفعل.

بمجرد فرد البيانات، استخدموا تقنية SHAP (وهي أداة تشرح كيف يتخذ الذكاء الاصطناعي قراراته) لتسمية الأبعاد الخمسة المخفية التي وجدوها. وبدلاً من مجرد رؤية "الطقس" أو "الطرق"، وجدوا خمس "نكهات خطر" محددة:

1. قيود الإضاءة: مدى تأثير الظلام وضعف الرؤية على الحوادث.
2. صراعات حركة المرور في المناطق الحضرية: فوضى التقاطعات المزدحمة والمشاة.
3. الرطوبة الجوية: المخاطر الناتجة عن الأمطار والضباب والرطوبة (ولكن ليس التجمد).
4. المخاطر الهندسية عالية الشدة: أشكال الطرق الخطرة التي تسبب إصابات خطيرة، حتى لو لم تكن الحوادث متكررة جدًا.
5. مخاطر الشتاء الديناميكية الحرارية: الخطر المحدد الناتج عن الجليد والثلج ودرجات الحرارة المتجمدة.

الاكتشاف: خمسة أنواع من مقاطعات الحوادث

باستخدام هذه "النكهات" الخمس، قام الباحثون بتصنيف كل مقاطعة في الولايات المتحدة إلى مجموعات، أو أنماط (Typologies). ووجدوا أن الولايات المتحدة ليست مشهد سلامة موحد، بل هي رقعة من مناطق الخطر المختلفة.

• الأساس الوطني (العنقود 0): يقع معظم البلاد، بما في ذلك الساحل الشرقي والجنوب والساحل الغربي، في هذه المنطقة "الخضراء". هذه هي المقاطعات "الطبيعية" حيث تتدفق حركة المرور بسلاسة نسبيًا، والمخاطر فيها معيارية. هذا هو الأساس الذي تُبنى عليه معظم سياسات السلامة حاليًا.
• الاستثناءات الشمالية عالية المخاطر (العنقود 3): هذا هو الاكتشاف الكبير. وجد الباحثون أن المقاطعات في نورث داكوتا، وجنوب داكوتا، ونبراسكا، ومينيسوتا ليست فقط "أكثر خطورة قليلاً"؛ بل هي في فئة مختلفة تمامًا. لقد حددوا مزيجًا محددًا ومميتًا في هذه المناطق: عدم الاستقرار الديناميكي الحراري (الجليد الأسود) مقترنًا بـ عجز البنية التحتية (نقص أعمدة الإنارة).
  • تسلط الورقة الضوء على أنه في أماكن مثل مقاطعة كاس (Cass County)، يمكن أن تنخفض احتكاك الطريق من 0.8 طبيعي إلى أقل من 0.1 في دقائق بسبب الجليد الأسود.
  • وعند دمج هذه الطريق الزلقة مع الظلام الدامس (بسبب غياب الأضواء) والشاحنات عالية السرعة، تكون النتيجة "اقترانًا مميتًا" يخلق بيئة فريدة وعالية المخاطر.
  • تشير الدراسة إلى أن العنقود 3 يتميز بهذا المزيج المحدد من الطقس المتجمد وضعف الإضاءة، مما يخلق ملف مخاطر لا يوجد في بقية البلاد.

وجد المؤلفون أيضًا أن جنوب داكوتا هي حالة "انتقالية" نوعًا ما، حيث تقع بين الطرف الشمالي وبقية البلاد، مما يظهر أن التغييرات الصغيرة في البنية التحتية أو أنماط حركة المرور يمكن أن تنقل المنطقة إلى فئة خطر مختلفة.

لماذا يهم هذا؟

تشير الورقة البحثية إلى أن الطريقة القديمة في القيام بالأمور — معاملة البلاد بأكملها كمنطقة سلامة متوسطة واحدة — تفشل في حمايتنا. ومن خلال استخدام هذه الخريطة الجديدة القائمة على البيانات، يمكننا أن نرى أن العنقود 3 يحتاج إلى استراتيجية مختلفة تمامًا عن العنقود 0.

• بالنسبة للمقاطعات "الطبيعية"، قد تنجح القواعد القياسية المتعلقة بإشارات المرور والازدحام بشكل جيد.
• ولكن بالنسبة لمقاطعات "الجليد الأسود"، تقترح الورقة أننا بحاجة إلى استراتيجيات تنقل شتوية متخصصة. ويشمل ذلك أنظمة معلومات أفضل لأحوال الطقس على الطرق، وتقنيات منع التجمد الآلية، وتصميمات طرق تأخذ في الاعتبار المسافة الإضافية المطلوبة للتوقف على الجليد.

تخلص الدراسة إلى أنه لا يمكننا بعد الآن الاعتماد على المتوسطات على مستوى الولاية لاتخاذ قرارات السلامة. إن "المتوسط" في الولاية يخفي حقيقة أن بعض المقاطعات تواجه ظروفًا فريدة ومهددة للحياة تتطلب حلولاً مستهدفة بدقة. ومن خلال التعرف على هذه الأنماط المخفية، يمكننا الانتقة من نهج "مقاس واحد يناسب الجميع" إلى نموذج "السلامة الدقيقة" الذي ينقذ الأرواح بالفعل.