← أحدث الأبحاث
⚡ الهندسة الكهربائية

Evaluation and Optimization Method for Urban Signal Control Performance Based on Automatic Vehicle Identification Data

تقترح هذه الورقة منهجية حلقة مغلقة تستفيد من بيانات تحديد المركبات آلياً (AVI) لاستنتاج سجلات التحكم في الإشارات، وإجراء تقييم دقيق للأداء على مستوى الدورة، وتحسين التوقيت عبر خوارزمية تحسين نمو جذور النبات (PRGO)، مما يقلل بفعالية من تأخير المركبات ويمكّن من الانتقال من التحكم في الإشارات الحضرية القائم على الخبرة إلى التحكم القائم على البيانات.

المؤلفون الأصليون: Han Bai, Senyang Xiong, Liang Zhao, Tianzheng Wei, Jian Lu, Xiuguang Wang

نُشر 2026-09-21
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Han Bai, Senyang Xiong, Liang Zhao, Tianzheng Wei, Jian Lu, Xiuguang Wang

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

تُعد إشارات المرور بمثابة المايسترو الصامت لتنقلاتنا اليومية، ومع ذلك، فإنها غالباً ما تعمل في عتمة بالنسبة لمخططي المدن. وبينما يمكن للمستشعرات الحديثة تتبع كل سيارة تتحرك عبر التقاطع، تظل التعليمات الفعلية المعطاة لتلك الأضواء — اللحظات الدقيقة التي تتحول فيها إلى اللون الأخضر أو الأحمر — مخفية داخل أجهزة التحكم نفسها. وهذا يخلق فجوة معرفية محبطة: إذ يمتلك المهندسون فيضاً من البيانات حول أماكن تواجد السيارات، لكنهم يفتقرون إلى المخطط الذي يوضح كيفية سلوك الإشارات فعلياً. وبدون معرفة تسلسل التوقيت الدقيق، يصعب تحديد ما إذا كان الازدحام المروري ناتجاً عن كثرة السيارات أم عن إشارة مرور سيئة التوقيت. إن هذه الفجوة بين ما هو مرئي على الطريق وما هو مخفي داخل الآلة قد منعت المدن طويلاً من الانتقال من مرحلة التخمين إلى الإدارة المرورية القائمة حقاً على البيانات.

لقد طور فريق من الباحثين من جامعة شاندونغ جياوتونغ في الصين طريقة للنظر خلف ذلك الستار باستخدام بيانات السيارات نفسها فقط. فمن خلال تحليل أنماط حركة المركبات المجهزة بأنظمة التعريف التلقائي، ابتكروا طريقة للهندسة العكسية لمنطق التحكم في الإشارة. وبدلاً من الحاجة إلى الوصول المباشر إلى الكمبيوتر الداخلي لإشارة المرور، يقوم نظامهم "بالاستماع" إلى إيقاع حركة المرور؛ حيث يحدد متى تتجمع السيارات ومتى تتدفق بحرية، مستخدماً هذه الأنماط لاستنتاج التوقيت الدقيق لتحول الضوء إلى اللون الأخضر، ومدة الدورة، وأي المسارات سُمح لها بالتحرك معاً. وتعمل هذه العملية فعلياً على تحويل خطة التوقيت غير المرئية إلى واقع مرئي وقابل للقياس، مما يسمح بفحص دقيق لمدى كفاءة أداء التقاطع.

اختبر الباحثون هذا النهج في تقاطع مزدحم في مدينة جينان، حيث قارنوا بياناتهم المستنتجة بسجلات الإشارة الفعلية المخفية لمعرفة مدى دقة طريقتهم. وكانت النتائج دقيقة للغاية؛ فقد قدر النظام طول دورة الإشارة بخطأ يقل عن خمس ثوانٍ، وحدد اللحظة الدقيقة لتحول الضوء إلى اللون الأخضر بخطأ لا يتجاوز ثانيتين فقط. ومع وجود هذا الجدول الزمني الدقيق، تمكن الفريق بعد ذلك من حساب مقاييس أداء محددة كان من المستحيل قياسها سابقاً دون البيانات الداخلية. فقد حددوا مدى امتلاء المسارات، وطول طوابير السيارات المنتظرة، والوقت الدقيق الذي يفقده السائقون بسبب التأخير. ووجدوا أنه بينما كانت بعض الاتجاهات تتدفق بسلاسة، كانت اتجاهات أخرى تعاني من ازدحام شديد، مع عمل مسارات معينة بمستوى تشبع يشير إلى عدم كفاءة كبيرة.

ولإدراك معنى هذه البيانات المعقدة، استخدم الباحثون تقنية "التجميع" (clustering) لتصنيف أداء التقاطع إلى مستويات متميزة، تتراوح من التدفق الحر إلى الازدحام الشديد. وكشف هذا التحليل أن المسار الغربي المخصص للعبور هو العائق الأساسي، حيث يعمل في حالة سيئة طوال نصف ساعة الذروة الصباحية تقريباً. وبناءً على هذا التشخيص، وضع الفريق نموذج تحسين جديداً صُمم لتقليل إجمالي الوقت الذي تقضيه المركبات في الانتظار. وقد اختبروا ثلاث استراتيجيات رياضية مختلفة لإيجاد الحل الأمثل، بما في ذلك طريقتان معروفتان وطريقة جديدة مستوحاة من كيفية نمو جذور النباتات للبحث عن العناصر الغذائية في التربة. وقد أثبتت طريقة "نمو الجذور" هذه، والتي تحاكي الطريقة التي تستكشف بها الجذور وتتفرع لتحديد موقع الموارد، أنها الأكثر فعالية في التنقل عبر البحث المعقد عن خطة التوقيت المثالية.

وعندما طبق الباحثون خطة التوقيت الجديدة التي ولّدتها طريقة "نمو الجذور" على محاكاة حاسوبية للتقاطع، كانت التحسينات واضحة. فقد انخفض متوسط التأخير للمركبات بنسبة 9.34 بالمائة تقريباً، وانخفض الطول الأقصى لطوابير المرور بشكل ملحوظ. كما شهد المسار الغربي، الذي كان الأسوأ أداءً، انخفاضاً في التأخير بنسبة تزيد عن 18 بالمائة، مما يثبت أن النظام يمكنه استهداف مناطق المشكلات المحددة بفعالية. ورغم أن هذه النتائج تأتي من محاكاة وليس من اختبار حي في الشارع، إلا أن الدراسة تظهر مساراً قابلاً للتطبيق للمدن؛ فهي توضح أنه من خلال الاستماع بعمق إلى البيانات التي تولدها المركبات بالفعل، يمكن لمهندسي المرور الكشف عن المنطق الخفي لإشاراتهم، وتشخيص حالات الفشل المحددة، وتعديل الإضاءة للحفاظ على حركة المدينة بكفاءة أكبر، وكل ذلك دون الحاجة إلى تركيب أجهزة جديدة أو الوصول إلى أنظمة التحكم المملوكة لجهات معينة.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف ⚡ eess →