MODEMS: A Tailored Solution for Promoting On-Campus Passenger Mobility
تقدم هذه الورقة MODEMS، وهو إطار عمل قائم على المحاكاة لخدمة النقل التشاركي الكهربائي داخل الحرم الجامعي، والذي يصيغ تحدي التوجيه كمسألة طلب نقل من الباب إلى الباب كهربائية ذات مركبات غير متجانسة، ويحلها باستخدام مزيج من نماذج البرمجة الخطية المختلطة بمتغيرات صحيحة وخوارزمية البحث المحلي الكبير التكيفي ضمن نهج الأفق الزمني المتدحرج الديناميكي.
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 حرمًا جامعيًا كمدينة صغيرة مكتفية ذاتيًا. يتحرك الناس بين المباني، ولكن بالنسبة لأولئك الذين يعانون من محدودية الحركة أو يحملون أوزانًا ثقيلة، قد تكون المسافة صعبة المشي. وبينما تساعد الدراجات الهوائية والسكوترات في ذلك، إلا أنها تتطلب من الراكب القدرة على تشغيل المركبة. ولحل هذه المشكلة، يعمل باحثون في جامعة ميونيخ للعلوم العسكرية (Bundeswehr Munich) على تطوير نظام حيث تقوم حافلات كهربائية صغيرة ذاتية القيادة بنقل الركاب مباشرة إلى وجهاتهم. لا يكمن التحدي في بناء المركبات فحسب، بل في كيفية إدارة أسطول منها بكفاءة. فهذه الحافلات لديها عمر بطارية محدود، ويجب أن تصل ضمن نوافذ زمنية محددة لتكون مفيدة، كما يمكن أن تظهر طلبات جديدة لرحلات في أي لحظة. إذا كان النظام بطيئًا جدًا في حساب المسار، فستضيع الرحلة؛ وإذا كان صارمًا للغاية، فقد ينفد منها الشحن أو يترك الركاب ينتظرون طويلًا. الهدف هو إنشاء "دماغ رقمي" يعيد تقييم الموقف باستمرار، ويربط الركاب بالمركبة المناسبة في الوقت الفعلي مع ضمان عدم ترك أي شخص عالقًا وعدم نفاد بطارية أي مركبة في منتصف الرحلة.
في دراسة جديدة، بنى فريق من الباحثين واختبر إطار عمل برمجياً يسمى MODEMS لحل هذه المشكلة تحديداً. لقد عاملوا الحرم الجامعي كلغز معقد حيث يمثل كل طلب ركوب قطعة يجب أن تتناسب مع صورة متحركة. أنشأ الباحثون ثلاثة نماذج رياضية مختلفة لحل لغز التوجيه. كان النموذج الأول بسيطًا وسريعًا ولكنه أجبر النظام على قبول كل طلب رحلة، حتى لو كان ذلك يعني وصول الحافلات متأخرة أو نفاد الطاقة منها. أما النموذج الثاني فكان أكثر صرامة، حيث رفض أي رحلة لا تتناسب تمامًا مع القيود الزمنية، مما يعني أحيانًا رفض الركماء بالكامل للحفاظ على دقة الجدول الزمني. والنموذج الثالث كان هجينًا، حيث سمح للنظام بالمرونة في أوقات الوصول ورفض الطلبات الصعبة إذا لزم الأمر، مع تتبع مستويات البطارية لكل مركبة بعناية لضمان قدرتها دائمًا على العودة إلى محطة الشحن. وإلى جانب هذه النماذج الرياضية الدقيقة، طور الفريق طريقة بحث تعمل مثل ملاح ماهر: تبدأ بخطة جيدة ثم تقوم باستمرار بتعديلها، وتجربة آلاف التغييرات الصغيرة للعثور على مسار أفضل دون الوقوع في طريق مسدود.
اختبر الباحثون هذه الأساليب باستخدام محاكاة رقمية لحرمهم الجامعي الفعلي، والذي يتضمن شبكة من الطرق، ونقاط توقف محددة، وأسطولًا من ثلاثة أنواع مختلفة من الحافلات الكهربائية. أجروا مئات عمليات المحاكاة لمعرفة كيفية أداء النظام خلال يوم عمل مزدحم، حيث تصل الطلبات في أوقات عشوائية وفي مجموعات. أظهرت النتائج أن النماذج الرياضية الصارمة عملت بشكل جيد عندما كان عدد الطلبات منخفضًا، ولكن مع زيادة الطلب، أصبحت بطيئة جدًا في حساب الحل في الوقت المناسب. ومع ذلك، ظلت الطريقة القائمة على البحث سريعة وموثوقة حتى عندما غمرت الطلباتُ النظامَ. فقد نجحت باستمرار في قبول عدد أكبر من الركاب واستخدمت طاقة أقل لكل رحلة مقارنة بالطرق الأخرى. وكان أحد النتائج الرئيسية هو أن توقيت بدء الحافلات ليومها كان مهمًا للغاية؛ فإذا بدأت جميع المركبات في نفس الوقت، فإنها تميل إلى نفاد الطاقة في وقت واحد، مما يجبر النظام على التوقف عن قبول الرحلات أثناء إعادة شحنها جميعًا. ومن خلال جعل أوقاء بدء المركبات متفاوتة بحيث تبدأ نوبات عملها في فترات زمنية مختلفة، حافظ النظام على تدفق مستمر للخدمة طوال اليوم، متجنبًا فترات التوقف التام.
كشفت الدراسة أيضًا أن الطريقة التي يتعامل بها النظام مع سيناريوهات "ماذا لو" أمر بالغ الأهمية. وجد الباحثون أن تقنية محددة للتحقق مما إذا كانت الرحلة الجديدة يمكن أن تتناسب مع مسار موجود بالفعل قد وفرت قدرًا هائلاً من وقت الحوسبة. فبدلاً من إعادة حساب الرحلة بأكملها من البداية في كل مرة يتم فيها النظر في راكب جديد، استطاع النظام تحديد ما إذا كان التغيير ممكنًا بسرعة من خلال النظر في الأجزاء ذات الصلة من المسار فقط. سمحت هذه الكفاءة للنظام باتخاذ القرارات في أجزاء من الثانية، وهي سرعة ضرورية لخدمة تعمل في الوقت الفعلي. وأظهرت عمليات المحاكاة أنه بينما يكون الحل الرياضي المثالي أمراً مثالياً، إلا أنه غالباً ما يكون بطيئًا للغاية في بيئة ديناميكية تتغير فيها الظروف كل دقيقة. وقد أثبت النهج المرن القائم على البحث أنه الأكثر قوة، وقدرته على التكيف مع الزيادات المفاجئة في الطلب والحفاظ على حركة الحافلات بكفاءة.
في النهاية، يوفر هذا العمل مخططًا لكيفية تشغيل خدمة نقل كهربائية مشتركة وعند الطلب في حرم جامعي أو مدينة صغيرة. أظهر الباحثون أنه من خلال الجمع بين قواعد التوجيه المرنة وخوارزميات البحث الذكية، من الممكن الحفاظ على عمل أسطول من المركبات الكهربائية بسلاسة دون إهدار الطاقة أو ترك الركاب خلفهم. إن النظام الذي بنوه هو حاليًا "إثبات مفهوم"، مما يعني أن المنطق البرمجي قد تم اختباره في بيئة محاكاة ولكن لم يتم نشره بعد على مركبات حقيقية. ومع ذلك، تشير النتائج إلى أن مثل هذه الخدمة يمكن أن تحسن التنقل بشكل كبير للطلاب والموظفين، خاصة أولئك الذين لا يستطيعون المشي لمسافات طويلة بسهولة. ويخطط الفريق للمضي قدمًا في تنفيذ البرمجيات على مركبات فعلية لمعرفة مدى صمود التوقعات الرقمية أمام الواقع غير المتوقع لحركة المرور والطقس. إن عملهم يسلط الض الضوء على أن مستقبل التنقل في الحرم الجامعي لا يكمن فقط في المركبات نفسها، بل في البرمجيات الذكية والتكيفية التي توجهها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.