مشكلة التنبؤ بالحركة في الظروف المرورية الديناميكية.
التنبؤ بمسار القيادة. المركبات ذاتية القيادة في المناطق قيد الإنشاء هو أحد أكثر التحديات صعوبة في مجال التنقل. تخلق التغييرات في تخطيط الطريق، والعبورات المؤقتة، ووجود العمال على الطريق بيئة ذات مستوى عالٍ من عدم اليقين. تُظهر الدراسات أن هذا الموضوع لا يزال غير مستكشف بشكل كافٍ - هناك عدد محدود من البيانات المتخصصة وعدم وجود تقييم منهجي للحلول. في الظروف الواقعية، غالبًا ما تكون هذه المناطق غير متوقعة، مما يجعل من الصعب على المركبات ذاتية القيادة اتخاذ قرارات آمنة.
WZDrive-Data هو أول مجموعة بيانات متعددة الوسائط تم جمعها بطريقة تعتمد على البشر في المناطق قيد الإنشاء. يحتوي على 1183 مقطع قيادة بمشاركة 33 مشاركًا قاموا بقيادة مركبة في محاكي مع رسوم متحركة للروبوتات العاملة وواقع افتراضي يتم التحكم فيه بواسطة المستخدم. خلال التجربة، لم يتم تسجيل مسار القيادة فحسب، بل أيضًا الإشارات البصرية وإشارات التحكم من المشاركين، مما سمح بتحليل كل من السلوك البشري والتفاعلات مع البيئة.
نموذج WZDrive الجديد ونتائجه المقارنة.
صورة مكبرة.إغلاق التكبير.الصورة السابقة.بناءً على مجموعة بيانات WZDrive-Data، تم تطوير نموذج جديد للتنبؤ بمسار القيادة - WZDrive. يستخدم النموذج نهجًا متعدد الوسائط، حيث يجمع بين البيانات من الإشارات البشرية (مثل اتجاه النظر، وحركة عجلة القيادة) ومعلومات حول المشهد ومسار القيادة. كان هدفه الرئيسي هو تحسين دقة التنبؤ في الظروف عالية المخاطر والمتغيرة. في الاختبارات المقارنة، حقق النموذج متوسط قيمة minADE (K=6) عند 1.09 متر ومتوسط قيمة minFDE (K=6) عند 2.12 متر - مما يعني أن المسارات المتوقعة كانت أقرب من متر واحد إلى المسار الفعلي في حالة المسارات الأكثر احتمالية.
WZDrive حقق نتائج أفضل من أحدث التقنيات المتاحة: انخفاض بنسبة 7.18٪ في minADE (K=6) و 13.18٪ في minFDE (K=6). تُظهر هذه الأرقام أن النموذج لا يحسن فقط دقة التنبؤ، بل يقلل أيضًا بشكل كبير من خطر اتخاذ قرارات خاطئة في الظروف الصعبة. النتائج ذات أهمية خاصة للسلامة - حتى الاختلاف الطفيف في التنبؤ بالمسار يمكن أن يؤثر على تجنب الاصطدام بعامل أو مركبة أخرى.
أهمية وقيود البحث
تُظهر دراسات WZDrive أن دمج البيانات البشرية في عملية تعلم النماذج يمكن أن يحسن بشكل كبير فعاليتها في الظروف الصعبة. قبل كل شيء، يسمح هذا النهج بأخذ في الاعتبار ليس فقط التغييرات المادية في البيئة، ولكن أيضًا السلوك البشري - وهو أمر بالغ الأهمية في مناطق الإصلاح. قد يؤدي ذلك إلى أنظمة قيادة مستقلة أكثر مرونة وأمانًا، خاصة في المدن حيث تكون مناطق الإصلاح شائعة.
في الوقت نفسه، يجب أن نتذكر أن النتائج تم الحصول عليها في بيئة محاكاة. يشير عدم وجود بيانات من ظروف الطريق الفعلية إلى أن دقة النموذج في العالم المادي قد تختلف. بالإضافة إلى ذلك، يتضمن مجموعة البيانات 33 مشاركًا فقط وعددًا محدودًا من السيناريوهات، مما قد يؤثر على مدى تمثيله. تتطلب المزيد من الدراسات توسيع مجموعة البيانات وإجراء اختبارات في ظروف واقعية لتقييم قابلية التوسع واستدامة النموذج.
مستقبل القيادة المستقلة في البيئات المعقدة
WZDrive هي خطوة إلى الأمام في تطوير الأنظمة المستقلة القادرة على التعامل مع الظروف غير المتوقعة. إذا تم تطبيق هذه النماذج في المركبات، فقد تحسن بشكل كبير من السلامة على الطرق، خاصة في المناطق التي توجد بها تغييرات في البنية التحتية ووجود البشر. تُظهر الأبحاث أن التنبؤ بالمسار لا يمكن أن يعتمد فقط على البيانات من أجهزة الاستشعار - من الضروري فهم السلوك البشري والتفاعلات في البيئة.
يعتمد مستقبل هذا النوع من التكنولوجيا على المزيد من تطوير مجموعات البيانات، والاختبار في الظروف الواقعية، والتعاون بين الباحثين ومصنعي السيارات وهيئات النقل. WZDrive ليس حلاً جاهزًا للنشر على نطاق واسع، ولكنه يمثل خطوة مهمة نحو إنشاء أنظمة يمكنها العمل بأمان حتى في المواقف الأكثر تعقيدًا على الطريق. قد يكون هذا هو المفتاح لتحقيق الاستقلالية الكاملة في ظروف المدن ومناطق الإصلاح.
