خوارزمية الذكاء الاصطناعي تعزز سلامة الطريق من خلال مراقبة عبء عمل السائق

طور باحثون من جامعة كامبريدج، بالتعاون مع جاكوار لاند روفر (JLR)، خوارزمية قابلة للتكيف لديها القدرة على تحسين سلامة الطريق بشكل كبير من خلال التنبؤ بالوقت الذي يمكن فيه للسائقين التفاعل بأمان مع الأنظمة داخل السيارة أو تلقي الرسائل أثناء القيادة. يجمع هذا النهج المبتكر بين التجارب على الطرق وتقنيات التعلم الآلي لقياس عبء عمل السائق باستمرار، مما يسمح بإجراء تعديلات في الوقت الفعلي استجابةً لتغير الظروف وسلوك السائق.

خوارزمية تكيفية لتعزيز سلامة الطريق

الخوارزمية التي طورها الباحثون قابلة للتكيف بشكل كبير وقادرة على الاستجابة للتغيرات في عبء عمل السائق، وظروف الطريق، وأنواع الطرق، وخصائص السائق. تستخدم مزيجاً من تقنيات التعلم الآلي والتصفية البايزية لتقييم عبء عمل السائق باستمرار. على سبيل المثال، قد يشير القيادة في منطقة غير مألوفة أو في حركة مرور كثيفة إلى عبء عمل أعلى، بينما قد تشير رحلة الذهاب والعودة اليومية إلى عبء عمل أقل.

الهدف الأساسي من هذه التكنولوجيا هو تعزيز سلامة الطريق من خلال تخصيص تفاعلات السائق مع المركبة. على سبيل المثال، يتم تنبيه السائقين إلى الرسائل والإشعارات غير العاجلة خلال فترات انخفاض عبء العمل، مما يضمن قدرتهم على الحفاظ على تركيزهم الكامل على الطريق أثناء سيناريوهات القيادة الأكثر طلباً.

يمكن أن تكون الزيادة في توفر البيانات داخل المركبات عاملاً خطيراً رئيسياً لسلامة الطريق، حيث يمكن أن تؤدي إلى تشتيت انتباه السائقين. لمعالجة هذا التحدي، من الضروري وجود نظام لتقييم عبء عمل السائق باستمرار. من خلال فهم مستوى انخراط السائق وظروف الطريق، يمكن للنظام تحديد أولويات عرض المعلومات أو التنبيهات للسائق، مما يضمن حدوث ذلك خلال فترات انخفاض عبء العمل.

قياس عبء عمل السائق

بينما توجد خوارزميات موجودة تقيس طلب السائق باستخدام أجهزة تتبع نظر العين والبيانات البيومترية، هدف باحثو كامبريدج إلى تطوير نهج يعتمد على البيانات المتاحة بسهولة من أي مركبة، وتحديداً إشارات أداء القيادة مثل بيانات التوجيه والتسارع والفرامل. يسمح هذا النهج باستهلاك ودمج تدفقات بيانات غير متزامنة مختلفة، بما في ذلك البيانات من أجهزة الاستشعار البيومترية إذا كانت متاحة.

لقياس عبء عمل السائق، أجرى الباحثون تجارب على الطرق باستخدام نسخة معدلة من مهمة الكشف المحيطي. طُلب من المشاركين الضغط على زر يرتدي إصبعهم كلما أدركوا سيناريو عبء عمل منخفض، وهو ما يشير إليه ضوء LED أحمر يومض بفترات منتظمة على هاتف يعرض تطبيق ملاحة. مكّن تحليل الفيديو وبيانات الأزرار من تحديد حالات عبء العمل العالي، مثل التنقل في التقاطعات المزدحمة أو مواجهة سلوك غير عادي للمركبات.

إطار عمل التعلم الآلي التكيفي

استُخدمت البيانات التي تم جمعها أثناء التجارب لتطوير والتحقق من صحة إطار عمل التعلم الآلي الخاضع للإشراف. يقوم هذا الإطار بتصنيف السائقين بناءً على متوسط عبء عملهم ويستخدم تقنيات التصفية البايزية للتقدير الفوري لوقت عبء عمل السائق الفوري. يجمع بين المقاييس الكلية والجزئية لعبء العمل، مما يسمح بالتكيف مع أنواع الطرق المختلفة، أو الظروف، أو السائقين باستخدام نفس المركبة.

شمل التعاون البحثي مع جاكوار لاند روفر (JLR) تصميم التجارب وجمع البيانات. أكد الدكتور لي سكريتشوك، أخصائي الواجهة البشرية الميكانيكية الأول في JLR، على أهمية هذا البحث في فهم تأثير التصميم من منظور المستخدم. سيساعد ذلك في تحسين السلامة وتجربة القيادة من خلال تحسين توقيت الإشعارات والتفاعلات داخل مركبات JLR.

التحسين المستمر للسلامة

من خلال استخدام هذا الخوارزمية التكيفية، يمكن للمركبات إرسال إشعارات وتفاعلات للسائقين في الأوقات المناسبة، مما يقلل من خطر التشتت أثناء السيناريوهات ذات العبء العالي. تمثل هذه التكنولوجيا خطوة كبيرة نحو تحسين سلامة الطرق من خلال ضمان بقاء السائقين مركزين على الطريق، خاصة في مواقف القيادة الصعبة.

أجريت الأبحاث في جامعة كامبريدج من قبل فريق من الباحثين من مختبر معالجة الإشارات والاتصالات (SigProC)، قسم الهندسة، تحت إشراف البروفيسور سايمون غودسيل. بقيادة الدكتور بشار أحمد، شمل الفريق نيرمين كابير والدكتور جيامينغ ليانغ، الذين ساهموا جميعاً في نجاح المشروع.

في عصر يتزايد فيه الاتصال داخل المركبات، يعد مراقبة وتكييف عبء العمل على السائق أمراً أساسياً لسلامة الطرق. تقدم الخوارزمية المبتكرة التي طورتها جامعة كامبريدج، بالتعاون مع جاكوار لاند روفر، حلاً واعداً لهذا التحدي. من خلال إعطاء الأولوية للسلامة وتحسين تفاعلات السائق والمركبة، تتمتع هذه التكنولوجيا بالقدرة على تعزيز تجربة القيادة الإجمالية بشكل كبير مع تقليل المشتتات على الطريق.