رغم تقدُّم صناعة السيارات وشبكات النقل حول العالم، فإن حوادث الطرق لا تزال تُشكِّل أحد أبرز أسباب الوفيات والإصابات الخطيرة سنوياً؛ إذ تودي بحياة أكثر من 1.3 مليون شخص، وتتسبب في إصابة عشرات الملايين، وفق تقديرات منظمة الصحة العالمية. وتمتد آثار حوادث السيارات إلى خسائر اقتصادية ضخمة ناجمة عن العلاج وفقدان الإنتاجية وتلف البنية التحتية.
ومع تسارع التطورات التقنية، اتجهت أنظار الباحثين نحو التقنيات الحديثة، وفي مقدمتها تسخير الذكاء الاصطناعي وأجهزة الاستشعار وإنترنت الأشياء، لتحليل أسباب الحوادث والتنبؤ بها قبل وقوعها، ضمن توجه جديد نحو «السلامة المرورية الذكية».
مساعد مرور ذكي
وفي السياق، طوَّر باحثون من جامعة «جونز هوبكنز» نظاماً ذكياً جديداً يُعرف باسم «المساعد الذكي للسلامة المرورية» (SafeTraffic Copilot)، يهدف إلى التنبؤ بمخاطر الحوادث، وتحليل أسبابها بدقة عالية، في خطوة قد تسهم في إنقاذ الأرواح، وجعل الطرق أكثر أماناً. ويعتمد النظام على نماذج لغوية كبيرة (LLMs) مدرَّبة على نصوص عن ظروف الطرق، وبيانات رقمية مثل مستويات الكحول في الدم، وصور ميدانية وفضائية لمواقع الحوادث، ما يمكِّنه من تحليل عوامل الخطر بشكل متكامل وتفاعلي، وفق النتائج المنشورة بعدد 7 أكتوبر (تشرين الأول) 2025 من دورية «Nature Communications».
يتميز النموذج بقدرته على تحسين أدائه باستمرار مع إدخال بيانات جديدة، وتقدير مستوى موثوقية كل تنبؤ. وأظهرت النتائج أن دمج البيانات النصية والبصرية والرقمية في نظام واحد يزيد من دقة التنبؤ بشكل واضح مقارنة بالأنظمة التقليدية.
وكشف الدكتور هاو يانغ، أستاذ الهندسة المدنية والنظم في جامعة «جونز هوبكنز»، والباحث الرئيسي للدراسة، عن قدرة النظام الجديد على التعميم عبر الزمان والمكان؛ إذ أثبت فاعليته في ولايات أميركية لم يُدرَّب عليها، مثل مين وكارولاينا الشمالية وأوهايو، رغم تدريبه على بيانات من ولايات أخرى مثل إلينوي وواشنطن، من دون الحاجة إلى إعادة التدريب. ويُعزى ذلك إلى تصميمه القائم على الذكاء القاعدي والتحليل النصي الذي يمكِّنه من فهم السياقات المختلفة بدلاً من مجرد حفظ الأنماط.
ويضيف يانغ لـ«الشرق الأوسط»: النظام قابل للتكيُّف بسهولة على المستوى الدولي، مع أنماط المرور المحلية، من خلال ترجمة بيانات الحوادث إلى نصوص منظمة، وتعديل النموذج وفق القوانين والبيانات الإقليمية، ثم اختبار أدائه في بيئات مختلفة. وبفضل عمله على مستوى الفهم الدلالي للحوادث، يمكن للنظام التكيُّف مع البنى التحتية المتنوعة وأنماط القيادة المختلفة بجهد محدود، مما يجعله ملائماً للتطبيق في دول متعددة. ويؤكد يانغ أن الذكاء الاصطناعي وتحليلات البيانات الضخمة يمكن أن تُحدث تحولاً جذرياً في إدارة السلامة المرورية، عبر الانتقال من التحليل التفاعلي بعد وقوع الحوادث إلى إدارة استباقية وتنبؤية للمخاطر. ويوضح أن دمج بيانات متنوعة تشمل تقارير الحوادث، والصور، وأجهزة الاستشعار، وسلوك السائقين مع أنظمة ذكاء اصطناعي متقدمة، يتيح فهماً أعمق لأسباب الحوادث واتخاذ قرارات فورية قائمة على محاكاة سيناريوهات مختلفة. كما أشار إلى أن هذه التقنيات تسهم في تبادل المعرفة بين الدول وتحسين جودة البيانات باستمرار، ما يمكِّن من تطوير أنظمة نقل أكثر أماناً واستدامة.
تقنيات متقدمة
تشهد السنوات الأخيرة ثورة في استخدام الذكاء الاصطناعي وتعلم الآلة، لتحليل البيانات التاريخية للحوادث المرورية، مثل سرعة المركبات، وحالة الطقس، ونوع الطريق، وسلوك السائقين، بهدف التنبؤ بمواقع الحوادث المحتملة ومدى خطورتها.
وتُستخدم في هذا المجال نماذج مثل: «Extra Trees»، و«Random Forest»، و«SHAP»، لتحديد العوامل الأكثر تأثيراً في وقوع الحوادث، كـالسرعة الزائدة أو تصميم الطريق أو نوع المركبة.
وتشير دراسة لجامعة البنجاب في باكستان إلى أن دقة بعض النماذج تجاوزت 96 في المائة، مما يتيح لواضعي السياسات اتخاذ قرارات استباقية للحد من المخاطر على الطرق.
في هذا الإطار، استخدم باحثون في جامعة بنغلاديش للهندسة والتكنولوجيا أنظمة تعتمد على الذكاء الاصطناعي والرؤية الحاسوبية للكشف الفوري عن الحوادث، بالاعتماد على الكاميرات وأجهزة الاستشعار لاكتشاف الحوادث في لحظة وقوعها أو حتى قبلها، من خلال تحليل الصور وحركة المركبات باستخدام خوارزميات مثل «YOLOv11». وتُرسل هذه الأنظمة إشعارات فورية إلى فرق الطوارئ لتسريع الاستجابة وإنقاذ الأرواح، وقد أظهرت التجارب أن دمجها في أنظمة مساعدة السائق (ADAS) يحسِّن دقة الكشف في الزمن الحقيقي حتى في ظروف الإضاءة السيئة أو الزحام المروري.
أما على صعيد كشف العيوب في الطرق، فقد طوَّر باحثون في المعاهد الهندية لتكنولوجيا المعلومات نظاماً ذكياً يُعرف باسم «ETLNet»، وهو قادر على اكتشاف الحفر والتشققات وتصنيف حجمها، ثم إرسال تنبيه إلى السائقين والجهات المختصة عند وجود خلل خطير. ويستخدم النظام مستشعرات مدمجة في الهواتف الذكية لاكتشاف العيوب في سطح الطريق، دون الاعتماد على الصور البصرية فقط، ما يجعله فعالاً حتى في الطرق ذات الإضاءة الضعيفة أو التي تفتقر إلى كاميرات المراقبة.
