أتمتة إدارة حوادث المرور باستخدام Ultralytics YOLO26

تؤثر حوادث الطرق البسيطة يوميًا في حركة المرور بطرق محدودة قد تتفاقم سريعًا وتؤدي إلى عواقب أكبر. فعلى سبيل المثال، يمكن لمركبة متعطلة أو حطام على طريق سريع أن يتسببا بسهولة في تأخيرات طويلة، وحركة مرور غير آمنة، واصطدامات ثانوية.

يشكل ذلك ضغطًا مستمرًا على المستجيبين الأوائل، مثل فرق الإطفاء. فكل دقيقة تُقضى في تقييم حادثة ميدانيًا قد تزيد التعرض للمركبات المتحركة وتعرّض السلامة على الطريق للخطر.

تُعد السلامة على الطرق العامة، إلى جانب سلامة المستجيبين، أمرًا أساسيًا في مثل هذه الحالات. وقد تقصر أنظمة النقل والأشغال العامة وإدارة الطوارئ التي تعتمد على المراقبة اليدوية خلال ساعات الازدحام أو الحوادث التي تنطوي على مواد خطرة.

تعتمد فرق عديدة لإدارة حوادث المرور (TIM) الآن الرؤية الحاسوبية لتحليل ظروف الطرق والتنبيه إلى الحوادث مبكرًا. والرؤية الحاسوبية فرع من الذكاء الاصطناعي (AI) يتيح للآلات رؤية البيانات المرئية من الكاميرات ومقاطع الفيديو وتفسيرها.

يمكن لأنظمة الرؤية مراقبة الطرق واكتشاف الاصطدامات وتوفير سياق مرئي آنٍ. وقد تساعد هذه الرؤية المبكرة خدمات الطوارئ الطبية (EMS) وجهات إنفاذ القانون وفرق المرور على فهم الوضع ميدانيًا والاستجابة بسرعة أكبر.

تعتمد هذه الإمكانات على نماذج الرؤية المدرّبة، مثل Ultralytics YOLO26. وتقلل هذه النماذج الاعتماد على المراقبة اليدوية، وتتيح اتخاذ قرارات أسرع وأكثر استنارة، من خلال استخلاص رؤى قابلة للتنفيذ تلقائيًا من بث الفيديو المباشر. وينتج عن ذلك وعي أسرع بالحوادث وتنسيق أفضل للاستجابة للطوارئ.

الشكل 1. مثال على اكتشاف الحوادث في الوقت الفعلي باستخدام YOLO (المصدر)

سنستكشف في هذه المقالة كيف يغير الذكاء الاصطناعي للرؤية إدارة الحوادث المرورية، وكيف يمكن لنماذج الرؤية الحاسوبية مثل Ultralytics YOLO26 مساعدة فرق الاستجابة للطوارئ على اكتشاف الحوادث وإزالتها بسرعة أكبر.

التحديات الشائعة المرتبطة بإدارة حوادث الطرق#

فيما يلي بعض التحديات الرئيسية التي تواجهها فرق إدارة حوادث المرور ميدانيًا:

• محدودية الرؤية الآنية: لا تتلقى فرق الاستجابة لإدارة حوادث المرور غالبًا سوى معلومات جزئية من المكالمات أو الكاميرات أو سائقي المركبات. ومن دون فهم واضح لموقع الحادثة، قد يصعب اتخاذ قرارات مبكرة بشأن إغلاق المسارات أو تنظيم حركة المرور أو التعامل مع أوضاع الطرق المعقدة.
• سلامة المستجيبين: عندما تتوقف مركبات الطوارئ أو تعمل وسط حركة المرور، يتعرض المستجيبون الأوائل، بمن فيهم فرق الإطفاء وخدمات الطوارئ الطبية (EMS)، لمركبات سريعة الحركة. ويزيد ذلك بدرجة كبيرة من مخاطر السلامة، ولا سيما عند عدم الالتزام بقوانين إفساح الطريق أو عند وجود مواد خطرة (hazmat).
• تحديات إدارة حركة المرور: بعد وقوع حادث مروري، قد تتدهور حركة المرور بسرعة في غياب التنسيق السريع والآني. ويتفاقم الازدحام، ويتخذ السائقون قرارات مفاجئة، وتنتشر الظروف غير الآمنة عبر منظومة النقل، ما يؤثر في أهداف السلامة العامة وسلامة حركة المرور.
• الاصطدامات الثانوية: قد يؤدي ضعف الرؤية والتباطؤ المفاجئ والإغلاق غير الواضح أو المتأخر للمسارات إلى اصطدامات ثانوية. وعندما يتعذر تنبيه سائقي المركبات في الوقت المناسب، قد لا ينتبه السائقون إلى المخاطر أمامهم، ما يزيد احتمال وقوع حوادث لاحقة.

استخدام الرؤية الحاسوبية لإدارة حوادث المرور#

تتكون معظم أنظمة إدارة حوادث المرور بالفعل من شبكة أجهزة موزعة على الطرق السريعة والطرق الحضرية. وأصبحت كاميرات إشارات المرور وأنظمة الدوائر التلفزيونية المغلقة والكاميرات المحمولة المثبتة على الأعمدة أو المقطورات أو مركبات الطوارئ شائعة على نحو متزايد.

يمكن دمج الرؤية الحاسوبية بسهولة في هذه الأنظمة، لأنها تستفيد من البنية التحتية القائمة للكاميرات وتعالج بث الفيديو مباشرة لاستخراج رؤى قابلة للتنفيذ. ويمكن ربط تدفقات الفيديو من كاميرات المرور بمستشعرات الطرق، مثل كواشف السرعة والكثافة المرورية، لتوفير صورة أشمل لأحوال حركة المرور.

وعلى وجه الخصوص، يمكن استخدام نماذج الرؤية مثل Ultralytics YOLO26 لمعالجة بث الفيديو. ويدعم YOLO26 مجموعة متنوعة من مهام الرؤية الحاسوبية الأساسية التي تساعد على اكتشاف الحوادث وتفسير أحوال الطرق وتوفير رؤى قابلة للتنفيذ لعمليات المرور.

الشكل 2. مراقبة حركة المرور وتحليلها باستخدام نماذج Ultralytics YOLO (المصدر)

فيما يلي شرح مبسط لبعض مهام الرؤية التي يمكن استخدامها لمراقبة حوادث المرور وإدارتها:

• اكتشاف الكائنات: تحدد هذه المهمة الكائنات المهمة في كل إطار فيديو وتحدد مواقعها، مثل المركبات ومركبات الطوارئ والحطام والمركبات المتوقفة أو المعطلة، ما يدعم الاكتشاف المبكر للحوادث والوعي بالموقف.
• تتبّع الكائنات: يمكن استخدامه لمتابعة المركبات أو الكائنات بمرور الوقت أثناء تحركها في المشهد، ما يسهّل ملاحظة التغيرات في تدفق حركة المرور.
• تجزئة الكائنات: يمكن لهذا النهج تحديد الشكل الدقيق للكائن. وفي إدارة حوادث المرور، يمكن استخدام هذه المهمة للتعرف على المسارات المسدودة، ما يفيد في التخطيط لإغلاق المسارات وتنظيم حركة المرور.

كيف يمكن لـ Ultralytics YOLO26 تحسين إدارة حوادث المرور#

تتوفّر نماذج Ultralytics YOLO، مثل YOLO26، جاهزة للاستخدام بوصفها نماذج مدرّبة مسبقًا. وهذا يعني أنها دُرّبت بالفعل على مجموعات بيانات واسعة النطاق وشائعة الاستخدام، مثل مجموعة بيانات COCO.

بفضل هذا التدريب المسبق، يمكن استخدام Ultralytics YOLO26 فورًا لاكتشاف الأجسام الشائعة في العالم الحقيقي، مثل السيارات والدراجات الهوائية والمشاة والدراجات النارية وغيرها من الأشياء اليومية. ويوفّر ذلك خط أساس قويًا لفهم مشاهد الطرق، ويتيح للفرق بناء تطبيقات أكثر تكاملًا، مثل عدّ المركبات وتحليل تدفق حركة المرور وتقدير السرعة، دون تدريب نموذج من الصفر.

الشكل 3. اكتشاف المركبات وتتبعها باستخدام YOLO لتقدير السرعة (المصدر: Ultralytics)

بالنسبة إلى تطبيقات إدارة حوادث المرور الأكثر تحديدًا، يمكن بسهولة تدريب هذه النماذج المدرّبة مسبقًا تدريبًا مخصصًا باستخدام بيانات صور وفيديو موسومة ومتخصصة في المجال، لاكتشاف أجسام معينة موضع اهتمام، كما في نموذج كشف حركة المرور على الطرق على Ultralytics Platform.

على سبيل المثال، يمكن تدريب نموذج للتعرف بدقة على شاحنات الإطفاء الحمراء في لقطات كاميرات الطرق، ما يساعد فرق المرور على التعرف بسرعة أكبر على مشاهد الاستجابة النشطة للطوارئ. ويمكن أيضًا استخدام الرؤى المستخلصة من الفيديو لتدريب المستجيبين، إذ تتيح للفرق مراجعة سيناريوهات حوادث حقيقية وتحسين استعدادها لأحداث مماثلة مستقبلًا.

أهم تطبيقات الذكاء الاصطناعي للرؤية في إدارة حوادث المرور#

سنستعرض بعد ذلك أمثلة على تطبيق الرؤية الحاسوبية في أنظمة إدارة حوادث المرور في العالم الواقعي.

اكتشاف الحوادث والعوائق#

يتمثل أحد أكبر التحديات في إدارة حوادث المرور في تحديد الحوادث والعوائق على الطرق في أقرب وقت ممكن، حتى تتمكن الفرق من معالجة حوادث المرور بسرعة وأمان. في الماضي، كان الاكتشاف يعتمد بدرجة كبيرة على بلاغات السائقين أو مركبات الدوريات أو مراقبة الموظفين لتدفقات الكاميرات يدويًا.

على الرغم من استمرار استخدام هذه الأساليب اليوم، فقد تؤدي إلى تأخر الانتباه إلى الحوادث أو إغفال تفاصيل، ولا سيما على الطرق السريعة المزدحمة أو في ظروف ضعف الرؤية. ويحسّن الذكاء الاصطناعي للرؤية هذه العملية من خلال مراقبة الطرق باستمرار وفي الوقت الفعلي باستخدام نماذج مثل Ultralytics YOLO26.

على سبيل المثال، يمكن استخدام إمكانات اكتشاف الكائنات وتتبعها في Ultralytics YOLO26 لتحديد مركبة متوقفة في مسار مفتوح، واكتشاف تباطؤ حركة المرور أو تراكمها خلفها.

عند اكتشاف هذا النشاط غير المعتاد، يمكن للنظام تنبيه فرق المرور مبكرًا، ما يمنح المستجيبين وقتًا أطول للتخطيط لتنظيم حركة المرور وتحذير السائقين وتنسيق استجابة فعالة. كما يدعم الاكتشاف المبكر إزالة العوائق بسرعة، ويحد من الازدحام، ويقلل مخاطر الاصطدامات الثانوية.

تحسين سلامة السائقين والطرق من خلال المراقبة الاستباقية#

لا تقتصر إدارة حوادث المرور على الاستجابة بعد وقوع مشكلة، بل تشمل أيضًا رصد مشكلات الطرق مبكرًا، قبل أن تتحول إلى حوادث.

بفضل الرؤية الحاسوبية، تستطيع الوكالات الحكومية، مثل الإدارة الفيدرالية للطرق السريعة (FHWA) ووزارة النقل، مراقبة الطرق باستمرار وتحديد المشكلات، مثل تلف الرصف أو الحطام أو غيرها من المخاطر.

الشكل 4. أمثلة على تلف الطرق (المصدر)

باستخدام تقنيات مثل تجزئة الكائنات، تستطيع نماذج الرؤية مثل Ultralytics YOLO26 تحديد حدود الشقوق والحفر والأجزاء التالفة من الرصف بدقة في لقطات الطرق. ويسهّل ذلك فهم حجم الضرر وموقعه بدلًا من الاكتفاء باكتشاف وجود مشكلة.

يتيح تحديد هذه المشكلات مبكرًا اتخاذ الإجراءات في وقت أسرع، سواء بجدولة أعمال الصيانة أو تعديل تنظيم حركة المرور أو تحذير السائقين. ويحافظ هذا النهج الاستباقي على سلامة الطرق، ويحد من مخاطر الحوادث، ويحسّن ظروف القيادة اليومية للجميع.

إيجابيات استخدام الذكاء الاصطناعي للرؤية لإدارة حوادث المرور وسلبياته#

فيما يلي بعض الفوائد الرئيسية لاستخدام الذكاء الاصطناعي للرؤية لدعم إدارة حوادث المرور والسلامة على الطرق:

• اتخاذ القرارات استنادًا إلى البيانات: تدعم بيانات الحوادث والرؤى المستخلصة من الفيديو تتبّع الأداء وإعداد التقارير والتخطيط طويل الأمد للسلامة المرورية وبرامج التدريب على إدارة حوادث المرور.
• استجابة متسقة للحوادث: بخلاف المراقبة البشرية، يعمل الذكاء الاصطناعي للرؤية باستمرار من دون إرهاق، ما يدعم تغطية أكثر اتساقًا.

على الرغم من هذه الفوائد، توجد أيضًا قيود ينبغي أخذها في الاعتبار. إليك بعض العوامل التي ينبغي مراعاتها:

• الصيانة المستمرة: قد تحتاج النماذج إلى إعادة التدريب دوريًا للتكيف مع التغيرات في أنماط حركة المرور أو البنية التحتية أو إعدادات الكاميرات.
• اعتبارات التكلفة: رغم احتمال انخفاض التكاليف بمرور الوقت، قد يكون الاستثمار الأولي في الأجهزة والبرامج والتدريب كبيرًا.

أبرز النقاط#

تكون إدارة حوادث المرور أكثر فاعلية عندما تتمكن الفرق من رؤية المشكلات مبكرًا وفهم ما يحدث على الطريق في الوقت الفعلي. ويتيح الذكاء الاصطناعي للرؤية ذلك من خلال تحويل لقطات كاميرات المرور اليومية إلى رؤى مفيدة تدعم استجابات أسرع وقرارات أكثر أمانًا. وعند استخدامه بعناية، يمكنه جعل الطرق أكثر أمانًا للسائقين وتقليل المخاطر على الأشخاص الذين يعملون عليها يوميًا.

هل ترغب في إدخال الذكاء الاصطناعي للرؤية في مشاريعك؟ انضم إلى مجتمعنا النشط وتعرّف على الذكاء الاصطناعي للرؤية في التصنيع والرؤية الحاسوبية في الروبوتات. استكشف مستودع GitHub لمعرفة المزيد. اطّلع على خيارات الترخيص للبدء!