أتمتة إدارة حوادث المرور باستخدام Ultralytics YOLO26

تؤثر حوادث الطرق البسيطة يوميًا في انسيابية المرور بطرق محدودة يمكن أن تتسبب سريعًا في عواقب أكبر. فعلى سبيل المثال، يمكن أن تتحول مركبة متعطلة أو حطام على طريق سريع بسهولة إلى تأخيرات طويلة، وانسيابية مرورية غير آمنة، واصطدامات ثانوية.

يشكل ذلك ضغطًا مستمرًا على المستجيبين الأوائل، مثل فرق الإطفاء. فكل دقيقة تُقضى في تقييم حادث ميدانيًا قد تزيد من التعرض للمركبات المتحركة وتهدد سلامة الطريق.

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

تتبنى العديد من فرق إدارة حوادث المرور (TIM) الآن الرؤية الحاسوبية لتحليل ظروف الطرق والإبلاغ عن الحوادث مبكرًا. والرؤية الحاسوبية فرع من فروع الذكاء الاصطناعي (AI) يتيح للآلات رؤية البيانات المرئية من الكاميرات ومقاطع الفيديو وتفسيرها.

يمكن لأنظمة الرؤية مراقبة الطرق، واكتشاف الاصطدامات، وتوفير سياق مرئي في الوقت الفعلي. وتساعد هذه الرؤية المبكرة خدمات الطوارئ الطبية (EMS)، وأجهزة إنفاذ القانون، وفرق المرور على فهم الوضع الميداني والاستجابة بسرعة أكبر.

تعتمد هذه الإمكانات على نماذج رؤية مُدرَّبة، مثل Ultralytics YOLO26. ومن خلال استخراج رؤى قابلة للتنفيذ تلقائيًا من بثوث الفيديو المباشرة، تقلل هذه النماذج الاعتماد على المراقبة اليدوية وتمكّن من اتخاذ قرارات أسرع وأكثر استنارة. وينتج عن ذلك وعي أسرع بالحوادث وتنسيق أفضل للاستجابة للطوارئ.

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

سنستكشف في هذا المقال كيف تغيّر الرؤية بالذكاء الاصطناعي إدارة حوادث المرور، وكيف يمكن أن تساعد نماذج الرؤية الحاسوبية مثل Ultralytics YOLO26 المستجيبين للطوارئ على اكتشاف الحوادث وإزالتها بسرعة أكبر. فلنبدأ!

التحديات الشائعة المرتبطة بإدارة حوادث الطرق#

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

• محدودية الرؤية في الوقت الفعلي: غالبًا ما لا يتلقى المستجيبون لحوادث المرور سوى معلومات جزئية من المكالمات أو الكاميرات أو سائقي المركبات. ومن دون فهم واضح لمشهد الحادث، قد يصعب اتخاذ قرارات مبكرة بشأن إغلاق المسارات أو التحكم في المرور أو التعامل مع أوضاع الطرق المعقدة.
• سلامة المستجيبين: عندما تتوقف مركبات الطوارئ أو تعمل وسط حركة المرور، يتعرض المستجيبون الأوائل، بمن في ذلك فرق الإطفاء وخدمات الطوارئ الطبية، للمركبات السريعة الحركة. ويزيد ذلك مخاطر السلامة بدرجة كبيرة، ولا سيما عند عدم الالتزام بقوانين إفساح الطريق أو عند وجود مواد خطرة أو hazmat.
• تحديات إدارة المرور: بعد وقوع حادث مروري، يمكن أن تتدهور انسيابية المرور سريعًا من دون تنسيق سريع وفي الوقت المناسب. ويتفاقم الازدحام، ويتخذ السائقون قرارات مفاجئة، وتنتشر الظروف غير الآمنة عبر نظام النقل، مما يؤثر في أهداف السلامة العامة وسلامة المرور عمومًا.
• الاصطدامات الثانوية: قد تؤدي الرؤية المحدودة، والتباطؤ المفاجئ، وإغلاقات المسارات غير الواضحة أو المتأخرة إلى اصطدامات ثانوية. وعندما يتعذر التواصل مع سائقي المركبات في الوقت المناسب، قد لا يدرك السائقون المخاطر المقبلة، مما يزيد خطر وقوع حوادث لاحقة.

استخدام الرؤية الحاسوبية لإدارة حوادث المرور#

تتكون معظم أنظمة إدارة حوادث المرور بالفعل من شبكة من الأجهزة المنتشرة على الطرق السريعة والطرق الحضرية. وأصبحت كاميرات إشارات المرور، وأنظمة CCTV، والكاميرات المحمولة المثبتة على أعمدة أو مقطورات أو مركبات الطوارئ شائعة بصورة متزايدة.

يمكن دمج الرؤية الحاسوبية بسهولة في هذه الأنظمة لأنها تستفيد من البنية التحتية الحالية للكاميرات وتعالج بثوث الفيديو مباشرة لاستخراج رؤى قابلة للتنفيذ. ويمكن إقران تدفقات الفيديو من كاميرات المرور بمستشعرات الطرق، مثل كاشفات السرعة والحجم، لتوفير صورة أكثر اكتمالًا عن ظروف المرور.

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

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

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

• اكتشاف الأجسام: تحدد هذه المهمة الأجسام الرئيسية في كل إطار فيديو وتحدد مواقعها، مثل المركبات، ومركبات الطوارئ، والحطام، والمركبات المتوقفة أو المعطلة، مما يدعم الاكتشاف المبكر للحوادث والوعي بالموقف.
• تتبّع الأجسام: يمكن استخدامه لمتابعة المركبات أو الأجسام بمرور الوقت أثناء تحركها عبر المشهد، مما يسهل ملاحظة التغيرات في انسيابية المرور.
• تقسيم المثيلات: يحدد هذا النهج الشكل الدقيق للجسم. وفي إدارة حوادث المرور، يمكن استخدام هذه المهمة للتعرف على حجب المسارات، مما يفيد في تخطيط إغلاقات المسارات والتحكم في المرور.

كيف يمكن لـ Ultralytics YOLO26 تحسين إدارة حوادث المرور#

تتوفر نماذج Ultralytics YOLO، مثل YOLO26، مباشرةً كنماذج مُدرَّبة مسبقًا. وهذا يعني أنها دُرِّبت بالفعل على مجموعات بيانات واسعة النطاق وشائعة الاستخدام، مثل مجموعة بيانات COCO.

وبفضل هذا التدريب المسبق، يمكن استخدام Ultralytics YOLO26 فورًا لاكتشاف الأجسام الشائعة في العالم الحقيقي، مثل السيارات والدراجات الهوائية والمشاة والدراجات النارية وغيرها من العناصر اليومية. ويوفر ذلك خط أساس قويًا لفهم مشاهد الطرق، ويمكّن الفرق من بناء تطبيقات أكثر تكاملًا، مثل عدّ المركبات وتحليل انسيابية المرور وتقدير السرعة، من دون تدريب نموذج من الصفر.

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

بالنسبة إلى تطبيقات إدارة حوادث المرور الأكثر تخصصًا، يمكن تدريب هذه النماذج المُدرَّبة مسبقًا بسهولة تدريبًا مخصصًا باستخدام بيانات صور وفيديو موسومة ومتخصصة بالمجال لاكتشاف أجسام محددة محل الاهتمام.

فعلى سبيل المثال، يمكن تدريب نموذج للتعرف على شاحنات الإطفاء الحمراء بشكل موثوق في لقطات كاميرات الطرق، مما يساعد فرق المرور على التعرف بسرعة أكبر على مشاهد الاستجابة للطوارئ الجارية. ويمكن أيضًا استخدام رؤى الفيديو الناتجة لتدريب المستجيبين، بما يتيح للفرق مراجعة سيناريوهات حقيقية للحوادث وتحسين الاستعداد لأحداث مماثلة في المستقبل.

التطبيقات الرئيسية للرؤية بالذكاء الاصطناعي في إدارة حوادث المرور#

سنستعرض فيما يلي أمثلة على كيفية تطبيق الرؤية الحاسوبية في أنظمة إدارة حوادث المرور الواقعية.

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 إزالة حوادث المرور بسرعة وأمان. وفي الماضي، كان الاكتشاف يعتمد بدرجة كبيرة على بلاغات السائقين أو مركبات الدوريات أو مراقبة الموظفين لبثوث الكاميرات يدويًا.

على الرغم من استمرار استخدام هذه الأساليب اليوم، فإنها قد تؤدي إلى تأخر الوعي بالحوادث أو إغفال تفاصيل مهمة، ولا سيما على الطرق السريعة المزدحمة أو في ظروف ضعف الرؤية. وتحسّن الرؤية بالذكاء الاصطناعي هذه العملية من خلال مراقبة الطرق باستمرار وفي الوقت الفعلي باستخدام نماذج مثل Ultralytics YOLO26.

فعلى سبيل المثال، يمكن استخدام إمكانات اكتشاف الأجسام وتتبعها في Ultralytics YOLO26 لتحديد مركبة متوقفة في مسار نشط واكتشاف تباطؤ حركة المرور أو تراكمها خلفها.

عند اكتشاف هذا النشاط غير المعتاد، يمكن للنظام تنبيه فرق المرور مبكرًا، مما يمنح المستجيبين وقتًا أطول لتخطيط التحكم في المرور، وتحذير سائقي المركبات، وتنسيق استجابة فعالة. كما يدعم الاكتشاف المبكر الإخلاء السريع، ويقلل الازدحام، ويخفض خطر الاصطدامات الثانوية.

تحسين سلامة السائقين والطرق من خلال المراقبة الاستباقية#

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

باستخدام الرؤية الحاسوبية، يمكن للسلطات الحكومية، مثل إدارة الطرق السريعة الفيدرالية (FHWA) ووزارة النقل، مراقبة الطرق باستمرار وتحديد مشكلات مثل تلف الرصف أو الحطام أو غيرها من المخاطر.

الشكل 4. أمثلة على الطرق المتضررة (المصدر)

باستخدام تقنيات مثل تقسيم المثيلات، يمكن لنماذج الرؤية مثل Ultralytics YOLO26 تحديد الخطوط المتشققة والحفر أو الأجزاء المتضررة من الرصف بدقة في لقطات الطرق. ويسهّل ذلك فهم حجم الضرر وموقعه بدلًا من مجرد اكتشاف وجود مشكلة.

يتيح تحديد هذه المشكلات مبكرًا اتخاذ إجراءات أسرع، سواء من خلال جدولة أعمال الصيانة أو تعديل التحكم في المرور أو تحذير السائقين. ويحافظ هذا النهج الاستباقي على سلامة الطرق، ويقلل خطر الحوادث، ويحسّن ظروف القيادة اليومية للجميع.

إيجابيات وسلبيات استخدام الرؤية بالذكاء الاصطناعي لإدارة حوادث المرور#

فيما يلي بعض الفوائد الرئيسية لاستخدام الرؤية بالذكاء الاصطناعي لدعم إدارة حوادث المرور وسلامة الطرق:

• اتخاذ القرارات المستندة إلى البيانات: تدعم بيانات الحوادث ورؤى الفيديو تتبع الأداء، وإعداد التقارير، والتخطيط طويل الأجل لسلامة المرور، وبرامج التدريب على إدارة حوادث المرور.
• الاستجابة المتسقة للحوادث: بخلاف المراقبة البشرية، تعمل الرؤية بالذكاء الاصطناعي باستمرار من دون إرهاق، مما يدعم تغطية أكثر اتساقًا.

على الرغم من هذه الفوائد، توجد أيضًا قيود ينبغي أخذها في الاعتبار. وفيما يلي بعض العوامل التي يجب وضعها في الحسبان:

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

أهم النقاط المستخلصة#

تعمل إدارة حوادث المرور بأفضل صورة عندما تتمكن الفرق من رؤية المشكلات مبكرًا وفهم ما يحدث على الطريق في الوقت الفعلي. وتجعل الرؤية بالذكاء الاصطناعي ذلك ممكنًا من خلال تحويل لقطات كاميرات المرور اليومية إلى رؤى مفيدة تدعم استجابات أسرع وقرارات أكثر أمانًا. وعند استخدامها بحكمة، يمكنها جعل الطرق أكثر أمانًا للسائقين وتقليل المخاطر التي يواجهها الأشخاص الذين يعملون عليها كل يوم.

هل ترغب في دمج الرؤية بالذكاء الاصطناعي في مشاريعك؟ انضم إلى مجتمعنا النشط وتعرّف على الرؤية بالذكاء الاصطناعي في التصنيع والرؤية الحاسوبية في الروبوتات. استكشف مستودعنا على GitHub لمعرفة المزيد. اطّلع على خيارات الترخيص للبدء!