تشهد مدن العالم تحولًا غير مسبوق في فهم طبيعة التنقل البشري، بفضل النماذج اللغوية الضخمة (Large Language Models). إذ أظهرت هذه النماذج قدرة مذهلة في التنبؤ بحركة الأفراد من خلال نمذجة الروتين والأنشطة والتفضيلات. ولكن، كانت معظم هذه المنهجيات تركز بشكل أساسي على الأفراد، دون الأخذ بعين الاعتبار تفاعلاتهم مع الآخرين في نفس المكان والزمان.

لذلك، طوّر الباحثون إطارًا جديدًا يحمل اسم "EncounterMob"، الذي يجمع بين توليد الحركة الفردية وتصميم تفاعلات جماعية فعالة. يتمحور هذا الإطار حول مفهوم توليد الحركة المُعتمد على اللقاءات (Encounter-aware human mobility generation)، والذي يعمل على الحفاظ على الحركة الفردية والتركيبة التفاعلية السكانية في آن واحد.

يتكون إطار العمل من مولد للقاءات وأسلوب تكراري للربط، حيث يقوم مولد اللقاءات بالتحليل على مستوى المدينة لتحديد أنماط اللقاءات، ليقوم لاحقًا بإنتاج اللقاءات وفقًا للوقت والمكان والأشخاص المشاركين. يعمل أسلوب الربط التكراري على مواءمة هذه اللقاءات مع سلوك الحركة الشخصية، مما يعزز الدقة في النتائج.

تظهر التجارب التي أجريت على بيانات من اليابان ونيويورك تفوق "EncounterMob" على جميع المقاييس المستخدمة، حيث تم تقليل الأخطاء في الربط الزمني والمكاني بنسبة تصل إلى 40.4%، وعادت دقة الحركة الشخصية لتحقق انخفاضًا بنسبة تصل إلى 58.8%. إن هذه النتائج تعكس الإثارة الكبيرة وراء تطبيق تقنيات الذكاء الاصطناعي في مجال التنقل البشري، مما يعد بخطط جديدة لمستقبل أكثر كفاءة في المدن الذكية.

إذا كنت تفكر في كيفية تحسين حركة الأفراد في مناطق حضرية، فماذا يعني لك هذا التطور؟ شاركونا آرائكم في التعليقات!