في عالم الدراجات النارية، تعد سلامة الراكب من أهم القضايا، وخاصة في الدول ذات الدخل المنخفض والمتوسط. ومع ذلك، لا توجد دراسات كافية حول كيفية تأثير الضغوطات النفسية مثل ضغط الوقت على مخاطر الاصطدام. للتصدي لهذه الفجوة، تم تقديم MotoSafety، وهو نظام مبني على ذكاء اصطناعي متقدم يعتمد على مبدأ الأهمية الزمنية المتعلمة (Learned Temporal Importance).

يتضمن النظام مجموعة بيانات ضخمة تحتوي على أكثر من 129,000 تسلسل زمني مؤرخ تم جمعها من 153 تجربة محاكاة شارك فيها 51 مشاركًا، تحت ظروف ضغط وقت مختلفة (لا ضغط، ضغط منخفض، وضغط عالٍ). يتميز النظام بدقة تبلغ 94.97% ومنحنى ROC AUC يصل إلى 99.33%، متفوقًا على عشرة نماذج أساسية أخرى بما في ذلك TimesNet وLLM4TS.

علاوة على ذلك، يتميز MotoSafety بخفة وزنه، حيث يحتوي على 1.15 مليون معلمة وزمن استجابة يبلغ 0.135 ملي ثانية، مما يجعله مناسبًا للاستخدام على الأجهزة الحاسوبية ذات التكلفة المنخفضة. تستند دقة النتائج المحققة إلى استخدام ضغط الوقت كتحيز استقرائي، مما يزيد الدقة من 94.09% إلى 94.97%. كما يمكن للنظام تحقيق دقة تصل إلى 93.91% باستخدام فقط 21 ميزة من أجهزة الاستشعار القصيرة التي تقيس الحركة.


تظهر هذه الهندسة الحديثة إمكانية عملية تطبيقها في مجالات أخرى، حيث حققت نسبة دقة 97.66% في النشاط البشري و99.65% في المجالات السريرية. من خلال القدرة على تقييم مخاطر الاصطدام للدراجات النارية، يدعم MotoSafety Approach of Safe System للأنظمة الذكية للنقل، مما يفتح أفقًا جديدًا لسلامة المركبات ذات العجلتين.