تُعتبر معرفة نوايا عبور المشاة أمراً حيوياً لزيادة سلامة هؤلاء في المدن، خاصة الآن مع تزايد عدد السيارات ذاتية القيادة. ومع ذلك، تشكل التنبؤات الدقيقة في البيئات الحضرية تحدياً كبيراً بسبب تنوع العوامل المؤثرة على سلوك المشاة. تقدم دراسة جديدة نموذجاً مبتكراً يُعرف باسم نموذج التحويل المتعددة السياقات (Multi-Context Fusion Transformer)، الذي يستخدم مجموعة من السياقات العددية عبر أربعة أبعاد رئيسية: سلوك المشاة، السياق البيئي، تحديد موقع المشاة وسياق حركة السيارة.

يستخدم النموذج استراتيجية دمج تقدمية، حيث تمكن الانتباه المتبادل داخل السياقات من تفاعل متبادل بين كل منها، مما يسهل دمج الميزات وتوليد تمثيل خاص بالسياق. يتبع ذلك انتباه متبادل عبر السياقات، الذي يعزز المميزات عبر السياقات المختلفة، مما ينتج عنه تمثيل مجمع يربط كل شيء. في نهاية المطاف، يعمل الانتباه الموجه ضمن السياقات على تحسين التوكنات عبر السياقات، مما يعزز التفاعلات الموجهة، ويؤدي إلى دمج أكثر عمقاً وكفاءة.

أظهرت النتائج التجريبية تفوق نموذج التحويل المتعددة السياقات على الطرق التقليدية الأخرى، محققاً معدلات دقة تصل إلى 73%، 93%، و90% على مجموعات البيانات JAADbeh، JAADall، وPIE على التوالي. كما أُجريت دراسات إضافية للتحقق من فعالية بنية الشبكة وآثار إدخال السياقات المختلفة.

لمعرفة المزيد، يمكنك الاطلاع على الكود المفتوح المصدر للنموذج عبر الرابط: Multi-Context Fusion Transformer على GitHub. فما رأيكم في هذا التطور المذهل على صعيد سلامة المشاة؟ شاركونا آرائكم في التعليقات.