في عالم يتطور فيه الذكاء الاصطناعي (Artificial Intelligence) بشكل مستمر، يظهر نظام Neuro-Memory Fuzzy Inference System (NeMeFIS) كخطوة ثورية في فهم سلوك القيادة البشرية. يعتمد NeMeFIS على بنية تعلم آلي متقدمة تستند إلى نماذج الذاكرة البشرية، حيث يدمج أنواعاً مختلفة من الذاكرة مثل الذاكرة الإجرائية (Procedural Memory)، والذاكرة العاملة (Working Memory)، والذاكرة العرضية (Episodic Memory)، والذاكرة الدلالية (Semantic Memory)، والذاكرة التصريحية (Declarative Memory).

يستكشف هذا النظام كيف يؤثر تسارع المركبات وتباطؤها على سلوك السائقين، من خلال ربط المتغيرات الخارجية بوظائف الذاكرة عبر خوارزميات معينة. يتم التحقق من هذه الروابط من خلال تحليل القيم والعوامل المتعددة، مما يكشف النقاط العميقة للتأثيرات الإدراكية على الطرق المختلفة مثل الطرق الحضرية والرئيسية.

أظهرت النتائج المستندة إلى 54 نموذجًا تم تدريبها أن NeMeFIS يتفوق على نماذج التعلم الآلي التقليدية، بما في ذلك النماذج الإحصائية والنماذج المتقدمة مثل Linear Regression وANFIS وLSTM. التحليلات تكشف أيضًا أن الذاكرة التصريحية تتطلب أقصى مستوى من القواعد خاصة أثناء التباطؤ، مما يدل على اتخاذ قرارات معقدة في القيادة.

إضافة إلى ذلك، برزت إدراكات المخاطر كعامل رئيسي يؤثر على سلوك القيادة، خصوصًا على الطرق الحضرية. تم التحقق من النظام عبر قواعد بيانات غير متجانسة ومتجانسة، مما يوفر إطار عمل قوي لنمذجة إدراك السائق.

الأهم من هذا كله، تدعم هذه النتائج تطبيقات نفسية وتساهم في تطوير أنظمة اتخاذ قرارات قابلة للتكيف تشبه البشر في المركبات المتصلة والمستقلة (Connected and Autonomous Vehicles) لتعزيز السلامة المرورية.