في عالم تقنيات القيادة الذاتية المتطورة، يبقى توقع سلوكيات المشاة عند عبور الطرق إحدى المهام الحرجة التي تحدد السلامة على الطرق. تستخدم الدراسة الحديثة مجموعة متنوعة من الأدوات المتقدمة، بما في ذلك الشبكات العصبية التكرارية (Convolutional Spiking Neural Networks) وتقنيات التحديث الزمني، لتقديم حل مبتكر يستجيب بشكل فعال لظروف الحركة، التشويش البصري، والتباين الكبير في ظروف الإضاءة.

تبدأ العملية بتحويل لقطات القيادة الواقعية من مجموعة بيانات "الانتباه المشترك في القيادة الذاتية" (JAAD) إلى تدفقات أحداث تستند إلى مستشعرات الرؤية الديناميكية (DVS) عبر محاكي "v2e". تم تعزيز التدريب بمشاهد محاكاة خلال ظروف جوية عادية وصعبة باستخدام مجموعة بيانات "DVS-PedX".

تم تصميم شبكة عصبية تكرارية جديدة لتحليل البيانات واختيار ما إذا كان المشاة سيعبرون الطريق أم لا. يُظهر النموذج كفاءة ملحوظة، حيث حقق دقة بنسبة 95.83% وقياس F1 بلغت 0.9695 على مجموعة اختبار JAAD DVS. كما تم تحقيق دقة 97.79% و94.78% في ظروف مناخية عادية وصعبة على التوالي، مما يُشيد بالكفاءة الفائقة للنموذج في بيئات مختلفة.

من خلال تحليل تفاعل الأداء خلال 15 دورة تدريبية، تقدم الدراسة رؤى قيمة حول كيفية تحسين دقة النماذج في وسط الظروف المتنوعة. هذه النتائج تبشر بنجاح استراتيجيات جديدة لتعزيز سلامة القيادة الذاتية وتقديم تجربة قيادة أكثر أمانًا للمستخدمين. إذًا، كيف يمكن أن تسهم هذه التطورات في مستقبل القيادة الذاتية وتغيير طريقة تعاملنا مع المشاة؟ شاركونا آرائكم في التعليقات!