في عصر تتزايد فيه الحاجة إلى نظم ذكية لتحسين السلامة على الطرق، تبرز UniTraffic-Agent كحل مبتكر لمواجهة التحديات المتعلقة بفهم مقاطع الفيديو المرورية. تُعتبر معالجة الفيديوهات المرورية بمثابة أداة حيوية لأغراض الكشف عن الحوادث والانتهاكات، حيث توفر تلك الفيديوهات دلائل مباشرة على سلوكيات القيادة والتفاعلات بين المركبات والمستخدمين الضعفاء للطرق.

تم تصميم UniTraffic-Agent كجزء من Track 3 في تحدي الذكاء الاصطناعي AI City Challenge، حيث تمثل الحل MR-CAS الذي يعالج ما يُعرف بتفسير الحوادث المرورية (TAR) ويشمل تقييمين خارج النطاق: أحدهما يتعلق بالأحداث المرورية من زوايا واسعة (FETV) وآخر يتعلق بتفسير نوايا المشاة (PSI-VQA).

يتبع UniTraffic-Agent إطار عمل يعتمد على الملاحظة والتفكير والتصرف والتحقق، حيث يقوم بجمع أدلة بصرية موثقة زمنياً، ويجري تحليلات على جميع الأسئلة المرتبطة بنفس المقطع بحساب زمني واحد، محولًا الإجابات من خلال أجهزة عمل مخصصة لكل مهمة.

ووفقًا للنتائج الرسمية، حقق MR-CAS المركز السادس عشر في تفسير الحوادث المرورية (TAR) بتسجيل 0.5780، واحتل المركز الثاني في تقييم الأحداث ذات العدسة الواسعة (FETV) مع نتيجة 0.4884، والمركز الرابع في تفسير نوايا المشاة (PSI-VQA) برقم 64.4161.

للمزيد من المعلومات، يمكنكم زيارة المستودع على GitHub. هل تعتقدون أن تقنيات الذكاء الاصطناعي ستساهم في تحسين سلامة الطرق؟ شاركونا آراءكم في التعليقات!