في عصر يجتاح فيه التحديث الحضري جميع جوانب حياتنا، يعدّ تصميم محاكاة المرور الحضري (Urban Traffic Simulation) أداة أساسية في التخطيط للبنية التحتية، بما في ذلك تحديد مواقع محطات شحن السيارات الكهربائية. لكن، يواجه هذا النوع من المحاكاة تحديات رئيسية مرتبطة بنقص البيانات: حيث تتوفر قياسات المرور الواقعية فقط لعدد قليل من مقاطع الطرق، كما أن بيانات توزيع الوظائف الضرورية لنمذجة حركة النقل غالباً ما تكون نادرة ودون المستوى المطلوب.

تقدم الدراسة الأخيرة، التي تعتمد على خوارزمية جينية، إطار عمل يواجه هذه التحديات بشكل مباشر، حيث يقوم بتعديل محاكاة المرور الحضري من خلال الاعتماد على مشاهدات طرق متناثرة بدون الحاجة لبيانات تفصيلية عن مواقع الوظائف.

تم تطبيق هذه المنهجية باستخدام منصة محاكاة المرور SUMO في مدينة غرينسبورو بولاية كارولاينا الشمالية، حيث يتم تحسين توزيع الوظائف والمعلمات المتعلقة بحركة المرور لمزامنة الحركة المرورية المحاكية مع عينة صغيرة من الطرق التي تحتوي على معدلات حركة معروفة.

أثبتت النتائج أن هذا النهج يُنتج محاكاة مرورية تتناسب بشكل جيد مع القياسات الواقعية، حيث يمكن تعميمه على مقاطع طرق لم تشارك في التدريب. كما أظهرت التوزيعات الوظيفية الناتجة توافقاً نوعياً واعداً مع بيانات التوظيف الاستقصائية، رغم عدم استخدامها في التدريب المباشر.

تُظهر هذه الدراسة أن محاكاة المرور الحضري الواقعية يمكن تحقيقها من خلال مشاهدات محدودة، مما يوفر نهجًا قابلاً للتوسع وقليل البيانات لتعديل المحاكاة، ويقلل الحواجز أمام نشر نماذج المرور عبر مدن متنوعة.

ما رأيكم في هذا التطور المثير في عالم محاكاة المرور؟ شاركونا في التعليقات!