في عالمنا المتسارع، تُعتبر إدارة إشارات المرور (Traffic Signal Control - TSC) أمرًا حيويًا لتقليل الازدحام المروري الذي يعاني منه الكثيرون في المدن. ومع التقدم الكبير في نماذج الرؤية واللغة (Vision-Language Models - VLMs)، أصبحت هناك فرص جديدة لفهم مواقف التقاطعات بشكل أفضل، مما يفتح الأبواب لتقديم حلول مبتكرة للتحكم في إشارات المرور.

لكن التحديات تبقى قائمة. فعند استخدام نماذج تقليدية، قد يحدث فقدان في التفاصيل الدقيقة للصور نتيجة للاعتماد على تحويلات متكررة بين الوحدات المختلفة. بالإضافة إلى ذلك، فإن عملية الاستدلال المتسلسلة يمكن أن تضيف تأخيرًا هائلًا.

هنا تأتي أهمية نموذج VLALight، الذي يمثل إطارًا خفيفًا للنموذج من النهاية إلى النهاية (End-to-End) يجمع بين الرؤية واللغة والإجراءات. VLALight يقدم حلاً مبتكرًا مباشرة عن طريق ربط مشاهد التقاطعات ومعلومات مراحل الإشارة إلى إجراءات إشارة المرور المحددة.

عبر دمج مشاهد الكاميرات متعددة الاتجاهات في مدخل مرئي موحد، واستخدام التعليمات النصية لتحديد القيم المرورية، يتمكن VLALight من التنبؤ بالأفعال بشكل مباشر خاضعًا لنموذج مدمج يتكون من 0.5 بليون معلمة فقط، دون الحاجة لوصف الصور أو تقديم تمثيلات للحالة المرورية يدويًا.

تظهر التجارب أن VLALight يقدم أفضل خدمة للمركبات الطارئة مقارنة بالطرق الأخرى، حيث نجح في تقليل وقت الانتظار الإجمالي للمركبات الطارئة بنسبة 21.1% مقارنة بنموذج VLMLight المتتابع، مع قدرته على العمل في الوقت الحقيقي على الأجهزة المحلية وتعميم الأداء على تقاطعات جديدة وأنماط حركة المرور غير المتوقعة.

هل تعتقد أن هذا النموذج يمكن أن يغير قواعد اللعبة في إدارة المرور؟ شاركنا آراءك في التعليقات!