استخدام عملي لاستشعار المركبات ذاتية القيادة
تختبر Waymo وWaze نوعًا جديدًا من شراكات البيانات المدنية: استخدام المركبات الذاتية القيادة للمساعدة في رصد الحفر وإيصال تلك المعلومات إلى مسؤولي النقل والسائقين العاديين. وتحوّل التجربة الأولية، التي أُعلن عنها لمنطقة خليج سان فرانسيسكو ولوس أنجلوس وفينيكس وأوستن وأتلانتا، أنظمة الإدراك على الطريق والتغذية الراجعة للمركبات لدى Waymo إلى طبقة إبلاغ موزعة عن أضرار سطح الطريق.
الفكرة بسيطة، لكن آثارها أوسع مما تبدو عليه في البداية. تعتمد المدن عادةً على شكاوى السكان وطلبات 311 وعمليات التفتيش اليدوية لتحديد أضرار الطرق. وهذه العملية غير متكافئة بطبيعتها. فقد تنتج الأحياء الأكثر ثراءً أو الأكثر اتصالًا رقميًا تقارير أكثر، بينما تبقى مناطق أخرى أقل تمثيلًا في الإبلاغ، حتى لو كانت المشكلات البنية التحتية فيها بالحدة نفسها. وعلى النقيض من ذلك، يمكن لأسطول مركبات يقود باستمرار في الطرق العامة أن يخلق تدفقًا أكثر منهجية للملاحظات.
وبموجب التجربة الأولية، ستُتاح بيانات الحفر التي ترصدها Waymo للمدن وإدارات النقل الحكومية عبر منصة Waze for Cities، التي يمكن للجهات المحلية استخدامها مجانًا. كما ستظهر البيانات نفسها لمستخدمي Waze في المدن التي تعمل فيها Waymo، ما يتيح للسائقين تلقي تحذيرات عند الاقتراب من خطر مُبلّغ عنه. ويمكن لمستخدمي Waze بعد ذلك التحقق من تلك التقارير داخل التطبيق، ما يخلق حلقة تغذية راجعة تهدف إلى تحسين الدقة.
ووفقًا للإعلان، كانت Waymo قد حددت بالفعل 500 حفرة عبر الأسواق الخمسة الأولى التي أطلقت فيها الخدمة. وهذا ليس صورة كاملة عن جودة الطرق في تلك المناطق الحضرية، لكنه يكفي لإظهار مدى السرعة التي يمكن أن تتوسع بها التقارير المولدة آليًا عندما يكون الأسطول المزود بالمستشعرات قيد التشغيل اليومي بالفعل.
لماذا الحفر أهم مما يبدو
من السهل اعتبار الحفر مجرد إزعاج بسيط، لكنها تقع عند تقاطع السلامة العامة وتكاليف تشغيل المركبات وكفاءة صيانة البلديات. يمكن أن تتسبب أضرار سطح الطريق في تلف الإطارات والعجلات وأنظمة التعليق، وقد تسهم في وقوع حوادث، لا سيما عندما ينحرف السائقون فجأة أو يواجهون خطرًا عند سرعة عالية. وبالنسبة إلى الحكومات المحلية، لا يتمثل التحدي في إصلاح الحفر فقط، بل في العثور عليها مبكرًا بما يكفي لإعطاء الأولوية للإصلاحات قبل أن تتفاقم الأوضاع.
ولهذا يلفت مشروع Waymo وWaze الأنظار لأنه يركز على مشكلة يومية لكنها عالية القيمة، بدلًا من عرض مستقبلي مبهر. تولد أنظمة القيادة الذاتية كميات هائلة من بيانات الإدراك البيئي، لكن كثيرًا من النقاشات العامة حول تلك البيانات يقتصر على أداء القيادة الذاتية وحده. وتشير هذه الشراكة إلى سوق ثانوي لإدراك الآلة: مراقبة البنية التحتية المدنية.
كما توجد حافزات تشغيلية مباشرة لـ Waymo. فزيادة الوعي بحالة الطريق يمكن أن تحسن راحة الركاب، وتقلل تآكل المركبات، وتجعل سلوك القيادة على مستوى المسار أكثر قابلية للتنبؤ. وأسطول الروبوتاكسي الذي يواجه مرارًا أرضيات متضررة يدفع كلفة حتى لو لم يقع أي تصادم. وهذا التوافق بين المنفعة العامة والخاصة هو أحد الأسباب التي تجعل هذه التجربة تبدو أكثر من مجرد حدث صحفي عابر.
وللمدن المشاركة أسباب تدعو للاهتمام أيضًا. غالبًا ما تعتمد أنظمة الصيانة التقليدية بدرجة كبيرة على تقارير المواطنين. والافتراض المعلن للتجربة هو أن هذا النموذج يخلق فجوات ويجعل تخصيص موارد الإصلاح بشكل منصف أصعب. وقد يمنح تدفق البيانات المولدة آليًا حول حالة الطرق الوكالات خريطة أوسع للمواقع التي تظهر فيها المشكلات، خصوصًا على الطرق التي يستخدمها السكان بكثرة لكنهم يبلغون عنها بشكل غير منتظم.
لمحة عن صيانة البنية التحتية عبر الاستشعار المحيط
تكمن الأهمية الأوسع لهذه التجربة في أنها تتعامل مع المركبات باعتبارها مستشعرات متنقلة للبنية التحتية. وقد نوقشت هذه الفكرة لسنوات، لكن عمليات النشر العملية كانت غالبًا مجزأة. وما يتغير هنا هو الجمع بين منظومة قيادة ذاتية واسعة النطاق ومنصة ملاحة موجهة للعامة وآلية لتوجيه البيانات إلى الحكومات المحلية شبه في الوقت الحقيقي.
إذا نجح النموذج، فقد يتجاوز الحفر. ويمكن لخطوط استشعار مماثلة أن تدعم نظريًا رصد تدهور علامات المسارات، والحطام، ومؤشرات الفيضانات، أو غيرها من الشذوذات على الطريق، رغم أن تلك الاحتمالات لم تكن جزءًا من إعلان التجربة المبلغ عنه. وحتى ضمن النطاق الحالي، يقدم البرنامج عرضًا مفيدًا لكيفية إعادة توظيف البيانات القادمة من أنظمة التنقل التجارية لخدمة الصيانة العامة دون انتظار المدن لبناء أساطيلها الاستشعارية من الصفر.
كما أن حدوده واضحة أيضًا. فلن يرصد النظام إلا الطرق التي تعمل عليها مركبات Waymo، لذا ستكون التغطية غير متساوية ومتركزة في الأسواق التي تضم عمليات نشر نشطة للروبوتاكسي. ويظل التحقق مهمًا لأن الاكتشاف الآلي قد ينتج إيجابيات كاذبة، ولا تزال المدن بحاجة إلى الموظفين والميزانيات وسير عمل الإصلاح للتصرف بناءً على التقارير. ولا تتحول المعلومات الأفضل تلقائيًا إلى إصلاحات أسرع إذا ظلت قدرة الصيانة محدودة.
ومع ذلك، تمثل التجربة إشارة ذات مغزى إلى الاتجاه الذي قد تتجه إليه تكنولوجيا النقل. فقد لا تكون التقنية الحضرية الأكثر قيمة دائمًا هي الميزة البارزة التي يراها المستهلكون. أحيانًا تكون الطبقة الخلفية: تدفقًا من الملاحظات المنظمة التي تساعد الأنظمة العامة على الاستجابة بشكل أسرع وأكثر عدلًا للمشكلات الروتينية.
وبالنسبة إلى شركات المركبات الذاتية القيادة، قد يصبح ذلك خطوة مهمة لبناء الشرعية. إذ تتعرض برامج القيادة الذاتية غالبًا لتدقيق يتعلق بالسلامة والوصول إلى الطرق والمنفعة العامة. وتوفر شراكة تساعد المدن على تحديد الأخطار وتساعد السائقين على تجنبها حالة استخدام مدنية ملموسة أسهل في الشرح من الوعود المجردة بشأن التنقل المستقبلي. أما بالنسبة إلى الوكالات المحلية، فهي تقدم أداة أخرى في مواجهة المشكلة القديمة المتمثلة في صيانة الشوارع مع معلومات ناقصة.
ومن هذا المنطلق، فإن تجربة الحفر هذه ليست تافهة كما تبدو. فهي تُظهر كيف يمكن لأنظمة الإدراك المصممة من أجل الاستقلالية أن تمتد إلى العمليات البلدية، فتجعل المركبات التجارية مساهمًا سلبيًا في صيانة المدن. وإذا توسع هذا النموذج، فقد لا يُعبَّد الطريق إلى بنية تحتية أذكى بمعدات جديدة على جانب الطريق، بل بالبيانات التي تجمعها بالفعل السيارات التي تتحرك هناك كل يوم.
تعتمد هذه المقالة على تقرير من CleanTechnica. اقرأ المقال الأصلي.
