وكيل الذكاء الاصطناعي في Roads Management Insights

ملاحظة مهمة: قبل أن تتمكّن من طلب بيانات Roads Management Insights، عليك أولاً الاشتراك في مجموعة بيانات مشاركة العرض التوضيحي لـ Roads Management Insights في بوسطن (أو شراء اشتراك في مجموعة بيانات Roads Management Insights لموقعك الجغرافي) والحصول على إذن الوصول إلى Gemini API.

الهدف

يوفّر وكيل ADK الخاص بأداة Roads Management Insights واجهة باللغة العادية للاستعلام عن بيانات RMI المخزّنة في Google BigQuery وتحليلها. من خلال الاستفادة من "حزمة تطوير الوكلاء" (ADK) من Google ونماذج Gemini اللغوية الكبيرة، يتيح هذا الحل للمستخدمين استخراج إحصاءات قابلة للتنفيذ من مجموعات بيانات كبيرة النطاق خاصة بشبكات الطرق وحركة المرور بدون كتابة طلبات بحث معقّدة بلغة SQL يدويًا.

البنية المرجعية

تتألف البنية من نظام وكيل هرمي حيث يخطط الوكيل الرئيسي وينسّق تفاعلات المستخدمين، ويفوّض مهام استرداد البيانات المحددة وإنشاء SQL إلى وكيل فرعي متخصص.

المكونات

1. وكيل RMI (الوكيل الجذر)

• الدور: واجهة المحادثة الأساسية ومنسّق المهام
• المسؤوليات:
  • الحفاظ على سياق المحادثة المترابطة
  • تقسيم الطلبات الموجّهة باللغة الطبيعية إلى مهام تحليلية قابلة للتنفيذ
  • تفويض مهام استرداد البيانات المنظَّمة إلى BigQuery Agent
  • تجميع البيانات الجدولية الأولية التي يعرضها الوكيل الفرعي في إحصاءات موجزة يسهل فهمها

2. وكيل BigQuery (وكيل فرعي)

• الدور: وكيل متخصص في ترجمة لغة SQL وتنفيذ قاعدة البيانات.
• المسؤوليات:
  • يترجم التعليمات باللغة الطبيعية من "الوكيل الجذر" إلى طلبات بحث محسّنة بلغة الاستعلامات البنيوية (SQL) في BigQuery.
  • تنفيذ طلبات البحث مباشرةً في مجموعة بيانات BigQuery التي تم ضبطها
  • تعرض هذه الدالة نتائج طلب البحث الأولية وغير المعدَّلة إلى "الوكيل الجذر".

3- مجموعة بيانات BigQuery

• الدور: مستودع بيانات تحليلي يستند إلى السحابة الإلكترونية.
• المحتوى: جداول "إحصاءات إدارة الطرق" (RMI)، بما في ذلك historical_travel_time وrecent_roads_data، منظَّمة وفقًا لمخطط RMI BigQuery.

4. Google GenAI

• الدور: محرّك أساسي للاستدلال وإنشاء اللغة
• النموذج: يستفيد من نماذج Google Gemini (مثل gemini-3.5-flash) لتفعيل تنسيق الوكلاء وفهم اللغة الطبيعية وإنشاء SQL.

تسلسل التنفيذ

1. طلب المستخدم: يرسل المستخدم سؤالاً باللغة الطبيعية (مثلاً، "ما هو متوسط مدة الرحلة على الطريق السريع 66 أمس؟").
2. التخطيط والتنسيق: يتلقّى وكيل RMI الطلب، ويحدّد أنّه يجب الحصول على بيانات تجريبية عن عدد الزيارات، ويصوغ تعليمات استرجاع محدّدة للوكيل الفرعي.
3. التفويض: يستدعي وكيل RMI وكيل BigQuery باستخدام التعليمات المنظَّمة والقيود الزمنية أو المكانية ذات الصلة.
4. إنشاء طلبات بحث SQL: استنادًا إلى فهمه لمخطط RMI، ينشئ وكيل BigQuery طلب بحث SQL محسّنًا في BigQuery.
5. التنفيذ واسترداد البيانات: ينفّذ وكيل BigQuery طلب البحث مقابل مجموعة بيانات BigQuery الأساسية ويسترد السجلات الجدولية الناتجة.
6. تركيب الردود: يعرض وكيل BigQuery البيانات الأولية غير المعدَّلة إلى وكيل RMI، الذي يفسّر النتائج ويحلّ المعرّفات الناقصة للطرق وينشئ ردًا واضحًا باللغة العادية للمستخدم.

مثال على سيناريو

التحدّي

يحتاج مخطِّط المدن إلى تقييم الازدحام المروري على مستوى شبكة طرق حضرية لتحديد ما إذا كانت مواعيد إشارات المرور تتطلّب تعديلاً خلال ساعات الذروة في المساء.

سير عمل الحل

1. طلب بحث المستخدم: يتفاعل المخطِّط مع الوكيل باستخدام واجهة سطر الأوامر أو واجهة المستخدم على الويب، ويطرح السؤال التالي:

   "حدِّد أكثر 5 طرق ازدحامًا في وسط مدينة بوسطن يوم الجمعة الماضي في الساعة 5 مساءً".

2. معالجة الطلبات من خلال الوكيل:

   • يحلّل وكيل استدعاء الإجراء عن بُعد (RMI) الطلب. تحدّد هذه السمة الموقع الجغرافي المستهدَف ("وسط مدينة بوسطن") والفترة الزمنية ("الجمعة الماضية الساعة 5 مساءً") والهدف التحليلي ("أكثر 5 طرق ازدحامًا"). ويحدّد أنّ يجب قياس "الازدحام" كنسبة مدة السفر في الوقت الفعلي إلى المدة الثابتة (duration_in_seconds / static_duration_in_seconds).

   • يتم تفويض عملية استرداد البيانات إلى وكيل BigQuery باستخدام تعليمات منظَّمة:

     "ابحث عن مقاطع الطرق في وسط مدينة بوسطن واعرض أهم 5 مقاطع ذات أعلى نسبة ازدحام في يوم الجمعة 9 يناير 2026 الساعة 5:00 مساءً".

3. استرجاع البيانات:

   • يترجم وكيل BigQuery هذه التعليمات إلى طلب بحث SQL يستهدف الجدول historical_travel_time، ويحسب نسبة الازدحام ويرتّب النتائج لتحديد أهم 5 شرائح.
   • ينفّذ طلب البحث على BigQuery.
   • تعرض BigQuery نتائج جدولية أولية، مثل (segment_id, display_name, duration_in_seconds, static_duration_in_seconds, congestion_ratio).

4. إنشاء الإحصاءات:

   • يعيد وكيل BigQuery قائمة الأقسام الأولية إلى وكيل RMI.
   • يحلّل وكيل RMI السجلات ويتعامل مع مقاطع الطرق التي لا تتضمّن أسماء معروضة أو مراجع تتضمّن معرّفات فقط، كما يجمع البيانات في ملخّص تنفيذي.

   • ينشئ الوكيل الرد النهائي:

     "في يوم الجمعة 9 يناير 2026، في الساعة 5:00 مساءً، شهدت الطرق الأكثر ازدحامًا في وسط مدينة بوسطن أوقات تنقّل أطول بكثير من المدد الثابتة المعتادة. في ما يلي أهم 5 مقاطع طرق تشهد ازدحامًا استنادًا إلى نسبة المدة التي تراعي الازدحام إلى المدة الثابتة: "طرق المسار/CgkJZ-tTXuNcW4s: كان هذا المقطع الأكثر ازدحامًا، حيث بلغت مدة الرحلة 66 ثانية مقارنةً بالمدة الثابتة التي تبلغ 6 ثوانٍ فقط (نسبة الازدحام 11.0 مرة)..."

الخاتمة

من خلال فصل التفاعل الحواري وتجميع السرد عن إنشاء SQL منخفض المستوى واسترجاع البيانات، تعمل بنية RMI ADK Agent الهرمية على سد الفجوة بين مستودعات بيانات جغرافية مكانية معقدة والمستخدمين النهائيين. يؤدي عزل تنفيذ قاعدة البيانات ضمن وكيل فرعي متخصص إلى تعزيز التجزئة وإمكانية الصيانة والسلامة التشغيلية، مع تمكين صنّاع القرار من استخراج إحصاءات يمكن التحقّق منها بسرعة من خلال اللغة الطبيعية.

الخطوات التالية

• التخصيص حسب حالة الاستخدام: يمكنك تكييف تصميم الطلب وبنية الوكلاء المتعدّدين هذه لتناسب حالات الاستخدام الجغرافية المكانية أو التنظيمية المحدّدة.
• التوسّع باستخدام وكلاء تخطيط متخصصين: يمكنك دمج وكيل تخطيط مخصّص لتنظيم مهام سير العمل التحليلية المعقّدة والمتعدّدة الخطوات.
• دمج مصادر البيانات المتعدّدة الوسائط: يمكنك تحسين إحصاءات إدارة الطرق وحركة المرور من خلال دمج بيانات معلومات إدارة الطرق مع طبقات مكانية إضافية، مثل أحداث الطقس أو جداول الإنشاء أو خلاصات الحوادث المباشرة.
• النشر في بيئة الإنتاج: يمكنك نقل الوكيل من النموذج الأولي إلى بيئة إنتاج خاصة بالمؤسسة باتّباع دليل تسجيل وإدارة وكلاء ADK المستضافين على Gemini Enterprise Agent Platform.

المساهمون

Kel Markert | Cloud Geographer