وكيل الذكاء الاصطناعي في Roads Management Insights

**ملاحظة مهمة:** قبل أن تتمكّن من طلب بيانات Roads Management Insights، عليك أولاً الاشتراك في مجموعة بيانات Boston RMI Demo Sharing (أو شراء اشتراك في مجموعة بيانات RMI لموقعك الجغرافي) والوصول إلى Gemini API.

الهدف

يوفّر وكيل حزمة تطوير الوكلاء (ADK) في Roads Management Insights (RMI) واجهة بلغة طبيعية لطلب بيانات RMI وتحليلها المخزّنة في Google BigQuery. من خلال الاستفادة من حزمة تطوير الوكلاء (ADK) والنماذج اللغوية الكبيرة من Gemini، يتيح هذا الوكيل للمستخدمين استخراج إحصاءات قابلة للتنفيذ من مجموعات بيانات واسعة النطاق لشبكة الطرق والزيارات بدون كتابة طلبات SQL معقّدة يدويًا.

البنية المرجعية

تتألف البنية من نظام وكلاء هرمي حيث يخطّط وكيل جذر تفاعلات المستخدمين وينسّقها، ويفوّض مهام استرجاع بيانات محدّدة وإنشاء لغة SQL إلى وكيل فرعي متخصص.

المكونات

1- وكيل RMI (الوكيل الجذر)

• الدور: واجهة المحادثة الأساسية ومنسّق المهام
• المسؤوليات:
  • الاحتفاظ بسياق المحادثة المترابطة
  • تقسيم الطلبات باللغة الطبيعية إلى مهام تحليلية قابلة للتنفيذ
  • تفويض مهام استرجاع البيانات المنظَّمة إلى وكيل BigQuery
  • تجميع البيانات الجدولية الأوّلية التي يعرضها الوكيل الفرعي في إحصاءات موجزة وسهلة القراءة

2- وكيل BigQuery (الوكيل الفرعي)

• الدور: وكيل متخصص في ترجمة لغة SQL وتنفيذ قاعدة البيانات
• المسؤوليات:
  • ترجمة التعليمات باللغة الطبيعية من الوكيل الجذر إلى طلبات SQL محسّنة في BigQuery
  • تنفيذ طلبات البحث مباشرةً على مجموعة بيانات BigQuery التي تم ضبطها
  • عرض نتائج طلبات البحث الأوّلية وغير المعدَّلة على الوكيل الجذر

3- مجموعة بيانات BigQuery

• الدور: مستودع بيانات تحليلي مستنِد إلى السحابة الإلكترونية
• المحتوى: جداول بيانات إدارة الطرق (RMI)، بما في ذلك historical_travel_time وrecent_roads_data، منظَّمة وفقًا لـ مخطط RMI BigQuery.

4- Google GenAI

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

سير 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 توفير بيانات الزيارات التجريبية، ويصوغ تعليمات محدّدة لاسترجاع البيانات للوكيل الفرعي.
3. التفويض: يستدعي وكيل RMI وكيل BigQuery باستخدام التعليمات المنظَّمة والقيود الزمنية أو المكانية ذات الصلة.
4. إنشاء لغة SQL: بالاستفادة من فهمه لمخطط RMI، ينشئ وكيل BigQuery طلب SQL محسّنًا في BigQuery.
5. التنفيذ واسترجاع البيانات: ينفّذ وكيل BigQuery طلب البحث على مجموعة بيانات BigQuery الأساسية ويسترجع السجلات الجدولية الناتجة.
6. تجميع الرد: يعرض وكيل BigQuery البيانات الأوّلية غير المعدَّلة على وكيل RMI، الذي يفسّر النتائج ويحلّ معرّفات الطرق المفقودة وينشئ ردًا واضحًا باللغة الطبيعية للمستخدم.

مثال على سيناريو

التحدّي

يحتاج أحد مخطّطي المدن إلى تقييم الازدحام المروري في شبكة طرق حضرية لتحديد ما إذا كان يجب تعديل أوقات الإشارات المرورية خلال ساعات الذروة في فترة التنقّل المسائية.

سير الحل

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

   "حدِّد الطرق الخمس الأكثر ازدحامًا في وسط مدينة بوسطن يوم الجمعة الماضي في الساعة 5 مساءً."

2. معالجة الوكيل:

   • يحلّل وكيل RMI الطلب. ويحدّد الموقع الجغرافي المستهدَف ("وسط مدينة بوسطن") والفترة الزمنية ("يوم الجمعة الماضي في الساعة 5 مساءً") والهدف التحليلي ("الطرق الخمس الأكثر ازدحامًا"). ويحدّد أنّه يجب قياس "الازدحام" كنسبة مدة الرحلة في الوقت الفعلي إلى المدة الثابتة (duration_in_seconds / static_duration_in_seconds).

   • يفوّض استرجاع البيانات إلى وكيل BigQuery باستخدام تعليمات منظَّمة:

     "ابحث عن أجزاء الطرق في وسط مدينة بوسطن واعرض أفضل 5 أجزاء تتضمّن أعلى نسبة ازدحام ليوم الجمعة 9 يناير 2026 في الساعة 5:00 مساءً."

3. استرجاع البيانات:

   • يترجم وكيل BigQuery هذه التعليمات إلى طلب SQL يستهدف جدول historical_travel_time، ويحسب نسبة الازدحام ويطلب النتائج لتحديد أفضل 5 أجزاء.
   • ينفّذ طلب البحث على BigQuery.
   • يعرض BigQuery نتائج جدولية أوّلية، مثل (segment_id, display_name, duration_in_seconds, static_duration_in_seconds, congestion_ratio).

4. إنشاء الإحصاءات:

   • يعرض وكيل BigQuery القائمة الأوّلية لأجزاء الطرق على وكيل RMI.
   • يحلّل وكيل RMI السجلات، ويتعامل مع أجزاء الطرق التي لا تتضمّن أسماء عرض أو مراجع تتضمّن المعرّف فقط، ويجمع 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 سفر أعلى بكثير من المدد الثابتة المعتادة. في ما يلي أفضل 5 أجزاء طرق تتضمّن أعلى نسبة ازدحام استنادًا إلى نسبة المدة التي تراعي الزيارات إلى المدة الثابتة: Route roads/CgkJZ-tTXuNcW4s: كان هذا الجزء الأكثر ازدحامًا، حيث بلغت مدة السفر 66 ثانية مقارنةً بمدة ثابتة تبلغ 6 ثوانٍ فقط (نسبة ازدحام تبلغ 11.0x)..."

الخاتمة

من خلال فصل التفاعل الحواري وتجميع السرد عن إنشاء لغة SQL على مستوى منخفض واسترجاع البيانات، تسدّ بنية وكيل حزمة تطوير الوكلاء (ADK) الهرمية في RMI الفجوة بين مستودعات البيانات الجغرافية المكانية المعقّدة والمستخدمين النهائيين. يؤدي عزل تنفيذ قاعدة البيانات ضمن وكيل فرعي متخصص إلى تعزيز التنظيم وسهولة الصيانة والسلامة التشغيلية، مع منح صنّاع القرار إمكانية استخراج إحصاءات يمكن التحقق منها بسرعة من خلال اللغة الطبيعية.

الخطوات التالية

• التخصيص لحالة الاستخدام: يمكنك تكييف بنية الوكلاء المتعددة و تصميم التعليمات لتناسب حالات الاستخدام الجغرافية المكانية أو التنظيمية المحدّدة.
• التوسيع باستخدام وكلاء تخطيط متخصصين: يمكنك دمج وكيل تخطيط مخصّص لتنسيق مهام سير العمل التحليلية المعقّدة والمتعددة الخطوات.
• دمج مصادر البيانات المتعددة الوسائط: يمكنك إثراء الإحصاءات حول إدارة الزيارات والطرق من خلال الجمع بين بيانات RMI وطبقات مكانية إضافية، مثل الأحداث الجوية أو جداول البناء أو خلاصات الحوادث المباشرة.
• النشر في بيئة الإنتاج: يمكنك نقل الوكيل من النموذج الأوّلي إلى بيئة إنتاج مؤسسية باتّباع دليل تسجيل وكلاء ADK وإدارتهم المستضافين على منصة وكيل Gemini Enterprise.

المساهمون

كيل ماركرت | خبير جغرافي في السحابة الإلكترونية