高效城市交通优化的 ASP 框架
本文提出了一个民间最优控制框架,该方法可以协调联网和自动化的车辆穿过城市区域的相邻两个交叉口,并优化车辆加减速度降低油耗,保证在不使用交通信号灯的情况下交叉口的流畅与行车安全和避免拥堵。最后在仿真实验中证实了该方法的有效性,并表明车辆油耗和行程时间均可以大大降低。
Sep, 2015
该论文提出了一种使用智能交通管理基础设施来管理未来城市道路网络的分布式机制,其中智能自主车辆通过软件代理操作以安全高效地穿过道路网络,并结合竞争性市场所得到的交通分配策略,构建了一个自上而下的管理机制。
Jan, 2014
本文介绍了 SUMMIT 模拟器,它使用开源 OpenStreetMap 地图数据库和我们早期工作中开发的多智能体运动预测模型,在密集的、无规则的城市交通中模拟异构智能体的行为,支持感知、车辆控制和规划以及端到端学习等广泛应用,在具有挑战性的拥挤驾驶场景中生成复杂、逼真的交通行为,并提供上下文感知的规划器和基准测试场景。
Nov, 2019
本文研究了一种通过马尔可夫决策过程和强化学习算法来优化交通信号控制的方法,使用模拟软件 SUMO 模拟了一个城市交叉口,讨论了循环调度器,反馈控制机制和深度 Q 网络等不同策略及其对交通流的影响,最终在班加罗尔的一个真实交叉口进行了测试验证。
Sep, 2021
我们提出了一种在答案集编程(ASP)中进行路由和调度的替代方法,并在多智能体路径规划的背景下进行了探索。这种方法捕捉了时间流的部分顺序而不是与行动和谓词相关联的时间步骤,终止了对计划长度的固定上界的需求。这种避免的代价是(部分)时间轨迹必须是无环的,因为不能再区分相同行动或谓词的多次出现。虽然这种方法为建模路由提供了一个有趣的替代方案,但对于调度来说却没有替代方案,因为精细化的计时无法以可行的方式在 ASP 中表示。而部分顺序可以通过外部手段(例如无环性和差别约束)进行高效处理。我们对这个想法进行了形式化的详细阐述并提出了几种结果的 ASP 编码。最后,我们通过实证分析证明了它们的有效性。
Mar, 2024
该研究使用知识图谱模拟交通拥堵问题,并利用负载平衡、优化算法来识别无拥堵的道路网络,同时训练 RNN-LSTM 深度学习模型进行交通预测,结果表明基于图形的交通模拟,辅以 AI ML 交通预测可更有效地估计道路网络的拥堵程度。
Apr, 2023
通过开发基于 ASP 的代理体系结构和推理算法,并结合集中式推理、分散式推理、执行监控以及网络通信推理,来解决在动态环境下协调无人机团队的挑战。
May, 2014