Jan, 2023

将城市空中移动融入现有交通系统的模拟研究：一项调查

PDF
TL;DR本文通过模拟技术对城市规模交通运输中的城市空中流动性进行调查，并确定了城市空中流动性集成到现有交通系统中的关键挑战和机遇，包括对现有交通模式和拥堵的影响，安全分析和风险评估，潜在的经济和环境效益，以及城市空中流动性和地面交通的共享基础设施和路线的发展。调查提供了目前城市空中流动性研究的全面概述，并突出了未来研究和发展的关键领域。
发现论文，激发创造
  • 基于图学习的城市空中交通管理垂直港决策支持快速方案

    本文提供了一种应用图强化学习来解决城市空中移动（UAM）- 垂直港口调度管理（UAM-VSM）问题的新方法，通过使用图卷积网络（GCN）进行功能提取，并通过感知器层来决定不同动作，从而优于基本的强化学习或随机选择基准。

    Aug, 2023

  • 城市空中移动的自组织到达系统

    城市空中移动是一种创新的交通方式，其中电动垂直起降（eVTOL）飞行器在被称为垂直机场的节点之间运行。我们基于深度强化学习，概述了一种自组织垂直机场到达系统。我们研究了在训练过程中强化学习策略的发展，并且展示了算法从次优的局部保持模式逐步转变为安全高效的最终策略。后者通过基于仿真的场景验证，并在小型无人机上进行了真实世界可用性的展示。

    Apr, 2024

  • 用于城市空中移动中湍流预测的无线异步联邦傅里叶神经网络

    本文提出了一个空间模型去特征化无人机通信的信号质量，基于这个模型设计了一个基于傅里叶神经网络的异步联邦学习框架，可以用于风暴使用环境下的无人机飞行情况的有效预测。模拟结果显示该框架比同步联邦学习和无须处理过期数据的异步联邦学习方法更快地达到了最优解，同时提供了不同参数设置下无线连通性和风暴模型收敛的性能表现。

    Dec, 2021

  • 深度强化学习方法评估城市空中移动低空领域的容量

    本文提出了一种自主 UAV 路径规划框架，采用深度强化学习方法和深度确定性策略梯度算法，通过调整加速度，使无人机在任意环境中在最短时间内到达目的地，回避任何动态或静态障碍物，并避免进入其路 径上现有的先前许可区域，这有助于提高城市空中移动的有效空间容量。

    Jan, 2023

  • 通过战略需求容量平衡和基于学习的战术去冲突实现 UAM 的一体化冲突管理

    该研究提出一种将需求能力平衡与强化学习相结合的新框架，用于解决城市空中移动上的战略冲突管理和战术安全分离问题，结果表明，这种预调整方法可以使得目标安全水平得到满足，同时在实现更高操作效率的同时提高空中交通的安全性。

    May, 2023

  • 面向 AAM 应急管理的标准化强化学习框架

    通过整合 AAM-Gym 仿真框架中的紧急情况管理 MDP，本研究将紧急情况管理问题作为 Markov 决策过程，并将其快速原型化为强化学习算法，从而为未来算法开发提供一个社区基准。

    Nov, 2023

  • 提高城市机动性：利用人工智能和新技术连接供需

    本研究综述了作者团队的研究成果，讨论了城市流动性、智能交通系统、需求管理、人工智能和计算视觉等方面的综合性研究。

    Mar, 2022

  • 基于图学习的城市空中移动车队调度：面向运营约束、需求变动和不确定性

    本文提出了一种基于图强化学习的方法，用于在线规划多个垂降站之间的电动飞机航班和目的地。训练数据表明，这种方法在性能和效率方面表现优秀。

    Jan, 2024

  • 人类主管与 UAM 航空交通管理之间的对话可能性：航路更改

    该研究提出了一种新的方法来通过知识表示和推理来管理城市航空交通管理中的绕行，旨在了解城市空中交通管理中绕行的复杂性和需求，从而实现在精心选择的环境中快速识别安全高效路线的方法。该方法使用非单调推理和人工管理者与城市空中交通管理系统之间的双向对话，考虑了安全和潜在影响等因素，通过两个模拟场景的多个查询验证了所提出方法的鲁棒性和有效性，为人类知识与先进人工智能技术的共生做出了贡献。

    Aug, 2023

  • AAM-Gym：先进空中移动人工智能测试平台

    介绍 AAM-Gym，这是一种研究开发测试平台，用于测试先进空中机动性 (AAM)。使用 AAM-Gym，本文研究了两种强化学习算法在 AAM 走廊分离保障案例中的绩效，并演示了算法的性能。

    Jun, 2022