May, 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

PDF
TL;DR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。
urban air mobilityaviation safetyreinforcement learningdemand capacity balancingtactical deconfliction
发现论文，激发创造
  • 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

  • 高级空中机动性的应急管理中考虑深度强化学习时的权衡

    这篇论文探讨了在现代航空运输中引入的先进空中机动性（AAM）所带来的挑战和机遇，着重研究了自主运营需要的控制系统以及使用深度强化学习（DRL）技术进行演示环境中的危害减轻的比较。

    Jun, 2024

  • 基于强化学习的空中交通冲突解除

    本文使用强化学习算法，最小化无人机避障中的水平分离问题，将避障策略转化为一组航迹点，以满足安全需求，并在高保真模拟和实际飞行演示中进行了评估。

    Jan, 2023

  • 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

  • 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

  • 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

  • 将城市空中移动融入现有交通系统的模拟研究：一项调查

    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。

    Jan, 2023

  • 通过分布式强化学习与注意力网络提高自主分离保障

    Advanced Air Mobility 引入了一种新的高效的交通方式，利用车辆自动化和电动飞机在以前服务不足的市场之间提供越来越自主的交通。本文提出了一个基于去中心化强化学习框架的方法，在 AAM 走廊中利用速度和垂直机动提供自主的自主分离能力。通过引入注意力网络用于可变长度的观察处理和分布式计算架构，提高了模型的高训练样本吞吐量，并实现了在具有各种不确定性的高密度、动态环境中确保飞机安全和高效分离的目标。

    Aug, 2023

  • 基于数据驱动的空中交通管制员决策冲突解决方法预测

    本研究中，我们提出深度学习方法来学习空中交通管理领域的交通管制员解决冲突的反应，以增强冲突检测和解决任务的自动化，该方法通过预测可能违反飞机航迹之间的最小分隔约束的冲突解决时刻的轨迹点，来评估其准确性。

    May, 2022

  • 使用安全学习为城市空中移动调度

    本研究针对城市空中移动车辆之间的调度问题，提出使用马尔可夫决策过程和蒙特卡罗树搜索等方法来构建一个在线、安全的调度器，以保证硬性期限不会被错过，并最大程度地减少错过软性期限所带来的成本，结果表明与价值迭代和随机蒙特卡罗树搜索调度解决方案相比，本研究所提出的方法具有接近最优的非抢占式调度策略。

    Sep, 2022