基于数据驱动的 AMoD 仿真行程时间时空缩放方法
系统与控制
2023-11-14 v1 系统与控制
摘要
随着按需出行(MoD)服务的广泛普及和自动驾驶车辆(AV)技术的进步，基于 AV 的 MoD(AMoD)服务的研究兴趣大幅增长。通常基于智能体的仿真框架利用当前出租车或 MoD 服务的出行数据来研究 AMoD 服务。为获得可靠的 AMoD 仿真结果，真实的城市路网和行程时间起着关键作用。然而，研究者往往无法获取与用于 AMoD 仿真的出行数据相对应的实际路网状态，这降低了结果的可靠性。因此，本文提出一种时空优化策略，利用仿真出行数据对路段级路网行程时间进行缩放，而无需关于路网状态的额外数据源。该方法在广泛使用的纽约市(NYC)出租车数据上进行了测试，结果表明使用缩放路网生成的行程时间与原始数据中记录的行程时间非常接近。此外，本文研究了使用缩放路网时 AMoD 仿真的性能差异。结果表明，真实的行程时间会显著影响 AMoD 仿真结果。
引用
@article{arxiv.2311.06291,
title = {Data-driven Spatio-Temporal Scaling of Travel Times for AMoD Simulations},
author = {Arslan Ali Syed and Yunfei Zhang and Klaus Bogenberger},
journal= {arXiv preprint arXiv:2311.06291},
year = {2023}
}