不确定性下基于无人机的动态交通监测作为一种随机弧库存路径策略
最优化与控制
2020-08-14 v1
摘要
鉴于无人机（unmanned aerial vehicles，或 drones）的快速发展以及城市层面交通监测的日益增长需求，如何跨多个周期系统性地部署无人机是当前的研究空白之一。我们提出了一种实时数据驱动的方法：我们构建了首个确定性弧库存路径问题（arc-inventory routing problem）并推导了其随机动态策略。该策略预期在不确定性最高且代价最大的场景中具有最大价值，例如重大事件期间的城市交通监测。所提库存路径策略的近似 Bellman 方程被表述为一个选择性车辆路径问题（selective vehicle routing problem）。我们提出了一种基于最小二乘蒙特卡洛（Least Squares Monte Carlo）模拟的近似动态规划算法来寻找该策略。该算法经过了修改，使得最小二乘的因变量被定义为“下次补货时的预期缺货成本”。在选择性车辆路径问题的 5 个时间段的 30 个实时轨迹模拟实例上测试了新算法，以评估所提出的策略和算法。所选实例上的计算结果表明，根据参数设计的不同，该算法在这些测试中比近视策略（myopic policy）高出 23% 至 28%。在经典的基准弧路径问题实例上进行了进一步测试。11 条边的实例 gdb19 被扩展为一个 15 个时段的顺序随机动态示例，用于说明为何简单的静态多周期部署计划在真实网络中会无效。
引用
@article{arxiv.1609.03201,
title = {Dynamic UAV-based traffic monitoring under uncertainty as a stochastic arc-inventory routing policy},
author = {Joseph Y. J. Chow},
journal= {arXiv preprint arXiv:1609.03201},
year = {2020}
}