GARLIC: 使用GPT增强强化学习与智能控制的车辆调度
机器学习
2024-12-17 v3 人工智能
摘要
随着城市居民对出行质量要求的提高，车辆调度已成为在线网约车服务的关键组成部分。然而，当前的车辆调度系统难以应对城市交通动态的复杂性，包括不可预测的交通状况、多样的驾驶员行为以及波动的供需模式。这些挑战导致某些区域的乘客出行困难，而其他区域的许多驾驶员无法接到订单，从而降低了城市交通服务的整体质量。为解决这些问题，本文提出了GARLIC：一个用于车辆调度的GPT增强强化学习与智能控制框架。GARLIC利用多视角图来捕捉层次化交通状态，并学习考虑个体驾驶行为的动态奖励函数。该框架进一步集成了一个使用自定义损失函数训练的GPT模型，以实现高精度预测并优化真实场景中的调度策略。在两个真实数据集上进行的实验表明，GARLIC能够有效对齐驾驶员行为，同时降低车辆空载率。
引用
@article{arxiv.2408.10286,
title = {GARLIC: GPT-Augmented Reinforcement Learning with Intelligent Control for Vehicle Dispatching},
author = {Xiao Han and Zijian Zhang and Xiangyu Zhao and Yuanshao Zhu and Guojiang Shen and Xiangjie Kong and Xuetao Wei and Liqiang Nie and Jieping Ye},
journal= {arXiv preprint arXiv:2408.10286},
year = {2024}
}
备注
Accepted by AAAI 2025