结合战略需求容量平衡与基于学习的战术冲突解脱的UAM综合冲突管理
人工智能
2023-05-19 v1
摘要
城市空中交通（UAM）有潜力革新我们的日常交通，在都市环境内部及周边的专用地点间提供乘客与货物的快速高效运送。然而，在此新兴交通模式商业化与普及之前，必须保障航空安全，即所有航空器须通过战略与战术冲突解脱实现安全间隔。强化学习已在仿真中展现出对航路商用空中交通战术冲突解脱的有效性。但其性能被发现依赖于交通密度。在本项目中，我们提出一种新颖框架，结合用于战略冲突管理的需求容量平衡（DCB）与用于战术间隔的强化学习。通过使用DCB将交通预调节至适当密度水平，我们表明强化学习可为战术安全间隔取得远优性能。我们的结果还表明，此种DCB预处理可达成否则无法达到的安全目标水平。此外，将战略DCB与用于战术间隔的强化学习结合，能在达成这些安全水平的同时，比替代方案获得更高的运行效率。
引用
@article{arxiv.2305.10556,
title = {Integrated Conflict Management for UAM with Strategic Demand Capacity Balancing and Learning-based Tactical Deconfliction},
author = {Shulu Chen and Antony Evans and Marc Brittain and Peng Wei},
journal= {arXiv preprint arXiv:2305.10556},
year = {2023}
}