时刻正确：受监管交通空间中的反应式推理

概率一阶逻辑中的精确推理为调控自动化代理在共享交通空间中的行为提供了有前景 yet 计算成本高的方法。虽然先前的方法已将逻辑和概率数据组合集成到决策框架中，但其应用常受限于预飞行检查，因为跨越大量可能的宇宙进行推理的复杂度较大。在本工作中，我们提出一种反应式任务设计框架，联合考虑不确定的环境数据和声明性、逻辑交通法规。通过将概率任务设计(ProMis)与由响应电路(RC)促进的反应式推理相结合，我们实现对混合域的在线、精确概率推理。我们的方法利用异构数据流中固有的变化频率，将推理公式划分为记忆化、隔离的任务，确保只有受新传感器数据影响的特定组件被重新评估。在涉及真实船舶数据和密集城市场景中模拟无人机交通的实验中，我们展示了我们的做法在ProMis没有反应范式的情况下实现了数量级的加速。这使智能交通系统（如无人机系统UAS）能够在操作期间主动断言安全和法律合规，而不仅仅依赖准备程序。