基于学习的自动驾驶按需出行车队在线优化控制

自动驾驶按需出行系统是解决城市中与交通相关的诸多外部性（如城市地区车辆数量增长和交通相关污染）的可行替代方案。然而，这些系统的成功高度依赖于高效且有效的车队控制策略。在此背景下，我们研究自动驾驶按需出行系统的在线控制算法，并开发了一种新颖的混合组合优化增强机器学习流水线，该流水线从最优全信息解中学习在线调度与再平衡策略。我们在具有不同车辆车队规模和多种请求规模的大规模真实场景上测试了我们的混合流水线。我们表明，相较于最先进的贪婪方法和模型预测控制方法，我们的方法在各种KPI上表现更优，例如在已实现利润方面最高提升17.1%，平均提升6.3%。