学习助力应急车辆更快抵达：一种协同车路调度方法
人工智能
2022-02-22 v1
摘要
日益严重的交通拥堵可能阻碍应急车辆（EVs）的通行，对关键服务乃至人民生命安全造成不利影响。因此，提出一种高效的调度方法以帮助 EVs 更快抵达具有重要意义。现有的以车辆为中心的调度方法旨在基于当前交通状况为 EVs 推荐最优路径，而以道路为中心的调度方法旨在改善交通状况并为 EVs 分配更高的路口通行优先级。基于实时车路信息交互与策略协调可带来更多收益的直觉，我们提出 LEVID，一种基于学习的协同车路（VEhIcle-roaD）调度方法，包含实时路径规划模块与协同交通信号控制模块，二者相互交互并迭代决策。实时路径规划模块改造人工势场法以应对交通信号的实时变化并避免陷入局部最优。协同交通信号控制模块利用图注意力强化学习框架提取不同路口的潜在特征并抽象其相互作用以学习协同策略。基于多个真实世界数据集的大量实验表明，我们的方法优于最先进的基线方法。
引用
@article{arxiv.2202.09773,
title = {Learning to Help Emergency Vehicles Arrive Faster: A Cooperative Vehicle-Road Scheduling Approach},
author = {Lige Ding and Dong Zhao and Zhaofeng Wang and Guang Wang and Chang Tan and Lei Fan and Huadong Ma},
journal= {arXiv preprint arXiv:2202.09773},
year = {2022}
}
备注
13 pages, 10 figures