面向噪声的生成式微观交通仿真
系统与控制
2025-08-12 v1 人工智能
多智能体系统
机器人学
系统与控制
摘要
准确建模微观交通仿真中单个车辆的行为仍是智能交通系统中的关键挑战，因为需要车辆真实地生成和响应如幽灵交通拥堵等复杂交通现象。虽然传统的人类驾驶员仿真模型具有计算可行性，但通过抽象化处理来实现这一点，却去除了构成人类驾驶的复杂性。另一方面，近期进展中的基于基础设施安装摄像头的道路感知技术，使得可以从车辆轨迹数据中提取信息，为向基于生成的、基于代理的方法转变提供了机会。然而，一个主要瓶颈仍然存在：大多数现有数据集要么过于清洁，要么缺乏标准化，无法反映真实世界感知的嘈杂、不完美的本质。与车载传感器数据不同后者可以通过重叠视场和传感器融合来缓解遮挡等感知伪影，基础设施传感器暴露了交通工程师所面临的更加杂乱、更加实际的挑战。为此，我们提出I-24 MOTION Scenario Dataset (I24-MSD)-一个标准化、精选的数据集，旨在保留真实水平的感知不完美，拥抱这些错误作为学习问题的一部分，而非仅从预处理中克服。drawing from noise-aware learning strategies in computer vision, we further adapt existing generative models in the autonomous driving community for I24-MSD with noise-aware loss functions.我们的结果表明，这些模型不仅在现实性方面优于传统基线，还从积极地与数据不完美性交互方面受益。我们将I24-MSD视为通向下一代微观交通仿真的一步，拥抱现实挑战，更好地与实际需求相匹配。
引用
@article{arxiv.2508.07453,
title = {Noise-Aware Generative Microscopic Traffic Simulation},
author = {Vindula Jayawardana and Catherine Tang and Junyi Ji and Jonah Philion and Xue Bin Peng and Cathy Wu},
journal= {arXiv preprint arXiv:2508.07453},
year = {2025}
}