面向城市空中出行：实时通信感知的共享乘车路线规划——多源混合注意力强化学习方法
机器人学
2025-07-22 v1 人工智能
摘要
城市空中出行（UAM）系统正快速崛起，成为缓解城市拥堵的有前景解决方案，其中路径规划成为关键关注领域。不同于地面交通，UAM轨迹规划需优先保证通信质量，以应对不断变化的环境实现精准定位，确保安全。同时，作为空中出租车的UAM系统需要适应性规划，以响应实时乘客请求，尤其在共享乘车场景下，乘客需求具有不可预测和动态的特性。然而，基于预定义路径的常规轨迹规划策略缺乏灵活性，难以满足多样化的乘客乘车需求。为此，本文首先提出构建无线电地图，以评估城市空空域的通信质量。此基础上，我们引入一种新型的多源混合注意力强化学习（MSHA-RL）框架，以有效聚焦于乘客和UAM位置，既克服了表示维度差异带来的挑战。该模型首先生成不同数据源之间的对齐，再采用混合注意力机制平衡全局与局部见解，从而实现响应式、实时路径规划。广泛的实验结果表明，该方法实现了符合通信要求的轨迹规划，减少旅行时间，提升运营效率，同时优先保障乘客安全。
引用
@article{arxiv.2507.14249,
title = {Real-Time Communication-Aware Ride-Sharing Route Planning for Urban Air Mobility: A Multi-Source Hybrid Attention Reinforcement Learning Approach},
author = {Yuejiao Xie and Maonan Wang and Di Zhou and Man-On Pun and Zhu Han},
journal= {arXiv preprint arXiv:2507.14249},
year = {2025}
}