自主乘用车运输系统的可重复性研究

自主乘用车运输系统（AMoD）凭借机器人、控制与机器学习（ML）的进展，为未来城市交通提供了具有前景的范式。AMoD 通过利用对自主车队进行集中式控制来优化运营并提升服务性能，提供快速且个性化的旅行服务。然而，该领域的快速发展已超过了标准化实践在评估和报告结果方面的发展，导致可重复性面临重大挑战。随着 AMoD 控制算法日益复杂和数据驱动，模型假设、实验设置和算法实现透明度不足，阻碍了科学进步并削弱了结果可信度。本文对 AMoD 研究中的可重复性进行系统性研究。我们识别出贯穿研究管线的关键组件，涵盖系统建模、控制问题、仿真设计、算法规格和评估，并分析常见的不可重复性来源。我们调查了文献中流行的做法，概述了差距，并提出了结构化框架以评估和改进可重复性。具体地，提出了具体指南，并提供了“可重复性检查清单”，以支持未来工作实现可复制、可比较和可扩展的结果。虽然本文聚焦于 AMoD，但我们所倡导的原则和做法可推广至更广泛的依赖于网络化自主性和数据驱动控制的仿生系统。本 work 旨在为智能交通系统的设计和部署建立更透明和可重复的研究文化。