基于 Frank-Wolfe 优化的可扩展且拥塞感知的自动驾驶按需出行车辆路由
最优化与控制
2019-03-12 v1 数据结构与算法
机器人学
摘要
我们考虑自动驾驶按需出行（AMoD）系统的车辆路由问题，其中一支自动驾驶车辆车队在给定环境中提供按需出行服务。具体而言，任务是为车辆（包括载客与空驶）计算路线，以 fulfilled 出行需求并最小化运营成本。路由过程必须考虑影响行程时间的拥塞效应，该效应通过体积-延迟函数（VDF）建模。带 VDF 约束的路由规划众所周知具有挑战性，因为此类约束加剧了路由优化问题的组合复杂度。因此，当前 AMoD 路由方案诉诸于对拥塞约束的松弛，从而在最优性与计算效率之间做权衡。本文提出首个计算高效的 AMoD 路由方法，其中显式考虑了 VDF 约束。我们证明，相较于现有最优方法，我们的方法速度至少快一个数量级，同时给出更高质量的求解。从方法论角度看，关键技术洞见在于建立 AMoD 路由问题到经典交通分配问题（一种无空驶车辆的 related 车辆路由问题）的数学归约。这一归约使我们能够将交通分配中强大的算法工具——结合经典 Frank-Wolfe 算法与现代路径搜索技术——拓展至 AMoD 路由问题。我们就返回解的近最优性为方法提供了强有力的理论保证。
引用
@article{arxiv.1903.03697,
title = {Scalable and Congestion-aware Routing for Autonomous Mobility-on-Demand via Frank-Wolfe Optimization},
author = {Kiril Solovey and Mauro Salazar and Marco Pavone},
journal= {arXiv preprint arXiv:1903.03697},
year = {2019}
}