基于安全学习的城市空中交通调度
机器学习
2022-10-03 v1 人工智能
摘要
本工作考虑城市空中交通（UAM）飞行器在具有硬性和软性行程截止时间的情况下于起讫点之间行驶的调度问题。每条航线由行程完成时间（或延误）和该航线请求（或需求）到达间隔时间的离散概率分布，以及固定的硬性 or 软性截止时间描述。软性截止时间在被错过时会产生成本。我们开发了一种在线安全调度器，确保硬性截止时间永不被错过，并最小化错过软性截止时间的平均成本。系统被建模为马尔可夫决策过程（MDP），并使用安全基于模型的学习来寻找航线延误与需求的概率分布。蒙特卡洛树搜索（MCTS）最早截止时间优先（EDF）用于以在线方式安全探索所学模型，并制定近最优的非抢占式调度策略。这些结果分别与值迭代（VI）和 MCTS（随机）调度方案进行比较。
引用
@article{arxiv.2209.15457,
title = {Scheduling for Urban Air Mobility using Safe Learning},
author = {Surya Murthy and Natasha A. Neogi and Suda Bharadwaj},
journal= {arXiv preprint arXiv:2209.15457},
year = {2022}
}
备注
In Proceedings FMAS2022 ASYDE2022, arXiv:2209.13181