TrafficMCTS：一种基于分组蒙特卡洛树搜索的闭环交通流生成框架
机器人学
2025-07-28 v3 多智能体系统
系统与控制
系统与控制
摘要
智能交通系统领域的交通流仿真正受到广泛关注，而生成真实、多样且类人的交通模式是必须解决的关键挑战。当前方法往往依赖于预定义的驾驶模型、目标优化或预先记录的驾驶数据集，限制了其可扩展性、通用性和适应性。本文提出 TrafficMCTS，一种创新框架，它利用基于分组的蒙特卡洛树搜索（MCTS）与社会价值取向（SVO）的协同作用，以产生具有不同驾驶风格与合作倾向的多面交通流。我们的框架以闭环架构为基础，使车辆能够实时动态适应环境，并确保可行且无碰撞的轨迹。通过与最先进方法的全面比较，我们阐明了该方法在计算效率、规划成功率、意图完成时间和多样性指标方面的优势。此外，我们模拟了多种场景以说明所提框架的有效性，并突出其在交通流中诱导多样社会行为的能力。最后，我们通过展示 TrafficMCTS 在复杂道路网络中高效模拟涉及众多交互车辆的多样交通场景、捕捉类人驾驶行为复杂动态的能力，验证了其对可扩展性的支持。
引用
@article{arxiv.2308.12797,
title = {TrafficMCTS: A Closed-Loop Traffic Flow Generation Framework with Group-Based Monte Carlo Tree Search},
author = {Ze Fu and Licheng Wen and Pinlong Cai and Daocheng Fu and Song Mao and Botian Shi},
journal= {arXiv preprint arXiv:2308.12797},
year = {2025}
}
备注
Published in IEEE Transactions on Intelligent Transportation Systems