Повышение эффективности автопоездов большого масштаба: подход к обучению с подкреплением на основе вложенного графа для улучшения принятия решений
Технология патрулирования способна точно контролировать автомобили, оптимизировать поток трафика и увеличивать энергоэффективность. Патрулирование снижает аэродинамическое сопротивление, повышает топливную эффективность и увеличивает пропускную способность дороги, позволяя автомобилям двигаться близко друг к другу и в унисон. Однако возникает ряд проблем при создании крупномасштабных смешанных патрулей, включающих автомобили с разными уровнями автоматизации, интеллекта и коммуникационных возможностей.
Проблема виртуальных заторов
Одной из крупнейших проблем является образование виртуальных заторов. Они возникают из-за аномалий в поведении и реакции автомобилей, что приводит к нарушениям плавного движения в патруле. Виртуальные заторы обычно возникают из-за разнообразия автомобилей в патруле, где различия в стиле вождения, времени реакции и коммуникационных возможностях могут привести к уменьшению проходимости трафика и большему расходу энергии.
Решение проблемы
Уникальный подход к принятию решений на основе обучения с подкреплением на основе графа улучшает кооперативное принятие решений в патруле для уменьшения трафика и повышения энергоэффективности. Механизм многоголового внимания строит пространственно-временной взвешенный граф, что значительно улучшает способность модели обрабатывать как локальные, так и глобальные данные, предсказывая и реагируя на изменения в трафике для более эффективной и стабильной работы патруля.
Эффективность подхода
Эффективность подхода продемонстрирована через серию тестов с использованием набора данных I-24. Эксперименты показали улучшение энергоэффективности на 9% и повышение проходимости трафика на 10% по сравнению с базовыми методами.
Вывод
Внедрение обучения с подкреплением на основе вложенного графа является значительным шагом в решении проблем, возникающих при создании крупномасштабных смешанных патрулей. Улучшение способности патрулей адаптироваться к различным конфигурациям автомобилей и непредсказуемым трафиковым ситуациям может привести к повышению эффективности и устойчивости транспортных систем в будущем.