使用机器学习提升ATN（PRT）系统中的车辆交通
摘要：基于人工智能工具的技术提升自动化交通网络（ATN，此前称为个人快速交通-PRT）的论文。主要的方向是改进协商协议的自主模块之间的合作，遵循物联网（IoT）范例。其中一个目标是通过调整自主车辆的合作来增加ATN系统的吞吐量。通过机器学习（ML）改进了由人工编程人员设计的算法。我们使用了与几乎最优解相对应的“现有控制”，并建立了细化模型以更准确地将系统动态与其性能联系起来。最大程度影响ATN性能的机制是空车管理（EVM）。使用了人工编程人员设计的算法：调用空车等待乘客和基于空车重新分配实现更好定居规律的平衡。在本文中，我们讨论了如何使用ML来改进这些算法（并将它们调整到当前条件），以便根据个体行为策略进行定制。使用ML技术是可能的，因为我们的算法基于一组参数。可以调整一些权重和阈值，以便更好地决定跨轨道移动空车。
作者：Bogdan Czejdo, Wiktor B. Daszczuk, Miko{l}aj Baszun
论文ID：1712.05990
分类：Multiagent Systems
分类简称：cs.MA
提交时间：2017-12-19