PulseAugur
中
实时 08:27:22
English(EN) Mitigating Bus Bunching with Reinforcement Learning Enhanced by Semantic Stop Embedding

LLM增强的语义嵌入通过强化学习减少公交车拥挤

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的方法，利用由语义站点嵌入增强的强化学习来缓解公交车拥挤。该方法离线利用大型语言模型（LLM）创建公交站点丰富表示，整合了物理属性、上下文信息和历史数据。然后将这些嵌入集成到深度Q学习控制器中，与传统方法相比，显著减少了车头时距变异性、拥挤事件和乘客等待时间。研究还探讨了这些策略在不同公交线路之间的可迁移性，发现虽然零样本迁移有限，但微调可以加速学习并提高性能。 AI

影响 这项研究展示了LLM如何丰富强化学习代理的状态表示，有可能在交通运输以外的各个领域改进控制系统。

排序理由 该集群包含一篇详细介绍新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

LLM增强的语义嵌入通过强化学习减少公交车拥挤

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Xin Dong, Vikash V. Gayah ·

    利用强化学习结合语义站点嵌入缓解公交车扎堆现象

    arXiv:2608.10207v1 Announce Type: new Abstract: Bus bunching degrades service regularity and increases passenger waiting in high-frequency transit. Existing reinforcement-learning-based holding controllers primarily rely on instantaneous operational variables or route-specific st…

相关实体

相关话题