研究人员开发了一个新的基于代理的建模框架，该框架集成了强化学习和多智能体强化学习来模拟认知智能货运走廊。该框架旨在通过实现车队编队和充电协调的自适应决策来改进联网和自动驾驶汽车（CAVs）的部署。初步结果表明，认知场景提高了吞吐量并减少了拥堵，而辅助场景通过车队编队节省了能源，并且与基于规则的方法相比，MARL协调在充电容量利用率方面更有效。 AI
影响 这项研究可能通过人工智能驱动的自动驾驶汽车自适应控制，实现更高效的物流和运输系统。
排序理由 该集群包含一篇研究论文，详细介绍了使用人工智能技术模拟智能货运走廊的新模拟框架。[lever_c_demoted from research: ic=1 ai=1.0]
- agent-based model
- arXiv
- Connected and Automated Vehicles Symposium
- Multi-agent reinforcement learning
- Mustafa Can Camur
- reinforcement learning
- vehicle-to-everything
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
