研究人员开发了一种新的自动驾驶汽车（AV）路径规划方法，该方法融入了社会化成分，以减轻对人类驾驶汽车（HDV）的负面影响。通过在AV奖励系统中引入“边际成本”，该成本考虑了AV路线选择对HDV出行时间的影响，该系统旨在提高整体交通效率。在Ingolstadt和Provins进行的实验表明，这种社会化路径规划策略不仅减少了HDV出行时间的增加，而且也使AV自身受益，与纯粹的自私路径规划相比，系统性能得到了提升。 AI
影响 这项研究表明，未来的自动驾驶汽车系统需要考虑社会影响，而不是仅仅优化单个车辆的效率。
排序理由 该集群包含一篇详细介绍自动驾驶汽车路径规划新方法的学术论文。
在 arXiv cs.MA (Multiagent) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2610.13439v1 Announce Type: cross Abstract: Collective Autonomous Vehicle (AV) route choices in real-world traffic networks can create externalities for Human-Driven Vehicles (HDVs), as routes that benefit AVs may increase travel times for other road users. To address this,…
Collective Autonomous Vehicle (AV) route choices in real-world traffic networks can create externalities for Human-Driven Vehicles (HDVs), as routes that benefit AVs may increase travel times for other road users. To address this, we introduce a social component, the marginal cos…