中文 English 联系我们

研究生工作
 当前位置:  首页 >> 学生工作

院级高等讲堂:基于相关均衡的实时路径诱导:一个双向深度强化学习框架
  发表时间:2024-05-23    阅读次数:

主讲人:贺晓征 副教授

邀请人:郭赟韬 助理教授

时间:2024527日(周一)上午10:00-11:30

地点:通达馆103会议室

主讲人简介:

贺晓征是美国伦斯勒理工学院土木与环境工程系副教授,兼任由沃尔沃研究与教育基金会资助的可持续城市货运系统卓越研究中心助理主任,负责可持续交通研究。他的主要研究方向包括交通系统建模、分析和计算机模拟,涵盖交通管理建模与算法设计、基础设施韧性分析、新能源车辆发展规划以及车联网建模、分析和车流控制。贺晓征是美国土木工程师学会(ASCE)卓越教师奖学金、IEEE智能交通会议最佳论文、和美国国家科学基金会职业生涯奖(CAREER Award) 等奖项获得者。贺博士目前担任Transportation Research Part B编委,Frontiers in Future Transportation副主编,世界交通运输大会交通网络分析与优化技术委员会联合主席,美国交通研究协会交通网络建模委员会委员,以及纽约州智能交通委员会委员。他长期为美国国家科学基金会、美国交通部大学交通研究中心、香港研究资助局和智利国家科学技术发展基金担任科研项目评委。贺博士已发表学术著作逾110篇,其中30余篇发表在Transportation ResearchTransportation ScienceIEEE Transactions on ITS等著名期刊上。

主讲内容简介:

智能网联汽车因其具备高效通信和自动驾驶能力,为缓解交通拥堵提供了全新的视角。本研究通过探讨提供实时路径诱导信息来促进智能网联汽车之间合作,从而缓解交通拥堵。此报告将展示一个双向深度强化学习框架,其中单个智能网联汽车可以实时学习最佳路径以缩短行程时间。与此同时,信息提供者利用系统侦测数据来学习最优路径诱导策略,以达到减少交通拥堵。这种方法有助于缓解在传统路径诱导中个体层面和系统层面目标之间的冲突。该框架建立在相关均衡(一类更宽泛的纳什均衡)概念基础上。理论分析和仿真表明,在该框架是可以实现相关均衡的,既能一定程度上确保减少拥堵,又能保障个体用户的主观感知最优。该研究强调了信息共享在促进智能网联汽车之间合作方面的潜力,有助于提高交通路网效率,为实现智能交通系统中的各类系统目标铺平道路。

欢迎各位老师、同学参加院级高等讲堂!

36365线路检测中心no1研究生会
36365线路检测中心no1青年教师沙龙