arXiv cs.AI· Anastasia Psarou, Mikolaj Rams, Blazej Torbus, Rafal Kucharski·· 6 天前AI 评分22
集体自动驾驶车辆路由需具备社会意识才能与人类驾驶员共存
Collective Autonomous Vehicle Routing Needs Social Awareness for Coexistence with Human Drivers
AI 导读
研究将边际成本引入自动驾驶车辆（AV）的自私行驶时间奖励，用多智能体强化学习（MARL）在 Ingolstadt 和 Provins 真实路网中研究混合自动驾驶场景下的路由选择。
正文 · AI 翻译
摘要：真实交通网络中集体自动驾驶汽车（AV）的路线选择可能对人类驾驶车辆（HDV）产生外部性，因为有利于 AV 的路线可能会增加其他道路使用者的出行时间。为解决这一问题，我们在自私的出行时间 AV 奖励中引入了一个社会性组件——边际成本。边际成本通过将其他道路使用者的出行时间与移除该 AV 的反事实模拟中的出行时间进行比较，来捕捉 AV 对其他道路使用者的影响。
我们使用多智能体强化学习（MARL）研究混合自动驾驶交通场景中的 AV 路线选择，其中 AV 通过与交通环境的反复交互学习路线策略。在 Ingolstadt 和 Provins 的真实网络上的实验表明，将边际成本纳入 AV 奖励不仅能限制 HDV 出行时间的增加，并相对于自私的 AV 路线选择缩短 AV 的出行时间，还能提升整体系统性能。在 Ingolstadt，40\% 的 AV 采用自私路线选择会使其他车辆的出行时间增加 1.7\%，而当纳入社会性奖励时，这一增幅降至 1.1\%。有趣的是，不仅整体系统性能得到提升，AV 在采取行动时也获益更多，这一 http URL 效应在测试的城市、渗透率和重复实验中保持一致，然而当奖励中社会性组件的权重增加时，系统无法达到期望的性能。
为了在混合自动驾驶交通中实现更具可扩展性的社会性 AV 路线选择，我们仅对路线选择对交通系统影响最大的 AV 计算边际成本。这减少了反事实模拟的次数，并以显著更低的计算成本达到相似的性能。我们的结果表明，AV 路线选择应超越自私奖励，为了所有交通参与者的利益，在其目标中包含社会性组件。
| 主题： | 多智能体系统（cs.MA）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.13439 [cs.MA] |
| （或 arXiv:2610.13439v1 [cs.MA] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.13439 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Anastasia Psarou [查看电子邮件]
[v1]
2026年10月9日星期五 11:37:47 UTC（729 KB）
来源：arXiv cs.AI · arxiv.org