基于多智能体强化学习的城市空中交通流量管理与冲突解脱系统.docxVIP

PAGE2

基于多智能体强化学习的城市空中交通流量管理与冲突解脱系统

摘要

伴随着城市空中交通概念的兴起，电动垂直起降飞行器在低空空域的大规模运行已成为未来城市立体交通的必然趋势。

然而，低空空域资源有限，飞行器数量激增将导致空域拥堵与飞行冲突频发，传统集中式空中交通管理方法难以应对高密度、高动态的飞行环境。

本课题以城市低空空域多飞行器运行场景为研究对象，设计并实现一种基于多智能体强化学习的流量管理与冲突解脱系统。

系统首先建立城市低空空域多飞行器运行模型，涵盖空域离散化、飞行器运动学、航路网络及冲突检测准则。

在此基础上，设计基于多智能体深度确定性策略梯度的流量调度算法，实现飞行器在航路节点上的协同决策，均衡空域负载。

同时，设计三维空间冲突解脱算法，利用多智能体近端策略优化方法，使飞行器在感知邻近飞行器状态后自主生成无冲突的机动策略。

全文遵循需求分析、总体设计、详细设计、实现与测试的工程递进思路，依次介绍了系统建模、算法设计、仿真实现与性能评估。

核心创新点在于将流量调度与冲突解脱统一于多智能体强化学习框架，实现分布式协同决策，并引入优先经验回放与课程学习机制，提升了训练效率与策略泛化性。

测试结果表明，系统在飞行器密度达到每平方公里30架次时，仍能保持冲突解脱成功率高于99.2%，并有效降低空域局部拥堵率约38%。

第一章绪论

1.1研究背景

城市空中交通正从概