إدارة الهبوط الذكي في الوقت الحقيقي تحت عمليات حضرية غير متوقعة

تقديم مجموعة من التحديات في القابلية للتوسع، والتكيف في الوقت الحقيقي، وكفاءة التشغيل. تقدم هذه الدراسة إطار عمل يعتمد على النمذجة القائمة على الوكيل لإدارة الحركة، مما يخصص المركبات العمودية الكهربائية للإقلاع والهبوط (eVTOLs) ديناميكيًا إلى منصات الهبوط بناءً على بيانات الوقت الحقيقي لتعزيز الكفاءة في البيئات الحضرية المزدحمة. تم إجراء تحليل مقارن عبر مجموعة متنوعة من الأساليب الخاصة بالجدولة والتسلسل، بما في ذلك البرمجة الخطية المختلطة (MILP)، والتقدم الزمني (TA)، والأساليب الهيوريستية، والجدولة الأفقية المتراجعة، والأطر المعتمدة على التعلم المعزز (RL)، واستراتيجيات قائمة على الوكلاء موزعة. بينما تقدم MILP وTA جدولة منظمة، إلا أنها تواجه صعوبات في القابلية للتوسع. تحسن الأساليب الهيوريستية والمتراجعة في الأفق القدرة على التكيف لكنها تتطلب إعادة حساب متكررة، وتظهر الأساليب المعتمدة على RL وعدًا لكنها تتطلب تدريبًا مكثفًا. تدعم النماذج اللامركزية الحالية اتخاذ القرار الموزع لكن تواجه قيودًا في الكفاءة على المقياس. يدير إطار عمل ABM المقترح 200 eVTOL بكفاءة حاسوبية قريبة من الخطية، مما يسهل التفاوض في الوقت الحقيقي ويقلل من الاختناقات الحاسوبية الموجودة في النماذج المركزية. تشير نتائج المحاكاة إلى تحسين كفاءة التخصيص، واستخدام منصات الهبوط، وتقليل أوقات التفاوض في ظل ظروف الكثافة العالية. مع توسع أنظمة UAM، قد يسهم ABM في القدرة على الصمود في العمليات. ستبحث الأعمال المستقبلية في دمج العوامل البيئية لتعزيز القوة بشكل أكبر.