← Blog

論文 B 計画 v1: TR-C 用の数百台の UAV の 3 層階層スケジューリング

論文 B が TR パート C に適しているかどうかを調査し、背景、関連手法、問題定義、アルゴリズム ルート、実験データ、予想される結論、革新ポイント、推進計画を計画します。

紙BTR-Cおっぱい無人航空機UAM階層的スケジューリング待ち行列理論リャプノフ複合一貫輸送

Paper B Planning v1: TR-C 用の数百台の UAV の 3 層階層スケジューリング

結論: **論文 B は、主要な投資である交通研究パート C: 新興技術、投資方向の代替または変更としての IEEE T-ITS により適しています。 ** 核心的な理由は、TR-C が「優れている」ということではなく、論文 B の問題の本質は輸送システムの運用にあるということです。動的な需要、限られた回転ポート/充電/回廊容量、複合輸送手段の制約の下で、100 レベルの UAV フリートが都市の物流/緊急タスクに安定的、効率的、安全にサービスを提供できるようにします。

1. 背景と提出の判断

論文 B の懸念は次のように要約できます。

都市部の低高度の経済シナリオにおいて、動的な注文、限られた離着陸点、限られた充電リソース、低空回廊の容量制約、地上輸送の調整という条件下で、長期的なタスクキューの安定性を維持し、遅延、エネルギー消費、空域の混雑、運航コストを最小限に抑えるために、100 レベルの UAV フリートをスケジュールするにはどうすればよいでしょうか?

これは単一マシンのパス計画ではなく、また単なるマルチエージェントの衝突回避でもありません。実際の研究対象は 交通サービス システムです。

T-ITS も代替手段として利用できます。 T-ITS の範囲には、現代の交通システムにおけるセンシング、通信、制御、計画、設計、実装、AI、形式的手法、マルチエージェント システム、複合輸送が含まれます [2]。しかし、T-ITS では、通信、センシング、制御、展開アーキテクチャ、インテリジェント システム クローズド ループなどの「高度道路交通システム技術の実装」の要素が必要になる可能性が高くなります。論文 B が最終的にリアプノフ規制のオンライン スケジューリング、GNN/MARL 制御、およびリアルタイム システム実装を強調する場合は、T-ITS に目を向けることができます。輸送能力、列の安定性、インフラストラクチャのボトルネック、複合物流システムの価値を重視するのであれば、TR-C に投票すべきです。

**現在の推奨事項: 最初に TR-C、T-ITS バックアップ。 **

1.1 2026-05-22 校正の書き込み: 用紙 B は輸送システムの運用用紙である必要があります

「トラフィックジャーナルはアルゴリズムだけではない」というロジックを吸収するには論文Bが最適です。 「新しい UAV スケジューリング アルゴリズムを提案します」と書くことはできませんが、次のように書く必要があります。> 都市の低空物流/緊急サービスの場合、100 レベルの UAV フリートは、動的な需要、限られたバーティポート/充電/回廊容量、複合輸送の制約の下で、どのようにしてフリートの安定性を維持し、遅延を軽減し、安全リスクを制御し、システムのボトルネックを特定できるでしょうか?

この主行は、全文の書き方を決定します。

|モジュール |単に | と書くことはできません。 TR-C バージョンは | のように記述する必要があります。 |------|-----------|------| |背景 | UAV のスケジュール設定は難しい |ピーク需要、インフラ容量、安全隔離の制約下での低空輸送サービスの運用管理の問題 | |ギャップ |既存のアルゴリズムは十分ではありません |既存の研究は、ルーティング/ネットワーク設計/リソース割り当ての単一点の問題を扱っており、数百ものラックレベルのオンライン システムに対する閉ループと安定性の保証が欠けています。 |方法 |新しい階層型スケジューリング アルゴリズム |マクロデマンドキュー、メソ空域・離着陸・充電リソース、ミクロエネルギー・安全制約の統合運用制御フレームワーク | |実験 |報酬または高い成功率 |遅延、スループット、キューのバックログ、期限違反、リソース使用率、エネルギー、競合リスクの体系的な改善 | |結論 |この方法はベースラインよりも優れています。どのような需要強度の下でシステムが安定しているか、どのリソースが最初にボトルネックになるか、マルチモーダル フォールバックが必要な場合、戦略的な電流制限が必要かどうか。

したがって、論文 B の実験は、モデル スコアが高いことを証明するだけではなく、システムの問題に答えています。- 容量境界: 低/中/ピーク/ショック需要下で、システムはいつ不安定ゾーンに入りますか?

1.2 2026-05-23 整理: 提出の最小バージョンと境界

ペーパー B の提出可能な最小バージョンは TR-C 輸送システム運用ペーパー である必要があり、「スケジューラー + MARL + 空域シミュレーション + 低高度プラットフォーム デモンストレーション」を組み合わせたものではありません。最初のエディションでは、システムの問題、つまり、限られた UAV、ベルティポート、充電パッド、および回廊の容量が、動的需要下での遅延、スループット、キューの安定性、およびサービスの信頼性をどのように決定するかというシステムの問題を突破する必要があります。|完了する必要があります |拡張版に延期 | |----------|--------------| |合成都市 UAM キューイング ベンチマーク | AirSim/UE レベルの高忠実度ビジュアル シミュレーション | | Lyapunov 規制のオンライン スケジューラ |実際の飛行展開またはハードウェア閉ループ | | 20 / 50 / 100 / 200 UAV のスケーラビリティ |メインアルゴリズムとしての LLM ディスパッチャ | | vertiport / 充電 / コリドーのボトルネック分析 |完全な通信プロトコルとリンク層シミュレーション | | FCFS、グリーディ、ローリング MILP、ALNS、バックプレッシャー、MARL/GNN ベースライン |複数都市の政策評価と完全な経済分析 | |安定性、コストと遅延のトレードオフ、期限違反、実行時間 |実際のビジネス注文システムへのアクセス |

実験的パッケージの最初のバージョンでは、成果物を 5 つに固定することが推奨されています。1. ベンチマーク ジェネレーター: 市街地、ベルティポート、充電パッド、廊下、需要フロー、デッドライン、地上フォールバック、ショック デマンドを生成します。 2. システム モデル: デマンド キュー、ベルティポート キュー、課金キュー、コリドー仮想キュー、デッドライン仮想キューの再現可能な実験ログを出力します。 3. H-LyraUAV コア: ドリフト プラス ペナルティの意思決定を実装します。学習モジュールは、需要/サービス時間/リスクの推定値を提供するだけであり、安定性のソースとしては使用されません。 4. ベースライン スイート: 各ベースラインは、同じセットの需要トレース、容量設定、UAV フリート、およびランダム シードを使用します。 5. TR-C 結果パッケージ: メイン テーブルは、遅延、95 番目の遅延、期限違反、スループット、バックログ、リソース使用率、エネルギー、競合プロキシ、ランタイムをレポートします。付録の表には、ボトルネックの原因と感度が示されています。

この境界により、論文 B のシステム ストーリーはその実験的責任と一致するものになります。実際の地図、実際の注文、またはより複雑なエージェントについて話す前に、まず「棚レベル 100 段の低空物流/緊急サービス システムがオンラインで安定して動作できる」ことを証明する必要があります。

2. 現在の手法の系譜

論文 B では、単に UAV/MARL の方針に沿って話すのではなく、関連する手法を輸送工学の系譜に組み込む必要があります。|メソッド行 |代表的な方法 |論文 B のインスピレーション |制限事項 | |----------|----------|--------|----------| |従来の OR | MILP、時空間ネットワーク、ネットワーク設計、ALNS、ローリング ホライズン |容量、時間枠、パス、同期、インフラストラクチャの制約を表現するのに適しています。大規模なオンライン スケジューリングをリアルタイムで解決するのは困難 | | UAM / UTM | vertiport スケジューリング、容量制約のあるスケジューリング、競合の検出と解決 |収容力、空域紛争、回廊管理の観点を提供 |ほとんどは単層、シングルモード、または小規模および中規模です。 |マルチモーダル物流 |トラック-ドローン、UAV-UGV、地上-航空輸送、ライドシェアリング-UAM | UAV は単独で飛行するのではなく、都市交通システムに組み込む必要があることを証明する |主にオフラインのルーティング/ネットワーク設計、オンライン キューの安定性の欠如 | |学習スケジュール | MARL、GNN、安全な学習、需要予測 |数百のラックに拡張可能で、動的なニーズや高次元の状態に適しています。説明可能な安定性の保証がないため、レビュー担当者はセキュリティに疑問を抱くでしょう | |待ち行列理論とリアプノフ |オープン キュー ネットワーク、バックプレッシャー、ドリフト プラス ペナルティ |バックログの安定性とコストと遅延のトレードオフを証明できる |実際の UAV エネルギー、容量、経路制約と組み合わせる必要がある |既存の TR-C 論文では、低高度での UAV 小包交通管理とリソース割り当て [3]、UAM 乗​​客中心の公平性と運用効率 [4]、中継充電ステーション ネットワーク設計 [5]、トラックとドローンの信頼できる同期ルーティング [6]、UAV-UGV マルチトリップ配送ネットワーク設計 [7]、および UAM ライドシェアリングの動的スケジューリング [8] など、多くの「シングル ポイント機能」について取り上げています。 Paper B のチャンスは、これらの機能を 100 棚レベルのオンライン階層スケジューリング システム に統合することにあります。

3. 最新の論文と引用可能な文献

3.1 会場と文献の構成|番号 |文献/情報源 |コア情報 |ペーパーBの位置付け役割 |

|------|----------|----------|--------------------------| | [1] | TR-C 公式の目的と範囲 |輸送側の知的コア。運用、制御、マルチモーダル、物流、航空、オープン データセットに焦点を当てる |主な投資をサポート TR-C | | [2] | IEEE T-ITS 公式範囲 | ITSセンシング、通信、制御、プランニング、AI、マルチエージェントシステム | T-ITS 代替手段をサポート | | [15] | UAV 支援 ITS のための機械学習、T-ITS 2024 | UAV は ITS の交通監視、緊急対応、インフラ検査に役立ちます | T-ITS 代替フレームをサポート | | [18] | UAV チームのための 4D 軌道計画、T-ITS 2024 | UAV チームは ITS/T-ITS | で公開されています。 T-ITS は投資可能ですが、よりインテリジェントなシステムである必要があることを説明します。

3.2 TR-C/UAM/UAV スケジュールペーパー|番号 |文学 |メソッド |論文 B のインスピレーション |

|------|------|------|------| | [3] |リー、ハンセン、ゾウ、TR-C 2022 |交通管理、経路競合、リソース割り当て、低高度 UAV 小包配送の VCG メカニズム |低空空域の資源配分が TR-C の法的主題であることを直接表明 | | [4] |ベナサー、デルマス、ハマディ、TR-C 2022 |乗客中心の UAM、公平性と運用効率 |サービスの品質、公平性、乗客/貨物の指標をサポート | | [5] |ピント & ラゴリオ、TR-C 2022 |中間充電ステーションを備えたドローンネットワーク設計 |充電インフラストラクチャの策定へのサポート | | [6] |シン、グオ、トン、TR-C 2024 |動的同期によるトラックとドローンの信頼性の高いルーティング |マルチモーダル同期と不確実な移動時間をサポート | | [7] |周、曾、楊、TR-C 2025 |リリース時期を考慮した UAV-UGV マルチトリップ配信ネットワーク設計 | UAV + UGV マルチトリップ配信ネットワークをサポート | | [8] |リー、チャン、シャオ、リー、TR-C 2025 | UAM ライドシェアリングのダイナミック スケジューリングとマルチモーダル モビリティ オンデマンド |空と地上のマルチモーダル サービス アーキテクチャをサポート | | [9] |ウェイ、ニルソン、クーガン、arXiv 2021 |容量に制約のある UAM スケジューリング ウィットh 不確実な移動時間と限られた着陸能力 |キャパシティに制約のあるスケジューリングの定式化をサポート | | [10] | Murthy 他、EPTCS/arXiv 2022 |ハード/ソフト期限のある UAM スケジュールの安全な学習 |安全なオンライン スケジューリング ベースラインをサポート | | [11] | NASA バーティポート FCFS スケジュール、2020 | FCFS での Vertiport の容量とスループット | FCFS とキューイング容量のベースラインとして | | [16] |劉、劉、黄、arXiv 2024 |リアルタイム UAV 配信スケジュール管理ミドルウェア |実際の実行システムと UAV/AGV/地上スタッフのコラボレーションをサポート |### 3.3 キューイング理論、リアプノフ、およびシステム安定性の基礎

番号文学中心的な貢献論文Bへの寄稿
[12]Grippa et al.、自律ロボット 2019ドローン配送の仕事の割り当てと寸法設定。キュー理論を使用して安定性とワークロード ポリシーを分析するUAV 配信キューイング モデルをサポート
[13]ニーリー、2010確率的ネットワーク最適化とリアプノフ ドリフト プラス ペナルティ コストと バックログ トレードオフをサポート
[14]タッシウラスとエフレミデス、IEEE TAC 1992制約付きキュー システムとスループット最適化スケジューリングバックプレッシャー/安定性の理論的伝統をサポート
[17]車両のサイジングとキューイングを伴う Vertiport の配置、2023 年Vertiport インフラストラクチャとサービス料金のためのオープンネットワーク キューイングVertiport キュー/課金キュー モデリングをサポート

文献的判断: 既存の文献は、「UAV/UAM + 輸送システム + スケジューリング + マルチモーダル + キューイング」が TR-C/T-ITS の正当なテーマであることを完全に証明しています。論文 B は「数百台の UAV のための MARL スケジューリング アルゴリズム」と書くことはできなくなり、「低高度交通システムの運用制御と安定性の保証」と書く必要があります。

4. 現在の問題既存の作業によって残された主なギャップは 4 つあります。

  1. **100 シェルフレベルのオンライン 3 層スケジューリング閉ループの欠如。 ** TR-Cはすでに、低高度空域のリソース割り当て、トラックとドローンのルーティング、UAMライドシェアリング、およびUAV-UGVネットワーク設計を行っている[3,6,7,8]が、これらの作業のほとんどは、ルーティング、ネットワーク設計、リソース割り当て、またはライドシェアリングの特定の層を扱っており、マクロなデマンドキューからメソコリドー/バーチポートリソース、マイクロUAVエネルギー/安全性までの統一されたオンラインフレームワークが欠けています。

  2. **キューの安定性/サービス保証の欠如。 ** 学習したスケジューリングとヒューリスティックにより経験的なパフォーマンスを向上させることができますが、TR-C のレビュー担当者は、ピーク需要時にキューが安定しているかどうかを考慮できない場合、システムの操作性に疑問を抱いています。 Neely の Lyapunov 最適化と Tassiulas-Ephremides の制約付きキューイング スケジューリングは理論的基礎を提供します [13,14] が、数百機の低高度 UAV のマルチモーダル スケジューリングには系統的に使用されていません。

  3. **マルチモーダル輸送の観点から見た UAV フリート制御の欠如。 ** トラックとドローン、UAV-UGV、ライドシェアリングと UAM の論文は、地上と航空の統合が主流の方向であることを証明しています [6、7、8]。しかし、既存の研究のほとんどはオフラインのルート/ネットワーク設計です。論文 B では、地上モードをオンライン フォールバックおよび容量バッファとして扱う必要があります。低高度通路または充電キューが混雑している場合、タスクを UGV/トラック/地上宅配業者に転送できます。4. **実験的なベンチマークの欠如。 ** TR-C の範囲では、オープン サイエンスと大規模なデータセットに特に重点を置いています [1]。論文 B が内部シミュレーションのみを実行し、合成ベンチマーク スキーマ、OD デマンド、コリドー容量、再現可能なシーズを公開しない場合、説得力が弱まります。

5. 私たちのアプローチ: H-LyraUAV

メソッド名は仮決定です。

H-LyraUAV: マルチモーダル都市物流向けの階層型リアプノフ規制 UAV スケジューリング

ここで、H は階層を表し、Lyra はリアプノフ制御のルーティングと割り当てを表します。

5.1 3 層アーキテクチャ

Dynamic urban logistics / emergency demand
        ↓
Macro layer: regional demand queues + fleet repositioning
        ↓
Meso layer: corridor / vertiport / charging resource scheduling
        ↓
Micro layer: UAV energy, safety separation, local conflict avoidance
        ↓
Multimodal execution: UAV-only / ground-only / UAV-ground mixed mode
階層時間スケール決定コアの状態出力
マクロレベル1～5分タスクの分割、UAV の再配置、モード分割地域デマンドキュー、配電、OD需要予測地域派遣対象
メソ層5～30秒ベルティポート スロット、回廊ルート、充電スロット離陸と着陸の列、通路の混雑、充電の列実行可能なスケジュール
微細層0.1～5秒速度、高度、局所回避、緊急帰還近隣の UAV、障害物、残存電力安全な軌道修正

5.2 コアメカニズム

H-LyraUAV の鍵は、「大規模なモデルによるエンドツーエンドのスケジューリング」ではなく、学習モジュールを予測と階層化に限定し、Lyapunov キュー制御の安定性を構築することです。- キュー モデル: デマンド、ベルティポート、充電、およびコリドーは、実際のキューまたは仮想キューで表されます。

6. 問題の定式化

6.1 コレクションと状態

UAV セットを 、動的ミッション セットを 、ベルティポート セットを 、低高度回廊セットを 、地上輸送モード セットを とします。

時点での各 UAV の状態は次のとおりです。

ここで、 は位置、 は電力、 は利用可能なステータス、 は負荷/タスク容量です。

各タスク には以下が含まれます。

このうち、 は開始点と終了点、 は貨物/乗客/緊急の種類、 は期限、 は優先度、 は許容可能な輸送モードのセットです。### 6.2 キューの定義

システムは、次の実際のキューと仮想キューを維持します。

キュー意味
エリア
Vertiport の離陸/待機列
ベルティポートの充電キュー
コリドー 仮想キューの混雑/安全間隔
エリア の期限違反仮想キュー

たとえば、地域の需要キューは次のように記述できます。

は新しく到着したデマンド、 は時間枠内にサービスを完了したデマンドの数です。

6.3 決定変数

各スケジューリング サイクルでは次のことを決定する必要があります。

意思決定記号意味
割り当てUAV がタスク を処理するかどうか
モードの選択UAV のみ、地上のみ、または混合モード
出発時間出発/出発/乗り継ぎ時間
ルート/廊下低空回廊または地上通路を選択
充電決定充電するかどうかとどのバーティポートを充電するか

6.4 最適化の目標

長期的な目標は、平均システムコストを最小限に抑えることです。

You can't use 'macro parameter character #' in math mode\min_{\pi} \limsup_{T\to\infty} \frac{1}{T}\sum_{t=0}^{T-1} \mathbb{E}\left[ \alpha_1 W(t)+ \alpha_2 E(t)+ \alpha_3 O(t)+ \alpha_4 S(t)+ \alpha_5 M(t) \右]、 $$$W(t)$ は遅延、$E(t)$ はエネルギー消費、$O(t)$ は運行コスト、$S(t)$ は安全性/渋滞ペナルティ、$M(t)$ は複合輸送ペナルティです。 ### 6.5 制約 制約には次のものが含まれます。 - キューの安定性: すべての実キューと重要な仮想キューは非常に安定している必要があります。 - バッテリー: $b_u(t)$ が安全な復帰しきい値を下回っていません。 - ペイロード: ミッション貨物の重量は、UAV または地上車両の容量を超えることはできません。 - 時間枠: 優先度の高いタスクは期限に間に合うか、期限仮想キューに入る必要があります。 - ベルティポート容量: 各ベルティポートのパッド/パーキング/充電容量には上限があります。 - 廊下の分離: 同じ廊下内の UAV の時間的および空間的間隔は、安全要件を満たしています。 - マルチモーダル輸送の実現可能性: UAV および UGV/トラック/地上宅配便の引き継ぎ時間、場所、容量が実現可能です。 ### 6.6 理論的な目的 リアプノフ関数を定義します。

L(\シータ(t)) = \frac{1}{2}\left( \sum_i Q_i(t)^2+ \sum_v B_v(t)^2+ \sum_v C_v(t)^2+ \sum_e Z_e(t)^2+ \sum_i D_i(t)^2 \右）。

各時間枠のドリフトプラスペナルティを解決します。

\Delta(\Theta(t)) + V\cdot \mathbb{E}[Cost(t)\mid \Theta(t)]。

You can't use 'macro parameter character #' in math mode 期待理論の結論: - H-LyraUAV は、到着率がシステム容量の範囲内にある場合、キューを安定に保つことができます。 - 最適な定常ランダム化ポリシーと比較すると、長期平均コストはおよそ $O(1/V)$ に達します。 - 平均バックログは $O(V)$ で、解釈可能なコストと遅延のトレードオフを形成します [13,14]。 --- ## 7. 実験的なデータソース### 7.1 主な実験: プログラム生成ベンチマーク 主な実験は実際の UAV 飛行データに依存しませんが、再現可能な合成 UAM キューイング ベンチマークを構築します。 - 市内地図: 建物、飛行禁止区域、廊下、ベルティポート、充電パッドを含む「50x50」から「200x200」のグリッド。 - 需要フロー: ポアソン/非均質ポアソン/バースト需要、朝のピーク、夕方のピーク、ショック需要をサポートします。 - タスクの種類: 宅配便、医療品の配送、検査、緊急供給。 - UAV フリート: 20 / 50 / 100 / 200 ユニット、異種バッテリー、負荷、速度、充電時間。 - インフラストラクチャ: 5 / 10 / 20 のバーチポート、さまざまなパッド、駐車場、充電容量。 - マルチモーダル モード: UAV のみ、地上のみ、UAV と地上の混合モード。 ### 7.2 実際の拡張データ TR-C の説得力を高めるために、実験では公共交通データをデマンド プロキシおよび地上モードの移動時間として使用できます。 |データソース |目的 | |------|------| |オープンストリートマップ |道路網、POI、建物密度、ベルティポート/乗り換え地点の候補 | |ニューヨーク市 TLC タクシー旅行データ | OD 需要プロキシ、期間需要プロファイル | |シカゴのタクシー旅行 / Divvy / 公共交通データ |都市間一般化需要プロキシ | |相撲 |地上車両の移動時間、渋滞、地上フォールバックコスト | | AirSim または軽量 UAV シミュレータ |マイクロセーフティ、飛行時間、エネルギー消費量の補足検証 |AAAI などのカンファレンスでは総合ベンチマークのみを実施できます。ただし、TR-C ではケーススタディの質が求められるため、サンフランシスコ、ニューヨーク、シカゴの少なくとも 1 つの都市でケーススタディを実施することをお勧めします。サンフランシスコのケーススタディ [3] を使用した Li らの低高度 UAV 区画交通管理は、位置合わせオブジェクトとして使用できます。 --- ## 8. 実験計画と比較 ### 8.1 ベースライン |ベースライン |説明 |目的 | |----------|------|------| | FCFS バーティポート スケジューリング |離陸と着陸のリソースを到着順に割り当てる [11] |従来の運用ベースライン | |貪欲に最も近いUAV |最も近いタスクを取得するために最も近い利用可能な UAV |簡単オンライン発送 | | MILP ローリング ホライズン |小規模ローリング最適化 |小規模の上限 | | ALNS / ヒューリスティックディスパッチ | TR-C マルチモーダル ルーティングの文献 [7、8] を参照してください。強力な OR ヒューリスティック | |キューのみのバックプレッシャー |キューの差分のみに基づくスケジューリング |理論的に安定したベースライン | | MARL/GNN派遣｜学習割り当て、リアプノフ仮想キューなし |学習ベースライン | | H-LyraUAV フル | 3 層レイヤリング + Lyapunov + 学習予測 + マルチモーダル フォールバック |主な方法 | ### 8.2 メトリクス|インジケーター |意味 | |------|------| |平均遅延 |タスク完了の平均遅延 | | 95 パーセンタイル遅延 |ロングテールサービスの品質 | |締切違反率 |時間外業務比率 | |スループット |単位時間あたりに完了したタスクの数 | |キューのバックログ |デマンド、めまいポート、充電、コリドーキューの長さ | |キューの安定性 |バックログは時間の経過とともに制限されますか | | Vertiport の使用率 |離着陸・停止リソース利用率 | |充電使用率 |充電リソース使用率 | |領空紛争率 |廊下の安全間隔の競合率 | |配送あたりのエネルギー |注文ごとのエネルギー消費量 | |地上-UAV転送成功 |マルチモーダルハンドオーバーの成功率 | |ランタイム |シングルステップのスケジュール時間 | |ボトルネックへの貢献 |ベルティポート / 充電 / コリドー / フリートの位置変更による遅延の程度 | |容量マージン |現在の需要強度はシステム不安定ゾーンからどれくらい離れていますか | |サービスの公平性 |人気のある領域のみの最適化を防ぐために、さまざまな領域/優先タスクの遅延ギャップ | TR-C バージョンのメイン テーブルがアルゴリズムのパフォーマンス ランキングのみをレポートするだけでなく、別の **システム診断テーブル** も提供することはお勧めできません。つまり、平均バックログ、95% の遅延、期限違反、主要なボトルネック、およびさまざまな需要乗数でマルチモーダル フォールバックがトリガーされるかどうかをレポートします。このようにすると、「どのモデルが強いか」ではなく、「システムがどのように動作するか」という結論に達することができます。 ### 8.3 アブレーション|アブレーション |目的 | |------|------| |リャプノフ仮想キューはありません |安定性コンポーネントの寄与を検証する | |マルチモーダルフォールバックなし |容量バッファーとしてグランド モードの値を検証する | |階層分解なし | 3 層構造のスケーラビリティを検証する | |需要予測がない |学習予測モジュールの貢献を検証する | |課金キューのモデリングなし |充電ボトルネックを明示的にモデル化する必要があるかどうかを検証します。 | 20 / 50 / 100 / 200 UAV スケーリング |数百のラックレベルの拡張性の検証 | ### 8.4 シーンのデザイン 少なくとも 4 種類の需要シナリオを実行します。 1. **低要求**: システムの負荷は軽く、H-LyraUAV が効率を犠牲にしないことが確認されています。 2. **ピーク需要**: 需要がキャパシティ領域に近いため、キューの安定性を確認します。 3. **ショックデマンド**: 突然の緊急注文、期限の仮想キューとマルチモーダルフォールバックを確認します。 4. **インフラストラクチャ ボトルネック**: リソース ボトルネックの特定機能を検証するために、充電パッドまたは Vertiport パッドを意図的に減らします。 さらに、次の 2 種類の一般化を追加することをお勧めします。 5. **スケールの一般化**: トレーニングまたはパラメーター調整は 50/100 UAV で、テストは 200 UAV で行われます。これは、階層構造が固定スケールに対してのみ有効であるわけではないことを示しています。 6. **トポロジーの一般化**: OSM か​​ら派生した都市グラフは、ルール Grid_city から測定されており、その結論がおもちゃの地図の偶然の結果ではないことを示しています。 --- ## 9. 期待される成功とイノベーション ### 9.1 期待される成功 このセクションは事前登録の予想を目的としたものであり、実際の実験結果を書いたものではありません。1. **需要のピーク時にキューの安定性を維持します。 ** H-LyraUAV はピーク需要時にデマンド キュー、ベルティポート キュー、および充電キューを制限する一方、グリーディ/MARL のみではバックログが蓄積する傾向がより強いと予想されます。 2. **遅延と期限違反を削減します。 ** FCFSやgreedyと比較して、H-LyraUAVは平均遅延、95パーセンタイル遅延、期限違反率を削減すると期待されています。 3. **リアルタイムのパフォーマンスとスケーラビリティを向上させます。 ** MILP ローリングホライズンと比較して、H-LyraUAV は 100/200 UAV シナリオで 2 秒または 1 秒未満のオンライン意思決定を維持すると予想されます。 4. **理論的な説明は保留されています。 ** MARL/GNN のみと比較した場合、H-LyraUAV の利点はエクスペリエンス スコアだけではなく、コストと遅延のトレードオフと安定性の境界を説明できます。 5. **マルチモーダルフォールバックのシステム値を表示します。 ** UAV と地上の混合モードにより、充電のボトルネックや廊下の混雑シナリオにおける期限の遅れやキューのバックログが削減されることが期待されます。 ### 9.2 イノベーションのポイント 1. **TR-C フレームに基づく低高度交通システム スケジュール ペーパー。 ** 論文 B では、UAV を孤立したロボットとしてではなく、都市交通サービス システムの一部として数百台の UAV からなる艦隊として扱っています。 2. **100 シェルフ レベルの 3 層キュー安定マルチモーダル スケジューリング フレームワーク。 ** マクロ タスク キュー、メソ インフラストラクチャ リソース、およびマイクロ安全性/エネルギー制約をオンライン フレームワークで統合します。 3. **リアプノフ規制の学習支援派遣。 ** 学習モジュールは需要とコストを予測するために使用され、Lyapunov モジュールは安定性とコスト遅延のトレードオフを提供します。4. **複合輸送能力緩衝メカニズム。 ** 接続されたベースラインの代わりに、空域/充電ボトルネックの下でのフォールバックとして、UGV/トラック/地上宅配便を使用します。 5. **オープン合成 UAM キュー ベンチマーク。 ** オープンデータ、再現可能なベンチマーク、転送可能性に関する TR-C の好みを調整する [1]。 --- ## 10. 参考文献 [1] エルゼビア。 「交通研究パート C: 新興技術: 目的と範囲」 URL: <https://www.sciencedirect.com/journal/transportation-research-part-c-emerging-technologies> [2] IEEE 高度交通システム協会。 「高度道路交通システムに関する IEEE トランザクション (T-ITS): 範囲」 URL: <https://ieee-itss.org/pub/t-its/> [3] アン・リー、マーク・ハンセン、ボー・ゾウ。 「低空都市空間における UAV ベースの小包配達のための交通管理とリソース割り当て」 *交通研究パート C: 新興技術*、143:103808、2022。DOI: 10.1016/j.trc.2022.103808。 URL: <https://www.sciencedirect.com/science/article/pii/S0968090X22002339>[4] メディ・ベナサール、レミ・デルマス、ユセフ・ハマディ。 「乗客中心の都市航空モビリティ: 公平性のトレードオフと運用効率。」 *交通研究パート C: 新興技術*、136:103519、2022。DOI: 10.1016/j.trc.2021.103519。 URL: <https://www.sciencedirect.com/science/article/pii/S0968090X21005015> [5] ロベルト・ピントとアレクサンドラ・ラゴリオ。 「中間充電ステーションを備えたポイントツーポイントのドローンベースの配送ネットワーク設計」 *交通研究パート C: 新興技術*、135:103506、2022。DOI: 10.1016/j.trc.2021.103506。 URL: <https://doi.org/10.1016/j.trc.2021.103506>[6] Jiahao Xing、Tong Guo、Lu (Carol) Tong。 「動的同期による信頼性の高いトラックとドローンのルーティング: 高次元のネットワーク プログラミング アプローチ。」 *交通研究パート C: 新興技術*、165:104698、2024。DOI: 10.1016/j.trc.2024.104698。 URL: <https://www.sciencedirect.com/science/article/pii/S0968090X24002195> [7] 周伯龍、曾文佳、楊海。 「リリース時間を考慮したマルチトリップ UAV-UGV 配信ネットワーク設計」 *交通研究パート C: 新興技術*、181:105389、2025。DOI: 10.1016/j.trc.2025.105389。 URL: <https://doi.org/10.1016/j.trc.2025.105389> [8] シャンハン・リー、テンフェイ・チャン、イーヨン・シャオ、ダーチン・リー。 「都市部のエアモビリティにおけるダイナミックなスケジューリングに基づくオンデマンドのライドシェアリング」 *交通研究パート C: 新興技術*、175:105111、2025。DOI: 10.1016/j.trc.2025.105111。 URL: <https://www.sciencedirect.com/science/article/pii/S0968090X25001159>[9] ウェイ・チンシュアン、グスタフ・ニルソン、サミュエル・クーガン。 「輸送能力に制約のある都市部の航空モビリティのスケジューリング」。 arXiv:2107.02900、2021。URL: <https://arxiv.org/abs/2107.02900> [10] スーリヤ・ムルシー、ナターシャ・A・ネオギ、スダ・バラドワジ。 「安全な学習を使用した都市部の航空モビリティのスケジューリング」 *理論コンピュータサイエンスにおける電子議事録*、371:86-102、2022; arXiv:2209.15457。 DOI: 10.4204/EPTCS.371.7。 URL: <https://arxiv.org/abs/2209.15457> [11] ネルソン・M・ゲレイロ、ジョージ・E・ハーゲン、ジェフリー・M・マッダロン、リッキー・W・バトラー。 「先着順の Vertiport スケジューリング アルゴリズムを使用した都市航空モビリティ Vertiport の容量とスループット」 NASA テクニカル レポート サーバー、AIAA 航空 2020 フォーラム、2020 年。URL: <https://ntrs.nasa.gov/quotes/20205001421>[12] パスクワーレ・グリッパ、ドリス・A・ベーレンス、フリーデリケ・ウォール、クリスチャン・ベットシュテッター。 「ドローン配送システム: ジョブの割り当てと寸法設定」 *自律ロボット*、43:261-274、2019。DOI: 10.1007/s10514-018-9768-8。 URL: <https://link.springer.com/article/10.1007/s10514-018-9768-8> [13] マイケル・J・ニーリー。 *通信およびキュー システムへの応用による確率的ネットワーク最適化。*通信ネットワークに関する総合講義、Morgan & Claypool Publishers、2010 年。DOI: 10.2200/S00271ED1V01Y201006CNT007。 URL: <https://doi.org/10.2200/S00271ED1V01Y201006CNT007> [14] レアンドロス・タッシウラスとアンソニー・エフレミデス。 「マルチホップ無線ネットワークにおける最大スループットのための制約付きキュー システムとスケジューリング ポリシーの安定性特性」 *自動制御に関する IEEE トランザクション*、37(12):1936-1948、1992 年。DOI: 10.1109/9.182479。 URL: <https://doi.org/10.1109/9.182479>[15] アクバル・テリカニ、アルパ・サーカール、ボー・ドゥ、ジュン・シェン。 「UAV 支援 ITS のための機械学習: 比較研究を含むレビュー」 *高度道路交通システムに関する IEEE トランザクション*、25(11):15388-15406、2024。DOI: 10.1109/TITS.2024.3422039。 URL: <https://ieeexplore.ieee.org/document/10622103/> [16] ハン・リウ、ティアン・リウ、カイ・ファン。 「都市部での UAV 配送のスケジュールと管理のためのリアルタイム システム」 arXiv:2412.11590、2024。URL: <https://arxiv.org/abs/2412.11590> [17] ホセ・エスクリバノ・マシアス、カール・ハリフ、ジョセフ・スリム、パナギオティス・アンジェロウディス。 「車両のサイズと待ち行列を考慮した統合ベルティポート配置モデル: ロンドンでのケーススタディ。」 *航空輸送管理ジャーナル*、113:102486、2023。DOI: 10.1016/j.jairtraman.2023.102486。 URL: <https://www.sciencedirect.com/science/article/pii/S0969699723001291>[18] ブランカ・ロペス・パロミノ、ハビエル・ムニョス・メンディ、フェルナンド・ケベド・バジェホ、コンセプシオン・アリシア・モンヘ・ミシャレット、ルイス・サンティアゴ・ガリド・ブロン、ルイス・エンリケ・モレノ・ロレンテ。 「UAV チームのための高速行進広場に基づく 4D 軌道計画」 *高度道路交通システムに関する IEEE トランザクション*、25(6):5703-5717、2024。DOI: 10.1109/TITS.2023.3336008。 URL: <https://doi.org/10.1109/TITS.2023.3336008> --- ## 付録: 実行計画 ### 第 1 週: 紙の位置決めと問題の定式化をフリーズする - 主な投資である TR-C と代替となる T-ITS を明確にする。 - タイトル、要約の初稿、核となる質問、および 3 層のアーキテクチャ図を凍結します。 - 問題を定式化するためのセット、キュー、決定、目標、制約の定義を完了します。 ### 第 2 ～ 3 週目: 25 以上のドキュメントと関連作業マトリックスの補足 - TR-C / T-ITS / UAM / UAV 配信 / キューイング / Lyapunov ドキュメントの拡張。 - 関連する作業マトリックスを出力: 各論文の問題、方法、規模、モード、制限。 - 用紙 B と各種類のジョブの違いを特定します。 ### 第 4 ～ 6 週: 合成 UAM キューイング ベンチマークの実装- マップ、ベルティポート、回廊、充電パッド、OD デマンド ジェネレーターを実装します。 - 20/50/100/200 UAV および低/中/ピーク/衝撃需要をサポートします。 - 再現性を確保するためにマニフェスト、シード、シナリオ構成を出力します。 ### 第 7 ～ 9 週: ベースラインの実装 - FCFS ベルティポート スケジューリング。 - 最も貪欲なUAV。 - MILP ローリング ホライズンの小規模な上限。 -ALNS/ヒューリスティックディスパッチ。 - キューのみのバックプレッシャー。 - リャプノフなしの MARL/GNN 派遣。 ### 第 10 ～ 12 週: H-LyraUAV とアブレーションの実装 - マクロキューを意識した割り当てを実装します。 - メソコリドー/ベルティポート/充電スケジュールを実装します。 - 微細なエネルギー/安全制約インターフェイスを実装します。 - リャプノフなし、マルチモーダルなし、階層なし、需要予測なし、課金キューなしのアブレーションを実装します。 ### 第 13 ～ 15 週: ランナーの実験 - 20/50/100/200 UAV のスケーラビリティを実行。 - ピーク/ショック/ボトルネックのシナリオを実行します。 - メインテーブルの出力: 遅延、期限違反、スループット、キューのバックログ、リソース使用率、実行時間。 - 主要なグラフの出力: キューの軌跡、コストと遅延のトレードオフ、スケーラビリティ曲線、マルチモーダル フォールバックの寄与。 ### 第 16 週: TR-C の初稿を書く- 導入は輸送運用の問題から始まります。 - メソッドに 3 層アーキテクチャ、リアプノフ定理、アルゴリズムを組み込みます。 - 実験では、システムのパフォーマンス、リソースの使用率、オープン ベンチマークが重視されます。 - ディスカッションでは、低高度の経済学、ベルティポートの容量、充電インフラ、複合物流への影響について書いています。 ### T-ITS 投資変更戦略 TR-C フレーミングが十分に強力でない場合、またはアルゴリズム/制御の寄与がシステム輸送の洞察よりも強いことが実験結果で示されている場合、T-ITS バージョンが保持されます。 - 要約では、インテリジェント交通システム、オンライン制御、AI 支援スケジューリングに重点を置いています。 - はじめに センシング/通信/リアルタイム実装を追加します。 - 実験により、実行時間、通信遅延、分散実行、コントローラーの堅牢性が向上します。 - 議論により、ポリシー/運用への影響が軽減され、インテリジェントなシステム展開と ITS 統合が強化されます。