新加坡国立大学广州创新研究院致力于搭建跨学科、跨领域的科研交流平台，促进科研成果的有效转化和应用。我们将在本栏目定期与大家分享前沿科研成果与动态，欢迎交流和探讨！

本研究提出的AI驱动车联网协同路径优化技术，不仅能够显著缓解城市拥堵状况，提升道路通行效率，也为智能交通管理、智慧出行服务等领域提供了可行的技术方案。刘杨副教授是新加坡国立大学土木与环境工程系、工业系统工程与管理系的联合聘任副教授，同时她也是新加坡国立大学广州创新研究院的博士生导师。本研究来自新加坡国立大学城市交通系统实验室，是博士生羊山在实验室负责人刘杨副教授的指导下，于博士研究期间完成。

随着城市机动车数量持续增加，交通拥堵问题日益严重，已成为影响市民出行和城市发展的关键痛点。近年来，车联网技术为解决这一难题提供了新思路。通过实时信息共享和车辆间协同路径规划，车辆可主动避开拥堵路段，合理分散交通流量，提升道路使用效率。然而，在实际应用中，大规模联网车辆如何实时、高效地完成路径协同优化，仍是亟待解决的问题。

一、协同路径规划框架

图为Markov routing game示意图

本研究首次提出了基于Markov routing game的协同路径规划框架，将联网车辆的路径选择建模为多主体之间的博弈决策问题，使得车辆能够在实时交通环境下主动考虑其他车辆的决策意图，协同实现更优的路径选择。

二、同质均场强化学习算法

图为同质均场强化学习框架示意图

针对现实中联网车辆数量庞大、决策空间巨大的难题，本研究开发了同质性均场强化学习算法（Homogeneity-based Mean-Field Reinforcement Learning）。该算法基于对车辆进行分组，能够显著降低路径决策过程中的求解复杂度，并提升求解效率与算法的可扩展性。

本研究为处理大规模多主体动态博弈问题提供了新的建模和求解思路，具有重要的方法论价值。经仿真实验验证，我们所提出的学习框架在实际交通场景中表现出良好的性能，大幅降低了整体车辆的行驶时间，有效缓解了交通拥堵。

以上的研究成果已发布到如下期刊：Yang, Shan, and Yang Liu. "Markov game for CV joint adaptive routing in stochastic traffic networks: A scalable learning approach." Transportation Research Part B: Methodological 189 (2024): 102997.

三、项目负责人简介

刘杨 | 副教授

刘杨副教授是新加坡国立大学土木与环境工程系、工业系统工程与管理系的联合聘任副教授。她的研究方向包括交通规划与建模、城市交通与物流、交通拥堵管理及数据驱动方法。她主持或参与过多项研究项目，这些项目获得新加坡教育部、国家研究基金会、陆路交通管理局、城市重建局、新加坡科技研究（A*STAR）、思科系统（Cisco Systems）以及新科工程（ST Engineering）等机构的资助与支持。

新加坡国立大学广州创新研究院主要围绕智慧城市、信息和通讯、电子科技、先进制造、人工智能、生物科学和金融科技七大领域展开科研工作。依托新国大世界级的科研实力，研究院从新国大引进数十名教授、副教授及助理教授作为学术带头人，带领本地科研团队积极推进科学研究、成果转化以及博士后培养计划。

我们期待与全球科研专家、企业家和政策制定者一起，激发创新思维，探索科研的无限可能，建立跨学科、跨领域的科学研究与创新应用生态。