面向空地异构群体的多目标调度策略优化实验数据集

本数据集主要面向智慧交通场景下有效调度空地无人异构群体完成数据采集和应急响应等复杂任务的研究与评估需求建设。空地无人异构群体通过整合空中无人机的高机动性与地面无人车的长续航能力，为城市巡检、交通疏导和事故救援提供了全新的解决方案。但当前学术界的相关评估标准不一，难以对异构群体的任务完成质量（如吞吐量、时延）与资源消耗（如能耗）之间的权衡能力进行公平准确的比较。本数据集的构建为评估和比较空地协同无人群体调度算法的综合效能提供了标准化的数据基础。本数据集于2024年至2025年期间，依托北京理工大学计算机学院智能网络计算实验室条件、服务器集群设备和所研制的空地协同智慧交通仿真平台产生。数据集主要记录了多目标调度策略优化方法与当前主流基准方法的核心性能对比数据，具体内容包括：（1）Beijing数据集上融合吞吐率与信息时延的信息质量度量方法与基准算法t-LocPred（一种基于时空注意力机制的轨迹预测方法）的信息质量度量与资源能效耗费指标；（2）Purdue数据集上基于邻接矩阵异质图卷积的协作因子建模技术与基准方法HGT（一种通用的异质图Transformer模型）的信息质量度量与资源能效耗费指标；（3）NCSU和KAIST数据集上协作因子指导隐式奖励的多智能体深度强化学习轨迹规划方法与基准方法IPPO（一种去中心化的多智能体强化学习方法）、EOI（一种基于个体性的隐式奖励方法）、ELIGN（一种基于期望对齐的隐式奖励方法）的信息质量度量与资源能效耗费指标。