يُعد تحديد مواقع منصات الإقلاع والهبوط منخفضة الارتفاع (الفيرتي بورتات) تحديًا أساسيًا لتطوير التنقل الجوي الحضري (UAM). تصيغ هذه الدراسة هذه المشكلة كنوع من مشكلة تحديد مواقع المنشآت ذات السعة المحدودة، مع تضمين قيود نطاق الطيران وقدرة الخدمة، وتقترح SPID، إطار حل يستند إلى التعلم العميق المعزز (DRL) الذي يصور المشكلة كعملية قرار ماركوف. لمعالجة التغطية الديناميكية، يستخدم إطار العمل المصمم SPID المعتمد على DRL آلية انتباه متعددة الرؤوس لالتقاط الأنماط المكانية والزمانية، تليها دمج المعلومات الديناميكية والثابتة في متجه حالة إدخال موحد. بعد ذلك، يُستخدم وحدة تكرار بوابة (GRU) لتوليد متجه الاستعلام، مما يعزز اتخاذ القرارات المتسلسلة. يتم تنظيم شبكة الإجراءات داخل شبكة DRL بواسطة دالة خسارة تدمج تكاليف مسافة الخدمة مع عقوبات الطلب غير الملبى، مما يتيح تحسينًا من طرف إلى طرف. توضح النتائج التجريبية اللاحقة أن SPID يعزز بشكل ملحوظ كفاءة الحل ومرونته مقارنة بالطرق التقليدية تحت قيود الطيران والسعة. بشكل خاص، عبر مؤشرات الأداء المجتمعي التي تم التأكيد عليها في هذه الدراسة، تتفوق SPID على الحلول الفرعية المثلى التي تنتجها طرق التجميع التقليدية وطرق الشبكات العصبية الرسومية (GNN) بما يصل إلى حوالي 29٪. يأتي هذا التحسن مع زيادة في تكلفة المسافة يتم الحفاظ عليها ضمن 10٪. بشكل عام، نُظهر نهجًا فعالًا وقابلًا للتوسع لتحديد مواقع الفيرتي بورت، يدعم اتخاذ القرار السريع في سيناريوهات UAM واسعة النطاق.

التخطيط منخفض الارتفاع؛ تحديد مواقع الفيرتي بورت؛ التعلم العميق المعزز؛ استكشاف الخوارزميات