Koopman 最优控制模型

实时全局线性控制

该模型通过可解释的有限维Koopman算子近似，实现多区域交通网络周界的实时最优控制，克服了传统机器学习方法在泛化和可解释性上的不足。

袁金龙 · 吴昌质 · Zichao, Liu · Zhao, Shuang · 余长君 · Teo, Kok Lay · Zhou, Tao · Kuikui, Gao

Applied Mathematical Modelling 2025

技术优势

模型可解释

基于 L₀ 范数逼近构造特征函数，使 Koopman 算子近似具有可解释的有限维形式，便于理解内部机制与调优。

全局线性表征

Koopman 算子能够在提升的特征空间中全局线性地刻画非线性系统，使控制设计得以应用成熟的线性方法。

支持实时控制

结合模型预测控制提出了实时周界控制算法，并在实验中验证了算法有效性。

应用场景

• 城市交通控制：用 Koopman 模型替代黑箱机器学习模型，在多区域路网周界动态调节车辆转移流，缓解区域拥堵。
• 智能交通系统：集成到现有交通管理系统，提供可解释的实时控制决策依据，提升 ITS 的自动化水平。
• 实时控制与优化：通过全局线性化模型降低非线性优化复杂度，满足周界控制的实时性要求。
• 模型预测控制：利用 Koopman 线性预测模型构建 MPC 控制器，实现多区域路网的滚动优化控制。