基于闭环神经算子的交通密度观测器
最优化与控制
2025-09-05 v2 机器学习
摘要
我们考虑稀疏来自固定路侧传感器的交通密度估计问题。我们的做法使用傅里叶神经算子从高保真数据中学习宏观交通流动力学。在推断期间，该算子作为交通演化的开环预测器。为闭环控制，我们将开环算子与一个纠正算子耦合，后者将预测密度与传感器的稀疏测量值相结合。SUMO 软件的仿真结果表明，与开环观测器相比，所提出的闭环观测器表现出经典的闭环特性，如对噪声的鲁棒性和误差的最终有界性。这显示了将学习的物理与实时纠正相结合的优势，为准确、高效且可解释的数据驱动观测器开辟了道路。
引用
@article{arxiv.2504.04873,
title = {Closed-Loop Neural Operator-Based Observer of Traffic Density},
author = {Alice Harting and Karl Henrik Johansson and Matthieu Barreau},
journal= {arXiv preprint arXiv:2504.04873},
year = {2025}
}