探索用于信号化交叉口建模的 DMD 类算法
系统与控制
2021-07-15 v1 系统与控制
摘要
本文探索了一种基于 Koopman 算子理论和动态模式分解（DMD）近期发展的新型数据驱动方法，用于建模信号化交叉口。信号化交叉口上的车流与排队形成具有复杂非线性动力学，使得系统辨识、建模和控制器设计任务颇具挑战。我们采用 Koopman 理论方法将原始非线性动力学转化为局部线性无限维动力学。该数据驱动方法完全依赖于交通数据的时空快照。我们研究了该方法的若干关键方面，并提供了关于 DMD 类算法在自适应信号化交叉口中应用的见解。为展示所得线性化动力学的效用，我们对交叉口的排队长度进行了预测，并将结果与最先进的长短期记忆（LSTM）方法进行比较。案例研究涉及奥兰多地区两个信号化交叉口的早高峰车辆运动和排队长度。观察到基于 DMD 的算法能够以线性近似在合理程度上捕捉复杂动力学。
引用
@article{arxiv.2107.06369,
title = {Exploring DMD-type Algorithms for Modeling Signalised Intersections},
author = {Kazi Redwan Shabab and Shakib Mustavee and Shaurya Agarwal and Mohamed H. Zaki and Sajal Das},
journal= {arXiv preprint arXiv:2107.06369},
year = {2021}
}
备注
11 pages, 8 figures, Submitted to: Journal of Intelligent Transportation Systems