Neural Operators for Adaptive Control of Traffic Flow Models
针对ARZ交通流模型参数不确定问题，提出基于DeepONet神经算子的自适应边界控制，快速生成核函数，显著提升计算效率并保证系统稳定性。
2025-05-12 math.OC
A Robust Mean-field Game of Boltzmann-Vlasov-like Traffic Flow
从历史上看，交通建模方法要么采取类似颗粒（微观）的方法，要么采取类似气体（中观或宏观）的方法。直到最近，随着平均场博弈引入到控制社区，还没有一个严格的框架，以促进微观模型和宏观模型的控制之间的通道。我们开始这项工作与自主车辆的阻力和未知的干扰，噪音，速度限制，除了控制的基于粒子的模型。我们制定了一个强大的随机微分对策上的粒子。我们通过形式上的无限粒子极限，得到一个强大的平均场博弈PDE系统。我们数值求解了平均场博弈偏微分方程系统，并对结果进行了讨论。特别是，我们得到了一个最优控制，它增加了批量速度的交通流，同时减少拥塞。
2021-11-15 cs.SY eess.SY math.OC
Generalized Adaptive Smoothing Using Matrix Completion for Traffic State Estimation
自适应平滑方法（ASM）是一种数据驱动的交通状态估计方法。它插入未观察到的交通量沿特征交通波速度定义的时空方向的平滑测量。标准ASM由两个由启发式权重因子加权的先验估计的叠加组成。在本文中，我们提出了一个系统的程序来计算最佳的权重因子。我们将先验权重的计算归结为一个约束矩阵完备化问题，并使用乘子的交替方向法（ADMM）算法有效地解决了这个问题。我们的框架允许进一步改善传统的ASM，这是有限的，只利用一对拥挤和自由流波的速度，通过考虑多个波的速度。我们所提出的算法不需要任何依赖于字段的流量参数，从而绕过频繁的字段校准所需的常规ASM。使用NGSIM数据的实验表明，所提出的基于ADMM的估计引起的误差小于ASM估计。
2022-06-03 math.OC
Approximate Dynamic Programming for a Mean-field Game of Traffic Flow: Existence and Uniqueness
针对高速公路多车交通流控制问题，本文构建折扣成本无限时域鲁棒平均场博弈及DP PDE系统，并用ADP自适应求次优控制，证明其ODE-PDE系统弱解唯一且通过仿真验证。
2023-06-05 cs.SY eess.SY math.OC
Stochastic Adaptive Linear Quadratic Differential Games
对策论在理解复杂系统和研究具有各种不确定性的智能机器方面发挥着越来越重要的作用。作为一个出发点，我们考虑了经典的两人零和线性二次随机微分对策，但与大多数现有的研究相比，系统的系数矩阵被假设为未知的两个局中人，因此有必要研究局中人的自适应策略，这可以被称为自适应对策，这在文献中很少被探讨。在本文中，它将被证明，双方球员的自适应策略，可以通过组合使用加权最小二乘（WLS）估计算法，随机正则化方法和减少激励方法。在几乎相同的结构条件下，在传统的已知参数的情况下，我们将证明闭环自适应对策系统将是全局稳定的，并渐近地达到纳什均衡的时间趋于无穷大。
2022-04-19 math.OC
Neural Operators for Adaptive Control of Freeway Traffic
针对高速公路交通自适应控制中的ARZ-PDE模型，提出基于DeepONet的神经算子方法，在线学习反推核函数，比传统求解器快近两个数量级且损失达10^{-3}量级。
2025-09-26 math.OC
Fully Distributed Adaptive Nash Equilibrium Seeking Algorithm for Constrained Noncooperative Games with Prescribed Performance
针对约束非合作博弈，提出一种全分布式自适应纳什均衡寻求算法，利用自适应惩罚、时变增益和余弦时间转换实现规定时间稳定，并通过电力市场仿真验证。
2024-11-06 math.OC
Urban Freight Transportation Planning: A Dynamic Stackelberg Game-Theoretic Approach
本文提出了一个城市货运规划的动态斯塔克伯格博弈论模型，该模型能够描述城市地区货运和个人交通之间的相互作用。该问题被表述为具有平衡约束的双层动态数学规划（MPEC），属于一类计算上具有挑战性的问题。下层是动态用户均衡（DUE）与非均匀交通的特点，交通系统最优（SO）货运规划问题，旨在最大限度地减少总成本的卡车公司。本文推导了一种带互补约束的数学规划（MPCC），并设计了一种投影梯度算法来解决这一计算难题。数值实验表明，在规划货运时，背景交通是不可忽略的，即使卡车的数量相比，其他车辆在同一网络上行驶相对较小。更重要的是，在我们提出的城市货运交通规划的双层模型中，我们发现了一个动态的情况下，Braess样的Parket，可以提供管理的见解，以大都市规划组织（MPO）在增加社会福利，通过限制货物流动。
2012-11-20 math.OC
Probabilistic Game-Theoretic Traffic Routing
本文面向自利车辆的随机路径规划，通过延迟近似与变量变换构建聚合博弈，提出半去中心化变分广义 Nash 均衡求解算法，并分析势博弈下滚动时域控制的收敛性与性能。
2024-05-07 cs.SY eess.SY math.OC
Dynamic system optimal traffic assignment with atomic users: Convergence and stability
本研究分析了固定出发时间下动态系统最优交通分配的收敛性与稳定性，将其表述为势博弈，证明了最优状态的随机稳定性，并发现边际成本定价的演化实施机制比固定定价更平滑、鲁棒。
2021-05-19 cs.GT math.OC
A Game-Theoretic Framework for Autonomous Vehicles Velocity Control: Bridging Microscopic Differential Games and Macroscopic Mean Field Games
Columbia University（哥伦比亚大学）
本文提出了一种高效的计算框架，用于大规模自动驾驶车辆（AVs）的纵向速度控制，并发展了AVs的交通流理论。通过设计未来AVs作为理性、效用优化的代理，持续选择最优速度，而非显式假设AVs的驾驶方式。该设计问题在大量交互AVs的情况下变得计算不可行，本文通过均场近似和推导无限数量代理的均场游戏（MFG）作为极限微分游戏来解决。提出的微宏模型允许在微观层面定义个体为效用优化代理，并将丰富的微观行为转化为宏观模型。与现有将MFG应用于交通流模型的研究不同，本文提供了一个系统框架将MFG应用于自动驾驶车辆速度控制。MFG基于的AV控制器比LWR基于的控制器更快缓解交通拥堵。MFG也体现了经典交通流模型的行为解释，从而为AVs提供新的交通流理论。
2020-12-10 cs.SY eess.SY math.OC
Partial Altruism is Worse than Complete Selfishness in Nonatomic Congestion Games
我们寻求理解人类和机器之间基础设施规模交互的基本数学，特别是当机器的预期目的是影响和优化人类的行为时。为此，本文研究了非原子网络拥塞游戏中可能出现的最坏情况拥塞，当一小部分流量是完全利他的（例如，仁慈的自动驾驶汽车）而其余的是完全自私的（例如，人类通勤者）。我们研究的最坏情况下的危害利他主义在这种情况下的反常指数，或最坏情况下的均衡拥塞成本的存在下，利他主义的交通，相对于拥塞成本，如果所有的交通都是自私的。我们推导出一个紧界的反常指数的类串并联网络拥塞游戏凸延迟函数，并显示三个事实：第一，利他主义的危害是最大化时，正好有一半的流量是利他主义的，但它优雅地消失时，利他主义流量的分数接近0或1。其次，我们表明，利他主义的危害是线性增加的网络延迟函数的“陡度”的自然措施。最后，我们表明，对于任何非平凡的部分利他主义的流量，利他主义的危害超过了无政府状态的无政府代价与所有自私的流量：在某种意义上，部分利他主义比完全自私。
2020-07-10 cs.GT cs.SY eess.SY
Solving N-player dynamic routing games with congestion: a mean field approach
最近出现的导航工具已经改变了交通模式，现在已经启用了新类型的交通感知路由控制，如动态道路定价。利用交通流的基本图-应用于宏观和中观的交通建模-本文介绍了一个新的N人动态路由游戏与显式拥塞动态。该模型是适定的，可以重现异质出发时间和拥挤溢出现象。然而，由于纳什均衡计算是PPAD完全的，因此对于大量但现实的车辆N，求解博弈变得棘手。因此，相应的平均场博弈也被引入。实验进行了几个经典的基准网络的交通社区：Pigou，Braess和苏福尔斯网络与异构的起源，目的地和出发时间元组。Pigou和Braess的例子表明，平均场近似通常是非常准确的，只要车辆的数量超过几十个计算效率。在苏福尔斯网络（76个链接，100个时间步长）上，这种方法可以学习超过14，000辆车的交通动态。
2021-10-27 cs.MA cs.NI cs.SY
Pursuing robust decisions in uncertain traffic equilibrium problems
我们评估的鲁棒性代理的流量均衡随机路由游戏的特点是一个不确定的网络需求与可能未知的概率分布。具体来说，我们扩展了所谓的软管模型考虑的交通平衡模型，不确定的网络需求配置属于一个多面体集，其形状本身是先验未知的。通过利用现有的数据，我们应用场景方法理论，建立分布免费的不确定路由游戏的代理商的流量均衡的可行性保证，而不需要知道这样的集的明确表征。一个交通网络试验台上的数值例子证实了所提出的理论结果。
2021-03-23 cs.MA cs.SY eess.SY
Drivers' skills and behavior vs. traffic at intersections
这项工作是专门为道路交通建模的街道布局没有交通灯的既定拓扑结构的方式。交通参与者的行为考虑到驾驶员创造性地解释交通规则的个人倾向。参与者交互描述了对策论模型，该模型为基于元胞自动机的仿真算法提供信息。驱动因素的多样化可以归结为两种类型：DE（有效）代理和CO（操作）代理。使用交通参与者的描述，以检查行为对街道交通动态的影响的各种方式进行了展示。指出了进一步详细分析的方向，这需要在对策论模型领域进行基础研究。
2021-01-09 cs.SY eess.SY math.OC
Macroscopic Traffic Flow Network Modeling For Wildfire Evacuation: A Game-Theoretic Junction Optimization Approach with Application to Lahaina Fire
University of California, Los Angeles（加州大学洛杉矶分校）
本文提出基于博弈论的节点优化方法，用于建模大规模交通流网络，以解决野火疏散中的通行容量问题，通过分析玩具网络和拉海纳道路网络，揭示了出口车道容量的相变特性。
2026-04-01 cs.NA math.NA math.OC
A Game Theoretic Macroscopic Model of Bypassing at Traffic Diverges with Applications to Mixed Autonomy Networks
University of California, Berkeley（加州大学伯克利分校）
本文提出一个宏观模型预测交通分歧点的绕行车辆数量，考虑车辆自私行为，建立Wardrop均衡模型，证明均衡存在性和唯一性，并展示模型在混合自主网络中的应用。
2018-09-08 cs.GT cs.SY eess.SY
Traffic Adaptive Moving-window Service Patrolling for Real-time Incident Management during High-impact Events
Department of Electrical and Computer Engineering, New York University, United States of America（电气与计算机工程系，纽约大学，美国）；Department of Civil and Urban Engineering, New York University, United States of America（土木与城市工程系，纽约大学，美国）
提出TAMPA算法，结合预测建模与动态规划，自适应调整巡逻路线，显著提升大型活动期间实时事件管理效率，仿真显示比静态和随机方法分别提升87.5%和114.2%。
2025-04-18 cs.LG math.OC
Robust Global Adaptive Exponential Stabilization of Discrete-Time Systems with Application to Freeway Traffic Control
National Technical University of Athens（雅典国立技术大学）；Technical University of Crete（克里特理工大学）
本文提出了一种自适应控制方案，用于不确定离散时间系统，保证鲁棒、全局指数收敛到系统期望平衡点。方法结合了名义反馈律和非线性死区观测器，适用于具有未知常参数的非线性不确定系统，并通过高速公路模型验证了其应用性。
2015-09-01 cs.SY eess.SY math.OC
Privacy-Preserving Adaptive Traffic Signal Control in a Connected Vehicle Environment
针对网联车辆环境下的交通信号控制隐私风险问题，结合安全多方计算与差分隐私设计隐私保护数据聚合机制，构建自适应信号控制的线性及随机规划模型，在保障隐私的同时维持甚至优化控制性能。
2023-05-12 cs.CR cs.SY eess.SY
A Study of Truck Platooning Incentives Using a Congestion Game
ACCESS Linnaeus Center, School of Electrical Engineering, KTH Royal Institute of Technology（ACCESS林奈斯中心，电气工程学院，皇家理工学院）
本文通过原子拥堵博弈模型研究交通流中车辆与卡车编队激励的相互作用，利用斯德哥尔摩交通数据验证模型假设，并通过仿真实验分析司机时间价值和编队率对纳什均衡的影响。
2014-01-21 cs.GT cs.SY eess.SY
On Adaptive-Gain Control of Replicator Dynamics in Population Games
本文针对群体博弈中的复制动力学方程，提出一种通过自适应调整收益矩阵元素来引导群体收敛至期望均衡点的控制器，并给出了全局收敛条件。
2023-09-05 cs.SY eess.SY math.DS
Traffic signal optimization in large-scale urban road networks: an adaptive-predictive controller using Ising models
针对大规模城市路网交通信号优化计算负载高的问题，提出将最优控制转化为伊辛问题的AMPIC方法，结合伊辛求解器实现高效优化，实验验证其可提升车速、减少排放，适配大规模路网。
2024-07-12 cs.ET cs.SY eess.SY
