1.快速路交通系统的迭代动态线性化及自学习控制方法，其特征在于，包括以下步骤：(1)建立快速路交通系统的空间离散交通模型；

(2)将所述空间离散交通流模型用一般非线性离散时间系统的形式表示；

(3)将一般非线性离散时间模型转化为动态线性化数据模型；

(4)建立迭代动态线性化数据模型的学习控制律和参数更新律。

2.根据权利要求1所述的快速路交通系统的迭代动态线性化及自学习控制方法，其特征在于，所述步骤(1)中所述快速路交通系统包括一条单车道的快速路，每一区段均有一个入口匝道和一个出口匝道，则所述快速路的空间离散交通流模型为：qi(t)＝ρi(t)vi(t),  (2)

其中，h是采样时间间隔；t是指第t个时刻，t∈{0,1,∧,T}；i∈{1,∧,IN}是指快速路的第i个区段；IN是总的区段数；τ,v,k,l,m为常数参数；ρi(t)表示快速路第i个区段第t个时刻的交通流密度；vi(t)表示快速路第i个区段第t个时刻的平均速度；qi(t)表示快速路第i个区段第t个时刻的交通流量；ri(t)表示快速路第i个区段第t个时刻的入口匝道交通流率；si(t)表示快速路第i个区段第t个时刻的出口匝道交通流率；Li表示快速路第i个区段的长度，Vfree表示快速路第i个区段的自由速度，ρjam表示最大密度。

3.根据权利要求2所述的快速路交通系统的迭代动态线性化及自学习控制方法，其特征在于,将所述空间离散交通流模型转化为一般非线性离散时间形式为：y(t+1)＝f[y(t),r(t),d(t)],  (5)其中，状态向量y(t)∈Rn包括所有交通密度、平均速度以及匝道序列；控制向量r(t)∈Rn包括所有可控匝道流率；干扰向量d(t)∈Rn包括所有入口匝道的需求和转弯速度；f(Λ)∈Rn是向量值函数。

4.根据权利要求3所述的快速路交通系统的迭代动态线性化及自学习控制方法，其特征在于,所述步骤(3)中将非线性数据模型转化为动态线性化数据模型，需要设定非线性数据模型满足以下2个假设：假设1：f(Λ)关于控制向量r(t)的偏导数连续；

假设2：非线性数据模型满足广义Lipschitz条件，即对任意固定的t和‖Δr(t)‖≠0，有其中，Δy(t+1)＝y(t+1)-y(t)，Δr(t+1)＝r(t)-r(t-1)； 是一个正常数；

则可得，对于任意的时刻t一定存在一个被称为PPD矩阵的参数 使得非线性数据模型能够转化为以下等价的动态线性化数据模型，其中， 且

5.根据权利要求4所述的快速路交通系统的迭代动态线性化及自学习控制方法，其特征在于,所述步骤(5)中建立动态线性化数据模型的学习控制律和参数更新律的步骤为：(51)设定动态线性化数据模型满足假设3，同时设定快速路交通系统在有限的运行时间间隔t内重复， 是严格重复的；

假设3：PPD参数矩阵 是正定或者非负定；

(52)设置期望交通输出为yd,k(t)∈Rn，对于所有的t∈{0,1,∧,T}，k＝1,2,∧，yd,k(t)是迭代相关且有界的，即其中，byd为正常数且存在；

(53)定义跟踪误差ek(t)＝yd,k(t)-yk(t),则ek(t+1)＝yd,k(t+1)-yk(t)-Φ(t)Δrk(t)＝Φ(t)(Φ(t)-1yd,k(t+1)-Φ(t)-1yk(t)-Δrk(t))  (9)令

ek(t+1)＝Φ(t)[Θ(t)ζk(t)-Δrk(t)]  (10)n -1 n×n

其中，ζk(t)＝yd,k(t+1)-yk(t)∈R，Θ(t)＝Φ(t) ∈R ；

(54)则可得第k次的学习控制律可表述为：

其中， 是Θ(t)的估计值，它的参数更新律为

其中， 是给定有界的；c＞0；0＜abΦ＜2，P＝In×n是单位阵。