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流模型；

(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；

将非线性离散时间模型转化为动态线性化数据模型，需要设定非线性离散时间模型满足以下2个假设：假设1：f(…)关于控制向量r(t)的偏导数连续；

假设2：非线性离散时间模型满足广义Lipschitz条件，即对任意固定的t和||Δr(t)||≠0，有||Δy(t+1)||≤bΦ||Δr(t)||

其中，Δy(t+1)＝y(t+1)-y(t)，Δr(t)＝r(t)-r(t-1)；bΦ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参数矩阵Φ(t)，使得非线性离散时间模型能够转化为以下等价的动态线性化数据模型，Δy(t+1)＝Φ(t)Δr(t)             (6)其中，Φ(t)∈Rn×n且||Φ(t)||≤bΦ；

(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：(41)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，Φ(t)是严格重复的；

假设3：PPD参数矩阵Φ(t)是正定或者非负定；

(42)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；

(43)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)其中，ζk(t)＝yd,k(t+1)-yk(t)∈Rn，Θ(t)＝Φ(t)-1∈Rn×n；

(44)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。

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)∈n nR包括所有可控匝道流率；干扰向量d(t)∈R 包括所有入口匝道的需求和转弯速度；f(…)∈Rn是向量值函数。