研究空白：为什么“反馈-演化”动力学模型是刚需？

1. 现有国外文献的局限

   • 视频算法层面：CVPR/ICCV 近五年 40+ 篇异常检测论文，止步于“算法→离线指标”（mAP、AUC），未把“延误分钟数”“清客时间”等业务 KPI 作为优化目标。

   • 系统架构层面：IEEE T-ITS 2023 年 11 篇“云边端”研究只讨论带宽节省、延迟降低，没有把架构参数（如边缘 GPU 数量）与 KPI 弹性建立定量关系。

   • 人机协同层面：CHI 2022-24 年 7 篇地铁调度实验，仅给出“信任量表”或“NASA-TLX”主观打分，缺乏“人类策略—AI 策略”共演的数学收敛保证。

2. “反馈-演化”动力学模型的核心科学问题

   • 如何把“AI 模型参数 θ(t) — 系统资源 s(t) — 业务 KPI K(t)”纳入同一状态向量？

   • 如何刻画双向赋能即：

     • 业务 KPI 对 AI 的奖励塑形（K→θ）

     • AI 性能对 KPI 的非线性放大（θ→K）

   • 如何证明闭环系统不会震荡或锁死，而是达到“效能共振”超指数增长？

---

具体研究方案：随机微分博弈驱动的“反馈-演化”动力学

1. 统一状态空间定义

x(t)=[CNN+Transformer 权重θ(t)​​,边缘算力/带宽s(t)​​,延误分钟、清客时间K(t)​​,人类调度员信任度h(t)​​]⊤