[發明專利]一種基于量子游走的網約車流量多尺度特征解析方法

在審

• 申請號: 202210276630.6
• 申請日: 2022-03-21
• 公開（公告）號: CN114648433A
• 公開（公告）日: 2022-06-21
• 發明（設計）人: 胡旭;錢凌欣;鈕瀟雨;俞肇元
• 申請（專利權）人: 南京師范大學
• 主分類號: G06Q50/30
• 分類號: G06Q50/30;G06N7/00;G06N10/20;G08G1/01
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

本發明公開了一種基于量子游走的網約車流量多尺度特征解析方法，首先，運用量子游走模擬網約車在城市空間中的動態演化過程，據此生成網約車出現在不同位置上的隨時間演化的多尺度概率模式；其次，根據網約車流量的時空異質性來篩選上述多尺度概率模式；以觀測的網約車流量作為邊界條件，基于逐步回歸篩選出不同位置上的網約車出現的多尺度概率模式；最后，構建多尺度概率模式與網約車流量間的映射轉化機制，從而實現網約車流量的多尺度特征解析。本發明能準確解析網約車流量的多尺度特征，有助于挖掘城市交通流中隱含的時空分布格局和結構，對交通管理乃至城市規劃具有重要意義。

技術領域

本發明屬于交通地理和量子力學的交叉領域，具體涉及一種基于量子游走的網約車流量多尺度特征解析方法。

背景技術

交通系統，尤其是城市交通系統，是一個復雜的時變非線性系統。實際上，由軌跡聚合形成的城市交通流量變化具有復雜的多尺度時空特征。目前，城市交通流量特征分析是建設智能交通系統的關鍵措施之一。此外，車輛在運行過程中產生的各種數據，如軌跡、交通流量以及速度、密度等，都是衡量城市交通流時空特征潛在規律的指標。因此，準確挖掘的城市交通流量的多尺度特征有助于挖掘城市交通流種隱含的時空分布格局和結構，對交通管理乃至城市規劃具有重要意義。

目前，城市交通流量模擬與多尺度特征解析的方法可分為兩類：基于時間序列的方法和基于區域單元的方法。基于時間序列的方法是一種典型的交通量特征分析和結構重構方法，通常將交通流量、速度和密度等變量組織成時間序列，并根據其包含的信息進一步從這些時間序列中提取隱含的多尺度特征。典型的，基于時間序列的多尺度結構分析方法有時間序列分析、經驗模式分解(EMD)、小波分析、多尺度熵、分形譜分析、主成分分析(PCA)、張量方法以及上述方法的組合方法等。一般來說，上述方法認為了交通流量是由不同尺度的多個分量的疊加聚合而成，從而進行交通流量的成分模擬和多尺度特性分析。基于時間序列的多尺度結構分析方法具有善于挖掘交通流隱含的多尺度結構，捕捉交通流量突變的優點。但此類方法是完全基于聚合的交通流時間序列的數據驅動的方法，很少考慮車輛空間分布的動態性對交通量的影響。因此，此類方法的分析結果可能具有偽尺度特征或“尺度混合”現象，進而導致對城市交通流多尺度結構的理解和認識與現實存在偏差。

第二類是基于區域單元的多尺度結構分析方法。該方法基于出行區域的視角來研究交通系統與城市空間的交互機制，分析城市空間對個體行為的空間約束，從而解析城市交通空間結構的差異性和多元性。例如，Louail等基于手機獲取的用戶位置數據，使用二階矩陣提取出行網絡的粗粒度特征，研究了住宅區與工作區之間的出行量與城市規模的關系。Lee等使用92個城市的出行路線數據﹐研究了城市街道結構與其功能使用之間的相互作用。此外，部分學者還探究了多空間尺度的交通設施網絡的發展過程、演化模式與規律。通常，基于區域單元的多尺度結構分析方法常用于探索交通系統、交通出行模式和城市空間結構的空間格局和特征。然而，這些方法大多是宏觀靜態方法，側重于交通流量與城市空間結構間的相關分析。事實上，城市交通流的動態性，尤其是網約車交通流，使得由車輛行駛軌跡聚合得到的交通流量具有顯著的時空異質性，這對有效的城市交通流特征分析提出了挑戰。也就是說，基于區域單元的方法很少考慮城市交通流在連續時間和空間上的動態演化過程，進而對由此演化形成的多尺度結構考慮不足。因此，基于區域單元的方法無法直觀地探索動態的城市交通流的多尺度特征。

發明內容

發明目的：提出了一種基于量子游走的網約車流量多尺度特征解析方法，有助于加深對城市交通流的多尺度演化特征及其空間格局的理解與認識。

技術方案：本發明旨在一種基于量子游走的網約車流量多尺度特征解析方法，具體包括以下步驟：

(1)運用量子游走模擬網約車在城市空間中的動態演化過程，生成網約車出現在不同位置上的隨時間演化的多尺度概率模式；

(2)根據網約車流量的時空異質性來篩選步驟(1)所述的多尺度概率模式：以觀測的網約車流量作為邊界約束條件，基于逐步回歸篩選出不同位置上的網約車出現的多尺度概率模式；