[发明专利]一种基于量子游走的网约车流量多尺度特征解析方法

说明书

本发明公开了一种基于量子游走的网约车流量多尺度特征解析方法，首先，运用量子游走模拟网约车在城市空间中的动态演化过程，据此生成网约车出现在不同位置上的随时间演化的多尺度概率模式；其次，根据网约车流量的时空异质性来筛选上述多尺度概率模式；以观测的网约车流量作为边界条件，基于逐步回归筛选出不同位置上的网约车出现的多尺度概率模式；最后，构建多尺度概率模式与网约车流量间的映射转化机制，从而实现网约车流量的多尺度特征解析。本发明能准确解析网约车流量的多尺度特征，有助于挖掘城市交通流中隐含的时空分布格局和结构，对交通管理乃至城市规划具有重要意义。

技术领域

本发明属于交通地理和量子力学的交叉领域，具体涉及一种基于量子游走的网约车流量多尺度特征解析方法。

背景技术

交通系统，尤其是城市交通系统，是一个复杂的时变非线性系统。实际上，由轨迹聚合形成的城市交通流量变化具有复杂的多尺度时空特征。目前，城市交通流量特征分析是建设智能交通系统的关键措施之一。此外，车辆在运行过程中产生的各种数据，如轨迹、交通流量以及速度、密度等，都是衡量城市交通流时空特征潜在规律的指标。因此，准确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种隐含的时空分布格局和结构，对交通管理乃至城市规划具有重要意义。

目前，城市交通流量模拟与多尺度特征解析的方法可分为两类：基于时间序列的方法和基于区域单元的方法。基于时间序列的方法是一种典型的交通量特征分析和结构重构方法，通常将交通流量、速度和密度等变量组织成时间序列，并根据其包含的信息进一步从这些时间序列中提取隐含的多尺度特征。典型的，基于时间序列的多尺度结构分析方法有时间序列分析、经验模式分解(EMD)、小波分析、多尺度熵、分形谱分析、主成分分析(PCA)、张量方法以及上述方法的组合方法等。一般来说，上述方法认为了交通流量是由不同尺度的多个分量的叠加聚合而成，从而进行交通流量的成分模拟和多尺度特性分析。基于时间序列的多尺度结构分析方法具有善于挖掘交通流隐含的多尺度结构，捕捉交通流量突变的优点。但此类方法是完全基于聚合的交通流时间序列的数据驱动的方法，很少考虑车辆空间分布的动态性对交通量的影响。因此，此类方法的分析结果可能具有伪尺度特征或“尺度混合”现象，进而导致对城市交通流多尺度结构的理解和认识与现实存在偏差。

第二类是基于区域单元的多尺度结构分析方法。该方法基于出行区域的视角来研究交通系统与城市空间的交互机制，分析城市空间对个体行为的空间约束，从而解析城市交通空间结构的差异性和多元性。例如，Louail等基于手机获取的用户位置数据，使用二阶矩阵提取出行网络的粗粒度特征，研究了住宅区与工作区之间的出行量与城市规模的关系。Lee等使用92个城市的出行路线数据﹐研究了城市街道结构与其功能使用之间的相互作用。此外，部分学者还探究了多空间尺度的交通设施网络的发展过程、演化模式与规律。通常，基于区域单元的多尺度结构分析方法常用于探索交通系统、交通出行模式和城市空间结构的空间格局和特征。然而，这些方法大多是宏观静态方法，侧重于交通流量与城市空间结构间的相关分析。事实上，城市交通流的动态性，尤其是网约车交通流，使得由车辆行驶轨迹聚合得到的交通流量具有显著的时空异质性，这对有效的城市交通流特征分析提出了挑战。也就是说，基于区域单元的方法很少考虑城市交通流在连续时间和空间上的动态演化过程，进而对由此演化形成的多尺度结构考虑不足。因此，基于区域单元的方法无法直观地探索动态的城市交通流的多尺度特征。

发明内容

发明目的：提出了一种基于量子游走的网约车流量多尺度特征解析方法，有助于加深对城市交通流的多尺度演化特征及其空间格局的理解与认识。

技术方案：本发明旨在一种基于量子游走的网约车流量多尺度特征解析方法，具体包括以下步骤：

(1)运用量子游走模拟网约车在城市空间中的动态演化过程，生成网约车出现在不同位置上的随时间演化的多尺度概率模式；

(2)根据网约车流量的时空异质性来筛选步骤(1)所述的多尺度概率模式：以观测的网约车流量作为边界约束条件，基于逐步回归筛选出不同位置上的网约车出现的多尺度概率模式；