一種基于量子隨機游走的交通流模態擬合方法技術

本發明專利技術公開了一種基于量子隨機游走的交通流模態擬合方法，包括如下步驟：(1)基于量子隨機游走構建模態生成器；(2)多模態制備；(3)模態篩選；(4)構建模態與交通流量間的映射機制。本發明專利技術認為高速交通流是由多個結構各異的交通流模態混疊耦合形成的復雜地理時空過程，嘗試從多尺度分析的視角實現交通流的建模模擬；在高速公路路網拓撲結構的基礎框架下，利用量子隨機游走生成高速交通流中所有可能的交通流模態；并在實際交通流時間序列的約束下，基于特定的篩選規則實現模態的篩選，并探索交通流模態與交通流量間的轉化耦合機制，實現了對高速交通流的建模模擬。

【技術實現步驟摘要】
一種基于量子隨機游走的交通流模態擬合方法
本專利技術涉及城市規劃、交通地理
，尤其是一種基于量子隨機游走的交通流模態擬合方法。
技術介紹
交通流量是眾多交通應用的一個重要指標，通常通過位于(高速)公路進/出站點的傳感器采集獲得。交通流量在識別道路擁堵程度、交通分流以及交通事故后處理等方面提供了關鍵信息，對交通管理、流量預測和調控等領域發揮著不可或缺的作用。然而，交通流系統是一個開放系統，不同駕駛員具有不同的駕駛模式，駕駛員的異質性使交通流的復雜程度劇增，為交通流建模模擬帶來了極大挑戰。當前的交通流建模模型大致可歸納為兩類：確定性模型和隨機性模型。確定性模型的輸出結果完全決定于模型參數及初始化條件，因此可對交通流進行準確建模。可進一步將其分為三類：宏觀模型、微觀模型以及智能體模型。宏觀模型通常使用內生或外生變量來反映交通流的平均振蕩，忽略了駕駛員的異質性，不適用于高速交通流建模。微觀模型將個體抽象為粒子，通過改變粒子之間的吸引力來近似描述交通流振蕩，但無法表征交通流振蕩的隨機性；智能體模型通過預定義演化規則來模擬交通流中個體的異質性，而這些預定義規則只能從確定性視角對交通流數據進行建模，不能較好地揭示交通流中的隨機性。隨機性模型包括：宏觀統計模型、統計學習模型以及動態網絡模型。宏觀統計模型將交通流視為隨機過程，如自回歸移動平均模型(ARIMA)與Markov模型，雖然此類模型參數簡單、計算高效，但通常需要滿足平穩性假設；統計學習模型，如長短期記憶網絡(LSTM)，通過使用海量歷史數據進行訓練模型，并不斷調整模型參數來模擬交通流。此類模型具有識別交通流非線性特征的優勢，但由于“黑箱”特性，且對于訓練數據過于敏感，對交通流的模擬造成了一定限制。動態網絡模型將駕駛的時空過程描述為駕駛員在交通網絡上的動態轉移，駕駛員的異質性則通過轉移概率表現。近年來，隨著交通流數據的不斷積累和完善，越來越多的證據表明經典隨機游走可以捕獲交通流的非線性與動態特性。但是，實際交通流多數情況下不能滿足經典隨機游走的獨立性和隨機性假設，使得經典隨機游走在交通流模擬中失效。
技術實現思路
本專利技術所要解決的技術問題在于，提供一種基于量子隨機游走的交通流模態擬合方法，實現對高速交通流的建模模擬。為解決上述技術問題，本專利技術提供一種基于量子隨機游走的交通流模態擬合方法，包括如下步驟：(1)基于量子隨機游走構建模態生成器；(2)多模態制備；(3)模態篩選；(4)構建模態與交通流量間的映射機制。優選的，步驟(1)中，基于量子隨機游走構建模態生成器具體為：基于量子隨機游走的基本假設，在具有n個站點的一維交通流中，將駕駛員所有可能的選擇定義為量子隨機游走的基態，記為|v>＝{|1>,|2>,…,|n>}；由于駕駛員最終只能選擇一個站點駛離高速交通流，因此將基態表示為如下向量形式：為了讓駕駛員能夠動態調整出現在不同站點的概率，首先定義一個由基態構成的希爾伯特空間H，使得由基態的線性組合而成的疊加態同樣處于該空間中；因此，量子隨機游走的狀態被定義為所有基態的線性疊加：其中|aj(k)|∈[0,1]，表示駕駛員在給定時間處于狀態|j>的概率幅；根據隨機性假設，基于酉變換，將狀態向量隨時間的演化表示如下：如式(3)所示，狀態向量的動態演變取決于鄰接矩陣A，從離散點的視角將其轉化為矩陣，并通過矩陣運算有效求解狀態向量，構建了基于量子隨機游走的模態生成器。優選的，步驟(2)中，多模態制備具體為：量子隨機游走控制參數是步驟(1)構建的模態生成器的唯一參數，直接決定了交通流模態的特征，即相應概率分布的結構特征；只需不斷變化量子隨機游走的控制參數，即可生成交通流中所有可能的模態。優選的，步驟(3)中，模態篩選具體為：以逐步回歸子集篩選法作為交通流模態篩選方法，在實際交通流時間序列F的約束下，對步驟(2)生成的所有可能的交通流模態進行逐步回歸子集篩選，將其表示為：基于赤池信息量準則(AIC)，使用式(4)中的逐步回歸子集篩選方法對所有可能的交通流模態進行篩選，得到模態篩選結果，記為優選的，步驟(4)中，構建模態與交通流量間的映射機制具體為：基于步驟(3)篩選所得模態建立了交通流量與交通流模態間的混疊耦合關系，并將其表示為：其中，M為步驟(3)篩選所得的模態數，F為實際交通流時間序列，αm為以模態駛離高速交通流的車輛總數，km為篩選所得模態的參數，是交通流模態特征的重要表征參數。本專利技術的有益效果為：本專利技術認為高速交通流是由多個結構各異的交通流模態混疊耦合形成的復雜地理時空過程，嘗試從多尺度分析的視角實現交通流的建模模擬；在高速公路路網拓撲結構的基礎框架下，利用量子隨機游走生成高速交通流中所有可能的交通流模態；并在實際交通流時間序列的約束下，基于特定的篩選規則實現模態的篩選，并探索交通流模態與交通流量間的轉化耦合機制，實現了對高速交通流的建模模擬。附圖說明圖1為本專利技術的方法流程示意圖。圖2為本專利技術的整體框架結構示意圖。圖3為本專利技術三種方法的模擬結果示意圖。圖4為本專利技術三種方法的統計指標對比示意圖。圖5為本專利技術三種方法功率譜分析結果對比示意圖。具體實施方式如圖1所示，一種基于量子隨機游走的交通流模態擬合方法，包括如下步驟：(1)基于量子隨機游走構建模態生成器；(2)多模態制備；(3)模態篩選；(4)構建模態與交通流量間的映射機制。本專利技術主要包括以下兩個方面的理論假設：(1)模態假設：假設具有相同/相似駕駛模式的駕駛員形成的軌跡聚合形成一個交通流模態，限定了駕駛員異質性與模態的關系。(2)模型假設：假設交通流滿足獨立性假設和隨機性假設(實際交通流基本滿足此假設)，確定了使用量子隨機游走而不是經典隨機游走生成所有可能的交通流模態。如圖2所示，在一維高速交通流中，假設交通流中同一模態下的駕駛員在t0時刻從站點S0駛入交通流，在從如S1,S2,…,Sn的站點出站。當未對系統施加觀測時，任意駕駛員在任意時刻均以一定概率出現在任意站點，不同模態具有不同的概率分布，概率大小體現了駕駛員的異質性。為了構建基于量子隨機游走的交通模態擬合方法，本專利技術遵循以下假設：(1)獨立性假設：由個體產生的交通振蕩是相互關聯的，這不僅意味著個體的駕駛模式會被其他個體所影響，而且個體的駕駛模式與整體交通狀況也是雙向影響的。(2)隨機性假設：同一交通模態的駕駛員存在隨機性，即使車輛勻速行駛，在未實施觀測的情況下，駕駛員在給定時間內可能出現在任何位置，滿足量子隨機游走的基本假設。基于以上假設，保證了運用量子隨機游走制備交通流模態的可行性。為滿足量子隨機游走的基本假設，將具有相同/相似駕駛模式的一類駕駛員(即同一模態下的駕駛員)抽象為量子化的粒子，則此類駕駛員在高速交通系統上的運動過程可描述為粒子在站本文檔來自技高網...

【技術保護點】
1.一種基于量子隨機游走的交通流模態擬合方法，其特征在于，包括如下步驟：/n(1)基于量子隨機游走構建模態生成器；/n(2)多模態制備；/n(3)模態篩選；/n(4)構建模態與交通流量間的映射機制。/n

【技術特征摘要】
1.一種基于量子隨機游走的交通流模態擬合方法，其特征在于，包括如下步驟：
(1)基于量子隨機游走構建模態生成器；
(2)多模態制備；
(3)模態篩選；
(4)構建模態與交通流量間的映射機制。


2.如權利要求1所述的基于量子隨機游走的交通流模態擬合方法，其特征在于，步驟(1)中，基于量子隨機游走構建模態生成器具體為：基于量子隨機游走的基本假設，在具有n個站點的一維交通流中，將駕駛員所有可能的選擇定義為量子隨機游走的基態，記為|v>＝{|1>,|2>,…,|n>}；由于駕駛員最終只能選擇一個站點駛離高速交通流，因此將基態表示為如下向量形式：



為了讓駕駛員能夠動態調整出現在不同站點的概率，首先定義一個由基態構成的希爾伯特空間H，使得由基態的線性組合而成的疊加態同樣處于該空間中；因此，量子隨機游走的狀態被定義為所有基態的線性疊加：



其中|aj(k)|∈[0,1]，表示駕駛員在給定時間處于狀態|j>的概率幅；根據隨機性假設，基于酉變換，將狀態向量隨時間的演化表示如下：



如式(3)所示，狀態向量的動態演變取決于鄰接矩陣A，從離散點的視角將其轉化為矩陣，并通過矩陣運算有效求解狀態向量，構建了基于量子隨...

【專利技術屬性】
技術研發人員：王增杰，俞肇元，滕玉浩，周鑫鑫，袁林旺，
申請(專利權)人：南京師范大學，
類型：發明
國別省市：江蘇;32