[发明专利]一种基于量子游走的行为轨迹序列多特征模拟方法

权利要求书

1.一种基于量子游走的行为轨迹序列多特征模拟方法，其特征在于，包括如下步骤：

(1)生成全集特征序列；

(2)筛选特征序列；

(3)构建特征序列映射机制；

(4)实验验证。

2.如权利要求1所述的基于量子游走的行为轨迹序列多特征模拟方法，其特征在于，步骤(1)中，生成全集特征序列具体为：基于量子游走的基本假设，在格网化为m×n个区块的城市内部系统中，将行为特征所有可能的分布定义为量子游走的基态，记为：

表示驾驶员在不同区块间的移动在量子游走模拟中体现为粒子在不同结点间的转移；

定义一个由基态构成的希尔伯特空间H，且由基态线性组合而成的叠加态同样处于该空间中；因此，量子游走的状态|δ(k)被定义为所有基态的线性叠加：

其中|a_i(k)|∈[0,1]，表示驾驶员在给定时间处于状态|i的概率幅；根据随机性假设，基于酉变换，将状态向量|δ(k)随时间的演化表示如下：

如式(3)所示，状态向量的动态演变取决于邻接矩阵A，从离散点的视角将其转化为矩阵，并通过矩阵运算有效求解状态向量；至此，构建了基于量子游走的全集特征序列生成模型。

3.如权利要求2所述的基于量子游走的行为轨迹序列多特征模拟方法，其特征在于，基于以下规则不断调整参数：在研究区域的56个区块上进行2000次量子游走，其控制参数从0.01增加至20，且间隔为0.01；最终，得到了56个区块所有可能的特征序列，实现了量子游走的全集特征序列生成。

4.如权利要求1所述的基于量子游走的行为轨迹序列多特征模拟方法，其特征在于，步骤(2)中，筛选特征序列具体为：以ReliefF特征选择算法来筛选行为轨迹特征序列，在实际行为轨迹时间序S的约束下，对步骤(1)生成的全集特征序列进行ReliefF特征子集筛选，将其表示为：

基于每个特征的权重，使用式(4)中的特征选择算法从全集特征序列中筛选N个特征权重较大的特征序列，记为其中

5.如权利要求4所述的基于量子游走的行为轨迹序列多特征模拟方法，其特征在于，依据特征权重大小一次从全集特征序列中筛选了四组不同数量的特征序列集合，相应的特征序列数分别为5、10、20和30。

6.如权利要求1所述的基于量子游走的行为轨迹序列多特征模拟方法，其特征在于，步骤(3)中，构建特征序列映射机制具体为：基于步骤(2)筛选所得模态分别建立了行为轨迹序列与行为模态间的混叠耦合关系，并将其表示为：

7.如权利要求1所述的基于量子游走的行为轨迹序列多特征模拟方法，其特征在于，步骤(4)中，实验验证中的实验配置具体为：将研究区域格网化为0.01°x0.01°的区块，共56个，统计各区块内每十分钟的网约车流量时间序列，长度为144，最终处理得到了所需实验数据；

在生成全集特征序列时，在研究区域区块上进行了2000次量子游走，其控制参数以0.01的间隔从0.01增加至20，分别选取5、10、20和30个特征序列对行为轨迹序列进行特征解析和建模模拟，选取决定系数R²作为评价的指标，具体定义为：

其中，s_i为实际行为轨迹序列；为模拟得到的行为轨迹序列；为实际行为轨迹序列的平均值；l为模拟样本个数。