将行为异质性建模为量子启发表征

驾驶员的行为异质性常被简化为标签或离散区间，将本质上动态的特征压缩为静态类别。我们引入量子启发表征，将每个驾驶员建模为一个演化的潜在状态，呈现为具有结构数学性质的密度矩阵。行为观察通过非线性随机傅里叶特征嵌入，而状态演化融合了行为的时间持久性与情境依赖性轮廓的激活。我们在经验驾驶数据 Third Generation Simulation Data (TGSIM) 上进行评估，展示了如何提取和分析驾驶档案。