量子科技中心_量科网

将交通网络划分为平衡且空间连贯的交通区域，是智能交通系统中的一个基础但计算上具有挑战性的任务。由此产生的优化问题表现出决策变量之间的密集交互，可建模为二次无约束二元优化（QUBO）模型。虽然量子优化天然契合此类二次能量表示，但当前含噪中等规模量子硬件在问题规模、连接性和电路可靠性方面存在局限。本文提出一种基于影响力驱动的混合量子-经典优化框架，用于交通区域划分，该框架桥接了交通规模优化模型与实际门控量子处理器。该方法并非采用静态地理分解，而是估计决策变量的能量影响，选择性将量子计算分配给关键子问题，同时通过经典协调循环保持全局可行性。该框架使用Iskay优化器实现，并在IBM量子系统一号后端上评估。实验比较了直接量子优化、经典迭代子QUBO优化以及所提出的混合方法。结果表明，相较于经典优化，影响力引导的分解能改善收敛行为，并生成更连贯的空间划分，同时与硬件约束保持一致。尽管混合方法未超越最优直接量子解，但该工作展示了在当前量子硬件条件下，面向交通应用实现可扩展混合优化的实用路径。