一种基于时空间霍克斯过程的交通事件预测方法

本发明涉及交通事件预测领域，具体而言，涉及一种基于时空间霍克斯过程的交通事件预测方法，利用时空霍克斯过程，建模交通领域的历史事件之间的关联关系，并提供未来事件发生概率的预测。

背景技术：

1、交通事件的发生对交通流量和交通管理有着重要的影响。准确地预测交通事件的发生可以帮助交通管理部门采取相应的措施，以减少交通拥堵、提高交通安全性，并提供更高效的交通服务。

2、目前，许多研究已经探索了交通事件预测的方法，但仍存在一些挑战，具体如下：(1)数据不完整和不准确，交通事件预测通常依赖于大量的实时和历史交通数据，包括交通流量、速度、道路状态等，然而，数据的获取和质量可能存在问题，例如数据缺失、噪声和错误，这会影响预测的准确性和可靠性；(2)处理时空相关性的挑战，交通事件通常具有明显的时空相关性，即某个地点的事件可能受到周围地点事件的影响，然而，传统的预测方法往往难以准确地捕捉和建模时空相关性，导致预测结果不准确或不可靠；(3)受限于模型的复杂性和计算效率，一些现有的交通事件预测方法采用复杂的统计模型或机器学习算法，需要大量的计算资源和时间。这限制了这些方法在实际应用中的可行性和实时性。

技术实现思路

1、本发明提供了一种基于时空间霍克斯过程的交通事件预测方法，旨在克服现有技术的不足之处。该方法能够有效解决已有方法面临的问题与挑战，基于时空数据准确地捕捉时空相关性并预测交通事件的发生。

2、本发明方法提供了一种基于时空间霍克斯过程的交通事件预测方法，具体步骤包括以下步骤：

3、步骤1、收集所有类型交通事件的历史时空数据；

4、步骤2、建立时空间霍克斯过程模型，该模型能够描述时空数据的相关性和概率强度；

5、步骤3、通过对时空数据进行训练，估计时空间霍克斯过程模型的参数；

6、步骤4、利用经过训练的模型进行交通事件的预测。

7、作为优选，所述步骤1中，n种交通事件的历史时空数据e＝{e1,e2,…,ek,…,en}，第k种交通事件的历史时空序列定义为其中和分别为交通事件发生的时间戳信息和空间经纬度信息(为事件的经度信息，为事件的维度信息)。

8、作为优选，所述步骤2中，给定所有n种交通事件的历史时空数据e，构建时空间霍克斯过程模型，对第k种目标交通事件发生在目标时间戳和目标空间经纬度的概率强度建模为：

9、

10、其中：μk是第k种交通事件ek发生的基础概率强度，是用于表示同类历史交通事件对于目标交通事件的影响，f1(·,·)为同类型交通事件影响函数，是其它类型历史交通事件对于目标交通事件的影响，f2(·,·)为不同类型交通事件影响函数，fl(x)＝1/(1+exp(-x))是逻辑斯蒂函数，用于保证概率强度的非负性。

11、同类型交通事件对目标交通事件的影响函数定义为：

12、

13、其中，表示同类型历史交通事件的影响随着时间间隔变大而指数衰减，αk为同类型(k)事件影响的时间衰减程度系数，表示同类型历史交通事件的影响随着空间间隔变大而指数衰减，和为目标交通事件的空间经纬度信息，和为同类历史交通事件的经纬度信息，βk为同类型(k)事件影响的空间衰减程度系数。γk是一个实数参数，表示同类型事件的关系为负相关(抑制作用)还是正相关(刺激作用)。

14、其它类型历史交通事件对目标交通事件的影响函数定义为：

15、

16、其中，表示不同类型历史交通事件的影响随着时间间隔变大而指数衰减，表示第k′种历史事件对第k种目标事件影响的时间衰减程度系数，表示同类型历史交通事件的影响随着空间间隔变大而指数衰减，和分别为目标空间的经纬度信息，和为不同类型历史交通事件的经纬度信息，为第k′种事件对第k种事件影响的空间衰减程度系数。是一个实数参数，表示不同类型事件的关系为负相关(抑制作用)，还是正相关(刺激作用)。

17、作为优选，所述步骤3中，用于估计时空间霍克斯过程模型的参数的目标函数正式定义为：

18、

19、其中：是给定n种交通事件的历史时空数据e、第k种目标交通事件发生在时间和空间的概率，

20、进而，利用梯度下降优化算法对上述目标函数o进行最大化求解，以求得所有参数的最优值，得到最终的时空间霍克斯过程模型。

21、作为优选，所述步骤4中利用经过训练的模型进行交通事件的预测的过程定义为给定时间信息t和空间信息l，计算所有n种交通事件的发生概率并按照概率值降序排序，最后输出排序后的事件列表及概率值。

22、本发明具有以下的特点和有益效果：

23、本发明所提出的时空间霍克斯过程能够更准确地建模交通事件之间的时空关联性，捕捉到交通事件之间的触发和传播效应，帮助预测未来的事件发生；此外，本发明提出的方法能够处理实时交通数据，并根据最新的观测结果进行事件预测。这使得它能够及时地捕捉到交通事件的变化，并提供实时的预测结果；最后，该方法能够充分利用已有时空间历史数据，并能够建模不连续的交通事件序列数据，提供精准高效的交通事件预测。

技术特征：

1.一种基于时空间霍克斯过程的交通事件预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于时空间霍克斯过程的交通事件预测方法，其特征在于，所述同类型交通事件对目标交通事件的影响包括负相关和正相关，所述负相关起到抑制作用，所述正相关起到刺激作用。

3.根据权利要求2所述的一种基于时空间霍克斯过程的交通事件预测方法，其特征在于，所述步骤2中，

4.根据权利要求3所述的一种基于时空间霍克斯过程的交通事件预测方法，其特征在于，所述同类型交通事件对目标交通事件的影响函数中，通过γk表示不同类型事件的关系为负相关还是正相关。

5.根据权利要求2所述的一种基于时空间霍克斯过程的交通事件预测方法，其特征在于，所述步骤2中，

6.根据权利要求5所述的一种基于时空间霍克斯过程的交通事件预测方法，其特征在于，其它类型历史交通事件对目标交通事件的影响函数中，通过表示不同类型事件的关系为负相关还是正相关。

7.根据权利要求1所述的一种基于时空间霍克斯过程的交通事件预测方法，其特征在于，所述步骤3中，所述建模方法为：

8.根据权利要求7所述的一种基于时空间霍克斯过程的交通事件预测方法，其特征在于，所述步骤4中：利用经过训练的模型进行交通事件的预测的过程定义为给定时间信息t和空间信息l，计算所有n种交通事件的发生概率并按照概率值降序排序，最后输出排序后的事件列表及概率值。

技术总结
本发明公开了一种基于时空间霍克斯过程的交通事件预测方法，包括以下步骤：步骤1、收集所有类型交通事件的历史时空数据；步骤2、建立时空间霍克斯过程模型，该模型能够描述时空数据的相关性和概率强度；步骤3、通过对时空数据进行训练，估计时空间霍克斯过程模型的参数；步骤4、利用经过训练的模型进行交通事件的预测。上述技术方案能够利用时空间霍克斯过程模型，有效解决已有交通事件预测方法面临的问题与挑战，基于时空数据有效捕捉时空相关性并精准预测交通事件的发生。

技术研发人员：王东京,张新,俞东进,王洪波,向正哲,邓水光
受保护的技术使用者：杭州电子科技大学
技术研发日：
技术公布日：2024/3/11