基于事件驱动的交通网络建模方法、事件预测方法及系统技术方案

本发明专利技术涉及一种基于事件驱动的交通网络建模方法、事件预测方法及系统，本发明专利技术提出一种时空交互霍克斯过程，解决了事件驱动的动态网络建模问题，能够有效地学习历史交互事件对后续事件的影响模式，刻画网络动态变化过程。本发明专利技术所提出的时空交互霍克斯过程描述了一系列事件的发生过程，并利用相关的历史事件和相关的邻近节点，包括地理邻近节点和语义邻近节点，建立网络上任意两节点之间交互事件的发生率模型。通过最大化霍克斯过程的似然函数来估计模型参数。得到的估计结果能够充分揭示交互事件之间的复杂时空影响模式，并实现对未来时刻网络事件发生数量的预测。时刻网络事件发生数量的预测。时刻网络事件发生数量的预测。

【技术实现步骤摘要】
基于事件驱动的交通网络建模方法、事件预测方法及系统


[0001]本专利技术涉及事件驱动的动态网络
，尤其是涉及一种基于事件驱动的交通网络建模方法、事件预测方法及系统。

技术介绍

[0002]随着城市交通的日益发展，道路上的来往车辆日益增多，路面交通状况也越来越趋于复杂化，准确预测道路上的道路事件对交通流量预测、交通规划、驾驶决策等具有重要意义，基于事件驱动的动态网络可用于进行道路事件的预测。
[0003]网络数据已经在交通需求、共享自行车、太阳辐射等众多领域得到广泛应用，其可以被看作是不同空间位置上的交互事件序列，如车辆在两个路口之间的行驶就是一个带有时间信息和空间信息的事件。由于网络特定的空间结构特征和事件间的地理及语义邻近性，每个事件都可能影响或触发一系列后续事件，通常以基于事件的动态网络形式将其记录下来，从而进行事件发生概率的预测。交互事件反映了网络的基本特征和其中人或对象的行为，正确建立基于事件的动态网络模型至关重要。
[0004]基于事件的动态网络是通过节点和具有特定空间网络结构的边形成的，节点之间的边通常表示事本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于事件驱动的交通网络建模方法，其特征在于，包括以下步骤：获取基于事件的动态网络，所述基于事件的动态网络在时域内有n个节点；获取t时刻之前动态网络的历史事件集所述历史事件集中存放动态网络中的节点对之间发生的事件数；通过条件强度函数来描述在t时刻节点对ij之间事件的发生率λij(t)，得到λ
ij
(t)的表达式如下：其中，N
ij
(t)表示在(
‑
inf，t]时段内节点对ij间发生的事件数，所述条件强度函数是以过去事件为条件，描述节点对ij，i，j＝1，...，n，在t时刻的发生率期望值；使用时空交互霍克斯过程对节点i到节点j的事件的发生率λ
ij
(t)进行建模，如下：其中，是背景率基项，μ
ij
(t)描述了动态网络的历史事件对节点对ij之间在t时刻发生事件的影响；对μ
ij
(t)进行分解，得到：μ
ij
(t)＝g
ij
(t)+s
ij
(t)+d
ij
(t)其中，g
ij
(t)，s
ij
(t)和d
ij
(t)分别表示节点对ij在t时刻的地理邻域函数、语义邻域函数和时间邻域函数，即地理邻域节点对的历史事件、语义邻域节点对的历史事件和时间邻域节点对的历史事件对节点对ij之间在t时刻发生事件的影响；基于历史事件集以及动态网络的结构确定λ
ij
(t)的各项的取值，得到在t时刻节点对ij之间事件的发生率λ
ij
(t)的取值，完成建模。2.根据权利要求1所述的一种基于事件驱动的交通网络建模方法，其特征在于，节点对ij表示节点i到节点j的事件，源节点i的地理邻域节点集合为：H
i
＝{h|dis(i，h)≤G}目标节点j的地理邻域节点集合为：K
j
＝{k|dis(k，j)≤G}其中，dis(
·
)为两个节点间的直线距离长度，G为预设置的邻域范围阈值；节点对ij的地理邻域节点对包括第一类节点对和第二类节点对，第一类节点对为节点对hj，h∈H
i
，第二类节点对为节点对ik，k∈K
j
；所述地理邻域函数的表达式为：其中，表示第一类节点对的所有历史事件带来的影响，表示第二类节点对的所有历史事件带来的影响；表示由节点对hj激发产生的ij条件强度函数的跃迁变化量，表示由节点对ik激发产生的节点对ij的条件强度函数的跃迁变化量；在第一类节点对中，使用指数核函数
来描述时间衰减属性，t
h
代表在时刻t之前的时间段，n
hj
(t
h
)表示节点对hj在时间段t
h
内发生的事件计数量；第二类节点对中，使用指数核函数来描述时间衰减属性，t
k
表示在时刻t之前的时间段，n
ik
(t
k
)表示在时间段t
k
内节点对ik处发生的事件计数量。3.根据权利要求2所述的一种基于事件驱动的交通网络建模方法，其特征在于，将表示为来自节点对ij的影响基数项来自节点对hj的影响激励项以及度量源节点i和其地理邻域节点h之间相似性的权重w
ih
的乘积，如下：使用基于距离的softmax归一化指数函数来定义源节点i和其地理邻域节点之间h的权重如下：其中，两个节点地理位置越近，所具有的权重越大，说明这两个节点事件发生的相似性越高；将表示为来自节点对ij的影响基数项来自节点对ik的影响激励项以及度量目标节点j和其地理邻域节点k之间相似性的权重w
kj
的乘积，如下：使用基于距离的softmax归一化指数函数来定义源节点i和其地理邻域节点之间的权重如下：其中，两个节点地理位置越近，所具有的权重越大，说明这两个节点事件发生的相似性越高。4.根据权利要求3所述的一种基于事件驱动的交通网络建模方法，其特征在于，节点对ij表示节点i到节点j的事件，源节点i的语义节点集合为：M
i
＝{m|节点对mi，其中m为源节点，i为目标节点}节点对ij的语义邻域节点对为节点对mi，m∈M
i
；所述语义邻域函数的表达式为：其中，|M
i
|表示M
i
中的元素数目，表示节点对mi激发产生的节点对ij的条件强度函数跃迁变化量，使用指数核函数来描述时间衰减属性，t
m
表示在t时刻之前的时间段，n
mi
(t
...

【专利技术属性】
技术研发人员：王迪，王兴宇，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：