本发明涉及车辆碰撞风险检测，更具体的说是涉及一种基于霍克斯过程检测车辆碰撞风险的方法和系统。
背景技术：
1、车辆碰撞是公共安全的重大隐患，准确预测未来的车辆碰撞趋势可以有效地优化交通管理和资源配置，提升道路安全水平。如何基于过去的碰撞时间有效判断特定区域不同时间的碰撞风险的变化，是一个具有高度挑战性的问题。历史车辆碰撞数据通常以时空事件点的形式呈现，例如一次碰撞事件可以通过其发生的具体时间和地点来描述。点过程数据以一系列随时间发生的离散事件为特征，在金融、神经科学和社交网络等多个领域有广泛的应用。作为点过程的一个子类，霍克斯过程因其能够建模自激励和聚类行为而受到关注。
2、然而，传统的霍克斯过程建模在车辆碰撞风险变化检测中存在局限性，因为它依赖于碰撞事件分布在时间上保持不变的假设。实际上，受多种因素影响，特定区域在不同时间段的碰撞风险会发生显著变化。例如，季节变化、道路施工或重大活动等因素可能导致某一区域的碰撞风险显著增加或减少。
3、因此，如何在动态环境中基于历史车辆碰撞数据准确捕捉不同时间段的碰撞风险变化，是当前交通安全管理中亟待解决的技术难题。
技术实现思路
1、有鉴于此，本发明提供了一种基于霍克斯过程检测车辆碰撞风险的方法和系统，能够准确、及时地检测霍克斯过程中的变点，简单、有效地检测特定区域和时间段内车辆碰撞风险的变化位置，为交通管理部门提供了精确的风险评估工具。这不仅有助于提前识别潜在的高风险时间区域，还能够为车辆碰撞风险管理提供有力的决策支持，从而优化交通资源的配置和干预措施的实施，大幅提升道路安全水平。
2、为了实现上述目的，本发明采用如下技术方案：
3、一种基于霍克斯过程检测车辆碰撞风险的方法，包括：
4、获取车辆碰撞数据；
5、将车辆碰撞数据建模为结合激励和抑制作用的霍克斯过程模型；
6、构建吉布斯采样器，通过吉布斯采样器采样霍克斯过程模型的模型参数，并更新霍克斯过程模型参数；
7、基于更新后的霍克斯过程模型预测下一个车辆碰撞发生的时间区间，若下一个真实车辆碰撞点在上述时间区间则说明车辆碰撞风险没有发生变化，否则发生变化。
8、优选的，将车辆碰撞数据建模为结合激励和抑制作用的霍克斯过程模型，具体包括：
9、1）将车辆碰撞数据建模为非线性霍克斯过程，定义为:
10、
11、其中，为条件强度函数，为强度上界，为sigmoid函数，为基线激活，其中为实数域，为影响函数，表示从到发生的车辆碰撞事件的自激励效应，其总和捕获所有过去车辆碰撞事件的影响，将建模为多个基函数的线性组合：
12、
13、其中，为第b个基函数，为混合权值，b为基函数总个数；
14、
15、其中，并且是通过第b个基函数表示过去事件对t时刻的累积影响，是由相应的组成的向量；
16、2）基于非线性霍克斯过程获得变点前霍克斯过程模型的概率密度函数：
17、
18、其中，表示在和条件下在发生的车辆碰撞事件时刻的联合概率密度函数，假设在时间区间上被观测到，m为不带变点的霍克斯过程的车辆碰撞数据总个数，和为霍克斯过程模型参数，表示时刻函数的值，表示时刻函数的值；
19、3）设表示由霍克斯过程生成的时间戳序列，为带变点的霍克斯过程的车辆碰撞数据长度，对于时间戳，将最近的更改点索引定义为，并假设更改点前后的时间戳相互独立，将变点之后的时间戳的概率密度函数表示为：
20、
21、其中，表示在和条件下在时间区间内发生的概率，表示时刻函数的值；
22、4）基于变点之后的时间戳的概率密度函数，计算模型参数的后验值：
23、
24、其中，的先验为高斯，是指高斯分布，是协方差矩阵， 的先验为无信息先验；
25、5）通过模型参数的后验值计算下一次车辆碰撞发生时间的预测分布：
26、
27、其中，为车辆碰撞观测数据点的下一个车辆碰撞时间戳的概率分布，为在条件下，下一个车辆碰撞时间戳的条件概率分布。
28、优选的，构建吉布斯采样器，具体包括：
29、1）在变点之后的时间戳的概率密度函数中引入两组潜在变量pólya-gamma变量和标记泊松过程，得到增广似然：
30、
31、其中，是中每个上的构成的向量，是观测点上的pólya-gamma变量，，为pólya-gamma分布，其中，，表示处的函数值，表示处的函数值，其中是标记泊松过程点上的pólya-gamma变量；表示区间上有标记泊松过程的实现，其概率测度记为；
32、2）结合增广后的似然和先验，得到增广后的联合分布：
33、
34、3）基于联合分布得到吉布斯采样器：
35、
36、
37、
38、
39、其中，是给定，时的条件概率分布，表示给定时的pólya-gamma条件概率分布；是给定时潜在泊松过程的强度函数，表示给定时的pólya-gamma条件概率分布；是给定时的条件概率分布，表示给定 时的gamma条件概率分布，，表示标记泊松过程中的点数，；是给定时的条件概率分布，，其中是一个对角矩阵，其前个元素是，接下来的个元素是，；，其中为向量，前个元素是，接下来的个元素是。
40、优选的，通过吉布斯采样器进行迭代采样，从模型参数的后验分布中获取一系列样本，从而得到霍克斯过程模型的参数；
41、通过吉布斯采样器采样有抑制作用的霍克斯过程模型的模型参数，并根据得到的模型参数，更新霍克斯模型参数。
42、一种基于霍克斯过程检测车辆碰撞风险的系统，包括：
43、数据获取模块：获取车辆碰撞数据；
44、霍克斯过程模型建立模块：将车辆碰撞数据建模为结合激励和抑制作用的霍克斯过程模型；
45、吉布斯采样器构建及参数更新模块：构建吉布斯采样器，通过吉布斯采样器采样霍克斯过程模型的模型参数，并更新霍克斯过程模型参数；
46、车辆碰撞风险预测模块：基于更新后的霍克斯过程模型预测下一个车辆碰撞发生的时间区间，若下一个真实车辆碰撞点在上述时间区间则说明车辆碰撞风险没有发生变化，否则发生变化。
47、优选的，将车辆碰撞数据建模为结合激励和抑制作用的霍克斯过程模型，具体包括：
48、1）将车辆碰撞数据建模为非线性霍克斯过程，定义为:
49、
50、其中，为条件强度函数，为强度上界，为sigmoid函数，为基线激活，其中为实数域，为影响函数，表示从到发生的车辆碰撞事件的自激励效应，其总和捕获所有过去车辆碰撞事件的影响，将建模为多个基函数的线性组合：
51、
52、其中，为第b个基函数，为混合权值，b为基函数总个数；
53、
54、其中，并且是通过第b个基函数表示过去事件对t时刻的累积影响，是由相应的组成的向量；
55、2）基于非线性霍克斯过程获得变点前霍克斯过程模型的概率密度函数：
56、
57、其中，表示在和条件下在发生的车辆碰撞事件时刻的联合概率密度函数，假设在时间区间上被观测到，m为不带变点的霍克斯过程的车辆碰撞数据总个数，和为霍克斯过程模型参数，表示时刻函数的值，表示时刻函数的值；
58、3）设表示由霍克斯过程生成的时间戳序列，为带变点的霍克斯过程的车辆碰撞数据长度，对于时间戳，将最近的更改点索引定义为，并假设更改点前后的时间戳相互独立，将变点之后的时间戳的概率密度函数表示为：
59、
60、其中，表示在和条件下在时间区间内发生的概率，表示时刻函数的值；
61、4）基于变点之后的时间戳的概率密度函数，计算模型参数的后验值：
62、
63、其中，的先验为高斯，是指高斯分布，是协方差矩阵， 的先验为无信息先验；
64、5）通过模型参数的后验值计算下一次车辆碰撞发生时间的预测分布：
65、
66、其中，为车辆碰撞观测数据点的下一个车辆碰撞时间戳的概率分布，为在条件下，下一个车辆碰撞时间戳的条件概率分布。
67、优选的，构建吉布斯采样器，具体包括：
68、1）在变点之后的时间戳的概率密度函数中引入两组潜在变量pólya-gamma变量和标记泊松过程，得到增广似然：
69、
70、其中，是中每个上的构成的向量，是观测点上的pólya-gamma变量，，为pólya-gamma分布，其中，，表示处的函数值，表示处的函数值，其中是标记泊松过程点上的pólya-gamma变量；表示区间上有标记泊松过程的实现，其概率测度记为；
71、2）结合增广后的似然和先验，得到增广后的联合分布：
72、
73、3）基于联合分布得到吉布斯采样器：
74、
75、
76、
77、
78、其中，是给定，时的条件概率分布，表示给定时的pólya-gamma条件概率分布；是给定时潜在泊松过程的强度函数，表示给定时的pólya-gamma条件概率分布；是给定时的条件概率分布，表示给定 时的gamma条件概率分布，，表示标记泊松过程中的点数，；是给定时的条件概率分布，，其中是一个对角矩阵，其前个元素是，接下来的个元素是，；，其中为向量，前个元素是，接下来的个元素是。
79、优选的，通过吉布斯采样器进行迭代采样，从模型参数的后验分布中获取一系列样本，从而得到霍克斯过程模型的参数；
80、通过吉布斯采样器采样有抑制作用的霍克斯过程模型的模型参数，并根据得到的模型参数，更新霍克斯模型参数。
81、经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于霍克斯过程检测车辆碰撞风险的方法和系统，它利用数据增广解决了霍克斯过程的非共轭推理问题，将非共轭推理问题转化为条件共轭推理问题。这种新颖的方法使霍克斯过程的变点检测更加准确和高效，能够有效判断特定区域不同时间的碰撞风险的变化，从而有利于管理部门制定减少车辆碰撞的政策。针对所提出的模型开发了一种解析吉布斯采样器，实现了模型参数的封闭迭代采样。这简化了推理过程，减轻了与非共轭场景相关的计算负担。
1.一种基于霍克斯过程检测车辆碰撞风险的方法，其特征在于，包括：
2.根据权利要求1所述的一种基于霍克斯过程检测车辆碰撞风险的方法，其特征在于，将车辆碰撞数据建模为结合激励和抑制作用的霍克斯过程模型，具体包括：
3.根据权利要求2所述的一种基于霍克斯过程检测车辆碰撞风险的方法，其特征在于，构建吉布斯采样器，具体包括：
4.根据权利要求3所述的一种基于霍克斯过程检测车辆碰撞风险的方法，其特征在于，通过吉布斯采样器进行迭代采样，从模型参数的后验分布中获取一系列样本，从而得到霍克斯过程模型的参数；
5.一种基于霍克斯过程检测车辆碰撞风险的系统，其特征在于，包括：
6.根据权利要求5所述的一种基于霍克斯过程检测车辆碰撞风险的系统，其特征在于，将车辆碰撞数据建模为结合激励和抑制作用的霍克斯过程模型，具体包括：
7.根据权利要求6所述的一种基于霍克斯过程检测车辆碰撞风险的系统，其特征在于，构建吉布斯采样器，具体包括：
8.根据权利要求7所述的一种基于霍克斯过程检测车辆碰撞风险的系统，其特征在于，通过吉布斯采样器进行迭代采样，从模型参数的后验分布中获取一系列样本，从而得到霍克斯过程模型的参数；
