[发明专利]事件预测装置及事件预测方法

说明书

本发明提供一种事件发生预测装置及事件发生预测方法，基于过去发生的特定事件的历史数据来预测特定事件将来的发生密度，即使在数据量较少的情况下预测精度仍能得到提高。事件发生预测装置具有预测式构建部(10)及预测部(30)。预测式构建部(10)通过特定事件的发生时刻t与用于确定特定事件的发生区域的区域确定变量x的函数ρ(t,x)来得到所述特定事件的发生密度，且函数ρ(t,x)由外部因素{f}与函数ρ(t,x)的映射F[ρ(t,x)+{f}]给出，根据过去发生的特定事件的历史数据来求出映射F[ρ(t,x)+{f}]，将函数ρ(t,x)表示为发生时刻t与区域确定变量x的函数。预测部(30)对函数ρ输入将来的时刻以及用于确定区域的值，从而预测出特定事件的发生密度。

技术领域

本发明涉及事件预测装置及事件预测方法。

背景技术

美国加利福尼亚州有如下事例：警察通过重点巡逻高犯罪发生率的需要留心的区域来抑制今后犯罪的发生。另外，还存在如下示例：利用为预测地震余震而提出的算法来提高犯罪发生密度的预测精度。

犯罪发生的预测例如利用Self-Exciting Point Process(自激点过程：SEPP)模型来进行。在SEPP模型中，以过去犯罪发生事件所产生的影响的总和来表示特定位置和将来特定时刻下的犯罪发生密度。更具体而言，以所预测的位置与过去犯罪发生的位置之间的距离以及所预测的时刻与过去犯罪发生的时刻之间的时间的函数来表示过去某犯罪发生事件对于犯罪在特定位置及特定时刻下的发生密度的影响。此外，通过将过去发生的犯罪对各自求出的发生密度的影响求和来求出。

若用当前关注的位置、时刻与过去事件的位置、时刻之间的距离Δx及时间Δt(分别用适当的长度、时间为单位标注)将过去的犯罪发生事件对犯罪发生密度的影响记为g(Δt,Δx)，则有用g(Δt,Δx)＝1/((1+Δt)(1+Δx))来表达的方法(未来热点法)。还存在如下方法：利用最大期望算法(Expectation Maximization Algorithm)根据过去的犯罪发生事件的历史数据来构建过去的犯罪发生事件对犯罪在位置x及时刻t下的发生密度的影响g(Δt,Δx)。

为了提高基于过去发生的事件的历史数据来预测该事件将来的发生密度的精度，存在具备预测式构建部及预测部的方法。预测式构建部利用特定事件的发生时刻t与确定特定事件的发生区域的区域确定变量x的函数ρ(t,x)来得到所述特定事件的发生密度，且函数ρ(t,x)通过外部因素{f}与函数ρ(t,x)的映射F[ρ(t,x)+{f}]来得到，根据过去发生的特定事件的历史数据来求出映射F[ρ(t,x)+{f}]，将函数ρ(t,x)表示为发生时刻t与区域确定变量x的函数。预测部对函数ρ输入将来时刻以及用于确定区域的值，从而预测出特定事件的发生密度。

现有技术文献

专利文献

专利文献1：美国专利第8949164号

专利文献2：美国专利第9129219号

专利文献3：WO2017/222030

发明内容

发明所要解决的技术问题

在以特定函数来表示对于与过去发生事件即犯罪的距离差Δx及时间差Δt下的发生密度的影响g(Δt,Δx)的情况下，有时与现实不符，精度未得到提高。另外，在利用最大期望算法来构建影响g(Δt,Δx)的情况下，在以机械学习来进行预测时，若数据量较少则精度可能无法提高。

因此，本发明的目的在于基于过去发生的特定事件的历史数据来预测特定事件将来的发生密度的事件发生预测装置中，即使在数据量较少的情况下预测精度仍得到提高。

解决技术问题所采用的技术方案