郭全盛,李 栋,张 蕾,魏楚元

(北京建筑大学电气与信息工程学院，北京 100044)

1 引言

近年来，随着城市不断扩张，诸如环境污染、疾病爆发、交通事故和能源消耗、社会暴力和种族矛盾等问题日益加剧，给城市精细化管理带来许多负面影响。城市发展具有复杂性、阶段性、区域性、相对性等特点，涉及经济、社会、环境、文化和空间等诸多方面的问题，是国家“十四五”规划中城镇化可持续发展、空间优化与提升、创新社会治理能力等战略需求的重点与难点。基于城市计算的数据挖掘算法研究，是解决具有时间属性、动态发展的城市问题的有效方法，精准预测城市时序事件未来发生的概率、时间和地点等，对于政府避免、控制或减轻相关的社会风险是有益的。

城市中发生的异步时序事件以某种方式彼此关联，可以从历史事件的时间数据中挖掘出用于预测事件未来发展趋势的信息，为有关部门提供合理的决策支撑，进行有针对性的资源调配、规划布局等，以提高生产效率和经济效益。因此，研究城市中事件的依赖关系和预测问题具有重要的科学意义和应用价值。

时间点过程TPP(Temporal Point Process)是对连续时间域上异步离散事件序列建模分析的最有用的数学工具，通过其条件强度函数(即危险函数)来表征历史事件对未来的影响。最常见的时间点过程模型中，假设条件强度函数具有特定的参数形式(例如泊松过程[1]、霍克斯过程[2 - 4]等指数形式)，等价于假设事件间隔服从指数分布，忽略了对历史数据的普遍依赖性，限制了条件强度函数表达式的灵活性。……