閆俊偉++凌衛(wèi)青++王堅(jiān)

摘要：隨著城市交通數(shù)據(jù)信息的日益增多，對(duì)交通數(shù)據(jù)的分析變得越加困難?，F(xiàn)有的交通大數(shù)據(jù)分析面臨對(duì)大量分散且異構(gòu)的數(shù)據(jù)信息進(jìn)行過(guò)濾、篩選以及整合等難題。因此，該文通過(guò)在路網(wǎng)拓?fù)?、道路交通?duì)象和道路交通信息三個(gè)層次對(duì)交通數(shù)據(jù)相互關(guān)系進(jìn)行描述，并使之關(guān)聯(lián)交通大數(shù)據(jù)存儲(chǔ)信息，構(gòu)建面向交通大數(shù)據(jù)的城市道路交通本體模型，提出了一種基于本體的交通大數(shù)據(jù)分析框架。該框架中以城市道路交通本體為語(yǔ)義規(guī)范制定映射文件，利用Jena開發(fā)工具構(gòu)建城市道路交通本體庫(kù)，為大數(shù)據(jù)分析的多源多維數(shù)據(jù)關(guān)聯(lián)分析及知識(shí)挖掘提供語(yǔ)義查詢支持。該框架能夠根據(jù)交通分析需求快速有效地找到目標(biāo)數(shù)據(jù)，在大數(shù)據(jù)分析與大數(shù)據(jù)存儲(chǔ)之間起到了邏輯關(guān)聯(lián)的作用，對(duì)現(xiàn)有交通數(shù)據(jù)分析具有重要意義。

關(guān)鍵詞：道路交通；大數(shù)據(jù)；本體

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）01-0025-03

A Kind of Traffic Data Analysis Framework Based on Ontology

YAN Jun-wei， LING Qing-wei， WANG Jian

（CIMS，Research Center，Tongji University， Shanghai 201804， China）

Abstract： With the increasing of urban traffic data information， the analysis of traffic data becomes more difficult. Existing traffic data analysis faces problems of filtering， screening and integration of a large number of dispersed and heterogeneous data information. Therefore， this paper proposes a traffic data analysis framework based on ontology by building ontology model for traffic data of urban road traffic .The ontology model describe the relationship between data through network topology， the object of road traffic and road traffic information and related storage information of transport large data.The framework uses urban road traffic ontology as mapping file for semantic specification， and uses Jena development tools make an ontology construction of urban road traffic， for big data analysis of multi-source multi-dimension data correlation analysis and knowledge discovery with semantic query support. The scheme can find the target data based on the analysis of traffic demand quickly and efficiently ， and have played an important role in logic between big data analysis and data storage.It is of great significance to the existing traffic data analysis.

Key words： road traffic； Big data； ontology

1 概述

隨著城市規(guī)模的不斷擴(kuò)大以及城市聚集效應(yīng)的加強(qiáng)，一方面城市交通數(shù)據(jù)日益增長(zhǎng)，數(shù)據(jù)種類和數(shù)量高速增長(zhǎng)；另一方面市民的密集出行以及物流壓力使城市交通面臨著嚴(yán)峻的挑戰(zhàn)。針對(duì)上述現(xiàn)象，如何快速有效地對(duì)交通數(shù)據(jù)進(jìn)行分析是目前亟待解決的重要問(wèn)題。

由于交通信息源的多樣性和交通信息量的不斷增加等原因，信息交互共享的實(shí)現(xiàn)以及如何對(duì)有價(jià)值地信息的進(jìn)行檢索變得日趨復(fù)雜，傳統(tǒng)的基于關(guān)鍵字的搜索幾乎不能實(shí)現(xiàn)語(yǔ)義[1]，很難滿足大數(shù)據(jù)分析多源多維數(shù)據(jù)關(guān)聯(lián)分析及知識(shí)挖掘的查詢要求。而本體作為一種可以在語(yǔ)義以及知識(shí)層次上描述信息系統(tǒng)的概念模型，提供了資源描述和查詢所必需的元語(yǔ)、可以為信息源提供必要的語(yǔ)義標(biāo)注。同時(shí)由于交通數(shù)據(jù)具有多維多量的特性，通過(guò)構(gòu)建本體模型對(duì)交通數(shù)據(jù)進(jìn)行關(guān)聯(lián)描述，可以為原有的交通信息數(shù)據(jù)建立統(tǒng)一的數(shù)據(jù)模型，為實(shí)現(xiàn)智能交通領(lǐng)域信息的語(yǔ)義交互和知識(shí)共享提供了關(guān)鍵技術(shù)[2]，從而支撐有效快速的交通大數(shù)據(jù)分析。

本體自提出就在交通領(lǐng)域得到了廣泛的研究和應(yīng)用。得克薩斯大學(xué)的Peterclark建立了Boeing交通本體[3]，對(duì)本體進(jìn)行分層同時(shí)引入一個(gè)基本交通本體，使用圖節(jié)點(diǎn)代表交通地點(diǎn)，使用圖弧線代表交通路線；歐洲Mnasser等針對(duì)出行者的信息服務(wù)，使用Protege工具構(gòu)建了一套公共交通領(lǐng)域本體[4]，同時(shí)根據(jù)應(yīng)用案例對(duì)本體推理的相關(guān)性以及一致性進(jìn)行了分析。在國(guó)內(nèi)，黃坷萍等針對(duì)公交系統(tǒng)領(lǐng)域知識(shí)進(jìn)行分析，提取并定義了類和類內(nèi)公理以及實(shí)例的基本規(guī)則，從而構(gòu)建了城市交通本體[5]。郭軍杰等針對(duì)中國(guó)高速公路網(wǎng)內(nèi)交通地理信息系統(tǒng)（GIS—T）提出了基于本體的GIs—T信息共享方案，以層次結(jié)構(gòu)的交通信息組織模式構(gòu)建高速公路網(wǎng)本體模型[6]。李文雄等開發(fā)了一套交通本體作為交通系統(tǒng)共享數(shù)據(jù)的標(biāo)準(zhǔn)化定義，利用數(shù)據(jù)集成技術(shù)實(shí)現(xiàn)針對(duì)性、具體化的智能交通系統(tǒng)信息服務(wù)組件，從而實(shí)現(xiàn)交通數(shù)據(jù)的交互與共享[7]。

然而，隨著交通領(lǐng)域信息資源的快速增長(zhǎng)與更新，大數(shù)據(jù)處理面臨著如何對(duì)這些信息進(jìn)行過(guò)濾、篩選以及如何對(duì)大量分散且異構(gòu)的數(shù)據(jù)信息進(jìn)行數(shù)據(jù)整合等難題[8]。但是，現(xiàn)有交通本體基本上是從語(yǔ)義化的層次對(duì)交通領(lǐng)域知識(shí)進(jìn)行本體建模，并沒(méi)有具體考慮交通本體與大數(shù)據(jù)分析等應(yīng)用的關(guān)聯(lián)；國(guó)內(nèi)外對(duì)本體的研究仍主要集中于描述本體的構(gòu)建、推理與查詢、信息集成解決方案等一些本體關(guān)鍵技術(shù)，缺乏對(duì)實(shí)際本體應(yīng)用的研究；現(xiàn)有交通本體基本上從路網(wǎng)拓?fù)洹IS信息等相關(guān)數(shù)據(jù)組織進(jìn)行本體建模，但缺乏對(duì)交通信息數(shù)據(jù)的層次劃分，不利于本體的擴(kuò)展。

為此，本文通過(guò)在路網(wǎng)拓?fù)?、道路交通?duì)象和道路交通信息三個(gè)層次對(duì)交通數(shù)據(jù)相互關(guān)系進(jìn)行描述，并關(guān)聯(lián)交通大數(shù)據(jù)存儲(chǔ)信息，構(gòu)建面向交通大數(shù)據(jù)的城市道路交通本體模型，提出了一種基于本體的交通大數(shù)據(jù)分析框架。該框架中以城市道路交通本體為語(yǔ)義規(guī)范制定映射文件，利用Jena開發(fā)工具構(gòu)建城市道路交通本體庫(kù)，為大數(shù)據(jù)分析的多源多維數(shù)據(jù)關(guān)聯(lián)分析及知識(shí)挖掘提供語(yǔ)義查詢支持。該框架能夠根據(jù)交通分析需求快速有效地找到目標(biāo)數(shù)據(jù)，在大數(shù)據(jù)分析與大數(shù)據(jù)存儲(chǔ)之間起到了邏輯關(guān)聯(lián)的作用，對(duì)現(xiàn)有交通數(shù)據(jù)分析具有重要意義。

2 城市道路交通本體建模

2.1 城市道路交通數(shù)據(jù)分析

通過(guò)分析中國(guó)城市道路交通信息分類、道路交通信息服務(wù)信息分類和智能交通系統(tǒng)組成以及交通數(shù)據(jù)采集、傳輸和信息發(fā)布過(guò)程中的數(shù)據(jù)元素及其組織模式，將道路交通數(shù)據(jù)劃分為三個(gè)層次，分別為路網(wǎng)拓?fù)鋽?shù)據(jù)、道路交通對(duì)象數(shù)據(jù)、道路交通信息數(shù)據(jù)三類，層次結(jié)構(gòu)如圖1所示。其中，路網(wǎng)拓?fù)涿枋鲋饕枋龀鞘械缆返暮暧^拓?fù)涮卣鳎缆方煌▽?duì)象從屬于道路，道路交通信息主要來(lái)自路網(wǎng)和道路交通對(duì)象。

圖1 道路交通數(shù)據(jù)層次結(jié)構(gòu)圖

路網(wǎng)拓?fù)鋽?shù)據(jù)主要包括道路、路段、節(jié)點(diǎn)、斷面等拓?fù)錁?gòu)件信息；道路交通對(duì)象主要分為固定交通類和移動(dòng)交通類兩大類，固定交通類主要指地理位置一般不會(huì)變更的交通對(duì)象，比如道路設(shè)施，移動(dòng)交通體主要指地理位置經(jīng)常改變的交通體，主要指車輛和行人；道路交通信息主要有兩類，一類為靜態(tài)信息，包括交通網(wǎng)絡(luò)基礎(chǔ)信息、車輛信息、交通管制信息、地理信息等；一類為動(dòng)態(tài)信息，包括交通流狀態(tài)特征信息、交通緊急事故信息、環(huán)境狀況信息、交通動(dòng)態(tài)管理信息。

2.2城市道路交通本體模型

根據(jù)道路交通數(shù)據(jù)的分析，本文在路網(wǎng)拓?fù)洹⒌缆方煌▽?duì)象和道路交通信息三個(gè)層次對(duì)交通數(shù)據(jù)相互關(guān)系進(jìn)行描述。根據(jù)語(yǔ)義完備性的描述，道路交通數(shù)據(jù)可以分為靜態(tài)交通數(shù)據(jù)和動(dòng)態(tài)交通數(shù)據(jù)兩大類。靜態(tài)交通數(shù)據(jù)主要包括路網(wǎng)拓?fù)鋽?shù)據(jù)、道路交通對(duì)象數(shù)據(jù)和靜態(tài)交通信息數(shù)據(jù)，動(dòng)態(tài)交通數(shù)據(jù)主要為動(dòng)態(tài)交通信息數(shù)據(jù)，其中大數(shù)據(jù)主要是動(dòng)態(tài)交通信息數(shù)據(jù)。考慮到大數(shù)據(jù)的存儲(chǔ)問(wèn)題，如圖2所示，城市道路交通本體庫(kù)主要包括靜態(tài)交通數(shù)據(jù)和動(dòng)態(tài)交通信息數(shù)據(jù)的存儲(chǔ)信息，同時(shí)根據(jù)交通信息采集的方式將依據(jù)道路設(shè)備進(jìn)行存儲(chǔ)信息關(guān)聯(lián)，構(gòu)建面向交通大數(shù)據(jù)的城市道路交通本體模型。

圖2 城市道路交通本體模型構(gòu)建示意圖

城市道路交通本體模型主要有四大類：路網(wǎng)拓?fù)洹⒌缆方煌▽?duì)象、道路交通信息和存儲(chǔ)信息。道路交通對(duì)象從屬于路網(wǎng)拓?fù)?，交通信息描述路網(wǎng)和道路交通對(duì)象的相關(guān)信息，存儲(chǔ)信息描述道路設(shè)備采集的交通大數(shù)據(jù)（動(dòng)態(tài)交通數(shù)據(jù)）的存儲(chǔ)信息。

其中，存儲(chǔ)信息描述交通信息的采集信息及存儲(chǔ)信息，根據(jù)道路設(shè)備進(jìn)行存儲(chǔ)信息描述。例如，針對(duì)某一線圈采集交通數(shù)據(jù)的存儲(chǔ)情況，關(guān)聯(lián)特定的配置文件。配置文件中可將交通數(shù)據(jù)表存儲(chǔ)的名稱和采集數(shù)據(jù)種類等進(jìn)行描述，通過(guò)制定配置文件將交通大數(shù)據(jù)與道路本體關(guān)聯(lián)，對(duì)其進(jìn)行語(yǔ)義標(biāo)識(shí)，為后續(xù)查詢及大數(shù)據(jù)分析提供語(yǔ)義支持。

具體城市道路交通本體模型如圖3所示。

圖3 城市道路交通本體模型示意圖

3 基于本體的交通大數(shù)據(jù)分析框架

隨著城市交通數(shù)據(jù)的種類和數(shù)量迅速增長(zhǎng)，如何快速有效地對(duì)交通數(shù)據(jù)進(jìn)行分析是目前亟待解決的重要問(wèn)題。

如何對(duì)大量分散且異構(gòu)的交通數(shù)據(jù)信息進(jìn)行數(shù)據(jù)整合并搜索是交通大數(shù)據(jù)處理面臨的重要問(wèn)題。為解決這一問(wèn)題，本文通過(guò)構(gòu)建本體模型對(duì)交通數(shù)據(jù)進(jìn)行關(guān)聯(lián)描述并關(guān)聯(lián)交通大數(shù)據(jù)存儲(chǔ)信息，為大數(shù)據(jù)分析的數(shù)據(jù)整合和數(shù)據(jù)搜索提供語(yǔ)義支持?；谏鲜龀鞘械缆方煌ū倔w模型，本文提出一種基于本體的交通大數(shù)據(jù)分析框架，如圖4所示。

首先，分析交通數(shù)據(jù)，構(gòu)建城市道路交通本體模型實(shí)現(xiàn)交通語(yǔ)義共享；針對(duì)動(dòng)態(tài)交通信息數(shù)據(jù)存儲(chǔ)信息制定配置文件，包括交通數(shù)據(jù)表存儲(chǔ)的位置、名稱和采集數(shù)據(jù)種類等存儲(chǔ)信息。其次，根據(jù)本體模型和靜態(tài)交通數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，以城市道路交通本體為語(yǔ)義規(guī)范制定映射文件；通過(guò)D2RQ[9]引擎實(shí)現(xiàn)關(guān)系型數(shù)據(jù)到本體數(shù)據(jù)的語(yǔ)義映射，采用Jena API工具構(gòu)建城市道路交通本體庫(kù)；最后，通過(guò)語(yǔ)義網(wǎng)對(duì)本體庫(kù)進(jìn)行語(yǔ)義搜索，根據(jù)搜索結(jié)果對(duì)大數(shù)據(jù)進(jìn)行快速檢索，同時(shí)返回?cái)?shù)據(jù)和語(yǔ)義關(guān)系檢索結(jié)果，實(shí)現(xiàn)大數(shù)據(jù)對(duì)多源多維數(shù)據(jù)的關(guān)聯(lián)分析及知識(shí)挖掘。

圖4 基于本體的交通大數(shù)據(jù)分析框架

4 基于本體的交通大數(shù)據(jù)分析框架的實(shí)現(xiàn)

根據(jù)上述的基于本體的交通大數(shù)據(jù)分析框架，以上海市南北高架道路交通數(shù)據(jù)為數(shù)據(jù)源，通過(guò)D2RQ引擎以城市道路交通本體為語(yǔ)義規(guī)范對(duì)多源數(shù)據(jù)進(jìn)行信息融合，利用Jena開發(fā)工具構(gòu)建上海市南北高架道路交通本體庫(kù)，形成道路交通語(yǔ)義網(wǎng)，實(shí)現(xiàn)對(duì)南北高架道路交通大數(shù)據(jù)的語(yǔ)義查詢。

圖5 南北高架本體模型實(shí)例

針對(duì)南北高架道路數(shù)據(jù)的本體建模如圖5所示。其中，路段NBBJX-DO是地理對(duì)象實(shí)例，路段NBBJX-DO在地圖上的位置描述是幾何對(duì)象實(shí)例，路段NBBJX-DO上的線圈NBBJX-DO-1-1是道路設(shè)備實(shí)例，線圈NBBJX-DO-1-1采集的數(shù)據(jù)類型FINT_LV是道路交通信息實(shí)例，線圈NBBJX-DO-1-1采集的數(shù)據(jù)類型FINT_LV描述的大型車是道路交通對(duì)象實(shí)例，線圈NBBJX-DO-1-1具有的存儲(chǔ)信息coil2是存儲(chǔ)信息實(shí)例，coil2描述線圈NBBJX-DO-1-1采集的數(shù)據(jù)類型FINT_LV在大數(shù)據(jù)平臺(tái)的存儲(chǔ)地址。

根據(jù)上述以南北高架數(shù)據(jù)為源數(shù)據(jù)的道路交通語(yǔ)義網(wǎng)，針對(duì)線圈信息進(jìn)行語(yǔ)義搜索，結(jié)果如圖6所示。圖中對(duì)線圈NBBJX-DO-1-1進(jìn)行語(yǔ)義搜索，可以得到線圈位置、擁有信息、采集信息、ID、車道類型、類型等數(shù)值屬性信息。根據(jù)線圈擁有信息即5min的存儲(chǔ)名稱coil2，可以查找到對(duì)應(yīng)的交通大數(shù)據(jù)表名，將此信息作為搜索條件，即可快速對(duì)大數(shù)據(jù)進(jìn)行查找，同時(shí)也獲得了線圈的路網(wǎng)位置。為交通大數(shù)據(jù)分析提供了有力的語(yǔ)義查詢支撐。

圖6 線圈NBBJX-DO-1-1語(yǔ)義搜索結(jié)果示例

5 結(jié)束語(yǔ)

本文從面向大數(shù)據(jù)分析的本體建模的角度出發(fā)，對(duì)道路交通數(shù)據(jù)進(jìn)行層次分析并關(guān)聯(lián)大數(shù)據(jù)存儲(chǔ)信息，構(gòu)建了較為完善的面向大數(shù)據(jù)分析的城市道路交通本體模型。同時(shí)，提出了一種基于本體的交通大數(shù)據(jù)分析框架。最后，采用Jena開發(fā)工具和D2RQ映射引擎構(gòu)建城市道路交通本體庫(kù)，并實(shí)現(xiàn)了交通大數(shù)據(jù)的語(yǔ)義搜索，從而解決了對(duì)大量分散且異構(gòu)的交通數(shù)據(jù)信息進(jìn)行數(shù)據(jù)整合并搜索的難題。考慮到道路交通是種類眾多、關(guān)系復(fù)雜且更新迅速的知識(shí)領(lǐng)域，下一步我們將對(duì)城市道路交通本體的更新和維護(hù)進(jìn)行研究，并創(chuàng)建公理庫(kù)以支持對(duì)知識(shí)的推理與知識(shí)的完備性和一致性。同時(shí)，我們將進(jìn)一步深入研究語(yǔ)義網(wǎng)在大數(shù)據(jù)分析中的應(yīng)用，重點(diǎn)研究語(yǔ)義查詢解析和模型定義方面，使城市道路交通本體在交通服務(wù)系統(tǒng)中發(fā)揮更好的作用。

參考文獻(xiàn)：

[1] CAO Yan， CHEN Yan. Research on ITS Knowledge Integration Technology Based on Ontology， Proceedings of the Eighth International Conference of Chinese Logistics and Transportation Professionals， 2008：p2066-2075.

[2] 曹妍.本體理論在城市智能交通系統(tǒng)語(yǔ)義集成中的應(yīng)用研究[D].大連：大連海事大學(xué)，2010.

[3]Clark，P.http：//www.5.utexas.edu/users/pelark/kr-web/other/passenger-vehiele/transportation.km，Transportationontology，1998.

[4] Mnasser H， Maha K，Kathia O， etal. A public transportation ontology to support user travel planning [C] //IEEE. Proceedings of the 4th International Conference on Research Challenges in Information Science （RCIS-2010）. Nice： IEEE Press，2010：127-136. （下轉(zhuǎn)第34頁(yè)）

（上接第27頁(yè)）

[5] 黃坷萍，蔣昌俊.基于本體的城市交通的知識(shí)分析和推理[J].計(jì)算機(jī)科學(xué)，2007，34（3）：192-196.

[6] 郭軍杰，閆茂德，陳蔭三.高速公路網(wǎng)異構(gòu)GIS-T信息共享的本體模型[J].交通運(yùn)輸工程學(xué)報(bào)，2011，11（1）：24-29.

[7] 李文雄，閆茂德，王建偉.智能交通系統(tǒng)本體數(shù)據(jù)集成[J]. 中南大學(xué)學(xué)報(bào)：自然科學(xué)版，2013，44（7）：3038-3045.

[8] Alexandres H V. Jagadish， Challenges and Opportunities with Big Data[J].Proceedings of the VLDB Endowment， 2012，5 （12）：2032-2033.

[9] Namyoun Choi，Hyoil Hart.A Survey on Ontology Mapping. SIGMOD Record，2006，35（9）：34-41.