李紅亮，張振海

（蘭州交通大學(xué) 自動化與電氣工程學(xué)院，蘭州 730070）

近年來，我國高速鐵路快速發(fā)展，為人們的生活方式帶來了巨大的改變。但由于高速鐵路修建難度高、承擔(dān)任務(wù)大，其安全問題也變得愈加突出，主要包括以下兩方面：高速鐵路自身的系統(tǒng)、設(shè)備發(fā)生故障，從而引起列車運行中斷或列車延誤；由于人為因素、自然災(zāi)害等造成高速鐵路突發(fā)事件。兩者均會嚴(yán)重影響人們的正常生活和出行，甚至?xí)ω敭a(chǎn)和生命安全造成威脅。這對我國高速鐵路突發(fā)事件應(yīng)急管理及處置工作提出了更高的要求。在高速鐵路安全領(lǐng)域，電務(wù)設(shè)備故障應(yīng)急處理案例（簡稱：電務(wù)應(yīng)急案例）知識在表示、共享和再利用方面仍有較多不足之處。

知識庫是一個知識的集合，用來儲存、管理知識及提供知識服務(wù)。本體是一種對客觀現(xiàn)實的抽象本質(zhì)的描述和說明，運用本體可以對知識進(jìn)行模型構(gòu)建。作為一種載體，本體可以獲取、表示和再利用知識庫的知識。當(dāng)前，基于本體的知識庫構(gòu)建研究在醫(yī)學(xué)、航空和生物等領(lǐng)域[1-5]均取得了豐碩的成果。鮑玉來等人[6]將本體技術(shù)、知識庫和Agent組織成一個整體，實現(xiàn)本體的結(jié)構(gòu)化；Haghighi等人[7]針對人員因擁擠發(fā)生踩踏的突發(fā)事件，構(gòu)建了醫(yī)療救援應(yīng)急預(yù)案知識的本體庫；張璐[8]為地鐵突發(fā)事件的應(yīng)急決策提供了較強的理論基礎(chǔ)，在規(guī)則和案例推理的基礎(chǔ)上生成應(yīng)急響應(yīng)方案；付苓[9]將本體概念引入單元信息知識庫的構(gòu)建中，證明所構(gòu)建的知識庫可以提供知識檢索和知識發(fā)現(xiàn)服務(wù)，實現(xiàn)從海量數(shù)據(jù)中獲取有價值信息的需求。

由國內(nèi)外在本體知識庫領(lǐng)域的眾多研究中可以看出，突發(fā)事件處理案例知識的應(yīng)用領(lǐng)域研究較少，且大多數(shù)研究對于知識庫中規(guī)則庫的構(gòu)建及推理研究不足，將本體引入應(yīng)急案例知識庫的構(gòu)建，且實現(xiàn)高效的知識查詢和案例檢索是當(dāng)前研究的一大熱點。綜上，本文基于本體相關(guān)知識，對高速鐵路電務(wù)應(yīng)急案例知識庫進(jìn)行構(gòu)建，并實現(xiàn)了應(yīng)急案例知識的推理，顯著提升了應(yīng)急案例知識的應(yīng)用效率。

1 電務(wù)應(yīng)急案例知識庫概述

1.1 知識元本體概述

知識元是一種具備完備知識表達(dá)能力的單位，具有不可分割的特點。知識元本體指對抽象概念具有完備知識表達(dá)能力的本體。知識元本體通常由概念、屬性、方法、實例等要素組成。

1.2 知識表示元組

高速鐵路電務(wù)應(yīng)急案例包含了電務(wù)突發(fā)事件中基本的知識要素，應(yīng)急案例涉及的相關(guān)核心概念可由案例知識分析得出?？蓪㈦妱?wù)應(yīng)急案例知識由一個六元組A來表示：A={D,T,R,P,S,C}，其中，D表示危險源；T表示發(fā)生時間；R表示發(fā)生原因；P表示事件經(jīng)過；S表示發(fā)生地點；C表示導(dǎo)致后果。

1.3 應(yīng)急案例知識元本體模型

由于高速鐵路電務(wù)應(yīng)急案例種類繁多，且導(dǎo)致突發(fā)事件的隱患較多，原因較復(fù)雜，使得應(yīng)急案例知識相關(guān)的概念、屬性等數(shù)量較多且關(guān)系復(fù)雜。本文采用知識元本體表示應(yīng)急案例知識中的核心概念及其之間的關(guān)系，作為案例知識庫的基本框架。

1.4 電務(wù)應(yīng)急案例知識庫模型

基于本體的高速鐵路電務(wù)應(yīng)急案例知識庫實質(zhì)上是利用本體來組織、存儲和管理突發(fā)事件的理論、特征、公理和規(guī)則等知識，由案例庫和規(guī)則庫兩部分構(gòu)成。規(guī)則庫存儲事件推理公理、判定規(guī)則；案例庫存儲電務(wù)突發(fā)事件的概念及其相互關(guān)系、屬性，以及電務(wù)應(yīng)急案例，如圖1所示。電務(wù)應(yīng)急案例、電務(wù)知識、規(guī)則公理等均可由知識元本體模型進(jìn)行表示，以此構(gòu)成案例庫和規(guī)則庫，對電務(wù)應(yīng)急案例知識實現(xiàn)存儲、管理及共享，并利用推理機對案例本體進(jìn)行推理分析。

圖1 應(yīng)急案例知識庫模型

2 電務(wù)應(yīng)急案例知識庫構(gòu)建

本文將電務(wù)應(yīng)急案例知識庫的構(gòu)建分為知識獲取和知識表示，其構(gòu)建流程如圖2所示。

圖2 應(yīng)急案例知識庫構(gòu)建流程

2.1 知識獲取

構(gòu)建知識庫先要對知識進(jìn)行獲取，在獲取過程中，確定使用的目的及范圍，收集相關(guān)應(yīng)急案例知識，為概念、屬性、規(guī)則等的獲取提供數(shù)據(jù)支持。

（1） 確定應(yīng)用目的及范圍：本文構(gòu)建的知識庫主要面向高速鐵路電務(wù)突發(fā)事件，用于對案例的存儲、管理和再利用，對領(lǐng)域相關(guān)概念及概念間的語義關(guān)系進(jìn)行明確規(guī)范的表達(dá)。

（2）收集應(yīng)急案例知識：高速鐵路電務(wù)應(yīng)急案例知識涉及眾多因素，要保證所建知識庫的質(zhì)量，就要有強大的數(shù)據(jù)作為依據(jù)。需要對電務(wù)突發(fā)事件相關(guān)的記載資料、歷史案例和相關(guān)部門公布的現(xiàn)場真實數(shù)據(jù)等進(jìn)行整理歸納。

（3）抽取概念、屬性及關(guān)系：屬性可用來描述事件概念間和知識概念間的關(guān)系，也反映了知識之間相互作用的原理。本文采用人工篩選和自動篩選相結(jié)合的方式進(jìn)行概念識別篩選。

（4）抽取案例知識規(guī)則：規(guī)則提取多采用基于粗糙集和神經(jīng)網(wǎng)絡(luò)的提取方法[10-11]。本文在提取知識規(guī)則時采用人工識別方法，保證提取規(guī)則的質(zhì)量。在收集到的相關(guān)案例知識中選取相應(yīng)規(guī)則，如“突發(fā)事件造成1條及以上線路全線停運2～6 h”或“造成直接經(jīng)濟損失50萬～1 000萬元”為一般A類事故。

2.2 知識表示

2.2.1 應(yīng)急案例庫構(gòu)建

（1）確定類及層次結(jié)構(gòu)：以知識表示元組和本體模型為基礎(chǔ)，結(jié)合電務(wù)領(lǐng)域核心概念、屬性和關(guān)系等，對知識的層次結(jié)構(gòu)進(jìn)行深入剖析。高速鐵路電務(wù)應(yīng)急案例部分本體結(jié)構(gòu)如圖3所示。

圖3 高速鐵路應(yīng)急案例部分本體層次結(jié)構(gòu)

（2）定義類的屬性：為描述類的共有特征和實例的特有特征，將屬性分為對象屬性和數(shù)據(jù)屬性，如表1和表2所示。

表1 對象屬性（部分）

表2 數(shù)據(jù)屬性（部分）

（3）本體形式化：以軟件Protégé 5.2.0對本體進(jìn)行可視化構(gòu)建。利用軟件自帶推理機對本體進(jìn)行一致性檢驗。

2.2.2 規(guī)則庫構(gòu)建

（1）規(guī)則描述：語義網(wǎng)規(guī)則語言（SWRL，Semantic Web Rule Language）是一種以O(shè)WL為基礎(chǔ)的規(guī)則描述語言，建立于本體之上，融入多種規(guī)則描述方式，在使用Horn-like形式的規(guī)則與本體結(jié)合的同時[12]，把經(jīng)驗知識轉(zhuǎn)化為基于語義的推理規(guī)則。

（2）規(guī)則形式化：形式化規(guī)則旨在將自然語言所描述的規(guī)則轉(zhuǎn)換為計算機可識別的規(guī)則[13]。本文采用Jena規(guī)則語法實現(xiàn)規(guī)則的形式化。

3 基于知識庫的推理應(yīng)用

本文在構(gòu)建案例知識庫的基礎(chǔ)上，以某次高速鐵路交通事故為例，以Protégé軟件為載體，對本體知識進(jìn)行形式化表示，對高速鐵路電務(wù)應(yīng)急案例本體知識庫的知識推理應(yīng)用進(jìn)行分析。

3.1 案例知識規(guī)則庫構(gòu)建

高速鐵路電務(wù)應(yīng)急案例領(lǐng)域中除用概念、屬性及實例表示的事實類知識外，還需要用知識元語進(jìn)行規(guī)則類知識的表示。因此，對于規(guī)則類的案例知識，在構(gòu)建相應(yīng)的應(yīng)急案例規(guī)則庫時，要以概念知識庫作為基礎(chǔ)，將領(lǐng)域知識內(nèi)容更好地表達(dá)。本文以事實類本體知識庫的概念層次與屬性關(guān)系為基礎(chǔ)，通過分析類間的語義關(guān)系，確定形成案例的規(guī)則集，在Protégé 5.2.0環(huán)境下，利用Jena規(guī)則語法進(jìn)行形式化處理并存儲，實現(xiàn)案例知識的表達(dá)推理，從而建立規(guī)則庫[14]。部分規(guī)則及其內(nèi)容如表3所示。

表3 規(guī)則內(nèi)容（部分）

3.2 基于案例知識庫的語義推理

在案例知識庫的基礎(chǔ)上，要獲得更多新知識，就要進(jìn)行語義推理。本文利用推理機對案例知識的本體和規(guī)則進(jìn)行推理，并加載OWL文件，添加規(guī)則，創(chuàng)建推理機和推理模型，輸出推理結(jié)果。

分別將規(guī)則1和規(guī)則2代入推理代碼中，可得到結(jié)果1為： ns：Train rear-ended ns：has Souce Danger ns：Equipment，表示列車追尾事故和根源危險源設(shè)備之間有對象屬性 has$ourceDanger ；結(jié)果2為：(ns:Trainrear-endedns:hasAccidentLevelValuens:V) ，表示列車追尾事故的等級有可能為Ⅴ級。

推理結(jié)果1是本體中隱藏的知識，稱為隱形知識；推理結(jié)果2是應(yīng)急案例知識庫中本不存在，后續(xù)通過推理挖掘出的新知識。綜上，運用本體方法構(gòu)建的應(yīng)急案例本體知識庫不僅可以推理出本體中存在的隱形知識，還可挖掘出本體中不存在的新知識，體現(xiàn)出了本體與規(guī)則相結(jié)合的推理優(yōu)勢。

4 結(jié)束語

針對高速鐵路電務(wù)應(yīng)急知識組織、共享和再利用不足等實際問題，本文對本體方法在事故案例知識庫方面的應(yīng)用進(jìn)行研究，本體方法的運用，可顯著提升知識庫的擴展和語義推理能力，并提高高速鐵路電務(wù)應(yīng)急案例知識的共享率和重用率。高速鐵路電務(wù)應(yīng)急案例知識庫的構(gòu)建在高速鐵路電務(wù)事故的預(yù)警處理方面提供了知識依據(jù)，為高速鐵路電務(wù)安全管理及決策水平的提高提供了理論依據(jù)支持。