張振海 李紅亮 王晴雯 劉艷杰

(1.蘭州交通大學自動化與電氣工程學院， 730070， 蘭州;2.中鐵通信信號勘測設計院有限公司， 100071， 北京∥第一作者，副教授)

地鐵突發(fā)事件應急預案及管理工作關(guān)系著地鐵運營的安全。為了提高地鐵應急預案知識的有效性和及時性，需要將應急預案知識規(guī)范化、語義化表達，進而促進應急處置工作更高效、及時地發(fā)揮作用。

在預案信息化研究方面，為促進應急預案知識的結(jié)構(gòu)化管理與表達，文獻[1]提出運用結(jié)構(gòu)化的知識模塊，從而實現(xiàn)應急預案的編制與生成。我國在應急預案信息化方面的研究起步較晚，且主要集中在研究知識管理系統(tǒng)這一方面。文獻[2]以構(gòu)建應急預案數(shù)據(jù)庫為基礎開發(fā)了查詢系統(tǒng)，繼而實現(xiàn)了響應方案的知識檢索。在信息協(xié)同方面，文獻[3]建立了基于語義網(wǎng)技術(shù)服務的突發(fā)事件數(shù)字化應急預案系統(tǒng)，使查詢預案服務變得越來越方便，且實現(xiàn)了不同種類的預案信息共享這一目標。在語義檢索方面，文獻[4]針對人員因擁擠發(fā)生踩踏的突發(fā)事件，為了增強不同機構(gòu)和部門之間的信息共享，故構(gòu)建了醫(yī)療救援應急預案知識的本體庫。在語義推理方面，文獻[5]為地鐵突發(fā)事件的應急決策提供了較強的理論基礎，認為可在規(guī)則和案例推理的基礎上生成應急響應方案。

在國內(nèi)外的應急領(lǐng)域研究中，將本體引入預案知識建模，且實現(xiàn)高效的知識查詢和案例檢索是當前研究一大熱點。本文基于本體相關(guān)知識對應急預案知識進行建模，并實現(xiàn)了應急預案知識的推理和案例檢索，可顯著提升應急預案知識的應用效率。

1 地鐵應急預案

1.1 應急預案

美國聯(lián)邦應急管理局不僅指出編制應急預案的目的是為了應對自然災害與人為事故，還對不同應急組織機構(gòu)應該承擔的職責進行了規(guī)范，并對各階段的角色和任務作了說明[6]。我國將為有效地應對各類突發(fā)事件而提前制定的工作方案定義為突發(fā)事件應急預案[7]，且明確了編制應急預案的目的是為了加強應急預案的專業(yè)性與針對性。根據(jù)《應急預案編制規(guī)范》，應急預案的體系可由四級應急預案構(gòu)成。以蘭州市軌道交通應急預案為例，其體系圖如圖1所示。

圖1 城市軌道交通應急預案體系Fig.1 Urban rail transit emergency plan system

1.2 地鐵應急預案管理

地鐵應急預案要明確應急人員的職責與分工，其在處理事件時要具有高度的協(xié)調(diào)性。為此，員工培訓和日常應急演練應根據(jù)應急預案進行，各部門工作人員在突發(fā)事件中也應該按照培訓中的操作采取措施，從而在最大程度上減少事故帶來的負面影響、確保乘客生命財產(chǎn)的安全。地鐵應急預案管理流程如圖2所示。

圖2 地鐵應急預案管理流程Fig.2 Metro emergency plan management process

2 應急預案知識的本體建模

本體(Ontology)一詞起源于哲學概念[8]，是一種對客觀現(xiàn)實抽象本質(zhì)的描述和說明。20世紀90年代，計算機領(lǐng)域引入了本體的概念。本體在人工智能和智能信息集成等領(lǐng)域發(fā)揮著越來越重要的作用[9]。本體通過一種特定的語言定義和說明[10]，能夠讓計算機系統(tǒng)理解并且解析靜態(tài)的預案文本。本文運用本體構(gòu)建地鐵應急預案知識模型，能直觀表達出事件特征、響應方案及后期處置之間的關(guān)系和規(guī)則，有利于集成地鐵應急的各類信息，為今后地鐵智能化應急系統(tǒng)的發(fā)展奠定基礎。建模的流程如圖3所示。

注：SWR為語義網(wǎng)規(guī)則語言圖3 地鐵應急預案知識建模流程Fig.3 Knowledge modeling process of metroemergency plan

2.1 本體建模工具

Protégé軟件是基于Java環(huán)境且由斯坦福大學醫(yī)學信息研究組開發(fā)編寫的本體構(gòu)建工具，可用于創(chuàng)建、編輯和處理本體。由于其界面友好、使用方便、開放源代碼，并且還支持中文，因此，本文選擇Protégé軟件作為本體模型構(gòu)建工具。

2.2 領(lǐng)域規(guī)則

SWRL是一種以OWL(網(wǎng)絡本體語言)為基礎的規(guī)則描述語言，其建立于本體之上，并融入了多種規(guī)則描述方式。SWRL使用Horn-like語句形式將規(guī)則與本體結(jié)合，并把一些經(jīng)驗知識轉(zhuǎn)化為基于語義的推理規(guī)則，從而進行推理。本文使用Protégé軟件中的SWRL Tab插件來編輯規(guī)則。

2.3 知識模型構(gòu)建

2.3.1 地鐵應急預案知識框架

應急預案知識框架是一種客觀的、層次化的描述。通過了解應急預案知識框架，可以對預案知識有一個框架性、系統(tǒng)性的認識和了解。這為應急工作人員進行高效、正確的應急決策奠定了基礎，也有助于進一步降低緊急事故帶來的危害。本文梳理構(gòu)建的地鐵應急預案知識框架如圖4所示。

在圖4的地鐵應急預案知識框架中：

1) 事故特征是地鐵事故的基本特征信息。其核心要素是故障表征。

圖4 地鐵應急預案知識框架圖Fig.4 Knowledge framework diagram of metroemergency plan

2) 應急響應方案是迅速應對突發(fā)事件的核心關(guān)鍵。應急響應措施是在突發(fā)事件發(fā)生之后工作人員為最大化降低事故危害，盡快排出故障，恢復地鐵的正常運營而采取的措施。在應急人員采取應急措施的同時，還需要有應急物資的支援。

3) 后期處置包含對事故影響的分析、事故原因的分析和后期整改措施的分析三部分。

2.3.2 應急預案知識模型構(gòu)建

知識概念間的關(guān)系可以用屬性來描述，同時，屬性也反映了知識之間相互作用的原理。地鐵應急預案知識部分屬性分類表如表1所示。

表1 地鐵應急預案知識屬性分類表(部分)

2.4 基于SWRL的應急預案知識表達

地鐵運營應急預案領(lǐng)域不僅有事實類知識，還有規(guī)則類知識。因此，針對規(guī)則類預案知識編制應急預案規(guī)則庫，要以OWL概念知識庫作為基礎，可更好地表達領(lǐng)域知識內(nèi)容。規(guī)則類預案知識使用SWRL表達，可有效實現(xiàn)地鐵運營應急預案規(guī)則類知識的語義表達。

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，通過分析類之間的語義關(guān)系，確定形成了預案的規(guī)則 集 ，最終在Protégé 5.2.0軟件環(huán)境下利用SWRL Tab插件編輯完成推理規(guī)則，實現(xiàn)應急預案知識的表達和推理 。在應急預案中，推理規(guī)則主要包含事故級別推理規(guī)則和事故應急處理規(guī)則兩類。本文所舉例子為地鐵一般A類事故的判定標準。以SWRL為基礎，建立事故級別的推理規(guī)則表達方式。

3 概念樹相似度的計算

基于地鐵應急預案知識體系中故障表征的本體知識結(jié)構(gòu)，綜合考慮各類語義相似度計算方法的優(yōu)缺點，本文選擇以語義信息為基礎的“概念樹”相似度計算法[12]。概念樹是一種層次化視圖[13]。以信號故障表征的本體知識結(jié)構(gòu)部分內(nèi)容為例，構(gòu)建的語義概念樹狀結(jié)構(gòu)如圖5所示。

注：VCC為車輛控制中心；SMC為系統(tǒng)管理中心；STC為車站列車控制；VOBC為車載控制器；TMS為列車管理系統(tǒng)；TOD為列車司機顯示屏。

3.1 樹相似度的計算

樹相似度的計算以概念所處的層次及各個概念之間的概念距離為依據(jù)，反映概念間的直接相似程度。概念c1和c2間的樹相似度St(c1，c2)為：

St(c1,c2)=

(1)

式中：

m——概念樹的深度，即概念層次的最大值；

fc1、fc2——概念c1及c2在概念樹中的層次位置；

d(c1,c2)——連接概念c1和c2的最短路徑。

k——為調(diào)節(jié)參數(shù)，且k>0；k通常取2。

如St(c1,c2)=1，則表示概念c1與c2間有等價關(guān)系。

以圖5中的概念樹為例，則m=5;信號機故障的概念層次fc1=4，繼電器故障的概念層次fc2=4，STC設備故障的概念層次fc3=3，TMS故障的概念層次fc4=4;信號機故障和繼電器故障的概念距離d1=2;STC設備故障和TMS故障的概念距離d2=5。

3.2 嫡系相似度計算

上層概念在概念樹中稱為父概念。嫡系相似度Ss指父概念之間的相似度，仍可用式(1)進行計算。

仍以圖5中的概念樹為例，計算信號故障語義概念的嫡系相似度。比較信號機故障和繼電器故障的嫡系相似度Ss1、STC設備故障和TMS故障的嫡系相似度Ss2。 由概念樹可知，信號機故障和繼電器故障的父概念都是軌旁設備故障，STC設備故障的父概念是信號系統(tǒng)設備，TMS故障的父概念是車載信號設備故障。 由式(1)可得Ss1=1，Ss2=0.2。

3.3 綜合相似度的計算

綜合相似度，也稱概念相似度，可由樹相似度和嫡系相似度綜合計算得到，記作Sc。c1和c22個非等價概念間的概念相似度為：

(2)

經(jīng)計算，計算信號機故障和繼電器故障的綜合相似度Sc1=0.7，STC設備故障和TMS故障的綜合相似度Sc2=0.2。

局部相似度和全局相似度共同構(gòu)成一個完整的案例相似度。故障表征屬性的語義相似度相當于案例中某特征屬性的局部相似度。得到案例中各個屬性的相似度之后，再進行全局相似度的計算，也就是案例整體相似度。

3.3.1 局部相似度

地鐵運營事故案例屬性整體上可以分為數(shù)值和符號兩大類。

對于數(shù)值類屬性， 本文采用式(3)[14]來計算其相似度：

sim(xi,yi)=1-Dis(X-Y)=1-

(3)

式中：

xi、yi——分別為案例X和Y中第i個屬性值；

Max(i)、Min(i)——分別為第i個屬性取值的上下限；

Dis(X,Y)——概念樹中案例X與Y的距離；

sim(xi，yi)——xi與yi的相似度。

對于符號類屬性，本文采用基于語義信息的“概念樹”的相似度計算方法來計算其相似度。

3.3.2 全局相似度

在地鐵運營安全事故案例庫中提取2個擁有n個案例屬性的案例X和Y，表示為X={x1,x2,…，xn}，Y={y1,y2,…，yn}，則案例X和Y的全局相似度S(X,Y)為:

(4)

式中：

Sc(xi,yi)——案例X和Y中第i個案例屬性的綜合相似度，相對于整體而言為局部相似度。

4 案例知識檢索

4.1 案例庫構(gòu)建環(huán)境與工具

MyCBR[15]是一款由德國人工智能研究中心研發(fā)的便捷、支持推理框架設計、擴展性強、適應性強的案例推理工具，可作為Protégé的插件使用。本文基于MyCBR插件對原有系統(tǒng)的案例進行檢索。

4.2 事故案例及其知識檢索

首先，以地鐵運營案例為例，構(gòu)建地鐵運營突發(fā)事件案例本體知識庫；然后，選取記錄存檔的部分運營突發(fā)事件作為研究對象；最后，選取故障表征作為知識索引，進行案例知識檢索。

以故障表征“cutout”為例，案例相似度計算程序已在計算機中提前設置完成。通過系統(tǒng)計算，當發(fā)生事故特征為“cutout”信號故障時，行車調(diào)度員必須立馬采取應急方案且下達“前往投入點”的指令。此時，司機則需 “重新投入”操作，采用 “PM(保護人工駕駛)模式后，盡快完成故障處理，并恢復地鐵正常運營。

在處理此類突發(fā)事件時，列車會有大約4 min的延誤；值班員要及時向指揮中心報告突發(fā)事件的情況及狀態(tài)，做好輔助工作；站臺工作人員要及時和乘客作出有效溝通，緩解乘客在列車延誤期間的情緒。

可見，面對突發(fā)事件時，知識檢索引導相關(guān)工作人員有序完成應急操作，可進一步完善突發(fā)事件的應急響應，提高響應效率。

5 結(jié)語

1) 基于本體的地鐵應急預案知識建模過程為：首先，要結(jié)合國家法律法規(guī)、政府相關(guān)規(guī)范條例和當?shù)亟还懿块T及軌道交通運營公司所擬的應急預案文檔，進行知識要素分析；其次，對于規(guī)則類知識通過語義規(guī)則描述語言SWRL建立預案知識規(guī)則庫；最后，對突發(fā)事件案例進行語義化表達。

2) 在逐步深入研究應急預案信息化的過程中，基于數(shù)據(jù)庫的應急預案知識管理已經(jīng)無法滿足知識信息集成等智能化的發(fā)展需求。要促進知識間的交互協(xié)作，且有效實現(xiàn)規(guī)范化、語義化地表達預案知識，還需構(gòu)建本體知識庫。

3) 本文構(gòu)建了故障表征信息的概念樹，以此概念樹為基礎計算出了各類故障表征信息的局部相似度和案例間的綜合相似度。地鐵應急預案知識檢索系統(tǒng)則實現(xiàn)了案例知識查詢的高效性。此外，語義技術(shù)在地鐵應急預案知識管理研究方面的發(fā)展?jié)摿σ灿稍摍z索系統(tǒng)充分展示[11]。