业务模型驱动的应急物流本体知识表示及应用

张 立， 王茜竹， 宁亚辉， 姜大立

(1.后勤工程学院现代物流研究所，重庆 401311;2.重庆邮电大学软件学院，重庆 400065)

近年来，各种自然灾害和突发性公共事件频发，应急物流保障任务繁重.现有应急物流指挥决策体系在应急事件保障过程中发挥了重要作用，但其本质上呈现信息系统辅助下的人工决策特点，决策效率较低[1].应急物流系统需要智能协作以提高科学性与敏捷性，智能协作的基础是知识，即各级应急物流智能体之间及其内部能承载足量的、无歧义的知识，满足基于知识的智能协作.因此，需要建立基于应急物流异种数据源的知识表示机制.

发展中的语义网(尤其是处于其结构栈核心层的本体技术)为解决异构数据源的知识交换问题提供了良好的支撑.近年来，本体概念及相关技术已应用于应急事件管理领域，并取得一定效果.主要的研究分为两类:其一，以应急事件管理各环节的具体需求为驱动，为特定问题解决进行本体建模与应用[2-6];其二，以普适性的应急知识表示方法为基础，以领域本体库为核心，并兼顾应急管理的具体应用[7-10].以上两类研究策略优势互补，推动了应急事件管理本体建模理论与技术的发展.

应急事件管理的本体建模与应用研究逐步系统化，但应急物流知识表示问题依然是应急事件管理信息集成的主要瓶颈.应急物流是应急事件响应的重要组成部分，但无论从范围还是内容方面，与一般应急事件管理存在明显差异，知识表示更具指向性，偏重物资筹措、包装、运输、储存、配送等物流环节以及相应的组织实体和指挥实施过程，因此，普通应急事件本体模型并不能解决应急物流的知识表示问题.目前在应急物流本体知识表示方面也有少量研究，文献[11]提出了一种物流应急预案本体模型，将每个物流应急预案进行本体表示，通过计算概念相似度，实现基于语义而非关键词的物流应急预案查询;但其仅针对物流应急预案，而非整个应急物流组织指挥过程，限制了其领域知识表示与应用的范围.文献[12]定义了应急物流本体模型ELO_Ontology，并用应急物流组织片段实例化，但缺乏基于智能推理机制的研究，阻碍了其进一步的应用.由此可见，对于应急物流本体建模的研究还处于初级阶段，没有对应急物流领域知识的精确定义，也没有对应急物流知识推理的应用研究，因而无法支持更高层次的知识共享与应用.

针对应急物流本体建模存在的问题与需求，本文提出了一种业务模型驱动的应急物流本体知识表示与应用方法.首先，将应急物流的特点与业务模型驱动的本体建模方法相结合，建立应急物流知识表示模型;然后，从语义约束和业务规则两方面对主要概念之间的关系进行定义，阐明推理机制，形成推理规则集;最后，用应急配送带权最短路径问题的分析与可替代配送地点的自动推理，进一步说明该模型的应用方法并验证其有效性.

1 业务模型驱动的本体建模方法

本体即领域知识概念化的规范说明，包括构成相关领域词汇的基本术语、关系和规则的定义.文献[13]使用六元组(C、AC、R、AR、H、X)描述本体模型，其中:C表示概念术语集:AC表示概念包含的属性集;R表示概念之间的关系集;AR表示关系包含的属性集;H表示概念之间的层次性，(Cp，Cq)∈H表示概念Cq是概念Cp的子概念;X表示公理(断言)集合，即概念或关系之间的语义约束.因此，本体建模的实质是明确定义领域概念、属性、概念的层次、相互关系以及语义约束等.

以文献[14]中讨论的本体表示方法为基础，从知识工程角度，将领域业务过程与知识表示相结合，提出业务模型驱动的本体建模方法，见图1.

图1中，业务模型部分包括了业务需求的具体组成及各部分的组合关系，本体模型部分则呈现出本体要素及彼此之间的依赖关系[13]，并通过四阶段转换步骤将业务模型映射成本体模型.阶段1，通过明确业务领域的用户需求范围与应用边界条件，根据需求规格说明书以及各种业务文档梳理出相关概念集合，其主要工作是枚举术语，此时不用考虑术语之间的语义与业务逻辑;阶段2，根据数据模型进一步筛选概念集，明确概念层次关系，得到元术语与领域术语;阶段3，结合实体、关系子模型得到概念包含属性、概念之间的关系以及关系属性，并用业务流程与功能描述对关系和属性进行进一步确认;阶段4，根据控制流程以及功能描述中的行为和约束，建立业务推理规则集合，并将其与由概念关系或概念属性形成的语义规则合并，形成推理规则集，供知识应用程序进行智能检索与推理.

业务模型驱动的本体建模方法是一个普适方法，但是，由于各领域业务的标准化与可控程度不同，使得该方法在控制流、行为约束、业务推理规则的表示上差异明显.应急物流领域由于其固有的不确定性、动态性、半自治性等特点，其业务模型中的控制流、行为约束等并不能很准确地萃取或表达，例如，指挥控制的组织架构与权限、应急物流实体的联盟、应急物流任务的分解粒度、不确定需求条件下的物资预置或配送种类数量计算等.这些问题的解决不仅依赖于本体知识库，还需要结合相关的优化模型与算法，才能形成更细致的流程控制与行为约束规则并影响推理的智能与有效程度.

图1 业务模型驱动的本体建模方法Fig.1 A business model-driven ontology modeling method

下面以业务流程驱动的本体建模方法作为应急物流本体知识表示的基础，但在业务推理规则设计时仅考虑可直接获取的IF-THEN结构的领域规则，对于复杂领域问题的推理树及其与优化模型算法的结合暂不讨论.

2 应急物流本体表示模型

2.1 应急物流概念集合

本体模型的基础是建立领域概念集合.表1列举了应急物流领域的主要概念术语，将它们分为3个层次:元本体类、领域顶层本体类及领域一般本体类.

元本体类表述了自然界或社会中具有一般性的实体与过程，例如物资、资源、环境、人员、设备、设施等实体，事件、响应、指挥、保障、运输等过程.同时，元本体类具有层次性，例如，设备是资源的子类、运输工具是设备的子类、汽车是运输工具的子类等.这些概念与层次划分是自然界或社会工作长期积累而产生的，并且与应急物流密切相关.

领域顶层本体类则是元本体类在应急物流领域的特化，描述了应急物流领域的顶层概念.例如，应急物流实体对应的元本体为组织，应急物资对应的元本体为物资，应急物流任务对应的元本体为任务.处于领域顶层本体类以下层次的领域概念统称领域一般本体类，其术语源于应急物流业务领域的实际过程.

表1 应急物流领域主要概念术语Tab.1 Major terms of emergency logistics

领域一般本体类的层次可以很多，它既可以是领域顶层本体的特化，也可以是下一级领域一般本体的泛化.

应急物流本体类的定义明确和统一了领域相关术语，为进一步开发应急物流本体模型奠定了基础.

2.2 主要本体类及其属性

应急物流的主要问题是指挥决策问题，将应急物流任务合理分配给应急物流实体是应急物流指挥决策的目标，而分配的基本依据是应急物流实体的能力，必须判定应急物流实体是否有足够的应急物流设备能力，因此，将应急物流任务、应急物流实体、应急物资、应急物流设备、应急物流资源、应急物流环境、应急物流方案等视作支持应急物流决策过程的主要本体类.下面以应急物流任务本体及应急物流实体本体的属性设置为例，说明该本体模型中的属性定义问题.文中若无特别说明，斜体字均表示属性名.

图2中，长方框表示本体类，椭圆框表示相关属性.图2(a)列举了应急物流任务类的属性集.其中，应急物资属性利用物资分类标准中的词汇表取值，便于一致化物资的分类与称谓;父任务与子任务属性对用来支持任务组合或分解;满足需求属性可回溯到任务产生的源头，即来源于何种应急物资需求;所需设备属性则指示了完成任务所需要的应急物流设备;而送达地点和收货单位属性分别明确了任务的目的地和接收者，便于任务的具体实施.图2(b)列举了应急物流实体本体的属性.其中，父实体属性与子实体属性用于指示实体的所属关系，便于不同粒度的任务分配以及实体之间的协作;拥有设备属性反映了应急物流实体的设备拥有情况，其数据可作为应急物流实体能力的反映;当前位置属性则反映了应急物流实体的当前地理位置，为任务分配提供了参考.类似地，还定义了应急物资、应急物流设备、应急物流资源、应急物流环境、应急物流方案等本体类的相关属性.

图2 典型的应急物流本体类及其属性设置Fig.2 Typical emergency logistics ontology classes and their attributes

2.3 概念及属性的语义约束关系

本体模型与结构化模型、半结构化模型以及面向对象模型相比，其特色在于基于Tbox公理集与Abox断言集的语义约束，并以此作为智能查询与推理的基础.Tbox是描述领域概念结构的公理集合，包括子类包含、属性包含与扩展、基数约束等关系;Abox是描述具体实例的公理集合，包括概念断言、关系断言等.应急物流对本体建模中Tbox公理集所包含的主要语义约束的分析如下.

(1)子类约束.在应急物流本体知识表示模型中，子类约束主要指应急物流领域不同概念之间的层次关系.例如，应急事件类可包括自然灾害、事故灾难、公共卫生、社会安全等事件子类，而自然灾害事件类又包括地震灾害、洪水灾害、气象灾害、地质灾害、海洋灾害、森林灾害等子类.不同种类的应急事件其应急预案、物资需求、保障人员、运输方案等差异明显，而这些差异的具体体现均通过定义子类约束及其继承性来实现.在本体描述语言OWL中，子类包含约束的具体实现通过subClassOf关键词完成定义.

(2)子属性约束.体现了属性之间的包含关系，以应急物流任务本体类的所需设备属性及其对应的应急物流设备类为例，假定应急物流设备类定义了3个属性:设备名称、设备描述、设备功能，则此3个属性都是所需设备属性的子属性，需用OWL subProperty关键词定义子属性.

(3)其它语义约束.比较典型的还有基数约束、同义词、一词多义等.例如应急物资类，必须具有唯一的物资名，至少一个物资类型、至少一个与之关联的运输工具等，它们属于基数约束，可通过OWL的关键字 cardinality、minCardinality等实现.此外，通过 OWL 中的 Functional、Inversefunctional、Symmetric、Transitive等关键字还可对具体属性定义语义约束.

2.4 业务推理规则

业务推理规则是在行为约束与系统控制基础上定义的推理规则，其定义依赖于具体业务应用过程.在应急物流本体模型中，其业务推理规则可针对应急物资筹措、应急物资包装、应急物资运输、应急物资储存、应急物资配送等应用子域进行定义.以应急物资运输为例，其业务需求中需要考虑的关系(例如，应急物资与运输方式、应急物资与运输设备、运输设备与道路、道路与目标地点等)，均可根据实际情况定义业务推理规则.例如，大批量救灾帐篷可通过铁路或航空进行干线运输，大批量特种疫苗需要具有恒温冷藏箱的特种车辆运输，超限车辆不能在四级公路行驶，化学品不能和普通货物混装等.

3 应急配送带权路径推理案例

以具体的应急物流配送路径选择问题为例，阐述应急物流本体模型的实际应用步骤.问题描述:汶川地震后期，需从都江堰市配送物资至汶川县水磨镇，求配送路径.已知连接水磨镇的唯一道路漩三路因地震损毁暂无法通车，而区域内国道G317、省道S106以及县道青城山路皆恢复通车.

因为无法找到连接水磨镇的可通行道路，采用关键字匹配的常规检索结果将是无配送路径.实际决策中，确定若干个可通达邻近点进行车辆货物运输，然后，再通过人工方式配送物资到目的地也是一种可选择方案.这种检索异常现象称为常规检索失效.下面应用应急物流本体表示模型自动推理得到可替代的邻近点，并规划配送路径.

3.1 应急物流本体库的实现

以问题求解为目标，依据应急物流本体表示模型定义应急物资需求、应急物资配送、应急物流实体、设备、设施、道路、地点、运输工具等本体类及相关属性集，参考行政区划图、地震后期交通态势图，确定具体受灾地点、物资集散地点以及震区道路状况等，并用Protégé实现了该本体库.典型的实例如Abazhou、Dujiangyan、Wenchuan、Lijiaping、Baihua、Xuankou、Shuimo、G213、G317 等，表示了应急物流本体类在问题场景下的具体对象;典型的对象属性如 Accessable、is_part_of、Nearby、Pass_through、Connect_to等，分别表达了地点之间有路可达、地点包含、地点相邻、道路经过地点、道路相连等关系.

3.2 应急物流配送推理规则定义

应急物流本体库的推理规则包含语义推理规则与业务推理规则两部分，分别用于描述逻辑推理机和基于规则的推理机进行推理.其中，语义推理规则参考OWL-DL的语法标准进行定义，在本例中包含了 Sub-class、Inverse Symmetric、Transitive等.例如:定义属性 Accessable具有 Symmetric和Transitive特性，定义属性Pass_through与Pass_by具有Inverse特性，等.应急配送业务推理规则如表2所示.

表2中:p1、p2、p3为不同的地点实例，r1为道路实例.其中，Rule1定义了Accessable属性的基本含义，即r1经过了p1和p2，则p1和p2之间具有可访问关系;Rule2定义了 Accessable属性的一种扩展语义，即p2包含p1，且p1可访问p3，则p2也可访问p3;Rule3定义了Accessable属性的另一种扩展含义，即p1可访问p2，且p2与p3相邻，则p1可访问p3.显然，应用Rule3可解决目标地点无路可达时的配送路径选择问题.

3.3 推理并检索可替代配送地点

应用Protégé插件Ontoviz即可显示相关地点实例和道路实例间关系.通过Jena导入应急物流本体库OWL文件和应急配送路径推理规则文件，然后应用SPARQL语言定义查询替代节点的语句(见图3(a))，在Eclipse环境中运行代码得到查询结果(见图 3(b))，得到地点实例 Lijiaping、Baihua、Xuankou可作为Shuimo的配送替代节点.增加可替代配送节点到目标节点的人工运输路径，即可满足带权配送路径的求解需求.

表2 应急配送路径推理规则Tab.2 Inference rules for emergency distribution path selection

图3 应急配送可替代配送节点推理Fig.3 Alternative node reasoning for emergency distribution

3.4 带权配送路径求解方案的进一步设计

应用本方法求解应急配送路径的步骤见图4.

图4中:

节点S、T分别表示配送源点与目标点;

节点R1、R2为自动推导出的可替代配送节点;w1～w7为相应边的权值.

图4 应急配送路径求解步骤Fig.4 Main steps of emergency distribution path solution

图4中，步骤1为可替代配送节点自动推理，解决了受灾害影响的配送路网由有向非连通图变成有向连通图的问题;步骤2考虑道路运输配送与人工运输配送的差异并归一化，利用综合评价方法，进行多指标因素下应急配送路网中边的权值估算与设置，形成带权有向连通图;步骤3利用已知的最短路径求解算法，即可得到最优配送路径.

4 结束语

随着应急物流领域信息化程度的逐步提高，异种应急物流系统和数据表示方法之间如何传递应急物流知识已成为应急物流决策与协作的主要障碍.本文将业务模型驱动的本体建模方法与应急物流的特性相结合，建立了应急物流本体知识库，形成了语义层和业务层的推理规则集.最后，通过应急物流配送可替代路径选择案例，阐述了该本体模型的应用方法并证明了该模型的有效性.

下一步研究主要考虑两方面:将本体推理与传统运筹优化模型、算法相结合，利用本体模型语义层知识表示的特点，提高应急物流运筹优化过程的适用度与精确性;将本体模型与Multi-Agent模型结合，以OWL本体作为Agent之间通信的内容语言，建立基于Agent共享知识的应急物流协作系统.参考文献:

[1]赵春波，李亚龙.我国应急物流的发展现状与改革思路[J].物流技术，2012，31(8):168-169，179.

ZHAO Chunbo，LI Yalong.Current status and reform of emergency logistics in China[J].Logistics Technology，2012，31(8):168-169，179.

[2]AMAILEF K，LIU J.Ontology-supported case-based reasoning approach for intelligent m-Government emergency response services[J]. Decision Support Systems，2013，55(1):79-97.

[3]MALIZIA A，ONORATI T，DIAZ P，et al.SEMA4A:an ontology for emergency notification systems accessibility[J]. Expert Systems with Applications，2010，37(4):3380-3391.

[4]MONORTI T，MALIZIA A，DIAZ P，et al.Modeling an ontology on accessible evacuation routes for emergencies[J]. Expert Systems with Applications，2014，41(6):7124-7134.

[5]王文俊，杨鹏，董存祥.应急案例本体模型的研究及应用[J].计算机应用，2009，29(5):1437-1440，1445.

WANG Wenjun，YANG Peng，DONG Cunxiang.Study and application of emergency case ontology model[J].Journal of Computer Applications，2009，29(5):1437-1440，1445.

[6]唐攀，王红卫，王喆，等.一种应急预案本体模型及其应用研究[J].计算机应用，2011，28(11):4160-4170.

TANG Pan， WANG Hongwei， WANG Zhe， et al.Research on emergency plan ontology modeland application[J]. JournalofComputerApplications，2011，28(11):4160-4170.

[7]MAIO CD， FENZAB， GAETAM， etal. A knowledge-based framework for emergency DSS[J].Knowledge-Based Systems，2011，24(8):1372-1379.

[8]KRUCHTEN P，WOO C，MONU K，et al.A humancentered conceptual model of disasters affecting critical infrastructures[C]∥ Proc. ofthe 4th International ISCRAM Conference. Brussels:VUB Press，2007:357-363.

[9]张静，刘茂，王悦，等.基于本体的突发事件应急决策知识模型研究[J].安全与环境学报，2011，11(1):237-241.ZHANG Jing，LIU Mao，WANG Yue，et al.Emergency decision-making knowledge model based on the theory of ontology[J].Journal of Safety and Environment，2011，11(1):237-241.

[10]曾庆田，鲁法明，段华，等.OMERR:面向应急领域的本体管理与资源推荐工具[J].系统工程理论与实践，2014，34(8):2113-2120.

ZENG Qingtian，LU Faming，DUAN Hua，et al.OMERR:an ontology managementand resource recommendation tool for emergency domain[J].Systems Engineering:Theory and Practice，2014，34(8):2113-2120.

[11]冯志勇，杨倩，饶国政，等.基于本体的物流应急预案表示及应用[J].计算机应用研究，2011，28(11):4209-4212，4227.

FENG Zhiyong，YANG Qian，RAO Guozheng，et al.Emergency logistics organizational ontology model and its application[J]. Application Research of Computers，2011，28(11):4209-4212，4227.

[12]杜磊，赵锐，郑贵省，等.应急物流组织本体模型研究及应用[J].计算机应用研究，2012，39(10):3780-3782.

DU Lei， ZHAO Rui， ZHEN Guixing， etal.Emergency logistics organizational ontology model and its application[J]. Application Research of Computers，2012，39(10):3780-3782.

[13]NAING M M，LIM E P，GOH D H L.Ontology-based web annotation framework for hyperlink structures[C]∥Proc.of3rd InternationalConference on Web Information Systems Engineering Workshops.Washington D.C.:IEEE Computer Society，2002:184-193.

[14]张立，陈刚，王玉柱，等.基于本体的功能建模框架及协同设计环境研究[J].计算机集成制造系统，2007，13(3):456-464.

ZHANG Li， CHEN Gang， WANG Yuzhu， et al.Ontology-based function modeling framework and collaborative function design environment[J].Computer Integrated Manufacturing Systems，2007，13(3):456-464.