云环境下建筑资源与需求建模及其匹配过程研究

童乃纲 邰丽君

【摘要】本文針对云服务模式具体实现过程存在研究不足的问题，在云服务平台上对建筑资源建模、智能匹配过程进行研究。文中首先分析了建筑资源与需求的属性和特点，构建了建筑资源和需求的模型，之后提出智能匹配算法，实现供需的智能匹配，最后用实例验证算法的可行性和实用性。

【关键词】建筑；模型；匹配

一、引言

我国广大建筑企业普遍面临创新能力弱、协作能力弱、社会资源利用效率低、产业链协作不紧密等问题。基于云服务模式的建筑企业云服务平台将成为企业充分利用和共享建筑资源，提升经营管理和生产能力，增强企业综合竞争力的重要支撑手段。因此，本文在云服务平台基础上对于具体的建筑资源与需求匹配过程进行研究。

二、建筑资源与需求的属性和特点

建筑资源是云服务者为其他单位提供的各种建筑资源。其属性主要包括：基本属性资源、设计资源、施工资源、标准资源、检测资源等。云制造需求主要属性包括：基本属性、需求类别属性、需求时间属性、需求能力层次属性等。

云环境下资源和需求具有如下特点。

分散性：在云环境下，建筑资源来源于各地，同时服务需求也是来源于各地。云服务平台可将分散在不同地区的建筑企业进行整合，企业可通过该平台，实现优势互补，共享资源和技术，分担投入和风险。

异构性：云环境下建筑资源来自不同的地域，其组成复杂，资源异构性问题突出 ，因而对建筑资源进行标准化建模显得非常重要。

动态性：一方面，建筑资源自身能力是在不断变化的；另一方面，建筑资源联盟又是一个不断注册和注销的动态过程，因而动态性是云环境下建筑资源的一个重要特性。

组合型：云环境下制造资源间存在组合服务性，不同的资源可能进行组合服务。

由于云环境下资源繁多、地域分散、功能和形式各异、数据格式各异，要快速、灵活组织资源，实施协同建造，就必须对其进行集成和统一的建模来支持云服务。

三、建筑资源和需求的建模

在云环境下，服务的表达方式在语法和语义上往往是异构的，需要对服务进行统一的语义描述。本文提出采用本体的方法对需求和资源进行统一建模和语义描述，来解决异构资源组合和互操作，进而实现云资源供需双方的主动匹配。本体语言采用专门针对服务语义的OWL-S语言。

四、建筑资源和需求的智能匹配

本体是共享的概念的形式化的规范说明，是目前广泛接受的语义Web知识表示方法，因此本文综合基于关系推理的经典匹配和相似度匹配这两种算法的优势，提出以下算法，即采用基于相似度的语义匹配方法。

设计整个智能匹配过程主要分为四步进行：第一步，进行网页文本的过滤处理，属于过滤型匹配，当服务描述在这一步骤上能满足规定的匹配度，则把满足该服务匹配度的服务加入初步筛选后的服务集中；第二步，将第一步过滤所得的建筑需求和资源进行本体解析；第三步，即核心匹配阶段，利用上面介绍的本体相似度匹配方法对需求和资源进行相似度匹配；第四步，对匹配结果做一个综合评定，把服务请求者要求的匹配度作为阀值，返回满足匹配度的匹配结果集并进行排序选择输出。

五、应用实例

为验证以上研究成果的可行性和实用性，笔者在课题组开发的企业云服务平台上进行资源与需求的匹配。该过程可分解为如下步骤。（1）云服务用户通过用户图形界面进行用户注册，用户注册后，系统会对用户进行业务信用评估与分析，为后续用户选择服务提供参考依据。（2）资源提供方和需求方进行本体建模，并分别存储在需求本体库和资源本体中，供搜索发现和匹配。（3）需求方发布一个服务需求，发布后，展开搜索，首先进行初级匹配—文本匹配；之后进行核心匹配；最后对匹配结果做一个综合评定，把要求的匹配度作为阀值，返回满足匹配度的匹配结果集并进行排序选择输出。（4）该服务需求者根据匹配结果和企业的信用、资质情况选择服务提供者，选定后通过云平台发出服务需求。（5）服务完成后，相关服务信息进入平台案例库，同时服务提供方的相关信用、资质情况自动更新，为后续服务的开展提供参考。

六、小结

本文对云服务资源和需求供需智能匹配过程进行了研究，在分析建筑资源和需求属性以及特点的基础上，构建了基于本体的模型，提出供需智能匹配方法，并建立了供需智能匹配流程。

参考文献

[1]李伯虎，张霖，王时龙.云制造——面向服务的网络化制造新模式[J].计算机集成制造系统，2010，16（01）：1～7，16.

[2]Nicola Guarino. Formal ontology and information systems. In： N. Guarino eds，.Proceedings of FOIS98.Trento， Italy： Amsterdam， IOS Press，1998.3～15.

作者简介：童乃纲（1979.10—），男，安徽人，本科，工程师，研究方向：大数据、云服务、智能建筑；邰丽君（1980.02—），女，蒙古族，辽宁阜新人，博士，宁波工程学院，副教授，研究方向：智能制造。