高速铁路电务设备故障应急处理案例知识库的构建

李红亮，张振海

（兰州交通大学 自动化与电气工程学院，兰州 730070）

近年来，我国高速铁路快速发展，为人们的生活方式带来了巨大的改变。但由于高速铁路修建难度高、承担任务大，其安全问题也变得愈加突出，主要包括以下两方面：高速铁路自身的系统、设备发生故障，从而引起列车运行中断或列车延误；由于人为因素、自然灾害等造成高速铁路突发事件。两者均会严重影响人们的正常生活和出行，甚至会对财产和生命安全造成威胁。这对我国高速铁路突发事件应急管理及处置工作提出了更高的要求。在高速铁路安全领域，电务设备故障应急处理案例（简称：电务应急案例）知识在表示、共享和再利用方面仍有较多不足之处。

知识库是一个知识的集合，用来储存、管理知识及提供知识服务。本体是一种对客观现实的抽象本质的描述和说明，运用本体可以对知识进行模型构建。作为一种载体，本体可以获取、表示和再利用知识库的知识。当前，基于本体的知识库构建研究在医学、航空和生物等领域[1-5]均取得了丰硕的成果。鲍玉来等人[6]将本体技术、知识库和Agent组织成一个整体，实现本体的结构化；Haghighi等人[7]针对人员因拥挤发生踩踏的突发事件，构建了医疗救援应急预案知识的本体库；张璐[8]为地铁突发事件的应急决策提供了较强的理论基础，在规则和案例推理的基础上生成应急响应方案；付苓[9]将本体概念引入单元信息知识库的构建中，证明所构建的知识库可以提供知识检索和知识发现服务，实现从海量数据中获取有价值信息的需求。

由国内外在本体知识库领域的众多研究中可以看出，突发事件处理案例知识的应用领域研究较少，且大多数研究对于知识库中规则库的构建及推理研究不足，将本体引入应急案例知识库的构建，且实现高效的知识查询和案例检索是当前研究的一大热点。综上，本文基于本体相关知识，对高速铁路电务应急案例知识库进行构建，并实现了应急案例知识的推理，显著提升了应急案例知识的应用效率。

1 电务应急案例知识库概述

1.1 知识元本体概述

知识元是一种具备完备知识表达能力的单位，具有不可分割的特点。知识元本体指对抽象概念具有完备知识表达能力的本体。知识元本体通常由概念、属性、方法、实例等要素组成。

1.2 知识表示元组

高速铁路电务应急案例包含了电务突发事件中基本的知识要素，应急案例涉及的相关核心概念可由案例知识分析得出。可将电务应急案例知识由一个六元组A来表示：A={D,T,R,P,S,C}，其中，D表示危险源；T表示发生时间；R表示发生原因；P表示事件经过；S表示发生地点；C表示导致后果。

1.3 应急案例知识元本体模型

由于高速铁路电务应急案例种类繁多，且导致突发事件的隐患较多，原因较复杂，使得应急案例知识相关的概念、属性等数量较多且关系复杂。本文采用知识元本体表示应急案例知识中的核心概念及其之间的关系，作为案例知识库的基本框架。

1.4 电务应急案例知识库模型

基于本体的高速铁路电务应急案例知识库实质上是利用本体来组织、存储和管理突发事件的理论、特征、公理和规则等知识，由案例库和规则库两部分构成。规则库存储事件推理公理、判定规则；案例库存储电务突发事件的概念及其相互关系、属性，以及电务应急案例，如图1所示。电务应急案例、电务知识、规则公理等均可由知识元本体模型进行表示，以此构成案例库和规则库，对电务应急案例知识实现存储、管理及共享，并利用推理机对案例本体进行推理分析。

图1 应急案例知识库模型

2 电务应急案例知识库构建

本文将电务应急案例知识库的构建分为知识获取和知识表示，其构建流程如图2所示。

图2 应急案例知识库构建流程

2.1 知识获取

构建知识库先要对知识进行获取，在获取过程中，确定使用的目的及范围，收集相关应急案例知识，为概念、属性、规则等的获取提供数据支持。

（1） 确定应用目的及范围：本文构建的知识库主要面向高速铁路电务突发事件，用于对案例的存储、管理和再利用，对领域相关概念及概念间的语义关系进行明确规范的表达。

（2）收集应急案例知识：高速铁路电务应急案例知识涉及众多因素，要保证所建知识库的质量，就要有强大的数据作为依据。需要对电务突发事件相关的记载资料、历史案例和相关部门公布的现场真实数据等进行整理归纳。

（3）抽取概念、属性及关系：属性可用来描述事件概念间和知识概念间的关系，也反映了知识之间相互作用的原理。本文采用人工筛选和自动筛选相结合的方式进行概念识别筛选。

（4）抽取案例知识规则：规则提取多采用基于粗糙集和神经网络的提取方法[10-11]。本文在提取知识规则时采用人工识别方法，保证提取规则的质量。在收集到的相关案例知识中选取相应规则，如“突发事件造成1条及以上线路全线停运2～6 h”或“造成直接经济损失50万～1 000万元”为一般A类事故。

2.2 知识表示

2.2.1 应急案例库构建

（1）确定类及层次结构：以知识表示元组和本体模型为基础，结合电务领域核心概念、属性和关系等，对知识的层次结构进行深入剖析。高速铁路电务应急案例部分本体结构如图3所示。

图3 高速铁路应急案例部分本体层次结构

（2）定义类的属性：为描述类的共有特征和实例的特有特征，将属性分为对象属性和数据属性，如表1和表2所示。

表1 对象属性（部分）

表2 数据属性（部分）

（3）本体形式化：以软件Protégé 5.2.0对本体进行可视化构建。利用软件自带推理机对本体进行一致性检验。

2.2.2 规则库构建

（1）规则描述：语义网规则语言（SWRL，Semantic Web Rule Language）是一种以OWL为基础的规则描述语言，建立于本体之上，融入多种规则描述方式，在使用Horn-like形式的规则与本体结合的同时[12]，把经验知识转化为基于语义的推理规则。

（2）规则形式化：形式化规则旨在将自然语言所描述的规则转换为计算机可识别的规则[13]。本文采用Jena规则语法实现规则的形式化。

3 基于知识库的推理应用

本文在构建案例知识库的基础上，以某次高速铁路交通事故为例，以Protégé软件为载体，对本体知识进行形式化表示，对高速铁路电务应急案例本体知识库的知识推理应用进行分析。

3.1 案例知识规则库构建

高速铁路电务应急案例领域中除用概念、属性及实例表示的事实类知识外，还需要用知识元语进行规则类知识的表示。因此，对于规则类的案例知识，在构建相应的应急案例规则库时，要以概念知识库作为基础，将领域知识内容更好地表达。本文以事实类本体知识库的概念层次与属性关系为基础，通过分析类间的语义关系，确定形成案例的规则集，在Protégé 5.2.0环境下，利用Jena规则语法进行形式化处理并存储，实现案例知识的表达推理，从而建立规则库[14]。部分规则及其内容如表3所示。

表3 规则内容（部分）

3.2 基于案例知识库的语义推理

在案例知识库的基础上，要获得更多新知识，就要进行语义推理。本文利用推理机对案例知识的本体和规则进行推理，并加载OWL文件，添加规则，创建推理机和推理模型，输出推理结果。

分别将规则1和规则2代入推理代码中，可得到结果1为： ns：Train rear-ended ns：has Souce Danger ns：Equipment，表示列车追尾事故和根源危险源设备之间有对象属性 has$ourceDanger ；结果2为：(ns:Trainrear-endedns:hasAccidentLevelValuens:V) ，表示列车追尾事故的等级有可能为Ⅴ级。

推理结果1是本体中隐藏的知识，称为隐形知识；推理结果2是应急案例知识库中本不存在，后续通过推理挖掘出的新知识。综上，运用本体方法构建的应急案例本体知识库不仅可以推理出本体中存在的隐形知识，还可挖掘出本体中不存在的新知识，体现出了本体与规则相结合的推理优势。

4 结束语

针对高速铁路电务应急知识组织、共享和再利用不足等实际问题，本文对本体方法在事故案例知识库方面的应用进行研究，本体方法的运用，可显著提升知识库的扩展和语义推理能力，并提高高速铁路电务应急案例知识的共享率和重用率。高速铁路电务应急案例知识库的构建在高速铁路电务事故的预警处理方面提供了知识依据，为高速铁路电务安全管理及决策水平的提高提供了理论依据支持。