地铁应急预案知识本体建模及案例库的构建*

2022-08-23张振海李红亮王晴雯刘艳杰

城市轨道交通研究 2022年8期

张振海李红亮王晴雯刘艳杰

(1.兰州交通大学自动化与电气工程学院， 730070，兰州;2.中铁通信信号勘测设计院有限公司， 100071，北京∥第一作者，副教授)

地铁突发事件应急预案及管理工作关系着地铁运营的安全。为了提高地铁应急预案知识的有效性和及时性，需要将应急预案知识规范化、语义化表达，进而促进应急处置工作更高效、及时地发挥作用。

在预案信息化研究方面，为促进应急预案知识的结构化管理与表达，文献[1]提出运用结构化的知识模块，从而实现应急预案的编制与生成。我国在应急预案信息化方面的研究起步较晚，且主要集中在研究知识管理系统这一方面。文献[2]以构建应急预案数据库为基础开发了查询系统，继而实现了响应方案的知识检索。在信息协同方面，文献[3]建立了基于语义网技术服务的突发事件数字化应急预案系统，使查询预案服务变得越来越方便，且实现了不同种类的预案信息共享这一目标。在语义检索方面，文献[4]针对人员因拥挤发生踩踏的突发事件，为了增强不同机构和部门之间的信息共享，故构建了医疗救援应急预案知识的本体库。在语义推理方面，文献[5]为地铁突发事件的应急决策提供了较强的理论基础，认为可在规则和案例推理的基础上生成应急响应方案。

在国内外的应急领域研究中，将本体引入预案知识建模，且实现高效的知识查询和案例检索是当前研究一大热点。本文基于本体相关知识对应急预案知识进行建模，并实现了应急预案知识的推理和案例检索，可显著提升应急预案知识的应用效率。

1 地铁应急预案

1.1 应急预案

美国联邦应急管理局不仅指出编制应急预案的目的是为了应对自然灾害与人为事故，还对不同应急组织机构应该承担的职责进行了规范，并对各阶段的角色和任务作了说明[6]。我国将为有效地应对各类突发事件而提前制定的工作方案定义为突发事件应急预案[7]，且明确了编制应急预案的目的是为了加强应急预案的专业性与针对性。根据《应急预案编制规范》，应急预案的体系可由四级应急预案构成。以兰州市轨道交通应急预案为例，其体系图如图1所示。

图1 城市轨道交通应急预案体系Fig.1 Urban rail transit emergency plan system

1.2 地铁应急预案管理

地铁应急预案要明确应急人员的职责与分工，其在处理事件时要具有高度的协调性。为此，员工培训和日常应急演练应根据应急预案进行，各部门工作人员在突发事件中也应该按照培训中的操作采取措施，从而在最大程度上减少事故带来的负面影响、确保乘客生命财产的安全。地铁应急预案管理流程如图2所示。

图2 地铁应急预案管理流程Fig.2 Metro emergency plan management process

2 应急预案知识的本体建模

本体(Ontology)一词起源于哲学概念[8]，是一种对客观现实抽象本质的描述和说明。20世纪90年代，计算机领域引入了本体的概念。本体在人工智能和智能信息集成等领域发挥着越来越重要的作用[9]。本体通过一种特定的语言定义和说明[10]，能够让计算机系统理解并且解析静态的预案文本。本文运用本体构建地铁应急预案知识模型，能直观表达出事件特征、响应方案及后期处置之间的关系和规则，有利于集成地铁应急的各类信息，为今后地铁智能化应急系统的发展奠定基础。建模的流程如图3所示。

注：SWR为语义网规则语言图3 地铁应急预案知识建模流程Fig.3 Knowledge modeling process of metroemergency plan

2.1 本体建模工具

Protégé软件是基于Java环境且由斯坦福大学医学信息研究组开发编写的本体构建工具，可用于创建、编辑和处理本体。由于其界面友好、使用方便、开放源代码，并且还支持中文，因此，本文选择Protégé软件作为本体模型构建工具。

2.2 领域规则

SWRL是一种以OWL(网络本体语言)为基础的规则描述语言，其建立于本体之上，并融入了多种规则描述方式。SWRL使用Horn-like语句形式将规则与本体结合，并把一些经验知识转化为基于语义的推理规则，从而进行推理。本文使用Protégé软件中的SWRL Tab插件来编辑规则。

2.3 知识模型构建

2.3.1 地铁应急预案知识框架

应急预案知识框架是一种客观的、层次化的描述。通过了解应急预案知识框架，可以对预案知识有一个框架性、系统性的认识和了解。这为应急工作人员进行高效、正确的应急决策奠定了基础，也有助于进一步降低紧急事故带来的危害。本文梳理构建的地铁应急预案知识框架如图4所示。

在图4的地铁应急预案知识框架中：

1) 事故特征是地铁事故的基本特征信息。其核心要素是故障表征。

图4 地铁应急预案知识框架图Fig.4 Knowledge framework diagram of metroemergency plan

2) 应急响应方案是迅速应对突发事件的核心关键。应急响应措施是在突发事件发生之后工作人员为最大化降低事故危害，尽快排出故障，恢复地铁的正常运营而采取的措施。在应急人员采取应急措施的同时，还需要有应急物资的支援。

3) 后期处置包含对事故影响的分析、事故原因的分析和后期整改措施的分析三部分。

2.3.2 应急预案知识模型构建

知识概念间的关系可以用属性来描述，同时，属性也反映了知识之间相互作用的原理。地铁应急预案知识部分属性分类表如表1所示。

表1 地铁应急预案知识属性分类表(部分)

2.4 基于SWRL的应急预案知识表达

地铁运营应急预案领域不仅有事实类知识，还有规则类知识。因此，针对规则类预案知识编制应急预案规则库，要以OWL概念知识库作为基础，可更好地表达领域知识内容。规则类预案知识使用SWRL表达，可有效实现地铁运营应急预案规则类知识的语义表达。

本文以事实类本体知识库的概念层次与属性关系为基础，通过分析类之间的语义关系，确定形成了预案的规则集，最终在Protégé 5.2.0软件环境下利用SWRL Tab插件编辑完成推理规则，实现应急预案知识的表达和推理。在应急预案中，推理规则主要包含事故级别推理规则和事故应急处理规则两类。本文所举例子为地铁一般A类事故的判定标准。以SWRL为基础，建立事故级别的推理规则表达方式。

3 概念树相似度的计算

基于地铁应急预案知识体系中故障表征的本体知识结构，综合考虑各类语义相似度计算方法的优缺点，本文选择以语义信息为基础的“概念树”相似度计算法[12]。概念树是一种层次化视图[13]。以信号故障表征的本体知识结构部分内容为例，构建的语义概念树状结构如图5所示。

注：VCC为车辆控制中心；SMC为系统管理中心；STC为车站列车控制；VOBC为车载控制器；TMS为列车管理系统；TOD为列车司机显示屏。

3.1 树相似度的计算

树相似度的计算以概念所处的层次及各个概念之间的概念距离为依据，反映概念间的直接相似程度。概念c1和c2间的树相似度St(c1，c2)为：

St(c1,c2)=

(1)

式中：

m——概念树的深度，即概念层次的最大值；

fc1、fc2——概念c1及c2在概念树中的层次位置；

d(c1,c2)——连接概念c1和c2的最短路径。

k——为调节参数，且k>0；k通常取2。

如St(c1,c2)=1，则表示概念c1与c2间有等价关系。

以图5中的概念树为例，则m=5;信号机故障的概念层次fc1=4，继电器故障的概念层次fc2=4，STC设备故障的概念层次fc3=3，TMS故障的概念层次fc4=4;信号机故障和继电器故障的概念距离d1=2;STC设备故障和TMS故障的概念距离d2=5。

3.2 嫡系相似度计算

上层概念在概念树中称为父概念。嫡系相似度Ss指父概念之间的相似度，仍可用式(1)进行计算。

仍以图5中的概念树为例，计算信号故障语义概念的嫡系相似度。比较信号机故障和继电器故障的嫡系相似度Ss1、STC设备故障和TMS故障的嫡系相似度Ss2。由概念树可知，信号机故障和继电器故障的父概念都是轨旁设备故障，STC设备故障的父概念是信号系统设备，TMS故障的父概念是车载信号设备故障。由式(1)可得Ss1=1，Ss2=0.2。

3.3 综合相似度的计算

综合相似度，也称概念相似度，可由树相似度和嫡系相似度综合计算得到，记作Sc。c1和c22个非等价概念间的概念相似度为：

(2)

经计算，计算信号机故障和继电器故障的综合相似度Sc1=0.7，STC设备故障和TMS故障的综合相似度Sc2=0.2。

局部相似度和全局相似度共同构成一个完整的案例相似度。故障表征属性的语义相似度相当于案例中某特征属性的局部相似度。得到案例中各个属性的相似度之后，再进行全局相似度的计算，也就是案例整体相似度。

3.3.1 局部相似度

地铁运营事故案例属性整体上可以分为数值和符号两大类。

对于数值类属性，本文采用式(3)[14]来计算其相似度：

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

(3)

式中：

xi、yi——分别为案例X和Y中第i个属性值；

Max(i)、Min(i)——分别为第i个属性取值的上下限；

Dis(X,Y)——概念树中案例X与Y的距离；

sim(xi，yi)——xi与yi的相似度。

对于符号类属性，本文采用基于语义信息的“概念树”的相似度计算方法来计算其相似度。

3.3.2 全局相似度

在地铁运营安全事故案例库中提取2个拥有n个案例属性的案例X和Y，表示为X={x1,x2,…，xn}，Y={y1,y2,…，yn}，则案例X和Y的全局相似度S(X,Y)为:

(4)

式中：

Sc(xi,yi)——案例X和Y中第i个案例属性的综合相似度，相对于整体而言为局部相似度。

4 案例知识检索

4.1 案例库构建环境与工具

MyCBR[15]是一款由德国人工智能研究中心研发的便捷、支持推理框架设计、扩展性强、适应性强的案例推理工具，可作为Protégé的插件使用。本文基于MyCBR插件对原有系统的案例进行检索。

4.2 事故案例及其知识检索

首先，以地铁运营案例为例，构建地铁运营突发事件案例本体知识库；然后，选取记录存档的部分运营突发事件作为研究对象；最后，选取故障表征作为知识索引，进行案例知识检索。

以故障表征“cutout”为例，案例相似度计算程序已在计算机中提前设置完成。通过系统计算，当发生事故特征为“cutout”信号故障时，行车调度员必须立马采取应急方案且下达“前往投入点”的指令。此时，司机则需 “重新投入”操作，采用 “PM(保护人工驾驶)模式后，尽快完成故障处理，并恢复地铁正常运营。

在处理此类突发事件时，列车会有大约4 min的延误；值班员要及时向指挥中心报告突发事件的情况及状态，做好辅助工作；站台工作人员要及时和乘客作出有效沟通，缓解乘客在列车延误期间的情绪。

可见，面对突发事件时，知识检索引导相关工作人员有序完成应急操作，可进一步完善突发事件的应急响应，提高响应效率。