原文传递
危化品车辆在途运输监管知识图谱构建研究
| 论文题名： | 危化品车辆在途运输监管知识图谱构建研究 |
| 关键词： | 危化品车辆;在途运输监管;知识图谱;本体构建 |
| 摘要： | 危化品于车辆在途运输阶段形成流动危险源，稍有不慎就极易造成泄露、爆炸等事故。近年来，我国危化品车辆在途运输事故时有发生，对人民生命财产和生态环境造成了极大危害。随着数字浪潮的掀起，我国对危化品车辆在途运输的监管逐步向信息化、规范化迈进，使得安全形势有所好转，但仍存在数据分析能力薄弱、数据体系分散等问题，不能很好地满足体量庞大、结构多样、关联分散的监管数据特征。知识图谱是一种图结构语义知识库，具有优秀的语义处理能力和信息关联能力，可以对复杂数据进行组织、管理与展示，形成良好的数据体系。故将知识图谱引入危化品车辆在途运输监管领域，以作为数据辅助工具服务于智慧监管平台，为监管人员提供数据支撑和决策参考。主要研究工作如下： （1）构建危化品车辆在途运输监管知识图谱模式层。首先，选择了本体建模技术构建知识图谱模式层。其次，在综合分析领域知识需求和本体构建典型方法的基础上，提出了“七步法”与“骨架法”相结合的本体构建流程。再次，采用Protégé本体构建工具和OWL本体建模语言定义了本体的类、关系、属性及约束，实现了本体构建并对其进行可视化。最后，展示了危化品车辆在途运输监管多维关联模式层，为数据层的构建提供了模型框架。 （2）构建危化品车辆在途运输监管知识图谱数据层。首先，采取Python网络爬虫、现场采集、人工处理等方法获取了多源异构底层数据。其次，根据数据特征选取了人工筛选、自然语言处理技术等方法进行知识抽取，并将抽取结果处理为结构化形式，以作为数据层的实例数据。特别地，对违法记录文本数据进行了重点处理，分别设计了BERT-CRF模型、BERT-MRC模型、正则表达式对车牌号码、驾驶员等目标进行实体抽取。最后，选取了Protégé本体构建工具的内置模块Cellfie，建立了符合MappingMaster DSL语法形式的转换规则，将处理完毕的实例数据批量融合至本体模式层，形成了RDF三元组，实现了知识融合。 （3）展示及应用危化品车辆在途运输监管知识图谱。首先，建立了RDF数据与图数据库的映射匹配规则。其次，选取了图数据库Neo4j，按照映射匹配规则实现了危化品车辆在途运输监管的知识存储和知识图谱的可视化。最后，结合危化品车辆在途运输风险预警和应急处置两方面应用需求，应用知识图谱进行了实例验证。 |
| 作者： | 欧清 |
| 专业： | 交通运输工程 |
| 导师： | 任其亮;陈晓利 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆交通大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
