CN113641832B - 基于知识图谱面向多源离散数据的林火救援路径规划方法 - Google Patents

Abstract

本发明涉及一种基于知识图谱面向多源离散数据的林火救援路径规划方法，包括步骤：步骤1.1、进行本体建模，以及策略规程建模；步骤1.2、进行知识抽取，面向多源时空数据设计知识抽取自动化导入三元组；步骤1.3、对本体与三元组集合进行知识存储；步骤1.4、考虑本体推理与SWRL规则推理两种推理策略，进行知识推理。步骤2.1、接收用户的查询请求，基于该查询请求，在知识图谱中进行语义查询；步骤2.2、判断所述查询属于车行路径规划，还是人行路径规划；步骤2.3、针对车行路径规划，采用基于图搜索的规划；针对人行路规划，采用基于采样的搜索算法。本发明通过知识图谱对离散路网和相关多源数据的组织融合，解决了面向离散路网导致无法进行路径规划的问题。

Description

基于知识图谱面向多源离散数据的林火救援路径规划方法

技术领域

本发明涉及计算机技术和空间信息领域，尤其是一种基于知识图谱面向多源离散数据的林火救援路径规划方法。

背景技术

林火救援区域多面向区域地物分布复杂、管理散乱的城市城郊区域，以路径规划应用为例，面对区域路网离散且多源信息孤岛的现状，路径规划应用难以自动化完成或达到效果。

发明内容

为了解决上述技术问题，本发明引入擅长进行语义表达、关联多源数据形成关系网络的知识图谱技术，确立了“引入知识图谱来建模空间概念与关系，针对路径规划形成示范应用支持，并实现可视化效果”的研究目标。

本发明的技术方案为：一种基于知识图谱面向多源离散数据的林火救援路径规划方法，包括如下步骤：

步骤1、进行面向多源离散数据的知识图谱构建；具体包括：

步骤1.1、进行本体建模，包括时空数据建模，对GeoSPARQL标准进行体系复用，以及策略规程建模；

步骤1.2、进行知识抽取，面向多源时空数据设计知识抽取自动化导入三元组，其中在处理半结构化数据转换时将离散路网个体进行关联组织与属性赋予；

步骤1.3、对本体与三元组集合在自带推理引擎的GraphDB三元组存储系统中进行知识存储；

步骤1.4、基于本体推理与SWRL规则推理两种推理策略，进行知识推理。

步骤2、基于构建的知识图谱，进行林火救援路径规划。

进一步，所述步骤2、基于构建的知识图谱，进行林火救援路径规划，具体如下：

步骤2.1、接收用户的查询请求，基于该查询请求，在知识图谱中进行语义查询；

步骤2.2、判断所述查询属于车行路径规划，还是人行路径规划；

步骤2.3、针对车行路径规划，采用图搜索的规划；针对人行路规划，采用的是基于采样的搜索算法。

进一步的，针对车行路径规划，采用图搜索的规划，只有保证可达才进行规划，在路网离散的情况下，在检测到不连通后，知识图谱语义搜索提供的路网数据会反复迭代增加疑似连通点的个数，直到出现连通情况或大于上限报出错误；在检测出疑似连通后，将离散路网信息进行图结构构造，生成一个确保可达的路网后进行最短路径的规划，得出结果。

进一步，针对人行路规划，采用的是基于采样的搜索算法，包括如下步骤：

（1）当最新点确认能够加入随机树后，附加一轮道路检测，将区域内的道路点与最新点进行距离计算，若有点小于规定阈值，则认为已经走到附近路上；

（2）当认定走到路上后，进行判定往该道路的前方或者后方走，依据是与终点的欧氏距离小的方向为正确的方向；

（3）当行走到道路尽头或者下一个点距离终点的欧氏距离大于当前点时，开始继续进行RRT算法。

有益效果：

本发明通过知识图谱对离散路网和相关多源数据的组织融合，提出了一种面向离散路网导致无法进行路径规划问题的科学解决方案，可以适配与现有路径规划算法中。

附图说明

图1为本发明的方法流程图；

图2为本发明的路径规划示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅为本发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域的普通技术人员在不付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。

根据本发明的实施例，提出一种基于知识图谱面向多源离散数据的林火救援路径规划方法，包括如下步骤：

步骤1、进行面向多源离散数据的知识图谱构建；

步骤2、基于构建的知识图谱，进行林火救援路径规划。

具体的，进行面向多源离散数据的知识图谱构建，包括如下步骤：

步骤1.1、进行本体建模，包括时空数据建模，对GeoSPARQL标准进行体系复用，以及策略规程建模；

步骤1.2、进行知识抽取，面向多源时空数据设计知识抽取自动化导入三元组，其中在处理半结构化数据转换时将离散路网个体进行关联组织与属性赋予；

步骤1.3、对本体与三元组集合在自带推理引擎的GraphDB三元组存储系统中进行知识存储；

步骤1.4、基于本体推理与SWRL规则推理两种推理策略，进行知识推理。

本发明构建过程主要围绕林火救援垂直领域面临的数据孤岛路径规划问题展开，在构建流程中主要在知识抽取部分会进行针对道路实例对象属性进行设定与赋予。

根据本发明的实施例，步骤1.1、在本体建模，也是schema构建时，需要确定林火救援路径规划领域所包含的概念与关系，通过查阅文献与走访调查，本发明将本体概念层分为空间对象与策略两类，同时共确定了空间概念层面主要包含建筑物、植被、道路、地形、救援工具、火点、障碍点七类与路径规划过程相关的地物。而在对地物进行表达时，本发明选择对OGC（开放地理空间信息联盟）编纂的GeoSPARQL标准进行体系复用，在该标准中定义了对空间数据三元组的描述规范。策略部分主要根据我国现行的《森林火灾扑救技术规程》文件进行梳理，主要包括扑火战术、扑火方法、扑火技术三个分支，可以为路径规划工作提供前置的战术引导。本发明面向空间数据与专家规程数据，空间数据包含以上七种类型，数据源包含shp、terrain、sql、txt等多种格式；

概念梳理后使用斯坦福大学开发的Protégé本体构建工具进行实际操作、用OWL语言来进行知识表示，同时构建关系，以道路为例，项目为道路对象内部赋予了具有传递性和对称性的连通关系，另外还有疑似连接、直接连接这样的关系，以及长度、宽度等数据属性。

所述步骤1.2、进行知识抽取，本体构建是为图谱搭建框架，知识抽取则是为图谱填充内容，共面向三类不同结构化程度的数据进行操作，结构化数据以存储在MySQL内的救援工具、障碍点数据为代表，对数据表进行读取并直接映射于本体中；对于以道路、建筑物、植被等为代表的Shapefile半结构化数据，首先需要对抽取相关属性表达进行标记，格式转为为GeoJSON格式，在此过程中，也对离散路网中的断头点在考虑容差后进行自动化检查，赋予道路对象实体连通、疑似连通、直接连接等关系，对路网进行描述，而地形terrain数据则需要进行空间插值得到高程分布计算后得到地形有关Shapefile再进行上述抽取；针对《森林火灾扑救技术规程》这样的纯文本数据，本发明采用人工标注梳理的方式映射到本体的策略分支中。

所述步骤1.3、知识存储，数据抽取完成后，面对大量三元组集合本文选择使用GraphDB三元组存储系统进行存储，原因在于该平台面向OWL国际通用三元组格式、支持查询与推理、支持GeoSPARQL空间查询规范，本发明通过仓库构建、本体载入和三元组集合导入。

所述步骤1.4、基于本体推理与SWRL规则推理两种推理策略，进行知识推理；本步骤主要考虑本体推理与SWRL规则推理两种推理策略，本体推理主要是体现在本体关系构造中，例如定义某两条道路实体存在linkWith连通关系，且定义linkWith连通关系具有传递性与对称性，那么基于道路个体的局部linkWith连通关系，知识图谱可以推理得到：全局任意两段道路之间是否连通或者说可达；SWRL规则推理是用来扩展三元组语义的，主要是配合领域的相关知识进行规则补充，例如，如何区分哪些是消防车通行道路，如何区分陡坡呢；这些是本体推理无法推理得到的，但是可以根据比如“宽度大于等于4m的道路为消防车可通行的道路”、还有国际地理学会规定的“坡度大于35°的为陡峭区域”这样的规则写成SWRL语言，再调用API更新后即可丰富知识图谱，解决上述的问题。

所述步骤2、基于构建的知识图谱，进行林火救援路径规划，具体如下：

步骤2.1、接收用户的查询请求，基于该查询请求，在知识图谱中进行语义查询；

步骤2.2、判断所述查询属于车行路径规划，还是人行路径规划；具体为：选定起始点及终点后，检索相关路网达到优先进行车行路径规划的效果（为减少救援人员体力消耗），若终点不在车路旁则选定最近下车点后采用人行路径规划；

步骤2.3、针对车行路径规划，采用图搜索的规划；针对人行路规划，采用的是基于采样的搜索算法；具体如下：

知识图谱的应用示范需要以语义搜索的方式支撑上层应用，本发明的路径规划可以分为依靠路网的车行路径规划和再考虑多源障碍的人行路径规划。

针对车行路径规划，是图搜索的规划，也就是说只有保证可达才可进行规划，由于路网离散，在检测到不连通后，知识图谱语义搜索提供的路网数据会反复迭代增加疑似连通点的个数，直到出现连通情况或大于上限报出错误。在检测出疑似连通后，将离散路网信息进行图结构构造，生成一个确保可达的路网后进行最短路径的规划，得出结果。

针对人行路规划，采用的是基于采样的搜索算法，本方法首先对RRT算法进行了改进。如图2所示：

图中黑色带点曲线为离散路网，黑框为障碍物，较大空心圆点为起点，云朵状点为终点，星号点为选取测试的点，原RRT算法中是在指定区域范围内随机选取测试点并在此方向上进行行走检测，本文优化后考虑离散路网的存在，也即“当规划到路网附近时，随机点的选取沿路向终点方向进行规划”，也就是说让人的行走尽可能走识别出来有路的地方，这样会增加人行走时的安全性和舒适度。包括步骤如下：

（1）当最新点（图中离散路网中的空心圆点）确认可以加入随机树后，附加一轮道路检测，将区域内的道路点（道路中的黑点）与最新点进行距离计算，若有点小于规定阈值，则认为已经走到附近路上。

（2）当认定走到路上后，进行判定往该道路的前方或者后方走，依据是与终点（图中云朵状点）的欧氏距离小的方向为正确的方向。

（3）当行走到道路尽头或者下一个点距离终点的欧氏距离大于当前点时，开始继续进行RRT算法。

此外，本发明还对算法中的障碍物进行了综合考虑，火点、建筑、陡峭区域、灌木等面状实体均会在此过程中被看作障碍物进行规避，下半部分的图对真实数据进行了实验效果，星型部分表示在规划到路网时达到了“沿路走”的效果。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，且应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (1)

1.一种基于知识图谱面向多源离散数据的林火救援路径规划方法，其特征在于，包括如下步骤：

步骤1、进行面向多源离散数据的知识图谱构建；具体包括：

步骤1.1、进行本体建模，包括时空数据建模，对GeoSPARQL标准进行体系复用，以及策略规程建模；

步骤1.2、进行知识抽取，面向多源时空数据设计知识抽取自动化导入三元组，其中在处理半结构化数据转换时将离散路网个体进行关联组织与属性赋予；

步骤1.3、对本体与三元组集合在自带推理引擎的GraphDB三元组存储系统中进行知识存储；

步骤1.4、基于本体推理与SWRL规则推理两种推理策略，进行知识推理；

步骤2、基于构建的知识图谱，进行林火救援路径规划；

所述步骤2、基于构建的知识图谱，进行林火救援路径规划，具体如下：

步骤2.1、接收用户的查询请求，基于该查询请求，在知识图谱中进行语义查询；

步骤2.2、判断所述查询属于车行路径规划，还是人行路径规划，具体的，选定起始点及终点后，检索相关路网达到优先进行车行路径规划的效果，若终点不在车路旁则选定最近下车点后采用人行路径规划；

步骤2.3、针对车行路径规划，采用图搜索的规划；只有保证可达才进行规划，在路网离散的情况下，在检测到不连通后，知识图谱语义搜索提供的路网数据会反复迭代增加疑似连通点的个数，直到出现连通情况或大于上限报出错误；在检测出疑似连通后，将离散路网信息进行图结构构造，生成一个确保可达的路网后进行最短路径的规划，得出结果；

针对人行路规划，采用的是基于采样的搜索算法；

针对人行路规划，采用的是基于采样的搜索算法，包括如下步骤：

（1）当最新点确认能够加入随机树后，附加一轮道路检测，将区域内的道路点与最新点进行距离计算，若有点小于规定阈值，则认为已经走到附近路上；

（2）当认定走到路上后，进行判定往该道路的前方或者后方走，依据是与终点的欧氏距离小的方向为正确的方向；

（3）当行走到道路尽头或者下一个点距离终点的欧氏距离大于当前点时，开始继续进行RRT算法。

Images