CN114462721A - 一种反向链推理溯源方法、系统、计算机及存储介质 - Google Patents
一种反向链推理溯源方法、系统、计算机及存储介质 Download PDFInfo
- Publication number
- CN114462721A CN114462721A CN202210376559.9A CN202210376559A CN114462721A CN 114462721 A CN114462721 A CN 114462721A CN 202210376559 A CN202210376559 A CN 202210376559A CN 114462721 A CN114462721 A CN 114462721A
- Authority
- CN
- China
- Prior art keywords
- rule
- line
- query
- reverse
- health degree
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000002441 reversible effect Effects 0.000 title claims abstract description 109
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000036541 health Effects 0.000 claims description 73
- 230000008901 benefit Effects 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 12
- 230000000295 complement effect Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 3
- 238000013479 data entry Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/042—Backward inferencing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提出一种反向链推理溯源方法、系统、计算机及存储介质,属于公共交通技术领域。首先,生成规则库和知识库;所述规则库中存储有反向链查询规则和反向链查询规则约束条件;所述知识库中存储有交通线路和路面数据;其次,输入线路问题,调用与线路问题对应的反向链查询规则,使用RETE算法找出模式下所有匹配的对象和规则;重复调用与线路问题对应的反向链查询规则直到所有反向链查询规则执行完毕;最后,所有反向链查询规则执行完后,通过Terminal节点将最终的结果进行输出。解决现有技术中存在的查找时间和信息链的时间长、无法直接查找多个直接影响问题的基础因素、交通线路问题溯源结果准确定和精确度低的技术问题。
Description
技术领域
本申请涉及一种溯源方法,尤其涉及一种反向链推理溯源方法、系统、计算机及存储介质,属于公共交通技术领域。
背景技术
对于智慧交通管理而言,自动根据实时路面状况出现的问题进行实时反馈和溯源是其中非常重要的一环,这可以帮助管理者及时“对症下药”,制定解决方案。然而,国内大多数城市的交通管理仍然需要依赖人工分析确定交通线路出现问题的原因,再进行优化方案的制定,这一过程不仅需要消耗大量的时间和人力,而且智能化和自动化程度较低。同时,影响交通线路的因素有很多,对交通线路出现的问题的原因追溯工作也比较复杂,在短时间内无法自动处理大量数据,人工操作容易出现漏判、误判等情况。
现有技术中,常用的基于Rete算法的规则推理引擎有Drools、Jess等。Drools规则推理引擎是一款基于Java语言开发的开源规则引擎,可以从业务操作曾中划分出一套独立处理业务逻辑的API接口,实现逻辑规则和业务系统的完全解耦。Drools主要以ReteOO算法为基础,将加载解析后的规则文件与数据进行匹配,从而得到所有可以匹配规则的结果,同时,整个操作流程的周期可以由Agenda议程进行管理。
Drools规则推理引擎的优点在于可以输入比较多样化、常见的数据进行存储和处理,常见的文件格式为Excel、drl以及xml等文件格式,并且规则是以“WHEN-THEN”的形式设置,具有广泛的适用面,对初次接触的开发者而言比较友好。与此同时,在其内置的推理机制在推理的过程中可以同时触发多条规则进行同时运行,并且可以在推理过程中不断更新实体节点,增加新的实体信息,具体参照图4所示。
Drools在从数据库和规则库中分别导入实体数据和规则后,接下来会在推理机中利用ReteOO算法对规则中的条件进行进一步提取,并且根据提取得到的模式信息与实体数据进行匹配比较,最后推理得到的正确匹配结果,在期间也可以设置Agenda议程对规则的调用顺序进行预先安排,避免出现规则执行冲突的问题。
Drools规则推理引擎的缺点在于无法实现反向链的推理和搜索功能,只能通过内置的query查询函数对已有的信息进行简单的反馈。这一方法的原理比较简单,是通过查询工作区间中符合规则判定条件的信息即可,查询的规则格式也相对简单,因此无法完成复杂的信息检索功能。同时,Drools中内置的查询函数无法对已经完成规则搜索匹配的实体对象信息进行其他操作,也不能直接查找到实体的其他相关属性信息,对于属性实体个数非常多的交通线路数据而言,其自带的搜索查询功能可操作范围非常有限,无法在短时间内快速处理海量数据并确定影响线路的实体对象因素。
然而对于Drools而言,虽然开发和使用难度较低,并且数据的维护简单,处理速度高效,但是该系统只能进行正向推理工作,不能进行反向推理,这对于需要反馈信息进行调整的场景而言非常不方便。由于无法进行反馈校准,预测结果的准确度也会受到一定的影响。同时,如果规则逻辑过于复杂,则需要功能更强大的硬件支持规则引擎处理,成本将会大大增加。
目前,常用的交通线路问题溯源方法是构建动态模型,但该模型通常需要比较确定的限定条件才可以得到最终的输出结果,对线路中可能出现的偶然因素以及尚未发现的未知因素等模糊信息无法进行查找。
与此同时,许多交通线路的问题原因查找方法通常是只能顺序查找导致问题出现的因素,但这不仅延长了查找的时间和信息链,而且在分析过程中无法直接查找多个直接影响问题的基础因素,这些功能上的不完善都会导致交通线路问题溯源结果的准确性和精确度降低。
发明内容
在下文中给出了关于本发明的简要概述,以便提供关于本发明的某些方面的基本理解。应当理解,这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分,也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念,以此作为稍后论述的更详细描述的前序。
鉴于此,为解决现有技术中存在的查找时间和信息链的时间长、无法直接查找多个直接影响问题的基础因素、交通线路问题溯源结果准确定和精确度低的技术问题,本发明提供一种反向链推理溯源方法、系统、计算机及存储介质。
方案一:本发明提供了一种反向链推理溯源方法,包括以下步骤:
步骤1、生成规则库和知识库;所述规则库中存储有反向链查询规则和反向链查询规则约束条件;所述知识库中存储有交通线路和路面数据;
步骤2、输入线路问题,调用与线路问题对应的反向链查询规则,使用RETE算法找出模式下所有匹配的对象和规则;具体包括以下步骤:
步骤21、根据线路问题创建root节点,作为推理网络的数据入口;
步骤22、根据线路问题调用对应反向链查询规则,从反向链查询规则里取出模式;
步骤221、检查模式中的数据参数类型,如果有新的类型出现,则增加对应类型的节点;
步骤222、检查模式中对应的Alpha节点是否存在,如果存在则记录下该节点的位置信息,反之则将模式作为一个Alpha节点加入到网络中,并且根据节点建立Alpha内存表;
步骤223、重复步骤b直至处理完所有模式;
步骤224、组合Beta节点将Beta的两个输入节点分别定义为Alpha节点1和Alpha节点2,然后与上一级Beta通过将其输入节点Alpha进行连接,将两个父节点的内存表相连变成新的内存表;
步骤225、重复步骤d直到所有Beta节点都处理完成;
步骤226、将规则动作Then部分封装成最后节点,记作Beta(n);
步骤3、重复步骤2,直到所有反向链查询规则执行完毕;
步骤4、当所有反向链查询规则执行完后,会通过Terminal节点将最终的结果进行输出。
优选的,步骤1所述交通线路和路面数据具体包括,所述交通线路具体包括线路ID;所述路面数据具体包括:公交线路效益健康度、公交线路速度健康度、公交线路断面车公里客流量、公交线路断面车公里客流量等级、公交线路客流量、公交线路客流量等级、公交线路断面运行速度、公交线路断面运行速度等级。
优选的,步骤1所述反向链规则具体包括,查询规则01反向规则、查询规则02反向规则、查询规则03反向规则、查询规则04反向规则和查询规则05反向规则;
所述查询规则01反向规则对应查询交通路面出现“交通路面状况一般”的线路情况;
所述查询规则02反向规则对应查询交通路面出现“交通路面存在操作问题”的线路情况;
所述查询规则03反向规则对应查询交通路面出现“交通路面存在线路规划问题”的线路情况;
所述查询规则04反向规则对应查询交通路面出现“交通路面存在线路拥堵问题”的线路情况;
所述查询规则05反向规则对应查询交通路面出现“交通路面存在其他问题”的线路情况。
优选的,步骤1所述反向链规则查询约束条件具体包括,
查询规则01反向规则的查询约束条件是线路效益健康度为“中”且线路速度健康度为“高”或者“中”,再分别由效益健康度和速度健康度对应的链式规则查询线路ID信息,公交线路断面车公里客流量、公交线路断面客流量、线路拥挤程度、平均断面速度的等级信息,以及具体的数值,确定出现问题的具体线路情况和涉及的实体因素;
查询规则02反向规则的查询约束条件是线路效益健康度为“低”且线路速度健康度为“高”,根据规则库中判断效益健康度和速度健康度等级的规则找到出现该问题的具体线路信息;
查询规则03反向规则的查询约束条件是线路效益健康度为“低”且线路速度健康度为“高”或“中”,由于对线路速度健康度的查询条件为多个,可以使用模糊查询的方式,最终找到导致线路问题的基本实体对象因素信息;
查询规则04反向规则的查询约束条件是线路效益健康度为“高”且线路速度健康度为“低”,则根据规则给出的约束条件找到对应线路的ID、公交线路断面车公里客流量、公交线路断面客流量、线路拥挤程度、平均断面速度信息,找到觉得健康度等级的关键因素,输出涉及的相关实体对象数值;
查询规则05反向规则的查询约束条件是除了“交通路面状况良好”状态之外的其他情况。
优选的,步骤1所述反向链规则还包括,补集规则,若当前线路问题无法匹配某一规则的时(某一规则是指,反向规则中的任一规则),使线路在其他规则中进行查询匹配,确保所有的线路问题匹配一次。
方案二:一种反向链推理溯源系统,用于实现方案一所述一种反向链推理溯源方法的系统,该系统包括规则库、知识库、信息读取模块、反向链查询模块和信息输出模块;所述规则库用于存储反向链查询规则和反向链查询规则约束条件;所述知识库用于存储公共交通线路断面数据和线路断面运行数据;所述信息读取模块用于读取存储交通线路和路面数据;所述反向链查询模块用于查询出现某种交通路面问题的线路具体情况和影响因素实体信息,同时可以在约束条件下利用模糊推理筛选出符合规则的所有实体对象信息;所述信息输出模块用于将查找到的信息,包括线路ID、线路问题以及导致线路出现问题的实体因素进行整理,以结构化的CSV等Excel文件格式进行输出查询。
方案三:一种计算机,包括存储器和处理器,存储器存储有计算机程序,所述的处理器执行所述计算机程序时实现方案一所述一种反向链推理溯源方法的步骤。
方案四:一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现方案一所述一种反向链推理溯源方法。
本发明的有益效果如下:本发明以RETE算法为核心、基于规则推理引擎开发、应用于交通线路问题分析方面的反向链推理机制。通过对前期掌握的线路基础数据、健康度指标以及线路问题等信息进行综合分析,可以依据设定的反向推理规则对导致问题出现的要素(或因素)进行定位,帮助决策机制尽快调整交通路面状况。
(1)、可以在交通路面场景下反向推理、分析查找线路出现问题的原因,这一过程历遍所有实体对象,并且可以对实体信息进行模糊查询,确保了输出结果的全面性和准确性,数据覆盖范围全面;
(2)、在反向链推理过程中,可以同时处理多条查询规则,提高数据处理速度和效率;
(3)、可以自动输入并处理海量交通数据,同时输出结果的存储格式(包括CSV文件或其他Excel文件格式)通用性较广,并且可以转化为图谱数据进行阅读理解和使用,便于操作者调用数据进行进一步开发;
(4)、本发明的可拓展性比较强,可以随时添加和更新最新的实体或规则查询信息。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明方法流程示意图;
图2为本发明工作流程示意图;
图3为本发明数据结构示意图;
图4为现有技术结构示意图。
具体实施方式
为了使本申请实施例中的技术方案及优点更加清楚明白,以下结合附图对本申请的示例性实施例进行进一步详细的说明,显然,所描述的实施例仅是本申请的一部分实施例,而不是所有实施例的穷举。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
实施例1、参照图1-4说明本实施方式,一种反向链推理溯源方法,包括以下步骤:
步骤1、生成规则库和知识库;所述规则库中存储有反向链查询规则和反向链查询规则约束条件;所述知识库中存储有交通线路和路面数据;
步骤2、输入线路问题,调用与线路问题对应的反向链查询规则,使用RETE算法找出模式下所有匹配的对象和规则;具体包括以下步骤:
步骤21、根据线路问题创建root节点,作为推理网络的数据入口;
步骤22、根据线路问题调用对应反向链查询规则,从反向链查询规则里取出模式;
步骤221、检查模式中的数据参数类型,如果有新的类型出现,则增加对应类型的节点;
步骤222、检查模式中对应的Alpha节点是否存在,如果存在则记录下该节点的位置信息,反之则将模式作为一个Alpha节点加入到网络中,并且根据节点建立Alpha内存表;
步骤223、重复步骤b直至处理完所有模式;
步骤224、组合Beta节点将Beta的两个输入节点分别定义为Alpha节点1和Alpha节点2,然后与上一级Beta通过将其输入节点Alpha进行连接,将两个父节点的内存表相连变成新的内存表;
步骤225、重复步骤d直到所有Beta节点都处理完成;
步骤226、将规则动作Then部分封装成最后节点,记作Beta(n);
步骤3、重复步骤2,直到所有反向链查询规则执行完毕;
步骤4、当所有反向链查询规则执行完后,会通过Terminal节点将最终的结果进行输出。
具体的,线路问题为“交通路面状况良好”、“交通路面状况一般”、“OpertationProblem”、“交通路面存在线路规划问题”、“交通路面存在线路拥堵问题”和“交通路面存在其他问题”。
具体的,在建立反向链规则时将每个线路问题对应设置一个反向规则。
具体的,所述反向规则可以根据现实发生的线路问题随时设置。
具体的,步骤1所述交通线路和路面数据具体包括,所述交通线路具体包括线路ID;所述路面数据具体包括:公交线路效益健康度、公交线路速度健康度、公交线路断面车公里客流量、公交线路断面车公里客流量等级、公交线路客流量、公交线路客流量等级、公交线路断面运行速度、公交线路断面运行速度等级。
具体的,存储交通数据的知识库依赖于Neo4j数据库工具,在调用数据库中的信息和规则进行匹配的时候,只需要将公交线路信息从Neo4j数据库中以CSV文件格式进行导出,然后输入本发明中即可进行进一步查询操作。
具体的,公交线路断面运行速度、公交线路客流量、公交线路断面车公里客流量、公交线路ID是从公交全球定位系统(GPS)、刷卡机等设备采集得到的,并且在Neo4j数据库中进行汇总存储;而公交线路效益健康度、公交线路速度健康度、公交线路断面车公里客流量等级、公交线路客流量等级、公交线路断面运行速度等级、公交线路拥挤程度则是根据规则库中人工整理得到的规则,使用以Drools规则推理引擎为框架构成的交通专家系统正向链推理方法判断得到的数据结果,以上这些数据也可以通过CSV文件格式导入Neo4j数据库中进行存储。
具体的,规则库中的规则最初都是以Excel表格形式进行存储,其中的内容是根据以往总结归纳得到并录入的。将Excel格式中的每一条规则以Java语言进行编写,并存储到规则包中,从而实现规则库的搭建,便于后期进行调用。将逻辑规则编写为计算机可以识别的“规则”语言,再根据规则涉及的具体数据在知识库中进行调用判断。这里提到的每一条“规则”,其具体名字是以查询规则开头命名的系列,查询规则01、查询规则02、查询规则03、查询规则04、查询规则05等。
具体的,步骤1所述反向链查询规则具体包括,查询规则01反向规则、查询规则02反向规则、查询规则03反向规则、查询规则04反向规则和查询规则05反向规则;
所述查询规则01反向规则对应查询交通路面出现“交通路面状况一般”问题的线路情况;
所述查询规则02反向规则对应查询交通路面出现“交通路面存在操作问题”的线路情况;
所述查询规则03反向规则对应查询交通路面出现“交通路面存在线路规划问题”的线路情况;
所述查询规则04反向规则对应查询交通路面出现“交通路面存在线路拥堵问题”的线路情况;
所述查询规则05反向规则对应查询交通路面出现“交通路面存在其他问题”的线路情况。
具体的,步骤1所述反向链规则查询约束条件具体包括,
查询规则01反向规则的查询约束条件是线路效益健康度为“中”且线路速度健康度为“高”或者“中”,再分别由效益健康度和速度健康度对应的链式规则查询线路ID信息,公交线路断面车公里客流量、公交线路断面客流量、线路拥挤程度、平均断面速度的等级信息,以及具体的数值,确定出现问题的具体线路情况和涉及的实体因素;
查询规则02反向规则的查询约束条件是线路效益健康度为“低”且线路速度健康度为“高”,根据规则库中判断效益健康度和速度健康度等级的规则找到出现该问题的具体线路信息;
查询规则03反向规则的查询约束条件是线路效益健康度为“低”且线路速度健康度为“高”或“中”,由于对线路速度健康度的查询条件为多个,可以使用模糊查询的方式,最终找到导致线路问题的基本实体对象因素信息;
查询规则04反向规则的查询约束条件是线路效益健康度为“高”且线路速度健康度为“低”,则根据规则给出的约束条件找到对应线路的ID、公交线路断面车公里客流量、公交线路断面客流量、线路拥挤程度、平均断面速度信息,找到觉得健康度等级的关键因素,输出涉及的相关实体对象数值;
查询规则05反向规则的查询约束条件是除了“交通路面状况良好”状态之外的其他情况。
例如,当输入线路问题是“交通路面存在线路拥堵问题”时,调用与线路问题“交通路面存在线路拥堵问题”相关的规则查询规则02,即约束条件为当线路效益健康度为“高”且线路速度健康度为“低”,则可以先确定符合条件的线路ID以及其对应的公交线路效益健康度、公交线路速度健康度、公交线路断面车公里客流量、公交线路断面车公里客流量等级、公交线路客流量、公交线路客流量等级、公交线路断面运行速度、公交线路断面运行速度等级信息,再根据正向链推理中涉及的规则进行进一步的查询筛选。例如,由效益健康度为“高”可以继续筛选得到断面车公里客流量等级为“中”且断面客流量为“高”或“低”的线路信息;而速度健康度“低”则可以推知公交线路断面平均速度大于等于5且线路拥挤程度为“低”。根据正向链规则层层查询,最终确定出现该问题的线路ID以及其对应的公交线路断面车公里客流量、公交线路客流量、公交线路断面运行速度信息。
速度健康度是由线路断面速度和线路拥挤程度决定的,而效益健康度则是由断面车公里客流量和断面客流量决定的;“else(其他)”是指对应指标下除了有具体约束条件之外的其他情况,例如在速度健康度指标下,“速度健康度高”可以得知线路断面速度大于等于5且线路拥挤程度低,“速度健康度低”可以得知线路断面速度小于等于3且线路拥挤程度高,“速度健康度中”则指的是除了满足上述条件外的其他结果,记作“else”。
具体的,反向链规则还包括,补集规则,若当前线路问题无法匹配某一规则时,可以使线路在其他规则中进行查询匹配,确保所有的线路问题匹配一次。
具体的,补集规则是在每次调用某一条规则进行查询的时候都会进行创建的。补集规则,其实是一条空集规则,没有具体的约束条件;其功能主要是确保如果当前公交线路数据信息无法匹配或满足某一规则的约束条件的时候,可以使其在其他规则中再次进行查询匹配,保证所有的公交线路信息至少会被匹配一次。补集规则是在一开始进行查询之前进行编写设定的,当从规则库中调用一条规则进行查询判断时,它会自动加入该规则的查询过程中。例如,在检索“交通路面状况一般”问题下的速度健康度指标时,不符合规则查询条件的健康度指标将会由补集规则所匹配,以保证在其他规则中这些实体信息可以进行再次查询匹配。
具体的,健康度指标为高、中和低。
实施例2、参照图1-4说明本实施方式,用于实现一种反向链推理溯源方法的系统,该系统包括规则库、知识库、信息读取模块、反向链查询模块和信息输出模块;所述规则库用于存储反向链查询规则和反向链查询规则约束条件;所述知识库用于存储公共交通线路断面数据和线路断面运行数据;所述信息读取模块用于读取存储交通线路和路面数据;所述反向链查询模块用于查询出现某种交通路面问题的线路具体情况和影响因素实体信息,同时可以在约束条件下利用模糊推理筛选出符合规则的所有实体对象信息;所述信息输出模块用于将查找到的信息,包括线路ID、线路问题以及导致线路出现问题的实体因素进行整理,以结构化的CSV等Excel文件格式进行输出查询。
具体的,信息读取模块:通过定义的ReadQuestion函数(“读取线路问题”函数)将交通路面出现的问题从知识库中的Neo4j数据库导出的文件中进行读取,线路目前的问题是“交通路面存在操作问题”或“交通路面存在线路拥堵问题”等,并将其作为查询网络中的root节点。
具体的,反向链查询模块:输入线路问题,调用与其对应的规则查询规则02,该规则的IF部分(即条件)是“当线路效益健康度为‘高’且线路速度健康度为‘低’”,执行的THEN操作就是对应满足条件的线路ID以及相关的属性信息,包括公交线路效益健康度、公交线路速度健康度、公交线路断面车公里客流量、公交线路断面车公里客流量等级、公交线路客流量、公交线路客流量等级、公交线路断面运行速度、公交线路断面运行速度等级具体数值或内容信息(这些属性信息都是以线路ID为识别标准,通过确定线路ID对其他的属性信息进行统一提取);对应“效益健康度为 ‘高’”可以调用其对应的规则“效益健康度规则”进行进一步线路ID筛选,其规则的IF部分为“效益健康度为‘高’”,THEN部分是在上述已经筛选出来的线路ID及相关属性信息中保留满足“断面车公里客流量等级为‘中’且断面客流量为‘高’或‘低’”的数据。
具体的,知识库中的所有实体和属性信息,如线路ID等均为Alpha节点;Beta节点仅作为一个中间量,可以将对应的Alpha节点进行输入和比较。
具体的,信息输出模块:将满足所有规则下查找到的信息,包括线路ID以及对应的公交线路断面车公里客流量、公交线路客流量、公交线路断面运行速度,通过多个Terminal节点、以结构化的CSV等Excel文件格式进行查询结果输出。
本发明的技术关键点:
(1)本发明是以Rete算法为框架、基于规则推理引擎搭建了可以对交通线路问题进行原因查找的反向链推理方法,适用于大规模、多属性实体的交通路面的数据分析和问题溯源,同时,查询过程中将会遍历所有实体对象信息,覆盖信息全面,查询结果更加全面;
(2)本发明在进行反向链查找的过程中,可以进行模糊推理和多规则同步查询,缩短了查询所用的时间,提高了查询的效率;
(3)本发明可以自动处理大规模的交通线路信息,并且快速、准确地及时提供可以直接查询阅读的格式化文件,极大地减少了人工干预和人力消耗,并且对于使用者而言简单友好,推广性较好;
(4)本发明的可拓展性较强,可以根据实际场景进行反向推理规则定义,在知识库或规则库新增信息后也可以及时更新使用。
本发明的缩略语和关键术语定义:
ID:公交线路的专属编号;
query:Drools规则推理引擎中内置的查询函数;
agenda-group/Agenda:议程函数;
高:高(等级);
中:中(等级);
低:低(等级)。
本发明的计算机装置可以是包括有处理器以及存储器等装置,例如包含中央处理器的单片机等。并且,处理器用于执行存储器中存储的计算机程序时实现上述的基于CREO软件的可修改由关系驱动的推荐数据的推荐方法的步骤。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
计算机可读存储介质实施例
本发明的计算机可读存储介质可以是被计算机装置的处理器所读取的任何形式的存储介质,包括但不限于非易失性存储器、易失性存储器、铁电存储器等,计算机可读存储介质上存储有计算机程序,当计算机装置的处理器读取并执行存储器中所存储的计算机程序时,可以实现上述的基于CREO软件的可修改由关系驱动的建模数据的建模方法的步骤。
所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的,而非限制性的,本发明的范围由所附权利要求书限定。
Claims (8)
1.一种反向链推理溯源方法,其特征在于,包括以下步骤:
步骤1、生成规则库和知识库;所述规则库中存储有反向链查询规则和反向链查询规则约束条件;所述知识库中存储有交通线路和路面数据;
步骤2、输入线路问题,调用与线路问题对应的反向链查询规则,使用RETE算法找出模式下所有匹配的对象和规则;具体包括以下步骤:
步骤21、根据线路问题创建root节点,作为推理网络的数据入口;
步骤22、根据线路问题调用对应反向链查询规则,从反向链查询规则里取出模式;
步骤221、检查模式中的数据参数类型,如果有新的类型出现,则增加对应类型的节点;
步骤222、检查模式中对应的Alpha节点是否存在,如果存在则记录下该节点的位置信息,反之则将模式作为一个Alpha节点加入到网络中,并且根据节点建立Alpha内存表;
步骤223、重复步骤b直至处理完所有模式;
步骤224、组合Beta节点将Beta的两个输入节点分别定义为Alpha节点1和Alpha节点2,然后与上一级Beta通过将其输入节点Alpha进行连接,将两个父节点的内存表相连变成新的内存表;
步骤225、重复步骤d直到所有Beta节点都处理完成;
步骤226、将规则动作Then部分封装成最后节点,记作Beta(n);
步骤3、重复步骤2,直到所有反向链查询规则执行完毕;
步骤4、当所有反向链查询规则执行完后,会通过Terminal节点将最终的结果进行输出。
2.根据权利要求1所述的方法,其特征在于,步骤1所述交通线路和路面数据具体包括,所述交通线路具体包括线路ID;所述路面数据具体包括:公交线路效益健康度、公交线路速度健康度、公交线路断面车公里客流量、公交线路断面车公里客流量等级、公交线路客流量、公交线路客流量等级、公交线路断面运行速度、公交线路断面运行速度等级。
3.根据权利要求2所述的方法,其特征在于,步骤1所述反向链查询规则具体包括,查询规则01反向规则、查询规则02反向规则、查询规则03反向规则、查询规则04反向规则和查询规则05反向规则;
所述查询规则01反向规则对应查询交通路面出现“交通路面状况一般”的线路情况;
所述查询规则02反向规则对应查询交通路面出现“交通路面存在操作问题”的线路情况;
所述查询规则03反向规则对应查询交通路面出现“交通路面存在线路规划问题”的线路情况;
所述查询规则04反向规则对应查询交通路面出现“交通路面存在线路拥堵问题”的线路情况;
所述查询规则05反向规则对应查询交通路面出现“交通路面存在其他问题”的线路情况。
4.根据权利要求3所述的方法,其特征在于,步骤1所述反向链查询规则约束条件具体包括,
查询规则01反向规则的查询约束条件是线路效益健康度为“中”且线路速度健康度为“高”或者“中”,再分别由效益健康度和速度健康度对应的链式规则查询线路ID信息,公交线路断面车公里客流量、公交线路断面客流量、线路拥挤程度、平均断面速度的等级信息,以及具体的数值,确定出现问题的具体线路情况和涉及的实体因素;
查询规则02反向规则的查询约束条件是线路效益健康度为“低”且线路速度健康度为“高”,根据规则库中判断效益健康度和速度健康度等级的规则找到出现该问题的具体线路信息;
查询规则03反向规则的查询约束条件是线路效益健康度为“低”且线路速度健康度为“高”或“中”,由于对线路速度健康度的查询条件为多个,可以使用模糊查询的方式,最终找到导致线路问题的基本实体对象因素信息;
查询规则04反向规则的查询约束条件是线路效益健康度为“高”且线路速度健康度为“低”,则根据规则给出的约束条件找到对应线路的ID、公交线路断面车公里客流量、公交线路断面客流量、线路拥挤程度、平均断面速度信息,找到觉得健康度等级的关键因素,输出涉及的相关实体对象数值;
查询规则05反向规则的查询约束条件是除了“好”状态之外的其他情况。
5.根据权利要求4所述的方法,其特征在于,步骤1所述反向链查询规则还包括,补集规则,若当前线路问题无法匹配某一规则时,使线路在其他规则中进行查询匹配,确保所有的线路问题匹配一次。
6.一种反向链推理溯源系统,其特征在于,用于实现权利要求1-5任一项所述一种反向链推理溯源方法的系统,该系统包括规则库、知识库、信息读取模块、反向链查询模块和信息输出模块;所述规则库用于存储反向链查询规则和反向链查询规则约束条件;所述知识库用于存储公共交通线路断面数据和线路断面运行数据;所述信息读取模块用于读取存储交通线路和路面数据;所述反向链查询模块用于查询出现某种交通路面问题的线路具体情况和影响因素实体信息,同时可以在约束条件下利用模糊推理筛选出符合规则的所有实体对象信息;所述信息输出模块用于将查找到的信息,包括线路ID、线路问题以及导致线路出现问题的实体因素进行整理,以结构化的CSV等Excel文件格式进行输出查询。
7.一种计算机,其特征在于,包括存储器和处理器,存储器存储有计算机程序,所述的处理器执行所述计算机程序时实现权利要求1至5任一项所述的方法的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210376559.9A CN114462721B (zh) | 2022-04-12 | 2022-04-12 | 一种反向链推理溯源方法、系统、计算机及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210376559.9A CN114462721B (zh) | 2022-04-12 | 2022-04-12 | 一种反向链推理溯源方法、系统、计算机及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114462721A true CN114462721A (zh) | 2022-05-10 |
CN114462721B CN114462721B (zh) | 2022-08-23 |
Family
ID=81418210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210376559.9A Active CN114462721B (zh) | 2022-04-12 | 2022-04-12 | 一种反向链推理溯源方法、系统、计算机及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114462721B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107808194A (zh) * | 2017-10-26 | 2018-03-16 | 北京科技大学 | 一种基于Rete推理网络的复合推理方法 |
CN109872244A (zh) * | 2019-01-29 | 2019-06-11 | 汕头大学 | 一种任务指导型智慧农业种植专家系统 |
CN111814458A (zh) * | 2020-07-30 | 2020-10-23 | 深圳麦亚信科技股份有限公司 | 规则引擎系统优化方法、装置、计算机设备及存储介质 |
CN112200319A (zh) * | 2020-10-20 | 2021-01-08 | 北京计算机技术及应用研究所 | 一种实现无人车导航避障的规则推理方法及系统 |
CN113689697A (zh) * | 2021-08-13 | 2021-11-23 | 南京理工大学 | 一种基于规则匹配和知识图谱的交通事件影响分析方法 |
-
2022
- 2022-04-12 CN CN202210376559.9A patent/CN114462721B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107808194A (zh) * | 2017-10-26 | 2018-03-16 | 北京科技大学 | 一种基于Rete推理网络的复合推理方法 |
CN109872244A (zh) * | 2019-01-29 | 2019-06-11 | 汕头大学 | 一种任务指导型智慧农业种植专家系统 |
CN111814458A (zh) * | 2020-07-30 | 2020-10-23 | 深圳麦亚信科技股份有限公司 | 规则引擎系统优化方法、装置、计算机设备及存储介质 |
CN112200319A (zh) * | 2020-10-20 | 2021-01-08 | 北京计算机技术及应用研究所 | 一种实现无人车导航避障的规则推理方法及系统 |
CN113689697A (zh) * | 2021-08-13 | 2021-11-23 | 南京理工大学 | 一种基于规则匹配和知识图谱的交通事件影响分析方法 |
Non-Patent Citations (2)
Title |
---|
刘玉新: "交通信号配时专家辅助决策系统的设计与实现", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
周童飞: "个性化学习中适应性引擎的研究", 《中国优秀博硕士学位论文全文数据库(硕士)社会科学Ⅱ辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114462721B (zh) | 2022-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104123369B (zh) | 一种基于图形数据库的配置管理数据库系统的实现方法 | |
US6338053B2 (en) | Inventory managing method for automatic inventory retrieval and apparatus thereof | |
CN112148509A (zh) | 数据处理方法、装置、服务器及计算机可读存储介质 | |
JPWO2019069505A1 (ja) | 情報処理装置、結合条件生成方法および結合条件生成プログラム | |
CN115544088A (zh) | 地址信息查询方法、装置、电子设备及存储介质 | |
CN114462721B (zh) | 一种反向链推理溯源方法、系统、计算机及存储介质 | |
US11514062B2 (en) | Feature value generation device, feature value generation method, and feature value generation program | |
CN117493333A (zh) | 数据归档方法、装置、电子设备及存储介质 | |
CN113139022B (zh) | 一种基于混合规则的企业物流数据按需融合方法 | |
CN113221528B (zh) | 基于openEHR模型的临床数据质量评估规则的自动生成与执行方法 | |
CN115391446A (zh) | 基于bim系统的清单全自动映射方法、系统及可读存储介质 | |
CN114707953A (zh) | 一种主数据全生命周期管理方法、系统、引擎及存储介质 | |
CN113918728A (zh) | 一种工业互联网后服务知识图谱分析平台 | |
CN117648339B (zh) | 一种数据探查方法、装置、服务器及存储介质 | |
CN115544985B (zh) | 基于地理计算语言的统计图制作方法、装置、设备及介质 | |
CN114462608A (zh) | 一种交通线路问题推断方法、系统、计算机及存储介质 | |
CN110334098A (zh) | 一种基于脚本的数据库合并方法及系统 | |
CN109905475B (zh) | 一种基于sql以规定格式输出云计算监控数据的方法 | |
CN114996319B (zh) | 基于规则引擎的数据处理方法、装置、设备及存储介质 | |
CN112733516B (zh) | 快讯处理方法、装置、设备及存储介质 | |
CN117874009B (zh) | 一种数仓模型创建和管理的系统 | |
CN115687309B (zh) | 非侵入式卷烟出入库全流程数据血缘构建方法、装置 | |
CN118035060A (zh) | 一种动态生成埋点标准基础数据模型的方法 | |
CN117235539A (zh) | 一种异构规则匹配方法和装置 | |
CN116089549A (zh) | 一种高精度地图数据模型及其更新方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |