基于知識圖譜技術(shù)的盾構(gòu)工程知識庫研究

李建旺，李安云，焦雷

（中鐵十五局集團(tuán)城市軌道交通工程有限公司，上海 200070）

1 引言

隨著人工智能領(lǐng)域的不斷深化，各種新技術(shù)層出不窮，中臺架構(gòu)和其他平臺一樣，也面臨著“與時俱進(jìn)”和升級迭代的局面。目前的人工智能應(yīng)用主要集中在對圖片、視頻以及語音能力的探究，在知識推理、因果分析等領(lǐng)域還缺乏相應(yīng)的研究。

知識圖譜，作為現(xiàn)階段最有效的，在人工智能領(lǐng)域，打通感知到認(rèn)知這一過程的技術(shù)和工具，其承擔(dān)著非常重要的作用。2012年，Google推出了一款從Metaweb中衍生而來的產(chǎn)品，名字叫作Knowledge Graph（知識圖譜），彼時其功能在于，搜索內(nèi)容時提供附加的衍生結(jié)果。隨著人工智能的發(fā)展，知識圖譜開始應(yīng)用于更多的場景，關(guān)注度不斷攀升，成為認(rèn)知智能領(lǐng)域的核心技術(shù)之一。最重要的是，知識圖譜逐漸成為人工智能應(yīng)用的強(qiáng)大助力。隨著架構(gòu)和應(yīng)用的不斷完善與深入，知識圖譜助力了很多熱門的人工智能應(yīng)用場景，例如，語音助手、聊天機(jī)器人、智能問答等，覆蓋了泛互聯(lián)網(wǎng)、金融、政務(wù)、醫(yī)療等眾多領(lǐng)域。知識圖譜（KG）在知識驅(qū)動的人工智能研究中發(fā)揮著強(qiáng)大的支撐作用[1]，其中垂直知識圖譜技術(shù)是目前學(xué)術(shù)界和工業(yè)界研究的熱點(diǎn)，在人工智能領(lǐng)域具有廣泛的應(yīng)用[2]。

當(dāng)前，盾構(gòu)工程安全事故存在風(fēng)險重大、風(fēng)險隱性等問題，基于此施工安全風(fēng)險一直困擾著盾構(gòu)工程的施工安全，國內(nèi)外專家學(xué)者和從業(yè)人員一直在研究如何防范和降低盾構(gòu)工程施工的安全風(fēng)險。由于盾構(gòu)施工項目的地層和環(huán)境差異性較大，不能夠?qū)崿F(xiàn)地鐵施工安全風(fēng)險管理知識的重用性和共享性[3]。但是地鐵施工安全問題一直是行業(yè)健康發(fā)展較難解決的問題之一，存在著管理體系不健全、管理方式落后和信息化手段不足等問題，無法滿足地鐵施工這一復(fù)雜動態(tài)過程的安全風(fēng)險管理要求[4]。

知識圖譜的特點(diǎn)是具有特定的關(guān)系結(jié)構(gòu)，其可以非常便利地刻畫現(xiàn)實生活中的本體、屬性和關(guān)系之間存在的關(guān)聯(lián)[5]。如何用圖形化方式將盾構(gòu)工程中的項目工程實例與風(fēng)險源實例、事故實例關(guān)聯(lián)形成安全風(fēng)險知識庫是本文重點(diǎn)研究內(nèi)容。

2 盾構(gòu)知識庫構(gòu)建過程

盾構(gòu)工程安全風(fēng)險管理智決策系統(tǒng)是一款基于大數(shù)據(jù)收集和人工智能技術(shù)，實現(xiàn)了云部署和知識圖譜場景化應(yīng)用的賦能平臺，平臺架構(gòu)圖如圖1所示，同時也是國內(nèi)在盾構(gòu)工程賦能場景下積累較豐富的一體化解決方案。

圖1 盾構(gòu)知識圖譜平臺架構(gòu)圖

盾構(gòu)知識圖譜平臺一方面通過將盾構(gòu)工程行業(yè)已有的結(jié)構(gòu)化知識做更深的場景關(guān)聯(lián)與知識構(gòu)建，從而保證查詢效率。深度關(guān)聯(lián)是傳統(tǒng)數(shù)倉現(xiàn)有技術(shù)框架下不容易實現(xiàn)的。另一方面可以幫助盾構(gòu)工程從一線施工現(xiàn)場獲得的物聯(lián)網(wǎng)數(shù)據(jù)海量中抽取出知識片段，從而提高數(shù)據(jù)時效性及感知維度，激活并增大知識儲量，釋放出大數(shù)據(jù)紅利。在盾構(gòu)工程知識表示層面上，知識圖譜則是上游大數(shù)據(jù)和下游AI任務(wù)的有效連接。圖譜化之后的知識便于進(jìn)一步的語義化，知識碎片關(guān)聯(lián)起來形成圖譜之后，更多關(guān)聯(lián)信息意味著更加豐富的工程語義信息。經(jīng)過引入適當(dāng)?shù)亩軜?gòu)工程行業(yè)常識知識和領(lǐng)域知識，可以對圖譜中的節(jié)點(diǎn)和關(guān)系做向量化處理，進(jìn)而突破以往基于字符串匹配的淺層語義，更加便利、有效地幫助客戶組織領(lǐng)域知識，為流程優(yōu)化、輔助決策、預(yù)測分析等下游應(yīng)用提供基礎(chǔ)服務(wù)。

2.1 盾構(gòu)工程知識采集層

盾構(gòu)工程知識采集層主要負(fù)責(zé)采集內(nèi)、外部數(shù)據(jù)，包括結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，如盾構(gòu)項目的盾構(gòu)機(jī)、施工方、施工地、事故、工程項目等基礎(chǔ)信息，工程區(qū)間信息，潛在風(fēng)險源信息，盾構(gòu)實時運(yùn)行數(shù)據(jù)，不同工序的結(jié)構(gòu)化信息，等等。半結(jié)構(gòu)化數(shù)據(jù)包括軌道交通安全條例、盾構(gòu)工程應(yīng)急預(yù)案等；非結(jié)構(gòu)化數(shù)據(jù)包括盾構(gòu)施工控制技術(shù)文檔、盾構(gòu)事故案例以及用于采集盾構(gòu)工程上的項目掘進(jìn)數(shù)據(jù)。

2.2 盾構(gòu)工程知識構(gòu)建層

盾構(gòu)工程知識構(gòu)建層主要負(fù)責(zé)數(shù)據(jù)交換和知識構(gòu)建。數(shù)據(jù)交換負(fù)責(zé)把盾構(gòu)工程自有的數(shù)據(jù)定期從施工現(xiàn)場同步到盾構(gòu)工程安全風(fēng)險管理智決策系統(tǒng)內(nèi)，采用定期任務(wù)調(diào)度，監(jiān)控任務(wù)的執(zhí)行結(jié)果，出現(xiàn)異?？筛婢ㄖ?，保證數(shù)據(jù)同步成功。知識構(gòu)建是盾構(gòu)工程知識圖譜最核心的內(nèi)容，包括：（1）基于業(yè)務(wù)的三元組結(jié)構(gòu)設(shè)計，即實體和關(guān)系的定義，通過自上而下的業(yè)務(wù)導(dǎo)向和自下而上的數(shù)據(jù)基礎(chǔ)，設(shè)計合理的實體與關(guān)系體系；（2）對于盾構(gòu)工程現(xiàn)場的掘進(jìn)情況或者第三方的結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，都需要按照上一步定義的數(shù)據(jù)結(jié)構(gòu)，進(jìn)行實體抽取、關(guān)系抽取和屬性抽取。

同時，需要結(jié)合主數(shù)據(jù)、NLP處理和AI算法，在該層實現(xiàn)實體對齊、歧義消解和指代消解，已完成實體和關(guān)系的識別和知識融合，形成盾構(gòu)工程安全事故案例、風(fēng)險源案例、應(yīng)急預(yù)案、專項方案圖譜知識庫。

2.3 盾構(gòu)工程知識存儲層

主要負(fù)責(zé)盾構(gòu)工程基礎(chǔ)知識的存儲與構(gòu)建。存儲系統(tǒng)包括搜索引擎和圖數(shù)據(jù)庫。搜索引擎便于實現(xiàn)基于知識體系的融合搜索功能，圖數(shù)據(jù)庫用來存儲圖數(shù)據(jù)，方便基于圖或者路徑的查詢。知識存儲層包括實體庫、標(biāo)簽庫、關(guān)系庫、屬性庫、事件庫等，知識主要來自項目自有數(shù)據(jù)、系統(tǒng)留存數(shù)據(jù)、文檔數(shù)據(jù)等，也可以融合后生成關(guān)聯(lián)關(guān)系網(wǎng)絡(luò)。

2.4 盾構(gòu)工程知識應(yīng)用層

盾構(gòu)工程知識庫中的知識按照業(yè)務(wù)需求進(jìn)行組織計算，并輸出給到系統(tǒng)和應(yīng)用相結(jié)合。應(yīng)用層包括兩個套件：管理套件和應(yīng)用套件。管理套件包括數(shù)據(jù)資源導(dǎo)入、映射關(guān)系管理、規(guī)則模型配置等功能。應(yīng)用套件包括融合搜索、監(jiān)測預(yù)警、分析展示及更多定制化應(yīng)用等功能。

3 盾構(gòu)工程知識庫應(yīng)用

構(gòu)建好的盾構(gòu)工程知識庫可以在實際盾構(gòu)工程中進(jìn)行結(jié)合應(yīng)用，運(yùn)用知識圖譜實體-關(guān)系-屬性來描述還原盾構(gòu)工程情況，以更智能的方式賦能各種復(fù)雜場景，以計算機(jī)智能替代人腦智能，以豐富的圖譜分析功能助力盾構(gòu)工程的從業(yè)人員發(fā)掘各類隱形線索。

3.1 圖譜分析應(yīng)用

圖譜分析應(yīng)用圍繞“行業(yè)知識多源融合、計算應(yīng)用、可視分析、業(yè)務(wù)智能”設(shè)計實現(xiàn)，結(jié)合關(guān)系網(wǎng)絡(luò)、時空數(shù)據(jù)、地理制圖學(xué)建立可視化表征，揭示對象間的關(guān)聯(lián)和對象時空相關(guān)的模式及規(guī)律。圖譜分析應(yīng)用提供盾構(gòu)工程知識關(guān)聯(lián)網(wǎng)絡(luò)、搜索網(wǎng)絡(luò)等功能，提供完整的關(guān)系計算API，以及用可視化的方式有效融合機(jī)器的計算能力和人的認(rèn)知能力，獲得對于海量盾構(gòu)工程案例數(shù)據(jù)的洞察力，幫助用戶更為直觀、高效地獲取信息和知識。細(xì)化功能包括分析創(chuàng)建、布局樣式展示、節(jié)點(diǎn)放射分析、關(guān)系發(fā)現(xiàn)分析、實體節(jié)點(diǎn)維護(hù)、延伸路徑分析及關(guān)系維護(hù)。

3.2 融合搜索應(yīng)用

以基于知識圖譜構(gòu)建的知識數(shù)據(jù)資源為基礎(chǔ)，提供融合知識引擎應(yīng)用，圍繞盾構(gòu)實體及屬性提供如風(fēng)險源、事故案例、應(yīng)急預(yù)案等融合搜索，可以輸出基于盾構(gòu)知識關(guān)聯(lián)的跨信息集全面結(jié)果，并呈現(xiàn)更豐富的知識檔案、全息畫像，幫助盾構(gòu)工程工作者更簡單、便捷、智能地概覽多源異構(gòu)數(shù)據(jù)，快速了解相關(guān)匹配內(nèi)容。

3.3 監(jiān)測預(yù)警應(yīng)用

以底層知識庫為依托接入盾構(gòu)實時運(yùn)行參數(shù)，并對參數(shù)進(jìn)行閾值設(shè)定及知識標(biāo)簽關(guān)聯(lián)處理，圍繞參數(shù)的不同場景不同環(huán)節(jié)構(gòu)建對應(yīng)的關(guān)系網(wǎng)絡(luò)。監(jiān)測預(yù)警是幫助用戶快速通過簡單監(jiān)測規(guī)則，即可實現(xiàn)盾構(gòu)施工過程的預(yù)警、提示、監(jiān)測等場景服務(wù)的工具?？梢酝ㄟ^預(yù)設(shè)了大量盾構(gòu)工程常見場景下的預(yù)警模板，并根據(jù)實際需求調(diào)整部分條件和閾值。監(jiān)測預(yù)警結(jié)果通過關(guān)聯(lián)底層盾構(gòu)圖譜、大數(shù)據(jù)等底層技術(shù)實現(xiàn)多維的關(guān)聯(lián)信息。細(xì)化功能可包括監(jiān)測預(yù)警創(chuàng)建、動態(tài)監(jiān)測、多方式智能提醒、預(yù)警基礎(chǔ)配置、通用預(yù)警庫、擴(kuò)展預(yù)警庫、定制提醒方式及定制智能預(yù)警模板等。

3.4 更多盾構(gòu)工程場景應(yīng)用

盾構(gòu)工程知識庫，除了上3個應(yīng)用場景，還有其他更多實際場景應(yīng)用，包括盾構(gòu)機(jī)器的選型、盾構(gòu)機(jī)自動駕駛輔助、風(fēng)險源預(yù)測發(fā)現(xiàn)等，也可以為盾構(gòu)工程企業(yè)提供主數(shù)據(jù)治理和數(shù)據(jù)標(biāo)準(zhǔn)規(guī)范等。

4 結(jié)語

對盾構(gòu)工程知識庫構(gòu)建以及知識庫場景應(yīng)用進(jìn)行研究分析，結(jié)果表明：

1）可以通過知識圖譜技術(shù)，構(gòu)建盾構(gòu)工程行業(yè)輔助決策類知識庫；

2）基于盾構(gòu)工程知識庫可為盾構(gòu)工程行業(yè)提供業(yè)務(wù)所需的應(yīng)用知識智能化搜索；

3）基于盾構(gòu)工程知識庫可以進(jìn)一步為一線業(yè)務(wù)提供更為智能化、自動化的知識應(yīng)用服務(wù)包括潛在發(fā)現(xiàn)、預(yù)警洞察、輔助決策等。