留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

面向生物危害应急响应的地理本体模型设计与构建

焦麟 邢帅 王丹菂 卢万杰 张鑫磊 赵英豪

焦麟, 邢帅, 王丹菂, 卢万杰, 张鑫磊, 赵英豪. 面向生物危害应急响应的地理本体模型设计与构建[J]. 武汉大学学报 ● 信息科学版, 2021, 46(4): 586-594. doi: 10.13203/j.whugis20190189
引用本文: 焦麟, 邢帅, 王丹菂, 卢万杰, 张鑫磊, 赵英豪. 面向生物危害应急响应的地理本体模型设计与构建[J]. 武汉大学学报 ● 信息科学版, 2021, 46(4): 586-594. doi: 10.13203/j.whugis20190189
JIAO Lin, XING Shuai, WANG Dandi, LU Wanjie, ZHANG Xinlei, ZHAO Yinghao. A Biohazard Emergency Response Geo-ontology Model[J]. Geomatics and Information Science of Wuhan University, 2021, 46(4): 586-594. doi: 10.13203/j.whugis20190189
Citation: JIAO Lin, XING Shuai, WANG Dandi, LU Wanjie, ZHANG Xinlei, ZHAO Yinghao. A Biohazard Emergency Response Geo-ontology Model[J]. Geomatics and Information Science of Wuhan University, 2021, 46(4): 586-594. doi: 10.13203/j.whugis20190189

面向生物危害应急响应的地理本体模型设计与构建

doi: 10.13203/j.whugis20190189
基金项目: 

国家重点研发计划 2017YFC1200300

国家自然科学基金 41876105

国家自然科学基金 41371436

详细信息
    作者简介:

    焦麟,硕士,主要从事地理空间本体理论和地理信息服务研究。xd_jiao@foxmail.com

    通讯作者: 邢帅,博士,副教授。xing972403@163.com
  • 中图分类号: P208

A Biohazard Emergency Response Geo-ontology Model

Funds: 

The National Key Research and Development Program of China 2017YFC1200300

the National Natural Science Foundation of China 41876105

the National Natural Science Foundation of China 41371436

More Information
    Author Bio:

    JIAO Lin, master, specializes in the theories of geospatial ontology and geographic information service. E-mail: xd_jiao@foxmail.com

    Corresponding author: XING Shuai, PhD, associate professor. E-mail: xing972403@163.com
  • 摘要: 生物危害应急响应是生物安全保障的重要组成部分,需要紧密围绕应急响应预案来组织实施。针对目前的应急响应预案知识组织研究尚不完善,现有的数据模型不能满足生物危害态势时空分析需要的问题,在ABC本体模型的基础上构建了生物危害应急响应地理本体模型(biohazard emergency response geo-ontology model,BEROM),并建立了用于应急决策推理的规则集。对北京市严重急性呼吸道综合征(severe acute respiratory syndrome,SARS)应急响应任务实例分析的结果表明,所提模型相较于传统方法能够更好地融合事件信息与预案知识,从而通过对模型的推理给出更有效的应急决策意见。应急响应预案智能构建的实现,为应急决策提供了一种新的知识模型,验证了模型的合理性和有效性。
  • 图  1  BEROM概念树UML图

    Figure  1.  UML Diagram of BEROM Conceptual Tree

    图  2  8种空间拓扑关系

    Figure  2.  Eight Spatial Topological Relations

    图  3  改进的锥形模型

    Figure  3.  Improved Conical Model

    图  4  BEROM的概念及其关系

    Figure  4.  Concepts and Relations of BEROM

    图  5  事实知识输入

    Figure  5.  Input Fact Knowledge

    图  6  应急区域参考

    Figure  6.  Output Emergency Area

    图  7  生物危害态势应急响应知识片段与SARS处置流程的对应关系

    Figure  7.  Relation of Biohazard Situation Emergency Response Knowledge Fragments and SARS Disposal Process

    表  1  BEROM拓展的对象关系

    Table  1.   Expanded Object Relations of BEROM

    关系类 关系名称 定义域 值域 属性描述
    实施类关系 inChargeOf 应急行动 指挥机构 应急行动由某指挥机构指挥
    hasParticipant 应急行动 人员 应急行动由某些人员参与
    组成类关系 formOf 应急机构 有关部门 应急机构由某些部门组成
    serveIn 人员 有关部门 人员就职于某部门
    伴随类关系 precedes 事件 应急态势 此状况的前置事件
    follows 事件 应急态势 此状况的伴随事件
    needRescouce 损失态势 应急资源 此状况所需要的应急资源
    要素类关系 hasGrade 应急事件 事件等级 事件的等级
    hasHazard 生物危害事件 致灾因子 生物危害事件的致灾因子
    hasAction 应急处置事件 应急行动 应急处置事件中采取的行动
    下载: 导出CSV

    表  2  查询试验样例及结果

    Table  2.   Query Samples and Results

    编号 查询语句 查询条件 查询结果
    1 SELETE?place WHERE{bio: place1 bio: near?place} (NULL)
    2 SELETE?place WHERE{bio: place1 bio: Meets?place} Place2
    3 SELETE?place WHERE{bio: place1 bio: near?place} 增加空间规则 Place2, Place3, Place4
    下载: 导出CSV

    表  3  空间规则实例

    Table  3.   Example of Spatial Rules

    编号 空间规则
    rule1 地理实体(?x),地理实体(?y),Meets(?x, ?y)—>near(?x, ?y)
    rule2 地理实体(?x),地理实体(?y),地理实体(?z),near(?x, ?y), Contains(?y, ?z)—>near(?x, ?z)
    rule3 地理实体(?x),地理实体(?y),地理实体(?z), near(?x, ?y), Covers(?y, ?z)—>near(?x, ?z)
    下载: 导出CSV

    表  4  应急区域内包含的地理实体

    Table  4.   Geographic Entity in Emergency Area

    事件类型 应急范围/m 位置坐标 应急区域
    重大传染病疫情 300 116.472 6°E,39.992 0°N 望京中心、首开广场、利星行中心
    重大传染病疫情 600 116.472 6°E,39.992 0°N 凯德MALL、实验小学、师范大学附属中学
    重大传染病疫情 900 116.472 6°E,39.992 0°N 善尔医院、福码大厦、文化产业园、望京大厦
    下载: 导出CSV
  • [1] 江东. 地理信息技术提升突发生物危害事件评估决策能力[J]. 地球信息科学学报, 2016, 18(12): 17-25 https://www.cnki.com.cn/Article/CJFDTOTAL-DQXX201612018.htm

    Jiang Dong. Geographic Information Technology Enhances the Decision-Making Ability of Evaluating Sudden Biohazard Events[J]. Geo-Information Scien-ce, 2016, 18(12): 17-25 https://www.cnki.com.cn/Article/CJFDTOTAL-DQXX201612018.htm
    [2] 郑涛. 生物事件应急管理[M]. 北京: 科学出版社, 2016

    Zheng Tao. Emergency Management of Biological Events[M]. Beijing: Science Press, 2016
    [3] 朱一凡, 梅珊, 郑涛, 等. 基于AGENT建模的重大疾病传染仿真系统分析[J]. 系统仿真学报, 2011, 23(11): 2 505-2 511 https://www.cnki.com.cn/Article/CJFDTOTAL-XTFZ201111042.htm

    Zhu Yifan, Mei Shan, Zheng Tao, et al. AGENT Modeling Based Heavy Infectious Diseases Simulation System Analysis[J]. Journal of System Simulation, 2011, 23(11): 2 505-2 511 https://www.cnki.com.cn/Article/CJFDTOTAL-XTFZ201111042.htm
    [4] 汪茉莉. 地铁运营突发事件应急预案流程研究[D]. 南京: 东南大学, 2016

    Wang Moli. Research on Subway Emergency Contingency Plans Process[D]. Nanjing: Southeast University, 2016
    [5] 罗杰文, 施智平, 何清, 等. 一种CBR与RBR相结合的快速预案生成系统[J]. 计算机研究与发展, 2007, 44(4): 660-666 https://www.cnki.com.cn/Article/CJFDTOTAL-JFYZ200704016.htm

    Luo Jiewen, Shi Zhiping, He Qing, et al. A Quick Emergency Response Plan Generation System Combining CBR and RBR[J]. Journal of Computer Research and Development, 2007, 44(4): 660-666 https://www.cnki.com.cn/Article/CJFDTOTAL-JFYZ200704016.htm
    [6] 王文俊, 杨鹏, 董存祥. 应急案例本体模型的研究及应用[J]. 计算机应用, 2009, 29(5): 1 437-1 445 https://www.cnki.com.cn/Article/CJFDTOTAL-JSJY200905072.htm

    Wang Wenjun, Yang Peng, Dong Cunxiang. Study and Application of Emergency Case Ontology Model[J]. Journal of Computer Applications, 2009, 29(5): 1 437-1 445 https://www.cnki.com.cn/Article/CJFDTOTAL-JSJY200905072.htm
    [7] Zhao Jia, Deng Lei. Emergency Case Ontology Model and Its Application in Earthquake Disaster[J]. Advanced Materials Research, 2012, 518-523: 5 783-5 797
    [8] Hu Zhenfeng, Yao Shangheng, Liu Yangtong. Research on Shared Ontology Model for Coal Mine Emergency Case[C]//Proceedings of the 2012 International Conference on Information Technology and Software Engineering, Berlin, Heidelberg: Springer, 2013
    [9] 朱杰, 游雄, 夏青. 基于任务过程的战场环境对象时空数据组织模型[J]. 武汉大学学报·信息科学版, 2018, 43(11): 1 739-1 745 doi:  10.13203/j.whugis20170074

    Zhu Jie, You Xiong, Xia Qing. Battlefield Environment Object Spatio-Temporal Data Organizing Model Based on Task-Process[J]. Geomatics and Information Science of Wuhan University, 2018, 43(11): 1 739-1 745 doi:  10.13203/j.whugis20170074
    [10] Studer R, Benjamins V R, Fensel D J D, et al. Knowledge Engineering: Principles and Methods[J]. Data Knowledge Engineering, 2008, 25(1-2): 161-197
    [11] 李霖, 沈航, 刘羽, 等. 基于语义的地理概念范例构造方法[J]. 武汉大学学报·信息科学版, 2018, 43(12): 2 243-2 249 doi:  10.13203/j.whugis20180232

    Li Lin, Shen Hang, Liu Yu, et al. Semantic-Based Methodology for Creation of Exemplars of Geographical Concepts[J]. Geomatics and Information Science of Wuhan University, 2018, 43(12): 2 243-2 249 doi:  10.13203/j.whugis20180232
    [12] 李宏伟. 基于Ontology的地理信息服务研究[D]. 郑州: 信息工程大学, 2007

    Li Hongwei. The Research on Geo-Information Services Based on Ontology[D]. Zhengzhou: Information Engineering University, 2007
    [13] Gruber T R. Toward Principles for the Design of Ontologies Used for Knowledge Sharing[J]. International Journal of Human-Computer Studies, 1995, 43(5-6): 907-928
    [14] Lagoze C, Hunter J. The ABC Ontology and Model[C]. International Conference on Dublin Core and Metadata Applications, Tokyo, Japan, 2001
    [15] Egenhofer M J, Herring J R, Smith T, et al. A Framework for the Definition of Topological Relationships and an Algebraic Approach to Spatial Reasoning Within this Framework[R]. UC Santa Barbara: National Center for Geographic Information and Analysis(NCGIA) Technical Reports, 1991
    [16] 郭平. 定性空间推理技术及应用研究[D]. 重庆: 重庆大学, 2004

    Guo Ping. Study on Technology and Application of Qualitative Spatial Reasoning[D]. Chongqing: Chongqing University, 2004
    [17] 顾海燕, 李海涛, 闫利, 等. 地理本体驱动的遥感影像面向对象分析方法[J]. 武汉大学学报·信息科学版, 2018, 43(1): 31-36 doi:  10.13203/j.whugis20150468

    Gu Haiyan, Li Haitao, Yan Li, et al. A Geographic Object-Based Image Analysis Methodology Based on Geo-ontology[J]. Geomatics and Information Science of Wuhan University, 2018, 43(1): 31-36 doi:  10.13203/j.whugis20150468
    [18] 王红, 杨璇, 王静, 等. 基于本体的民航应急决策知识表达与推理方法研究[J]. 计算机工程与科学, 2011, 33(4): 129-133 https://www.cnki.com.cn/Article/CJFDTOTAL-JSJK201104028.htm

    Wang Hong, Yang Xuan, Wang Jing, et al. Research on Ontology-Based Knowledge Presentation and Reasoning in Civil Aviation Emergency Decision[J]. Computer Engineering and Science, 2011, 33(4): 129-133 https://www.cnki.com.cn/Article/CJFDTOTAL-JSJK201104028.htm
  • [1] 杜志强, 李钰, 张叶廷, 谭玉琪, 赵文豪.  自然灾害应急知识图谱构建方法研究 . 武汉大学学报 ● 信息科学版, 2020, 45(9): 1344-1355. doi: 10.13203/j.whugis20200047
    [2] 刘涛, 张晓辉, 杜萍, 杜清运, 李爱勤, 龚丽芳.  文本大数据中地震应急的知识发现方法 . 武汉大学学报 ● 信息科学版, 2020, 45(8): 1205-1213. doi: 10.13203/j.whugis20200106
    [3] 李梅, 杨冬偶, 何望君.  大气扩散模型AERMOD与CALPUFF对比研究及展望 . 武汉大学学报 ● 信息科学版, 2020, 45(8): 1245-1254. doi: 10.13203/j.whugis20200110
    [4] 朱秀丽, 赵勇, 刘万增, 李然, 赵婷婷, 彭云璐.  测绘地理信息应急快速制图系统研究 . 武汉大学学报 ● 信息科学版, 2020, 45(8): 1303-1311. doi: 10.13203/j.whugis20200139
    [5] 林珲, 游兰, 胡传博, 陈旻.  时空大数据时代的地理知识工程展望 . 武汉大学学报 ● 信息科学版, 2018, 43(12): 2205-2211. doi: 10.13203/j.whugis20180318
    [6] 陈能成, 刘迎冰, 盛浩, 王伟.  智慧城市时空信息综合决策关键技术与系统 . 武汉大学学报 ● 信息科学版, 2018, 43(12): 2278-2286. doi: 10.13203/j.whugis20180198
    [7] 顾海燕, 李海涛, 闫利, 韩颜顺, 余凡, 杨懿, 刘正军.  地理本体驱动的遥感影像面向对象分析方法 . 武汉大学学报 ● 信息科学版, 2018, 43(1): 31-36. doi: 10.13203/j.whugis20150468
    [8] 江净超, 余洁, 秦承志, 刘军志, 李润奎, 朱良君, 朱阿兴.  知识驱动下的水文模型参数智能化设置方法 . 武汉大学学报 ● 信息科学版, 2017, 42(4): 525-530. doi: 10.13203/j.whugis20150044
    [9] 朱剑锋, 陈珉.  语义异构环境下基于本体的供应链知识协同研究 . 武汉大学学报 ● 信息科学版, 2014, 39(1): 123-126.
    [10] 龚健雅, 耿晶, 吴华意.  地理空间知识服务概论 . 武汉大学学报 ● 信息科学版, 2014, 39(8): 883-890. doi: 10.13203/j.whugis20140119
    [11] 李军利, 何宗宜, 柯栋梁, 朱乔利.  一种描述逻辑的地理本体融合方法 . 武汉大学学报 ● 信息科学版, 2014, 39(3): 317-321. doi: 10.13203/j.whugis20120109
    [12] 刘耀林, 刘殿锋, 洪晓峰, 夏寅.  基于知识推理的土地退化程度评价模型 . 武汉大学学报 ● 信息科学版, 2010, 35(10): 1250-1254.
    [13] 邵振峰, 闫贝贝, 周杨.  基于模糊思想的改进Voronoi图模型 . 武汉大学学报 ● 信息科学版, 2009, 34(11): 1381-1385.
    [14] 管玉娟, 张利权, 陈春祥.  基于CO-CA的海岸带盐沼植被动态扩散模型研究 . 武汉大学学报 ● 信息科学版, 2009, 34(6): 701-705.
    [15] 李德仁, 王泉.  基于时空模糊本体的交通领域知识建模 . 武汉大学学报 ● 信息科学版, 2009, 34(6): 631-635.
    [16] 安杨, 边馥苓, 关佶红.  GIS中地理本体的建立与比较 . 武汉大学学报 ● 信息科学版, 2006, 31(12): 1108-1111.
    [17] 黄茂军, 杜清运, 杜晓初.  地理本体空间特征的形式化表达机制研究 . 武汉大学学报 ● 信息科学版, 2005, 30(4): 337-340.
    [18] 沙宗尧, 边馥苓, 陈江平, 江聪世.  基于规则知识的空间推理研究 . 武汉大学学报 ● 信息科学版, 2003, 28(1): 45-50.
    [19] 夏幼明, 刘海庆, 徐天伟.  基于语义网络的知识表示的形式转换及推理 . 武汉大学学报 ● 信息科学版, 2001, 26(4): 369-373.
    [20] 马玉枫.  基于分布函数的模糊知识表示与推理模型 . 武汉大学学报 ● 信息科学版, 1990, 15(3): 68-76.
  • 加载中
图(7) / 表(4)
计量
  • 文章访问数:  504
  • HTML全文浏览量:  97
  • PDF下载量:  62
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-02-05
  • 刊出日期:  2021-04-05

面向生物危害应急响应的地理本体模型设计与构建

doi: 10.13203/j.whugis20190189
    基金项目:

    国家重点研发计划 2017YFC1200300

    国家自然科学基金 41876105

    国家自然科学基金 41371436

    作者简介:

    焦麟,硕士,主要从事地理空间本体理论和地理信息服务研究。xd_jiao@foxmail.com

    通讯作者: 邢帅,博士,副教授。xing972403@163.com
  • 中图分类号: P208

摘要: 生物危害应急响应是生物安全保障的重要组成部分,需要紧密围绕应急响应预案来组织实施。针对目前的应急响应预案知识组织研究尚不完善,现有的数据模型不能满足生物危害态势时空分析需要的问题,在ABC本体模型的基础上构建了生物危害应急响应地理本体模型(biohazard emergency response geo-ontology model,BEROM),并建立了用于应急决策推理的规则集。对北京市严重急性呼吸道综合征(severe acute respiratory syndrome,SARS)应急响应任务实例分析的结果表明,所提模型相较于传统方法能够更好地融合事件信息与预案知识,从而通过对模型的推理给出更有效的应急决策意见。应急响应预案智能构建的实现,为应急决策提供了一种新的知识模型,验证了模型的合理性和有效性。

English Abstract

焦麟, 邢帅, 王丹菂, 卢万杰, 张鑫磊, 赵英豪. 面向生物危害应急响应的地理本体模型设计与构建[J]. 武汉大学学报 ● 信息科学版, 2021, 46(4): 586-594. doi: 10.13203/j.whugis20190189
引用本文: 焦麟, 邢帅, 王丹菂, 卢万杰, 张鑫磊, 赵英豪. 面向生物危害应急响应的地理本体模型设计与构建[J]. 武汉大学学报 ● 信息科学版, 2021, 46(4): 586-594. doi: 10.13203/j.whugis20190189
JIAO Lin, XING Shuai, WANG Dandi, LU Wanjie, ZHANG Xinlei, ZHAO Yinghao. A Biohazard Emergency Response Geo-ontology Model[J]. Geomatics and Information Science of Wuhan University, 2021, 46(4): 586-594. doi: 10.13203/j.whugis20190189
Citation: JIAO Lin, XING Shuai, WANG Dandi, LU Wanjie, ZHANG Xinlei, ZHAO Yinghao. A Biohazard Emergency Response Geo-ontology Model[J]. Geomatics and Information Science of Wuhan University, 2021, 46(4): 586-594. doi: 10.13203/j.whugis20190189
  • 从“炭疽邮件”事件后,生物安全引起了各国政府的高度重视[1-2]。生物恐怖袭击和重大传染病对于国家安全的威胁日益突出[3],对生物危害事件进行应急响应是有效减控生物危害事件后果的重要前提。

    目前,虽然结合地理信息的生物危害应急管理系统已应用于生物危害事件的应急响应,但这些系统基本都是以制定好的应急预案为核心,综合多元信息为决策人员提供辅助决策支持。应急预案作为信息系统组织和交互的内在驱动,良好的应急预案知识组织管理模型可以使应急响应过程符合认知规律。但是当前应急预案在实际应用中还存在以下问题:(1)应急预案大多是以自然语言描述的非结构化文档,缺乏必要的语义信息;(2)应急预案作为一种静态文本,难以融合时空数据,在空间层面上制约应急决策;(3)预案会因制定时形成的“信息孤岛”影响知识的共享和重用。因此,设计构建一种方便计算机处理的应急预案知识模型具有重要的应用价值。

    在应急预案知识建模方面,目前已有多位学者提出了相关模型。如汪茉莉[4]建立了基于事件Petri网的突发事件应急预案模型;罗杰文等[5]提出一种基于范例推理(case based reasoning,CBR)的预案生成系统。本体理论作为知识建模的一种重要方法,为应急预案知识建模提供了新的思路。多位学者研究了基于本体的应急预案知识建模方法。如王文俊等[6]提出了应急案例本体模型(emergency case ontology model,ECOM),构建了应急案例知识模型;Zhao等[7]构建了基于过程描述的地震应急本体模型;Hu等[8]设计和构建了煤矿突发事件应急本体模型。以上研究主要针对应急预案及其相关知识建模,并不涉及应急响应相关的地理位置等时空数据,为了准确地表达时空信息,朱杰等[9]以过程为驱动,建立了基于对象的时空数据组织模型。

    由上述分析可知,现有的研究缺少与应急响应相结合的时空信息数据组织模型,这就需要构建一个符合应急决策过程规律的时空数据组织模型解析决策系统关键信息需求,并在任务驱动下实时动态管理信息系统各类数据。本文设计构建的面向生物危害事件应急响应的地理本体模型是将地理事件作为完整的对象表达载体,建立其相互之间的逻辑关系,并将其描述为对象在一定时间段内若干相互关联、连续的过程,既能体现事件与事件之间的内在联系,又能实现生物危害事件与应急响应之间的动态推演。

    • 本体是共享概念模型的明确的形式化规范说明[10],是实现语义共享的理论基础。地理本体则是本体在地理领域的细化,地理本体在地理认知和概念表达方面提供了比较严密的逻辑和机制[11]。生物危害应急响应事件本身由多个子事件集成,每个子事件又由多个过程组成。在处理涉及到地理实体的生物危害事件响应等多粒度任务时,可在本体中根据事件描述粒度对知识结构进行多层嵌套表达,完成对复杂事件的表示。

      地理本体的构建过程中,按照地理领域本体构建的一般步骤[12],遵循明确性、一致性、可拓展、最小编码偏好、最小本体承诺等基本构建原则[13],并用网络本体语言(web ontology language,OWL)对其进行描述。基于生物危害应急响应事件的复杂性,通过对现有本体模型的研究和比较,本文选择一种可拓展的事件本体——ABC(antecedent-behavior-consequence)本体[14]作为上位本体。ABC本体是一种基于原因-行为-结果的轻量化通用概念模型,对于生物危害应急响应类多主体任务事件而言有较强的适应性。

      本文对ABC本体的概念和关系进行拓展,构建生物危害应急响应地理本体模型(biohazard emergency response geo-ontology model,BEROM),描述为四元组:BEROM::= < Concepts,Relations,Individuals,Rules>。其中,Concepts::={concept,{A}}是生物危害事件应急响应过程中概念的集合,concept表示应急过程中涉及到的各种概念,{A}表示概念的相关属性;Relations::={rc1c2)|c1c2∈Concepts}是生物危害事件应急响应过程中关系的集合,这里的关系指概念之间的关系,主要包括语义和空间关系;Individuals::={individual|σ(individual)∈Concepts}是生物危害事件应急响应过程中实例的集合,是概念外延中能反映这个概念的个体;Rules::={rules}是生物危害事件应急响应过程中规则的集合,包含应急决策所需的基本规则。在明确上述结构之后,需要进行地理概念形式化。

    • 通过对多源异构的地理知识和应急预案知识进行抽取,得到生物危害应急响应知识地理本体模型的概念集。BEROM概念之间的结构可用统一建模语言(unified modeling language,UML)图表示(图 1)。

      图  1  BEROM概念树UML图

      Figure 1.  UML Diagram of BEROM Conceptual Tree

    • 在生物危害事件应急响应过程中遇到的事件可以分为两类,一是生物危害事件类,二是应急处置事件类,均由ABC:Event类拓展而来。生物危害事件类主要用于描述生物危害事件的类型和灾害等级,是整个生物危害应急响应过程的起始点。事件类型和等级由ABC:Abstration类拓展而来,事件类型分为生物恐怖袭击、重大传染病疫情、高等级生物安全设施泄露;事件等级分为特别重大事件(Ⅰ级)、重大事件(Ⅱ级)、较大事件(Ⅲ级)、一般事件(Ⅳ级);应急处置事件类主要用于描述应急处置的类型和事件等级,其类型与等级划分与生物危害事件相对应。

    • 应急组织是应急响应行动的实施方,是应急处置的主体,主要包括应急机构、有关部门以及相关人员。应急组织类由ABC:Agent类拓展出应急机构类、有关部门类及人员类,其中应急机构类用于描述应急处置过程中的相关机构,又可拓展出指挥机构、处置机构、保障机构、救援机构等;有关部门类用于描述应急处置过程中涉及到的相关部门;人员类用于描述应急处置过程中的相关专家、各级领导以及普通行动参与者。

    • 应急资源是指生物危害事件应急处置中所需的各种物资资源,包括生活必需品、药品、疫苗、消杀药械及应急设施。应急资源类由ABC:Actuality类拓展而来,用于描述应急处置过程中的应急资源。

    • 应急行动是指应急处置采取的具体行动,整个应急处置过程由不同的应急行动组成。应急行动类由ABC:Action类拓展而来,应急行动类可拓展为先期预警监测类、应急响应类和后期处置类,分别用于描述不同阶段的应急行动。同一类的行动之间可以是先后关系,也可以是并列关系。

    • 应急态势是指对于生物危害事件发生后某个时刻的态势,包括人员伤亡、损失以及救灾情况。应急态势类由ABC:Situation类拓展而来,并为其建立子类损失态势和处置态势用于描述某一时刻的态势。

    • 地理实体是指从生物危害事件发生开始到应急处置结束整个过程中涉及到的地理实体信息。地理实体类由ABC:Place类拓展而来,用于描述涉及到的地理位置信息,主要包括经纬度坐标、行政区划等。

    • 地理本体用资源描述框架(resource description framework,RDF)描述为三元组 < Subject,Predicate,Object>,即 < 主语,谓语,宾语>。

    • 地理本体的空间关系用于描述空间对象之间的关系,主要分为度量关系、拓扑关系和方位关系。度量关系是指用某种度量尺度来表示对象之间的关系,常用的度量尺度如距离等。用度量关系描述对象时又分为定性和定量两种,定性有“近”“远”等模糊性描述,定量有“10米远”等精确数值描述。因此在确定度量关系时可通过设定定量关系的阈值来确定定性关系。相应距离计算式为:

      $$ {D_{ij}} = \sqrt {{{\left( {{x_i} - {x_j}} \right)}^2} + {{\left( {{y_i} - {y_j}} \right)}^2}} $$ (1)

      式中,(xiyi)和(xjyj)代表相应对象的空间坐标。定义阈值集合为D,{DiDi+1Di+2Di+3 ⋯}⊇D。定量距离Dij和定性距离Ds之间的转换关系为:

      $$ {D_s} = \left\{ \begin{array}{l} 非常远 , \;\;{D_{ij}} \ge {D_i}\\ \;\;远 , \;\;{D_i} \le {D_{ij}} < {D_{i + 1}}\\ 适中 , \;\;{D_{i + 1}} \le {D_{ij}} < {D_{i + 2}}\\ \;\;近 , \;\;{D_{i + 2}} \le {D_{ij}} < {D_{i + 3}}\\ \;\;\; \vdots \end{array} \right. $$ (2)

      基于n-交模型(n-intersection model,NIM)[15]理论定义拓扑关系。通过考察两个区域的内部、边界和外部,观察它们的交集,以此作为判定拓扑关系的依据。将两个区域的空间关系分为8种,如图 2所示。

      图  2  8种空间拓扑关系

      Figure 2.  Eight Spatial Topological Relations

      方位关系是在基本锥形模型[16]的基础上加以改进,增加了主方向的数量,从而可以判定更加复杂的方位关系,如图 3所示。

      图  3  改进的锥形模型

      Figure 3.  Improved Conical Model

    • 逻辑关系构建是通过建立逻辑关系与自然语言描述对照词典进行关联,先根据不同类别实体确定关系描述词汇,再根据语义对词汇进行分类、合并等操作。例如, < 应急行动,executeby,有关部门>表示应急行动由有关部门执行,描述了应急行动与有关部门之间的逻辑关系。BEROM对词汇分类、合并之后得到的逻辑关系见表 1

      表 1  BEROM拓展的对象关系

      Table 1.  Expanded Object Relations of BEROM

      关系类 关系名称 定义域 值域 属性描述
      实施类关系 inChargeOf 应急行动 指挥机构 应急行动由某指挥机构指挥
      hasParticipant 应急行动 人员 应急行动由某些人员参与
      组成类关系 formOf 应急机构 有关部门 应急机构由某些部门组成
      serveIn 人员 有关部门 人员就职于某部门
      伴随类关系 precedes 事件 应急态势 此状况的前置事件
      follows 事件 应急态势 此状况的伴随事件
      needRescouce 损失态势 应急资源 此状况所需要的应急资源
      要素类关系 hasGrade 应急事件 事件等级 事件的等级
      hasHazard 生物危害事件 致灾因子 生物危害事件的致灾因子
      hasAction 应急处置事件 应急行动 应急处置事件中采取的行动

      通过地理本体模型概念形式化以及地理本体模型关系构建等建模过程,完成了BEROM概念模型的构建,如图 4所示,并在Protégé编辑器中完成了本体的构建。

      图  4  BEROM的概念及其关系

      Figure 4.  Concepts and Relations of BEROM

    • 应急决策规则是利用专家知识得到的应急响应和决策规则,可使用语义网规则语言(semantic web rule language,SWRL)[17]进行表达。SWRL是由OWL DL语言、OWL Lite语言与RuleML语言组合而成的规则描述语言[18]。规则(rule)的形式包含一个前因(body)和后果(head),这意味着当前因中指定的条件不变时,后果中指定的条件也必须保持不变,表示为axiom::=rule;rule::=Implies{antecedent,consequent}。每个前因和后果都包含多个原子(atom),每个原子都是不可再分的。原子中可以包含OWL中的类、属性、数据值、实例以及变量,表示为antecedent::=Antecedent(‘{atom}’);consequent::= Consequent(‘{atom}’)。

      通过对本体概念的分析确定用于应急决策的推理要素,并以此构建推理规则。生物危害事件应急决策规则中的一般事件表达如下:

      1)在突发生物安全事件中,一次职业中毒在9人以下,且未出现死亡病例,认定为一般事件(Ⅳ级);

      2)在《国家突发公共卫生事件应急预案》中,一般事件应启动Ⅳ级应急响应,并按照一般事件启动应急救援行动程序。

      该事件的SWRL表达如下:

      1)生物危害事件(?be),损失情况(?ls),事件等级(?eg),infectedNum(?ls,?in),diedNum(?ls,?dn),follows(?be,?ls),hasGrade(?be,?eg),equal(?in,0),lessThan(?dn,9)—>事件等级(?eg,一般事件)。

      2)应急处置事件(?ee),事件等级(?eg,一般事件),hasGrade(?ee,?eg)—>hasMonitorAction(?ee,发布Ⅳ级预警公告),hasRespondAction(?ee,启动Ⅳ级响应预案)。

    • 基于规则的推理主要是利用相关规则从已有的对象关系中推理出新的对象关系,并对地理本体模型进行逻辑冲突检测。将空间关系添加到OWL建模原语中,为应急决策提供了空间推理功能。惠普实验室开发的OWL的Jena API提供了基于规则的推理机。本文给出地理本体的部分知识描述片段:地理实体Place1与Place2邻接,Place1包含Place3,覆盖Place4。因此,在查询与Place1相邻或距离相近的实例时,符合常识认知的结果应包括Place2、Place3和Place4。用本体查询语言SPARQL(simple protocol and RDF query language)构造查询语句,查询语句的前缀均为bio:http://www.semanticweb.org/ontologies/biohazard.owl/,查询结果见表 2。其中,查询语句1表示查询与Place1相邻的地点,结果为空集;查询语句2表示查询与Place1邻接的地点,查询结果只能得到Place2,无法得到Place3和Place4这两个潜在结果,这样的查询结果无法为应急决策所用,因此需要构造空间推理的规则来实现本体的空间推理功能,从而查询到理想的结果:

      表 2  查询试验样例及结果

      Table 2.  Query Samples and Results

      编号 查询语句 查询条件 查询结果
      1 SELETE?place WHERE{bio: place1 bio: near?place} (NULL)
      2 SELETE?place WHERE{bio: place1 bio: Meets?place} Place2
      3 SELETE?place WHERE{bio: place1 bio: near?place} 增加空间规则 Place2, Place3, Place4

      1)若地理实体a邻接实体b,可定义a邻近b;

      2)若地理实体a邻近实体b,实体b包含实体c,可定义a邻近c;

      3)若地理实体a邻近实体b,实体b覆盖实体c,可定义a邻近c。

      上述规则用SWRL表达如表 3所示。将规则集与地理本体模型一同装载进Jena推理机中,利用推理机验证地理本体和规则的合理性。再次进行查询语句1得到的结果为表 2中的Place2,Place3和Place4,是理想的查询结果。因此在进行应急响应分析前,应该根据实际需要构建完备的规则库以实现地理本体的推理功能。

      表 3  空间规则实例

      Table 3.  Example of Spatial Rules

      编号 空间规则
      rule1 地理实体(?x),地理实体(?y),Meets(?x, ?y)—>near(?x, ?y)
      rule2 地理实体(?x),地理实体(?y),地理实体(?z),near(?x, ?y), Contains(?y, ?z)—>near(?x, ?z)
      rule3 地理实体(?x),地理实体(?y),地理实体(?z), near(?x, ?y), Covers(?y, ?z)—>near(?x, ?z)
    • 基于地理本体模型开发的生物危害事件应急响应系统是以生物危害事件为核心,为决策人员提供应急决策所需的明确无歧义的应急决策方案,并提供可交互的态势环境系统,辅助决策人员更好地对事件态势环境进行感知。

      以本系统作为软件基础平台进行试验,系统基于B/S架构,内嵌BEROM组件模块。以北京市严重急性呼吸道综合征(severe acute respiratory syndrome,SARS)疫情应急响应任务为例,在某一重大传染病疫情处理过程中利用本模型进行决策分析,以验证模型的正确性。具体任务背景:2003年3月6日北京市出现一例输入性非典病例,事件发生地点位于望京中心(116.472 6°E,39.992 0°N),患者出现呼吸困难、高热、浑身疼痛等症状。将上述信息输入系统,如图 5所示。通过输入事件态势信息,与地理本体知识进行结合,利用构建的应急规则库进行推理,根据地理实体间的空间关系,系统给出的应急区域如图 6所示,形成的应急响应片段如图 7所示,并将其涉及到的地理实体进行汇总输出,如表 4所示。

      图  5  事实知识输入

      Figure 5.  Input Fact Knowledge

      图  6  应急区域参考

      Figure 6.  Output Emergency Area

      图  7  生物危害态势应急响应知识片段与SARS处置流程的对应关系

      Figure 7.  Relation of Biohazard Situation Emergency Response Knowledge Fragments and SARS Disposal Process

      表 4  应急区域内包含的地理实体

      Table 4.  Geographic Entity in Emergency Area

      事件类型 应急范围/m 位置坐标 应急区域
      重大传染病疫情 300 116.472 6°E,39.992 0°N 望京中心、首开广场、利星行中心
      重大传染病疫情 600 116.472 6°E,39.992 0°N 凯德MALL、实验小学、师范大学附属中学
      重大传染病疫情 900 116.472 6°E,39.992 0°N 善尔医院、福码大厦、文化产业园、望京大厦

      表 4中给出了受SARS不同程度影响的地理实体的名称和数量,较传统的人工判定影响范围内的地理实体的方法在查全率和查准率上有了较大提升,且相较于传统方法更为直观,便于决策者根据影响范围对不同范围内的地理实体分别采取相应的应急措施。

      将系统推理形成方案与北京市应对SARS事件的处置流程进行对比,如图 7所示。本系统方案较实际应对流程在处置方法上更加细化,粒度更小,在处置流程上也更加全面,从而证明了本文模型的合理性和推理的正确性,也体现了系统多粒度设计的优势。由此可见:

      1)通过构建BEROM,生物危害事件应急响应系统实现了危害事件事实知识数据与应急预案知识数据的有效的、结构化的组织,并作为驱动系统进行决策分析的数据支撑。

      2)系统通过解析输入信息流,获取了事件基本信息要素,将事件信息要素与应急推理规则区分相结合,并使应急规则作用于相应的事件信息要素,与应急预案知识要素相关联分析得出应采取的行动、执行机构、相关责任人等决策信息,形成了智能化的应急方案。

      3)从输入信息流解析获取事件的时空信息,系统将事件发生的时间、地点、影响范围按照空间分布进行描述和表达,并对其影响范围内的地理实体进行统计,给出了事件应急区域的参考。

      综上所述,基于地理本体模型的生物危害事件应急响应系统相较于传统的应急信息系统能够更有效地解析生物事件信息,并能将事件信息与预案知识结合,从而推理出事件等级并启动相应级别的应急事件处置程序,对事件进行动态响应,生成指导性的应急决策意见,并为应急态势提供可视化的表达,从而更好地指导应急响应工作的开展。BEROM模型的构建使得应急响应决策分析研究在集成应用层面更加便捷。

    • 目前,大多数的生物危害应急响应都是通过人工对应急响应预案进行操作,即通过应急决策人员对生物危害态势进行勘察后再结合应急响应预案信息进行分析,进而处理形成综合性的应急响应方案的过程。而本文提出并建立的面向生物危害事件应急响应的地理本体模型BEROM,将应急响应知识、生物危害事件态势、地理空间信息进行关联,以事件发展过程为驱动引擎,实现了应急响应方案的智能生成。由北京市应对SARS疫情的案例可以看出,该模型主要有以下几个特点:(1)利用本体对应急响应预案知识组织结构进行语义描述;(2)将地理实体当作对象而非属性值进行处理,提供空间上的应急决策功能;(3)通过定义推理规则库建立生物危害事实与应急响应知识之间的映射关系。但是,本文构建的模型仍存在局限性,对BEROM语义扩展性还需要进一步讨论;对模型的验证还需要更严密的数学模型支持。未来将在此模型的基础上,进一步研究生物危害应急响应过程的智能化态势推演,为应急决策的制定提供更加智能的知识支持。

参考文献 (18)

目录

    /

    返回文章
    返回