一種基于本體的交通大數據分析框架

閆俊偉++凌衛青++王堅

摘要：隨著城市交通數據信息的日益增多，對交通數據的分析變得越加困難。現有的交通大數據分析面臨對大量分散且異構的數據信息進行過濾、篩選以及整合等難題。因此，該文通過在路網拓撲、道路交通對象和道路交通信息三個層次對交通數據相互關系進行描述，并使之關聯交通大數據存儲信息，構建面向交通大數據的城市道路交通本體模型，提出了一種基于本體的交通大數據分析框架。該框架中以城市道路交通本體為語義規范制定映射文件，利用Jena開發工具構建城市道路交通本體庫，為大數據分析的多源多維數據關聯分析及知識挖掘提供語義查詢支持。該框架能夠根據交通分析需求快速有效地找到目標數據，在大數據分析與大數據存儲之間起到了邏輯關聯的作用，對現有交通數據分析具有重要意義。

關鍵詞：道路交通；大數據；本體

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044（2016）01-0025-03

A Kind of Traffic Data Analysis Framework Based on Ontology

YAN Jun-wei， LING Qing-wei， WANG Jian

（CIMS，Research Center，Tongji University， Shanghai 201804， China）

Abstract： With the increasing of urban traffic data information， the analysis of traffic data becomes more difficult. Existing traffic data analysis faces problems of filtering， screening and integration of a large number of dispersed and heterogeneous data information. Therefore， this paper proposes a traffic data analysis framework based on ontology by building ontology model for traffic data of urban road traffic .The ontology model describe the relationship between data through network topology， the object of road traffic and road traffic information and related storage information of transport large data.The framework uses urban road traffic ontology as mapping file for semantic specification， and uses Jena development tools make an ontology construction of urban road traffic， for big data analysis of multi-source multi-dimension data correlation analysis and knowledge discovery with semantic query support. The scheme can find the target data based on the analysis of traffic demand quickly and efficiently ， and have played an important role in logic between big data analysis and data storage.It is of great significance to the existing traffic data analysis.

Key words： road traffic； Big data； ontology

1 概述

隨著城市規模的不斷擴大以及城市聚集效應的加強，一方面城市交通數據日益增長，數據種類和數量高速增長；另一方面市民的密集出行以及物流壓力使城市交通面臨著嚴峻的挑戰。針對上述現象，如何快速有效地對交通數據進行分析是目前亟待解決的重要問題。

由于交通信息源的多樣性和交通信息量的不斷增加等原因，信息交互共享的實現以及如何對有價值地信息的進行檢索變得日趨復雜，傳統的基于關鍵字的搜索幾乎不能實現語義[1]，很難滿足大數據分析多源多維數據關聯分析及知識挖掘的查詢要求。而本體作為一種可以在語義以及知識層次上描述信息系統的概念模型，提供了資源描述和查詢所必需的元語、可以為信息源提供必要的語義標注。同時由于交通數據具有多維多量的特性，通過構建本體模型對交通數據進行關聯描述，可以為原有的交通信息數據建立統一的數據模型，為實現智能交通領域信息的語義交互和知識共享提供了關鍵技術[2]，從而支撐有效快速的交通大數據分析。

本體自提出就在交通領域得到了廣泛的研究和應用。得克薩斯大學的Peterclark建立了Boeing交通本體[3]，對本體進行分層同時引入一個基本交通本體，使用圖節點代表交通地點，使用圖弧線代表交通路線；歐洲Mnasser等針對出行者的信息服務，使用Protege工具構建了一套公共交通領域本體[4]，同時根據應用案例對本體推理的相關性以及一致性進行了分析。在國內，黃坷萍等針對公交系統領域知識進行分析，提取并定義了類和類內公理以及實例的基本規則，從而構建了城市交通本體[5]。郭軍杰等針對中國高速公路網內交通地理信息系統（GIS—T）提出了基于本體的GIs—T信息共享方案，以層次結構的交通信息組織模式構建高速公路網本體模型[6]。李文雄等開發了一套交通本體作為交通系統共享數據的標準化定義，利用數據集成技術實現針對性、具體化的智能交通系統信息服務組件，從而實現交通數據的交互與共享[7]。

然而，隨著交通領域信息資源的快速增長與更新，大數據處理面臨著如何對這些信息進行過濾、篩選以及如何對大量分散且異構的數據信息進行數據整合等難題[8]。但是，現有交通本體基本上是從語義化的層次對交通領域知識進行本體建模，并沒有具體考慮交通本體與大數據分析等應用的關聯；國內外對本體的研究仍主要集中于描述本體的構建、推理與查詢、信息集成解決方案等一些本體關鍵技術，缺乏對實際本體應用的研究；現有交通本體基本上從路網拓撲、GIS信息等相關數據組織進行本體建模，但缺乏對交通信息數據的層次劃分，不利于本體的擴展。

為此，本文通過在路網拓撲、道路交通對象和道路交通信息三個層次對交通數據相互關系進行描述，并關聯交通大數據存儲信息，構建面向交通大數據的城市道路交通本體模型，提出了一種基于本體的交通大數據分析框架。該框架中以城市道路交通本體為語義規范制定映射文件，利用Jena開發工具構建城市道路交通本體庫，為大數據分析的多源多維數據關聯分析及知識挖掘提供語義查詢支持。該框架能夠根據交通分析需求快速有效地找到目標數據，在大數據分析與大數據存儲之間起到了邏輯關聯的作用，對現有交通數據分析具有重要意義。

2 城市道路交通本體建模

2.1 城市道路交通數據分析

通過分析中國城市道路交通信息分類、道路交通信息服務信息分類和智能交通系統組成以及交通數據采集、傳輸和信息發布過程中的數據元素及其組織模式，將道路交通數據劃分為三個層次，分別為路網拓撲數據、道路交通對象數據、道路交通信息數據三類，層次結構如圖1所示。其中，路網拓撲描述主要描述城市道路的宏觀拓撲特征，道路交通對象從屬于道路，道路交通信息主要來自路網和道路交通對象。

圖1 道路交通數據層次結構圖

路網拓撲數據主要包括道路、路段、節點、斷面等拓撲構件信息；道路交通對象主要分為固定交通類和移動交通類兩大類，固定交通類主要指地理位置一般不會變更的交通對象，比如道路設施，移動交通體主要指地理位置經常改變的交通體，主要指車輛和行人；道路交通信息主要有兩類，一類為靜態信息，包括交通網絡基礎信息、車輛信息、交通管制信息、地理信息等；一類為動態信息，包括交通流狀態特征信息、交通緊急事故信息、環境狀況信息、交通動態管理信息。

2.2城市道路交通本體模型

根據道路交通數據的分析，本文在路網拓撲、道路交通對象和道路交通信息三個層次對交通數據相互關系進行描述。根據語義完備性的描述，道路交通數據可以分為靜態交通數據和動態交通數據兩大類。靜態交通數據主要包括路網拓撲數據、道路交通對象數據和靜態交通信息數據，動態交通數據主要為動態交通信息數據，其中大數據主要是動態交通信息數據。考慮到大數據的存儲問題，如圖2所示，城市道路交通本體庫主要包括靜態交通數據和動態交通信息數據的存儲信息，同時根據交通信息采集的方式將依據道路設備進行存儲信息關聯，構建面向交通大數據的城市道路交通本體模型。

圖2 城市道路交通本體模型構建示意圖

城市道路交通本體模型主要有四大類：路網拓撲、道路交通對象、道路交通信息和存儲信息。道路交通對象從屬于路網拓撲，交通信息描述路網和道路交通對象的相關信息，存儲信息描述道路設備采集的交通大數據（動態交通數據）的存儲信息。

其中，存儲信息描述交通信息的采集信息及存儲信息，根據道路設備進行存儲信息描述。例如，針對某一線圈采集交通數據的存儲情況，關聯特定的配置文件。配置文件中可將交通數據表存儲的名稱和采集數據種類等進行描述，通過制定配置文件將交通大數據與道路本體關聯，對其進行語義標識，為后續查詢及大數據分析提供語義支持。

具體城市道路交通本體模型如圖3所示。

圖3 城市道路交通本體模型示意圖

3 基于本體的交通大數據分析框架

隨著城市交通數據的種類和數量迅速增長，如何快速有效地對交通數據進行分析是目前亟待解決的重要問題。

如何對大量分散且異構的交通數據信息進行數據整合并搜索是交通大數據處理面臨的重要問題。為解決這一問題，本文通過構建本體模型對交通數據進行關聯描述并關聯交通大數據存儲信息，為大數據分析的數據整合和數據搜索提供語義支持。基于上述城市道路交通本體模型，本文提出一種基于本體的交通大數據分析框架，如圖4所示。

首先，分析交通數據，構建城市道路交通本體模型實現交通語義共享；針對動態交通信息數據存儲信息制定配置文件，包括交通數據表存儲的位置、名稱和采集數據種類等存儲信息。其次，根據本體模型和靜態交通數據進行關聯分析，以城市道路交通本體為語義規范制定映射文件；通過D2RQ[9]引擎實現關系型數據到本體數據的語義映射，采用Jena API工具構建城市道路交通本體庫；最后，通過語義網對本體庫進行語義搜索，根據搜索結果對大數據進行快速檢索，同時返回數據和語義關系檢索結果，實現大數據對多源多維數據的關聯分析及知識挖掘。

圖4 基于本體的交通大數據分析框架

4 基于本體的交通大數據分析框架的實現

根據上述的基于本體的交通大數據分析框架，以上海市南北高架道路交通數據為數據源，通過D2RQ引擎以城市道路交通本體為語義規范對多源數據進行信息融合，利用Jena開發工具構建上海市南北高架道路交通本體庫，形成道路交通語義網，實現對南北高架道路交通大數據的語義查詢。

圖5 南北高架本體模型實例

針對南北高架道路數據的本體建模如圖5所示。其中，路段NBBJX-DO是地理對象實例，路段NBBJX-DO在地圖上的位置描述是幾何對象實例，路段NBBJX-DO上的線圈NBBJX-DO-1-1是道路設備實例，線圈NBBJX-DO-1-1采集的數據類型FINT_LV是道路交通信息實例，線圈NBBJX-DO-1-1采集的數據類型FINT_LV描述的大型車是道路交通對象實例，線圈NBBJX-DO-1-1具有的存儲信息coil2是存儲信息實例，coil2描述線圈NBBJX-DO-1-1采集的數據類型FINT_LV在大數據平臺的存儲地址。

根據上述以南北高架數據為源數據的道路交通語義網，針對線圈信息進行語義搜索，結果如圖6所示。圖中對線圈NBBJX-DO-1-1進行語義搜索，可以得到線圈位置、擁有信息、采集信息、ID、車道類型、類型等數值屬性信息。根據線圈擁有信息即5min的存儲名稱coil2，可以查找到對應的交通大數據表名，將此信息作為搜索條件，即可快速對大數據進行查找，同時也獲得了線圈的路網位置。為交通大數據分析提供了有力的語義查詢支撐。

圖6 線圈NBBJX-DO-1-1語義搜索結果示例

5 結束語

本文從面向大數據分析的本體建模的角度出發，對道路交通數據進行層次分析并關聯大數據存儲信息，構建了較為完善的面向大數據分析的城市道路交通本體模型。同時，提出了一種基于本體的交通大數據分析框架。最后，采用Jena開發工具和D2RQ映射引擎構建城市道路交通本體庫，并實現了交通大數據的語義搜索，從而解決了對大量分散且異構的交通數據信息進行數據整合并搜索的難題。考慮到道路交通是種類眾多、關系復雜且更新迅速的知識領域，下一步我們將對城市道路交通本體的更新和維護進行研究，并創建公理庫以支持對知識的推理與知識的完備性和一致性。同時，我們將進一步深入研究語義網在大數據分析中的應用，重點研究語義查詢解析和模型定義方面，使城市道路交通本體在交通服務系統中發揮更好的作用。

參考文獻：

[1] CAO Yan， CHEN Yan. Research on ITS Knowledge Integration Technology Based on Ontology， Proceedings of the Eighth International Conference of Chinese Logistics and Transportation Professionals， 2008：p2066-2075.

[2] 曹妍.本體理論在城市智能交通系統語義集成中的應用研究[D].大連：大連海事大學，2010.

[3]Clark，P.http：//www.5.utexas.edu/users/pelark/kr-web/other/passenger-vehiele/transportation.km，Transportationontology，1998.

[4] Mnasser H， Maha K，Kathia O， etal. A public transportation ontology to support user travel planning [C] //IEEE. Proceedings of the 4th International Conference on Research Challenges in Information Science （RCIS-2010）. Nice： IEEE Press，2010：127-136. （下轉第34頁）

（上接第27頁）

[5] 黃坷萍，蔣昌俊.基于本體的城市交通的知識分析和推理[J].計算機科學，2007，34（3）：192-196.

[6] 郭軍杰，閆茂德，陳蔭三.高速公路網異構GIS-T信息共享的本體模型[J].交通運輸工程學報，2011，11（1）：24-29.

[7] 李文雄，閆茂德，王建偉.智能交通系統本體數據集成[J]. 中南大學學報：自然科學版，2013，44（7）：3038-3045.

[8] Alexandres H V. Jagadish， Challenges and Opportunities with Big Data[J].Proceedings of the VLDB Endowment， 2012，5 （12）：2032-2033.

[9] Namyoun Choi，Hyoil Hart.A Survey on Ontology Mapping. SIGMOD Record，2006，35（9）：34-41.