顧及時空特征的大氣污染執法事理圖譜構建方法研究

王 曉 爽，李 吉 東，徐 海 紅，諸 云 強，代 小 亮，周 天 墨，6

(1.中國科學院地理科學與資源研究所/資源與環境信息系統國家重點實驗室，北京 100101；2.中國科學院大學，北京 100049；3.北京市生態環境局綜合事務中心，北京 100048;4.東營市生態環境局，山東 東營 257091；5.生態環境部環境工程評估中心，北京 100012;6.應急管理部信息研究院，北京 100029)

0 引言

大氣污染執法是大氣環境防治以及實現我國碳達峰、碳中和目標的有效監管措施，其包含大氣污染發現、現場調查取證、處罰決定和整改監督等階段，由不同生態環境部門負責實施。由于不同執法階段的負責人對執法相關知識的認知角度和理解存在差異，致使出現執法尺度不一和量裁不準情況。因此需要建立統一的知識語義基礎，實現大氣污染執法知識有效組織和規范表達，促進大氣污染執法數據資源有效整合集成和知識的一致性理解，推動智能化執法發展。大氣污染執法各階段可視為多個事件銜接而成，每個事件發生在大氣執法不同階段的特定時間、空間和語義環境下，由若干個角色參與，表現為若干動作特征[1]。由于大氣污染執法的事件性特征，需要一種基于事件的知識組織方法實現對領域內知識的組織和規范表達。事理圖譜從認知智能角度出發，以事件為中心能有效描述大氣污染執法事件信息、事件關系和事理邏輯[2]。在特定研究領域的事理圖譜構建中主要采用自頂向下的方式[3]構建事件本體，在本體的指導下利用自下而上的抽取方法挖掘形成事理圖譜，其中事件本體是針對研究領域事件類系統模型明確的形式化規范說明。

目前事件本體的構建具體可歸納為3個階段：1)依據傳統領域本體建模理論，描述具有動態過程特征的對象領域知識，定義領域事件并對事件及事件關系進行定義和分類，形成事件表示模型。例如：ABC模型[4]以事件為驅動，通過事件、情景、動作和Agent等概念及其關系描述事件，從而構建共享概念模型；簡單事件模型(Simple Event Model，SEM)[5]將事件類型定義為個體或類，采用事件、參與者、地點和時間描述事件實例，可實現事件概念的重用；Lode模型[6]重點針對某個特定時間和動作定義發生的事件，可從關聯數據集中收集實體，發現數據間的復雜關系；EO(Event Ontology)模型[7]采用事件演算的思想，通過地點、時間、產品、要素和Agent等概念描述事件。上述模型注重對事件及相關概念的規范表述，具有完備的事件概念層結構，但不具備事件層結構，難以對事件的關系和演變規律進行描述，特別是難以實現時空的動態表示和事件推理。2)基于基本事理邏輯構建事件本體模型。例如：OSL_EO模型[8]構建了關于事件和事件關系的上層本體模型，該模型能描述事件間邏輯關系，但對事件的表示闡述不完善且缺乏實證；H_EO模型是基于歷史事件建立的模型[9]，建模時考慮了事件的基本要素(事件的原因、結果)，定義了事件表示的語義邏輯，但未明確區分事件和動作，也未定義事件非結構關系。3)基于事件類層次結構構建事件本體模型。以事件為研究單元，通過事件要素完成對事件的定義，描述事件分類和事件關系，從而設計事件本體結構模型。劉宗田等[1]提出了較完善的事件定義，規定事件由動作、對象、時間、環境、斷言和語言表現六要素組成，將事件本體結構定義為事件類集合、關系集合和推理規則三元組，通過提取事件間關系形成事件本體建模理論。基于該理論，學者們提出了不同領域的事件本體模型。例如：劉菲京等[10]結合大氣污染突發事件特征，抽象出大氣污染突發事件定義、類別和相關事件要素，建立大氣污染突發事件關系和突發事件本體模型；朱文躍等[11]結合突發事件領域特征，將事件類六要素定義為觸發詞、對象、時間、地點、狀態和語言表現，從而將事件本體結構定義為描述事件分類體系的上層事件類、以事件關系組成的事件格結構的下層事件類、事件關系、事件推理規則和事件實例的五元組，完整、準確地描述突發事件，具有較強的可擴展性；朱宇倩等[12，13]結合領域特征，構建了安全信息認知事故本體模型和煤炭安全事件本體模型。

上述事件本體模型通過事件要素描述事件，采用事件動作描述事件發生機理，建立事件間層次結構和關系，可更完整地描述研究對象；但該類模型主要通過時間、地點描述事件內容，通過建立事件間的語義關系表現事理發展規律，并未通過事件的時空間要素構建事件之間復雜的時空變化關系。由于大氣污染執法由各執法事件銜接而成，執法者需要在各執法事件發生發展過程中通過追蹤大氣污染行為的時空變化規律，精準定位污染源所在位置并對污染行為進行取證。因此，在構建大氣污染執法事件本體時，需要顧及各執法事件間的時空關系和語義關系，準確、規范化描述執法過程，建立顧及時空特征的大氣污染執法事理圖譜。

本文結合大氣污染執法特點，對已有事件本體模型進行改進，采用時間、空間位置、執法參與對象、動作、狀態5類事件要素對執法事件進行描述，并對各執法事件間的時間關系、空間關系和語義關系進行規范化定義，形成充分考慮時空特性的大氣污染執法事件本體表示模型，進而構建大氣污染執法知識體系和事件本體，實現大氣污染執法事件知識的組織和管理；以某熱力生產公司經營的燃氣鍋爐超標排放執法案件為例，抽取案例事件要素和事件時間、空間、語義關系，構建大氣污染執法事理圖譜實例，采用Neo4j圖數據庫對大氣污染執法知識圖譜進行存儲管理和可視化展示，并深入分析大氣污染執法事件間的時空演化規律和邏輯演變規律。

1 大氣污染執法知識圖譜構建方法

1.1 大氣污染執法事件本體表示模型

由于大氣污染執法是以執法事件為核心，包含多個執法階段的動態過程，其中每個執法階段均由多個事件組成[14]，因此，大氣污染執法事件本體表示模型(Air Pollution Law Enforcement Event Ontology Presentation Model，APLEEOPM)采用四元組結構，對大氣污染執法事件(APLE_Event)、事件關系(APLE_Relations)、事件實例(APLE_Individuals)以及事件間推理規則(APLE_Rules)進行規范化表達(式(1))。其中，最為核心的是大氣污染執法事件(APLE_Event)，其是對特定時空范圍下污染大氣行為的行政管理活動，具有動態性和規律性等特征，可進一步通過大氣污染執法事件發生的時間(APLE_Time)、空間位置(APLE_Location)、參與對象(APLE_Object)、事件動作(APLE_Action)、事件狀態(APLE_Status)進行定義(式(2))[15]。1)APLE_Time包括瞬時時間和時間段[10]，前者通常為一個時間點(如執法調查時間、投訴舉報時間等)，后者表示事件持續時間(如超標排放時長、整改時限等)。2)APLE_Location包括事件發生地點(污染發生地點、調查地點)或受影響空間區域(環境功能區劃、行政區劃等)，可由區域名稱、經緯度、地址、四至范圍等描述。3)APLE_Object包括執法者、違法者、法規標準、大氣污染物、大氣環境對象和罰沒財物6類：執法者是對污染事件進行調查取證，依據相關法規對違法企業下達處罰的執法人員，具有名稱、所屬機構、證件編號等屬性；違法者指違規排放大氣污染物的企業，包括固定污染源和移動污染源，具有行業類別、企業名稱、注冊地址、生產環節、生產工藝、環保設施、排放源編號、企業名稱、注冊地址、車牌號、車架號等屬性；法規標準指在執法過程中依據的大氣污染治理方面相關的法規和技術標準(如《北京市大氣污染防治條例》《鍋爐大氣污染物排放標準》(DB11/139-2015)等)；大氣污染物根據形態可分為氣態污染物(氮氧化物、揮發性有機物等)和顆粒狀污染物(揚塵、粉塵、砂石等)，具有類別、體積/濃度、含量等屬性；大氣環境對象指受污染的大氣環境要素，通過國控空氣質量監測站點主要監測指標(二氧化硫、二氧化氮、可吸入顆粒物和細顆粒物等)表征；罰沒財物指執法人員判處違法企業繳納一定數額罰金或查封、扣押相關財物等。4)APLE_Action指大氣污染執法事件全過程各參與對象的行為，如執法人員處罰違法企業、違法企業排放大氣污染物等。5)APLE_Status指大氣污染執法事件發生后的狀態描述。

APLEEOPM::=(APLE_Event,APLE_Relations,
APLE_Individuals,APLE_Rules)

(1)

APLE_Event::= (APLE_Time,APLE_Location,
APLE_Object,APLE_Action,APLE_Status)

(2)

1.2 大氣污染執法事件本體構建

1.2.1 大氣污染執法事件概念體系 根據大氣污染執法階段，在頂層可將執法事件分為(圖1)：1)大氣污染事件，根據污染行為進一步劃分為大氣污染物泄露事件(包括工業生產和服務活動泄露污染物、餐飲油煙排放、工業揚塵和油氣泄露4類事件)和大氣污染物超標排放事件(包括固定污染源、移動污染源超標排放事件)。2)執法調查事件，包括污染發現(可分為環境監測結果異常、重點行業巡檢、投訴舉報發現)和現場調查兩類子事件。3)現場檢測取證事件，包括檢測取證(污染檢測和違規現象取證)、獲得檢測取證結果(獲得檢測結果和獲得取證結果)和判斷檢測取證結果(判斷依據標準和判別檢測結果性質)3類子事件。4)處罰決定事件，由判斷違法行為性質事件和作出處罰決定事件組成(判斷判罰依據法規事件、限期整改事件及罰款處罰事件)。5)整改監督事件，根據處罰方式分為繳納罰款、設施整改和停產整改3類子事件。

圖1 大氣污染執法事件體系Fig.1 Air pollution law enforcement event system

1.2.2 大氣污染執法事件關系確定 大氣污染執法事件關系主要有時間關系、空間關系和語義關系。

(1)大氣污染執法事件時間關系指各事件時間要素間的相互關系，體現事件間時間變化特征，通常用時間拓撲關系(Event Temporal Topological Relation,ETTR)表達，包括包含(include)、早于/晚于(earlier/later)、部分重疊(partial overlap)和相等(equal)關系等。大氣環境監測指標易受氣象氣候條件等因素影響，因此大氣污染源污染時間段與指標變化時間段為包含關系或部分重疊關系。

(2)大氣污染執法事件空間關系可定義為執法事件中地理實體對象之間的空間關系。根據位置形狀和屬性不同，大氣污染相關地理實體對象可表述為點對象(煙筒、加油站等大氣污染固定排放源)和面對象(行政區域、住宅小區等大氣污染受影響范圍)[16]，其空間關系包括：1)空間拓撲關系(Event Spatial Topological Relation,ESTR)，表示大氣污染執法事件中地理實體之間的鄰近和關聯程度[17]，包括包含(include)/被包含(included)、相鄰(adjacent)、相離(separate)、重疊(overlap)和部分重疊(partial overlap)等。本文采用基于維數擴展的9-交模型(Dimensionally Extended nine-Intersection Model,DE-9IM)(式(3))[18]，通過事件中兩個地理實體的內部(interior)、邊界(boundary)、外部(exterior)構建矩陣以描述空間拓撲關系。2)空間方位關系(Event Spatial Orientation Relation,ESOR)，包括方位定性表達和方位定量表達。3)空間距離關系(Event Spatial Distance Relation,ESDR)，包括距離定性表達和距離定量表達。空間方位關系和空間距離關系通常在大氣污染執法中描述違法者經營的污染源和受大氣污染影響區域之間、違法者與執法者之間等的相對空間位置關系，據此可以確定違法者或污染對象的位置。例如：某投訴舉報信息為“舉報距離本村西南300米或距離本村較近煙筒排放黑煙，味道刺鼻。”其中，“西南”為方向定性表達詞，“300米”為方向定量表達詞，“較近”為距離定性表達詞，描述了舉報人所在位置與污染源之間空間方位關系和空間距離關系。執法者需根據這些信息在現場調查事件中進一步明確污染源調查的具體地點。

(3)

式中：RDE-9IM(a,b)代表DE-9IM模型描述的地理實體間的空間拓撲關系；a、b代表不同大氣污染執法事件中的地理實體；I、B、E分別代表地理實體的內部、邊界和外部。對地理實體a、b內部、邊界和外部進行求交計算，結果可分為空集、點、線和面4類，分別取值-1、0、1、2，將-1定義為F，0、1、2定義為T，其他情況為*，則可將9類相交情況用字符串組織表示拓撲關系，如字符“T*****FF*”表示包含關系。

(3)大氣污染執法事件語義關系(Event Semantic Relation,ESR)指執法相關行為發生的事理邏輯關系，包括：1)包含關系，指大氣污染執法事件之間的層次關系或父子關系，如大氣污染事件包含大氣污染物超標排放事件和大氣污染物泄露事件；2)組成關系，指事件由幾個子事件類組成或某事件的實例由另幾個子事件的實例組成，如執法調查事件由污染發現事件和現場調查事件組成；3)因果關系，指因某事件的發生導致另一事件的發生，如檢測取證事件導致獲得檢測取證結果事件；4)順承關系，指某事件發生后，另一事件以一定概率伴隨發生[13]，如現場調查事件之后伴隨污染檢測事件發生；5)并發關系，指在一定時間范圍內，兩個事件可能同時發生，如責令違法者限期整改事件和對其罰款處罰事件幾乎同時發生。具體事件關系[19]如圖2所示。

圖2 大氣污染執法事件關系分類Fig.2 Relation classes of air pollution law enforcement events

1.3 大氣污染執法事理圖譜案例知識抽取和存儲

1.3.1 大氣污染執法事理圖譜案例知識抽取 利用構建的大氣污染執法事件本體模型可從多模態數據資料中抽取大氣污染執法事件的要素、要素屬性和事件關系。大氣污染執法案件原始語料數據包括結構化數據(污染源相關關系型數據庫)和非結構化文本數據(執法文本數據，如處罰決定書、現場調查單和投訴舉報單等)。針對結構化數據，可通過結構化數據表直接映射的方式獲取案件中的事件要素和屬性知識；對于非結構化文本數據，則需利用基于規則或深度學習的自動抽取方法[20，21]，進行事件要素和要素屬性的抽取，如從處罰決定書文本中抽取現場調查事件和處罰決定事件中時間、空間位置、參與對象(執法者、違法企業等)、行為(調查、處罰等)、狀態等事件要素的實例信息。通過對非結構化文本數據中抽取事件的時間要素進行判別和排序可獲得時間關系；采用Geos開源庫的空間操作算子[22，23]可抽取地理實體對象間的空間關系[22]。本文利用DE-9IM模型描述大氣污染執法事件地理實體間的拓撲關系，由不同字符串表示不同拓撲關系情況。將字符串與自然語言描述建立對應關聯[24]，實現“拓撲關系—矩陣字符串—自然語言描述”的映射關系[25](表1)。以某案件污染發現事件與現場調查事件間的空間關系為例，執法者以某鄉鎮區域大氣質量指標變化為依據，現場調查發現區域內污染企業排放源超標排放。在完成非結構化文本中鄉鎮區域和污染源地址的相關信息提取后，通過DE-9IM模型描述拓撲關系與自然語言描述的對應關聯，利用Geos開源庫提取該鄉鎮區域與污染企業排放源的空間包含關系，并建立與自然語言描述的對應關系；通過獲取案件文本中空間方位和距離的表達詞可提取事件中地理實體間的相對位置關系，也可采用Geos庫提取地理實體間的方位關系和定量距離，實現事件間空間關系提取；通過提取事件要素和要素屬性后獲得案例具體事件知識，通過構建事件本體模型中的事件語義關系確定案例中具體事件間語義關系。

表1 事件空間拓撲關系與自然語言描述對應關系Table 1 Corresponding relation of event spatial topology and natural language description

1.3.2 大氣污染執法事理圖譜案例知識存儲 抽取大氣污染執法事件案例信息后，需將事件及其要素、屬性和關系等進行統一表達和存儲。首先，基于資源描述框架(Resource Description Framework,RDF)三元組，對大氣污染執法事件及事件要素、要素屬性等進行表達；然后利用Neo4j、JanusGraph、OrientDB圖數據庫等對其進行儲存管理，在圖數據庫中，基于帶標簽的屬性圖模型特點，將大氣污染執法具體案例事件、事件要素實例、要素屬性存儲為節點，進而支撐后續的基于圖查詢語言、圖挖掘算法的大氣污染執法知識推理計算[26]。大氣污染執法案例知識存儲策略如表2所示。

表2 圖數據庫具體案例知識存儲策略示例Table 2 Example of case knowledge storage strategy in graph database

2 大氣污染執法事理圖譜實例構建

本文選擇固定污染源超標排放執法案件中某熱力生產公司經營的燃氣鍋爐超標排放執法案件，實現大氣污染執法事理圖譜構建，案例數據包括案例的處罰決定書、污染發生同時期和污染源所在同區域的大氣質量監測數據以及大氣污染相關法規標準文獻資料。案件污染源—燃氣鍋爐位于北京市大興區榆垡鎮規劃區盛平街9號，大興區生態環境監察執法人員通過2018年12月17-23日北京市大氣污染粗顆粒度(TSP)濃度排名，分析大興區榆垡鎮TSP濃度值為218，在北京市所有鄉鎮(街道)中位居第一。考慮污染發生時間為秋冬季，北京市大氣污染現象常見原因為秋冬季供暖時期鍋爐超標排放污染物。因此，執法人員重點對榆垡鎮區域內運營的鍋爐房進行排查，發現某燃氣鍋爐超標排放氮氧化物，通過現場調查和檢測確定污染事實，依法對其進行處罰。根據前述提出的大氣污染執法事理圖譜構建方法，系統建立了案件中具體事件的實例以及事件要素和事件關系(表3)。

表3 鍋爐超標排放案件實例Table 3 Case of excessive emission of boiler

(1)根據已構建的大氣污染執法事理圖譜案例知識存儲策略，構建具體執法事件節點以及具體事件中時間、空間位置、參與對象、狀態等要素節點，建立事件要素在事件中的角色關聯和事件參與對象間動作關聯，并在已構建具體執法事件基礎上建立事件語義關系。創建該燃氣鍋爐超標排放執法案件具體事件節點、事件要素節點和事件語義關系的Cypher語句如下：

create(e1:Event{name:”鍋爐超標排放事件”})

create(t1:time{name:"2018年12月預估"})

create(l1:location{name:"北京市大興區榆垡鎮規劃區盛平街9號"})

create(em1:emission{name:”燃氣鍋爐”,number:”WNS-1.25-YQ”,volume:”1蒸噸”})

create(p1:pollutant{name:”氮氧化物”})

create(s1:status{name:”鍋爐超標排放氮氧化物狀態”})

match(em1:emission{name:"燃氣鍋爐",number:"WNS-1.25-YQ",volume:"1蒸噸"}),(p1:pollutant{name:"氮氧化物"})

create(em1)-[er15:APLE_Action_emit]->(p1)

return er15

構建事件語義關系Cypher語句如下：

match(e1:Event{name:"鍋爐超標排放事件"}),(e2:Event{name:"污染發現事件"})

create(e1)-[r:ESR_cause]->(e2)

return r

本文創建鍋爐超標排放事件要素和要素關系，并建立6個事件實例和事件間語義邏輯關系關聯，形成鏈狀事件演化規律(圖3)，能為不同執法階段提供知識關聯推理和自動推薦案件處理環節中所需信息。

圖3 鍋爐超標排放案件事件語義關系和部分事件要素Fig.3 Event semantic relation and part of event factors of boiler excessive emission case

(2)基于大氣污染執法事理圖譜抽取各事件時間要素，并進行判別和排序，通過事件間時間要素的關聯展現事件發生的時間關系。創建時間關系的Cypher語句如下：

match(t1:time{name:"2018年12月(預估)"}),(t2:time{name:"2018年12月17日至23日"})

create(t1)-[tr1:ETTR_include]->(t2)

return tr1

隨著大氣污染執法事件發展，能發現其時間變化特征。執法者通過確定區域大氣TSP濃度變化的時間段，進而排查在該時間段可能致使大氣污染的潛在污染源，通過現場調查和現場檢測取證確定污染源排放事實。圖4展示了大氣污染執法案件調查和檢測過程的時間變化特征，鍋爐超標排放事件的時間段(2018年12月)包含(ETTR_include)污染發生事件中區域TSP濃度指標變化時間段(2018年12月17-23日)，在區域TSP濃度指標變化時，執法者現場調查和檢測污染源。因此，TSP濃度指標變化時間段與現場調查事件時間點(2018年12月19日)之間為包含關系(ETTR_include)，現場調查時間點早于(ETTR_earlier)現場檢測取證時間點(2018年12月27日)。

圖4 鍋爐超標排放案件中事件間時間關系Fig.4 Event time relation in boiler excessive emission case

執法者通過確定大氣TSP濃度較高區域，進而排查區域內有污染貢獻的污染源，準確查證污染源所在位置，并在污染源周邊取樣檢測取證污染行為。

在執法過程各事件中逐步精準定位污染源位置，形成事件間空間關系。采用DE-9IM模型描述污染源所在行政區域(大興區榆垡鎮)和污染源(地理點實體)、污染源檢測樣點(地理點實體)之間的拓撲關系，采用Geos空間操作算子構建地理實體對象，提取地理實體之間的空間拓撲關系，形成大氣污染執法事件之間的空間拓撲關系。如圖5所示，通過大興區榆垡鎮的經緯度范圍建立面狀對象；利用污染源經緯度坐標、檢測樣點經緯度坐標建立點狀對象，提取空間拓撲關系。其中大興區榆垡鎮為污染源所在行政區域，與污染源是空間包含關系(ESTR_include)，污染源與該區域是空間被包含關系(ESTR_included)，污染源與其他檢測樣點是空間相鄰關系(ESTR_adjacent)，該關系具有對稱性。

大氣污染執法事理圖譜通過抽取案例各事件相關地理實體對象間空間關系作為事件間空間關系，展現各事件發生的空間變化情況，創建事件空間關系的Cypher語句如下：

match(l1:location{name:"北京市大興區榆垡鎮規劃區盛平街9號"}),(l2:location{name:"北京市大興區榆垡鎮"})

create(l1)-[sr1:ESTR_included]->(l2)

return sr1

3 結論

剖析大氣污染執法過程中的時空變化特征和事理發展規律，是準確描述大氣污染執法過程、實現執法案件有效溯源的關鍵。本文通過改進現有事件本體模型，提出大氣污染執法事件本體模型并梳理大氣污染執法事件知識體系，形成顧及時空特征的大氣污染執法事件本體；在本體的指導下提出大氣污染執法案例知識抽取和存儲方法，完成大氣污染執法事理圖譜的構建；通過事理圖譜實例可視化展現，描述了大氣污染執法事件的時空變化特征，進而分析事件邏輯演化規律。

通過構建顧及時空特征的大氣污染執法事理圖譜能彌補事理圖譜研究中較少關注事件間時空演變關系的不足，助推事理圖譜構建理論發展。在實踐層面上，大氣污染執法事理圖譜對于促進大氣污染執法不同階段數據資源整合與共享、大氣污染執法案件全程關聯和跟蹤監督等方面具有重要意義。針對目前實例較少的問題，未來將采用更多的大氣污染執法案件數據創建實例，完善現有事理圖譜，并從大量的案件實例中分析和挖掘事件間的時空關系信息，為大氣污染執法提供智能輔助解決方案。