[发明专利]基于本体和规则的物流运输预警方法

权利要求书

1.一种基于本体和规则的物流运输预警方法，其特征是，包括下列步骤：

Step1，收集信息，包括需要预测运输过程的相关的气象信息和交通信息，并将这些信息存入数据库；

Step2，将Step1所得到的数据计算分类；

Step3，判断是否是多因素影响预警结果，假如是单因素影响预警结果则运输预警系统则采用扩展的确定性模型，即给定输入条件，返回确定的预警信息，否则，转Step4；

Step4，综合考虑多个因素对物流运输安全的影响进行预警，根据已经建立的领域本体和预警规则库，通过jena推理得出综合的预警结果，具体步骤包括：

1、确定影响因素权重

1.1、构造判断矩阵

根据1-9标度构造判断矩阵U，其中u_ij表示u_i对u_j的相对重要性数值，在此采用专家打分法得出一级指标判断矩阵如表1所示。

表1判断矩阵

 相对重要度u_ij  人的因素  车辆因素  道路状况  运行环境  运载品 人的因素  1  5  3  4  7 车辆因素  1/5  1  1/3  1/2  1 道路状况  1/3  3  1  1/2  3 运行环境  1/4  2  2  1  2 运载品类型  1/7  1  1/3  1/2  1

1.2、计算重要性排序

(1)利用和积法计算出判断矩阵的特征向量

A＝(0.500 0.077 0.173 0.179 0.071)^T

T代表转置；

(2)计算判断矩阵最大特征根λ_max＝5.172；

1.3、计算二级指标的相对权重和绝对权重

按照上面的计算方法可以分别计算出二级指标的相对权重和绝对权重，如表3所示：

表3二级指标的相对权重和绝对权重

2、构建预警领域本体

2.1、确定预警本体的范围并提取概念并建立信息词典

收集领域信息获取给定的领域知识，建立领域信息词典，表4是预警本体的信息词典列表：

表4预警本体信息词典

词条名称  语义描述  定义  所属类别EarlyWarningDomain  Class  预警概念的所有父类  ThingFactor  Class  所有影响因素的父类  EarlyWarningDomainEarlyWarningGrade  Class  所有预警级别的父类  EarlyWarningDomainRoadGrade  Class  道路级别  FactorRoadState  Class  道路状况  FactorTemperature  Class  温度  FactorVisible  Class  能见度  FactorWeather  Class  天气  FactorWindPower  Class  风力  FactorCargo_type  Class  货物类型分类  FactorRedwarning  Class  红色预警级别  EarlyWarningGradehasgrade  Property  描述影响因素的预警级别  ObjectProperty……  ……  ……  ……

2.2、定义概念的层次结构

确定上一步中信息词典的所有概念的层次结构，主要通过类/子类的方式建立关系模型，主要包括三个步骤：

1，定义类和类的层次结构：先定义特殊的概念然后将这些概念进行泛化，聚合成综合性的概念；

2，定义类的属性和属性约束：属性通常应该定义为在拥有该属性的基类上，该类的所有子类都继承了该基类的属性，属性值的集合成为属性类，属性类也有属性，即属性约束，属性约束一般描述属性值的类型、属性值的基数、属性的定义域和取值范围；

3，创建实例，定义某个类的实例需要：确定一个类，创建该类的一个实例以及给这个类的属性添加赋值；

通过以上三个步骤，对概念层次中的每个类都进行约束和定义，就可以得到一个完整预警本体；

3、预警规则库的构建

在物流运输过程中，要遵循的运输规则为：怕水，怕潮的物品在遇上雨雪天气时预警级别直接上升为红色预警级别；在四级公路上运输易燃烧易爆的物品预警级别上升为红色预警级别；在路面凹凸不平的路况下运输易燃易爆物品预警级别上升为红色预警级别；在四级公路上运输普通爆炸品综合预警级别上升一级为橙色预警级别；在晴天且有少量积水的公路上运输时预警级别下降一级为蓝色预警级别；

由于Jena支持，将以上规则放在规则文件中用来供应用程序调用；

经过上面的建立本体和规则库，可以得到基于本体和规则的推理流程为：创建本体模型，读入本体文件，用Jena解析OWL本体，得出三元组Triple集合，再利用通用规则推理机结合自定义的预警规则推出最终的三元组Final Triple集合，所有的查询都针对Final Triple，查询方法和运算速度都与查询一般的三元组一样；

Step5，最后得到预警级别和预警信息。

2.如权利要求1所述的基于本体和规则的物流运输预警方法，其特征是，需要检验一级指标判断矩阵的一致性，需要计算它的一致性指标CI，定义：

CI=λmax-nn-1]]>

当判断矩阵具有完全一致性时，CI＝0，为了检验判断矩阵是否具有满意的一致性，需要用CI与平均随机一致性指标RI进行比较，当一致性比率CR＝CI/RI＜0.1时，判断矩阵具有满意的一致性，否则就需对判断矩阵进行调整；对于1～9阶矩阵，RI的取值如表2所示。

表2矩阵的平均随机一致性指标RI的取值

  阶数 1  2  3  4  5  6  7  8  9  RI 0  0  0.58  0.90  1.12  1.24  1.32  1.41  1.45

进行一致性检验CR＝CI/RI＝0.038＜0.1，得出满意结论。