[发明专利]一种基于图谱聚类的大宗运输需求分解方法

说明书

本发明公开了一种基于图谱聚类的大宗运输需求分解方法，包括以下步骤：S1：运输对象知识库的构建阶段，S2：构建运输需求知识图谱阶段，S3：图谱聚类分析阶段，S4：分析结果的导出阶段，本发明能够有效地满足大宗运输需求，根据运输对象的性质，按需求构建图谱并进行需求分解，从而提高后期规划效率，降低问题复杂度。采用上述技术方案，具有如下有益效果：1)能够利用图谱聚类方法有效解决大宗运输任务复杂，耗时长，效率低的问题；2)能借助图谱聚类分解方法，避免运输过程中才暴露筹划组织不合理问题；3)能快速、灵活地对运输需求进行分解；4)快速组合运输需求，具有良好的实用性和成本优势。

技术领域

本发明涉及运输技术领域，具体是指基于图谱聚类的大宗运输需求分解方法。

背景技术

目前，大宗运输在军事领域应用有兵力投送、救援疏散，在民用领域有企业搬迁、移民搬迁等。大宗运输的组织是一项复杂的系统工程，历史上有很多大规模的运输案例，但都是经过长期的准备才能付诸实施。例如，海湾战争中美军在一个月内抽调50多万人的参战部队进入海湾地区，并向前线输送了700多万吨的保障物资，但前期准备也长达半年。

近年来，洪涝、地震、疫情等自然灾害，以及周边军事安全挑战对大宗运输组织的时效性、科学性提出了更高要求。大宗运输需求的复杂性不言而喻，而运输需求的原始信息数据分散、非结构化居多，传统基于表格的作业方式难以满足任务要求。随着现代科技的进步，人们更希望在人工智能等技术的支撑下，更灵活更便捷地构建联合运输场景，更好地满足运输需求。

在本领域中，目前运输需求分析的应用主要集中在传统物流公司对订单拼单，解决如何拼箱、拼车、拼船等问题，还缺少对大量的人员、装备、物资的整体需求进行关联分析。

发明内容

鉴于此，本发明提供一种基于图谱聚类的大宗运输需求分解方法，包括运输对象知识库构建系统、运输需求知识图谱分析系统、模块化分解聚类模块、需求分解信息导出工具。

为实现以上发明目的，采用的技术方案是：

一种基于图谱聚类的大宗运输需求分解方法，包括以下步骤：

S1：运输对象知识库的构建阶段，优选数据源，从结构化、半结构化、非结构化数据中抽取实体、属性及关联关系，采用人机结合的方式进行知识消歧和融合，形成团体组织、运输装备等知识库；

S2：构建运输需求知识图谱阶段，首先确定是人装分离、人装混合，是否考虑人员装备物资的各类关联关系，据此从知识库中查询实体，筛选考虑的实体关联属性，形成大宗运输需求知识图谱；

S3：图谱聚类分析阶段，然后查看确认各类实体的属性以及关联关系，为各类实体、关联关系赋予不同的优先级权重、关联运输权重；然后调用图谱聚类算法，形成大宗运输的分级需求；

S4：分析结果的导出阶段，将前几阶段形成的知识图谱导出，形成报表、文档等规范化格式，展示大宗运输的分级需求；

所述步骤S1具体为：通过运输对象知识元数据定义模块、运输对象实体抽取模块、运输对象关系抽取模块、运输对象属性提取模块、运输对象知识融合模块，定义运输对象中人员、组织、物资、装备、设备等模型相关的数据字典，用于：1)从各类组织编制、人员装备编配文件中提取各类投送实体信息；2)从各类装备手册、设备手册、人员信息表中提取各类实体属性信息；3)从条令文件、流程文件、历史案例中提取实体之间的指挥关系、隶属关系、保障关系、从属关系、任务关联关系、部署关系、运输规避关系等实体关系；4)对提取实体信息的共指实体进行融合消解，对同名实体进行消歧；