「大数据期刊」智慧城市知识图谱模型与本体构建方法( 二 )


理想的智慧城市模型应该是现实中运行着一个城市 , 网络上运行着一个对应的数字城市 。 现实城市运行中产生的各种数据 , 都能实时映射到数字城市 , 即数字孪生 。 而数字城市通过人工智能的模型算法 , 及时反馈优化现实城市的运行 。 目前不少城市已经把数据抽取到城市大数据中心 , 也实现了局部智慧 , 但数据结构设计仍模拟现实城市 。 目前大部分的智慧城市结构如图1所示 。
数字城市应该从具体的事物中抽象出来 , 重新组合数据 , 形成新的数据结构S , 这种结构可以通过知识图谱的实体
「大数据期刊」智慧城市知识图谱模型与本体构建方法
文章图片
、关系
「大数据期刊」智慧城市知识图谱模型与本体构建方法
文章图片
和属性
「大数据期刊」智慧城市知识图谱模型与本体构建方法
文章图片
这3个要素描述和存储 , 即S={E,R,F} 。
一个自然人的数据如果按照从出生到死亡的垂直时间轴显示 , 就像一棵树 , 树根信息是出生之前的数据:父亲信息、母亲信息、出生地信息等 。 随着年龄增加 , “树”同步长高 , 大的“树枝”包括上学信息、婚姻信息、子女信息、就业信息等 。 如果一个城市有500万人口 , 每个人对应一棵“信息树”或者叫“数字人”(数字人示意如图2所示 , 数字家庭示意如图3所示) , 整个城市形成的数据可以被称为“数字森林” 。
「大数据期刊」智慧城市知识图谱模型与本体构建方法
文章图片
图1大部分的智慧城市结构
「大数据期刊」智慧城市知识图谱模型与本体构建方法
文章图片
图2数字人示意
「大数据期刊」智慧城市知识图谱模型与本体构建方法
文章图片
图3数字家庭示意
“数字森林”是数字城市的核心数据 。 “数字森林”下方是支撑“数字森林”存活的基础数据 , 也就是维持一座城市正常运行的基础信息 , 如道路交通、医院、学校、企业、文化等 , 如同森林下面的土地;在对森林进行管理和维护时 , 有的树木应该多浇水施肥 , 有的树木应该除虫喷药 。 同理 , 城市里有些老弱病残等群体需要救助 , 而有些“害群之马”需要被清除 , 这些由城市的监管、服务功能形成的数据和事件就相当于数字森林上方的天空 。 “天人地”3层结构构成了“数字城市”的整体架构 , 这样的架构加上相应的人工智能(artificialintelligence , AI)算法 , 形成了智慧城市的智脑 。 知识图谱技术正是实现这个数字城市的最佳技术 。 知识图谱本质上是一个以图数据结构等技术为载体 , 描述客观事物及其关系的大型知识库 。 在具体实现上 , 知识图谱用语义网中的资源描述框架对知识体系和实例数据2个层面的内容进行统一表示 , 共同构成一个完整的知识系统(KS) 。 通过城市里面的实体构建城市的知识图谱 , 并且在图谱中描述关系方向、强度、时序等信息 。 智慧城市知识图谱模型示意如图4所示 。 智慧城市知识图谱模型与原来系统的关系示意如图5所示 。
「大数据期刊」智慧城市知识图谱模型与本体构建方法
文章图片
图4智慧城市知识图谱模型示意
「大数据期刊」智慧城市知识图谱模型与本体构建方法
文章图片
图5智慧城市知识图谱模型与原来系统的关系示意
图5中左边是目前大部分智慧城市的数据结构 , 通常在智慧城市各具体模块之外建立大数据资源池 , 即大数据中心 , 右边是本文提出的知识图谱模型 。 智慧城市知识图谱模型并不是取代原来的智慧城市大数据资源池 , 而是在原来的大数据资源上 , 经过本体设计 , 对数据属性F和关系R进行RDF形式描述 , 增加一层新的基于知识图谱结构的数据服务 , 这层数据将会和人工智能算法模型更紧密地结合 。 这种知识图谱模型和一般的智慧城市大数据中心的区别在于以下3点 。