一种基于知识图谱的船舶意图识别与推理方法及系统

1.本发明涉及计算机智能识别与推理技术领域，尤其涉及一种基于知识图谱的船舶意图识别与推理方法及系统。


背景技术：

2.随着世界航运的快速发展，船舶数量呈现增长的态势，船舶会遇越来越频繁、交通冲突严重，船舶发生碰撞危险的几率大大增加，给船舶安全航行及交通监管带来巨大挑战。船舶意图不明确或意图判断失误往往是导致船舶陷入危险紧迫局面并引发碰撞事故的重要原因。准确辨识船舶意图并对碰撞风险进行及时预警，对开发船舶避碰助航预警系统、船舶驾驶智能化和交通管理智能化具有重要的现实意义和应用价值。
3.目前，关于船舶意图识别与推理的研究还处于空白期，但在汽车驾驶意图识别领域研究颇多，学者们大都使用是隐形马尔科夫模型(hmm)、支持向量机(svm)、稀疏贝叶斯(sbl)和bp人工神经网络等方法研究汽车驾驶意图识别。然而，这些方法存在融合多源信息难、识别时间长、识别率低且难以考虑专家经验等问题。知识图谱可很好地规避这些问题，知识图谱具有可动态变化数据模式、注重语义表达、高效查询、关联清晰和机器可理解等优点，可以融合非结构化和结构化的多源异构信息孤岛，获取增值能力，提升应用效能。因此，如何构建船舶意图知识图谱对有效识别船舶意图显得尤为重要。
4.利用知识谱图对船舶意图识别和推理，首先需要构建船舶意图识别领域知识图谱，主要是从非结构化的数据中提取实体、实体属性及实体间的关系。目前，利用机器学习、数据挖掘技术提取知识的准确度和识别率远远低于人工提取。因此，如何人工从数据源中提取相关知识是构建船舶意图知识图谱乃至于船舶意图识别与推理的关键核心问题。其次，需要将船舶传感器数据进行语义处理，并能自动输入知识图谱进行实体识别并进行图计算；最后本船(或岸基)基于船舶意图知识图谱自动识别和推理他船意图，以便于本船采取相应船舶行为决策。


技术实现要素：

5.本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于知识图谱的船舶意图识别与推理方法及系统，旨在船舶能在无人操作的情况下能类似人脑对他船的意图进行识别和推理，特别是对他船的行为意图进行判断，为船舶自主避碰和智能航行奠定基础。
6.本发明解决其技术问题所采用的技术方案是：
7.本发明提供一种基于知识图谱的船舶意图识别与推理方法，该方法包括以下步骤：
8.步骤一、获取船舶意图的知识数据，根据获取的知识数据抽取知识数据的实体、实体属性及实体间的关系形成船舶意图知识图谱；
9.步骤二、通过传感器对船舶航行的数据进行采集，对传感器数据进行语义处理，将
语义处理后的数据输入船舶意图知识图谱进行实体识别和属性识别；
10.步骤三、对实体和实体属性进行路径计算，当知识图谱路径缺失节点时，对节点进行自动补全，当路径有重复节点或有歧义节点时，自动删除重复节点和利用消歧模型自动消歧，得到完整的计算路径；并按照路径进行船舶意图计算，从而推理出船舶意图。
11.进一步地，本发明的所述步骤一中船舶意图知识图谱具体包括：
12.船舶意图知识图谱根据三元组(object,intention,scenario)的规则进行构建，object代表船舶对象，intention代表船舶意图，scenario代表船舶产生意图的场景。
13.进一步地，本发明的所述步骤一中构建船舶意图知识图谱的方法具体包括：
14.获取船舶意图知识图谱的知识数据：采用信息抽取技术从专家经验、国际国内海上交通法律法规知识库、水上交通场景知识库中抽取船舶意图知识数据；
15.预设抽取规则，抽取规则包括同类型下实体层级关系抽取和不同类型下实体的关联关系抽取；
16.从船舶意图知识数据中抽取相关类型的实体、实体意图、具体场景，构建船舶意图本体；实体意图为实体属性和实体之间的关系的变化，包括加速、减速、靠近、锚泊；
17.针对构建的船舶意图本体进行质量评估和知识更新，构建船舶意图知识图谱。
18.进一步地，本发明的所述步骤二的方法具体包括：
19.对传感器数据进行语义处理，并提取出船舶的属性类别，属性归类为静态属性和动态属性；
20.静态属性是不随时间变化的属性，包括船舶、船舶尺寸，通过静态属性对本体的实体进行识别；
21.动态属性则是随时间变化而变化的属性，通过动态属性的变化反应出船舶的行为意图，将这些属性信息链接到船舶意图实体本体，形成具有动态属性的知识图谱。
22.进一步地，本发明的所述步骤二的方法具体包括：
23.(1)通过传感器数据获得静态属性：x＝{st，l，cs}，其中st表示船舶的类型，l表示船舶长度，cs表示船舶吃水；动态属性：y＝{c,v,ps,ph}，其中，c表示船舶航向，v表示船舶速度，ps表示船舶位置，ph表示环境水域位置；
24.(2)传感器数据语义信息获取：从多元异构数据中提取船舶意图语义、船舶对象语义以及环境语义；提取规则如下：
25.1)船舶意图语义：
26.a,加速：v1《v2；
27.b,减速：v1》v2；
28.c,保速：v1＝v2，其中v1，v2表示船舶在时间t1，t2下的速度；
29.d,右转：c1《c2,
30.e,左转：c1》c2,
31.f,保向：c1＝c2，其中c1，c2表示船舶在时间t1，t2下的航向；
32.g,锚泊：(ps
ship
∈ph
anchor zoon
)∩(v1＝v2＝0)即船舶位置属于锚区的位置，并且船舶的速度一直为零，即为锚泊，船舶的位置ps
ship
通过gps提取，锚区的位置ph
anchor zoon
利用电子海图进行提取；
33.2)船舶类型提取：
34.a，长度大于100米的船舶：l＞100m，
35.b，限于吃水船舶：dcs＞dh，即船舶吃水大于可航水域水深；
36.(3)根据传感器数据及语义构建图谱实例：
37.根据传感器数据语义提取规则构建成形多个三元组实例组成的知识图谱。
38.进一步地，本发明的所述步骤三中对实体和实体属性进行路径计算的具体方法包括：
39.根据构建的知识图谱进行路径计算，对于一个给定的三元组w表示为(o，i，s)，其中o，s属于实体e，对应的嵌入式向量表达为(o，i，s)，且满足o i＝s；
40.定义三元组的距离，见公式(1)：
41.d(o，i，s)＝||o i-s||
ꢀꢀꢀ
(1)
42.定义路径损失函数，见公式(2)：
[0043][0044]
其中，[x]

表示大于0取原值，小于0取0；o’、s’、i’分别表示下一路径节点的对象，场景和意图。γ表示路径损失函数的距离调节系数；
[0045]w′
(o，i，s)
＝{(o
′
，i，s)|o
′
∈w}∪{(o，i，s
′
)|s
′
∈w}
[0046]
其中，w表示船舶意图知识图谱的三元组集合、w’(o，i，s)
表示下一路径节点的船舶意图三元组集合。
[0047]
进一步地，本发明的所述步骤三中推理船舶意图的方法具体包括：
[0048]
1)对包含多重船舶意图关系的知识图谱进行推理，根据卷积神经网络模型和社交信息传播模型，定义了船舶意图行为的传递模型，见公式(3)，
[0049][0050]
其中，h
j(l 1)
实体对象在隐藏层中第l 1层的值，n
τ
是船舶意图节点的下标集合，是特别船舶意图推理关键问题的标准化常数值，w为权重；i船舶意图的下标、i表示船舶意图、wi表示船舶意图的权重系数，w0表示船舶对象的权重系数；
[0051]
2)构建船舶多意图行为概率函数，见公式(4)：
[0052]
ρ(o，i，s)＝e
ot i
ies
ꢀꢀꢀ
(4)
[0053]
其中，e
ot
为船舶对象的矩阵的转置，ii为船舶意图行为的矩阵，e
ot
为场景的矩阵；
[0054]
3)在神经网络中，对已有正确的船舶意图进行训练，进一步融合多船舶行为意图概率函数进行意图评分，见公式(5)：
[0055][0056]
其中，w
t
是神经网络训练的权重矩阵；
[0057]
利用评分函数作为船舶意图知识图谱推理的结果，实现“实体对象—船舶意图—概率值”的过程推理，实体对象即船舶。
[0058]
进一步地，本发明的该方法中还包括：针对船舶意图知识图谱，利用d3.js和neo4j
图数据库软件提供一种根据属性动态变化的意图自动推理的知识图谱可视化界面，用于专家、船舶、管理人员对推理结果的判断。
[0059]
本发明提供一种基于知识图谱的船舶意图识别与推理系统，该系统包括：
[0060]
船舶意图知识图谱构建模块，用于获取船舶意图的知识数据，根据获取的知识数据抽取知识数据的实体、实体属性及实体间的关系形成船舶意图知识图谱；
[0061]
传感器数据处理及实体识别模块，用于通过传感器对船舶航行的数据进行采集，对传感器数据进行语义处理，将语义处理后的数据输入船舶意图知识图谱进行实体识别和属性识别；
[0062]
图计算与船舶意图推理模块，用于对实体和实体属性进行路径计算，当知识图谱路径缺失节点时，对节点进行自动补全，当路径有重复节点或有歧义节点时，自动删除重复节点和利用消歧模型自动消歧，得到完整的计算路径；并按照路径进行船舶意图计算，从而推理出船舶意图；
[0063]
船-船、船-岸意图交互模块，用于他船或岸基识别本船意图后将识别的意图结果反馈给本船，本船自动判断他船识别意图的结果是否与本船数据相符合，不符合则启动自动报警，进入重新识别与推理。
[0064]
本发明产生的有益效果是：本发明的基于知识图谱的船舶意图识别与推理方法及系统，通过构建船舶意图知识图谱，将复杂的水上交通场景、水上交通规则以及专家经验用知识图谱进行抽象表达，同时链接船舶或环境的动态属性信息，形成一个动态属性船舶意图知识图谱。所述知识图谱能自动识别并推理出船舶意图，对开发船舶避碰助航预警系统、实现船舶驾驶智能化和交通管理智能化具有重要的现实意义和应用价值。
附图说明
[0065]
下面将结合附图及实施例对本发明作进一步说明，附图中：
[0066]
图1为本发明基于知识图谱的船舶意图识别系统实施例；
[0067]
图2为本发明一种船舶意图知识图谱的构建架构图；
[0068]
图3为本发明船舶意图知识图谱构建流程图；
[0069]
图4为传感器数据语义提取示意图；
[0070]
图5为本发明船舶意图知识图谱示意图；
[0071]
图6为本发明实施例一种电子设备结构示意图。
具体实施方式
[0072]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
[0073]
本发明提出一种基于知识图谱的船舶意图识别与推理方法，图1至图4为本发明提出的船舶意图知识图谱的构建、船舶意图的识别与推理方法的一实施例。
[0074]
参照图1，图1为本发明基于知识图谱的船舶意图识别系统实施例，包括：
[0075]
船舶意图知识图谱构建模块101，用于为图计算和推理提供数据基础；
[0076]
传感器数据处理及实体识别模块102，用于对传感器数据进行语义处理，将处理后
的数据输入所述知识图谱进行实体识别和属性识别；
[0077]
图计算与船舶意图推理模块103，用于对识别出的实体和属性进行图计算，识别船舶意图；对所述文本实体和文本属性进行路径计算，当路径中缺失节点时，对所述节点进行自动补全，得到完整路径，确保路径连通性；
[0078]
船-船、船-岸意图交互模块104，用于他船(或岸基)识别本船意图后将识别的意图结果反馈给本船，本船自动判断他船识别意图的结果是否与本船数据相符合。
[0079]
参照图2、图3，其中图2为本发明一种船舶意图知识图谱的构建架构图，图3本发明船舶意图知识图谱构建流程图，具体包括以下步骤：
[0080]
步骤201及301，采用信息抽取技术从抽取复杂的水上交通场景、水上交通规则以及专家经验的知识数据；
[0081]
获取船舶意图知识图谱的知识数据，构建船舶意图知识库，根据获取的数据抽取所述知识数据的实体、实体意图(实体属性和实体之间的关系的变化，如加速、减速、靠近、锚泊等)、具体场景构建船舶意图本体；针对构建的所述船舶意图本体进行质量评估和知识更新，构建船舶意图知识图谱。
[0082]
具体的知识图谱构建步骤应包括：
[0083]
采用信息抽取技术从专家经验、国际国内海上交通法律法规知识库、水上交通场景知识库中抽取船舶意图知识数据；
[0084]
根据预设的抽取规则，从船舶意图数据中抽取相关类型的实体，其中抽取规则包括同类型下实体层级关系抽取和不同类型下实体的关联关系抽取；
[0085]
根据抽取的实体类型构建船舶意图的本体框架，并在此框架下对船舶意图知识进行整合、加工、消歧、推理、验证与更新。并完成对本体进行质量评估，可以通过数据驱动的本体评估，通过衡量本体与领域语料的匹配度和本体的领域覆盖度来评估本体；也可以基于指标的本体评估，通过一套预先定义好的原则、准则、标准从构建本体的原则来评估本体。
[0086]
步骤202及302，根据预设的抽取规则从上述知识数据中抽取特定类型的实体，实体属性和实体关系，其中，所述预设的抽取规则包括按同类型下实体层级关系抽取和按不同类型实体关联关系抽取；
[0087]
具体地，船舶意图的实体抽取可分为两类：
[0088]
第一类为同类型下实体层级关系抽取，如“船舶—从事捕鱼船”；这类关系比较单一，只要是is-a和part-of关系，这一类关系我们尽量依据专业领域词汇层级进行分类，这样既保证了专业性，也增加了可读性，同时遵守了行业的规范；
[0089]
第二类为不同类关系抽取，如“从事捕鱼的船舶—转向”；这类实体抽取我们主要依据专家在水上交通场景中积累的经验和相应的法律法规进行抽取。
[0090]
步骤203及303，根据预设的推理规则对所述实体、实体属性和实体关系进行知识推理，确定实体、实体属性和实体关系的关联关系，根据所述关联关系构建船舶意图本体；
[0091]
步骤204及304，针对构建的所述船舶意图本体进行质量评估和知识更新，构建船舶意图知识图谱。
[0092]
参照图4，图4为本发明传感器数据语义提取示意图，具体包括：
[0093]
首先，从船舶传感器中提出提取数据，如利用ais数据提取船舶轨迹点以及船舶航
向、航速、位置；利用e-chart及radar数据提取他船及障碍物位置、速度及方位。
[0094]
然后，对船舶传感器数据进行语义处理，对船舶相关属性进行语义抽象，如图所示，将船舶航向航速进行语义抽象，如船舶直行加速、直行匀速、直行减速、停留、左转加速、左转减速、右转加速及右转减速等；
[0095]
其次，在船舶动态属性的语义抽取的基础上，对利用e-chart对环境属性信息进行语义抽象，如锚地、顺直航道、弯曲航道及狭水道等；
[0096]
最后，将船舶属性语义和环境拓扑语义进行叠加，从传感器数据抽象到语义数据，使得机器从数据处理上升到类似人类思维的语义理解，如顺直航行、锚泊、加速穿越航道等等。
[0097]
参照图5，图5为本发明船舶意图知识图谱示意图，利用在航机动船和搁浅船的动态属性知识图谱举例说明船舶意图的识别与推理。如图，在航机动船识别到他船为搁浅船，且并无操作意图；搁浅船通过在航机动船的属性变化，识别推理出该船为在航机动船，并在转向且加速避让本船。
[0098]
参照图6，图6为本发明实施例一种电子设备结构示意图，通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到下述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法.
[0099]
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。