基于知识图谱的高速铁路客运调度命令闭环管理方案研究.pdf

铁道运输与经济RAILW AY TRANSPORT AND ECONOMY第 45 卷 第 10 期基于知识图谱的高速铁路客运调度命令闭环管理方案研究Research on Closed-Loop Management Scheme of High Speed Railway Dispatching Command Based on Knowledge Graph孔庆玮1，苗茁2，冯小芳1，杨国柱2，龙勋3KONG Qingwei1，MIAO Zhuo2，FENG Xiaofang1，YANG Guozhu2，LONG Xun3(1.中国铁道科学研究院集团有限公司 电子计算技术研究所，北京 100081；2.中国国家铁路集团有限公司 运输调度指挥中心，北京 100844；3.中国铁路广州局集团有限公司 调度所，广州 510088)(1.Institute of Computing Technology,China Academy of Railway Sciences Corporation Limited,Beijing 100081,China;2.Traffic Control Center,China State Railway Group Co.,Ltd.,Beijing 100844,China;3.Dispatching Department,China Railway Guangzhou Group Co.,Ltd.,Guangzhou 510088,Guangdong,China)摘要：高速铁路客运调度命令是铁路运输调度指挥的重要组成部分，由于目前存在大量文本式和半格式化的调度命令，且调度命令管理体系不够完善，导致人工解析调度命令时间较长，执行反馈不够及时，直接影响了调度计划编制与执行效率。为了解决高速铁路客运调度命令管理不够精细化、精准化的问题，研究利用知识图谱技术，通过知识抽取、知识融合、知识处理构建了高速铁路客运调度命令知识图谱。同时在构建的知识图谱基础上，提出高速铁路客运调度命令闭环管理流程，结合既有调度数据与相关信息系统，有效实现调度命令精细化管理，提高了高速铁路客运调度工作的整体效率，为推进高速铁路客运智能调度体系建设提供了有力技术支撑。关键词：运输调度；高速铁路；客运调度命令；知识图谱；闭环管理Abstract:High speed railway dispatching command plays an important role in the railway transportation and dispatching process.Due to the existence of a large number of text commands and semi-formatting commands and the shortcomings in the present dispatching command management system,there is a great waste of time in manual parsing semantics,implementation,and feedback.This directly affects the efficiency of dispatching plan execution and implementation.To make dispatching command management of high speed railways more fine and accurate in this study,a high speed railway dispatching command knowledge graph was constructed through knowledge extraction,knowledge fusion,and knowledge processing by using the knowledge graph technique.Then based on the constructed knowledge graph,a closed-loop management scheme of high speed railway dispatching command was proposed.Combined with existing dispatching data and relevant information systems,the research results can effectively realize fine management of dispatching commands and improve the overall efficiency of high speed railway dispatching works.The research provides strong technical support for promoting the construction of intelligent high speed railway dispatching systems.Keywords:Railway Transportation and Dispatching;High Speed Railway;Dispatching Command;Knowledge Graph;Closed-Loop Management文章编号：1003-1421（2023）10-0089-10 中图分类号：U292.4 文献标识码：ADOI：10.16668/ki.issn.1003-1421.2023.10.12引用格式：孔庆玮，苗茁，冯小芳，等.基于知识图谱的高速铁路客运调度命令闭环管理方案研究J.铁道运输与经济，2023，45(10)：89-98.KONG Qingwei，MIAO Zhuo，FENG Xiaofang，et al.Research on Closed-Loop Management Scheme of High Speed Railway Dispatching Command Based on Knowledge GraphJ.Railway Transport and Economy，2023，45(10)：89-98.-89孔庆玮 等 基于知识图谱的高速铁路客运调度命令闭环管理方案研究0引言铁路调度命令是铁路运输调度工作的重要组成部分，其中高速铁路客运调度命令是进行客运日计划编制、执行与调整的重要依据1。当客运运输生产需要做出调整时，中国国家铁路集团有限公司(以下简称“国铁集团”)与各铁路局集团公司及时、正确地将调度命令发布至相关单位，由相关站段及下属机构签收并执行反馈。目前，铁路调度系统中的高速铁路客运调度命令存在大量文本式和半格式化的调度命令，调度员需要读取大量文本内容，人工识别出其中的关键信息，进行人工分析与决策2，严重影响了命令传递与执行效率。在面对重特大突发事件，需要临时组织旅客列车停运和折返时，由于调度命令管理体系不完善，会直接影响调度计划编制和调整的有效性与时效性。随着我国高速铁路调度指挥的信息化、智能化发展，部分铁路局集团公司和科研机构已经对调度命令管理展开了一些研究，各铁路局集团公司也建立了调度命令管理系统3。但目前大多调度命令仍为文本式内容，且由于不能短时间内精确判断出命令与哪些部门、岗位相关，存在命令下达至无关受令处所的现象，命令下达后的执行监管程度也有所欠缺。调度命令的精细化编制与闭环管理研究亟需推进。知识图谱技术又称作知识映射地图4，可以有效地将现实世界中的各领域知识进行结构化表示，并实现知识之间的关联。目前，知识图谱技术已被运用于铁路客运产品服务5与铁路调度应急6等领域，取得了良好的应用成效。本研究将知识图谱技术运用到高速铁路客运调度命令管理领域，通过构建客运调度命令相关知识图谱，形成不同命令类型与多种调度场景的关系网络，并结合数字化调度命令数据快速识别相关影响内容，及时、精准通知有关人员进行调整操作，实现调度命令编制、流转、执行、反馈的一体化闭环管理。依照知识图谱构建过程，本研究进行了高速铁路客运调度命令的知识抽取、知识融合、知识处理。在此基础上，结合调度命令全流程管理，对调度命令进行关键信息识别解析、关联关系分析整合，利用格式化数据支撑各业务域调度之间的生产信息交互，减少因人工解析调度命令造成的时间冗余，提高调度命令执行效率，进而提高高速铁路客运调度工作的整体效率，为建设中国高速铁路智能客运调度体系提供了有力的技术支撑。1知识图谱构建方法1.1知识图谱概念知识图谱的概念最早形成于2012年，其作用旨在解决用户寻求某一问题解决方案时，提升搜索性能，快速定位到问题答案7。知识图谱分为开放领域知识图谱与行业领域知识图谱，开放领域知识图谱不限定知识范畴，多用于搜索引擎。行业领域知识图谱多用于医疗、电力、交通运输等专业知识领域8-10，具有更高的专业性与针对性，一般用来进行某一专业问题的辅助决策。知识图谱的本质是将现实世界中的事物抽象为“实体”，将事物与事物之间的联系抽象为“关系”，构建“实体-关系-实体”的数据表现形式，最终形成某一领域信息互联的知识网络库11。知识图谱采用可视化的方式，融合信息学、图形学、数学等学科理论，直观地构造网状知识结构，一般以节点表示各个实体知识点，以便表示各个知识点之间的关系。由此通过某一知识点快速定位到与之相关的知识点，提高搜索效率，进而快速找到问题解决路径。1.2知识图谱构建流程和方法知识图谱的构建一般包含知识抽取、知识融合、知识处理等系列方法，需要利用自然语言处理、冲突检测与消解等技术。知识图谱构建流程如图1所示。利用结构化、半结构化与非结构化的数据，首先进行知识抽取，从专业领域海量信息中进行实体、属性、关系识别；此后，对表述不同但语义相同的实体等进行知识融合处理；最后通过知识处理将实体、关系进行补全、纠错，并设计存储方式完成各类知识的存储。段浩等12利用此种方法进行了水利领域知识图谱构建，姚剑等13利用此种方法进行了铁路客站设备管理知识图谱的构建，均证明了知识图谱构建方法的有效性。-90孔庆玮 等 基于知识图谱的高速铁路客运调度命令闭环管理方案研究2高速铁路客运调度命令知识图谱构建高速铁路调度命令是调度员调整、执行调度计划的重要依据，调度命令中存在大量文本信息，这些信息中涉及到车辆、人员、信息系统、执行动作等。按照知识图谱的构建流程，首先从高速铁路客运调度命令信息中进行实体概念的识别，并定义实体属性与实体间的关系。其次，对识别出的实体等信息进行数据相似性检查与融合处理。最后对知识进行补全并存储，形成调度命令专业领域的知识图谱。2.1知识抽取知识抽取是知识图谱构建环节中的第一环，其作用是从不同来源、不同结构的数据中抽取出可以被计算机理解的格式化数据。数字化的调度命令数据是支撑客运生产信息及时交互的前提。对于高速铁路客运调度命令生成依据来讲，知识抽取涉及的数据来源较多，包括由运输调度管理系统提供的调度命令文本数据，由智能综合调度系统提供的格式化数据14，由动车组管理系统、客票系统等提供的半结构化数据，由调度应急系统、防灾系统等提供的图像、视频等非结构化数据。进行高速铁路客运调度命令数据收集，根据调度业务需求和周边各专业对调度数据的要求，通过格式化模板配置管理与语言分词、词性标注、命名实体识别、句法分析等自然语言处理技术，对结构化调度命令、非结构化调度命令、半结构化调度命令数据进行知识抽取，为知识图谱定义做基础，具体包括实体、属性、关系识别3部分。2.1.1实体识别高速铁路客运调度命令包含命令号、命令类型、发令人、发令时间、命令内容、受令处所等信息。除文本意义外，还隐含着其涉及到的相关系统、对调度指挥造成的影响。根据命令类型的不同，国铁集团运输调度指挥中心与铁路局集团公司调度所下达调度命令后，相关受令处所依据调度命令内容在不同系统进行调整处理。根据铁路动车调度规则规定，不同类型的调度命令有不同的规则形式，以申请车型、定员、担当均不变的更换车底调度命令申请为例，主要格式如下：“因(原因)，(铁路局)集团公司申请：(年、月、日)(车次)，车底使用(车型、车组号)担当，(重联时须注明：(车次)(始发站)始发(动车组)在前)，车型不变，定员不变(定员人数)。”通过分析，进行高速铁路客运调度命令知识图谱实体识别如图2所示。2.1.2属性识别调度命令的每个实体对应着多种属性，进一步分析调度命令内容。（1）命令实体的属性包括命令号、命令主类型、命令子类型、发令人、发令时间、命令起始时间、命令终止时间等。（2）车辆实体的属性包括车次、车型、定员、编组内容、发站、到站、座位席别等。（3）岗位实体的属性包括部门名称、岗位名称、岗位职责、用户名称等。（4）流程实体的属性包括流程进度、流程节点、流程内容等。（5）处置方案实体的属性包括系统名称、处置操作、执行情况等。其中，部分属性可以由格式化的数据直接获取，如命令号、发令人、受令处所等，其余大部分知识抽取知识融合知识处理实体识别属性识别关系识别结构化数据半结构化数据非结构化数据近义词融合歧义消除知识推理知识存储知识图谱等价属性识别 图1知识图谱构建流程Fig.1Knowledge graph construction process-91孔庆玮 等 基于知识图谱的高速铁路客运调度命令闭环管理方案研究属性包含在命令文本内容中。经过对文本的分析，抽取高速铁路客运调度命令关键字信息，进行调度命令知识图谱属性识别如表1所示。由于调度命令内容具有较为明显的格式特征，利用正则表达式可以有效识别出大部分实体属性信息，以临时加开类调度命令为例，构建属性识别正则表达式如图3所示。利用该正则表达式可以有效识别90%以上的调度命令格式化数据，便于将调度命令实体属性信息归纳为便于计算机识别的三元组形式，如、。调度命令闭环管控实体识别命令来源命令内容命令流程命令影响命令反馈动车资源客流 售票 应急方案发布者涉及车辆受令处所人员部门岗位信息系统开行方案票务调整检修工作统计报表执行情况 图2高速铁路客运调度命令知识图谱实体识别Fig.2Entity recognition of high speed railway dispatching command knowledge graph表1调度命令知识图谱属性识别Tab.1Attribute recognition of dispatching command knowledge graph序号123456789101112131415161718192021数据描述申请铁路局集团公司申请原因申请分类起始日期终止日期开行规律择日日期交路名称车次发站到站车型定员单组重联车组号客运担当单位车辆担当单位机务担当单位列车长担当单位相关铁路局集团公司数据表示北京局、北京局集团公司等客流需求、动车组运用、检修需要等高峰线开行、图定列车恢复开行、图定临客加开、图外临客加开、周末线日常开行等2022年9月1日2022年9月5日每日、隔日、择日、隔两日、隔三日、至另有通知止2022年9月1日、2日、9日、10日0G502G501G5080G507G1，G4北京北、北京北站上海南、上海南站CRH380B，CRH380AL等556，1 112等单组、重联5000，5001等北京局集团公司、北京客运段等上海局集团公司、上海动车段等济南局集团公司、济南机务段等广州局集团公司、长沙客运段等京，济，上，广等-92孔庆玮 等 基于知识图谱的高速铁路客运调度命令闭环管理方案研究2.1.3关系识别调度命令各个实体属性间存在多种关系，如包含、从属、因果、互斥、跟随、协同等。例如命令来源与命令内容间为因果关系，命令内容与命令流程间为并发关系，部门与人员之间为从属关系等。本研究进行的调度命令知识图谱关系识别如表2所示。以上内容构成了调度命令领域的实体、属性及关系，是调度命令知识图谱的重要组成部分。2.2知识融合由于调度命令主体内容很大一部分由非格式化文本构成，尽管铁路运输调度规则 铁路动车调度规则中规定了调度命令的基本格式，但由于中文表述的多样性，通过知识抽取得出的数据可能存在指代一致、表述不一致的情况。如“9月1日至5日”“九月1，2，3，4，5日”，“北京西”“北京西站”“北京西车站”，均为语义相同的同义词。为了优化知识图谱结构，减少等价属性、关系造成的冗余，需要进行同义词的知识融合。调度命令知识图谱语义融合示例如表3所示。2.3知识处理完成知识抽取与知识融合后，需要利用信息技术手段将知识图谱进行存储，以便后续利用图谱解决特定场景的业务问题。相比较于传统关系型数据库，知识图谱的存储方案一般采用可以高效查询实体属性与复杂关系的图数据库15。目前常见的图数据库有多种，主要包括Neo4j，Tigergraph，Galaxybase，TuGraph等。本研究中采用Neo4j进行存储。Neo4j作为一个高性能、开源的图数据库，可以将结构化的数据存储在网络图中而非表中，具有很大的灵活性，且随着数据量的增加，查询优势突出16。Neo4j的每个节点由构成，通过节点对图谱中的实体及属性进行描述，通过节点与节点之间的边对关系进行描述。以Neo4j构建高速铁路客运调度命令知识图谱如图4所示。Pattern modelPt=Ppile(CRA-Z-+0-9+);“车型由CRH380A型变为CRH380AL型动车组运行”CRH380A,CRH380AL匹配车型正则表达式车型Pattern groupPt=Ppile(A-Z+d0,2pP);“编组为：G1407次南昌西站开首位：ZYS1(27)，ZY1(56)，SW1(24)，ZY1(56)，ZE1(73)，ZE3(85)，CA1，ZE6(85)，ZYS1(27)。”ZYS1(27)，ZY1(56)，SW1(24)，ZY1(56)，ZE1(73)，ZE3(85)，CA1，ZE6(85)，ZYS1(27)匹配编组正则表达式编组Pattern trainPt=Ppile(0*A-Z*d+/*d+次);“长沙动车所开0G6109次，长沙南京广场站开G6109次”0G6109,G6109匹配车次正则表达式车次 图3构建属性识别正则表达式Fig.3Regular expression construction in attribute recognition表2调度命令知识图谱关系识别Tab.2Relationship recognition of dispatching command knowledge graph关系类型因果并发包含跟随从属协同本体类型命令来源-命令内容命令内容-命令流程命令内容-命令号命令内容-命令影响部门-人员岗位-岗位关系说明不同的命令来源决定了命令内容的差异命令内容对应着一条命令流程命令内容中包含命令号命令发布后，会对运输生产造成影响人员从属于某一个部门流程中的岗位与岗位之间为协同办公关系表3调度命令知识图谱语义融合示例Tab.3Examples of semantic fusion of dispatching command knowledge graph知识融合前2022年9月1日至5日，2022年09月01日至09月05日，2022年9月15日，2022年9月1，2，3，4，5日上海虹桥、上海虹桥车站、上海虹桥站加开、开行、临时加开更换车底、变更车底知识融合后2022.09.012022.09.05上海虹桥加开更换车底-93孔庆玮 等 基于知识图谱的高速铁路客运调度命令闭环管理方案研究3高速铁路客运调度命令闭环管理3.1闭环管理方案利用高速铁路客运调度命令知识图谱，围绕高速铁路客运调度命令管理全流程，可以有效构建调度命令闭环管理方案，实现命令精细化发布、精准化执行，进而提高运输生产作业效率。结合高速铁路客运调度命令业务规则，梳理调度命令闭环管理流程，可以将全流程分为需求分析、调度命令编辑、调度命令发布、调度命令执行、调度命令反馈5个阶段。高速铁路客运调度命令闭环管理方案如图5所示。旅客承运需求波动、动车组检修状态变化等是调度命令产生的直接原因，通过知识图谱，可以将不同类型的需求快速对应为不同类型的调度命令；调度命令内容中包含的关键信息决定了与该调度命令相关的单位、岗位与信息系统，通过图谱可以快速进行关联岗位与行为识别；相关系统通过设定计划变更规则，依据数字化的调度命令内容，可以对列车开行计划、车底运用计划等进行自动调整，形成高速铁路日计划，同时，相关岗位人员按照调度命令内容与高速铁路日计划进行生产作业组织；高基本图应急方案命令来源车辆基础资料动车检修调整依据并发关系命令内容因果关系基本交路分号图基础资料命令号属性调整依据客票售票命令流程命令影响命令反馈客流预测受令处所岗位人员部门开行方案票务调整信息系统检修工作统计报表执行情况命令类型发令人车次车型定员编组发站到站席位加开停运回送换车包含包含属性包含跟随关系回馈包含包含包含包含包含包含属性属性属性属性跟随关系属性属性属性属性属性属性属性包含包含包含流程进度流程名称流程处理结果属性属性属性检修时间检修地点检修内容属性属性属性客票动车行车顺号属性担当单位属性客运担当车辆担当机务担当属性结果时间属性属性调整依据包含包含包含主类型子类型属性属性生效时间属性基础资料调整依据属性属性图4高速铁路客运调度命令知识图谱Fig.4High speed railway dispatching command knowledge graph-94孔庆玮 等 基于知识图谱的高速铁路客运调度命令闭环管理方案研究速铁路日计划落成后，将计划执行结果反馈给关联的管理决策人员，辅助决策人员进行新一轮的需求分析。由此，将高速铁路客运调度命令知识图谱串联至客运生产作业的全流程中，各类调度命令适用的场景、造成的影响均可快速通过图谱进行定位，自动判断有关联的信息系统，从而将有效数据推送给各个相关子系统和业务用户，改进了传统命令管理流程中因为调度命令下达不精确、管控不细致造成的时间和人力成本浪费。高速铁路客运调度命令知识图谱构建起专业统一的高速铁路客运调度知识库，描述了客运调度各个业务域中的概念及其相互关系。通过对数字化调度命令内容与调度决策之间的关联分析，辅助提升各岗位调度人员与管理决策人员的调度指挥执行效率。3.2应用实例以疫情期间客流减少的情景为例，利用知识图谱完成高速铁路客运调度命令的闭环管理。铁路局集团公司客运部管理决策人员通过客流分析，提出高速铁路停运方案，按照知识图谱进行停运方案相关调度命令实体、属性、关系的识别，停运命令知识图谱分析如图6所示。将上述知识图谱技术运用到调度管理信息系统中，自动生成数字化的停运调度命令申请，包含调度命令停运日期、停运原因、停运车次、相关铁路局集团公司等关键信息，调度命令数字化编制如图7所示。该调度命令申请通过审核后，进行调度命令发布，在图谱中可以快速定位到停运列车相关的客运、车辆和机务担当单位，同时根据始发站、终到站、途经站，可以快速识别与停运列车相关的车务段等受令处所，向受令处所相关岗位精准推送调度命令。调度命令精准化发布如图8所示。同时，通过图谱识别出该停运命令关联的信息系统，如调度计划系统、客票系统、行车系统等，并通过格式化数据进行计划调整，取消停运的列车运行线，为旅客办理退票手续等。调度命令自动化执行如图9所示。最后，对调度命令的签收、执行情况进行结果统计与反馈，便于客运部管理决策人员进行下一轮的开行方案调整。4结束语以满足客运运输需求和运力资源的合理运用为目标，研究了基于知识图谱的高速铁路客运调度命令闭环管理方案，实现了高速铁路客运调度命令的形成客运调度命令客运列车基本图 文电等信息化数据调度命令需求分析阶段调度命令编辑阶段调度命令发布阶段调度命令执行阶段调度命令反馈阶段交路车次车型担当运行线编组受令处所抄送单位通知相关信息系统列车开行车底运用三乘安排施工维修席位调整开停处理结果检修情况执行效率旅客通知客流需求计划变更列车开行计划车底运用计划三乘计划施工维修计划生产作业动车组检修状态客票系统接口数据动管系统接口数据客座率售票情况关键内容识别相关铁路局集团公司通知相关岗位人员股道占用执行状态车底运用结果辅助决策优化需求分析指引关联岗位与行为识别形成客运日班计划执行结果统计图5高速铁路客运调度命令闭环管理方案Fig.5Closed-loop management scheme of high speed railway dispatching command-95孔庆玮 等 基于知识图谱的高速铁路客运调度命令闭环管理方案研究全流程贯通、精细化发布，编制、流转、执行、反馈的一体化闭环管理。在保证高速铁路调度计划编制质量的同时，全面提升运输生产各环节的作业效率，提升市场对运力资源支配的能力。铁路调度命令种类繁多，不同命令对应的计划调整各不相同，本研究涵盖了常见高速铁路客运调度命令管理的全部流程，在未来需要加强特殊情景下调度命令内容和影响的分析，不断完善知识图谱，辅助高速铁路客运调度管理。在铁路信息化高速发展的当下，研究内容对铁路运输调度管理有重要参考价值，随着数字铁路的建设，未来可以进一步构建客运、货运一体化的运输调度全领域知识图3第三季度基本图需求分析需求分析车辆车辆基础资料生成停运命令生成停运命令因果89039号命令调整依据客票售票客票售票命令影响命令影响命令反馈命令反馈客流预测客流预测受令处所受令处所车站作业车站作业票务调整票务调整信息系统信息系统执行情况执行情况运图定列车停运G1748G1748CRH380ALCRH380AL1061 定员1 061定员编组编组广州南始发广州南始发蚌埠南终到席位席位、库列车停运、回库包含跟随回馈包含包含包含包含跟随客票客票动车动车行车行车-161-16顺号位担当单位段广州客运段段广州动车段段广州机务段成停运完成调整依据9月8日9月8日途径站途经站包含途经相关车务段等运通知旅客、车次停运办理退票办理退票停止售票停止售票停止配车停止配车取消运行线取消运行线馈旅客反馈蚌埠南终到图6停运命令知识图谱分析Fig.6Knowledge graph analysis of stop operation dispatching command图7调度命令数字化编制Fig.7Digital compilation of dispatching command-96孔庆玮 等 基于知识图谱的高速铁路客运调度命令闭环管理方案研究谱，实现调度命令与客货运计划的数据贯通、安全卡控，进一步提升调度精细化、精准化、智能化管理水平。参考文献：1 中国国家铁路集团有限公司.中国国家铁路集团有限公司铁路运输调度规则(高速铁路部分)M.北京：中国铁道出版社有限公司，2022.2 袁枫，戴琳琳，景辉，等.基于生成式摘要模型和知识蒸馏算法的铁路调度命令解析算法研究J.铁路计算机应用，2023，32(3)：11-16.YUAN Feng，DAI Linlin，JING Hui，et al.Railway Dispatching Command Parsing Algorithm Based on Generative Summarization Model and Knowledge Distillation AlgorithmJ.Railway Computer Application，2023，32(3)：11-16.3 吴佳佳，彭其渊，鲁工圆.基于调度电话语音信息的调度命令智能生成方法J.铁道运输与经济，2021，43(4)：105-111，134.WU Jiajia，PENG Qiyuan，LU Gongyuan.Intelligent Dispatching Command Generation Method Based on Speech Information of Dispatching TelephoneJ.Railway Transport and Economy，2021，43(4)：105-111，134.4 吴小刚，许士锦，陈兴望，等.基于知识图谱的电网智能调度辅助决策系统设计J.信息技术，2021，45(12)：60-65.WU Xiaogang，XU Shijin，CHEN Xingwang，et al.Design of Power Grid Intelligent Dispatching Assistant Decision System Based on Knowledge GraphJ.Information Technology，2021，45(12)：60-65.图8调度命令精准化发布Fig.8Precise release of dispatching command图9调度命令自动化执行Fig.9Automated execution of dispatching command-97孔庆玮 等 基于知识图谱的高速铁路客运调度命令闭环管理方案研究5 翁湦元，阎志远，朱建军，等.铁路客运延伸服务产品知识图谱构建与应用研究J.铁路计算机应用，2022，31(6)：30-35.WENG Shengyuan，YAN Zhiyuan，ZHU Jianjun，et al.Construction and Application of Knowledge Graph of Railway Passenger Transport Extended Service ProductsJ.Railway Computer Application，2022，31(6)：30-35.6 李欣，冯小芳，金福才.铁路调度应急预案知识图谱构建J.铁路计算机应用，2021，30(6)：21-26.LI Xin，FENG Xiaofang，JIN Fucai.Construction of Knowledge Graph of Railway Dispatching Emergency PlanJ.Railway Computer Application，2021，30(6)：21-26.7 Singhal A.Introducing the knowledge graph：things，not strings EB/OL.(2012-05-02)2023-08-10.https：/ 刘烨宸，李华昱.领域知识图谱研究综述J.计算机系统应用，2020，29(6)：1-12.LIU Yechen，LI Huayu.Survey on Domain Knowledge Graph ResearchJ.Computer Systems&Applications，2020，29(6)：1-12.9 王骏东，杨军，裴洋舟，等.基于知识图谱的配电网故障辅助决策研究J.电网技术，2021，45(6)：2101-2112.WANG Jundong，YANG Jun，PEI Yangzhou，et al.Distribution Network Fault Assistant Decision-Making Based on Knowledge GraphJ.Power System Technology，2021，45(6)：2101-2112.10 李雪山.基于知识图谱的铁路运输管理工程领域研究热点及趋势分析J.铁道运输与经济，2017，39(1)：81-87.LI Xueshan.Research Hotspots and Trend Analysis of Railway Transportation Engineering Management Based on Knowledge GraphJ.Railway Transport and Economy，2017，39(1)：81-87.11 PAN J Z，VETERE G，GOMEZ-PEREZ J M，et al.Exploiting Linked Data and Knowledge Graphs in Large OrganisationsM.Cham：Springer International Publishing，2017.12 段浩，韩昆，赵红莉，等.水利综合知识图谱构建研究J.水利学报，2021，52(8)：948-958.DUAN Hao，HAN Kun，ZHAO Hongli，et al.Research on Water Conservancy Comprehensive Knowledge Graph ConstructionJ.Journal of Hydraulic Engineering，2021，52(8)：948-958.13 姚剑，白伟，杨国元，等.铁路客站设备健康管理知识图谱构建与应用研究J.铁道运输与经济，2023，45(3)：94-102.YAO Jian，BAI Wei，YANG Guoyuan，et al.Research on the Construction and Application of Knowledge Graph of Equipment Health Management of Railway Passenger StationsJ.Railway Transport and Economy，2023，45(3)：94-102.14 田锐，赵飞.高速铁路智能调度系统功能架构及关键技术探讨J.铁道运输与经济，2022，44(5)：52-56，78.TIAN Rui，ZHAO Fei.Discussion on Functional Architecture and Key Technologies of Intelligent High Speed Railway Traffic Control SystemJ.Railway Transport and Economy，2022，44(5)：52-56，78.15 王洋.基于铁路领域的知识图谱研究与实现D.呼和浩特：内蒙古大学，2019.16 赵雪芹，杨一凡，于文静.基于Neo4j图数据库的工程档案知识图谱构建及应用J.档案与建设，2022(5)：48-51.ZHAO Xueqin，YANG Yifan，YU Wenjing.Construction and Application of Engineering Archives Knowledge Graph Based on Neo4j Graph DatabaseJ.Archives&Construction，2022(5)：48-51.收稿日期：2022-09-21基金项目：中国铁道科学研究院集团有限公司科研项目(2022YJ075)；中国铁道科学研究院集团有限公司电子计算技术研究所创新基金项目(DZYF21-64)责任编辑：魏然-98