法律状态公告日
法律状态信息
法律状态
2022-08-05
授权
发明专利权授予
技术领域
本发明涉及信息系统集成技术领域,具体涉及一种基于本体的大型活动事件冲突检测方法。
背景技术
大型活动涉及场馆、人员、设施、活动流程等因素,组织、管理和调度复杂,规划设计后需要反复模拟、演练和人工研判才能发现确认是否存在人员、时间、场地等方面的冲突情况。
现有针对大型活动的事件模型整体上分为两类:基于宏观视角的大型活动模型以及基于微观视角的大型活动模型。基于宏观视角的大型活动模型是基于整体的,用几何图形表示。模型将人群运动作为一个整体进行研究,人群的移动常被表示为图中的流,忽略了个体间的差异和相互作用。主要包括流体动力学模型和势能场模型。基于微观视角的大型活动模型基于个体特性进行建模,侧重描述疏散动态过程中个体自身心理因素、个体之间、个体与环境的影响。主要有三种:社会力模型、元胞自动机模型、基于Agent的模型。这些模型注重于人群的疏散,尚无法对大型活动进行整体规划和管理,也无法通过制定规则自动实现潜在冲突的检测。
因此,为了解决上述存在的技术问题,本发明提供了一种新的技术。
发明内容
本发明为了解决大型活动事件规范化设计及自动化冲突检测,从而提供一种基于本体的大型活动事件冲突检测方法。
一种基于本体的大型活动事件冲突检测方法,它包括如下步骤:
步骤1:针对大型活动共性的应用场景,通过大型活动的对象、大型活动的流程、大型活动的规则将大型活动定义为三元组;
步骤2:通过人员类、设施类、时间类、空间类定义大型活动的对象;
步骤3:通过大型活动的环节定义大型活动的具体流程;
步骤4:通过志愿者类、观众类、场馆类、控制点类构建对象类,进一步构建志愿者类、观众类、场馆类、控制点类的对象数据属性;
步骤5:建立时间冲突检测规则、空间冲突检测规则及属性冲突检测规则,分别根据时间冲突检测规则、空间冲突检测规则及属性冲突检测规则依次检测大型活动是否存在冲突;
作为优选,步骤1所述大型活动为:
Event={Object,Flow,Rule}
其中,Object为大型活动的对象;Flow为大型活动的具体流程,由一系列环节组成;Rule为大型活动的冲突检测规则,所述冲突检测规则包括时间冲突检测规则、空间冲突检测规则、属性冲突检测规则;
作为优选,步骤2所述通过人员类、设施类、时间类和空间类定义大型活动的对象,即步骤1中所述大型活动的对象为:
Object=Human∪Facility∪Time∪Space
其中,Human为人员类,Facility为设施类,Time为时间类,Space为空间类;
所述人员类Human的子类包括:工作人员类Staff、志愿者类Volunteer和演出人员类Performer、观众类Audience;
所述设施类Facility的子类包括:固定设施类Facility_fix和移动设施类Facility_mobile;
所述固定设施类Facility_fix的子类包括:场馆类Venues、停车场类ParkingLot、出入场路径类Route、控制点类Spot;
所述时间类Time包括时间点类Instant和时间段类Interval;
所述时间段类由一对时间点来表达:interval={beginTime,endTime},其中beginTime∈Instant,endTime∈Instant,beginTime 所述空间类Space包括:空间点子类Point、空间线子类Line; 所述空间点子类Point,表达为坐标点(x,y),用于表示活动中的控制点子类Spot; 所述空间线子类Line,表达为坐标点串{(x 作为优选,步骤3所述通过大型活动的环节定义大型活动的具体流程,即步骤1中所述大型活动的具体流程为: Flow={Activity 其中,n为大型活动的具体流程中环节数量,Activity 所述大型活动具体流程中第i个环节包括:人员、设施、时间、空间; 大型活动的具体流程中第i个环节表示为: Activity Activity 大型活动的具体流程中可以存在相同人员在不同时间段执行的环节,也可以存在在相同时间内不同人员执行的环节,也可以存在在相同空间内不同人员或者不同时间内执行的操作。 作为优选,步骤4所述对象类为Object
其中,Volunteer为步骤1所述志愿者类,Audience为步骤1所述观众类, Venues为步骤1所述场馆类,Spot为步骤1所述控制点类,Object为步骤2 所述大型活动的对象; 步骤4所述对象数据属性用于描述对象类自身的特性,具体定义为 Data_Properties={speedInWalking,count,VenuesP} 其中,Data Properties为志愿者类、观众类、场馆类、控制点类的对象数据属性; speedInWalking用于描述志愿者类、观众类的步行速度,具体定义为: speedInWalking={Volunteer Volunteer count用于描述志愿者类、观众类、控制点类的数量,具体定义为: count={Volunteer Volunteer VenuesP用于描述场馆Venues的出入口数量、最多能够容纳观众的数量以及每人进入需要花费的安检时间,具体定义为: VenuesP={Venues Venues Venues Venues 作为优选,步骤5所述时间冲突检测规则,由第一时间冲突检测规则以及第二时间冲突检测规则构成: 所述第一时间冲突检测规则用于判断大型活动的具体流程中第i个环节Activity 观众从停车场步行至体育馆作为大型活动的具体流程中第i个实际环节Activity 如果观众步行实际所需时间小于规划分配的时间,即如果(lengthOf(line)/Audience 场馆观众入场安检活动环节Activity 如步骤4中定义,Venues 如果最大数量观众入场所需实际时间小于规划分配的时间,即如果(Venues 所述第二时间冲突检测规则用于判断大型活动的具体流程Flow中所有Activity 用于检测整个大型活动的具体流程Flow中,相同人员Human需要执行多个环节Activity时,是否有时间分配冲突。 如果大型活动的具体流程Flow中的两个环节Activity
步骤5所述空间冲突检测规则为: 判断大型活动的具体流程Flow中所有Activity 如果大型活动的具体流程Flow中两个环节Activity
步骤5所述属性冲突检测规则为利用对象的数据属性来判断活动安排中是否存在冲突,具体方法为: 判断观众数量是否大于场馆能容纳的最大人数; 如果观众数量大于场馆能容纳的最大人数,则存在属性冲突; 具体为,如步骤4中定义,Audience 即如果(Audience 判断志愿者数量是否大与需要安排志愿者的控制点数量; 如果志愿者数量小于需要安排志愿者的控制点数量,则存在属性冲突; 具体为,如步骤4中定义,Volunteer 本发明实现了一种基于本体的大型活动事件冲突检测方法,该方法能够针对应用目标领域,实现大型活动事件流程的模拟以及活动中各类冲突的自动检测。 经检验,本发明提出的建模方法,能够对大型活动克服了现有针对大型活动的事件模型大多数仅偏向于人群疏散的缺陷,解决了针对应用目标领域整体规划和管理的问题。 本发明建立的大型活动事件建模及冲突检测方法快捷有效,而且具有可重复性、可扩展性和鲁棒性,对提高大型活动规划管理的科学性具有及其重要的意义。 附图说明 图1为本发明的方法流程图。 具体实施方式 下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。 本发明以举行大型体育赛事开幕式为具体实施例,结合附图1,对本发明作进一步的详细描述: 步骤1:针对大型活动共性的应用场景,通过大型活动的对象、大型活动的流程、大型活动的规则将大型活动定义为三元组; 步骤1所述大型活动为: Event={Object,Flow,Rule} 其中,Object为大型活动的对象;Flow为大型活动的具体流程,由一系列环节组成;Rule为大型活动的冲突检测规则,所述冲突检测规则包括时间冲突检测规则、空间冲突检测规则、属性冲突检测规则; 步骤2:通过人员类、设施类、时间类、空间类定义大型活动的对象; 利用Protégé或者其他本体建模软件实现。 步骤2所述通过人员类、设施类、时间类和空间类定义大型活动的对象,即步骤1中所述大型活动的对象为: Object=Human∪Facility∪Time∪Space 其中,Human为人员类,Facility为设施类,Time为时间类,Space为空间类; 所述人员类Human的子类包括:工作人员类Staff、志愿者类Volunteer和演出人员类Performer、观众类Audience; 所述设施类Facility的子类包括:固定设施类Facility_fix和移动设施类Facility_mobile; 所述固定设施类Facility_fix的子类包括:场馆类Venues、停车场类ParkingLot、出入场路径类Route、控制点类Spot; 所述时间类Time包括时间点类Instant和时间段类Interval; 所述时间段类由一对时间点来表达:interval={beginTime,endTime},其中beginTime∈Instant,endTime∈Instant,beginTime 所述空间类Space包括:空间点子类Point、空间线子类Line; 所述空间点子类Point,表达为坐标点(x,y),用于表示活动中的控制点子类Spot; 所述空间线子类Line,表达为坐标点串{(x 步骤3:通过大型活动的环节定义大型活动的具体流程; 利用Protégé或者其他本体建模软件实现。 步骤3所述通过大型活动的环节定义大型活动的具体流程,即步骤1中所述大型活动的具体流程为: Flow={Activity 其中,n为大型活动的具体流程中环节数量,Activity 所述大型活动具体流程中第i个环节包括:人员、设施、时间、空间; 大型活动的具体流程中第i个环节表示为: Activity Activity 大型活动的具体流程中可以存在相同人员在不同时间段执行的环节,也可以存在在相同时间内不同人员执行的环节,也可以存在在相同空间内不同人员或者不同时间内执行的操作。 步骤4:通过志愿者类、观众类、场馆类、控制点类构建对象类,进一步构建构建志愿者类、观众类、场馆类、控制点类的对象数据属性; 利用Protégé或者其他本体建模软件实现。 步骤4所述对象类为Object
其中,Volunteer为步骤1所述志愿者类,Audience为步骤1所述观众类, Venues为步骤1所述场馆类,Spot为步骤1所述控制点类,Object为步骤2 所述大型活动的对象; 步骤4所述对象数据属性用于描述对象类自身的特性,具体定义为: Data_Properties={speedInWalking,count,VenuesP} 其中,Data Properties为志愿者类、观众类、场馆类、控制点类的对象数据属性; speedInWalking用于描述志愿者类、观众类的步行速度,具体定义为: speedInWalking={Volunteer Volunteer count用于描述志愿者类、观众类、控制点类的数量,具体定义为: count={Volunteer Volunteer VenuesP用于描述场馆Venues的出入口数量、最多能够容纳观众的数量以及每人进入需要花费的安检时间,具体定义为: VenuesP={Venues Venues Venues Venues 步骤5:建立时间冲突检测规则、空间冲突检测规则及属性冲突检测规则,分别根据时间冲突检测规则、空间冲突检测规则及属性冲突检测规则依次检测大型活动是否存在冲突; 在Protégé或者其他本体建模软件中基于语义网规则语言(Semantic Web RuleLanguage,SWRL)实现。 步骤5所述时间冲突检测规则,由第一时间冲突检测规则以及第二时间冲突检测规则构成: 所述第一时间冲突检测规则用于判断大型活动的具体流程中第i个环节Activity 观众从停车场步行至体育馆作为大型活动的具体流程中第i个实际环节Activity 如果观众步行实际所需时间小于规划分配的时间,即如果(lengthOf(line)/Audience 场馆观众入场安检活动环节Activity 如步骤4中定义,Venues 如果最大数量观众入场所需实际时间小于规划分配的时间,即如果(Venues 所述第二时间冲突检测规则用于判断大型活动的具体流程Flow中所有Activity 用于检测整个大型活动的具体流程Flow中,相同人员Human需要执行多个环节Activity时,是否有时间分配冲突。 如果大型活动的具体流程Flow中的两个环节Activity
步骤5所述空间冲突检测规则为: 判断大型活动的具体流程Flow中所有Activity 如果大型活动的具体流程Flow中两个环节Activity
步骤5所述属性冲突检测规则为利用对象的数据属性来判断活动安排中是否存在冲突,具体方法为: 判断观众数量是否大于场馆能容纳的最大人数; 如果观众数量大于场馆能容纳的最大人数,则存在属性冲突; 具体为,如步骤4中定义,Audience 判断志愿者数量是否大与需要安排志愿者的控制点数量; 如果志愿者数量小于需要安排志愿者的控制点数量,则存在属性冲突; 具体为,如步骤4中定义,Volunteer 步骤6:创建实例,利用Protégé或者其他本体建模软件实现 根据具体大型活动的实际安排,创建各类对象的实例,以及对各个实例的数据属性根据实际情况赋值。 步骤7:执行规则推理检验所创建本体的类、属性及实例,检测得到大型活动安排实例中的时间、空间和属性冲突,利用Protégé或者其他本体建模软件中的Jena等推理机实现。 通过推理机的执行,自动检测获得大型活动实例之间时间、空间和属性冲突,为大型活动的安排优化提供依据。 本发明技术方案不局限于以上所列举的大型体育赛事开幕式,还包括其他各种大型活动。 以上所述实施例仅表达了本发明的实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
机译: 基于本体的系统优化方法,包括将动态依赖于应用程序的相关性分配给本体元素,并利用相关性来确定基于本体的系统使用部分本体的优先级
机译: 一种确定Zea Mays组织中TC1507事件关键性的方法,其中TC1507事件包括建立包含CRY1F基因的变性,包括使用基于荧光的终点PCR Tag检测来检测事件TC150一般建议7和实现此方法的工具包。
机译: 自动翻译本体的装置,基于本体的文档汇总方法和装置,基于本体的文档推荐方法及装置