面向轴面协同的智能高铁数据资源目录动态组织优化方法

Dynamic Organization Optimization Method for Intelligent High Speed Railway Data Resource Catalogs Oriented Towards Axial Surface Collaboration

摘要

智能高铁多元异构的复杂应用场景，对数据感知的全面性和时效性、跨专业数据分析的动态响应能力提出了更高的要求。全面梳理分析智能高铁数据管理领域的分类维度，基于元关系模型构建了涵盖数据元素、关联关系、集合和属性等实体的智能高铁全域数据分类图谱，提出了基于数据元相似度和集合相似度的动态目录调整算法，支持分类体系内部节点的层级调整、节点分裂和融合，实现了基于参照分类体系的数据目录动态优化重构，融合树核函数、编辑距离和特征距离，构建了目录相似度评估函数，实现了数据目录合理性的客观评价。研究成果为智能高铁行业构建即时响应、动态优化的数据目录服务体系提供理论支撑。

Abstract

The diversified, heterogeneous, and complex application scenarios of intelligent high speed railways put forward higher requirements for the comprehensiveness and timeliness of data perception, as well as the dynamic response capability of cross-disciplinary data analysis. This study systematically reviewed the classification dimensions in the field of intelligent high speed railway data management. Based on a meta-relationship model, it constructed an all-domain data classification framework for intelligent high speed railways, encompassing entities such as data elements, relational links, sets, and attributes. A dynamic catalog adjustment algorithm based on data element similarity and set similarity was proposed, enabling hierarchical adjustments, splits, and mergers of nodes within the classification system. This facilitated dynamic optimization and reconstruction of data catalogs referencing the classification framework. By integrating tree kernel functions, edit distance, and feature distance, a catalog similarity evaluation function was developed to objectively assess the rationality of data catalogs. The research findings provided theoretical support for establishing a real-time responsive and dynamically optimized data catalog service system for the intelligent high speed railway industry.

Graphical abstract

关键词

数据目录 / 自组织 / 分类体系 / 数据分类 / 数据相似度

Key words

Data Catalog / Self-Organization / Classification System / Data Classification / Data Similarity

0　引言

智能高速铁路(以下简称“智能高铁”)具有全面感知、联合处理、主动学习等技术特点，跨多个业务间联动需求更强，多系统/单元之间的协作更紧密，带来了智能高铁数据管理应用场景的复杂化、个性化、可互操作化^[1]，伴随着这种发展趋势，未来新的跨专业数据融合分析需求将不断涌现，传统按照平台技术架构人工设计数据目录的方案将难以应对，亟需探索具备更高时效性、更全面的新型数据目录构建方法和理论^[2]。

近年来，数据资源日益成为推动数字中国建设和加快数字经济发展的重要战略资源，随着《“十四五”数字经济发展规划》《数字中国建设整体布局规划》《“数据要素×”三年行动计划(2024—2026年)》等多项政策规划的推动，数据资源在驱动经济社会发展中的应用不断深入，针对各行业原始数据开展要素化和资源化的研究应运而生^[3]。数据要素化是指通过对数据进行清洗、加工和整理，使其具备生产使用条件，同时加强数据治理和隐私保护，确保数据的合规性和安全性，通过流通进入到各行业各领域的应用，促进数据要素市场的繁荣发展，其侧重点在于数据流通；数据资源化是指将企业内外部分散、无序的原始数据收集、处理并转化为有序、集中、易用的数据，以提升数据质量、保障数据安全、形成数据使用价值为目标，确保数据的准确性、一致性、时效性和完整性，其侧重点在于数据管理汇聚。在数据要素化和数据资源化这2个环节，数据资源目录的设计和构建是核心工作^[4]。

智能高铁数据资源目录是一种涵盖智能高铁全域数据层次化、可扩展的树状结构，数据目录的构建技术是近年来大数据领域的研究重点之一，主要涉及大数据分类编码、数据资产分类、网络数据分类分级等研究领域。当前数据目录领域形成一定的创新性研究成果如下。①在交通运输领域，白紫秀等立足于业务应用视角，采用面线结合的混合分类法搭建数据分类框架，针对业务领域及其包含的业务面进行分类，并分别以管理对象、行为主体、信息类别为特征实施面分类法^[5]。②在自然资源领域，龙奇勇等提出建设数据一张图来支撑自然资源数据的管理工作，对自然资源规划数据的类别、特点进行分析，建立了自然资源一体化数据组织及编码体系，提出了空间-属性双重关联的数据存储管理模式^[6]；金健等提出了基于分层分类的自然资源时空数据组织结构，遵循生态系统的整体性、系统性及其内在规律，以三维空间位置作为组织和联系所有自然资源的基本纽带，纵向上，自上而下分为地表覆盖层、地表基质与地形地貌层、地下资源层，横向上，将同一层分为历史数据和现状数据，可展示各类资源随时间的变化情况^[7]。③在智慧城市建设领域，汤磊等基于知识图谱构建了城市信息模型数据分类体系，对城市级的要素数据进行分级分类和编码规范，增加分类依据、主要属性、数据类型、数据范围等元素，形成数据资源目录清单，一定程度上推动了城市数据统一且有序的存储、管理和共享^[8]。索智杨等提出了智慧养老数据资源分类体系框架，采用面分类法为核心，在顶层以养老场景作为主分面，横向以时间维度划分，纵向以主题维度划分，并将场景中的数据资源按照人员、主体、内容、类型4个方面进行分类，形成了多元场景、多维度的立体分面结构^[9]。④在工业生产领域，方亮等以数据管理成熟度模型和政务信息资源目录体系为原型进行扩展，设计了钢铁行业的数据目录，自上而下依次为业务领域层、业务对象/业务过程层、逻辑数据模型层以及属性单元层，前两层以业务领域为划分依据，后两层以数据物理特性为划分依据^[10]。

综上所述，当前主流的数据目录大多数是一个静态的树形结构，事先依据平台技术架构及核心需求进行设计，通常采用线面混合的分类方案，并且常在同一个分类体系中混用了业务归属、信息系统、数据特征等多种分类维度，增加了数据集跨层级调整的难度，当面对需要快速建立个性化数据目录的突发需求时，无法在多个分类体系之间开展灵活的映射和融合等操作，也不能根据系统的数据和规则进行自动优化调整。针对上述问题，采用元关系图谱建模等技术构建智能高铁全域数据分类图谱，研究数据元相似度、集合相似度、目录相似度等评估函数的构建方法，提出分类体系内部节点优化调整方案和数据目录合理性的客观评估方案，有助于提升智能高铁数据资源管理针对动态需求的响应能力。

1　数据资源目录动态组织优化方法

1.1　智能高铁数据分类维度梳理

数据的分类维度是数据目录构建过程中的重要概念，是指用于实现分类的数据所具有的某个或某些共同特征，如时间维度、部门维度、地区维度等^[11]，智能高铁领域常见数据分类维度如表1所示，表1中列举了分类维度名称，各层次的名称以及示例。

除了表1列举的各种分类维度，智能高铁数据管理还涉及到若干重要的数据属性信息，例如：描述智能高铁建设阶段的业务生命周期属性，包括勘察阶段、设计阶段、施工阶段、试验验收阶段、运营维护阶段等属性值；描述智能高铁数据流转阶段的数据生命周期属性，包括采集、汇聚、存储、分析、应用、退役等属性值；描述智能高铁数据敏感程度的数据安全等级属性，包括核心数据、重要数据、一般数据S4—S1^[12]等属性值；数据类型属性，包括结构化、非结构化、半结构化等属性值。

多种维度综合使用有助于从不同视角对数据进行组织、导航和分析。数据的结构化/非结构化等维度表达了数据自身的固有特性，输入/输出等维度反映了业务或系统对数据的操作和处理方式。在铁路行业，数据由信息系统产生和管理，信息系统紧密围绕业务提供服务和支撑，业务归属和业务系统是应用最广泛的2个分类维度，从本质上说，业务归属、信息系统和技术创新体系都是对业务面的划分，在一个分类体系中可酌情使用这3个分类维度。具体到智能高铁领域，技术创新框架和高速铁路生命周期是2个反映高速铁路业务“模数驱动、轴面协同”的重要分类维度。

1.2　全域数据元分类图谱构建

智能高铁2.0是一个涵盖设计-施工-运营全生命周期，涉及铁路基础设施、移动装备、调度指挥、安全监控、旅客服务等多个业务领域的复杂巨系统，因此其全域数据具有实体要素众多、语义繁杂、动态变化、多元异构、关联密切等复杂性特点^[13]。为使智能高铁数据目录具备跨业务知识整合能力、动态优化更新能力和更强的检索推理能力，借鉴知识图谱建模方法，以一种灵活可扩展的方式来梳理和整合多种分类维度，构建涵盖数据元素、数据集合、属性实体和关系实体的图谱模型。考虑智能高铁全域数据的复杂性，建模过程涉及到如何在知识图谱中处理复杂关系，Paulheim等使用元关系^[14]和重化技术^[15]在知识图谱中增强表达能力，元关系模型是知识图谱领域的一种建模方法，用于对知识图谱中实体之间的多种关系进行抽象和分类，能够将这些关系抽象为更高层次的模式，其优势在于支撑复杂推理和统一语义。结合智能铁路领域特点，构建基于元关系模型的智能高铁全域数据分类图谱(以下简称“分类图谱”)。

分类图谱中包含元素实体、集合实体、关联实体、属性实体等类型。其中：①元素实体是分类结构中代表数据元素的叶子节点，数据元素是数据的最小单位，也是数据分类体系的最底层节点，可指代字段、数据元信息、数据文件等，元素实体包含描述数据元素固有属性的信息，主要包括中英文名称、数据类型、值域、全局编码、术语描述等；②集合实体是指分类体系的中间层节点，可包含若干下层集合或元素实体，可归属于若干上层集合，集合实体包含集合名称、所属分类体系名称等属于该集合的必要描述信息；③关联实体是基于元关系建模方法，对传统三元组模型中“关系”的实体化抽象，关联实体可以通过包含关系与其他关联实体建立连接，从而在图谱中形成更复杂和精细的语义网络；④属性实体用来建模其他类型实体之间的公共属性，属性实体之间也可以有特定的逻辑关系。

智能高铁全域数据分类图谱如图1所示，其中绿色方块代表元素实体，表示经过汇聚、梳理和清洗后的智能铁路全域数据元素，是组成所有分类体系的基础；蓝色方块表示集合实体，是已经在铁路行业广泛采用的，经过专家验证的参照分类体系，如业务系统分类、业务领域分类等，可以作为参考计算其他分类体系的合理性并进行调整，限于篇幅，各参照分类体系仅画出了从顶层节点到叶子节点的一条示范链路；红色方块代表属性实体，表示部分有必要按照实体进行建模的重要属性，通常用来反映数据元素或集合的时间阶段、安全分级等方面。图1中的圆箭头代表实体之间的关系，即关联实体，本研究中的关联实体主要有包含、支撑、属性、大于、时序、管理、映射等，分别用于反映除关联实体以外的两个实体之间的因果关系、结构关系、时空关系等概念，而两个关联实体之间则只有包含关系。

图1的案例展示了隧道围岩量测业务的部分数据元及相关分类体系之间的关系。智能高铁领域的信息化管理以“模数驱动、轴面协同”为特色，其中“轴”指高速铁路“全生命周期管理”，在本模型中，体现在对“高速铁路生命周期”和“数据流转生命周期”等时间序列属性的建模，分别涵盖了高速铁路业务和信息技术两个维度信息，有助于实现高速铁路不同阶段的业务和信息系统的集成融合，推动不同阶段工作的无缝对接。“面”指“高速铁路全要素”，在本模型中，体现在对高速铁路业务领域体系、技术创新体系、信息化建设体系、环境要素体系的建模，利用知识图谱技术有效描述了不同专业、不同领域要素之间的关联关系，有助于打破信息断层和信息孤岛，推动资源的合理规划与配置。在本研究中，业务面体系、时间轴体系、全域数据元体系通过元模型构建了复杂关联关系，有效支撑了智能高铁大数据资产目录的构建和动态优化。

在图1中，限于篇幅，关联实体使用了圆箭头进行简化表示，实际上按照元关系理论来设计的关系模型具有相对复杂的结构和规则，分类图谱中的关系模式如图2所示。其中e₁—e₃代表元素实体，s₁—s₄代表集合实体，r₁—r₅代表关联实体，不同颜色的箭头表示一对除关联实体以外的其他类型实体经由本关联实体建立的一个连接，例如元素实体e₁和集合实体s₁之间具有关系r₁，此项关系由经过r₁的蓝色箭头表示，集合实体s₃和集合实体s₄之间也具有关系r₁，此项关系由经过r₁的紫色箭头表示。关联实体r₁和r₂包含于r₄，也可以称r₁和r₂是r₄的子关系。为了能够顺利记录不同实体对经由关联实体建立的海量关系信息，关联实体具有动态路径表，用于记录自身的归属信息和所有经由此实体的关系的路径信息，例如图2中r₁的路径表为［(r₁，r₄)，(e₁，s₁)，(e₃，s₂)，(s₃，s₄)］，路径表的第一项数据表示关系r₁从属于关系r₄。

一般情况下，分类体系是指任意能够以若干元素实体为叶子节点的树形结构，其中不能存在环路，一个下层节点不能同时包含于多个上层节点，并且只能存在唯一的顶层节点。但是在分类图谱中则没有此类限制，一个下层节点可以同时经多个关联实体被不同的集合或分类体系包含(例如图2中红色线路表示e₃可以通过关系r₁或r₃与s₂建立连接)，因此分类图谱可以灵活、全面地包含系统中所有的现有分类体系，用来推理生成新的分类体系。

2　分类体系的优化调整算法

在智能铁路数据分类图谱构建完成后，其内部已经包含了经过专家认证的分类体系如业务归属体系、智能高铁技术创新体系等，称为参照分类体系；当用户根据需求向图谱中输入一个未经认证的分类体系时，则需要算法来对其进行辅助优化和调整，或进行合理性评价，此时称其为待定分类体系。

在提出的分类图谱模型中，分类体系是由内部的各个集合实体组成，因此对于每一个集合实体，通过分析其在待定分类体系中的规模和位置等特征，并且与参照分类体系中相似的集合实体进行对比，再通过合理的目标函数来确定其是否适合位于当前层级，以及是否需要进行分裂、合并等操作，以集合实体为单位逐步对分类体系进行改进是算法的主要思路。算法包含以下步骤。

2.1　元素实体相似度计算

集合实体包含若干元素实体，或者通过其包含的其他集合实体间接包含大量元素实体，因此要衡量集合实体的相似度，需要先明确元素实体之间的相似度。2个数据元素之间可能通过在参照分类体系中共同归属于某集合或者具有相似的内外部属性而产生相似性，因此某元素实体的相似性定义如下。

（1）数据元与自身相似度设置为1。

（2）归属相似度：遍历分类图谱中的所有元素实体，若两者在某分类体系下属于同一个集合实体，则分数增加k，k为此分类体系中该层级所有集合实体的数量，遍历结束后，归属相似度计算如公式⑴所示。

E{D}_{\mathrm{1}}=\frac{k}{K}⑴

式中：K为所有参照分类体系的最低层集合实体数量的总和；k为此分类体系中该层级所有集合实体的数量；ED₁为2个元素实体之间的归属相似度。

（3）属性相似度：2个元素实体的属性相似度计算如公式⑵所示。此步骤的所有属性项数不计入中英文名、编码、主键等。

E{D}_{\mathrm{2}}=\frac{f}{F}⑵

式中：f为2个元素实体内部属性和外部属性的描述信息中相同项的数量；F为2个元素实体内部属性和外部属性的总项数；ED₂为2个元素实体之间的属性相似度。

（4）元素实体相似度：考虑到分类体系中归属关系具有更重要的权重，最终得到的元素实体相似度ED如公式⑶所示。

ED=\frac{\mathrm{2}\times E{D}_{\mathrm{1}}+E{D}_{\mathrm{2}}}{\mathrm{3}}⑶

式中：ED₁为两实体间的归属相似度；ED₂为两实体间的属性相似度；ED为两实体间的总相似度。

2.2　集合实体相似度计算

2个集合实体之间可能通过具备相近的规模体量，包含相似的元素实体产生相似性，集合实体相似度计算过程如下。

（1）集合实体与自身的相似度设置为1。

（2）计算2个集合实体直接或间接包含的元素实体数量n₁，n₂，同时统计两者的所有元素实体归属于“业务归属”和“智能高铁技术创新”这2个参照分类体系的最底层集合实体数量，统计结果记为两者包含的铁路业务数量b₁，b₂。

（3）记录2个集合实体的层次l₁，l₂，层次的统计方法为直接包含元素实体的为第1层，包含第1层集合实体的为第2层，以此类推。

（4）遍历集合实体1所包含的所有元素实体，分别计算其与集合实体2包含的每个元素实体之间相似度ED，并计算平均值；遍历结束后，计算总体平均值ED_ave。

（5）最终2个集合实体的相似度SD计算如公式⑷所示。

SD=\frac{\mathrm{m}\mathrm{i}\mathrm{n}\left(n_{\mathrm{1}}，n_{\mathrm{2}}\right)}{\mathrm{m}\mathrm{a}\mathrm{x}\left(n_{\mathrm{1}}，n_{\mathrm{2}}\right)}\times \mathrm{0.2}+\frac{\mathrm{m}\mathrm{i}\mathrm{n}\left(b_{\mathrm{1}}，b_{\mathrm{2}}\right)}{\mathrm{m}\mathrm{a}\mathrm{x}\left(b_{\mathrm{1}}，b_{\mathrm{2}}\right)}\times \mathrm{0.2}+\frac{\mathrm{m}\mathrm{i}\mathrm{n}\left(l_{\mathrm{1}}，l_{\mathrm{2}}\right)}{\mathrm{m}\mathrm{a}\mathrm{x}\left(l，l_{\mathrm{2}}\right)}\times \mathrm{0.2}+E{D}_{ave}\times \mathrm{0.4}⑷

式中：n₁，n₂分别为第1、第2个集合所包含的元素数量；b₁，b₂分别为第1、第2个集合所包含的铁路业务数量；l₁，l₂分别为第1、第2个集合在所属分类体系中的层级；ED_ave 为2个集合中的每个元素相似度的平均值；SD为两个集合实体的相似度；min为取最小值的计算函数；max为取最大值的计算函数。

2.3　分类体系的优化算法

构建了元素实体和集合实体相似度计算方法以后，按照以集合实体为单位逐步对待定分类体系进行改进这一思路，优化算法对每个集合实体的调整包含2个方面，一方面是纵向上进行层级调整，另一方面是横向上进行分类面优化，这2个过程随着算法的运行同步开展。优化算法以轮次为单位推进，每个轮次遍历待定分类体系中的所有集合实体，某集合实体S_N 在每个轮次有5种可能的操作：升级、降级、分裂、合并、保持，具体选择何种操作按下述步骤进行。

步骤(1)：假设S_N 目前在待定分类体系中的第L层，计算S_N 与所有参照分类体系中处于第L-1，L，L+1这3个层级中的集合实体的相似度并进行排序，标记前50%的节点，则S_N 属于第L层级的概率P(S_N，L)为L层被标记节点数量与L层总节点数量的比值，比较P(S_N，L)，P(S_N，L-1)，P(S_N，L+1)三者的大小确定下一步操作。

步骤(2)：若P(S_N，L+1)值最大，说明S_N 和上层集合实体的相似度更高，将S_N 进行升级操作，移入上一层级，同时S_N 包含的所有集合实体也进行升级操作，若S_N 已经是最高层级则本轮不进行调整。

步骤(3)：若P(S_N，L-1)值最大，说明S_N 和下层集合实体的相似度更高，将S_N 进行降级操作，移入下一层级，同时S_N 包含的所有集合实体也进行降级操作，若S_N 的下层集合实体已经是最低层级，则将所有下层实体与S_N 合并，再进行降级操作。

步骤(4)：若P(S_N，L)值最大，说明S_N 和本层集合实体相似度更高，目前的层级位置合理，保持原层级。

步骤(5)：测试合并操作，依次尝试将S_N 与待定分类体系中位于第L层的另一个集合实体合并成为S_N ’，计算P(S_N ’，L)，P(S_N ’，L-1)，P(S_N ’，L+1)的值，令△ _L =P(S_N ’，L)-P(S_N，L)，△ _L-1=P(S_N ’，L-1)-P(S_N，L-1)，△ _L+1=P(S_N ’，L+1)-P(S_N，L+1)，当△ _L >0，△ _L-1和△ _L+1均<0时，确认本次合并，并用S_N ’替代S_N。

步骤(6)：测试分裂操作，遍历S_N 的所有下层集合实体，依次尝试将每个下层实体移除，使S_N 变为S_N ”，计算▽ _L =P(S_N ”，L)-P(S_N，L)，▽ _L-1=P(S_N ”，L-1)-P(S_N，L-1)，▽ _L+1=P(S_N ”，L+1)-P(S_N，L+1)，当▽ _L >0，▽ _L-1和▽ _L+1均<0时，确认本次分裂。不断循环步骤(6)，直到条件“▽ _L >0，▽ _L-1和▽ _L+1均<0”不再满足为止。在步骤(6)中被移除的所有S_N 的下层集合实体将合并为一个新的L层集合实体，等待下一轮次的操作。

步骤(7)：多次循环步骤(1)—(6)，直到某轮次待定分类体系中的所有集合实体的状态均为“保持”为止。

该算法可对用户输入的待定分类体系进行调整和优化，实现了对智能高铁数据资源不同视角、不同专业的目录架构进行重新组织或融合分析，为智能高铁数据资源的管理、发现、定位、共享提供了有效的途径。

2.4　分类体系合理度评价算法

假设有多个待定分类体系，有时业务需求是对比各体系之间的优劣，对分类体系进行科学的评价客观的评价，主要思路是将一个待定分类体系T通过2.3节的算法调整到最优形式T’，然后通过树核函数、编辑距离、特征距离3部分构建目标函数加权计算T和T’之间的距离TD，两者之间距离越小，说明T越接近最优解T’，可以给T更高的分数。算法流程如下。

步骤(1)：用树核方法^[16]计算2个分类体系之间的树核距离TD₁。首先确定树核函数的计算方法如公式⑸所示，依据子路径方法衡量2个分类体系之间的距离，子路径是指分类体系顶层集合实体到其中一个元素实体路径的子集。

T{D}_{\mathrm{1}}=\mathrm{K}\left(T，T\mathrm{’}\right)={\sum }_{h\in H}\mathrm{n}\mathrm{u}{\mathrm{m}}_h\left(T\right)\times \mathrm{n}\mathrm{u}{\mathrm{m}}_h\left(T\mathrm{’}\right)\times w_{\left|h\right|}⑸

式中：\mathrm{K}(T，T’)为树核函数；TD₁为树核距离；num _h (T)为子路径h在分类体系T中出现的次数；|h|为子路径h中包含的集合实体的数量；H为分类体系T和T’中所有子路径的集合；w_|h| 是子路径h的权重，该权重设置为|h|/|H|。

步骤(2)：累加编辑距离TD₂。编辑距离是指将分类体系T调整到T’总共所需的操作步骤，在2.3节的分类体系优化算法运行过程中，每触发一次集合实体的调整，包括升级、降级、分裂、合并，TD₂的值增加1，优化算法运行结束后便可直接得到总调整次数即为编辑距离TD₂。

步骤(3)：计算分类体系之间特征距离TD₃。①令N₁，N₂为2个分类体系中集合实体的数量，L₁，L₂为2个分类体系的层数。②遍历T中的所有集合实体，对于第L层的集合实体，分别计算其与T’中第L-1，L，L+1层级中的各集合实体之间相似度SD，并计算平均值；遍历结束后，计算总体平均值SD_ave。③计算分类体系之间的特征距离。

特征距离的计算方法如公式⑹所示。

T{D}_{\mathrm{3}}=\frac{\mathrm{m}\mathrm{i}\mathrm{n}\left(N_{\mathrm{1}}，N_{\mathrm{2}}\right)}{\mathrm{m}\mathrm{a}\mathrm{x}\left(N_{\mathrm{1}}，N_{\mathrm{2}}\right)}\times \mathrm{0.2}+\frac{\mathrm{m}\mathrm{i}\mathrm{n}\left(L_{\mathrm{1}}，L_{\mathrm{2}}\right)}{\mathrm{m}\mathrm{a}\mathrm{x}\left(L_{\mathrm{1}}，L_{\mathrm{2}}\right)}\times \mathrm{0.2}+S{D}_{ave}\times \mathrm{0.6}⑹

式中：N₁，N₂分别为第1、第2个分类体系中集合实体的数量；L₁，L₂分别为第1、第2个分类体系的层数；SD_ave 为2个分类体系中的每个集合相似度的平均值；TD₃为2个分类体系之间的特征距离。

步骤(4)：基于上述定义和计算，最终的分类体系合理度TD计算方法如公式⑺所示。该式取值结果通常在0到3之间，数值越大越好。

TD=T{D}_{\mathrm{1}}+\left(\mathrm{1}-\frac{T{D}_{\mathrm{2}}}{N_{\mathrm{1}}+N_{\mathrm{2}}}\right)+T{D}_{\mathrm{3}}⑺

3　案例分析

选取铁路工程建设管理平台中某建设阶段智能高铁的项目管理领域数据目录(以下简称“案例目录”)作为分析案例，项目管理是工程建设管理平台中最重要、数据量最大的业务领域，包含各工程项目的进度、质量、安全等关键管理数据以及物资、应急等后勤保障方面的数据。案例目录是一个采用了业务归属、信息系统、数据流转3种分类维度，涵盖9个层级的大型数据目录，该目录自上线开始随着平台的应用不断进行人工优化和调整，在案例分析环节，需要使用其2个不同的版本，分别为平台建设早期形成的V1.0版本T_V1，以及经过多轮人工优化后形成的V3.0版本T_V3，根据一线业务人员的反馈，分类体系T_V3要显著优于分类体系T_V1。通过对这2个版本分类体系分别进行算法优化分析和主客观评价指标分析，一定程度上可以反映算法的总体性能，具体过程如下。

（1）算法优化分析。在2.4节提出了分类体系的合理度计算方法，其思路是利用动态优化算法将一个分类体系进行优化直到取得稳定解，中间需要的调整步骤越少，说明原分类体系越接近最优解。实施步骤为：①分别对2个版本的案例目录T_V1和T_V3调用分类体系优化算法，得到各自对应的优化后分类体系T_V1’和T_V3’；②计算T_V1和T_V1’之间的分类体系合理度指标TD_V1，以及T_V3和T_V3’之间的分类体系合理度指标TD_V3，其中TD_V1为1.92，TD_V3为2.21，说明T_V3与动态优化算法生成的最优解更为接近。

显然，案例目录的T_V3版本是T_V1版本经人工优化所得，因此说明了分类体系合理度算法一定程度上能够反映出分类体系的优劣。当然此步骤还无法说明T_V1和T_V1’之间，以及T_V3和T_V3’之间的优劣，需要后续进行人工评价。

（2）主观评价分析。如何评估一个数据目录或分类体系及其优化算法的性能是一个具有挑战性的问题，该领域相关的研究成果较少，并且分类体系的应用效果更多需要依托行业应用环境。邀请相关专家采用盲评原则，对T_V1，T_V3，T_V1’，T_V3’这4个数据目录的合理性根据自身经验进行排序，然后统计每个数据目录获得的排名总和，数值越小越好，案例测试结果如表2所示。从专家评价排序表现来看，T_V1’的表现比其原版本T_V1更好，说明分类体系优化算法起到了正面的作用，虽然算法优化结果T_V1’暂时不及经过多次人工迭代的版本T_V3，但在优化时间方面，动态优化算法所消耗的时间要显著小于人工优化方法所需的时间。T_V3和其算法优化版本T_V3’的排名持平，可能是因为算法对于已经充分优化的分类体系提升能力不足，这一点需要在后续进行深入研究。

（3）客观评价指标。主观评价分析环节中对案例目录的评价，主要采用了一线业务专家主观评价的方法。尽管当前业界缺乏针对数据目录的客观评价指标，考虑到智能高铁数据目录从本质上说是一棵树形结构，因此从数据结构的角度，在树结构的操作效率、存储空间、可维护性等方面，有很多成熟的性能评价指标，例如树的深度、宽度、密度、平衡性、复杂度等。选定如下4个客观指标对目录进行衡量。

①目录深度：定义为从目录最高层级节点到最低层级的数据元素节点之间的最长路径长度。从信息技术角度，在进行查询或新增节点操作时，深度小的目录更具效率优势。对于需要频繁访问和增删的目录，应尽量保持较小的深度以优化性能。②目录平衡度：用于描述目录的各分支深度是否大致相同。该指标的计算需要遍历目录的每个节点，统计每个节点的最深子节点和最浅子节点的深度差，并从所有结果中取最大值。深度差越小，操作效率越高，并且显著降低各项操作的时间复杂度。③目录分支因子：用于描述每个节点的子节点数。该指标的计算需要遍历目录的所有节点取子节点数量的平均值。该项指标较大时会增加目录的宽度并减少深度，提高访问速度的同时可能会增加复杂性，该项指标较小时可能导致目录的深度增加，影响效率。④目录分支分布：描述了目录中各节点的子树数量和分布模式。该指标的计算需要遍历所有节点记录其子树数量，形成一个数组并计算该数组的标准差。一个合理的分支分布通常能提供更均匀的访问路径，进而能够提供较稳定的性能。

客观评价指标结果如表3所示。

分析表3中的数据可以发现：①目录深度方面，数值越大访问效率越低，因此该项分数越小越好，采用动态优化算法不会有明显的提升效果，因为想让一个大规模的数据目录结构整体上减少或增加一层的改动量巨大；②平衡性方面，数值越小说明各分支深度越接近，搜索效率越高，因此该项分数越小越好，动态优化算法为T_V1减小了1层，但对T_V3没有改善效果，可能是因为T_V3已经得到了人工优化的原因，总体上算法的作用是正面的；③在分支因子方面，动态优化算法能够显著减少每个节点的子节点数量，导致优化后目录中每个节点的子节点数量相对更平均，但实际上对目录的深度和宽度影响并不明显；④在分支分布方面，数值越小性能越稳定，因此该项分数越小越好，算法能够显著降低目录中各节点子树分布的标准差，这个改动从技术上说能够使系统对目录的各项操作性能更加稳定。

结果表明，对于早期版本的数据目录，提出的动态优化算法具有明显的改进效果。对于经过业务人员优化调整过的数据目录，动态优化算法在客观评价指标上表现更好，而在主观评价方面改善程度有限。

4　结束语

针对智能高铁多元异构的复杂应用场景，构建了基于元关系模型的智能高铁全域数据分类图谱，提出了动态目录调整算法和数据目录合理性客观评价算法，并选取了测试数据目录进行优化验证，形成了一整套可落地的数据目录优化技术解决方案。

通过构建即时响应、动态优化的数据目录服务体系，将支撑高速铁路以“全生命周期管理”为“轴”，以“智能高铁技术创新”为“面”，基于智能高铁全域数据中不同专业、不同阶段、不同要素数据资产的高效互动，充分利用融合分析技术优势，推动资源合理规划配置，避免铁路建设运营各专业、各领域之间产生信息断层及信息孤岛。

在后续的研究中，将规划数据目录的自动生成功能，能够根据用户需求，以提示词或系统提供的特定的选项为线索，自组织地生成符合需求的分类体系。另一方面，计划扩充现有的图谱功能，增加铁路各专业知识图谱、铁路应急事件图谱等信息，扩展数据分类体系图谱的规则库，实现更强大的搜索和推理功能。

参考文献

[1] 杨东盛，王卫东，马小宁，等. 面向智能城际铁路的大数据服务架构及数据交互设计[J]. 铁道运输与经济，2023，45(7)：44-51.

[2] YANG Dongsheng， WANG Weidong， MA Xiaoning，et al. Big Data Service Architecture and Data Interchange Design for Intelligent Intercity Railway[J]. Railway Transport and Economy，2023，45(7)：44-51.

[3] 武　威，马小宁，殷新贝，等. 面向重载铁路基础设施智能运维的朔黄铁路智能大脑平台总体设计及关键技术研究[J]. 铁道运输与经济，2023，45(11)：11-21，57.

[4] WU Wei， MA Xiaoning， YIN Xinbei，et al. Research on Overall Design and Key Technologies of Shuohuang Railway Intelligent Brain Platform for Intelligent Operation and Maintenance of Heavy-Haul Railway Infrastructure[J]. Railway Transport and Economy，2023，45(11)：11-21，57.

[5] 赵蔡晶. 国内数据要素价值化研究综述及展望[J]. 信息资源管理学报，2024，14(2)：41-53.

[6] ZHAO Caijing. Value Creation of Data Elements：Review and Research Prospects[J]. Journal of Information Resources Management，2024，14(2)：41-53.

[7] 李　燕，刘道芳. 数据资源编目研究及应用[J]. 数字技术与应用，2021，39(9)：120-122，126.

[8] LI Yan， LIU Daofang. Research and Application on Data Resources Cataloging[J]. Digital Technology & Application，2021，39(9)：120-122，126.

[9] 白紫秀，王　涛，郭明多，等. 交通运输政务数据分类分级方法研究[J]. 信息安全研究，2023，9(8)：808-813.

[10] BAI Zixiu， WANG Tao， GUO Mingduo，et al. Classification and Grading Method of Transportation Government Data[J]. Journal of Information Security Research，2023，9(8)：808-813.

[11] 龙奇勇，赵东旭，陈可蕴，等. 面向国土空间规划的自然资源数据“一张图”建设研究[J].工程勘察，2024，52(5)：49-53.

[12] LONG Qiyong， ZHAO Dongxu， CHEN Keyun，et al. Research on the Construction of Natural Resource Data Map for National Territorial Space Planning[J]. Geotechnical Investigation & Surveying，2024，52(5)：49-53.

[13] 金　健，任建福，黄景金，等. 基于分层分类的自然资源时空数据组织结构探讨[J]. 地理空间信息，2022，20(9)：18-22.

[14] JIN Jian， REN Jianfu， HUANG Jingjin，et al. Research on Natural Resource Spatio-Temporal Data Organization Structure Based on Hierarchical Classification[J]. Geospatial Information，2022，20(9)：18-22.

[15] 汤　磊，胡忆东，孟　成，等. 智慧城市目标下的城市信息模型数据分类体系研究[J]. 测绘地理信息，2023，48(5)：149-154.

[16] TANG Lei， HU Yidong， MENG Cheng，et al. Data Classification System of City Information Model under the Goal of Smart City[J]. Journal of Geomatics，2023，48(5)：149-154.

[17] 索智杨，祝小静. 面向智慧养老场景的数据资源分类体系框架构建研究[J]. 图书与情报，2023(2)：127-136.

[18] SUO Zhiyang， ZHU Xiaojing. Research on Data Resource Classification System for Smart Elderly Care Scenario[J]. Library & Information，2023(2)：127-136.

[19] 方　亮. 钢铁企业全域数据架构研究[J]. 冶金自动化，2023，47(S1)：410-414.

[20] 国家市场监督管理总局，国家标准化管理委员会. 信息技术 大数据 数据分类指南：GB/T 38667—2020 [S]. 北京：中国标准出版社，2020：11.

[21] 饶　伟，李碧秋，任宸莹，等. 铁路数据分类分级保护路径研究[J]. 铁道通信信号，2023，59(11)：49-54.

[22] RAO Wei， LI Biqiu， REN Chenying，et al. Research on Classification and Grading Protection Strategy of Railway Data[J]. Railway Signalling & Communication，2023，59(11)：49-54.

[23] 王同军. 中国智能高速铁路2.0的内涵特征、体系架构与实施路径[J]. 铁路计算机应用，2022，31(7)：1-9.

[24] WANG Tongjun. Connotation，Architecture and Implementation Path of China Intelligent High Speed Railway 2.0[J]. Railway Computer Application，2022，31(7)：1-9.

[25] PAULHEIM H. Knowledge Graph Refinement：A Survey of Approaches and Evaluation Methods[J]. Semantic Web，2016，8(3)：489-508.

[26] JI S X， PAN S R， CAMBRIA E，et al. A Survey on Knowledge Graphs：Representation，Acquisition，and Applications[J]. IEEE Transactions on Neural Networks and Learning Systems，2022，33(2)：494-514.

[27] LIGA D， PALMIRANI M. Deontic Sentence Classification Using Tree Kernel Classifiers[M]. Cham：Springer International Publishing，2022：54-73.

基金资助

国家自然科学基金高铁联合基金项目(U2268202)