智能城市信息模型的自动化实例化、可视化和分析

能源与人工智能8（2022）100137语义3D城市Agent--动态地理空间知识图Arkadiusz Chadzynskia，Shiying Lib，Ayda Grisiuteb，Feroz Farazic，Casper Lindberga，SebastianMosbachc，Pieter Herthogsb， Markus Krafta，c，d，地址：Cambridge Centre for Advanced Research and Education in Singapore（CARES），CREATE Tower，1 Create Way，Singapore，138602，Singapore地址：1 Create Way，Singapore，138602c剑桥大学化学工程与生物技术系，Philippa Fawcett Drive，West Site，CB3 0AS Cambridge，UKd南洋理工大学化学与生物医学工程学院，62 Nanyang Drive，Singapore，637459，SingaporeH I G H L I G H T S• 通过可持续的数字化实践提供工业4.0能力。• JPS Agent框架的认知结构和路由知识图访问组件.• 语义3D城市代理的自动化城市信息模型建立、可视化和分析。A R T I C L E I N F O保留字：认知架构人工智能知识图谱自动化城市建模地理空间信息G R A P H I C A L A B S T R A C TA B标准本文提出了一个系统的自主智能软件代理，认知架构的基础上，能够自动化的实例化，可视化和分析多方面的城市信息模型在动态地理空间知识图。为了给智能代理系统提供骨干基础设施，需要设计JPS代理框架和路由知识图访问 组件作为技术 不可知的知识 图访问，实 现多域数据互 操作性的自动 化。CityImportAgent、CityExportAgent和DistanceAgent的开发展示了城市知识图谱的智能自动化能力。这些智能体成功地在LOD 2中创建了柏林的语义模型，该模型符合CityGML 2.0标准，由419 909 661个使用OntoCityGML描述的三元组组成。代理系统还通过自主跟踪与Web界面，并通过向知识图添加新信息来丰富模型。这种方式设计一个能够满足工业4.0要求的地理空间信息系统是可能的 并将其与《阿凡达世界》的其他多领域知识表示通讯作者：剑桥大学化学工程与生物技术系，地址：Philippa Fawcett Drive，West Site，CB3 0AS Cambridge，UK。电子邮件地址：mk306@cam.ac.uk（M. Kraft）。https://doi.org/10.1016/j.egyai.2022.100137接收日期：2021年11月8日;接收日期：2022年1月11日;接受日期：2022年1月13日2022年2月5日在线发布2666-5468/© 2022由Elsevier Ltd.发布这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可从ScienceDirect获取目录列表能源与AI期刊主页：www.elsevier.com/locate/egyaiA. Chadzynski等人能源与人工智能8（2022）10013721. 介绍一般背景和问题空间澳大利亚、奥地利、比利时、加拿大、爱沙尼亚、芬兰、法国、德国、爱尔兰、日本、卢森堡、荷兰、英国、美国、波兰、新加坡、瑞士[3]、土耳其[4]、台湾[5，6]和阿曼[7]等国已经认识到国家层面对地理空间特征[2]可持续数字化[ 1 ]的当前需求 人们还意识到，基于标准的3D城市模型除了有助于更传统的城市规划工作[8]外，还可以在多因素优化场景中发挥重要作用[9]。对跨多个感兴趣领域的可互操作数据进行如此复杂的模拟，可以有针对性地更接近于回答被联合国视为“整个现代人类面临的最大威胁”的一系列问题 也就是说，气候变化可能成为危机倍增器，对新加坡这样的国家甚至构成生存威胁。城市知识图（CKG）[12 - 14 ]被设想为世界化身（TWA）的子系统-一个通用的，包罗万象的动态知识图，根据W3C提供的语义网标准和建议构建，并且能够进行多领域知识表示[ 15 ]，这是剑桥大学新加坡高级研究与教育中心（CARES）新加坡ETH中心（SEC）TWA已用于模块化核电站的最佳选址[16]、化学动力学反应机制的模拟[17]、量子化学计算[18]、燃烧化学[19]和生态工业园区的电力系统优化[20]。作为一个动态的地理空间知识图，基于语义3D城市数据库[2]，CKG被设计用于产生和处理城市环境的多维表示。知识图架构可以轻松地将它们与J-ParkSimulator（JPS）[21-并行世界框架[27]能够进行复杂的场景分析并向知识图添加随时间变化的方面，可以用作上述多因素优化场景的基础，这些场景还考虑了其他领域表示并进一步丰富了洞察范围。与本文中提出的TWA和CKG等努力不同，目前可用的信息系统没有实现认知架构的至少一些元素[28]，由于其面向人机交互的设计，遇到了许多问题，这些问题是第四次工业革命前计算机系统架构的典型问题。与此相反，CKG将能够弥补当今地理信息系统（GIS）应用程序和基础设施中常见的一些差距几段。GIS与工业4.0利用并提供各种类型的多域数据的可互操作源的智慧城市是工业4.0的旗舰应用之一。 虽然目前可用的许多GIS作为创建城市地理空间可描述元素的数字双胞胎的手段，但它们通常缺乏自动化，而自动化被认为是能够满足第四次工业革命要求的信息系统的第二重要特征。因此，它们通常不再满足现代对智能系统的需求，能够自主分析信息并考虑多个领域[31]。现有的软件依赖于人机交互，并且通常在执行分析任务时涉及的人比计算机多。通过现有技术创建和更新城市信息模型（CIM [32]）依赖于耗时且容易出错的手动数据管理过程。传统GIS也缺乏动态，因为现有的数据格式和建模技术使模型难以保持最新。这样的系统被设计为处理分布在大量不同平面文件中的数据。没有简单的方法可以从这种静态模型中吸取教训，这些模型消除了历史方面，因此，不允许 来了解城市的发展、停滞或恶化。 它们通常也不允许在没有复杂的导入和导出多种类型文件的过程的情况下分析CIM更改，整个城市此类CIM的示例是由开放地理空间联盟（OGC）[33]提供的基于XML文件的模型，该模型描述CityGML标准中的各种城市元素。 它们通常用作城市景观管理和规划系统的数据交换标准，甚至用作Web上3D城市景观可视化应用程序的基于文件的数据源。 3D城市数据库是在慕尼黑工业大学（TUM）开发的，旨在通过将XML转换为关系数据库管理系统（RDBMS）来增加基于CityGML的模型的灵活性和可扩展性[34]。更好的数据互操作性也可以通过实现特定于域的扩展来支持[35]。然而，CIM创建和可视化的数据转换过程使用其导入者/导出者工具应用程序，使其手动且容易出错，特别是在考虑较大模型合成语义3D城市数据库[2]基于语义三元组存储后端而不是RDBMS，在TWA中启用了动态地理空间知识图功能。该创新消除了关系数据库中默认的封闭世界假设（CWA）对原始3D城市数据库的数据互操作性限制[36]。 语义3D城市数据库采用了开放世界假设（OWA），这意味着它可以作为一个语义知识库，通过推理引擎实现推理和真理维护功能，并将OntoCityGML作为其模式。其次，它还增加了地理空间搜索功能，允许从一组坐标所限定的特定区域有效地检索CIM数据[37]。 然而，在Chadzynski等人[2]描述的概念证明中，数据导入和导出仍然依赖于适当增强的导入者/导出者工具，并且仍然是手动的。虽然概念验证阶段的手 动 方 法 允 许 基 于 CityGML 2.0 LOD 2 模 型 成 功 地 生 成 柏 林Charlottenburg-Wilmersdorf区的语义孪生模型，但缺乏 的 自动化 当试图在知识图中实例化柏林剩余的11个区并将实例化的城市数据链接到其他知识域时，该方法的有效性成为一个问题。本文的目的是提出一个认知CKG中应用的架构，实现自动化数据处理任务和自动化分析功能。这些功能由一组软件代理演示，这些软件代理自动加载并生成整个柏林市的语义表示（所有12个区），使用3D城市数据库的网络地图客户端的改编版本自动可视化，自动计算，通过跟踪与表示的外部交互，延迟并可视化特定城市对象之间的各种感兴趣距离。第2节中讨论了该架构的最一般元素，描述了JPS代理框架（第2.2节）和路由知识A. Chadzynski等人能源与人工智能8（2022）1001373图1.一、 基于分布式知识图和可互操作代理的跨域World Avatar平台架构。图访问（第2.3节）更详细。给出了基于这些元素的智能自治代理的具体实现在第3节中，讨论并演示了使用城市导入代理的自动CIM创建工作流程（第3.1节）、由城市导出代理促进的CKG中的动态可视化功能（第3.2节）以及自动距离相关分析功能，使用距离代理基于外部交互获得新知识（第3.3节）。柏林CIM自主实例化，可视化和分析的语义3D城市代理在CKG以及潜在的研究方向的实证评估中描述的最后一节4。2. 《阿凡达》中的认知架构TWA的信息系统架构的设计，以满足智能自治代理系统上运行的一般知识图的需要。这些代理通常包括允许他们拦截一些输入的方法（传感器），基于这些输入执行信息处理的程序，以及先前获取的代表外部环境的知识，以及基于信息处理结果（执行器）导致某些动作的方法[38]。根据Langley等人[28]的说法，认知架构包括认知代理的各个方面，这些方面随着时间的推移和不同的应用领域而保持不变。这些措施通常包括：• 短期和长期记忆，存储有关代理人• 这些范畴中所包含的元素的表征及其在更大规模的心理结构中的组织• 在这些结构上运行的功能过程2.1. 世界神通《阿凡达世界》的目标是作为整个世界的智能数字表示。这样的表示必须是多域的。属于世界不同层次的单个元素的表示，从微观尺度上的化学或物理学所考虑的那些，到其他科学所研究的更大的宏观尺度对象，事件和过程，都以语义三元组的形式编码。这些三元组构成了关于整个世界的知识。从本质上讲，它们是主语描述世界的某个方面。这些语句将不同的元素相互关联，并且当作为链接数据组合时形成知识图。这种复杂语义表示的优点在于，它通过允许使用语义推理器来提供一些人工智能能力，所述语义推理器使用本体和一阶逻辑从现有语句导出新信息。这些功能直接内置在数据存储层中。对表示的更智能的操作由能够进行知识获取、细化、验证和其他更高级操作的认知代理系统支持，这些操作类似于任何智能生物通常显示的操作。刚刚描述的架构构建块在图1中呈现。1正如Inderwildi等人[39]所指出的，TWA的潜在应用之一是用作网络物理系统（CPS），以帮助能源脱碳。CKG是TWA的一部分，它形成了一个子系统，专门用于表示上述宏观尺度对象以及整个城市内发生的事件和过程。众所周知，由于传统上由化石燃料提供的高能源需求，城市是主要的CO2排放源之一。以链接到其他域的数据形式表示它们允许复杂的多域优化模拟。 通过这种方式，可以评估对城市内能源效率、能源储存和能源管理的影响。裕廊岛的碳税电网优化的案例研究其他研究，如新加坡美食广场的废物能源管理，目前正在进行中。电网和其他能源网是任何国家关键基础设施的一部分。在TWA中对可互操作数据进行多域模拟，可以进行复杂的经济和环境评估，同时考虑到网络威胁对国家安全的影响以及对各种政策的影响分析。以包罗万象的知识图的形式组合信息允许发现可能隐藏在孤立数据中的相互依赖性。TWA的知识图为智能自治代理提供了一个基础设施，用于存储和检索基于多个域元素表示的存储器。所有知识都以语义三元组的形式存储，符合语义Web标准和W3C的建议。JPS Agent Framework与RoutedKnowledge Graph Access组件一起，为这些Agent提供接口，以拦截输入并有效地操作高度分布式的多域知识表示，使它们能够执行某些操作，A. Chadzynski等人能源与人工智能8（2022）1001374图二. TWA中认知架构的基本构建块的类图。基于Java HTTP Servlet技术的抽象JPSAgent是所有其他代理类的基类。这包括促进知识图的数据存储和检索功能的代理。这种设计确保了与所有其他JPS和TWA基础设施的最大向后兼容性，并提供了与通过HTTP协议工作的大量现有Web API集成的灵活性获得知识或对外部环境产生影响。因此，知识图和代理系统的这种组合形成了一组基本架构构建块，允许TWA 复制和自动化，至少部分，在其他认知系统中发现的基本行为和功能，包括类人智能[40]。2.2. JPS代理框架JPS代理框架是自2014年以来在J-Park模拟器（JPS）下的世界阿凡达（TWA）项目中积极工作的代理系统的概括结果[21]。它是JPSBaseLib库的一部分，用Java编程语言开发，并在TWA中广泛使用[41]。代理和库都是围绕微服务架构[42，43]设计的，同时遵循最小服务模型[44，45]。这种模块化方法确保了高度分布式系统的可伸缩性，并改进了变更管理。它还通过扩展系统组件使其同时可重用和可替换，从而实现可持续的服务演进[43]。TWA中代理系统的这些架构属性使得自动化服务集成和组合[46]成为异构链接数据互操作性的默认设置。语义编码数据对应于多个领域的知识表示中包含的元素，并由其代理处理，被视为链接的语义Web服务[44]。如图所示2、TWA中的JPSAScript继承自标准Java HttpServlet类[47]。这使得HTTP成为默认的代理间通信协议，允许在同一台机器、本地网络或互联网上使用常见的序列化格式（如XML或JSON）进行同步和这样的可扩展性使得它更容易实现TWA代理系统在一个高度分布式的形式，以及离开它开放到一个平滑的集成与过多的外部Web服务在Web上可用的JPS代理框架通过将HTTP请求参数提取为JSON格式并作为输入传递给代理，使代理程序独立于代理间通信协议换句话说，构建在框架上的代理通过其虚拟传感器拦截符号输入[28]。在设计过程中遵循这样的关注点分离使得代理与物理传感器设备一起工作的代理，测量温度，湿度或光量等参数，通过拦截来自适当中间件的请求以相同的方式接收符号输入。该框架根据网络安全最佳实践和建议，执行此步骤是为了确保只有正确形成的数据才能进入信息系统中的工作流程，防止错误的数据在知识图中持续存在并触发各种下游组件的故障[48]。这样，输入例如句子“Allswansarewhite.”“，数字11235813或IRIhttp://www.some.com/input/代理的程序，反过来，包括各种功能过程，这些功能过程对来自多个域的元素的表示进行操作，并通过将符号输入与现有知识和代理系统存储的信念进行比较来在知识图谱中因此，代理可以分别检查用于动物的现有实例的知识图，所述动物是具有属于天鹅属内的鸭科的黑色羽毛的鸟，允许检测数字序列中的数学模式的现有机制，以及匹配某个资源的知识路由图条目的存在，以便在执行任何进一步的信息处理或将它们包括在知识库中之前语义地验证其输入。A. Chadzynski等人能源与人工智能8（2022）1001375JPS代理框架允许开发代理程序的灵活性，并且不需要进一步符合任何特定接口。这样，代理通过将它们与现有的记忆和知识进行比较来处理它们的输入，通过各种库中包含的代码转换这些输入，执行执行更复杂操作所需的任何专用代理现有的记忆由代理检索用于这种处理目的，以及通过技术不可知的路由知识图访问机制存储在知识图中，在下一小节中描述所有JPS代理默认遵循的接口中包含了执行此操作的适当方法通过这种机制提供的知识图为代理提供了指导语义所需的消息传递上下文，以便在发送者和接收者之间实现语义的一致性，并使代理能够将语义定向到特定的应用程序或环境[49]。2.3. 路由知识图访问路由知识图访问是一组TWA组件，允许代理在其分布式多域知识图中导航资源。它由StoreRouter和StoreClients组成，为其他代理提供与存储技术无关的信息管理方式。 这些组件被集成到充当它们的知识图入口点的智能代理中。当某些元素的表示需要用于自己的目的时，他们就会联系它，而不关心用于在知识图中持久化这些表示的存储技术。与StoreClients串联的StoreRouter能够通过资源标识符来定位数据存储，以及根据代理的请求来检索、插入、更新或删除对应的表示，而不管表示是否以平面文件、关系数据库表或图形的形式记录在语义三元组存储中。它使JPS代理的设计独立于底层的TWA知识图存储层，并允许这些层在系统中作为一个整体并行进化。当从所有代理的角度来看时，它还通过使多个域的表示可经由统一接口访问到包罗万象的TWA知识图来自动化代理间数据互操作性2.3.1. 通过OntoKGRouter的为了使代理能够对从多个域整理并在分布在多个服务器上的TWA中表示的类、属性、实例和数据进行操作，并且由于对改进的性能和存储容量的不断增长的需求而可能迁移到新设置的服务器，需要服务器不可知的方法进入知识图谱为此，StoreRouter构建有被称为OntoKGRouter的本体的实例化，该本体被开发用于在由主题、谓词和对象列组成的路由表中以三元组的形式描述路由信息，其中主题指域的相对IRI，对象指绝对IRI，并且谓词链接主题和对象。如图3所示，当存储路由器从代理接收到具有三元组存储的相对IRI或RDF/OWL文件的绝对IRI的请求以建立对感兴趣域的访问时，它验证该请求并检测域的对应存储类型。任何以三元组存储或RDF/OWL文件为目标的请求调用查询构建器以形成查询，从而从KG路由表中检索三元组存储端点的可用的绝对IRI或文件存储的基本IRI。通过将文件的基IRI和绝对IRI相结合，给出了对文件执行更新操作最后，StoreRouter实例化Store-ClientInterface类型的StoreClient对象，并将其返回到请求代理，以查询或更新知识图内的目标资源。代理可以发出多个请求，以设置对存储在三重存储或文件中的不同域的组合访问。2.3.2. 通过商店客户端访问与技术无关的知识图通过RemoteStoreClient和FileBasedStoreClient提供与存储技术无关的知识图谱访问。两个存储客户端都实现了StoreClientInterface，该接口定义了检索、插入、SPARQL查询和SPARQL更新存储数据的抽象方法在知识图谱中。通过存储-客户端接口的客户端的抽象允许将知识存储技术与JPS代理分离，JPS代理仅关注各自域的表示，而不管技术如何。这种设计允许JPS代理访问多个领域的知识，不同的存储技术是最适合的，并通过统一的接口，使其互操作。所有JPS代理都利用这种设计来从CKG的多个命名空间中检索和存储所需的表示，这些命名空间将关于在不同坐标系中描述的构建环境的信息分开。远程存储客户端，在图。 4，对于远程SPARQL端点背后的技术是不可知的。它在JDBC框架上使用Jena JDBC SPARQL，该框架也被CityImportA-gent和CityExportAgent使用，使知识存储和检索接口在所 有 JPS 代 理 中 统 一 。 FileBasedStoreClient 允 许 使 用 JenaRDFConnection 访 问 以 平 面 文 件 格 式 存 储 的 RDF 数 据 ， JenaRDFConnection提供了一组统一的操作，用于处理从基于文件的存储加 载 到 Jena 数 据 集 中 的 RDF 数 据 。 RemoteStoreClient 或FileBasedStoreClient的安装由StoreRouter处理。3. 语义3D城市智能体作为CKG的一部分的语义3D城市代理，CKG是一个专门用于TWA中建筑环境表示的知识图，基于前一节中描述的认知架构的组件和原理。它们展示了该架构的应用以及应用于城市建模的智能自动化的潜力：• 从CityGML 2.0到CKG模型的导入过程不再需要操作桌面软件的人员。相反，CityImportAgent会在知识图中找到.gml文件后立即执行数据验证和城市对象安装。一个硬盘驱动器目录，它被指示观看这些文件• 可视化的KML导出过程也不需要任何人手动操作导出应用程序。相反，CityExportAgent会在收到请求后自动为整个模型或模型的一部分创建可视化数据。它还能够更新单个城市对象的KML，为城市建模软件增加了真正的动态可视化功能A. Chadzynski等人能源与人工智能8（2022）1001376图三. 知识图路由器的活动图，该知识图路由器是通过OntoKGRouter本体的实例化构建的，该本体是为了以语义三元组的形式描述路由信息而开发的。路由表由主语、谓语和宾语列组成，其中主语是指域的相对IRI，宾语是指绝对IRI，谓语连接主语和宾语。StoreRouter从具有存储的相对IRI的代理接收请求，验证请求并检测对应的 存储域类型。• DistanceAgent展示了城市建模软件智能分析能力的潜力。它自动计算城市对象的距离，这些对象在网络地图客户端上进行交互，并在准备就绪时显示此信息。分析中不涉及手动过程，它独立于交互过程发生。可以扩展此设计模式以支持更高级的分析功能。3.1. 城市进口代理CityImportAgent自动创建所有其他CKG代理使用的城市的语义表示。如所描绘在图5，它以语义3D城市数据库[2]的形式实例化城市元素，使用OntoCityGML作为跨存储CityGML的多个命名图[50]2.0不同层次的细节。代理以两种模式运行，这取决于它在两个IRI中的哪一个拦截请求。在接收到Listen IRI上的请求时，它通过异步观察器服务代码在文件系统观察模式中被激活，该异步观察器服务代码能够观察目录指定的请求，在一个单独的线程。一旦接收对Action IRI的请求，它创建城市模型元素的实例，使用侦听模式在GML文件中找到，方法是增强的3D城市数据库进口商/出口商工具[2]，最初由TUM开发。在此之前，代理将文件拆分为更小、更易于管理的块，然后使用在单独线程中运行的四个任务导入每个块。详细的活动图见附录A。JPSAsynchronous Watcher Service [51]是一个自包含的Java库，可以由其他代理导入并直接由其程序调用，也可以作为嵌入式ApacheTomcat服务器上的独立Web服务运行[52该服务被设计为监听并监视指向特定文件系统目录和文件类型的请求。它还需要回调URL参数，以便以异步方式工作。在输入验证时，服务立即响应调用代理，其中包含关于无效输入的错误请求的信息，或者创建文件监视器Java对象，观察请求中指定的目录，以显示特定类型的新文件这样，调用代理就不必等到此类文件系统事件发生，而是可以在等待回调联系的同时执行其他任务A. Chadzynski等人能源与人工智能8（2022）1001377见图4。代理使用RemoteStoreClient对远程三元组存储执行SPARQL查询的活动关系图。RemoteStoreClient是StoreClientInterface类型的一个实例，它与SPARQL端点背后的技术无关RemoteStoreClient的实例化由StoreRouter执行图五. CityImportAgent通过监听两个IRI来自动化TWA中城市模型的实例化。在Listen IRI上接收到请求后，它调用JPS异步监视器服务，并指示它在单独的线程中监视请求指定的目 录 中 新 GML文 件 的 出 现 。 在 收 到 Action IRI 上 的 请 求 后 ，在 导 入 每 个 块 之 前 ， 使 用 在 单 独 线 程 中 运 行 的 四 个 任 务 ： BlazegraphServerTask， ImporterTask，NquadsExporterTask和NquadsExporterTask。通过这种方式，它逐渐为整个城市创建语义表示A. Chadzynski等人能源与人工智能8（2022）1001378URL 或 只 是 保 持 休 眠 状 态 ， 直 到 它 收 到 对 该 URL 的 请 求 。CityImportAgent在监听模式下操作时，将该服务用作直接从其程序调用的库。代理通过此代码创建文件系统监视器对象，并指示它们在导入目录中出现新GML文件的事件发生时在Action IRI上回调自己。尽管它使导入代理异步自引用，但只要发生此类文件系统事件，并且在发出成功的回调请求之后，任何监视器任务都会立即终止。这避免了无限的自引用循环。拦截Action IRI上的回调请求会触发CityImportAgent尝试自动化数据验证和GML文件的处理，以便在Cities Knowledge Graph中实例化新的CIM。代理使用在单独的线程中运行的四个任务来完成此目标。它还使用两个BlockingsformJava Col- lections Framework [53]，以促进任务之间的并发信息交换。他们互相告知完成的情况 在给定数据块上的特定工作的开始和结束，并发出专用于该块的任务的信号，以便可以拾取该块在最终发送到TWA知识图之前，以语义的形式。所有任务都实现了JavaRunnable [54]接口，通过添加方法来扩展，允许检测任务当前是否正在运行以及停止它。BlazegraphServerTask创建NanoSparqlServer的本地实例并将它们放在BlockingQueue上，以便由Importer-Task拾取。首先，它创建Blazegraph配置文件，其名称对应于给定的数据块。接下来，它从模板复制文件，并使用包含数据块序列号的Blazegraph日志名称更新其内容。 它还设置了所有 在启动Standalo-neNanoSparqlServer[55]之前，在第一步中创建所需的系统属性和服务器属性以及相应的配置文件。它将服务器放在队列中，并不断观察服务器是否终止，直到检测到此类事件ImporterTask首先观察队列中NanoSparqlServer实例的出现。每当队列中出现新实例时，任务就会将其取出，并通过更新服务器详细信息并根据 给 定 的 数 据 块 编 号 导 入 命 名 空 间 变 量 来 设 置 3D City DatabaseImporter/Exporter工具的project.xml文件。之后，它调用导入器的主入口点方法，并将给定块的块和项目配置文件路径作为参数。当导入过程完成时，它会停止服务器，这也会通知上一个任务终止。然后，该任务创建新的空数据库-quads文件，指示导入到Blazegraph日志中的数据可以在发送到远程位置之前导出。在服务器停止并创建文件后，任务会自行终止。NquadsExporterTask 使用 的 导出KB 火焰报 [56个] 代码来创建包含导入器转换为语义形式的数据的quads-quads文件。���在这一点上，本地IRI被TWA IRI取代。IRI的服务器、主机和端口信息取自项目文件，该项目文件用于导入给定的块，其序列号与任务准备的qui-quads文件相同。���在IRI替换之后，任务将删除由先前处理给定数据块的任务生成的所有帮助文件，并在终止之前将文件放入队列。NquadsDataTask读取它在队列中找到的更新后的Nquads-quads文件，并将其上传到TWA的BulkDataLoad端点。当上传请求完成时，任务会自行终止。在给定的quads-quads文件对应于要导入的最后一个数据块，它为整个数据集导入过程创建带时间戳的审计跟踪存档。这项工作显示了潜在的一个复杂的任务自动化的代理的基础上，JPS代理框架，导致在创建多方面的CIM在CKG。CityImportAgent用于将GML中的14.9 GB Berlin LOD2建筑数据转换为上传到TWA的语义形式，而无需任何人手动操作原始TUM工具。整个语义表示总共包含419 909 661个S subject-Predicate-Oobject三元组，被划分为彼此分离和链接的• 3 475 683城市对象• 15 258 678城市对象的一般属性• 539 274建筑物• 587 109米• 540 660外部参考• 2 936 408专题表面• 9 558 218表面几何形状正如在接下来的两节中所展示的那样，这种以语义形式编码的大规模心理结构提供了开放的知识库，以供分析和增强，以及与所有其他TWA代理的其他领域表示进行链接和比较。 在认知结构方面，主体具有识别、决策、选择、监控、执行、行动、交互、交流以及知识的获取、表征、提炼和组织等能力。 当评估时，它也被证明是：高效，可扩展，反应，持久，自治和可改进[28]。3.2. 城市出口代理CityExportAgent导出存储在语义3D城市数据库中的城市对象的语义编码地理空间表示CKG的CIM可视化和外部交互的自动化方式。该过程在图6中描绘。可以为整个模型导出数据，通过地理空间搜索找到的不同区域，以及存储在知识图中的单个城市对象成员。与CityImportAgent类似，它还使用了增强的TUM导入/导出工具（ImpExp），该工具提供了一个命令行界面（CLI），以通过命令和参数自动执行各种任务。CityExportAgent在请求在预定义的IRI被拦截时开始运行。ImpExp执行的导出操作需要某些程序参数作为输入，例如要导出的城市对象的gml ID、生成的KML文件的输出目标当需要导出活动时，以JSON格式呈现的具有所需参数的HTTP POST请求被发送到CityExportAgent。成功验证后，参数将添加到配置文件中，该文件还包含导出活动的数据库连接信息。由于代理被设计为以自动化方式运行，因此KML文件的输出目的地和配置文件的路径被视为预定义参数，并从Java属性文件中读取一旦所有的程序参数都到位了，代理选择三个选项之一来触发导出器任务的执行：导出单个对象、导出多个对象和导出整个数据库（用“*"表示为输入）。每个输入变量导致不同的查询组合，用于通过SPARQL检索数据库中的城市对象最初的TUM导入器/导出器工具旨在使用SQL查询与PostGIS和Oracle等关系数据库一起在这A. Chadzynski等人能源与人工智能8（2022）1001379见图6。 城市导出代理可自动导出可视化所需的城市模型数据。可以为整个模型导出数据，通过地理空间搜索，以及单个城市对象成员。原始3DCityDB导入器/导出器SQL查询使用SQL 2 SPARQL Transformer转换为SPARQL当代理连接到语义3D城市数据库时。在执行查询并由GeoSpatialProcessor对返回的结果进行后处理之后，文件被生成用于城市模型的可视化见图7。Charlottenburg-Wilmersdorf数据集的不同视图使用CityExportAgent从城市知识图的语义3D城市数据库导出的KML文件进行可视化。KML文件以拉伸示意图显示形式包含LOD2中的城市模型作为该工具的增强版本，KML导出过程（KmlExporter）已扩展为通过使用OntoCityGML模式对CKG的语义3D城市数据库执行SPARQL语句来导出城市模型[2]。到各个数据库的连接已经使用Jena JDBC实现，Jena JDBC是一个基于JDBC的SPARQL驱动程序框架[57]。为了最大限度地提高现有代码的可重用性并保留初始功能，针对语义图数据库的导出操作实现了两个主要组件：SQL2SPARQL Transformer和GeoSpatial Processor。已经实现了SQL 2SPARQL Transformer，以便在工具连接到语义图数据库时将SQL语句转换为使用On- toCityGML模式的等效SPARQL语句。第二个组件是地理空间处理器，专门引入，使系统能够在生成KML文件时提供与PostGIS在使用内置函数时提供的相同信息。特定的SQL语句使用内置的在PostGIS和Oracle数据库提供的地理空间功能中，这些都不存在于当前版本的Blazegraph中，该图形数据库用作CKG的语义3D城市数据库的后端。例如，ST_Transform、ST_Area、ST_IsValid等地理空间函数嵌入在原始SQL语句中，并由数据库引擎直接计算。 这些函数主要用于过滤中间查询结果。地理空间处理器已经实现，以提供类似的地理空间功能，对查询结果进行后处理。通过这个系统组件，翻译后的复杂SPARQL语句被分解为多个A. Chadzynski等人能源与人工智能8（2022）10013710见图8。DistanceAgent自动计算城市对象表示之间的距离，这些表示在Web地图客户端上进行交互。它动态地显示所获得的知识，通过连接线和距离值显示有关空间关系的学习信息。简单的SPARQL语句，并以这样一种方式发送到数据库，即返回的中间结果由它过滤并用于下一个查询语句。此过程的结果为KML生成过程提供了与原始PostGIS相同的信息。活动的详细流程在附录B中的UML图中给出。CityExportAgent的这两个组件解决了在尝试管理大于单个城市的CIM时出现的问题。例如，从事土耳其模型工作的Buyukdemircioglu和Kocaman [58]指出：“目前，使用开源软件进行基于网络的3D城市模型可视化的主要问题是模型更新。由于可视化的模型是静态的，并且不是从数据库或类似的动态源直接可视化的，因此每次对模型进行更新时，必须再次生成整个模型。直接从空间数据库管理系统（DBMS）到Web界面提供具有地形的城市模型将消除这个问题。应开发高效的地理空间数据库解决方案，以实现城市和地形模型的高性能可视化，这对更新此类模型非常重要。 语义3D城市数据库[2]在CKG中提供了这样的动态空间管理系统，而CityExportAgent则自动化数据管理，以实现这种动态地理空间模型的可视化。 因此，每当底层知识图发生变化时，代理就可以触发自动KML导出，并在可视化层中动态反映该变化。图7提供了由CityExportAgent导出的可视化的在认知结构方面，智能体表现出以下能力：识别、决策、选择、监控、执行、动作、交互和通信。当评估时，它也被证明是：高效，可扩展，反应，持久，自治和可改进[28]。3.3. 远程代理DistanceAgent是自主代理的一个例子，它对建筑环境元素表示中的语义结构进行操作-它自动计算存储在CKG的语义3D城市数据库中的城市对象之间的物理距离。代理设计基于TWA的认知信息架构（第2节），并包含通过资源定位数据存储的方法，允许它使用StoreRouter和RemoteStoreClient检索或插入相关信息。代理还包含用于信息处理的方法和接口所有方法都在附录C中的UML图中给出。代理通过独立跟踪3DCityDB-Web-Map-Client上发生的事件的相关信息，来理解其操作的所表示的环境当由交互事件触发时，DistanceAgent接收一个HTTP POST请求，请求参数为JSON格式的在成功的请求验证之后，代理检查相应的距离信息是否已经存在于CKG中，其通过调用查询构建器以形成查询来检索该特定距离来进行该检查。如果执行的查询没有返回任何距离信息，则代理执行以下一组任务以计算距离。DistanceAgent使用OntoCityGML模式对CKG执行查询语句，并检索HTTP请求中链接到IRI的城市对象信封。由于包络基本上为任何类型的地理空间CityGML2.0对象（1D点、2D多边形或3D对象）定义了一个边界框利用包络线提取城市目标使用信封，仅四个唯一的坐标，减少了质心计算工作，原始几何形状复杂或三元组存储包含异构地理空间