0 引言

(1) 研究背景与意义

随着《交通强国建设纲要》的稳步推进，我国交通行业数字化转型正在加速前进，先进的信息数字化技术为交通基础设施建设深度赋能，智慧交通是当前交通运输信息化的发展方向和目标。“十四五”规划纲要中更将智能交通摆在重要位置，并提出了多种数字化应用场景。在这一背景要求下，公路设计领域与数字化技术的结合在新时代背景下表现出了重要作用。随着建筑信息模型(Building Information Modeling，BIM)技术在工程行业的发展与推进^[1]，该技术被越来越多地应用于公路建设领域，从方案正向设计到成果交付，逐步从二维CAD图纸向三维BIM进行转变^[2]。

然而公路设计成果向数字化表达转化的同时，如何对数字化成果进行合规性检查也成为了公路设计人员及运营管理人员面临的主要难题。传统的公路设计成果往往为二维CAD图纸，其合规性检查工作往往采用人工进行，存在着检查质量难以保证、效率低下、标准化水平参差不齐、全面性无法保障等问题。因此，现今需要提高公路设计成果合规性检查的效率，推动公路设计行业合规性检查的新模式。BIM技术的应用推动了建筑信息的数据化管理，其特点在于允许多学科信息集成到统一模型中^[3]，促进了数字信息化技术和公路、建筑等传统实体行业之间的融合，行业内外的信息交流效率与质量随之提高。然而在公路设计成果合规性检查中应用BIM技术需进行繁琐的预处理工作，这是使用BIM技术的主要挑战。

当前我国公路领域数字化人工智能技术的发展处于由“初步智慧化公路”向“高度智慧化公路”转化的阶段。伴随着数据规模与精准性的提升，以及人工智能算法与模型的深入研发，数字化人工智能在公路领域各个业务环节的应用向多模态发展。知识图谱作为数字化技术的新兴代表之一，是自然语言处理(NLP)技术的一个重要分支，如ChatGPT^[4]是基于NLP技术的大型语言模型。数字化技术驱动了各传统行业相关领域的数字化转型，也为公路领域的基础数字化建设与应用提供了新方向及相应思考。使用图模型对知识和建模世界万物进行关系描述是知识图谱技术的一个关键特点^[5]，该技术方法可以识别数据之间错综复杂的关系，实现知识存储、管理、查询和推理等功能。知识图谱技术最早被用于增强搜索引擎的能力，但随着其在自然语言理解、物联网设备互联、智能问答、智能推荐等方面的应用价值得到认可，知识图谱已成为多领域广泛应用的人工智能技术。

针对以上问题，本研究提出一种基于知识图谱的公路三维设计成果自动合规性检查方法。通过建立公路工程BIM的IFC文件与公路设计规范之间的正确映射关系，将完成预处理的BIM信息与通过知识图谱建立的公路设计规范图数据库进行数据对比，从而检查公路设计成果是否符合规范内容要求。基于知识图谱技术提出公路设计规范合规性自动问答实践方法，同时建立公路设计成果自动合规性问答系统，探索了公路设计成果自动合规性检查的方法，以解决上述公路设计成果合规性检查中的各项问题，推动公路行业三维设计成果合规性检查的数字化进程。

(2) 国内外研究现状

知识图谱利用实体、关系、属性等描述了物理现实世界中不同概念之间的关系。在NLP技术中，知识图谱被广泛应用于语义理解和信息抽取等领域，包括建筑、公路在内的多个工程设计领域都将知识图谱作为数字化转型工具进行相关学术研究。在工程设计合规性检查领域中，利用知识图谱可以将复杂繁多的规则条文、表格等非结构化和半结构化数据转变为结构化数据，存储进数据库后实现可视化，提升合规性检查专家对工程设计的规则理解和运用程度。借助知识图谱技术提高工程行业的合规性检查效率与质量，从而更好地促进数字化技术与工程建设行业的结合，实现企业的数字化转型。

国内外研究学者对建筑行业知识图谱的研究已取得部分成果。Liu等^[6]针对铁路运营事故领域提出了一种知识图谱的建模方法，该方式旨在结合知识图谱技术，提高铁路运营事故防范的效率和质量，以期为铁路运营商提供事故的投资决策支持，协助指导相关部门政策从一般措施到针对性预防措施的转化；Fan等^[7]提出的知识图谱构建方法可以从大量的建筑运营数据中将有用的知识进行提取，并实现图谱构建，该方法对于表征复杂的建筑运营模式以及识别非典型运营有很大的研究价值，且有利于改善建筑运营绩效；Pauwels等^[8]在研究中采用资源描述框架(RDF)对数据模型进行表达，并在建筑、工程、施工3个不同领域的检查过程中采用RDF的逻辑语义规则进行分析，同时评估不同方法的性能基准，为建筑行业检查人员提供检查方法思路；Fang等^[9]基于建筑工地危险源提出了一种基于计算机视觉算法的知识图谱建模方法，该知识图谱可以在遵守安全规则的同时自动识别危险，内容包括危险源本体模型、知识提取方法以及用于危险识别的知识推理内容，并验证了在不同背景条件下从图像中检测工地潜在危险的可能性。

目前国内基于知识图谱的合规性检查应用研究多集中在建筑安全审查领域。英俊^[10]通过NLP技术构建了建筑消防知识图谱，并提出了一种基于IFC标准的决策树方法，用于匹配BIM文件格式与建筑消防知识图谱中的语义架构，从而实现了消防数据的审查自动化，但消防设计规范的知识规则还需进一步完善；高歌等^[11]依托知识库，提出了一种基于属性链路推理算法和链路剪枝算法相结合的IFC语义信息模型的通用检查算法，同时给出了结合信息检查的相关算法，开发了IfcGraph自动化模型检查系统，实现了模型的高效存储和灵活检查；唐锐等^[12]在多源异构的BIM基础上，提出了建筑IFC模型的数据提取与整合办法，基于HTML5网络框架以及人工智能技术开发了建筑智能审图系统，实现了三维可视化、跨平台的功能，在一定程度上提升了建筑行业审图的智能化水平，并可持续扩展知识图谱在其他建筑领域的应用，对建筑规范知识图谱的信息容纳维度进行丰富；陈远等^[13]对建筑设计规范中的条文知识进行了分析，对规范的知识表达进行归纳总结，构建规则库，设置访问机制，由此搭建逻辑策略下的推理机制，从而构建了合规性检查验证平台，促进了建筑公路领域的信息化发展；张峰等^[14]针对桥梁BIM的IFC数据存储，建立语义知识库、元数据知识库与指标知识库，对模型数据进行合规性检查，并开发了SmartBridge检查软件，提高了公路工程桥梁BIM的自动化检查效率。

综上所述，这些研究成果为建筑工程领域基于知识图谱的设计成果合规性检查提供了研究的框架基础，但针对基于公路设计专业领域的知识图谱合规性检查研究还处于起步阶段，尚未取得较为成熟的研究成果。利用知识图谱技术，结合本体技术等交叉领域的技术，可以将公路设计规范中复杂的规则条文及其关系转化为结构化三元组的知识，将这些已经实现结构化形式转换的知识内容存储进图数据库中，并通过可视化的方式进行展现。这种方法不仅可以提升设计人员对规则条文的理解和运用，并且可以实现公路设计的自动合规性检查所需要的数据库链接基础，为自动合规性检查提供智能数字化技术的支撑，从而丰富公路设计领域合规性检查方法的多样性，提升公路工程领域设计模型的合规性检查效率和质量，促进公路工程领域的信息化发展。

1 知识图谱技术简介 1.1 知识图谱技术概述

知识图谱属于典型的交叉技术领域，其在人工智能、自然语言处理和信息抽取、知识库构建、数据库、图挖掘、物联网和互联网信息获取等技术领域均能产生交叉。知识图谱的交叉特征使其具有多种技术特点，在解决实际问题时，往往需要用到多个技术要素的组合，基于相关的技术特点提出系统性的解决方案。

知识图谱技术要素包括(1)知识表示：建立概念模式，研究图谱构建的语言方式；(2)知识存储：实现知识单元的查询、储存、维护与可视化；(3)知识抽取：提取和抽取不同源的数据；(4)知识融合：对不同层次和来源的知识进行融合与对齐；(5)知识推理：基于本体和规则的推理，提升图谱质量；(6)知识问答：基于知识图谱的数据库进行问句解析、匹配和查询；(7)图算法和知识分析：利用图数据进行图挖掘和知识分析。

本研究提出了面向公路设计领域的知识图谱构建方法和实现步骤，并对得到的成果做了进一步的分析与研究。

1.2 知识图谱在工程领域的应用

结合知识图谱的特殊应用形态和领域数据，将语义搜索、智能问答、知识推理以及可视化决策支持等知识图谱的主要应用场景在公路设计领域融合应用。其中，进行语义搜索时需解决自然语言表达多样性和语言实体消歧问题。智能问答致力于对用户的自然语言问题进行解析，然后在知识图谱或目标数据库中进行答案检索并反馈给用户。知识推理指的是将多源异构的BIM数据和条文规则进行知识融合，基于公路设计规范本体规则进行公路BIM的错误检测，实现合规性检查。可视化决策支持指将统一的图形接口与可视化、推理和检索等功能相结合，为用户提供获取数据信息的入口。

知识图谱作为结构化的图数据库，可以将非结构化或半结构化的规范知识结构化，然后表现为知识图谱形式，可以充分表达公路设计元素之间的约束关系。依靠元素之间的逻辑关系，从而推理出更多规范条文之间的关联关系，并且也能为未来公路设计领域中规范条文的智能化应用提供数据基础。知识图谱通过规则将无序的知识变成知识网络，用图的形式直观展示，使用机器学习、神经网络等构建图数据库，其数据规模更庞大。知识图谱能实现知识存储和可视化，并可以进行智能搜索、问答、推荐，适用于不同场景的应用，其功能更加强大。因此，将知识图谱应用到公路设计合规性检查领域，基于公路设计规范进行公路设计领域的知识图谱构建，将非结构化的规范文本数据整理后存储成为图数据库，为后续研究提供相应基础^[15]。知识图谱主要基于图数据库进行知识存储，可将知识深度关联并可视化展示，不断沉淀知识逻辑和模型，从而实现智能问答、语义搜索及智能推荐，降低专家经验依赖性。

2 公路三维设计成果自动合规性检查的需求分析 2.1 合规性检查的重要性

合规性检查又称为设计审查或合规性审查，属于一种系统的方法，它无需对设计进行更改，而是通过模型对象中属性参数及属性之间的关系，对一项设计进行评估^[16]。早期的公路设计成果合规性检查由人工进行，随着公路设计成果从二维CAD图纸向三维BIM^[17]的逐步转变及BIM数字化技术在合规性检查当中的应用，诸多学者探索了基于三维BIM的自动合规性检查方法。

扩展知识图谱在公路三维设计成果合规性检查方面的应用，提出基于知识图谱的公路设计合规性自动问答实践方法。设计公路三维设计成果自动合规性检查系统，使合规性检查能及时适应相关政策与设计规范变化，使合规性检查更全面、更具说服力，使得BIM和知识图谱能应用于更丰富的公路工程应用场景，进一步推动公路三维设计成果自动合规性检查，有助于我国交通行业的数字化转型。

2.2 自动合规性检查的技术挑战

在基于BIM的合规性检查方面，国际上已有大量学者对该领域展开研究。早在2002年，国外就有合规性检查系统实施成功的案例可供追溯^[18]。随着数字化技术的发展，设计成果合规性检查的方式逐渐自动化和智能化，采用不同的技术实现基于BIM的合规性检查，在规则条文信息抽取过程中主要采用基于规则或基于机器学习的NLP方法。前者相较于后者往往能获得更好的文本处理性能。在BIM信息抽取或语义丰富过程中，模型信息抽取方法包括使用API对专有软件BIM进行信息提取或使用开源IFC对BIM进行信息提取，而针对BIM信息缺失的情况，可采用语义丰富的方法对BIM语义进行增强。前者主要基于现有BIM进行数据提取，后者则针对目前BIM信息缺失、隐含与不正确的现状，采用语义丰富的方法来增强BIM的语义。在规范和模型信息匹配的过程中，包括了采用领域专家手动预定义匹配方式与基于深度学习的信息匹配方法2种方式，前者较后者匹配度更高，但在适用性上不够灵活。

3 基于知识图谱的公路三维设计成果自动合规性检查 3.1 知识图谱构建方法概述

公路设计领域知识图谱的建立流程包括数据预处理、知识表示和建模、知识抽取、知识存储，从而建立公路设计领域知识图谱。公路设计规范数据预处理流程如图 1所示。

(1) 在知识表示和知识建模阶段，确定知识领域为公路设计领域，然后对公路设计规范进行分析，对概念、关系和属性进行相应设计，明确实体、属性和相关关系，确定关键术语，明确实体之间的层级关系，从而创建本体模型。本研究采用手工建模方法，具体流程如图 2所示。

(2) 在知识抽取阶段，将公路设计相关规范中非结构化和半结构化的文本数据进行整理，将整理好的数据生成.json格式的结构化数据，并对其进行知识抽取，从而得到RDF三元组数据。

(3) 在知识存储阶段，使用Python中的py2neo模块在Python上设立节点和关系，最后与图数据库建立联系，将上一阶段抽取的知识在Neo4j图数据库中进行存储，生成公路设计知识图谱，知识存储完毕后可以在可视化界面上看到相关数据的关系和节点的知识图谱结构。

3.2 构建公路设计知识图谱

本研究以公路设计规范为研究对象，采用七步法进行本体构建，本体开发工具选择Protégé5.6.1，本体格式为OWL/XML，其支持知识推理，语义表达功能强大。公路设计规范知识本体构建流程如图 3所示。

(1) 确定本体的领域和范畴

确定本体领域属于公路设计规范，包括路线专业、路基路面专业、交通安全设施专业、桥梁专业、隧道专业等，对其进一步细分举例，如路线专业中的纵断面曲线可以划分为凸形竖曲线半径极限值、凸形竖曲线半径一般值、凹形竖曲线半径极限值以及凹形竖曲线半径一般值。

(2) 考虑重用现有领域的本体

公路领域相关本体模型资料较少，但由于建筑领域概念与公路领域概念相差较多，故只有借鉴意义，但无法在此基础上进一步进行本体构建，故本研究需对本体的开发进行公路设计成果自动合规性检查。

(3) 确定本体中的重要概念

在参考已有IFC和OmniClass分类标准基础上，选取公路设计规范中重要的术语和概念进行本体罗列，如最小直线长度、最大半径值等。

(4) 定义类和类之间的层级关系

类和类之间的层级关系包括自上而下法、自下而上法与混合法3种定义方法。本研究使用自上而下法，在参考IFC标准的基础上进行分类，将项目(Project)分为建设场地(Site)、公路(Road)2个子类，其中公路(Road)又进一步细分为路基路面(Road Part)、路线(Alignment)、桥梁(Bridge)、隧道(Tunnel)、交通安全设施(Traffic Safety Facility)5个子类，如图 4所示。

(5) 定义类的属性

在类和类之间的规则即层级关系构建完成后，需要对所有类的属性进行添加，这一步的目的是完成对类进行语义描述的步骤。在进行面向类的属性划分和描述时，一个类的属性由对象属性和数据属性组成。在公路设计规范中，对象属性表示类和实例之间的关联关系，比如对于不同的设计指标需在不同的设计速度条件下进行约束，其中设计速度就属于对象属性。用于具体的类与特定的数据值之间的内容关系表达即为数据属性，如对特定设计速度条件下的直线最小长度要求的指标值不同。

(6) 定义属性值

这一步工作的目的是对属性值类型进行划分和定义，进一步对属性本身进行形容与表达，对属性值的范围和特点等内容进行定义，如路线属于对象属性，所属类别为公路设计专业，其取值界限为公路设计专业。

(7) 创建实例

列举类的实例，即将不可再细分的对象以本体实例的形式列出，并添加到相应的本体中，进一步对实例的关系和属性进行完善，如图 5所示。

在公路设计知识图谱本体构建完成后，需进行知识存储，本研究采用Neo4j图数据库进行公路设计知识图谱的数据存储。对公路设计知识图谱的概念、实体、属性、属性值等节点数据和节点关系数据进行处理，以三元组进行表示，通过Python代码实现非结构化文本数据向结构化json格式数据的转换，并将数据导入Neo4j图数据库中，实现公路设计知识图谱的构建和数据存储。

3.3 自动合规性检查数据提取与匹配

为实现基于知识图谱的公路三维设计成果自动合规性检查，针对多源异构的BIM，提出基于IFC标准的BIM数据提取与整合方法，并建立本体与实例之间的映射关系，以解决针对公路设计相关标准和规范构建的本体语言与公路工程BIM的IFC数据描述语言之间的不匹配而造成的数据异构问题，为实现基于知识图谱的公路三维设计成果自动合规性检查提供基础数据支撑。

(1) 公路工程模型信息映射关系

解决本体异构的通用办法是本体映射和本体集成，图 6为本体映射图示。

建立公路工程信息模型分类与编码之间的映射关系，同时建立工程对象分类编码与工程对象IFC实体之间的映射关系，有助于公路设计本体层的概念融合。表 1为部分公路工程构件、材料、特征属性分类名称和编码映射关系展示。

根据《公路工程信息模型应用统一标准》(JTGT 2420—2021)附录B中给出的基于IFC数据的公路工程对象信息的存储方式，并结合公路工程构件分类和编码内容，给出表 2所示的公路工程构件与IFC实体之间的映射关系(部分)，为合规性检查提供相应的规则依据。

(2) BIM数据提取与整合

公路工程BIM的IFC文件包含了大量的信息，但只有部分可以用于公路设计成果的合规性检查，还有一部分信息与合规性检查无关，故需要对IFC的文件信息进行抽取与整合。IFC标准的整体架构基于EXPRESS语言，通过对其架构进行分析，对IFC的文件信息进行抽取与整合。数据提取与整合流程如图 7所示。

将BIM数据进行标准化，需要将与公路设计合规性检查相关的数据信息从大量冗杂的信息数据中筛选出来，进行提取与整合并有效管理。由于BIM数据具有多源异构性，故先将BIM的IFC文件解析转化成统一的可被计算机识别的标准数据格式，本研究选择将IFC文件解析转化为.json格式，从而为后续合规性检查数据的提取提供数据支撑。

通过构建的公路设计知识图谱，可以获得公路三维设计成果合规性检查所需要的具体数据类型检查集，根据IFC的数据表达，提取出该自动合规性检查所需要的检查集。该检查集需与公路设计知识图谱中的三元组节点实体、属性、关系进行实体对齐，进行匹配检查。

3.4 公路三维设计成果的自动合规性检查算法

公路三维设计成果自动合规性检查的主要工作是对公路工程BIM中构件的基本信息、几何信息和属性信息进行合规性检查，以判断模型是否符合相应的公路设计规范。在进行合规性检查时，模型的完整性检查、结构性检查和正确性检查均需在预定义语言规则的规范-模型信息匹配算法的基础上实现。

(1) 公路工程BIM完整性检查算法

公路工程BIM的完整性检查主要是指对公路工程构件的完整性检查以及属性的完整性检查。在这个检查内容中需要用到基于公路设计知识图谱和IFC存储标准进行知识融合和对齐的规范三元组数据库。在公路工程构件与属性的完整性检查中，公路工程构件的完整性检查主要指检查BIM中的构件是否按标准要求进行设计，有无缺失的情况。属性完整性检查主要指检查每个公路工程构件携带的属性信息是否完整，是否按照标准要求进行设计，有无缺失。完整性检查主要依据《公路工程信息模型应用统一标准》中对构件名称、属性的分类编码要求，以及公路工程BIM的IFC文件数据存储的相关要求，并需其进行RDF三元组结构化处理。

公路工程BIM完整性检查算法部分主要是对公路工程模型待检构件完整性的匹配，包括直接属性匹配和反射属性匹配。直接属性匹配主要涉及公路构件的名称、几何、实体类型等IFC数据形式中实体自带属性的匹配检查。反射属性的匹配则是借助关联实体进行连接，检查构件的设计指标、材料等自定义属性的匹配。

模型完整性检查与结构性检查有所不同，如图 8所示为公路工程BIM属性完整性检查的算法图示，其检查算法的核心思路是从待检的预处理完成的模型文件中读取对应专业的构件列表，对每个待检模型构件的直接属性与反射属性进行顺序读取。然后，从公路设计知识图谱的图数据库中抽取同类构件的属性模板数据。最后，将待检查的公路构件的直接属性和反射属性列表，与同类构件属性模板进行匹配对比，检查待检公路构件属性的完整性。

(2) 公路工程BIM结构性检查算法

公路工程BIM的结构性检查主要是指对公路工程构件对应的IFC实体、公路工程构件IFC实体与IFC实体之间的对应层级关系、公路工程构件IFC实体对应属性、几何的正确性进行判断。在这个检查内容中同样需要用到基于公路设计知识图谱和IFC存储标准进行知识融合与对齐后的规范三元组图数据库。将《公路工程信息模型应用统一标准》中的分类编码、道路设计专业对应的模型存储相关要求作为结构性检查的主要依据，以上公路工程构件和属性的检查要求均要符合《公路工程设计信息模型应用标准》中公路工程设计的要求，同时，需要对规范检查要求进行三元组结构化处理。

几何正确性检查的内容主要是对构件几何表达进行检查，包括了几何体的尺寸、参照关系、坐标位置等。由于在公路工程行业的BIM技术标准中，并未对几何表达有明确规定，故采用预定义匹配方式对公路工程构件进行完整性检查。采用本研究的基于知识图谱的公路设计合规性检查问答模块进行检查，运用符合几何指标检查的自然语言问句，与知识库中存储的回答模板进行匹配，实现自动问答系统的检查。同时这部分预定义的合规性检查匹配规则可为BIM的语义丰富提供数据支撑。

公路工程BIM完整性检查主要是针对不同的公路设计专业类型，对模型组成结构和构件类别进行检查。在进行结构性检查之前，需确定专业类型，并根据专业类型确定模型的结构层级组成与构件类型。

图 9为公路工程BIM结构检查的算法图示，其检查算法的核心思路是，首先从待检查的BIM的IFC文件中读取实体以及对应的标准分类编码，与建立的知识图谱三元组图数据库中的实体和关系进行匹配，依次遍历结构类型三元组，检查和记录IFC实体集合与节点或IFC实体集合与节点之间关联关系不符合的集合。对不符合IFC实体集合与节点进行针对性修改或重新设计，从而完成模型结构性检查。

(3) 公路工程BIM正确性检查算法

公路工程BIM的正确性检查包括了单个构件指标的合规性检查以及大于等于2个构件关联指标的正确性检查。对于单个构件，主要是对其属性和几何实体对应值进行相应检查，例如平曲线的长度、圆曲线半径值的大小、设计速度是否符合设计规范规定等。对于大于等于2个构件关联指标的合规性检查，例如桥梁构件中承台的厚度、桩的直径检查。这类检查内容较多，主要是基于知识图谱技术理论，将现行公路设计规范、标准、规程以及指南等按实体和关系拆分成需要检查的RDF三元组数据，在此基础上进行结构化处理，在此数据基础上再根据算法实现模型检查，检查的规则整理难度较高。

公路工程BIM的正确性检查主要是对待检构件的具体属性数值进行检查，以检查构件对应的属性值是否符合对应的规范技术标准。在进行正确性检查之前，同样需确定专业类型，并根据专业类型确定构件对应属性及属性值，除了对单个构件属性进行检查之外，还需对关联构件之间的属性关系以及关联指标进行正确性检查。

对于在公路工程信息模型应用统一标准中有定义的道路工程构件，直接进行正确性检查。正确性检查算法的核心思路是，对于单个构件是在对公路构件属性进行合规性检查的基础上，依次读取待检构件的属性值，将属性值与图数据库进行属性值值域的匹配。对于大于等于2个构件的正确性检查内容，若有涉及到关联的构件，则需要读取它们的属性值，并一同进行正确性检查，以确保构件之间的关联关系得到了充分的考虑，从而提高检查的准确性与可靠性。对于不同的构件，其规则要求有所不同，对于一般性的构件正确性检查算法流程如图 10所示。

由于公路工程IFC标准中对部分道路工程实体尚无定义，故针对这部分实体采取扩展定义的办法进行正确性检查，该方法为公路工程BIM的语义丰富提供了参考办法。具体的操作方法为：对公路设计知识图谱实体与待检查道路模型进行分析，基于尚无定义的道路工程实体进行定义，针对性建立待检查模型的实体、指标值、关系之间的三元组数据，与公路设计知识图谱中存储的模板数据进行匹配。

3.5 合规性问答

基于知识图谱的知识问答是指采用计算机对用户提出的问题进行自动回答。当前问答系统主要面向开放领域或特定领域，例如ChatGPT作为一种NLP模型，可以在多个领域提供相应的知识和服务，但由于其面向的是开放领域，故对某个特定领域的知识挖掘深度有待进一步加强。合规性问答框架示意图如图 11所示，公路设计合规性问答算法逻辑如下：

第1步，公路设计合规性问答系统获得检查人员提出的自然语言问题，系统后台针对设计检查人员提出的自然语言问题作一些简单的问题预处理，获取预设问题的关键词。

第2步，针对设计检查人员提出的问题进行分类，按关键词主要分为8类，合规性问答主要将问题分为3类：(1)与合规性检查和设计要求相关的问题；(2)与具体属性相关的问题；(3)与IFC标准构件相关的问题。后期还可对问题类别进行相应扩展。

第3步，基于不同的问题类别，系统形成了查询知识图谱中针对特定问题的特定查询语言Cypher语言，本研究采用Python中的py2neo库。

第4步，根据查询语句在图数据库中进行相应搜索，以获取用户问题的答案，若能成功获取答案，则将其输出至问答系统并返回给用户，反之则输出：“您好，我是公路设计自动合规性检查问答机器人，希望可以帮到您。如果没答上来，麻烦问些标准问题！”

3.6 合规性检查系统架构设计

在上述成果基础上，本研究设计了基于知识图谱的公路三维设计成果自动合规性检查系统的总体框架，采用JavaScript搭建Web服务器。用户可以直接在站点输入网址即可实现系统功能应用，后台不同模块程序均采用接口形式供Web服务器调用。该系统架构设计如图 12所示，系统总体架构由3层组成，包括数据层、功能层和应用层。

数据层包括Neo4j图数据库以及IFC模型数据库，这个部分的功能主要是为功能层提供数据支持。Neo4j图数据库主要的知识来源包括公路设计类现行的标准、规范、规程、指南以及公路工程BIM信息交付标准等相关规定。IFC模型数据库主要指的是用户将公路设计的BIM导入系统中，通过模型文件的解析和格式转化代码，将IFC模型数据转化成自动合规性检查需要的格式。

功能层包括了数据管理模块、合规性问答模块、合规性检查模块。数据管理模块的主要功能包括对公路工程模型的IFC文件格式进行解析和转化，对需要检查的公路构件进行提取与整合，实现IFC数据信息的映射匹配。合规性问答模块主要包括了问题预处理、问题分类、形成查询语言，最后实现问题回答，这个模块主要可以实现2个功能，一个功能是公路设计规范的条文查询，另一个功能是实现针对未在IFC标准中定义构件的合规性检查问答，可以为检查人员提供定量分析。合规性检查模块包括了模型完整性检查、结构性检查以及正确性检查，最后生成.txt格式的检查报告供专业设计人员参考，可为检查人员提供定性分析。这个层需要具备良好的可扩展性。值得注意的是，由于IFC标准对道路工程实体的定义有待进一步扩展，对于公路工程中尚未在IFC标准中定义的实体构件，可以在.json文件中手动编辑添加数据信息，然后将添加实体和属性后的文件导入系统进行合规性检查。

应用层为基于知识图谱的公路三维设计成果自动合规性检查系统中面向用户的交互部分，采用Python，JavaScript，HTML5等技术手段进行实现，其主要功能在于提供网络端的用户操作界面，引导用户进行模型的合规性检查。该系统的模型预处理、合规性问答模块、合规性检查与报告输出模块等相关功能均链接后台程序进行处理，用户可以上传模型进行预处理，实现合规性问答结果以及合规性检查报告结果可视化。该系统采用数字化技术提升了公路设计成果的合规性检查效率，对公路建设领域的自动化发展水平起到了促进作用。

3.7 知识图谱更新与维护

公路设计规范知识图谱需不断地进行更新与维护，在数据层中对图谱中的实体以及实体属性进行增加、修改等操作，包括实体的删除、实体预测补全和实体关系的补全修改操作。根据标准和相关规范的更新，知识图谱中的数据也需进行不断的更新，并保证一定的更新规模和频率。针对公路设计规范的全部知识内容进行研究分析，对知识类型进行完整总结，从而对公路设计知识图谱进行完善。本研究对公路设计领域的知识图谱构建方法进行研究，该构建方法同样适用于其他的公路工程领域，如公路养护、公路运营和公路管理，可将其他知识领域的内容扩展至本研究开发的系统及应用模块。

4 案例分析与验证

本研究基于上述得到的公路设计成果自动合规性检查与公路设计合规性问答的方法，开发了基于知识图谱的公路三维设计成果自动合规性检查系统，可实现Web端的用户操作，具体功能模块包括公路工程BIM的数据预处理与合规性检查以及公路设计的合规性问答。该系统可持续进行开发，对于公路设计知识图谱可以实现持续性地知识图谱的发现与补全，以迎合不断更新的公路设计规范与新的公路工程BIM交付标准。

4.1 案例介绍

在前面的章节中，本研究对基于知识图谱的公路三维设计成果自动合规性检查进行了理论和方法研究。为了验证方法的有效性与实用性，本研究以《公路工程信息模型应用统一标准》等现行的公路设计规范作为建立公路设计知识图谱的基础数据，并选取某路线模型和某公路工程的桥梁模型为试验对象，通过模型预处理、自动合规性检查、合规性问答，完成对基于知识图谱的公路三维设计成果自动合规性检查系统的具体应用功能实现与对应模块展示。

本次试验中，作为试验对象1的道路BIM长为2 km，设计速度为80 km/h，该道路对平面线形要素和纵断面线形要素等均按规范进行了相应设计。试验对象2为构建完成的桥梁BIM，其上下部结构、桥面系以及附属工程均设计完备。

4.2 试验过程与结果

(1) 试验内容步骤包括，首先在模型预处理模块上传试验对象模型的IFC文件，对其进行预处理，包括文件解析与格式转换，并对待检查构件的数据信息进行提取。基于构建完成的公路设计知识图谱中的知识网络进行数据分析，结合IFC标准筛选出合规性检查所需的数据集。后台根据公路设计知识图谱和IFC标准的映射规则，对待检数据集与模板数据集二者进行匹配，得出完整性检查、结构性检查的结果，最后实现文字性检查报告输出。由于试验对象1属于道路模型，对其中的路线构件进行正确性检查，由于其具体指标的属性并未在IFC标准中进行定义，故此处采取语义丰富的方法，手动构建待检查模型的指标实体、指标实体对应属性、指标值以及实体和实体、实体和属性之间相互关系的结构化三元组数据。采用EXCEL创建待检实例的数据库文本，导入系统后对结构化三元组模型数据进行正确性检查。

(2) 利用本研究设计开发的系统对待检构件进行合规性检查，试验具体操作如下：

第1步，针对试验对象1和2采用上述试验步骤进行完整性检查，在待检模型的完整性检查中，由于试验对象1和2的构件、属性均不完整，分别输出完整性检查报告，提示该模型需进行补充设计的构件类型。

第2步，将试验对象1和2采用上述试验步骤进行结构性检查，在待检模型的结构性检查中，由于试验对象1和2的构件、属性均不完整，分别输出结构性检查报告，提示该模型结构不完整，需按IFC存储标准补充构件或属性。

第3步，针对试验对象1进行正确性检查，由于道路模型的路线专业未对具体指标值属性进行定义，故针对路线专业构建指标值规范结构化三元组作为模板三元组。同时根据实际设计对待检实例的指标值构建实例结构化三元组，将实例数据和规范数据同时导入图数据库与系统后，进行算法匹配，从而得出正确性检查报告。

针对检查结果对设计指标值进行修正，同步对实例数据库进行修改，导入系统进行检查。

(3) 使用合规性问答模块进行公路设计规范的查询问答与设计指标的合规性检查。当输入的问题不标准时，系统合规性问答模块做出“您好，我是公路设计自动合规性检查问答机器人，希望可以帮到您。如果没答上来，麻烦问些标准问题！”这样的回答。而以“指标名称+设计要求/设计条件/要求/规定/规范？”类型的问题进行问询时，系统进行自然问句解析后依据问答模板给出答案，例如在合规性问答模块中输入问题“圆曲线的设计要求”，系统回答“圆曲线的设计要求是：圆曲线最大半径值不宜超过10 000 m”。

4.3 结果分析

本研究提出的基于知识图谱的公路三维设计成果自动合规性检查系统在一定程度上提高了合规性检查的数字化水平。该系统利用NLP技术对公路设计规范进行条文规则提取，通过本体构建、信息抽取、知识存储等方法生成公路设计知识图谱，从公路工程IFC模型中提取公路设计合规性检查所需要的相关信息，构建本体规则与模型数据的映射关系，提出合规性检查的3种检查内容对应的检查算法。同时提出基于公路设计知识图谱的合规性自动问答方法，实现了公路设计成果的自动合规性检查，并通过Web浏览器链接后台程序实现模型预处理、合规性检查和合规性自动问答的操作。

5 结论

(1) 在对公路设计规范进行知识图谱构建的试验过程中，对现行公路设计类规范、标准、规程、指南的文本结构数据和相应特点进行研究分析，利用7步法进行本体构建。在研究中，通过规范数据预处理、信息抽取以及图谱生成构建等工作，实现对公路设计规范的知识整合。对公路设计规范进行了三元组结构化处理，实现了规范数据特征与结构的有效提取，探索了公路设计知识图谱构建的方法。

(2) 在对公路工程BIM的信息提取与整合过程中，对模型数据信息进行了有效的格式转换，通过数据的筛选、提取和整合，确保了BIM数据提取与整合方法的有效性与准确性，进一步体现了自动合规性检查的数字化优势。

(3) 本研究在基于公路工程BIM的自动合规性检查过程中，需要建立实体、属性之间的公路信息编码和IFC实体之间的匹配关系，进行了BIM的完整性检查、结构性检查和正确性检查。通过将实际模型数据与输出报告中的合规性检查结果进行比对分析，验证了系统自动合规性检查的全面性和准确性，证明了合规性检查结果中的数据以及合规性检查的结果与规范相符。

(4) 本研究系统通过对Web平台的开发，实现了基于知识图谱的公路设计规范合规性问答。通过Web端，设计检查人员可以实现规范条文的查询，并可实现对IFC未定义构件属性的手动查询检查。

(5) 本研究提出的基于知识图谱的公路三维设计成果自动合规性检查系统，将与模型预处理、合规性检查、合规性问答相关的模块通过编程语言嵌入Web界面中，其功能适用于公路设计阶段的BIM成果的自动合规性检查，具有良好的可行性与实用性，改变了传统的二维CAD图纸合规性检查方法，进一步提升公路设计成果的检查效率，对公路行业设计成果合规性检查的数字化程度起到了促进作用。