基于短文本匹配的ATS典型场景用户需求分析方法_李世昌.pdf

文章编号：1672-4747（2023）01-0013-12基于短文本匹配的基于短文本匹配的ATSATS典型场景用户需求分析方法典型场景用户需求分析方法李世昌，黄 玮*，林莹莹，蔡 铭（中山大学，智能工程学院，广州 510006）摘要：随着交通系统自组织运行与自主化服务能力的快速发展，自主式交通系统（AutonomousTransportation Systems,ATS）成为智能交通系统未来的重要发展方向，构建ATS体系架构是规划与建设新一代智能交通系统的基础。面向典型交通场景，首先要分析交通系统的用户需求，本文重点解决基于ATS需求体系的典型交通场景用户需求分析问题，具体研究场景关键词与需求文本库的匹配方法。针对ATS的场景需求分析问题，首先提出基于分层的场景描述方法，对不同抽象层次的交通场景进行分层分解，并根据活动理论解析各抽象层次场景的属性要素。其次，根据属性要素特点提出基于短文本匹配的双层匹配模型，在双层模型中应用了TF-IDF和LSI两种相似度匹配算法。最后，在一体化出行服务典型场景中进行方法应用与对比，判断匹配模型和算法的实际效果。结果表明，采用TF-IDF和LSI算法协同作用的双层匹配模型取得了较好的匹配效果，匹配度指标达85%，并进一步通过灵敏度分析验证了双层匹配方法的适用性。关键词：智能交通；自主式交通系统；需求分析；双层匹配模型；短文本匹配中图分类号：U491文献标志码：ADOI：10.19961/ki.1672-4747.2022.09.009User requirement analysis of traffic scenarios involving autonomoustransportation systems based on short-text matchingLI Shi-chang,HUANG Wei*,LIN Ying-ying,CAI Ming（School of Intelligent Systems Engineering,Sun Yat-sen University,Guangzhou 510006,China）Abstract：Owing to the rapid development of the self-organized operation and autonomous servicecapability of transportation systems,Autonomous Transportation Systems(ATS)have been investi-gated extensively.To establish the architecture of the system,user requirements under typical trafficscenarios must first be analyzed.This paper focuses on user requirement analysis under typical traf-fic scenarios involving ATS.The key is to develop a method that can match the keywords of scenari-os with information regarding user needs from a specified ATS database.First,a hierarchical descrip-tion method is proposed to decompose the traffic scenarios into different abstraction levels.Subse-quently,the scenario attributes at different levels are analyzed based on activity theory.Second,based on the scenario attributes,a two-level matching model based on short-text matching is pro-posed.Two similarity matching algorithms,i.e.,TF-IDF and LSI,are applied in the two-level match-ing model.Finally,the proposed method is applied to a scenario involving Mobility as a Service,and收稿日期：2022-09-13录用日期：2022-10-19网络首发：2022-10-27审稿日期：2022-09-1309-19；10-1810-19基金项目：国家重点研发计划资助项目（2020YFB1600400）作者简介：李世昌（1999），男，硕士研究生，研究方向为自主式交通系统，E-mail：通信作者：黄玮（1986），女，副教授，研究方向为交通控制、交通系统建模与分析，E-mail：引文格式：李世昌，黄玮，林莹莹，等.基于短文本匹配的ATS典型场景用户需求分析方法J.交通运输工程与信息学报，2023，21(1)：178-189.LI Shi-chang,HUANG Wei,LIN Ying-ying,et al.User requirement analysis of traffic scenarios involving autonomous transportationsystems based on short-text matchingJ.Journal of Transportation Engineering and Information，2023，21(1)：178-189.第21卷 第1期2023年03月交通运输工程与信息学报Journal of Transportation Engineering and InformationVol.21 No.1Mar.2023the performances of the matching model and algorithm are evaluated.Numerical results show thatthe two-level matching model with TF-IDF and LSI algorithms achieves good matching perfor-mance,with a matching index of 85%.Additionally,the applicability of the two-level matching meth-od is verified via sensitivity analysis.Key words：intelligent transportation;autonomous transportation system;user needs analysis;two-level matching model;short text matching0引言随着交通出行需求的快速增长，全方位交通基础设施的有序建设与使用，以及新兴技术与交通内在需求发展的互促共进，一种能实现自组织运行、面向用户能提供自主化服务的交通系统建设需求正逐渐产生，即自主式交通系统（Autono-mous Transportation Systems,ATS）。ATS 是在新兴技术的推动下，基于“自主感知-自主学习-自主决策-自主响应”的逻辑过程，通过自组织运行与自主化服务的方式，完成对人与物的运输，其本质是减少交通系统的人为干预，提升交通系统的自主能力1。传统智能交通系统的体系框架研究指出，体系框架是制定和研究系统结构的指导性框架2-3，随着技术发展与需求演变，有必要深化与优化系统的内涵与技术框架4。构建ATS体系架构是有效指导未来ATS系统规划与建设的基础。面向典型交通应用场景，建立针对交通场景的系统架构参考方案是对ATS体系架构基础理论与方法的应用和验证，同时，通过应用场景的反馈，可进一步完善基础理论。在设计ATS典型交通场景的系统架构时，首先要分析交通系统的用户需求，例如：出行者的出行需求、交通运营中心和交通监管者的系统需求等。但由于交通复杂系统涉及的要素众多，一一枚举并研究其用户需求的工作量庞大，因此需要借助一套科学的方法分析场景，明确典型交通场景的用户需求。由于不同用户主体对需求关注的抽象层次不同，交通系统要素繁多且粒度不一，因此在对场景需求进行描述时需要从不同的抽象层次去描述系统，并进一步分析不同抽象层次场景的属性要素，进而通过属性要素关联关系解析场景需求。其中，对于场景的分层，李月霞5介绍了一种基于结构化的场景层次划分方法，依据场景所描述系统粒度的大小，将在较高抽象层次上描述粗粒度场景，然后使用分解技术对高层场景进行一层一层的分解精化。而关于场景属性要素的分析，Zheng等6借助活动理论对交通场景的要素构成进行了详细分析，并以自动驾驶场景为例，具体分析了该场景下的各要素构成并进一步获取了场景需求。本文基于系统层面的 ATS系统需求库，研究 ATS典型交通场景需求分析方法。在场景分层划分的基础上，结合ATS典型交通场景特点对各层场景属性要素进行规范化定义，这有助于更好地归纳出交通场景中的关键词，从而进一步实现场景关键词与需求库中需求文本的匹配。针对场景关键词与需求文本的匹配问题，在规范化定义分层场景属性要素的基础上，要根据属性要素关键词判断场景的具体需求，往往可以通过场景关键词与需求库中需求文本之间的相似度分析二者关联性，涉及文本相似度计算，这属于自然语言处理中的重要内容7。随着自然语言处理技术的快速发展，基于文本相似度计算的相关技术被应用到各个领域，如：机器翻译、信息检索、文本分类、自动摘要、舆情分析、语义感情分析、论文查重等工作8。杨琳琳等9通过对相关专利的文本相似度进行从高到低的排序，来实现专利的语义检索；程传鹏等10通过文本相似度计算的方式来解决给定标准答案的主观题评分问题，为主观题评分提供了较好的参考；黄贤英等11将短文本相似度计算方法应用在微博话题检测中，有效降低了话题检测的平均漏检率与误检率等，提高了微博话题检测质量。这些学者通过文本相似度计算的方法解决此类文本查询问题，因此，以场景关键词为输入，结合适宜的文本相似度模型算法，获取准确且全面的场景需求，是解决场景需求分析问题的关键思路。词频-逆文档频率（Term Frequency-InverseDocument Frequency，TF-IDF）模型、潜在语义索引（Latent Semantic Indexing，LSI）模型是两种技术成熟且应用广泛的文本相似度计算模型，常用于自动评分系统、网页搜索和短文本相似度匹配中。李世昌 等：基于短文本匹配的ATS典型场景用户需求分析方法179第1期两种算法各有优劣，学者常基于这二者的改进算法解决目标问题。其中，叶雪梅等12提出一种基于网络新词的改进TF-IDF算法，并将其应用在文本分类问题中；Letsche等13通过比较向量空间模型和潜在语义，分析研究了改进LSI算法在大规模文本信息检索中的应用技术。本文针对 ATS典型场景结构复杂、需求文本库个体文本较短且具有范式约束等特点，首先，对ATS典型场景进行分层分析，并确定各抽象层次场景的属性要素；其次，根据场景属性要素差异和需求匹配特点提出双层匹配模型，并在双层模型中应用TF-IDF和LSI两种相似度匹配算法；最后，以一体化出行服务典型场景为例，分析双层匹配模型下TF-IDF和LSI组合算法在自主式交通场景中的适用性与应用效果。ATS典型交通场景需求分析框架如图1所示。图1 ATS典型场景需求分析框架Fig.1 Typical scenario demand analysi