Труды КНЦ (Технические науки вып.3/2025(16))

Для хранения и обработки сформированного геопространственного ГЗ была выбрана СУБД, поддерживающая графовые структуры данных. Как правило, подобные СУБД уже оптимизированы для хранения данных, представленных в виде сетей и графов, что обеспечивает лучшую производительность по сравнению с традиционными СУБД [51]. На основе сравнения нескольких графовых СУБД, представленного в работе [52], выбор был сделан в пользу Neo4j, которая показала наилучшие результаты как в области потребления ресурсов, так и в части скорости обработки и реализации специфичных функций обработки больших объемов данных. Учитывая тот факт, что потенциальная семантика моделируемых пространственных ситуаций может очень сильно различаться, невозможно предложить такие модель пространственной ситуации и технологию автоматизированного построения ситуаций в виде геосемантических изображений, которые были бы адекватны для любой предметной области. В связи с этим на данном этапе исследования мы решили ограничить предметную область рассматриваемых пространственных ситуаций чрезвычайными ситуациями на железнодорожном транспорте. Этот класс ситуаций будет являться основным для рассмотрения, но предложенные в рамках работы модель и технология обладают некоторой универсальностью, а подходы и принципы, положенные в их основу, могут быть использованы при моделировании схожих классов пространственных ситуаций. Для демонстрации некоторых элементов разработанных модели и технологии используется описание конкретной чрезвычайной ситуации (кейса) столкновения поездов на станции Княжая в Мурманской области [53]. В качестве источников информации для наполнения геопространственного ГЗ использованы тексты и мультимедийные материалы (видео, фото, схемы, аудиозаписи) открытого доступа. Основными источниками данных являлись официальные сайты различных министерств, ведомств, органов исполнительной власти, надзорных органов, например, Министерства транспорта Российской Федерации, открытого акционерного общества «Российские железные дороги», губернатора Мурманской области, транспортной прокуратуры и других. Также отдельным источником информации являлись сообщения в релевантных сообществах виртуальных социальных сетей и в популярных мессенджерах. Собранные таким образом данные были разделены на текстовые данные и мультимедийные данные. Текстовые данные были обработаны посредством большой языковый модели с целью извлечения RDF-троек для последующего формирования геопространственного ГЗ. Мультимедиа-данные также прошли предварительную обработку и были добавлены в геопространственный ГЗ в виде отдельных узлов средствами Neo4j. Результаты Основными результатами данной работы являются модель пространственной ситуации, представленная множеством геообъектов, пространственных и семантических отношений в виде фрагмента геосемантического изображения, а также технология автоматизированного построения моделей пространственных ситуаций в виде геосемантических изображений. Предложенная модель основана на онтологии ситуации, используемой в качестве концептуального шаблона для создания геопространственного ГЗ, включающего как географическую информацию об объектах, пространственных и семантических отношениях между ними, так и дополнительную семантическую информацию. Под дополнительной информацией понимается информация из внешних источников, которая напрямую не относится к пространственной ситуации, но семантически связана с моделируемой пространственной ситуацией. Например, для чрезвычайной ситуации столкновения поездов такой информацией может быть количество пассажирских мест в железнодорожном вагоне, погодные условия в момент аварии, количество пострадавших, категории пассажиров, тип груза и т. д. Благодаря комбинированию разнородных данных (геоданные, текст, графика, видео) в структуре единого геопространственного ГЗ, модель полезна для различных категорий пользователей, привлекаемых к выработке решений в рамках моделируемой пространственной ситуации. Предложенная модель может быть использована для решения широкого круга прикладных задач поддержки развития сложных региональных систем, для которых пространственные данные имеют большое значение, таких, например, как реагирование на чрезвычайные ситуации, смягчение последствий чрезвычайных ситуаций, мониторинг заболеваний, анализ городских потоков и других. Труды Кольского научного центра РАН. Серия: Технические науки. 2025. Т. 16, № 3. С. 140-153. Transactions of the Kola Science Centre of RAS. Series: Engineering Sciences. 2025. Vol. 16, No. 3. P. 140-153. © Вицентий А. В., 2025 145