【IJDRR 2026】ORDUS：面向多灾种的城市系统风险本体建模｜从机器人物理AI风险评估视角
摘要
本文解读 IJDRR 2026 论文《Representing Multi-Hazard Events in Urban Systems: An Ontology-Based Model》。该论文提出 ORDUS（风险驱动的城市系统本体），通过融合 UFO 基础本体、middle-out 建模流程与利益相关者 storyline，把城市的人口、基础设施与地圈要素与风险整合进同一个可机读的语义空间，其特别之处在于把"风险"从关系或倾向重新表述为可实例化的情境（situation）。验证方面，24 个能力问题全部映射到 5 个子本体，模型在博尔扎诺 Casette Inglesi 街区（234 户 / 543 名居民 / 12 套公寓实测）完成实例化，并交付开放 SKOS 词表与 Apache Jena-Fuseki 三元组库，为多灾种风险评估提供了可推理的语义基础设施。
视频讲解：点击观看 B 站视频
论文基本信息
| 项目 | 内容 |
|---|---|
| 标题（英文） | Representing Multi-Hazard Events in Urban Systems: An Ontology-Based Model |
| 标题（中文） | 面向多灾种的城市系统风险本体建模 |
| 作者 | Cristine Griffo, Massimiliano Pittore |
| 机构 | Eurac Research，意大利 博尔扎诺 |
| 会议 | IJDRR 2026（International Journal of Disaster Risk Reduction） |
| 预印本 | SSRN 10.2139/ssrn.5582943（2025，无 arXiv 版本） |
| 项目网站 | https://skos.cct.eurac.edu/vocab/en/ |
背景与动机
城市是被反复比作生命体的复杂适应系统。联合国《世界城市报告 2022》预测，全球城镇化率将从 2021 年的 56% 上升到 2050 年的 68%，人口与基础设施的高度集中让自然、环境与人为风险在城市里叠加放大。当同一片街区同时承受热浪、内涝与空气污染时，单一灾种的管理范式会失效，而级联（cascading）与复合（compound）危害恰恰是现代城市风险的常态。
真正的瓶颈不只是数据，而是语义。民防部门、结构工程师、社会学家与气象学家对 vulnerability、exposure 与 risk 的理解并不一致，导致跨部门的风险信息无法被机器共享与推理。论文把这一困境归因于两个缺口：既有本体模型大多只覆盖单一要素（三维城市、地下管网或生物种群），而且普遍缺少基础本体（foundational ontology）支撑，容易产生概念不一致。
论文点名了多个对比对象：CityGML 3.0 与 Microsoft 的 Smart Cities 本体（DTDL）偏重三维语义与数字孪生；ATU 与 City Infrastructure Ontologies 聚焦地下管网与基础设施；PCO 基于 BFO 但只覆盖生物种群；FDSO 面向洪水这一单灾种；Climate System Ontology（CSO）虽然进入风险语义，却把风险建模为极端气候事件的 disposition。Pruski 等人在 2022 年的城市环境本体综述中明确指出，学界缺乏一种面向 multi-risk、同时整合生物与人工成分、且基于基础本体的表示——这正是本文要填补的空白。
作者所在团队此前已经在 RETURN 研究计划（意大利国家复苏与韧性计划资助）中把 storyline 用于需求抽取；本文是该系列的第二篇，负责回答"拿到 storyline 之后，模型怎么做出来"。
研究主线：从问题到结论
图 9：研究主线：城市多灾种风险 → 语义割裂 → 24 个能力问题 → UFO 基础本体建模 → storyline 与案例实例化 → ORDUS 语义基础设施（Mermaid 流程图）。
基准/方法设计
论文首先确立四条设计准则，用来在"可用性"与"体量/复杂度"之间取得平衡：风险导向（优先刻画多风险及其缓解相关的方面）、互斥且完备（分类既要互补又要完整）、兼容既有标准（与 DRR 与 CCA 社群、欧洲标准对齐）、简约（在满足前三条的前提下类别数最少）。
在这四条准则之下，模型被拆成 5 个模块化子本体：系统与子系统本体、人口与 Agent 本体、城市基础设施本体、地圈本体（本文未设计），以及风险驱动的城市系统本体 ORDUS。每个子本体都可以独立演进，也可以按灾种或区域横向扩展。
图 1：论文总览：5 个风险驱动子本体（城市系统、人口、基础设施、地圈、系统）通过 composes / interacts 组合，整体 based_on 统一基础本体 UFO。
分类全景
图 10：分类全景：ORDUS 的 5 个子本体，其中基础设施细分为硬基础设施与软基础设施（Mermaid 流程图）。
方法细节
方法的关键在于"类必须先被定型，再被使用"。所有类都由 Unified Foundational Ontology（UFO）的型论分类，例如 kind、role、relator、event、situation、quality 与 mode。这样做的直接收益是：跨学科术语被钉在形式语义上，而不是停在自然语言的歧义里。表 1 给出几个核心概念的定型结果。
表 1：部分核心概念的 UFO 定型（转写自论文表 8 与表 9）
| 核心概念 | UFO 定型 | 含义 |
|---|---|---|
| Urban Risk Situation | situation | 城市系统面临风险的情境 |
| Impact | event | 危险事件引发的可度量后果（损害/损失） |
| Vulnerability | mode | 系统或人群的易损状态 |
| Hazardous Event | event | 具体危害事件，可链式依赖 |
| Risk Likelihood | quality | 风险发生的概率 |
| Assigner | category | 赋值的角色（地震学家、气象学家等） |
第二个关键决策是把风险当作情境而不是关系或倾向。论文在讨论中明确与 CSO 的做法相反：风险不是某个极端事件的 disposition，而是由"暴露的城市系统"与"危险事件"共同参与构成的情境（situation）。这一改动看似只是本体论口径，实际决定了模型能否被实例化、能否被 SPARQL 查询、能否被赋予概率与量级。若沿用 IPCC 的风险框架，可以把风险写成 $R = f(H, E, V)$，即危害、暴露与脆弱性的函数——ORDUS 的工作正是把 $H$、$E$、$V$ 三个变量都变成有型论约束、可被实例填充的类。
第三，级联危害用 UFO-B 的事件模式表达：Risk Driver 通过 leads_to 触发 Hazardous Event，危险事件之间可以建立 historicalDependence（历史依赖），精确刻画"A 不发生则 B 不发生"的链式关系。第四，resident 与 non-resident 被建模为 Person 扮演的角色而非子类，因此可以按社会与法律关系赋予权利与义务。第五，软基础设施用 UFO-S 的 offering、resource allocation 与 service provision 三条关系刻画服务的运行机制。
图 2：ORDUS 风险核心：Risk Driver 触发危险事件，暴露的城市系统参与风险情境，脆弱性在其中显现并放大影响。
图 3：系统本体片段：城市系统是人造系统，置于特定时空，由基础设施、地圈与人口三类必要部分构成。
图 4：基础设施本体：硬基础设施（灰/绿/蓝，含城市要素与城市网络）与软基础设施（服务）两条主干。
实验设计与结果
这篇论文没有用基准数据集，而是搭建了一条可追溯的证据链，分四层：需求识别、storyline 共建、真实案例实例化、制品发布。
第一层是需求识别：先明确本体的 Purpose 与 Intended Use，再导出非功能需求（要求全部概念由 UFO 定型、流程遵循 SABiO 的 middle-out 版本、风险定义以 IPCC 口径为前提、抽取阶段必须使用 storyline），最后形成 24 个能力问题（CQ01–CQ24），并逐条映射到具体子本体。例如 CQ01 追问"什么构成处于风险中的城市系统"，CQ05 追问软基础设施的组成，CQ20 追问哪些系统依赖交通基础设施。需求、能力问题与模型之间的三级可追溯性，是本文"可验证"主张的支撑。
第二层是 storyline：与民防部门、工程师、社会学家、地质学家与统计学家共同设计 4 条多灾种叙事，作为自下而上的建模证据。
图 5：从 storyline 得到的概念模型：保留利益相关者的原始说法（leads_to / affects），作为形式化建模的入口。
第三层是实例化，用博尔扎诺 Don Bosco 区 Casette Inglesi 社会住房街区这一个真实案例检验模型能否落地。第四层是制品发布：模型以 RDF/XML、Turtle 与 JSON-LD 三种格式序列化，词表上线 Skosmos 平台，操作本体部署在 Apache Jena-Fuseki 上。
表 2：ORDUS 与既有本体/模型的对比（转写自论文讨论与相关工作）
| 本体 / 模型 | 覆盖范围 | 基础本体 | 多风险导向 | 开放词表 |
|---|---|---|---|---|
| CityGML 3.0 | 3D 城市模型 | 无 | 否 | 部分 |
| DTDL 智慧城市 | 数字孪生 | 无 | 否 | 部分 |
| ATU 基础设施 | 地下管网 | SWEET | 否 | 是 |
| PCO 种群 | 生物种群 | BFO | 否 | 是 |
| FDSO 洪水应急 | 洪水响应 | 无 | 单灾种 | 否 |
| ORDUS（本文） | 人口+设施+地圈 | UFO | 多灾种/级联 | 是 |
图 6：Casette Inglesi 街区热浪 storyline：危害、暴露、影响与风险的链路，脆弱性放大整条链路。
图 7：实例化：Bolzano → Don Bosco District → Casette Inglesi 街区，及其硬/绿-蓝基础设施与居民人口的 is_composed_of 关系。
图 8：多灾种 → 多风险实例化全景：极端温度驱动链式危险事件与影响，暴露的城市系统与人群参与其中。
结果对比总结
图 11：结果对比总结：既有 6 个本体缺多风险与基础本体，ORDUS 以 5 个子本体、24 个能力问题交付 SKOS 词表与三元组库（Mermaid 流程图）。
关键发现
- 模型可落地：案例中 City、District、Neighborhood、Residential Building、Resident Population 与 Resident Person 等类全部被成功实例化；Bolzano 经由 is_composed_of 关系包含 Don Bosco 区，再包含 3 层嵌套的 Casette Inglesi 街区。
- 数据缺口也是发现：案例未采集 impact 与 risk 的具体数值、Response 与 Risk Driver，因此这些类无法实例化——"模型完备"并不等于"数据可得"，这正是返回给实测环节的清单。
- 室内环境的实测证据：12 套公寓在 2024 年夏季的平均气温为 $28.5^{\circ}$C，峰值 $31.3^{\circ}$C，$CO_2$ 浓度最高 2700 ppm，$\mathrm{PM}_{2.5}$ 与 PM10 达到 $110\ \mu\mathrm{g}/\mathrm{m}^{3}$。
- 级联机制的完整链路：极端高温引发热浪、室内臭氧与室内甲醛，居民为了隔热而关窗的适应行为反而把污染物困在室内，生成新的室内颗粒物危害——这是一条典型的人为放大回路。
- 交付物可复用：24 个能力问题全部由同一套类与关系回答，模型支持 RDF/XML、Turtle、JSON-LD 三种序列化，词表开放给机器消费，操作本体可直接用 SPARQL 查询风险链。
- 创新模式口径：若用 15 种创新模式框架审视，本文同时命中"统一异构输入到同一空间"（人口、基础设施、地圈与风险进入同一 UFO 空间）、"重新表述为可解对象"（风险由关系/倾向改写为 situation）与"通过构造编码结构"（合法性由型论约束与 storyline 在设计期共同保证）三条模式，整体偏向可复用基础设施与跨领域适用性的社区导向型贡献。
局限性
论文自陈的局限集中在四个方面。第一，地域依赖：模型面向意大利议题与欧洲标准（CityGML、GEM Building Taxonomy、ISTAT、ISO 31010 与 ISO 14091），迁移到其他地理或法规语境需要大幅改造。第二，实证规模不足：验证依赖 storyline 与利益相关者反馈，作者明确写道 "we are conscious that a large-scale empirical validation or deployment in real-world urban management systems is required."（我们清醒地认识到仍需大规模实证与在真实城市管理系统中的部署）。第三，颗粒度缺口：部分脆弱性分支以及治理、经济、文化等软因素尚未展开，服务合同与 SLA 表示、信任度量与不确定性标注都留待未来工作。第四，形式化门槛：UFO 带来一致性的同时也带来认知负担，非专家团队可能难以采用，作者的缓解方案是发布轻量版模型；此外传感器本体（SOSA）尚未设计，动态与实时风险评估还未覆盖。
叙事与措辞层面也值得记录：论文用"城市像生命体"的类比开场，用缺口定义压实动机，最后以可行性兑现收尾，证据框架（实测反直觉数据）是其最强的措辞杠杆；但同一篇论文里仍留有 hedge 表述，并且在 5.4 节出现了 Neighboorhood 的拼写错误、"A Impact requires"与"There are some limitations highlight areas for future work."两处语法问题，全文也没有独立的致谢段落——这些是面向作者的可改进清单。
常见问题（FAQ）
ORDUS 到底解决了什么问题？
它解决了多灾种城市风险的"语义互操作"问题：把人口、基础设施、地圈与风险放进同一套由 UFO 定型的形式化语义空间，使跨学科的风险信息可以被机器共享、实例化与查询，而不是停留在各自的术语体系里。
为什么把风险建模为 situation 而不是关系或 disposition？
因为 stakeholders 与 IPCC 口径都更自然地把风险理解为"某种情形正在发生"。建模为 situation 之后，风险可以被具体的城市系统与危险事件实例化，也能被赋予 Risk Likelihood、Hazard Magnitude 等定性/定量质量，从而支持 SPARQL 查询与概率评估。
这套本体与传统本体（如 CityGML）是什么关系？
不是替代关系而是互补与对齐：CityGML 负责三维城市模型的语义互操作，PCO 负责生物种群，而 ORDUS 复用它们的成熟概念并补上"多风险 + 基础本体"这一维度，通过标准对齐实现互操作。
论文的验证够强吗？
在"需求覆盖"与"模型可实例化"两个层面上是扎实的：24 个能力问题全覆盖、5 个子本体全部建模、真实街区完成实例化。但在"大规模部署"与"预测有效性"上还不够，作者自己也把它列为首要未来工作。
这套工作与机器人、具身智能有什么关系？
城市多灾种风险与具身智能面对的是同一类问题：异构实体（建筑、道路、人群 / 机器人、传感器、任务）需要共享一套可推理的语义。ORDUS 展示的"基础本体 + 情境化风险 + 开放词表 + 三元组库"路径，可以直接迁移到机器人物理 AI 的风险与失效分析中。
模型可以直接拿来用吗？
可以，但需要适配。模型与词表已在 GitLab 与 Skosmos 公开，操作本体部署在 Jena-Fuseki 上，可直接加载并发起 SPARQL 查询；若面向非欧洲语境，需要按当地标准与数据现状做概念扩展。
参考链接
- 论文（SSRN 预印本）：https://ssrn.com/abstract=5582943
- 正式发表（IJDRR 2026）：https://doi.org/10.1016/j.ijdrr.2026.105990
- 受控词汇表（Skosmos）：https://skos.cct.eurac.edu/vocab/en/
- 前作（KEOD 2025，From Risk Storylines to a Risk-Driven Ontology of Urban Systems）：https://www.scitepress.org/Papers/2025/136691/136691.pdf
- UFO 基础本体（Guizzardi 2005 博士论文，Ontological Foundations for Structural Conceptual Models）
- 对标工作：CityGML 3.0；Du et al., City Infrastructure Ontologies (2023)；Davarpanah et al., Climate System Ontology (2023)
给大家推荐一款自用写文献综述、无虚构文献的 AI：
🌟 复旦大学 FudanNLP 团队自研 切问学术
覆盖 3.6 亿篇可溯源真实中英文文献，能自动整合文献观点生成规范综述
还能挖掘研究创新点、复现实验，配合视频教学，新手快速上手文献综述写作
🍀后记🍀
博客的关键词集中在编程、算法、机器人、人工智能、数学等等，持续高质量输出中。
🌸讨论QQ群：白拾的小屋 (750365700)
⭐B站账号：白拾的物理AI组会（活跃于知识区和动画区）
✨GitHub主页：YhbCode000（工程文件）
DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐
1
0- 0
已为社区贡献77条内容
所有评论(0)