14、语义增强的区块链拼车与网络管理决策支持

语义增强的区块链拼车与网络管理决策支持

语义增强的区块链拼车

资源匹配与分配

在拼车场景中，为了实现乘客与车辆的最优匹配，引入了一个实用函数：
[u(R, C) = 100\left[1 - \frac{s_{penalty}(R, C)}{s_{penalty}(R, \top)(1 + \frac{distance(R, C)}{max\ distance})}\right]]
其中，(s_{penalty}(R, C)) 是乘客配置文件 (R) 与车辆注释 (C) 之间的语义距离，该值通过除以 (s_{penalty}(R, \top)) 进行归一化，(s_{penalty}(R, \top)) 是 (R) 与通用概念 (\top)（即 “Top” 或 “Thing”）之间的距离，仅取决于本体结构。(max\ distance) 用于考虑车辆的地理距离，作为加权因子。该实用函数的目的是将语义距离分数转换为更用户友好的 [0, 100] 升序尺度。当完全匹配时，(s_{penalty}(R, C) = 0)，因此无论距离如何，(u(R, C) = 100)。

例如，对于 SUV1 和小型城市汽车 1，根据实用函数排名的结果分别为 90.2 和 76.2。显然，SUV 与乘客的语义描述非常相似，所有原子概念、通用量词和角色上的无限制数量限制都是兼容的。相反，乘客的要求与小型城市汽车不兼容，用户可以通过解释智能合约（Explanation SC）借助概念收缩推理任务获得解释：
[G: (has\ Feature\ only\ (Baby\ Seat))\ and\ (available\ Seats\ min\ 2)]

乘客与