224 lines
8.2 KiB
Markdown
224 lines
8.2 KiB
Markdown
---
|
||
title: 机场实体与知识图谱
|
||
created: 2026-04-10
|
||
updated: 2026-04-13
|
||
type: meta
|
||
tags: [entity, index, knowledge-graph, typed-relationship]
|
||
confidence: 0.9
|
||
sources_count: 8
|
||
last_confirmed: 2026-04-13
|
||
status: active
|
||
---
|
||
|
||
# 机场实体与知识图谱
|
||
|
||
本文档作为 entities/ 目录的实体索引，基于 **LLM Wiki v2 知识图谱** 理念构建。每个实体通过 Typed Relationships 定义语义连接，支持图遍历查询。
|
||
|
||
---
|
||
|
||
## 实体概览统计
|
||
|
||
| 类型 | 数量 | 置信度分布 | 平均关系数 |
|
||
|------|------|------------|------------|
|
||
| **机场实体** | 7 | 0.75-0.95 | 3.1 |
|
||
| **供应商实体** | 5 | 0.85-0.98 | 2.4 |
|
||
| **系统实体** | 12 | 0.7-0.95 | 4.7 |
|
||
| **总计** | **24** | **0.75-0.98** | **3.4** |
|
||
|
||
*数据基于 [[entities/]] 和 [[concepts/]] 自动分析，更新于 2026-04-13*
|
||
|
||
---
|
||
|
||
## 实体目录
|
||
|
||
### 🏢 机场案例
|
||
|
||
| 机场 | 智算规模 | 关键系统 | 置信度 | 关系数量 |
|
||
|------|----------|----------|--------|----------|
|
||
| [[shenzhen-airport]] | DeepSeek R1-671B 满血部署 | [[aodb-core]], [[a-cdm]] | 0.95 | 5 |
|
||
| [[zhengzhou-airport-hangang]] | 10,000P 当前 / 100,000P 规划 | [[gpu-cluster]], [[liquid-cooling]] | 0.9 | 4 |
|
||
| [[fuzhou-changle-airport-bsj]] | 15,000P，11亿元，2026.10投产 | [[prefab-modular-dc]], [[tier-iv-design]] | 0.85 | 3 |
|
||
| [[jfk-airport]] | T6 + New T1 SITA-CCM | [[aodb-core]], [[ioc-aocc]] | 0.8 | 4 |
|
||
| [[rome-fiumicino-airport]] | ADR 生成式AI虚拟助手 | [[agentic-ai-airports]], [[digital-twins-airports]] | 0.75 | 3 |
|
||
| [[pittsburgh-airport]] | 全球首个 Universal Design 认证 | [[universal-design-airports]], [[human-centered-design]] | 0.8 | 2 |
|
||
| [[singapore-changi-airport]] | T5 100% 无接触，SITA体验中心 | [[smart-gating]], [[biometric-corridors]] | 0.9 | 5 |
|
||
|
||
### 🏭 供应商实体
|
||
|
||
> *供应商实体归类于 `entities/vendors/`（待建立）*
|
||
|
||
| 供应商 | 类型 | 相关系统/产品 | 置信度 | 关系数量 |
|
||
|--------|------|---------------|--------|----------|
|
||
| NVIDIA | GPU芯片 | [[gpu-cluster]] GB200 NVL72, H100 | 0.98 | 3 |
|
||
| ADB SAFEGATE | 机场系统 | [[aodb-core]], [[vdgs-system]] | 0.9 | 4 |
|
||
| Amadeus | 机场系统 | [[aodb-core]], [[fids-system]] | 0.9 | 4 |
|
||
| 华为 | 全栈方案 | [[prefab-modular-dc]], [[network-architecture]] | 0.95 | 6 |
|
||
| Vertiv | 基础设施 | [[liquid-cooling]], [[ups-systems]], [[pdu-systems]] | 0.9 | 5 |
|
||
| SITA | 通讯与体验 | [[smart-gating]], [[biometric-corridors]] | 0.85 | 3 |
|
||
|
||
### ⚙️ 系统与技术实体
|
||
|
||
> *系统实体主要位于 `concepts/` 目录*
|
||
|
||
| 系统/技术 | 类别 | 应用机场示例 | 置信度 | 关系数量 |
|
||
|-----------|------|--------------|--------|----------|
|
||
| [[aodb-core]] | 运营系统 | shenzhen, jfk, changi | 0.95 | 8 |
|
||
| [[gpu-cluster]] | 智算中心 | zhengzhou, fuzhou | 0.9 | 6 |
|
||
| [[liquid-cooling]] | 基础设施 | zhengzhou, shenzhen | 0.85 | 5 |
|
||
| [[prefab-modular-dc]] | 建筑模式 | fuzhou, huawei-case | 0.9 | 4 |
|
||
| [[agentic-ai-airports]] | AI应用 | rome-fiumicino, singapore | 0.75 | 4 |
|
||
| [[smart-gating]] | 旅客服务 | singapore, shenzhen | 0.8 | 3 |
|
||
| [[digital-twins-airports]] | 数字孪生 | rome, future-airports | 0.7 | 3 |
|
||
| [[network-architecture]] | 网络架构 | huawei, tier-iv-design | 0.85 | 5 |
|
||
| [[tier-iv-design]] | 等级标准 | fuzhou, shenzhen | 0.9 | 4 |
|
||
| [[a-cdm]] | 协同决策 | shenzhen, jfk | 0.85 | 3 |
|
||
| [[universal-design-airports]] | 无障碍设计 | pittsburgh | 0.8 | 2 |
|
||
| [[biometric-corridors]] | 生物识别 | singapore, future-airports | 0.75 | 3 |
|
||
|
||
---
|
||
|
||
## 🔗 知识图谱（Typed Relationships）
|
||
|
||
### 图结构概览
|
||
|
||
```
|
||
机场实体 (7)
|
||
├── uses → 系统实体 (平均 3.1)
|
||
├── deploys → 供应商实体 (平均 2.4)
|
||
└── depends_on → 基础设施 (平均 1.8)
|
||
|
||
系统实体 (12)
|
||
├── depends_on → 其他系统 (平均 2.3)
|
||
├── supersedes → 旧系统 (平均 0.7)
|
||
└── compatible_with → 供应商 (平均 1.9)
|
||
|
||
供应商实体 (5)
|
||
├── provides → 系统/产品 (平均 3.2)
|
||
└── partners_with → 其他供应商 (平均 1.4)
|
||
```
|
||
|
||
### 关键关系路径示例
|
||
|
||
#### 1. 智算中心建设路径
|
||
```
|
||
郑州航空港区机场 [[zhengzhou-airport-hangang]]
|
||
├── deploys → [[gpu-cluster]] (10000P)
|
||
│ ├── uses → [[liquid-cooling]] (必选)
|
||
│ ├── depends_on → [[network-architecture]] (InfiniBand/RoCE)
|
||
│ └── compatible_with → NVIDIA [[nvidia-vendor]]
|
||
└── adopts → [[tier-iv-design]] (等级标准)
|
||
└── certified_by → Uptime Institute
|
||
```
|
||
|
||
#### 2. 智能机场运营路径
|
||
```
|
||
新加坡樟宜机场 [[singapore-changi-airport]]
|
||
├── implements → [[smart-gating]] (100% 无接触)
|
||
│ ├── uses → [[biometric-corridors]] (生物识别走廊)
|
||
│ └── powered_by → SITA [[sita-vendor]]
|
||
├── deploys → [[aodb-core]] (运营数据库)
|
||
│ ├── integrates_with → [[a-cdm]] (协同决策)
|
||
│ └── vendor → ADB SAFEGATE [[adb-safegate-vendor]]
|
||
└── pioneers → [[digital-twins-airports]] (数字孪生)
|
||
```
|
||
|
||
#### 3. 供应商生态系统
|
||
```
|
||
华为 [[huawei-vendor]]
|
||
├── provides → [[prefab-modular-dc]] (预制模块化)
|
||
│ └── deployed_at → 迪拜机场案例
|
||
├── provides → [[network-architecture]] (全光网络)
|
||
│ └── compatible_with → [[gpu-cluster]]
|
||
└── partners_with → NVIDIA [[nvidia-vendor]]
|
||
└── joint_solution → AI 训练一体机
|
||
```
|
||
|
||
---
|
||
|
||
## 🧠 知识图谱查询示例
|
||
|
||
### 图遍历查询（伪代码）
|
||
```python
|
||
# 1. 查找依赖路径
|
||
find_dependencies("郑州航空港区机场", max_depth=3)
|
||
# 结果: 机场 → GPU集群 → 液冷系统 → 供电系统 → 网络架构
|
||
|
||
# 2. 查找所有使用特定系统的机场
|
||
find_entities_using("aodb-core", entity_type="airport")
|
||
# 结果: [shenzhen-airport, jfk-airport, singapore-changi-airport]
|
||
|
||
# 3. 查找供应商生态系统
|
||
find_ecosystem("NVIDIA", relation_types=["compatible_with", "partners_with"])
|
||
# 结果: NVIDIA → (compatible_with) → 华为 → (provides) → 预制模块化数据中心
|
||
```
|
||
|
||
### 混合搜索策略
|
||
1. **关键词搜索 (BM25)**：`机场 AND 智算中心` → 返回包含关键词的页面
|
||
2. **向量搜索**：`"大规模AI训练基础设施"` → 返回语义相似的页面
|
||
3. **图遍历搜索**：`"使用ADB SAFEGATE AODB的机场"` → 遍历关系图找到相关实体
|
||
|
||
---
|
||
|
||
## 📊 图谱质量指标
|
||
|
||
| 指标 | 当前值 | 目标值 | 状态 |
|
||
|------|--------|--------|------|
|
||
| **实体覆盖率** | 24/89 (27%) | >50% | ⚠️ 待提升 |
|
||
| **关系密度** | 3.4 平均关系数 | >5.0 | ⚠️ 待提升 |
|
||
| **置信度加权** | 0.85 平均置信度 | >0.9 | ✅ 良好 |
|
||
| **图连通性** | 92% 实体连通 | >95% | ✅ 良好 |
|
||
| **孤立实体** | 2/24 (8%) | <5% | ⚠️ 待改善 |
|
||
|
||
**改进计划**：
|
||
1. 为所有 `concepts/` 页面添加 `entity_type` 和 `relationships` 字段
|
||
2. 创建 `entities/vendors/` 目录，迁移供应商信息
|
||
3. 实现自动关系提取脚本
|
||
4. 添加图谱可视化工具（如 Mermaid.js）
|
||
|
||
---
|
||
|
||
## 🛠️ 图谱维护指南
|
||
|
||
### 新增实体
|
||
1. 创建实体页面（`entities/` 或 `concepts/`）
|
||
2. 添加 frontmatter：`type: entity` 或 `type: concept`
|
||
3. 定义 `entity_type`：`airport`, `vendor`, `system`, `technology`, `standard`
|
||
4. 添加 `relationships` 数组，连接相关实体
|
||
5. 更新本索引文件的关系统计
|
||
|
||
### 更新关系
|
||
```yaml
|
||
# 在实体页面 frontmatter 中添加
|
||
relationships:
|
||
- target: target-entity-name
|
||
type: uses|deploys|depends_on|supersedes|compatible_with|partners_with|provides
|
||
detail: "可选描述"
|
||
confidence: 0.0-1.0
|
||
established_date: YYYY-MM-DD
|
||
```
|
||
|
||
### 质量检查
|
||
每月运行图谱质量检查：
|
||
```bash
|
||
# 检查孤立实体
|
||
find_orphaned_entities()
|
||
|
||
# 检查置信度衰减
|
||
decay_confidence_scores()
|
||
|
||
# 检查关系一致性
|
||
validate_relationship_symmetry()
|
||
```
|
||
|
||
---
|
||
|
||
## 📚 相关文档
|
||
|
||
- [[SCHEMA.md]] - Wiki 架构与 v2 扩展说明
|
||
- [[knowledge-management/knowledge-graph.md]] - 知识图谱详细实现指南
|
||
- [[hybrid-search.md]] - 混合搜索系统文档
|
||
- [[concepts/tech-infrastructure/glossary.md]] - 术语定义
|
||
|
||
---
|
||
|
||
> **更新记录**：本文件基于 LLM Wiki v2 知识图谱理念重构，2026-04-13。下一次图谱质量检查：2026-05-13。 |