随着车联网技术的日益普及,商用卡车的实时运行数据变得容易获取,为了充分利用车联网数据,需要综合分析多种车况之间的约束及关联,充分准确地挖掘车联网数据中有价值的信息,为行车问题提供可行的解释与支持。然而,车联网数据之间的关系复杂,除了车载传感器实时采集到的结构化数据外,还包括很多机理知识信息,且数据具有很强的时序性特点,如何对车联网数据进行统一建模,并在此基础上进行高效的应用,充分表示出不同因素之间的相互关联是一个很大的挑战,车联网知识图谱能够为这些问题的处理提供强大支持。领域知识图谱的通用构建方法相对成熟,但是在与制造业车联网进行结合时,需要充分考虑车联网数据的特点,针对性地构建知识图谱,细化知识表示。制造业车辆网数据具有时序性明显、多模态、实时性强的特点,并且存在公式与规则机理知识,通用的知识图谱构建方法无法完成对这些知识的表示。总体来说,车联网知识图谱的研究面临以下几个问题:（1）缺少车联网数据与机理知识的统一建模表示方法,难以将数据与机理知识有效表示在知识图谱结构中;（2）难以反映车联网数据时序上的特点,静态的知识图谱结构难以反映时序关联;（3）在对知识图谱进行应用时存在性能瓶颈,对知识图谱结构及数据频繁查询时产生性能问题。本文针对这些问题,通过细化的本体定义并融合机理对车联网数据与知识进行统一建模表示,利用长短期记忆人工神经网络对时序数据进行表示,从而完成知识图谱关联程度的更新,最后通过火焰图的绘制与分析定位数据库性能瓶颈,通过自适应优化技术、数据库GUC参数优化、查询语句执行计划的显式更改等多层次的性能优化手段,从数据库层面为知识图谱的更新与检索提供更高效的支持。本文的主要工作概括为以下三点:1.提出车联网知识图谱融合机理知识的构造方案。将车联网数据进行处理整合,构造相关本体,针对数据特点将实体划分为状态实体、部件实体、概念实体、布尔实体、数值实体、条件实体、公式机理实体和规则机理实体,将关系按不同实体连接类型进行细粒度划分,并为实体与关系设置相关属性。用机理实体将状态实体进行关联约束,表达机理知识等语义信息,完成车联网知识图谱的统一建模表示。2.设计实现一种考虑实时数据时序特点的知识图谱更新方法。将实时数据按照车辆的发动机类型和轴距组合类型进行车体类型的划分,针对每类车体的时序数据进行LSTM神经网络的训练,将时序关系进行表达,在得到的输出集上进行相关系数的计算,并对知识图谱的相关信息进行更新,为知识图谱在实际应用中提供更加细粒度的支持。3.提出车联网知识图谱基于PostgreSQL的存储方案及性能优化方法。通过PostgreSQL进行车联网知识图谱的存储,给出相关的表结构设计,并使用自适应优化技术及pghintplan优化查询语句的执行计划、调整数据库GUC运行参数、绘制分析数据库火焰图等多种性能优化手段,提高知识图谱结构及相关数据的检索效率,从数据库层面为上层应用提供更强大的性能支持。