نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس,

چکیده

در دسترس بودن روزافزون دستگاه های حسگر منجر به حجم قابل توجهی از داده های حسگر شده است که این موضوع را به وجود آورده است که این داده ها به طور کامل توسط برنامه ها و کاربران نهایی قابل کشف و تفسیر شوند. ایده OGC Sensor Web Enablement (SWE) این موضوع را با پیشنهاد مجموعه‌ای از استانداردها برای فعال کردن دسترسی به داده‌های حسگر از طریق وب برطرف کرده است. به طور مشابه، علاقه فزاینده ای به اطلاعات جغرافیایی داوطلبانه (VGI) وجود دارد. با توجه به اینکه چندین محقق پتانسیل این نوع جدید از اطلاعات را به عنوان مکمل داده‌های موجود و «سنتی» برجسته کرده‌اند، توسعه چارچوب‌هایی برای پشتیبانی از ادغام VGI از چندین منبع و با انواع دیگر داده‌ها مهم می‌شود. در این صفحه، ما با پیشنهاد چارچوبی برای قابلیت همکاری معنایی داده های حسگر و VGI، اولین گام را در این مسیر برمی داریم. پس از انجام بررسی انواع کاربردهای VGI، ما یک مدل مفهومی از VGI را با استانداردهای ISO مربوطه برای توصیف ویژگی‌های مکانی توسعه داده‌ایم. هدف این مدل پشتیبانی از تولید توصیفات رایج برای برنامه های کاربردی VGI است که به عنوان رابطی برای سرویس های سطح بالاتر مانند سرویس های کشف و استدلال عمل می کنند تا در ارتباط با داده های حسگر توسط برنامه های مشتری مورد سوء استفاده قرار گیرند. این فرآیند از طریق معماری برای تعامل معنایی داده‌های حسگر و VGI که ​​ما توسعه داده‌ایم و قصد داریم از آن برای تنظیم دستورالعمل‌هایی برای تحقیقات آینده در مورد ادغام VGI در زیرساخت‌های سایبری داده‌های حسگر استفاده کنیم، توضیح داده شده است.
کلید واژه ها: 

قابلیت همکاری معنایی ; وب معنایی ; داده های حسگر ؛ اطلاعات جغرافیایی داوطلبانه

 

 

1. مقدمه

فراگیر شدن روزافزون حسگرها و دستگاه‌های تلفن همراه منجر به حجم‌های مهمی از داده‌های حسگر شده است که این موضوع را به‌عنوان امکان بهره‌برداری کامل از این داده‌ها، یعنی امکان کشف، اشتراک‌گذاری و تفسیر داده‌های حسگر مطرح کرده است. در عین حال، علاقه فزاینده ای به توانمندسازی افراد برای تولید و انتشار داوطلبانه اطلاعات جغرافیایی وجود دارد. این اطلاعات در حال حاضر به عنوان اطلاعات جغرافیایی داوطلبانه (VGI) نامیده می شود [ 1]. این اطلاعات توسط افراد یا سازمان‌هایی که رسماً وظیفه انجام این کار را دارند، معمولاً به‌عنوان تولیدکننده داده تعیین می‌شوند، تولید نمی‌شوند، بلکه توسط افرادی تولید می‌شوند که در زمینه‌ها و فعالیت‌های مختلف فعالیت می‌کنند و داوطلبانه دانش خود را در مورد ویژگی‌های جغرافیایی جمع‌آوری و به اشتراک می‌گذارند. برای مثال، پروژه‌های نقشه‌برداری مشترک مانند نقشه خیابان باز (OSM) تقریباً هر فردی را که به اینترنت دسترسی دارد قادر می‌سازد تا نقشه‌ها را تولید و به اشتراک بگذارد. همانطور که این پارادایم جدید VGI در علم اطلاعات جغرافیایی به طور فزاینده ای محبوب می شود، چندین محقق به مشکلات ناشی از این نوع جدید اطلاعات اشاره کرده اند. به عنوان مثال، برخی استدلال می کنند که الگوی VGI احتمالاً تولید حجم بیشتری از اطلاعات جغرافیایی را امکان پذیر می کند [ 2 ، 3 ]]. به موازات آن، VGI تفاوت‌های قابل‌توجهی با داده‌های مکانی سنتی دارد که توسط سازمان‌ها و متخصصان خاص و بر اساس ساختارها و زبان‌های استاندارد ایجاد می‌شوند. در واقع، VGI احتمالاً با استفاده از زبان طبیعی به جای زبان‌های رسمی که توسط پایگاه‌های اطلاعاتی و سرویس‌های جغرافیایی موجود استفاده می‌شود، تولید می‌شود. در نتیجه، برخی استدلال می کنند که VGI احتمالا سطوح بالاتری از ناهمگونی را نسبت به داده های سنتی نشان می دهد [ 4 ]. با این حال، VGI همچنین می تواند به عنوان یک منبع اطلاعاتی دیده شود که می تواند داده های جغرافیایی موجود را غنی و کامل کند. به عنوان مثال، VGI می تواند مجموعه داده های موجود را با اطلاعات مربوط به مقیاس های زمانی و مکانی و سطوح جزئیات که فراتر از ظرفیت تولید کنندگان “رسمی” است گسترش دهد [ 5 ، 6 ]]. در این مقاله، ما همچنین استدلال می‌کنیم که VGI باید به طور کامل در زیرساخت‌های موجود، از جمله زیرساخت‌های داده‌های حسگر، ادغام شود. در حالی که رویکردهای متعددی برای مقابله با VGI و ادغام آن در کاربردهای مختلف مکانی وجود دارد [ 3 ، 6 ، 7 ، 8 ، 9]، یک چارچوب جهانی وجود ندارد که توصیف برنامه های کاربردی VGI و ادغام آنها را در یک فرآیند قابلیت همکاری معنایی رسمی کند. علیرغم این واقعیت که برنامه های VGI به وضوح از طریق اینترنت قابل دسترسی هستند، هیچ چارچوبی وجود ندارد که توضیح دهد چگونه برنامه های مختلف VGI می توانند با داده های حسگر ادغام شوند و از طریق یک پورتال در دسترس قرار گیرند. چنین چارچوبی بهره برداری کامل از داده های VGI و حسگر را نه تنها به عنوان برنامه های کاربردی و خدمات حسگر مجزا، بلکه به عنوان یک منبع اطلاعاتی یکپارچه برای حمایت از تصمیم گیری، امکان پذیر می کند.
در این مقاله، با ارائه چارچوبی برای قابلیت همکاری معنایی داده‌های حسگر و VGI به این موضوع می‌پردازیم. در حالی که مسئله ادغام داده‌های VGI با داده‌های مکانی به طور کلی وجود دارد، به دلیل دامنه وسیع این موضوع، در این مقاله ما تصمیم گرفتیم روی داده‌های حسگر به عنوان اولین قدم برای بررسی ادغام VGI با انواع دیگر داده‌ها تمرکز کنیم. همچنین، VGI شباهت هایی را با داده های حسگر نشان می دهد، زیرا هر دو را می توان به عنوان اطلاعاتی در نظر گرفت که توسط “دستگاه های حسگر” در محیط ارائه می شود (به عنوان مثال ، “حسگرهای انسانی” یا دستگاه های ساخته شده توسط انسان) [ 1 ]]. با این وجود، در حالی که گاهی اوقات داده‌های حسگر را می‌توان به‌عنوان VGI در نظر گرفت، در این مقاله ما آنها را متمایز در نظر می‌گیریم، زیرا داده‌های حسگر لزوماً توسط داوطلبان تولید نمی‌شوند و می‌توانند از روش‌های تولید داده‌های مرسوم و استانداردی که توسط منابع رسمی (دولت‌ها، آژانس‌های نقشه‌برداری) اتخاذ شده‌اند، حاصل شود. ) به عنوان مثال داده های هواشناسی. در نتیجه، و بر خلاف (به طور کلی) با VGI، برای داده های حسگر لزوما درست نیست که انگیزه و زمینه مشارکت کنندگان ناشناخته است. همچنین، «نویز» در داده‌های حسگر تولید شده توسط منابع رسمی احتمالاً کمتر از VGI است، حتی اگر داده‌های حسگر نیز تحت تأثیر مسائل کیفی قرار گیرند.
این مقاله سه سهم اصلی دارد:

  • ما با ارائه، تجزیه و تحلیل و بحث در مورد انواع مختلف VGI شروع می کنیم، به ویژه به منظور شناسایی نوع خروجی که آنها تولید می کنند. این پایه و اساس توسعه مدل برای توصیف VGI را ایجاد می کند.
  • ما مدلی از VGI ایجاد کرده‌ایم که ویژگی‌های این برنامه‌های کاربردی VGI و داده‌هایی که تولید می‌کنند را توصیف می‌کند (ما از اصطلاح «برنامه‌های VGI» برای اشاره به هر محصول نرم‌افزاری استفاده می‌کنیم که در آن انسان‌ها می‌توانند از VGI استفاده یا تولید کنند [ 8 ]). سهم این مدل پشتیبانی از مدیریت VGI و ادغام آن در فرآیندهای قابلیت همکاری معنایی، با ارائه مبنای مفهومی برای تولید توصیفات رایج از برنامه های کاربردی VGI ناهمگن است. این توصیف‌ها به‌عنوان رابط‌های مشترک عمل می‌کنند و سهم آن‌ها فعال کردن پرس و جو و تفسیر صحیح VGI است که از طریق برنامه‌های مختلف از طریق یک پلتفرم واحد ارائه می‌شود.
  • ما یک معماری پیشنهاد می‌کنیم که فرآیند یکپارچه‌سازی داده‌های حسگر و VGI را در یک پلتفرم توضیح می‌دهد و شامل حاشیه‌نویسی معنایی و خدمات معنایی برای فعال کردن تطابق معنایی داده‌های حاصل از منابع مختلف است.
در بخش آخر مقاله، امکانات ایجاد شده توسط چارچوب پیشنهادی را با تشریح خدمات مختلف مورد نیاز برای پیاده‌سازی چارچوب با مثال‌هایی نشان می‌دهیم. سپس، چالش‌های پژوهشی را که هنوز باید مورد توجه قرار گیرند، برجسته می‌کنیم. با انجام این کار، هدف ما همچنین استفاده از چارچوب پیشنهادی برای تنظیم دستورالعمل‌هایی برای تحقیقات آینده در مورد ادغام VGI در زیرساخت‌های سایبری داده‌های حسگر است. در بلند مدت، هدف ما نیز برجسته کردن نیاز به توسعه یک مدل توصیف استاندارد برای برنامه‌های کاربردی VGI است.
این مقاله به شرح زیر سازماندهی شده است: بخش 2 یک نمای کلی از فرصت ها و چالش های ناشی از برنامه های کاربردی VGI در حال ظهور، و همچنین پیش زمینه ای در معناشناسی جغرافیایی ارائه می دهد. بخش 3 مدل VGI را ارائه می دهد. بخش 4 چارچوبی را برای پشتیبانی از قابلیت همکاری معنایی داده های حسگر و VGI ارائه می کند، در حالی که بخش 5 خدمات مورد نیاز برای پیاده سازی چارچوب را ارائه می دهد. نتیجه گیری و راه های کار آینده در بخش 6 ارائه شده است.

2. مروری بر VGI: فرصت ها و چالش های جدید

2.1. ظهور پارادایم VGI

در سال 1997، گودچایلد اشاره کرد که با فراگیر شدن شبکه‌ها، تولید اطلاعات جغرافیایی از یک فرآیند متمرکز به یک فرآیند توزیع شده در حال حرکت است [ 10 ]. امروزه کاربران می توانند اطلاعات جغرافیایی را از طریق انواع اپلیکیشن های اینترنتی تولید کنند. در نتیجه، یک “مشترک دیجیتال جهانی دانش جغرافیایی” بدون نیاز به تکیه صرفاً بر فرآیندهای تولید داده های مکانی “سنتی” ایجاد می شود [ 11 ]. در سال 2007، Goodchild اصطلاح “اطلاعات جغرافیایی داوطلبانه” را برای اشاره به اطلاعات جغرافیایی تولید شده توسط کاربران از طریق برنامه های کاربردی عصر وب 2.0 معرفی کرد. بعدها، بالاتوره و برتولتو [ 9] بیان کرد که پارادایم VGI منعکس کننده تبدیل کاربران از مصرف کنندگان اطلاعات مکانی “منفعل” به “مشارکت کنندگان فعال” است. با این حال، کلمن و همکاران . [ 12 ] استدلال می کنند که مفهوم “محتوای تولید شده توسط کاربر” جدید نیست، به عنوان مثال به GIS مشارکت عمومی اشاره می کند که در آن کاربران می توانند ورودی و بازخورد را به تصمیم گیرندگان و جوامع درگیر از طریق برنامه های کاربردی مبتنی بر وب ارائه دهند. آنها ادعا می کنند که تازگی تا حدی در جنبه جامعه محور مشارکت کاربران در این مشترکات دیجیتالی دانش جغرافیایی نهفته است [ 12 ]]: VGI اغلب از مشارکت مشترک جوامع بزرگی از کاربران در یک پروژه مشترک ایجاد می شود – برای مثال، OSM یا Wikimapia – که در آن افراد می توانند اطلاعات جغرافیایی را تولید کنند که از دانش محلی خود در مورد یک واقعیت جغرافیایی ناشی می شود یا اطلاعات ارائه شده توسط آنها را ویرایش کنند. افراد دیگر به طور قابل‌توجه، در OSM، کاربران می‌توانند ویژگی‌های نقشه را توصیف کنند – مانند جاده‌ها، بدنه‌های آبی، و نقاط مورد علاقه – با استفاده از برچسب‌ها، اطلاعاتی را در سطحی از جزئیات ارائه می‌کنند که اغلب فراتر از آن چیزی است که تولیدکنندگان داده‌های جغرافیایی سنتی ارائه می‌دهند. 13 ].

2.2. فرصت هایی که از VGI به وجود می آیند

در میان مزایای مرتبط با VGI، محققان استفاده از VGI برای غنی‌سازی، به‌روزرسانی یا تکمیل مجموعه‌های داده‌های مکانی موجود را برجسته می‌کنند [ 1 ، 5 ، 6 ، 7 ، 14 ]. این مزیت به‌ویژه در شرایطی مطرح می‌شود که تولیدکنندگان سنتی داده‌های مکانی – معمولاً دولت‌ها – ممکن است فاقد ظرفیت تولید مجموعه‌های داده با پوشش مکانی و زمانی و سطح جزئیات جامع باشند [ 5 ، 14 ]. در نتیجه، آهنگ و خورشید [ 3] نشان می دهد که استفاده از VGI در مدیریت شهری افزایش یافته است. علاوه بر این، تاکید شد که VGI می تواند به موقع و تقریباً زمان واقعی ارائه و منتشر شود، که برای حمایت از تصمیم گیری در شرایط بحرانی مانند واکنش به بلایا و رویدادهای بحران لازم است [ 1 ، 7 ، 15 ، 16 ]. علاوه بر این، برنامه های کاربردی VGI امکان جمع آوری اطلاعات خاص مانند دانش محلی را فراهم می کند، که معمولاً نمی توان با استفاده از فرآیندهای جمع آوری داده های سنتی جمع آوری کرد [ 1 ]. مزایای مرتبط با VGI قویاً نشان می دهد که این نوع دانش بسیار ارزشمند است و احتمالاً به ارائه تصویری پویا از محیط کمک می کند [ 7 ، 17 ]]. در نتیجه، محققان به جای در نظر گرفتن آن به عنوان اطلاعات موازی، نیاز به ادغام VGI با مجموعه داده های موجود را تشخیص می دهند [ 7 ، 18 ]. با این وجود، ادغام VGI در مجموعه داده‌های مکانی موجود هنوز به طور کامل قابل دستیابی نیست، زیرا موانع مختلف مانع آن می‌شود.

2.3. چالش های مربوط به VGI

اعتبار، قابلیت اطمینان و کیفیت VGI از جمله مسائل اصلی است که مطرح می شود [ 2 ، 19 ، 20 ، 21 ، 22 ]. VGI را می توان فاقد اعتبار و قابلیت اطمینان دانست زیرا توسط افراد غیرمتخصص در زمینه ای تولید می شود که به شدت با “زمینه های سازمان یافته سازمان یافته و متخصص محور” متفاوت است [ 2 ].]. به عنوان مثال، در حالی که از تولیدکنندگان داده های مکانی خبره انتظار می رود که داده ها را با سطح خاصی از دقت تولید کنند، کاربران برنامه های کاربردی VGI به طور رسمی ملزم به انجام این کار نیستند و ممکن است درک نادرست یا ناقصی از پدیده جغرافیایی که توصیف می کنند داشته باشند. نگرانی دیگر مربوط به کیفیت VGI این واقعیت است که مشخصات و انگیزه مشارکت کنندگان اغلب ناشناخته است. همانطور که توسط De Longueville و همکاران ذکر شده است . [ 7]، جنبه های اجتماعی-اقتصادی، جامعه شناختی و فرهنگی که کاربران را مشخص می کند می تواند بر تولید VGI تأثیر بگذارد. آگاهی از ویژگی های مرتبط مشارکت کنندگان می تواند به تفسیر صحیح VGI و ارزیابی کیفیت و تناسب آن برای استفاده کمک کند. همچنین در رابطه با موضوع کیفیت VGI، جامعه GI هنوز با تعدادی موانع در رابطه با نحوه تفسیر، حاشیه نویسی معنایی، ذخیره، انتشار، جستجو، اشتراک گذاری و ادغام VGI با داده های موجود مواجه است. اولا، هیچ فرمت و زبان استانداردی برای جمع آوری VGI و رسمی کردن زمینه پیرامون VGI وجود ندارد. این یک مانع جدی اولیه برای قابلیت همکاری VGI با داده های موجود است. VGI ممکن است با استفاده از زبان طبیعی تولید و ذخیره شود،2 ]. طبق نظر Scheider و همکاران . [ 23 ]، اصطلاحاتی که توسط مشارکت کنندگان برای توصیف پدیده های جغرافیایی استفاده می شود، فاقد «تفسیر بدون ابهام از نظر مشاهدات تکرارپذیر» است. با این وجود، برخی از برنامه‌های کاربردی VGI، مانند OSM، توصیه می‌کنند که مشارکت‌کنندگان، اصطلاحاتی را که برای توصیف ویژگی‌های جغرافیایی استفاده می‌کنند، مستند کرده و با دیگران به اشتراک بگذارند، جایی که اصطلاحات پس از آن در قالب یک جامعه‌شناسی سازمان‌دهی می‌شوند. با این حال، Scheider و همکاران . [ 23 ] نشان می دهد که رسیدن به اجماع در مورد اصطلاحات استفاده دشوار است، در حالی که Mooney و Corcoran [ 17 ]] بیان می کند که مکانیسمی برای بررسی پایبندی به هستی شناسی مورد توافق وجود ندارد. در نتیجه این عدم استانداردسازی، و همچنین به دلیل تنوع پروفایل و پیشینه کاربران، برخی از محققان استدلال می‌کنند که ناهمگونی مؤثر بر VGI احتمالاً شدیدتر از ناهمگونی تأثیرگذار بر داده‌های مکانی سنتی است [ 4 ، 24 ].]. بنابراین، می‌توان انتظار داشت که ایجاد قابلیت همکاری معنایی بین مجموعه‌های داده‌های مختلف VGI دشوار باشد، زیرا ایجاد قابلیت همکاری معنایی بین مجموعه‌های داده رسمی که بر اساس هستی‌شناسی‌ها یا واژگان استاندارد شده هستند، چالش برانگیز است. دشواری ایجاد قابلیت همکاری معنایی بین مجموعه‌های مختلف داده VGI بر توانایی کنترل، مدیریت و توزیع جریان اطلاعات تولید شده توسط برنامه‌های کاربردی VGI تأثیر می‌گذارد، به طوری که می‌توان آن را به طور کامل مورد بهره‌برداری قرار داد و برای تغذیه برنامه‌های پشتیبانی تصمیم به موقع استفاده کرد [ 7 ] ]. موضوع قابلیت همکاری معنایی داده‌های مکانی از طریق حوزه معناشناسی جغرافیایی مورد بررسی قرار می‌گیرد.

2.4. معناشناسی جغرافیایی و VGI

در دهه گذشته، جامعه وب معنایی در حال توسعه تئوری ها، تکنیک ها و فناوری هایی برای پشتیبانی از قابلیت همکاری معنایی بوده است. معناشناسی معنای نمادها در یک زبان است [ 25]. درک معنای داده ها اساسی است. موضوع اصلی که حوزه معناشناسی جغرافیایی به آن می پردازد، ناهمگونی معنایی است. مثال دو سرویس مسیریابی را در نظر بگیرید. یک سرویس بر اساس مدل داده ای است که مسیرها را “عملی برای وسایل نقلیه موتوری” در نظر می گیرد، در حالی که سرویس دوم مسیرها را “عملی برای وسایل نقلیه موتوری یا عابران پیاده” در نظر می گیرد. اجرای هر دو سرویس مسیریابی به دلیل معانی متفاوت «مسیرها» مسیر یکسانی را به همراه نخواهد داشت. کاربر هنگام استفاده از خدمات باید از این تفاوت ها آگاه باشد. مسئله ناهمگونی معنایی خود از دو موضوع تشکیل شده است: مدلسازی معنایی و آشتی معنایی [ 25 ].
موضوع مدل‌سازی معنایی به این مسئله می‌پردازد که کدام روابط و طبقات باید برای ایجاد انتزاعی از یک پدیده جغرافیایی استفاده شوند. این موضوع عمدتاً از طریق تحقیق در مورد مهندسی هستی شناسی زمین فضایی [ 26 ] و استدلال فضایی [ 27 ] پرداخته می شود. علم شناختی نشان می‌دهد که معناشناسی وابسته به زمینه است و نمی‌توان آن را به‌طور عینی مدل‌سازی کرد، یا کاملاً استانداردسازی کرد [ 28 ]. بنابراین، ما نمی توانیم انتظار داشته باشیم که مدل های معنایی کاملاً سازگار باشند. با این حال، رویکردهای معنایی باید به عنوان ابزاری برای جهت دهی مدل های معنایی در نظر گرفته شوند تا مبنایی برای مقایسه وجود داشته باشد [ 28 ]]. با توجه به مدل‌سازی معنایی، سهم ما در این مقاله از این جهت پیروی می‌کند، که در آن مدلی که برای توصیف کاربردهای VGI پیشنهاد می‌کنیم، در نظر گرفته شده است که مبنای مشترکی برای مقایسه معنایی VGI مختلف فراهم کند، زیرا از ناهمگونی‌های معنایی نمی‌توان به‌طور پیشینی اجتناب کرد. . تا جایی که ما می دانیم، چنین مدل معنایی برای توصیف VGI در ادبیات وجود ندارد.
موضوع دوم آشتی معنایی، ایجاد پیوندهای معنایی بین اطلاعات مشابه است. لازم است جستجوی مبتنی بر معنایی، ادغام و قابلیت همکاری اطلاعات جغرافیایی [ 29 ] فعال شود. سیستم مرجع معنایی یک مفهوم کلیدی در زمینه آشتی معنایی است. سیستم های مرجع معنایی چارچوبی از مرجع را تعریف می کنند که در آن قطعات اطلاعات از منابع مختلف به یک واژگان رایج و رسمی ارجاع می شوند، به عنوان مثال ، یک هستی شناسی مرجع که به عنوان یک چارچوب مرجع معنایی (SRF) عمل می کند [ 30 ، 31 ].]. یک سیستم مرجع معنایی شامل تابعی است که یک اصطلاح مورد استفاده در یک برنامه کاربردی (به عنوان مثال، اصطلاحی که در توصیف یک حسگر استفاده می شود) را به یک مفهوم در SRF پیوند می دهد. تابع پیوند را می توان با ابزارهای تراز معنایی ایجاد کرد. ترازهای معنایی (که نگاشت معنایی نیز نامیده می شود) مطابقت های معنایی بین عناصر مدل های معنایی هستند. ترازهای معنایی امکان پرداختن به ناهمگونی های معنایی بین مدل ها را فراهم می کند. ترجمه معنایی، اندازه‌گیری تشابه معنایی، و هم‌ترازی ژئوآنتولوژی، زمینه‌های تحقیقاتی عمده‌ای هستند که با هم‌ترازی‌های معنایی سروکار دارند [ 29 ]. یکی دیگر از زمینه های تحقیقاتی مرتبط با ترازهای معنایی، داده های پیوندی است که هدف اصلی آن ارائه ارتباطات معنایی قابل خواندن ماشین بین داده های موجود در وب است [ 32 ,33 ]. در این مقاله، چارچوب معنایی پیشنهادی ما مبتنی بر مفاهیم کلیدی مرتبط با آشتی معنایی، از جمله مفاهیم هم‌ترازی‌های معنایی، حاشیه‌نویسی‌های معنایی و سیستم‌های مرجع معنایی است. سهم ما ادغام این مفاهیم در چارچوبی است که به طور خاص به قابلیت همکاری معنایی VGI اختصاص داده شده است، جایی که منابع مختلف VGI را می توان بر اساس یک مدل رایج توصیف کرد.
برای پرداختن به چالش قابلیت همکاری معنایی VGI، چارچوب ما الزامات زیر را در نظر می‌گیرد: ابتدا برای درک جریان‌های VGI نیاز است [ 34 ]. تخصیص معنا به جریان های VGI را می توان با همسوسازی معنایی VGI با ژئوآنتولوژی های مورد استفاده در سیستم های موجود، طبق اصل سیستم های مرجع معنایی [ 9 ] به دست آورد. علاوه بر این، روش‌های استخراج دانش باید برای تفسیر و انتساب معنا به VGI یا VGI پیچیده‌تر که از منابع متعدد به دست می‌آیند، توسعه یابد [ 7 ]]. سپس، برای تطبیق VGI با داده‌های موجود، چه برای به‌روزرسانی یا تکمیل این داده‌ها، به یک مکانیسم همسان‌سازی نیاز است. همچنین، نیازهای VGI (بیان شده توسط کاربران یا سیستم ها) باید تبلیغ شود تا جریان های VGI به طور خودکار در سیستم ها یا کاربران مناسب منتشر شود. پرداختن به چالش های فوق امکان دستیابی به قابلیت تعامل معنایی پویا VGI با داده های مکانی موجود را فراهم می کند، به عنوان مثال ، اطمینان از تبادل و ادغام VGI از برنامه های کاربردی ناهمگن توزیع شده با انواع دیگر داده ها [ 35 ]، که در آن سیستم ها قادر به “درک” تغییراتی که در واقعیت رخ می دهد [ 36 ]. در این مقاله، ما استدلال می کنیم که فقدان یک چارچوب سیستماتیک که انواع VGI را شناسایی و توصیف می کند، همانطور که توسط Ostlaender و همکاران نشان داده شده است.. [ 8 ]، مانعی بر سر راه توسعه چارچوبی است که از قابلیت تعامل معنایی پویا VGI با داده‌های مکانی موجود پشتیبانی می‌کند. ما همچنین استدلال می کنیم که چنین چارچوبی به شناسایی و مدیریت مسائل مربوط به هر دسته از VGI و قابلیت همکاری آنها با داده های موجود کمک می کند. بنابراین این انگیزه ای برای مدل VGI است که در ادامه ارائه می کنیم.

3. مدل معنایی VGI

قبل از ارائه مدل معنایی VGI، با ارائه یک نمای کلی از انواع اطلاعاتی که از طریق برنامه های کاربردی VGI ارائه می شود، زمینه را فراهم می کنیم.

3.1. چه نوع اطلاعاتی از طریق برنامه های کاربردی VGI ارائه می شود؟

امروزه، برنامه های کاربردی مشترک مبتنی بر وب متعدد به کارشناسان و کاربران غیرحرفه ای اجازه ایجاد و اشتراک گذاری اطلاعات جغرافیایی را می دهند [ 12 ]. چندین برنامه VGI به افراد امکان می‌دهد تا ویژگی‌های جغرافیایی مانند OSM، Wikimapia و Wayfaring.com را بومی‌سازی، نام‌گذاری و توصیف کنند. از این برنامه ها به عنوان پروژه های نقشه برداری مشارکتی یاد می شود. شرح این ویژگی های جغرافیایی را می توان به زبان طبیعی یا با برچسب ها ارائه کرد. برای مثال، در OSM، کاربران ویژگی‌های جغرافیایی را روی نقشه با جفت‌های کلید-مقدار برچسب‌گذاری می‌کنند (مثلاً تعداد طبقات: 3 برای یک ساختمان). توصیه می‌شود که جفت‌های کلید-مقدار باید طبق اصطلاحات OSM ایجاد شوند، که از طریق folksonomy ارائه می‌شود که در آن مشارکت‌کنندگان می‌توانند اصطلاحاتی را که استفاده می‌کنند اضافه و توضیح دهند [ 9 ]]. تخمین زده می شود که پایگاه داده OSM تقریباً شامل 1,200,000,000 نقطه برچسب گذاری شده است که در آن هر نقطه با یک موقعیت جغرافیایی مشخص شده با طول و عرض جغرافیایی مطابقت دارد [ 13 ]. منبع داده OSM، مسیرهای GPS و ویژگی های ارائه شده توسط کاربران OSM است. اشیاء جغرافیایی می توانند نقاط و راه باشند. راه هایی را می توان ترتیب داد تا چند ضلعی ها را تشکیل دهند. این ویژگی ها عبارتند از جاده ها، نقاط مورد علاقه (POI)، زیرساخت های حمل و نقل، بدنه های آبی، الگوهای کاربری زمین، ساختمان ها و غیره .. Wikimapia یکی دیگر از پروژه های مشترک نقشه برداری است. تا امروز، بیش از 18،000،000 شی به Wikimapia اضافه شده است. برخلاف OSM، Wikimapia به کاربران اجازه می‌دهد تا اشیاء با اشکال نامنظم را محدود کنند. Wikimapia API به دست آوردن ویژگی های اشیاء جغرافیایی مانند مکان ها، مهر زمانی، دسته بندی، برچسب ها و توضیحات را امکان پذیر می کند. برخی از برنامه های کاربردی VGI مانند OSM 3D نیز کاربران خود را قادر می سازند تا هندسه سه بعدی ویژگی های جغرافیایی را مشخص کنند [ 6 ]. برنامه های کاربردی دیگر به کاربران اجازه می دهند تا مسیرها را توصیف کنند، به عنوان مثال، Endomond، و Map My Tracks، جایی که مشارکت کنندگان می توانند سوابق مسیرهای پیاده روی خود را به اشتراک بگذارند و همچنین سرعت، مسافت و ارتفاع آنها را در تلفن های هوشمند خود نظارت کنند. سایر برنامه های کاربردی VGI به سمت توصیف پدیده های پویاتر سوق داده شده اند. به عنوان مثال، Inrix برنامه‌ای است که مسیرهای وسایل نقلیه را جمع‌آوری و جمع‌آوری می‌کند تا اطلاعات بلادرنگ در مورد تکامل ترافیک شبکه جاده‌ای را ارائه دهد [ 1 ]. هشدارهای اولیه در مورد شرایط محیطی همچنین می‌تواند از طریق برنامه‌های VGI با استفاده از ابزارهای مختلف (پیام‌های صوتی، ویدیوها، پست‌های وبلاگ، تصاویر برچسب‌گذاری‌شده جغرافیایی، و غیره ) [ 1 ]، به عنوان مثال برای نظارت بر آتش‌سوزی‌های جنگلی [ 37 ] برقرار شود. برنامه های کاربردی VGI نیز برای گزارش پوشش زمین وجود دارد. یکی از نمونه ها Geo-Wiki (http://geo-wiki.org )، که توسط موسسه بین المللی تحلیل سیستم های کاربردی (IIASA) برای بهبود کیفیت نقشه های پوشش زمین با مشارکت داوطلبان نگهداری می شود. مشارکت کنندگان اطلاعاتی در مورد توزیع گونه ها، زیستگاه، اکوسیستم ها و غیره ارائه می دهند. ویژگی‌های ایجاد شده توسط مشارکت‌کنندگان، چند ضلعی‌هایی هستند که نوع پوشش زمین را نشان می‌دهند.
پروژه های نقشه برداری آب و هوا نمونه دیگری از برنامه VGI است که در آن کاربران شرایط آب و هوایی فعلی را در مکان های مشخص ارائه می دهند. نمونه ای از پروژه نقشه برداری آب و هوا 360.org است که داده های آب و هوا را از ایستگاه های هواشناسی، دانشگاه ها و افراد آماتور جمع آوری می کند. این برنامه گزارش های آب و هوای موقعیت جغرافیایی را تولید می کند که در آن مکان ایستگاه هواشناسی با مشارکت های داوطلبانه ترکیب شده است. نوع داده حاصل، نقاط مرتبط با نوع آب و هوا، دما، مهر زمانی گزارش است. وب سایت های اشتراک گذاری عکس نیز روز به روز محبوب تر می شوند. فلیکر نمونه‌ای از یک برنامه VGI است که در آن کاربران می‌توانند عکس‌هایی از ویژگی‌های جغرافیایی که بر اساس طول و عرض جغرافیایی ارجاع داده شده‌اند به اشتراک بگذارند [ 1 ]]. تا امروز، فلیکر بیش از 6 میلیارد عکس آپلود شده دارد که بیش از 200 میلیون آن دارای برچسب جغرافیایی هستند. کاربران می توانند عکس ها را با افزودن برچسب ها و سایر توضیحات متنی ویرایش کنند. فلیکر برای کاربردهای مختلفی از جمله توصیف شهری [ 38 ]، ناوبری عابر پیاده [ 39 ] و تشخیص رویداد [ 40 ] استفاده شده است. Panoramio یکی دیگر از وب سایت های اشتراک گذاری عکس است که حاوی عکس های موقعیت جغرافیایی است. عکس ها به صورت یک لایه در Google Earth و Google Maps قابل دسترسی هستند و مرتباً به روز می شوند. همچنین برچسب های مرتبط با عکس ها را ارائه می دهد که می توانند از طریق API آن دانلود شوند. برنامه هایی که نگرش ها و رفتارهای کاربران را جمع آوری می کنند (به عنوان مثال، در مورد استفاده از وسایل حمل و نقل عمومی) نیز به عنوان برنامه های کاربردی VGI در نظر گرفته می شوند [ 41 ]]. برنامه های کاربردی VGI همچنین برای نظارت بر انواع مختلف پدیده های جامعه شناختی وجود دارد. به عنوان مثال، WikiCrimes نقشه های تعاملی را برای گزارش ناشناس و مکان یابی جنایات ارائه می دهد. گزارش های موقعیت جغرافیایی به عنوان نقاط جغرافیایی ثبت می شوند. علاوه بر مکان، نوع و تراکم جرم قابل تجسم است. WikiCrimes برای حمایت از تحقیقات در زمینه مدیریت جرم مفید بود، به عنوان مثال، [ 42 ]. در نهایت، برنامه های کاربردی VGI همچنین کاربران را قادر می سازد تا ارزیابی کیفیت، به عنوان مثال، رتبه بندی توسط کاربران یک مکان توریستی را ارائه دهند [ 21 ].
به منظور پشتیبانی از توسعه مدل معنایی VGI ارائه شده در بخش فرعی بعدی، انواع VGI را بر اساس نوع خروجی داده ای که تولید می کنند طبقه بندی کرده ایم، اعم از VGI ارائه شده توسط دستگاه های سنجش، متن ارجاع جغرافیایی، یا ویژگی های مرجع جغرافیایی ( جدول 1 ). این طبقه بندی در مدل معنایی VGI به عنوان پایه ای برای ایجاد کلاس های انواع VGI استفاده می شود. نکته قابل توجه این است که بسیاری از برنامه های VGI انواع مختلفی از VGI را ارائه می دهند، به عنوان مثال، Flickr حاوی عکس ها و متن های ارجاع جغرافیایی است.
جدول
جدول 1. انواع اطلاعات جغرافیایی داوطلبانه (VGI).

3.2. شرح مدل معنایی VGI

این بخش مدل معنایی VGI را ارائه می‌کند که ما برای پشتیبانی از قابلیت تعامل معنایی VGI با داده‌های حسگر ایجاد کرده‌ایم. در نظر گرفته شده است که این مدل به عنوان یک چارچوب مرجع معنایی مشترک استفاده شود که در آن VGI ارائه شده از طریق هر برنامه کاربردی، مطابق اصل سیستم های مرجع معنایی قابل ارجاع است. با انجام این کار، VGI را می توان به راحتی از طریق حاشیه نویسی معنایی به معنای رسمی اختصاص داد و سپس پردازش، مدیریت، استدلال و ادغام با داده های حسگر را انجام داد.
شکل 1 زیر مدل معنایی VGI پیشنهادی را نشان می‌دهد که در اینجا با UML رسمیت یافته است. این مدل انواع VGI را توصیف می کند که توسط برنامه های کاربردی VGI تولید می شوند تا بتوانند با استانداردهای موجود هماهنگ شوند. بنابراین شکل نشان می‌دهد که چگونه کلاس‌های مختلف مدل معنایی VGI با کلاس‌های مربوطه سری استانداردهای ISO 19100، از جمله مدل ویژگی عمومی ISO 19109 (GMF)، مدل فضایی ISO 19107 و ISO 19111 برای سیستم‌های مرجع فضایی، همسو می‌شوند. این هم‌ترازی تضمین می‌کند که مدل معنایی VGI پیشنهادی با پروتکل‌های مورد استفاده در زیرساخت‌های داده منطبق با استاندارد سازگار است. ما از پیشوندهای GF برای کلاسهای ISO 19109، GM برای کلاسهای ISO 19107 و SC از کلاسهای ISO 19111 استفاده کرده ایم. بسته ای با عنوان مدل ویژگی استاندارد ISO که در شکل 1 نشان داده شده استتا حدی از چارچوب Lemmens [ 43 ] برای قابلیت همکاری خدمات جغرافیایی استخراج شده است. این بسته عمدتاً حول مفهوم “ویژگی” توسعه یافته است که در ISO 19101 به عنوان “انتزاعی از پدیده های دنیای واقعی” تعریف شده است و شامل موجودیت های جغرافیایی مانند ساختمان، بدنه های آبی، خیابان ها و غیره است. ما بین ویژگی های شی و ویژگی های رویداد تمایز قائل شده ایم. برخلاف ویژگی شی، که یک موجود فیزیکی واقع در فضا و زمان است، ویژگی رویداد یک رخداد است، یعنی یک فرآیند، رویداد، فعالیت یا تغییری که خود را در یک دوره زمانی آشکار می‌کند [ 44 ].]. هدف از این تمایز، اجازه پردازش جداگانه رویدادهایی است که می‌توان از جریان VGI استنباط کرد، و به عنوان مثال، می‌تواند به عنوان هشدار یا هشدار برای کاربران نهایی تفسیر شود. ویژگی با انواع مختلفی از ویژگی ها، از جمله رفتار، نقش های مرتبط با سایر ویژگی ها و ویژگی ها تعریف می شود. نقش های ارتباطی روابط بین کلاس ها هستند (مثلاً “نزدیک به”)، در حالی که ویژگی ها ویژگی های کلاس هایی هستند که مقادیر آنها از یک نوع داده از پیش تعریف شده گرفته شده است (مانند هندسه های GML، تاریخ-زمان، عدد صحیح، رشته و غیره )..). شی هندسی (شامل GM_point، GM_line، GM_polygon و GM_volume برای اشیاء سه بعدی) ویژگی فضایی را نشان می دهد. ویژگی زمانی به طور مشابه با کلاس های مربوط به مشخصات ISO مدل زمانی مرتبط است، اما برای سادگی، در این شکل نشان داده نشده است.
سهم اصلی مدل در بسته ای با عنوان مدل VGI گنجانده شده است که قصد آن ارائه هر نوع VGI است. برای تشخیص کلاس های موجود در این بسته، از پیشوند “VI” استفاده کردیم. این مدل حول کلاس اصلی با نام VI_VGI Type توسعه یافته است. با توجه به انواع کاربردهای VGI که ​​برای هدف این تحقیق بررسی شده و در بخش 3.1 خلاصه شده است.، ما انواع VGI را به سه دسته اصلی دسته بندی کرده ایم: VI_Georeferenced Feature، VI_Text و VI_Sensing Device Output. VI_Georeferenced Feature کلاسی است که هر ویژگی جغرافیایی شناسایی و بومی سازی شده توسط کاربر (که کلاسی به نام VI_Contributor User را نمونه سازی می کند) را از طریق هر برنامه ای نشان می دهد. به دلیل ارجاع جغرافیایی، این ویژگی با یک نمونه VI_Location مرتبط است. کلاس VI_Location برای تعیین مکان یک ویژگی جغرافیایی ارجاع شده نه تنها با مختصات بلکه با نام یک مکان است. به عنوان مثال، در MouthShut.com، وب‌سایتی برای رتبه‌بندی مکان‌های گردشگری، توضیحات متنی با نام مکان‌ها مرتبط است، اما لزوماً با مختصات نیست. از آنجا که برخی از برنامه‌ها به کاربران خود اجازه می‌دهند هندسه ویژگی‌های شناسایی شده را مشخص کنند، کلاس VI_Geometric Feature را ایجاد کرده‌ایم. که زیر کلاس VI_Georeferenced Feature است. یک نمونه از کلاس VI_Geometric Feature علاوه بر مرتبط شدن با یک مکان، با نمونه ای از کلاس VI_Geometric Object همراه است. همچنین، در صورت وجود یک برنامه VGI که ​​به کاربر اجازه می‌دهد تا در مورد ویژگی‌های متحرک (مانند وسایل نقلیه) گزارش دهد، کلاسی به نام VI_Mobile Feature اضافه کرده‌ایم که به کلاس VI_Trajectory مرتبط است، که نشان‌دهنده مسیری است که ویژگی متحرک دنبال می‌شود. در فضای. کلاس VI_Trajectory را می توان به عنوان مثال برای توصیف ردپای وسیله نقلیه GPS، یا مسیرهای حرکت برای فعالیت های خارج از منزل مانند Endomondo و Map My Tracks استفاده کرد. هر نمونه از ویژگی VI_Georeferenced را می توان به یک یا چند نمونه از کلاس VI_Tag پیوند داد، جایی که یک برچسب ترکیبی از یک برچسب (مثلاً نوع ساختمان) و یک مقدار برای این برچسب است (مثلاً بیمارستان). کلاس VI_Text را می توان برای نمایش توصیفات زبان طبیعی مرتبط با مکان های جغرافیایی، مانند پست های وبلاگ یا پیام های متنی مربوط به یک مکان خاص استفاده کرد. در نهایت، کلاس VI_Sensing Device Output شامل هر VGI ارائه شده از طریق یک دستگاه حسگر، از جمله تصویر، ویدئو، ضبط صدا، و جریان داده تولید شده توسط حسگرها (که می توانند حسگرهای پوشیدنی باشند) است.
نکته قابل توجه این است که در مدل پیشنهادی، ما بین مسیرهای مکانی-زمانی (با کلاس VI_Trajectory) و جریان های داده تولید شده توسط دستگاه های حسگر (نمایش جریان VI_Data) که مجموعه ای از زوج ها با مختصات مکانی و زمانی هستند، تمایز قائل شده ایم. اندازه گیری ها و واحدهای اندازه گیری دستگاه حسگر را می توان به عنوان ثابت یا متحرک شناسایی کرد و بنابراین، به ترتیب به یک مکان یا یک مسیر مرتبط است. هر نمونه از نوع کلاس VI_VGI با یک زمینه مرتبط است که از یک یا چند عنصر زمینه تشکیل شده است. هدف از این عناصر زمینه، مشخص کردن هر نوع اطلاعات مفید برای درک زمینه ای است که VGI در آن ایجاد شده است (به عنوان مثال، دامنه برنامه، استفاده مورد نظر از VGI ارائه شده، و غیره.). هر نمونه از کلاس VI_VGI Type نیز با مجموعه ای از عناصر با کیفیت همراه است که نمونه هایی از کلاس VI_Quality Element هستند. عناصر کیفیت می تواند شامل دقت موقعیت مکانی، مبهم بودن منطقه جغرافیایی گزارش شده و غیره باشد. در نهایت، برنامه VGI که ​​از طریق آن نمونه ای از کلاس نوع VI_VGI ارائه شده است (به عنوان مثال، OSM) به صراحت مشخص می شود، و همچنین مشخصات مشارکت کننده، که می تواند شامل انگیزه، تخصص و غیره باشد. جدول 2 کلاس های مدل و معنای آنها را خلاصه می کند.
برخی از کلاس‌های مدل معنایی VGI با یک پیوند نقطه‌دار به کلاس‌های مدل ویژگی استاندارد ISO مرتبط می‌شوند. این پیوند نشان دهنده حاشیه نویسی یک کلاس به یک کلاس استاندارد و وراثت است. بنابراین، یک رابطه فرعی (زیر کلاس) را نشان می دهد. به عنوان مثال، از آنجایی که کلاس VI_Geometric Feature به شیء GM_Geometric مرتبط است، به این معنی است که یک هندسه ایجاد شده از طریق یک برنامه VGI به عنوان نمونه ای از کلاس GM_Geometric شناخته می شود، بنابراین ویژگی های آن، از جمله داشتن موقعیتی که با مجموعه ای از مختصات مشخص می شود، به ارث می رسد. در یک سیستم مرجع فضایی معین به طور مشابه، مقادیر برچسب و برچسبی که یک تگ را تشکیل می‌دهند به کلاس GF_Feature Type مرتبط می‌شوند، که نشان می‌دهد معنای آنها را می‌توان با ویژگی‌هایی از جمله رفتار، ویژگی‌ها و نقش‌های ارتباطی تعریف کرد. از این رو،
در ادامه، به طور مختصر درباره نحوه ارجاع VGI به مدل معنایی VGI، و به دنبال آن چارچوبی که نحوه ادغام VGI در فرآیند قابلیت همکاری معنایی برای داده های حسگر را توضیح می دهد، بحث خواهیم کرد.
Ijgi 02 00766 g001 1024
شکل 1. مدل معنایی VGI و ارتباط آن با مشخصات سری ISO 19100.
جدول
جدول 2. معنی کلاس های مدل معنایی VGI.

4. به سوی یک چارچوب یکپارچه برای تعامل معنایی داده های حسگر با VGI

در این بخش، معماری برای تحقق قابلیت همکاری معنایی داده‌های حسگر با VGI ارائه می‌کنیم. این معماری در شکل 2 آورده شده است. چارچوب این معماری مبتنی بر مفاهیم و فناوری های وب معنایی موجود است، از جمله اجزای سیستم های مرجع معنایی، هستی شناسی ها، حاشیه نویسی ها. سهم اصلی این چارچوب، گنجاندن مدل معنایی VGI در این مفاهیم است تا در نهایت با فناوری‌های موجود سازگار باشد.
در سطح پایین‌تر معماری، شبکه‌های حسگر و کاربردهای VGI امکان جمع‌آوری انواع داده‌ها در مورد پدیده‌های محیطی و شهری را فراهم می‌کنند. ایده معماری این است که همانطور که حسگرها و شبکه‌های حسگر منفرد باید در سرویس‌های مشاهده حسگر (SOS) ادغام شوند تا در وب حسگر در دسترس قرار گیرند و سپس برای پاسخگویی به سؤالات پیچیده مطرح شده توسط کاربران مورد سوء استفاده قرار گیرند، برنامه‌های VGI نیز باید استفاده شوند. همچنین از طریق رابط های استاندارد شده ای که می تواند برای توصیف هر برنامه VGI مورد استفاده قرار گیرد، به روشی مشابه به آسانی در دسترس و قابل بهره برداری است. سپس، داده‌های حسگر و توصیف‌ها و همچنین توصیف‌های کاربردی VGI و VGI باید از نظر اصطلاحات همگن توصیف شوند تا ناهمگونی‌های معنایی حل شوند. این کار در لایه حاشیه نویسی معنایی انجام می شود. در نتیجه، داده های حسگر و VGI از طریق یک پورتال در اختیار کاربران قرار می گیرد. لایه معنایی شامل سرویس‌های استدلال و کشف معنایی پیچیده‌تر است که داده‌های حسگر و VGI را برای پاسخگویی به سؤالات پیچیده‌تر مطرح شده توسط کاربران و تصمیم‌گیرندگان پردازش می‌کند.
Ijgi 02 00766 g002 1024
شکل 2. چارچوبی برای تعامل معنایی داده های حسگر با VGI.

4.1. ادغام سنسورها با وب حسگر

اگرچه هدف در این مقاله تمرکز بر روی ادغام حسگرها با وب حسگر یا ارائه راه حلی برای این موضوع نیست، در این بخش به طور خلاصه این فرآیند را با اشاره به رویکردهای نماینده پیشرفته توصیف می کنیم. ابتکار OGC SWE مجموعه ای از استانداردها را برای دستیابی به چشم انداز موسوم به وب حسگر ایجاد کرده است. هدف دوم، امکان کشف و دسترسی به داده‌های حسگر از طریق وب است [ 45 ]. به عنوان مثال، سرویس مشاهده حسگر (SOS) یک رابط استاندارد برای دسترسی به توضیحات حسگرها و مشاهدات آنها است [ 46 ]]. در حالی که SOS در ابتدا برای محصور کردن جریان‌های داده خام از حسگرها و شبکه‌های حسگر طراحی شده بود، به طور فزاینده‌ای برای دسترسی به اطلاعات پیچیده‌تر، از جمله مشاهدات حسگر پردازش‌شده مانند داده‌های جمع‌آوری شده، استفاده شده است [ 7 ]. سرویس رویداد سنسور (SES) نمونه دیگری از استاندارد پیشنهادی SWE است که به کاربران اجازه می دهد تا از طریق محدودیت ها در رویدادهای مورد علاقه مشترک شوند. SES مشاهدات تولید شده توسط حسگرهای ثبت شده را نظارت می کند و به همان روشی که یک سیستم انتشار-اشتراک انجام می دهد، به کاربران اطلاع می دهد (OGC 2008) [ 47 ]. وب حسگر در نظر گرفته شده است تا داده‌های حسگر را قابل اجرا کند و ناهمگونی‌های پروتکل‌های حسگر را از کاربران و برنامه‌های کاربردی پنهان کند [ 45 ]. برای ادغام حسگرها در وب حسگر، Bröringو همکاران [ 45 ] نشان می‌دهد که اولاً، ما باید حسگرهای جدید را فعال کنیم تا به طور خودکار در سرویس‌های SWE ثبت نام کنند که به ویژگی‌های حسگرها علاقه دارند، مانند نوع سنسور، ویژگی مشاهده‌شده، محل حسگر و غیره . همچنین به یک سرویس میانجی معنایی نیاز است که مطابقت بین ویژگی‌های حسگرها و ویژگی‌های درخواستی خدمات SWE را انجام دهد. برورینگ و همکاران [ 45] همچنین نشان می دهد که برای ادغام حسگرها در وب سنسور، باید تبادل پیام بین سنسورها و سرویس های SWE را فعال کنیم. برای انجام این کار، ما باید بین پروتکل‌های حسگر ناهمگن و پروتکل‌های SWE با پیوند دادن یک توصیف رابط عمومی و قابل اشتراک‌گذاری با حسگر، ترجمه کنیم. نمونه هایی از ترجمه بین پروتکل های حسگر و پروتکل های SWE را می توان در والتر و نش [ 45 ، 48 ، 49 ] یافت.

4.2. یکپارچه سازی برنامه VGI

مشابه حسگرها، که برای قابل دسترس بودن باید با Sensor Web ادغام شوند، برنامه‌های VGI نیز باید با ایجاد رابط‌های مشترک قابل دسترسی باشند که به سرویس‌های سطح بالاتر اجازه می‌دهد آنها را شناسایی کرده و نوع داده‌هایی را که می‌توانند ارائه کنند، درک کنند. هدف لایه ادغام برنامه VGI ایجاد چنین توصیفات رایجی از برنامه های کاربردی VGI به منظور قابل استفاده مجدد VGI توسط این سرویس ها است.

4.2.1. ثبت برنامه های VGI

برای فعال کردن پردازش و قابل مشاهده بودن VGI، هر برنامه VGI باید طبق یک فرمت مشترک ثبت شود. برای پشتیبانی از این ثبت، ما یک سرویس ثبت نام را پیشنهاد می کنیم که در آن ارائه دهندگان برنامه VGI می توانند به آن متصل شده و ویژگی های درخواستی را در برنامه VGI خود ارائه دهند. توضیحات برنامه VGI با نمایه ای مطابقت دارد که زیرمجموعه ای از مدل معنایی VGI است. این انطباق تضمین می‌کند که سایر اجزای معماری می‌توانند به ویژگی‌های برنامه‌های VGI ثبت‌شده دسترسی داشته باشند و دوباره از آنها استفاده کنند. ویژگی های مورد نیاز شامل موارد زیر است:

  • URL برنامه VGI، که شناسه منحصر به فرد برنامه را تشکیل می دهد (ویژگی کلاس VI_VGI Application)
  • اطلاعات تماس شرکت یا شخصی که برنامه VGI را اجرا می کند (ویژگی کلاس VI_VGI Application)
  • عناصر زمینه در برنامه VGI (نمونه هایی از کلاس VI_Context Element)، از جمله کلمات کلیدی که توصیف می کنند:

    ○
    استفاده (های) مورد نظر از VGI ارائه شده است
    ○
    دامنه برنامه
    ○
    منطقه جغرافیایی تحت پوشش، و
    ○
    تاریخ ایجاد برنامه
  • نوع VGI در حال جمع آوری (به عنوان مثال ، خروجی دستگاه حسگر، ویژگی های ارجاع جغرافیایی، و/یا متن)
این ویژگی ها ابرداده مشترک را نشان می دهد که برای پشتیبانی از کشف برنامه کاربردی VGI مربوطه مفید است. با این وجود، اطلاعات دقیق تری در مورد نوع داده های ارائه شده توسط برنامه VGI برای فعال کردن بازیابی VGI مربوطه مورد نیاز است. این اطلاعات در مدل داده برنامه VGI موجود است.

4.2.2. اتصال VGI به مدل معنایی VGI

هنگامی که برنامه VGI ثبت شد، مدل داده برنامه VGI باید از طریق نگاشت به کلاس های مربوطه مدل معنایی VGI مرتبط شود. نگاشت نوعی رابطه بین یک عنصر منبع، به عنوان مثال ، یک عنصر (ویژگی، کلاس یا رابطه) از مدل داده برنامه VGI، و یک عنصر هدف، که عنصری از مدل معنایی VGI است، است. این رابطه نشان می دهد که عنصر منبع نوعی عنصر هدف است (رابطه “is-a”). به عنوان مثال، شکل 3 گزیده ای از مدل داده OSM را نشان می دهد، که در آن یک گره با یک موقعیت جغرافیایی مشخص با مقادیر طول و عرض جغرافیایی مشخص مطابقت دارد، یک راه ترکیبی از نقاطی است که یک ناحیه بسته را تشکیل می دهند (به عنوان مثال.، یک چند ضلعی) یا یک خط. برچسب way اطلاعات موضوعی است که توسط مشارکت‌کننده به راه متصل می‌شود، در قالب یک جفت کلید-مقدار، که در آن کلید و مقدار هر دو نوع داده‌های رشته‌ای هستند. نگاشتها (روابط “is-a”) بین مدل داده OSM و مدل معنایی VGI با خطوط آبی نشان داده شده است. به عنوان مثال، کلاس گره OSM یک نوع VI_Location است، در حالی که کلاس تگ راه OSM یک نوع VI_Tag است. علاوه بر روابط بین طبقات، روابط مختلط مانند روابط بین صفات و طبقات نیز امکان پذیر است. به عنوان مثال، ویژگی k (برای کلید) تگ class way به کلاس VI_Label پیوند داده شده است. همچنین، ویژگی “tag” گره کلاس OSM، که یک جفت کلید-مقدار است، با VI_Tag مرتبط است.
Ijgi 02 00766 g003 1024
شکل 3. نمونه ای از نگاشت بین یک مدل برنامه کاربردی VGI (OpenStreetMap) و مدل معنایی VGI.
ما انتخاب کرده ایم که استفاده از مدل معنایی VGI را با OSM نشان دهیم زیرا OSM یکی از پرکاربردترین و شناخته شده ترین منابع VGI است. یکی دیگر از نمونه های محبوب VGI Flickr است. در شکل 4 ، ما استفاده از مدل معنایی VGI را برای این منبع VGI نشان داده‌ایم تا نشان دهیم که مدل معنایی برای برنامه‌های VGI به جز پروژه‌های نگاشت مشارکتی نیز مناسب است. کلاس های مدل داده فلیکر با پیشوند “F” متمایز می شوند. در فلیکر، عکس ها با یک کاربر مرتبط می شوند که با ویژگی هایی مانند نام، جنسیت، حرفه و غیره توصیف می شود.. ویژگی های کاربر به عنوان عناصر VI_Profile کاربر VI_Contributor نگاشت می شوند. کاربران در فلیکر همچنین می‌توانند بخشی از گروه‌های کاربران باشند که در آن اعضا علایق مشترک دارند. گروه های کاربران در مدل معنایی VGI را می توان به عنوان کاربران مشارکت کننده در نظر گرفت که عناصر VI_Profile علایق مشترک هستند. این امکان جستجو برای VGI (عکس‌هایی) است که توسط یک نوع خاص از گروه کاربری ارائه شده‌اند. عکس ها در فلیکر همچنین می توانند بخشی از یک گالری باشند که مجموعه ای از عکس های مربوط به همان موضوع است. گالری در اینجا به عنوان یک عنصر VI_Context در نظر گرفته می شود که عکس را مشخص می کند. فلیکر همچنین دستگاهی را که عکس با آن گرفته شده است، که مربوط به یک دستگاه حسگر موبایل است، شناسایی می کند.
Ijgi 02 00766 g004 1024
شکل 4. نمونه ای از نگاشت بین یک مدل کاربردی VGI (Flickr) و مدل معنایی VGI.
برای پشتیبانی از ایجاد نگاشت بین مدل‌های داده برنامه VGI و مدل معنایی VGI، ما یک سرویس ثبت نقشه را پیشنهاد می‌کنیم که در آن ارائه‌دهنده برنامه VGI می‌تواند عناصر مدل داده را به صورت بصری با عناصر مدل معنایی رایج VGI مطابقت دهد. نمونه هایی از ابزارهای نقشه برداری مانند PROMPT را می توان به راحتی برای پیاده سازی این سرویس تطبیق داد و به کار گرفت. علاوه بر این، الگوریتم‌های تطبیق را می‌توان برای پشتیبانی از ایجاد نقشه‌ها، مانند پیشنهاد شده توسط باکی‌الله و مصطفوی [ 50 ] یا Janowicz و همکاران، به کار برد. [ 51]. برای پیاده سازی سرویس ثبت نقشه، مدل معنایی VGI با زبان هستی شناسی وب (OWL) رسمیت یافت و نگاشت ها را می توان به عنوان ویژگی های OWL بیان کرد.

4.3. حاشیه نویسی معنایی

از آنجا که هر برنامه VGI توسط ارائه دهندگان مختلف برای اهداف مختلف و در زمینه های مختلف در دسترس است، داده ها و مدل های ابرداده آنها از نظر معنایی ناهمگن هستند. به دلایل مشابه، داده‌های حسگر و مدل‌های فراداده نیز از نظر معنایی ناهمگن هستند [ 52 ]. برای حل این ناهمگونی‌ها، عناصر مدل داده‌ها و فراداده باید به یک واژگان رایج و رسمی مناسب، به عنوان مثال ، یک چارچوب مرجع معنایی یا هستی‌شناسی مرجع [ 53 ] ارجاع داده شوند. فرآیند ارجاع یک عنصر مدل داده به هستی شناسی مرجع، حاشیه نویسی معنایی نامیده می شود. حاشیه نویسی معنایی توسط کلین [ 54 ] تعریف شده است] به عنوان فرآیند ایجاد روابط صریح (نگاشت) بین عناصر مدل داده به عناصر هستی شناسی. از آنجایی که حاشیه نویسی معنایی مدل داده را اصلاح نمی کند، استقلال معنایی مدل های داده خاص برنامه را حفظ می کند [ 55 ]. همانطور که توسط Maué و همکاران پیشنهاد شده است . [ 56 ]، حاشیه نویسی های معنایی در سه سطح مختلف ایجاد می شوند: موجودیت های داده، مدل های داده و ابرداده ( شکل 5 ). حاشیه نویسی های معنایی را می توان به روش های مختلفی ذخیره کرد. بر اساس نحوه ذخیره حاشیه نویسی های معنایی، با استفاده از عبارات مختلف [ 43 ] به آنها اشاره می شود:

  • نشانه گذاری معنایی : این عبارت زمانی به کار می رود که حاشیه نویسی های معنایی در منبع اطلاعات گنجانده شود.
  • ثبت : این عبارت زمانی استفاده می شود که حاشیه نویسی معنایی در هستی شناسی ذخیره شود.
  • نگاشت ثبت : این عبارت زمانی استفاده می شود که حاشیه نویسی معنایی در یک منبع جداگانه ذخیره می شود که شامل جفت شناسه از منبع اطلاعات و هستی شناسی مرجع است.
Ijgi 02 00766 g005 1024
شکل 5. چارچوبی برای حاشیه نویسی معنایی (اقتباس از [ 56 ]).
در این چارچوب، ما پیشنهاد می‌کنیم از نگاشت‌های ثبت استفاده کنیم، زیرا نشانه‌گذاری و ثبت معنایی شامل داشتن کنترل خاصی بر منابع اطلاعاتی و هستی‌شناسی‌های مرجع مورد استفاده است. بنابراین، یک فروشگاه نقشه برداری ثبت نام جداگانه نگهداری می شود. زیرا نگاشتهای ثبت در فرآیندهای تعامل معنایی مختلف که در سطح لایه معنایی مستقر شده اند به کار گرفته می شوند (به بخش 4.4 مراجعه کنید.) نگاشت ثبت با OWL بیان می شود، یک زبان توصیه شده توسط W3C برای وب معنایی که از استدلال پشتیبانی می کند. ایجاد حاشیه‌نویسی‌های معنایی می‌تواند فرآیند بسیار پیچیده‌ای باشد به دلیل تنوع زیاد مسائل ناهمگونی معنایی. در حالی که حاشیه نویسی معنایی را می توان به صورت دستی با کمک یک ویرایشگر نقشه هستی شناسی ایجاد کرد، روش ها و ابزارهای حاشیه نویسی معنایی خودکار نیز به دلیل حجم زیاد عناصر برای حاشیه نویسی مطلوب هستند. در حالی که ارائه یک روش حاشیه نویسی معنایی خارج از محدوده این مقاله است، ما استدلال می کنیم که در مورد نگاشت معنایی، فرآیند حاشیه نویسی معنایی باید شامل چندین تکنیک برای مقابله با پیچیدگی کار و ماهیت VGI باشد.
نگاشت ثبت در سطوح داده و فراداده شامل تطبیق مؤلفه های رسمی شده قبلی (کلاس ها، ویژگی ها، روابط) با مفاهیم چارچوب مرجع معنایی است. در این سطوح، حاشیه نویسی های معنایی را می توان با استفاده از ابزارهای تطبیق معنایی ایجاد کرد. ابزارهای تشابه معنایی نیز می توانند برای شناسایی مطابقت های معنایی به کار گرفته شوند. تشابه معنایی اندازه گیری کمی توصیف مفاهیم است که در نظر دارد تا حد ممکن نزدیکی در معنا را منعکس کند. بررسی ادبیات جامع معیارهای تشابه معنایی توسط Schwering [ 57 ] ارائه شده است. همچنین [ 51] نمونه ای از ابزار تشابه معنایی است که می تواند مفاهیم بیان شده را با توضیحات توضیحات (DL) مقایسه کند. برخی از معیارهای تشابه معنایی نیز به طور خاص برای VGI توسعه یافته است. برای مثال، [ 58 ] یک معیار تشابه معنایی برای مقایسه کلاس‌های جغرافیایی OSM پیشنهاد می‌کند. [ 59 ] همچنین یک معیار تشابه معنایی برای ویژگی‌های OSM پیشنهاد می‌کند که تاریخچه تغییرات در نام‌گذاری این ویژگی‌ها را در نظر می‌گیرد. در سطح موجودیت داده ها ( شکل 5 )، ابزارهای پیچیده استخراج دانش برای شناسایی موجودیت ها و مفاهیمی که آنها را نشان می دهد، به عنوان مثال، برای شناسایی ویژگی های جغرافیایی روی یک تصویر، برای شناسایی حرکت در یک ویدیو، برای تجزیه توضیحات متن و غیره مورد نیاز است. . به عنوان مثال، کلین [ 54] یک استراتژی مبتنی بر قاعده برای حاشیه نویسی معنایی داده ها، که در آن شرایط برای اینکه یک شی نمونه ای از یک مفهوم باشد، به عنوان یک قاعده بیان می شود (به عنوان مثال، رودخانه یک آبراه است که عرض آن بزرگتر از 10 متر است) پیشنهاد کرد. هنگامی که حاشیه نویسی معنایی ایجاد شد، معنایی برنامه های VGI و مجموعه داده های حسگر به راحتی توسط سیستم های استدلال لایه معنایی قابل استفاده است.

4.4. لایه معنایی

شکل 6 اجزای درون لایه معنایی معماری چارچوب را نشان می دهد.
لایه معنایی به عنوان یک سیستم انتشار-اشتراک طراحی شده است که از یک سو، ارائه دهندگان VGI و خدمات حسگر می توانند به یکدیگر متصل شده و قابلیت های خود را تبلیغ کنند و از سوی دیگر، درخواست کنندگان اطلاعات می توانند نیازهای اطلاعاتی خود را از طریق پرس و جوهای معنایی تبلیغ کنند. کارگزار اطلاعات مسئول تطبیق این نیازهای اطلاعاتی با قابلیت های موجود است.
شرح رسمی قابلیت‌های سرویس‌های مشاهده حسگر (SOS) با خروجی SOS و ابرداده مطابق با توضیحات SensorML مطابقت دارد، در حالی که شرح قابلیت‌های ارائه‌دهندگان VGI با نمایه برنامه کاربردی VGI که ​​در بخش 4.2.1 توضیح داده شده است، مطابقت دارد. . از آنجایی که عناصر ارائه شده در این توضیحات از لحاظ معنایی مشروح شده اند، همانطور که در بخش 4.3 توضیح داده شد ، آنها به راحتی توسط کارگزار اطلاعات برای پشتیبانی از وظایف استدلالی مختلف قابل تفسیر هستند. پرس و جوهای معنایی ارائه شده توسط کاربران می تواند شامل محدودیت هایی در جنبه های مختلف باشد، از جمله:

  • عناصر زمینه، مانند استفاده (های) مورد نظر از داده، دامنه برنامه، منطقه جغرافیایی تحت پوشش و غیره .
  • نوع داده ها (به عنوان مثال ، فیلم ها، تصاویر، هندسه ها و غیره )
  • کیفیت داده ها
  • موجودات (اشیاء رویدادها) مورد علاقه
  • ویژگی های موجودیت های مورد علاقه
Ijgi 02 00766 g006 1024
شکل 6. اجزای درون لایه معنایی.
کارگزار اطلاعات خدمات استدلالی را برای تعیین تطابق بین داده های موجود و پرس و جوهای معنایی درخواست می کند. از یک طرف، سرویس های همسان سازی، پرس و جوهای معنایی و توصیف قابلیت ها را به عنوان ورودی می گیرند و از ترکیبی از الگوریتم های تطبیق برای محاسبه یک رابطه معنایی بین پرس و جو معنایی و توضیحات قابلیت استفاده می کنند. همانطور که در کار قبلی [ 50 ] توضیح داده شد، برای کارآمد بودن و داشتن دامنه وسیع، مؤلفه خواستگار باید شامل سطوح مختلف تطبیق، از جمله تطبیق نحوی، واژگانی، ساختاری و معنایی باشد. همچنین مطلوب است که مکانیسم همسان سازی هم نتایج کیفی و هم کمی ( یعنی یک رابطه معنایی و یک شباهت معنایی) تولید کند، مانند در باکی‌الله و همکاران.. [ 60 ]، برای بهبود تفسیر رابطه بین یک پرس و جو و یک توصیف قابلیت. از سوی دیگر، خدمات استدلال شامل یک سرویس استنتاج است که از قوانینی برای استنتاج حقایق جدید از حقایق موجود استفاده می کند. برای انطباق با OWL، سرویس استنتاج از زبان قوانین وب معنایی (SWRL) استفاده می کند که قوانین هورن مانند را بر حسب کلاس های OWL بیان می کند. قوانین SWRL همچنین می تواند برای بیان قوانین رویداد-شرط-عمل (ECA) استفاده شود [ 61]، که به نوبه خود می تواند برای استنباط هشدارها و هشدارها به درخواست کاربران استفاده شود. خدمات استدلال به هستی شناسی های مختلف برای حمایت از استنتاج حقایق جدید، بر اساس دانش مربوط به زمینه های کاربردی مختلف، اشاره دارد. هستی شناسی ها شامل هستی شناسی های سطح بالا با چندین دامنه، مانند هستی شناسی وب معنایی زمین و اصطلاحات محیطی (SWEET) ( http://sweet.jpl.nasa.gov/ontology/ )، واژگان مستقل از دامنه مانند WordNet ( http ) هستند. ://wordnet.princeton.edu/ )، و هستی شناسی های کاربردی که حوزه های خاصی را توصیف می کنند، مانند هستی شناسی ها برای وظایف در مدیریت بلایا [ 62 ]. هستی شناسی ها را می توان از طریق خدمات مدیریت هستی شناسی ویرایش و مدیریت کرد.

5. کاربرد چارچوب

این بخش خدمات مورد نیاز برای پیاده سازی چارچوب برای تعامل معنایی داده های حسگر و VGI را شرح می دهد. خدمات مورد نیاز در جدول 2 آمده است که در کنار آن، عملکردهای اصلی ارائه شده از این خدمات ارائه شده است. ترکیبی از این خدمات یک پلت فرم قابلیت تعامل معنایی را ایجاد می کند که در آن برنامه های VGI می توانند ثبت شوند و از ترکیب داده های برنامه های کاربردی مختلف VGI پشتیبانی می کند.
اولین سرویس، سرویس رجیستری اپلیکیشن VGI است. هدف این سرویس فعال کردن ثبت برنامه های جدید VGI بر روی پلتفرم است. ثبت شامل مشخص کردن ویژگی های برنامه VGI است که در بخش 4.2.1 فهرست شده است . سرویس ثبت نام رابطی را فراهم می کند که در آن ارائه دهندگان برنامه VGI می توانند برنامه خود را از طریق عملکرد توصیف قابلیت ایجاد ایجاد کنند. سرویس رجیستری برنامه VGI همچنین شامل یک مؤلفه است که قابلیت های برنامه های کاربردی VGI را برای کارگزار اطلاعات تبلیغ می کند ( شکل 6 ). شکل 7گزیده ای از رابط برای ثبت برنامه های VGI را نشان می دهد. این رابط به ارائه‌دهنده برنامه VGI اجازه می‌دهد تا با استفاده از یک الگو، توضیحات برنامه رایج VGI را مشخص کند.
سرویس واسطه مدل معنایی VGI مسئول ایجاد نگاشت بین مدل داده برنامه کاربردی VGI و عناصر مدل معنایی رایج VGI است. کارکردهای اصلی آن شامل آپلود مدل برنامه محلی VGI و ایجاد نگاشت است. عملکرد توصیف جستجو، ارائه‌دهنده برنامه VGI را قادر می‌سازد تا به توضیح یک عنصر از مدل معنایی VGI برای پشتیبانی از ایجاد نگاشت‌های مناسب دسترسی داشته باشد. به عنوان مثال، شکل 8 نگاشت OWL تولید شده از طریق سرویس واسطه مدل معنایی VGI برای روابط بین مدل فلیکر و مدل معنایی VGI را نشان می دهد، همانطور که در شکل 4 نشان داده شده است.
هدف از این نگاشت ها نیز این است که کاربر را قادر سازد تا یک پرس و جو را ارسال کند که بتواند همزمان در برابر چندین برنامه VGI پردازش شود. برای مثال، کاربری را در نظر بگیرید که پدیده‌های VGI را مطالعه می‌کند و می‌خواهد مشخصات مشارکت‌کنندگان VGI را که در یک شهر خاص مشارکت کرده‌اند، بدون توجه به برنامه VGI، بررسی کند. این را می توان از طریق ارسال پرس و جو برای VI_ProfileElement انجام داد، که می تواند در برابر همه برنامه های VGI ثبت شده که دارای نگاشت به VI_ProfileElement هستند پردازش شود.
سرویس Annotation Semantic از ایجاد حاشیه نویسی OWL بین، از یک طرف، موجودیت های داده، عناصر مدل داده، و ابرداده، مرتبط با VGI یا با خدمات حسگر، و از سوی دیگر، مفاهیم پشتیبانی می کند. از چارچوب مرجع معنایی مناسب. این سرویس آپلود یک هستی شناسی مرجع انتخابی را امکان پذیر می کند (با توجه به اینکه چندین هستی شناسی مرجع برای توصیف دامنه های مختلف مورد نیاز است)، برای جستجوی توضیحات مفاهیم در هستی شناسی مرجع بارگذاری شده، به منظور پشتیبانی از ایجاد نگاشت ثبت بین اصطلاحات محلی مورد استفاده. در یک برنامه VGI یا مرتبط با یک سرویس حسگر، و مفاهیم هستی شناسی مرجع بارگذاری شده.
Ijgi 02 00766 g007 1024
شکل 7. نمونه ای از رابط های سرویس.
Ijgi 02 00766 g008 1024
شکل 8. نگاشت بین فلیکر و مدل معنایی VGI.
هدف خدمات استدلال ارائه ابزارهای تطبیق خودکار یا نیمه خودکار برای پشتیبانی از ایجاد حاشیه نویسی مانند مثال بالا است. همچنین می تواند شامل فرآیندهای استنتاج سطح بالاتر مانند استدلال مبتنی بر قانون باشد. خدمات استدلال از آپلود یک هستی شناسی مرجع پشتیبانی می کند، که حاوی قوانینی برای استنتاج حقایق بر اساس داده های بازیابی شده از برنامه های کاربردی ثبت شده VGI یا خدمات حسگر است. هنگامی که هر دو نوع داده به یک هستی شناسی مرجع مشروح می شوند، می توان با داده های مختلف استدلال کرد و آنها را ترکیب کرد. به عنوان مثال، مورد ادغام داده‌های فلیکر با داده‌های OSM را در نظر بگیرید، برای سناریویی که در آن کاربر می‌خواهد ذخایر طبیعی یک منطقه را پیدا و کشف کند. با OSM، او می تواند این مناطق را روی نقشه بازیابی کند. اما نمی توانم تصوری از اینکه آنها در همان زمان چگونه به نظر می رسند داشته باشند. حاشیه نویسی معنایی یک هستی شناسی مرجع مشترک می تواند از ترکیب داده های فلیکر با OSM پشتیبانی کند.شکل 9 نمونه ای از حاشیه نویسی در سطح مدل ابرداده برای OSM است. نگاشتهای ثبت با بدیهیات کلاس OWL rdfs:subClassOf (برای نشان دادن subsumption)، یا owl:equivalentClass بیان می‌شوند. در این مثال، بدیهیات کلاس بین ویژگی‌های OSM ( http://wiki.openstreetmap.org/wiki/Map_Features ) و کلاس‌های هستی‌شناسی وب معنایی زمین و اصطلاحات محیطی (SWEET) ( http://sweet.jpl) اعمال می‌شوند. .nasa.gov/ontology/ )، که نقش هستی شناسی مرجع برای ویژگی های جغرافیایی را ایفا می کند. ویژگی OSM “Nature Reserve” به کلاس LandReserve SWEET مرتبط است:
Ijgi 02 00766 g009 1024
شکل 9. نگاشت نمونه ثبت از کلاس ویژگی OSM به کلاس هستی شناسی SWEET.
شکل 10 گزیده ای از هستی شناسی Realm SWEET را نشان می دهد، که در آن زیر کلاس های LandReserve به عنوان National Forest، Park و WildlifeRefuge شناسایی می شوند. با پیوند دادن ویژگی‌های OSM به کلاس‌های SWEET معادل و فرعی، اشیاء OSM (به عنوان مثال، نمونه‌هایی از ویژگی «ذخیره طبیعی» OSM هستند) را می‌توان به موجودیت‌هایی از دیگر منابع VGI مرتبط کرد که از طریق حاشیه‌نویسی معنایی به NationalForest، Park یا WildlifeRefuge شناسایی می‌شوند.
Ijgi 02 00766 g010 1024
شکل 10. زیر کلاس های LandReserve هستی شناسی SWEET.
در نظر بگیرید که برچسب‌های فلیکر و توضیحات عکس به هستی‌شناسی‌های SWEET در بالا، مانند شکل 11 با برچسب‌های Forest و Park Flickr حاشیه‌نویسی شده‌اند:
Ijgi 02 00766 g011 1024
شکل 11. نمونه ای از نگاشت ثبت نام از کلاس ویژگی OSM به کلاس هستی شناسی SWEET.
با این حاشیه‌نویسی‌ها، می‌توانیم به راحتی عکس‌هایی را که در ذخایر طبیعی شناسایی‌شده در OSM گرفته شده‌اند و در مورد ذخیره‌گاه‌های طبیعی یا سایر زیر کلاس‌های LandReserve در SWEET هستند، بازیابی کنیم. سپس این تصاویر می توانند بر روی نقشه OSM نمایش داده شوند، جایی که تنها با یک پرس و جو کاربر می تواند منطقه ذخیره شده روی نقشه و تصاویر مربوطه را بازیابی کند ( شکل 12 ).
Ijgi 02 00766 g012 1024
شکل 12. ترکیب OSM با تصاویر فلیکر با پشتیبانی از چارچوب یکپارچه.
با این حال، زمانی که داده‌های منابع مختلف به هستی‌شناسی‌های مرجع مختلف حاشیه‌نویسی می‌شوند، نگاشت معنایی بین هستی‌شناسی مراجع برای فعال کردن این نوع ترکیب مورد نیاز است. خدمات استدلالی ابزارهای تطبیق مناسب مختلف را قادر می سازد تا برای پشتیبانی از این وظیفه فراخوانی شوند. ما در حال حاضر در حال ادغام تکنیک های تطبیق شرح داده شده در کار قبلی در سرویس میانجی معنایی پویا [ 63 ] هستیم. همچنین، استاندارد سرویس پردازش وب OGC (WPS) برای پیاده سازی خدمات استدلال به منظور تسهیل قابلیت همکاری با سایر سرویس های چارچوب مورد استفاده قرار خواهد گرفت. خدمات استدلال توسط کارگزار اطلاعات فراخوانی می شود ( شکل 6) که کوئری معنایی را از کاربر دریافت می کند. نمونه ای از رابط پرس و جوی معنایی نیز در شکل 7 آورده شده است. کاربر می‌تواند انواع مختلفی از فیلدها (موجود مورد علاقه، استفاده مورد نظر از داده‌ها، دامنه برنامه) را برای ایجاد زمینه بیشتر پرس و جو خود انتخاب کند. ما همچنین تصور می کنیم که از طریق رابط پرس و جو معنایی، کاربر می تواند آستانه هایی را برای پارامترهای کیفیت مشخص کند تا از تناسب استفاده از داده های بازیابی شده اطمینان حاصل کند.
در نهایت، خدمات مدیریت هستی شناسی از اتصال، ایجاد و تکامل هستی شناسی های مرجع پشتیبانی می کند. چندین ویرایشگر هستی شناسی در حال حاضر در دسترس هستند و می توان از آنها برای ساخت این سرویس استفاده کرد، از جمله Protégé، OntoEdit و SWOOP [ 64 ]]. در پیاده سازی خدمات مدیریت هستی شناسی طبق استاندارد خدمات کاتالوگ وب OGC، قابلیت همکاری سرویس را با سایر سرویس های فریم ورک تسهیل خواهیم کرد. یکی از چالش های مربوط به پیاده سازی چارچوب نیز انتخاب هستی شناسی های مرجع است. بسیار مطلوب است که هستی شناسی های موجود و شناخته شده به عنوان هستی شناسی مرجع برای اطمینان از تسهیلات گسترده تر برای ایجاد حاشیه نویسی و نگاشت استفاده شوند. برای مثال، هستی‌شناسی‌های مرجعی که افراد، ویژگی‌ها و روابط آن‌ها را توصیف می‌کنند برای توصیف کاربران/مشارکت‌کنندگان ضروری هستند، به‌عنوان مثال، هستی‌شناسی FOAF (دوست یک دوست)، که افراد، فعالیت‌های آن‌ها و روابط آن‌ها با افراد یا ویژگی‌های دیگر را توصیف می‌کند. هستی شناسی های مرجعی که پدیده ها و مشاهدات جغرافیایی را توصیف می کنند، به عنوان مثال، وب معنایی زمین و اصطلاحات محیطی (SWEET) هستی شناسی برای مشاهدات، که دسته بندی ویژگی ها در OSM و برچسب ها در فلیکر را می توان به آن پیوند داد، مورد نیاز است. روزنامه‌های مکان‌های جغرافیایی مانند GeoNames نیز برای پیوند مختصات یا نام مکان‌ها به اشیاء مشترک مورد نیاز هستند.
برای اجرای کامل این چارچوب چالش های زیادی باقی مانده است که باید برطرف شوند. در این میان، پروتکل‌ها و زبان‌های ارسال پیام بین سرویس‌ها باید رسمی شوند. برای پشتیبانی از مبادلات بین برنامه های کاربردی VGI و سرویس های شرح داده شده در جدول 3 ، باید رابط های بیشتری ایجاد شود.برای مثال، برای فعال کردن سرویس میانجی مدل معنایی VGI برای آپلود مدل داده برنامه VGI. علاوه بر این، تحقیقات زیادی در مورد مفهوم سازی کیفیت VGI باقی مانده است. بنابراین، در چارچوب ما، کار بیشتری برای ادغام کیفیت VGI در فرآیند قابلیت همکاری معنایی باقی مانده است. این یک معیار اساسی است که مناسب بودن برای استفاده از داده های بازیابی شده را تضمین می کند و از استفاده از VGI در فرآیندهای تصمیم گیری پشتیبانی می کند.
جدول
جدول 3. خدمات و عملکردهای مورد نیاز برای اجرای چارچوب.

6. نتیجه گیری و چالش های باقی مانده

در این مقاله، ما نیاز به تعامل معنایی VGI با انواع دیگر داده ها را برجسته کرده ایم. به طور خاص، ما به موضوع قابلیت همکاری معنایی VGI با داده‌های حسگر پرداخته‌ایم. ما بر اساس تحلیل‌های موجود از پدیده VGI استدلال کرده‌ایم که VGI نوع نسبتاً جدید اما مفیدی از داده‌ها است که فرصت‌های جدیدی را برای درک دنیایی که در آن تکامل می‌دهیم به ارمغان می‌آورد و زیرساخت‌های داده‌ای موجود را با «دنیای واقعی‌تر» فعال می‌کند. مبتنی بر» نمایش واقعیت. تحقیق در مورد موضوع قابلیت همکاری معنایی VGI اولین گام به سوی پذیرش گسترده و استفاده مجدد از VGI در فعالیت های برنامه ریزی و تصمیم گیری جاری است. بنابراین، در این مقاله، ما چارچوبی را برای تعامل معنایی VGI با داده‌های حسگر به عنوان اولین گام در آن جهت پیشنهاد کرده‌ایم. این چارچوب نیاز به استانداردهایی را برای توصیف برنامه های کاربردی VGI به عنوان یک نیاز ضروری برای دسترسی به VGI از یک پورتال واحد، ادغام VGI با داده های موجود و فعال کردن استدلال با VGI برجسته می کند. برای پرداختن به این موضوع، ما یک مدل معنایی VGI پیشنهاد کرده‌ایم که انواع برنامه‌های کاربردی VGI و انواع داده‌هایی را که می‌توانند توسط این برنامه‌ها تولید می‌شوند، توصیف می‌کند. ما نشان داده‌ایم که چگونه این مدل با برخی از استانداردهای OGC همسو می‌شود و بنابراین، وقتی برنامه‌های VGI بر حسب عناصر رسمی‌شده در این مدل توصیف می‌شوند، چگونه می‌توان قابلیت همکاری را فعال کرد. معماری مفهومی برای تعامل معنایی VGI با داده های حسگر بر اساس این مدل معنایی VGI است.
این چارچوب اولین گام به سوی قابلیت همکاری معنایی VGI است و چالش‌های متعددی باقی مانده است. این مدل معنایی VGI که ​​به عنوان پایه چارچوب یکپارچه پیشنهاد شده است، اولین قدم برای برجسته کردن نیاز به یک مدل استاندارد برای توصیف برنامه های کاربردی VGI است. نکته قابل توجه این است که از آنجایی که مدل به طور گسترده با جامعه GI مربوطه مورد بحث قرار نگرفته است، قرار نیست به عنوان یک مدل استاندارد پیشنهاد شود. در کار آینده، ما پیشنهاد می‌کنیم که این مدل را برای مشاوره با سهامداران مرتبط از جامعه GI، به‌ویژه تولیدکنندگان VGI و محققان در زمینه VGI در معرض دید قرار دهیم. سپس از طریق فرآیند مشاوره می توان الزامات بیشتر برای مدل را شناسایی کرد. یکی دیگر از محدودیت های چارچوب فعلی این است که ما به طور مشخص به نیاز به توسعه پروتکل های ارتباطی و زبان های رسمی برای پشتیبانی از مبادلات بین سرویس های مختلف که چارچوب را پیاده سازی می کنند، اشاره کرده ایم. موضوع کیفیت VGI نیز ذکر شده است، اما کار گسترده ای برای ارزیابی، نمایش و انتقال کیفیت VGI باقی مانده است. ما فقط اشاره کردیم که با این وجود بلوک اصلی یک پلت فرم موفق برای قابلیت همکاری VGI با داده های موجود است. در نهایت، چارچوب ما مستلزم استفاده گسترده از تکنیک‌ها و ابزارهای مختلف نگاشت معنایی است. برای اینکه سیستم‌های نگاشت معنایی واقعاً خودکار شوند، و همچنین برای بهبود دقت و یادآوری در محیط‌های کمتر کنترل‌شده و غیرقابل پیش‌بینی، تحقیقات گسترده‌ای هنوز مورد نیاز است. برای انجام این کار، چالش هایی که باید مورد توجه قرار گیرند شامل موارد زیر است: بهبود قابلیت استدلال ابزارهای استدلال استاندارد با توجه به جنبه های مکانی و زمانی مفاهیم؛ ادغام تکنیک های پیشرفته تر زبان طبیعی در سیستم های نگاشت معنایی؛ و توسعه منابع خارجی مناسب (هستی شناسی ها و اصطلاحنامه های سطح بالا) برای حمایت از نگاشت معنایی.

مراجع و یادداشت ها

  1. Goodchild، MF Citizens به عنوان حسگر: دنیای جغرافیای داوطلبانه. ژئوژورنال 2007 ، 69 ، 211-221. [ Google Scholar ] [ CrossRef ]
  2. الوود، اس. اطلاعات جغرافیایی داوطلبانه: مسیرهای تحقیقاتی آینده با انگیزه GIS انتقادی، مشارکتی و فمینیستی. جئوژورنال 2008 ، 72 ، 173-183. [ Google Scholar ]
  3. آهنگ، دبلیو. Sun, G. نقش اطلاعات جغرافیایی داوطلبانه سیار در مدیریت شهری. در مجموعه مقالات هجدهمین کنفرانس بین المللی ژئوانفورماتیک، پکن، چین، 18 تا 20 ژوئن 2010. صص 1-5.
  4. گروسنر، ک. Glennon, A. داوطلبانه اطلاعات جغرافیایی: سطح III سیستم دیجیتال زمین. مجموعه مقالات مقاله موقعیت ارائه شده در کارگاه آموزشی داوطلبانه اطلاعات جغرافیایی، سانتا باربارا، کالیفرنیا، ایالات متحده آمریکا، 13-14 دسامبر 2007. پ. 2. در دسترس آنلاین: http://www.ncgia.ucsb.edu/projects/vgi/docs/position/Grossner_Glennon_paper.pdf (در 22 مارس 2012 قابل دسترسی است).
  5. Tulloch, D. آیا مشارکت داوطلبانه اطلاعات جغرافیایی است؟ از استخرهای بهاری گرفته تا بازی های ویدیویی. جئوژورنال 2008 ، 72 ، 161-171. [ Google Scholar ] [ CrossRef ]
  6. گوتز، ام. Zipf، A. به سوی تعریف چارچوبی برای استخراج خودکار مدل های سه بعدی CityGML از اطلاعات جغرافیایی داوطلبانه. در مجموعه مقالات کارگاه مشترک ISPRS در مورد مدلسازی و برنامه های سه بعدی شهر و ششمین کنفرانس اطلاعات جغرافیایی سه بعدی، ووهان، چین، 26-28 ژوئن 2011. صص 1-16.
  7. دی لونگویل، بی. آنونی، ا. Shade، S. استلندر، ن. علاوه بر این، C. سیستم عصبی زمین دیجیتال برای رویدادهای بحران: وب حسگر زمان واقعی اطلاعات جغرافیایی داوطلبانه را فعال می کند. بین المللی J. Digital Earth 2010 ، 3 ، 242-259. [ Google Scholar ] [ CrossRef ]
  8. استلندر، ن. اسمیت، آر.اس. د لونگویل، بی. Smits، P. چه چیزی VGI برای طراحی روشی برای تحلیل مقایسه ای برنامه های موجود برای طبقه بندی VGI و استفاده از آن خوب است. در مجموعه مقالات IGARSS، هونولولو، HI، ایالات متحده آمریکا، 25-30 ژوئیه 2010. ص 1422-1425.
  9. بالاتوره، آ. برتولتو، ام. غنی‌سازی معنایی VGI در پشتیبانی از تحلیل بازخورد ضمنی. در مجموعه مقالات دهمین کنفرانس وب و سیستم های اطلاعات جغرافیایی بی سیم (W2GIS 2011)، کیوتو، ژاپن، 3 تا 4 مارس 2011. Tanaka, K., Fröhlich, P., Kim, K.-S., Eds.; LNCS 6574. Springer-Verlag: Berlin/Heidelberg, Germany, 2011; صص 78-93. [ Google Scholar ]
  10. Goodchild، MF به سوی جغرافیای اطلاعات جغرافیایی در دنیای دیجیتال. محاسبه کنید. محیط زیست سیستم شهری 1997 ، 21 ، 377-391. [ Google Scholar ] [ CrossRef ]
  11. هاردی، دی. اطلاعات جغرافیایی داوطلبانه در ویکی پدیا. دکتری پایان نامه، دانشگاه کالیفرنیا، سانتا باربارا، CA، ایالات متحده آمریکا، 2010; پ. 260. [ Google Scholar ]
  12. کلمن، دی. جورجیادو، ی. Labonte, J. اطلاعات جغرافیایی داوطلبانه: ماهیت و انگیزه تولیدکنندگان. بین المللی J. زیرساخت داده های مکانی. Res. 2009 ، 4 ، 332-358. [ Google Scholar ]
  13. گوتز، ام. لاور، جی. Auer, M. یک روش مبتنی بر الگوریتم برای ایجاد یک نقشه آنلاین جهانی که به طور منظم به روز می شود که از اطلاعات جغرافیایی داوطلبانه مشتق شده است. در مجموعه مقالات چهارمین کنفرانس بین المللی سیستم های اطلاعات جغرافیایی پیشرفته، برنامه ها و خدمات، والنسیا، اسپانیا، 30 ژانویه تا 4 فوریه 2012. صص 50-58.
  14. گوپتا، آر. نقشه‌برداری سیستم انرژی جهانی با استفاده از ویکی‌ها، منابع باز، WWW و Google Earth. مجموعه مقالات مقاله موقعیت ارائه شده در کارگاه آموزشی داوطلبانه اطلاعات جغرافیایی، سانتا باربارا، کالیفرنیا، ایالات متحده آمریکا، 13-14 دسامبر 2007. پ. 2. در دسترس آنلاین: http://www.ncgia.ucsb.edu/projects/vgi/docs/position/Gupta_paper.pdf (در 22 مارس 2012 قابل دسترسی است).
  15. پالن، ال. Vieweg, S.; لیو، اس بی؛ هیوز، بحران AL در دنیای شبکه‌ای: ویژگی‌های ارتباط رایانه‌ای در رویداد 16 آوریل 2007، ویرجینیا Tech. Soc. علمی محاسبه کنید. Rev. 2009 , 27 , 467-480. [ Google Scholar ] [ CrossRef ]
  16. دی روبیس، وی. اسبارا، پ. Tosi، P. بررسی لرزه‌ای کلان مبتنی بر وب: تبادل سریع اطلاعات و تشریح اثرات شدت لرزه‌ای در ایتالیا. مجموعه مقالات ششمین کنفرانس بین المللی ISCRAM، گوتنبرگ، سوئد، 10-13 مه 2009. پ. 11. در دسترس آنلاین: http://www.iscram.org/ISCRAM2009/papers/ (در 22 مارس 2012 قابل دسترسی است).
  17. مونی، پی. Corcoran, P. Annotating Spatial Features in OpenStreetMap. در مجموعه مقالات GISRUK 2011، پورتسموث، انگلستان، 27-29 آوریل 2011; صص 52-56.
  18. بوداتوکی، ن. بروس، بی. Nedovic-Budic، Z. مفهوم سازی مجدد نقش کاربر زیرساخت داده های مکانی. ژئوژورنال 2008 ، 72 ، 149-160. [ Google Scholar ] [ CrossRef ]
  19. Sieber، R. Geoweb برای تغییرات اجتماعی. مجموعه مقالات مقاله موقعیت ارائه شده در کارگاه اطلاعات جغرافیایی داوطلبانه، سانتا باربارا، کالیفرنیا، ایالات متحده آمریکا، 13-14 دسامبر 2007. پ. 3. در دسترس آنلاین: http://www.ncgia.ucsb.edu/projects/vgi/docs/supp_docs/ Sieber_paper.pdf (در 22 مارس 2012 قابل دسترسی است).
  20. بیشر، م. Mantelas، L. یک مدل اعتماد و شهرت برای فیلتر کردن و طبقه بندی دانش در مورد رشد شهری. جئوژورنال 2008 ، 72 ، 229-237. [ Google Scholar ] [ CrossRef ]
  21. فلاناژین، ا. متزگر، ام. اعتبار اطلاعات جغرافیایی داوطلبانه. جئوژورنال 2008 ، 72 ، 137-148. [ Google Scholar ] [ CrossRef ]
  22. گوویا، سی. Fonseca، A. رویکردهای جدید برای نظارت بر محیط زیست: استفاده از فناوری اطلاعات و ارتباطات برای کشف اطلاعات جغرافیایی داوطلب. ژئوژورنال 2008 ، 72 ، 185-197. [ Google Scholar ] [ CrossRef ]
  23. شیدر، اس. کسلر، سی. اورتمن، جی. دوراجو، ع. ترام، جی. کاوپینن، تی. کوهن، دبلیو. ارجاع معنایی داده های ژئوسنسور و اطلاعات جغرافیایی داوطلبانه. در معناشناسی جغرافیایی و وب معنایی. وب معنایی و فراتر از آن ; Springer: نیویورک، نیویورک، ایالات متحده آمریکا، 2011; ص 27-59. [ Google Scholar ]
  24. هیون، جی. مقاله موضعی در مورد “جلسه تخصصی در مورد اطلاعات جغرافیایی داوطلبانه”. در مجموعه مقالات مقاله موقعیت ارائه شده در کارگاه اطلاعات جغرافیایی داوطلبانه، سانتا باربارا، کالیفرنیا، ایالات متحده آمریکا، 13 تا 14 دسامبر 2007. پ. 2.
  25. کوهن، دبلیو. معناشناسی جغرافیایی: چرا، از چه و چگونه؟ J. داده سمنت. III 2005 ، 3534 ، 1-24. [ Google Scholar ] [ CrossRef ]
  26. بروداریک، بی. گاهگان، م. استفاده از هستی شناسی برای علم الکترونیک معنایی. سمنت. وب 2010 ، 1 ، 149-153. [ Google Scholar ]
  27. Cohn، AG; هزاریکا، SM بازنمایی و استدلال فضایی کیفی: مروری. فاندم Informaticae 2001 ، 46 ، 1-29. [ Google Scholar ]
  28. کوهن، دبلیو. ایده های شناختی و زبانی در معناشناسی اطلاعات جغرافیایی. در جنبه های شناختی و زبانی فضای جغرافیایی، یادداشت های سخنرانی در اطلاعات جغرافیایی و نقشه برداری . Raubal, M., Mark, DM, Frank, AU, Eds. Springer: برلین/هایدلبرگ، آلمان، 2013; صص 159-174. [ Google Scholar ]
  29. یانوویچ، ک. شیدر، اس. پهله، ت. هارت، جی. معناشناسی جغرافیایی و داده های مکانی-زمانی مرتبط – گذشته، حال و آینده. سمنت. وب 2012 ، 3 ، 1-13. [ Google Scholar ]
  30. کوهن، دبلیو. Raubal, M. پیاده سازی سیستم های مرجع معنایی. در مجموعه مقالات AGILE 2003 – ششمین کنفرانس AGILE در علم اطلاعات جغرافیایی، لیون، فرانسه، 24-26 آوریل 2003. صص 63-72.
  31. کوهن، دبلیو. سیستم های مرجع معنایی. بین المللی جی. جئوگر. Inf. علمی 2003 ، 17 ، 405-409. [ Google Scholar ] [ CrossRef ]
  32. پروندکار، ر. Knoblock، CA؛ Ambite، JL تراز هستی شناسی داده های پیوندی مکانی. در مجموعه مقالات کارگاه در مورد داده های مکانی-زمانی مرتبط، در ارتباط با ششمین کنفرانس بین المللی علم اطلاعات جغرافیایی (GIScience 2010)، زوریخ، سوئیس، 14 سپتامبر 2010.
  33. اور، اس. لمان، جی. Hellmann, S. LinkedGeoData-افزودن یک بعد فضایی به وب داده ها. در مجموعه مقالات هشتمین کنفرانس بین المللی وب معنایی (ISWC)، Chantilly، VA، ایالات متحده آمریکا، 25-29 اکتبر 2009. Bernstein, A., Karger, DR, Heath, T., Feigenbaum, L., Maynard, D., Motta, E., Thirunarayan, K., Eds.; Springer Verlag: Berlin/Heidelberg, Germany, 2009. LNCS 5823. pp. 731-746. [ Google Scholar ]
  34. دی گروو، تی. استولبرگ، بی. ورناچینی، ال. Dohorty، B. Mash-up یا SDI: ابزارهای نقشه برداری مناسب برای اتاق های موقعیت اضطراری. در مجموعه مقالات کنفرانس 2000 Geomatics برای مدیریت بلایا، تورینو، ایتالیا، 2-4 فوریه 2010. صص 122-130.
  35. منسو، م.-الف. Wachowicz، M. طراحی GIS: بررسی مسائل جاری در قابلیت همکاری. Geogr. Compass 2009 , 3 , 1105-1124. [ Google Scholar ] [ CrossRef ]
  36. تورنیتسا، سی. تالک، الف. زبان مدیریت نبرد: مثلثی با پنج ضلع. در مجموعه مقالات سازمان استانداردهای تعامل پذیری شبیه سازی (SISO) کارگاه کارگاه شبیه سازی قابلیت همکاری بهار (SIW)، هانتسویل، AL، ایالات متحده آمریکا، 2 تا 7 آوریل 2006.
  37. دی لونگویل، بی. اسمیت، آر.اس. Luraschi، G. OMG، از اینجا، من می‌توانم شعله‌های آتش را ببینم!: یک مورد استفاده از شبکه‌های اجتماعی مبتنی بر مکان معدن برای به دست آوردن داده‌های مکانی-زمانی در مورد آتش‌سوزی‌های جنگلی. در مجموعه مقالات کارگاه بین المللی 2009 در مورد شبکه های اجتماعی مبتنی بر مکان، سیاتل، WA، 4-6 نوامبر 2009. Zhou, X., Xie, X., Eds. ACM: نیویورک، ایالات متحده آمریکا، 2009; صص 73-80. [ Google Scholar ]
  38. لوشر، پی. Weibel, R. بهره‌برداری از دانش تجربی برای تعیین خودکار مراکز شهر از پایگاه‌های داده توپوگرافی در مقیاس بزرگ. محاسبه کنید. محیط زیست سیستم شهری 2012 ، 37 ، 18-34. [ Google Scholar ] [ CrossRef ]
  39. هیل، اچ. ودانتهام، آر. کوئلار، جی. لیو، آ. گلفاند، ن. گرززچوک، آر. Borriello، G. پیمایش عابر پیاده مبتنی بر نقطه عطف از مجموعه عکس‌های دارای برچسب جغرافیایی. در مجموعه مقالات هفتمین کنفرانس بین المللی چند رسانه ای موبایل و همه جا حاضر، اومئو، سوئد، 3 تا 5 دسامبر 2008. صص 145-152.
  40. کیسیلویچ، اس. کرستایچ، م. کیم، دی. آندرینکو، ن. آندرینکو، جی. تحلیل فعالیت‌ها و رفتار افراد مبتنی بر رویداد با استفاده از مجموعه‌های عکس دارای برچسب جغرافیایی Flickr و Panoramio. در مجموعه مقالات چهاردهمین کنفرانس بین المللی تجسم اطلاعات، لندن، بریتانیا، 26-29 ژوئیه 2010; ص 289-296.
  41. بیرکین، ام. مالسون، ن. هادسون اسمیت، ا. گری، اس. میلتون، R. کالیبراسیون یک مدل شبیه سازی فضایی با اطلاعات جغرافیایی داوطلبانه. بین المللی جی. جئوگر. Inf. علمی 2011 ، 25 ، 1221-1239. [ Google Scholar ] [ CrossRef ]
  42. فورتادو، وی. آیرس، ال. دی اولیویرا، م. واسکونسلوس، ای. کامینها، سی. D’Orleans، J.; بلچیور، ام. اطلاعات جمعی در اجرای قانون – سیستم ویکی جنایات. Inf. علمی 2010 ، 180 ، 4-17. [ Google Scholar ] [ CrossRef ]
  43. لمنز، R. قابلیت همکاری معنایی خدمات جغرافیایی توزیع شده. دکتری پایان نامه، مؤسسه بین المللی علوم اطلاعات جغرافیایی و رصد زمین (ITC)، Enschede، هلند، 2006; پ. 323. [ Google Scholar ]
  44. گرنون، پی. اسمیت، بی. اسنپ و SPAN: به سوی هستی شناسی فضایی پویا. J. شناخت فضایی. محاسبه کنید. 2004 ، 4 ، 69-104. [ Google Scholar ] [ CrossRef ]
  45. برورینگ، آ. اکترهوف، جی. جیرکا، س. سیمونیس، آی. اوردینگ، تی. استاش، سی. لیانگ، اس. Lemmens, R. فعال سازی وب سنسور نسل جدید. Sensors 2011 , 11 , 2652-2699. [ Google Scholar ] [ CrossRef ]
  46. بوتس، ام. پرسیوال، جی. رید، سی. Davidson, J. OGC Sensor Web Enablement: Overview and High Level Architecture. در مجموعه مقالات شبکه‌های حسگر جغرافیایی (GSN 2006)، LNCS 4540. بوستون، ایالات متحده آمریکا، 1-3 اکتبر 2006. Nittel, S., Labrinidis, A., Stefanidis, A., Eds. Springer-Verlag: برلین/هایدلبرگ، آلمان؛ صص 175-190.
  47. کنسرسیوم فضایی باز (OGC)، مشخصات رابط سرویس رویداد سنسور OGC-نسخه 0.3.0 ; کنسرسیوم فضایی باز: Wayland، MA، ایالات متحده آمریکا، 2008.
  48. والتر، ک. نش، ای. جفت کردن شبکه‌های حسگر بی‌سیم و سرویس مشاهده حسگر – پل زدن شکاف قابلیت همکاری. در مجموعه مقالات دوازدهمین کنفرانس بین المللی AGILE در علم اطلاعات جغرافیایی 2009، هانوفر، آلمان، 2 تا 5 ژوئن 2009. صفحات 1-9.
  49. گیگان، جی. اتکینسون، I. لایه انتزاعی حسگر: یک رابط نرم افزاری منحصر به فرد برای مدیریت موثر شبکه های حسگر. در مجموعه مقالات سومین کنفرانس بین المللی شبکه های حسگر و اطلاعات هوشمند حسگرها (ISSNIP 2007)، ملبورن، QLD، استرالیا، 3 تا 6 دسامبر 2007. صص 479-484.
  50. باکی‌الله، م. مصطفوی، کارشناسی ارشد G-map رویکرد نگاشت معنایی برای بهبود قابلیت همکاری معنایی سرویس های وب جغرافیایی توزیع شده. در مجموعه مقالات پیشرفت‌ها در مدل‌سازی مفهومی – کاربردها و چالش‌ها (کارگاه‌های آموزشی ER 2010)، ونکوور، BC، کانادا، 1 تا 4 نوامبر 2010. Trujillo, J., Dobbie, G., Kangassalo, H., Hartmann, S., Kirchberg, M., Rossi, M., Reinhartz-Berger, I., Zimányi, E., Frasincar, F., Eds.; Springer-Verlag: Berlin/Heidelberg, Germany, 2010. LNCS 6413. pp. 12-22. [ Google Scholar ]
  51. یانوویچ، ک. کسلر، سی. شوارتز، ام. ویلکس، ام. پانوف، آی. اسپتر، ام. Baeumer, B. الگوریتم، پیاده سازی و کاربرد سرور مشابه SIM-DL. در مجموعه مقالات دومین کنفرانس بین المللی معناشناسی جغرافیایی (GeoS 2007)، مکزیکو سیتی، مکزیک، 29 تا 30 نوامبر 2007. صص 128-145.
  52. باکی‌الله، م. لیانگ، SHL کشف خدمات حسگر با تجزیه و تحلیل شبکه اجتماعی و جستجوی گسترده Sqwrl. در مجموعه مقالات یازدهمین کنفرانس سیستم های اطلاعات جغرافیایی وب و بی سیم (W2GIS 2012)، ناپل، ایتالیا، 12 تا 13 آوریل 2012. di Martino, S., Peron, A., Tezuka, T., Eds. Springer-Verlag: برلین/هایدلبرگ، آلمان، 2012. نکات سخنرانی در علوم کامپیوتر. [ Google Scholar ]
  53. بیتنر، تی. دانلی، ام. Winter, S. هستی شناسی و قابلیت همکاری معنایی. در یکپارچه سازی داده های سه بعدی در مقیاس بزرگ: چالش ها و فرصت ها . زلاتانوا، اس.، پروسپری، دی.، ویرایش. CRC Taylor و Francis: Boca Raton، FL، USA، 2005; صص 139–160. [ Google Scholar ]
  54. کلین، ای. یک استراتژی مبتنی بر قانون برای حاشیه نویسی معنایی داده های جغرافیایی. ترانس. GIS 2007 ، 11 ، 437-452. [ Google Scholar ] [ CrossRef ]
  55. یانوویچ، ک. Shade، S. برورینگ، آ. کسلر، سی. مائوئه، پی. Stasch, C. Semantic Enablement for Spatial Data Infrastructures. ترانس. GIS 2010 ، 14 ، 111-129. [ Google Scholar ] [ CrossRef ]
  56. مائوئه، پی. Shade، S. Duchesne, P. OGC Discussion Paper 08-167r1: Semantic Annotation in OGC Standards ; گزارش فنی؛ OGC: Wayland، MA، ایالات متحده آمریکا، 2009. [ Google Scholar ]
  57. Schwering، A. رویکردهایی به اندازه گیری تشابه معنایی برای داده های جغرافیایی- فضایی: یک بررسی. ترانس. GIS 2008 ، 12 ، 5-29. [ Google Scholar ] [ CrossRef ]
  58. بالاتوره، آ. برتولتو، ام. استخراج دانش جغرافیایی ویلسون، دی سی و تشابه معنایی در OpenStreetMap. بدانید. Inf. سیستم 2012 ، 2012 ، 1-21. [ Google Scholar ]
  59. مولیگان، سی. یانوویچ، ک. بله، م. لی، WC تجزیه و تحلیل تعامل مکانی- معنایی نقاط مورد علاقه در اطلاعات جغرافیایی داوطلبانه. در نظریه اطلاعات مکانی ; Egenhofer, M., Giudice, N., Moratz, R., Worboys, M., Eds. Springer: برلین/هایدلبرگ، آلمان، 2011; COSIT 2011، LNCS 6899; صص 350–370. [ Google Scholar ]
  60. باکی‌الله، م. مصطفوی، محمدرضا; برودر، جی. Bédard, Y. Sim-Net: یک مدل شباهت معنایی مبتنی بر دیدگاه برای شبکه موقت پایگاه‌های داده جغرافیایی. ترانس. GIS 2009 ، 13 ، 417-447. [ Google Scholar ] [ CrossRef ]
  61. پاپامارکوس، جی. پولواسیلیس، آ. Wood، PT رویداد-شرط-عملکرد زبان‌های قانون برای وب معنایی. در مجموعه مقالات کارگاه آموزشی وب معنایی و پایگاه های داده (SWDB 03)، برلین، آلمان، 7-8 سپتامبر 2003. صص 309-327.
  62. ویگاند، ن. گارسیا، سی. یک رویکرد هستی شناسی مبتنی بر وظیفه برای خودکارسازی بازیابی داده های مکانی. ترانس. GIS 2007 ، 11 ، 355-376. [ Google Scholar ] [ CrossRef ]
  63. باکی‌الله، م. لیانگ، SHL یک سرویس میانجی معنایی پویا و آگاه از زمینه برای کشف و ادغام داده‌های حسگر ناهمگن. J. Spatial Inf. علمی 2013 ، 6 ، 155-185. [ Google Scholar ]
  64. کاردوسو، جی. چشم انداز وب معنایی: ما کجا هستیم؟ IEEE Intell. سیستم 2007 ، 22 ، 84-88. [ Google Scholar ] [ CrossRef ]

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربرد جی ای اس در زمین شناسی

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همواره حمایت دانشجویان عزیزمان همراه ما بوده و این سببب شده که گامی محکم به‌سوی ایجاد یک مرجع برای آموزش GIS برداریم. با این امید که بتوانیم قدردان حمایت شما بزرگواران باشیم.

  • خانه
  • آموزش
  • فیلم آموزشی
  • تماس با ما
  • درباره ما
  • وبلاگ
  • سمنان /خیابان کاشانی/ساختمان فناوری اطلاعات/پ 8
  • 09120049370