Upload
catherine-roussey
View
584
Download
3
Embed Size (px)
DESCRIPTION
l'usage des ontologies dans les projets de l'irstea pour la surveillance des phenomenes environmentaux avec des reseaux de capteurs sans fil.
Citation preview
www.irstea.fr
Pour mieux affirmer ses missions, le Cemagref devient Irstea
Equipe COPAIN, UR TSCF
Rimel BENDADOUCHE, Stephan BERNARD, Jean-Pierre CHANET, Gil DE SOUSA, Catherine ROUSSEY
6 décembre 2013, Moulis
Ontologies de capteurs
Merci à slide share, Jean Paul CALBIMONTE, Oscar CORCHO,
W3C SSN Working Group
2
Plan
• Définitions de base: de l’Ontologie aux ontologies• Motivations: Pourquoi des ontologies de capteurs ?• W3C SSN group
• SSN ontologie
• Irstea Use Case 1• WSSN Ontologie
• Irstea Use Case 2• agricultural Ontologies
• Nos Perspectives sur les ontologies
3
Définitions:DONNÉES, INFORMATIONS, CONNAISSANCES
Donnée: un élément d’information,
percevable,
manipulable
Information: donnée +
sens + contexte
typée + structurée + documentée
Connaissance: information +
stabilité + croyance
abstraction + traitement
généralisation d’un ensemble d’information = modèle
toujours propre à une personne
partagée par d’autres personnes
4
Schéma généralDONNÉES, INFORMATIONS, CONNAISSANCES
Données
Information
Connaissances
Perception
Sens dans un contexte
Résultat d’un processus d’apprentissage: une généralisation d’un ensemble d’information que l’on va mémoriser
Données
Données typées
Classes en POODescription sous forme d’attribut (description quantitative & qualitative ) + méthodes (traitements)
Classes en LDDes traitement particuliers sur les données qualitatives
Différent niveau de granularité : information structurée non structurées
BD Relationnelle Données fortement structurées optimisées pour le stockage
5
DéfinitionONTOLOGIE
Ontologie avec un O majuscule (philosophie):
Une science: une branche de la métaphysique qui a pour objectif l’étude de l’être, c'est-à-dire l'étude des propriétés générales de tout ce qui est…
Ontologies au pluriel avec un o minuscule (informatique):
Outils informatiques
résultat d’une modélisation d’un domaine d’étude
défini pour un objectif donné
acceptée par une communauté d’utilisateurs
…
6
Ontologies …
Gruber 1993 : « une ontologie est une spécification explicite d’une conceptualisation »
• Conceptualisation: modèle abstrait du domaine: quelles entités?• Spécification explicite: les types et leurs contraintes d’usage sont définis
dans un langage…
Exemples:• Un thésaurus : vocabulaire normalisé• Un schéma de BD : un modèle structuré d'un domaine• Un système expert : un modèle du domaine formalisé pour les
inférences, des conditions exprimées à l'aide de formules logiques
Ontologie linguistique, ressource termino-ontologique, ontologie de domaine, ontologie de haut niveau, un vocabulaire de métadonnées…
Thomas R. Gruber. “A translation approach to portable ontology specifications”, Knowledge Acquisition, Volume 5, Issue 2, June 1993, Pages 199–220
7
Motivation: OntologieUNE ONTOLOGIE DE CAPTEURS POURQUOI FAIRE ?
Promouvoir un accès universel et uniformisé des données de capteurs par le web:• publier les données sur le web• interroger ces données avec des techno web• intégrer les données de capteurs avec d'autres données• traiter ces données (par exemple les nettoyer pour améliorer leur qualité)
Une ontologie contient un vocabulaire et un schéma de données:• consensuels, • publiés sur le web et documentés• formalisés avec des standards du web (RDF, OWL, SPARQL)• Avec des contraintes en DL (conditions nécessaires et/ou suffisantes)
= un schéma de données pour le web de données
8
Motivation: ontologies OWL-DLDes schémas mais pas que
Comment produire des inférences?
1. Moteur d’inférence comme Pellet [Sirin 2007] valide des modèles de Logiques de Description Une classe se définie par un ensemble de
conditions d’appartenance Réorganisation automatique des classes et des
individus en fonction de ces conditions. Détection d'incohérences
2. Règles d’inférence [SWRL: W3C] SI condition ALORS Action
9
Définition: Le web de données Linked Data
Une extension du web, où les données sont accessibles, bien spécifiées et documentées
facilite le partage et la réutilisation
à la fois par les humains et les machines
améliore l’interopérabilité
et propose les principes de publication de données
10
Publication sur le web de données
4 Principes:• Use URIs as names for things • Use HTTP URIs so that people can look up those names. • When someone looks up a URI, provide useful information, using the
standards (RDF*, SPARQL) • Dereferenceable URI
• Include links to other URIs, so that they can discover more things.
11
Motivation: flux et métadonnéesQU'EST CE QUE SONT LES DONNÉES DE CAPTEURS ?
•Flux de données (Data Stream)• Données issues de mesure• Données continues, potentiellement infinie• Données avec des estampilles temporelles (time stamped tuple)• Données bruitées (noisy)
• un réseau produit plusieurs flux hétérogènes • Station météo: précipitation, direction du vent
•Métadonnées: données sur les données• Description du réseau de capteurs : localisation, nb de nœuds• Description des nœuds: niveau d'énergie, sondes, paramétrage des sondes
(t9, a1, a2, ... , an)(t8, a1, a2, ... , an)(t7, a1, a2, ... , an)......(t1, a1, a2, ... , an)......
12
Données de capteurs: exemple
J P CALBIMONTE, O CORCHO, A J G GRAY. Enabling Ontology-based Access to Streaming Data Sources. International Semantic Web Conference In ISWC 2010 proc
13
Données de capteurs: exemple
J.-P. CALBIMONTE, H. JEUNG, O. CORCHO AND K. ABERER.
“Semantic Sensor Data Search in a Large-scale Federated Sensor
Network” In Proc. of the 4th International Workshop on Semantic Sensor Networks SSN 2011, at ISWC
2011, Bonn, Germany, Oct 2011.
14
W3C Semantic Sensor Incubator Group: SSN XG
SSN – XG : mars 2009
41 Participants de 16 organisations : Des grands noms du domaine des ontologies et des réseaux de capteurs : CSIRO, Wright State University, OGC, DERI, OEG, Knoesis etc…
Objectifs:• Proposer un modèle unifié de données de capteurs et de métadonnées• Etat de l’art sur les ontologies de capteurs existantes • Proposer des méthodes de développements applications intelligentes
travaillant sur les données de capteurs
Résultat :
une ontologie qui intègre plusieurs ontologies existantes, validées dans des projets.
Final Report 28 June 2011http://www.w3.org/2005/Incubator/ssn/XGR-ssn-20110628/
15
Semantic Sensor Network Ontology
Format OWL 2, disponible sur le web et documentée
(!!) Orientée capteur uniquement, compatible avec les standards de OGC
Aligner sur l’ontologie de haut niveau Dolce Ultra Light (DUL) Faciliter l’intégration avec d’autres ontologies SSN ne s’utilise jamais seule (!!), chaque application ne réutilise qu’une sous partie
de l’ontologie
Ontologie modulaire basé sur des patrons de conception (Design Pattern) Importe que les parties nécessaires Faciliter l’évolution de l’ontologie Répond à plusieurs cas d’usage (4) Permettre d’avoir plusieurs niveaux de description « Redondance » voulue et nécessaire
Semantic Sensor Network Ontology: http://www.w3.org/2005/Incubator/ssn/ssnx/ssn
M. Compton et al. The SSN ontology of the W3C semantic sensor network incubator group. Web Semantics: Science, Services and Agents on the World Wide Web
Volume 17, December 2012, pp 25–32
16
SSN 4 Use Cases
17
Modules de SSN
18
Les autres ontologies nécessaires
• Ontologies d’unités• Ontologies géographiques de position et de lieux• Classification de tous les types de sondes• Ontologies des phénomènes observés et de leurs propriétés
SSN est une base pour construire une ontologie d’application
19
Ontology Design Pattern: SSO in SSNSTIMULUS SENSOR OBSERVATION
Sensor is anything that observes
How it senses ?
What is sensed?
What senses ?
Sensor is anything that observes
How it senses ?
What is sensed?
What senses ?
20
Données de capteurs : Observation
ssn:FeatureOfInterest
ssn:Observation
ssn:isProducedByssn:SensorOutput
ssn:Sensor
ssn:featureOfInterest
ssn:ObservationValue
ssn:Property
ssn:observedByssn:observationResult ssn:hasValue
ssn:hasProperty
ssn:observedProperty
ssn:observes
xsd:datatype
quantityValue
21
Données de capteurs : Observation
Sensor Data
Irstea:WindSpeed/Observation1
rdf:type ssn:Observation;
ssn:featureOfInterest [rdf:type cf-feature:Wind];
ssn:observedProperty [rdf:type qu:WindSpeed];
ssn:observationResult [rdf:type ssn:SensorOutput;
ssn:hasValue [qudt:numericValue "6.245"^^xsd:double]];
ssn:observationResultTime [time:inXSDDatatime "2011-10-26T21:32:52"];
ssn:observedBy irstea:Sensor1 ;
WindSpeed : 6.245
At: 2011-10-26T21:32:52
22
Métadonnées du capteurssn:OperatingRange
ssn:SensingDevice
ssn:hasOperatingRange
ssn:Device
ssn:Sensor
ssn:MeasurementCapability
ssn:Sensing
ssn:System
ssn:Deployment
ssn:Platform
ssn:hasDeployment
ssn:deployedOnPlatformssn:implements
ssn:hasMeasurementCapability
ssn:onPlatform
23
Métadonnées du capteur
Sensor metadata
irstea:Sensor1
rdf:type ssn:Sensor;
ssn:onPlatform irstea:StationMontoldre;
ssn:observes [rdf:type qu:WindSpeed].
irstea:Sensor2
rdf:type ssn:Sensor;
ssn:onPlatform irstea:StationMontoldre;
ssn:observes [rdf:type qu:AirTemperature].
irstea:StationMontoldre
dul:hasLocation [rdf:type wgs84:Point;
wgs84:lat “46.33";
wgs84:long “3.43"].
Sensor 1
24
Perspectives sur SSN ontologie
SSN Ontology used in several projects for publishing data sensor on the web of data…
Some works has to be done: • good practices in URL definition• Vizualisation of spatio temporal data• Distributed reasoning
Follows the Semantic Sensor Network Workshop at ISWC• SSN13 October 2013 Sydney• SSN12 http://knoesis.org/ssn2012/• SSN11 http://ceur-ws.org/Vol-839/• SSN10 http://ceur-ws.org/Vol-668/• SSN 2009 http://ceur-ws.org/Vol-522/ • SSN 2006 http://www.ict.csiro.au/ssn06/
www.irstea.fr
Pour mieux affirmer ses missions, le Cemagref devient Irstea
Wireless Semantic Sensor Network Ontology
Irstea Use Case 1: Sensor Ontologies and Observations
R. BENDADOUCHE, C. ROUSSEY, G. De SOUSA, J.P. CHANET, K.M. HOU. Extension of the Semantic Sensor Network Ontology for Wireless Sensor
Networks: The Stimulus-WSNnode-Communication Pattern. In proceedings of the 5th International Workshop on Semantic Sensor Networks (SSN 2012) in
conjunction with the 11th International Semantic Web Conference (ISWC 2012), Boston, USA, November 12, 2012. Editors Cory Henson, Kerry Taylor, Oscar Corcho. CEUR Workshop Proceedings Vol 904. ISSN 1613-0073, p 49-64. /
26
Ontologies de capteurs et leurs usages dans les RCSFsJean Pierre CHANET, Gil DE SOUSA, Kun Mean HOU (LIMOS), Catherine ROUSSEY
• Projet 2010-2013 : Gestion intelligente d'un réseau de capteur sans fil en fonction du contexte.
Thèse en collaboration avec le LIMOS de Rimel BENDADOUCHE (soutenance 2014)
• Projet 2013-2016 : Pilotage Intelligent de la publication de données de capteurs sur le web de données
Thèse en collaboration avec le LIMOS de Jie SUN (début sept 2013)
27
Gestion contextuelle d'un RCSF
Evaluation du TR MOTIVE
01 février 2012
Thèse de Rimel BENDADOUCHE
Problématique • Dans les RCSF la communication est le service le plus coûteux• Limiter les données communiquées pour améliorer la durée de vie du RCSF • Modifier la politique de communication en fonction du contexte• Qualifier les données envoyées par les RCSF pour mieux les intégrer
risques.meteo.edu
28
Wireless Sensor Network (WSN)NEEDS AND OBJECTIVES
Adapt the WSN node behavior to the context: • Node state• Phenomena state
Enhance the lifetime and the good functioning of the network
State: ”The state is a qualitative data, which changes over time summarizing a set of information”
Context: ”The context is a set of entities states or information describing an environment where an event occurs”
29
What is a context ?FLOOD PHENOMENA
FLOOD PHENOMENA STATE:
1. Normal
2. Précipitations persistantes
3. Risque de crue
4. Crue
5. Décrue
NODE (ENERGY) STATE:
6. Strong Energy state
7. Average Energy state
8. Low Energy state
30
Wireless Sensor Network (WSN)
<weather> node sends its measures
<weather> node sends
nothing
Phenomena state Normal
31
WSN and its devices
Cliquez sur l'icône pour ajouter un graphique
32
Communication: Stimulus-WSNnode-Communication pattern
Cliquez sur l'icône pour ajouter un graphique
33
Communication process
Cliquez sur l'icône pour ajouter un graphique
34
SSN'12
12/11/2012
StateOUR EXAMPLE
35
The use of the WSSN ontology USING TOOLS
• Develop the WSSN ontology• Protégé
• JESS rule engine• Derive the state from the sensor data
• Simulate the WSN and its nodes behaviour • JADE Simulator
36
Conclusion et Perspectives
Avancée • Décrire le contexte avec une ontologie : état du phénomène, état du nœud, la
mesure, la communication• Déduire les changements de contexte avec des règles d’inférence• Création de l’ontologie Wireless Semantic Sensor Network à partir de
l’ontologie Semantic Sensor Network• Simulation de la durée de vie du réseau
Evaluation du TR MOTIVE
01 février 2012
Thèse de Rimel BENDADOUCHE
risques.meteo.edu
Perspectives • Terminer les simulations pour évaluer l’efficacité de la
proposition• Qualifier les données communiquées (agrégat)• Développer une implémentation innovante capable d’être
porter par des nœuds de capteurs sans fils
www.irstea.fr
Pour mieux affirmer ses missions, le Cemagref devient Irstea
Irstea Use Case 2: Agricultural Ontologies and Crop Observations
F. AMARGER, C. ROUSSEY, J.P. CHANET, N. HERNANDEZ, O. HAEMMERLÉToward an intelligent system to gather and query data about bio-agressors attacks
10th Summer School on Ontology Engineering and the Semantic Web (SSSW2013), 07/07/2013-13/07/2013, Cercedilla, ESP (p. 1), 2013
38
Annotations des BSVBULLETIN DE SANTE DU VEGETAL
Bulletin d’alerte français contient des observations sur le développement des cultures et les risques d’attaques de leurs agresseurs
BSV distribués sur le web au format pdf
BSV hétérogènes: Différents auteurs, Différents style de présentation, Différents contenus (texte structuré, tableau, image)
Aider la recherche d'information dans ces BSV + reconstruire des données d'observation des cultures documentées par les BSV
Comment aider l'annotation de ces BSV pour construire
des ontologies sur les observations des cultures et de leurs attaques?• Annotations Spatio-temporelles, •Interaction entre plusieurs organismes vivants: une plante cultivée et ses agresseurs
39
Ontologies agricoles et recherche d'information sémantiqueThèse de Fabien AMARGER
Problématique• Il existe de nombreuses sources d’information : thésaurus, BD, alertes
agricoles, textes réglementaires• Linked Open Data (LOD) agricole est peu développé• Comment construire des ontologies agricoles réutilisables pour publier sur le
LOD et développer des systèmes de Recherche d’Information sémantique dédiés
Proposition1. Réutiliser et transformer des ressources viables existantes
2. Utiliser de Design Pattern Ontologiques (ODP) [Presutti et al 2008] et des schémas connus de vocabulaires de métadonnées du LOD
3. Cas d’usage de l’application SWIP [Pradel et al. 2011] de l’IRIT : génération de patrons de requêtes propres aux Bulletins de Santé du Végétal
4. Génération de nouveaux corpus documentaires : collaboration entre acteurs de monde agricole pour générer des nouvelles connaissances
40
Les ontologies agri-environnementales:QUESTIONS DE RECHERCHE
1. Proposer des méthodes de construction d’ontologies Evaluer les méthodes existantes et les adapter pour les besoins agricols Réutiliser des sources de données non ontologiques Automatiser la construction des ontologies pour des besoins spécifiques
2. Améliorer la qualité des ontologies Développer des méthodes de détection d'erreurs: Antipatterns Concevoir et réutiliser des Design Patterns Ontologiques (ODP)
3. Eprouver l'utiliter des ontologies dans des applications dédiées Publier et liéer des données agricoles sur le web de données:
Observation des phénomenes environnementaux et évaluation des risques
Observation des cultures + changement climatique
Observation des bio-agresseurs + préconisation de bonnes pratiques Rechercher et interroger des données agricoles (projet SWIP de l'IRIT)
www.irstea.fr
Pour mieux affirmer ses missions, le Cemagref devient Irstea
www.irit.fr/IC2014
Les 25es journées francophones d'Ingéniérie des connaissances Clermont Ferrand du 12 au 16 mai 2014