0
Ontologies de capteurs

Pour mieux
affirmer
ses missions,
le Cemagref
devient Irstea

Equipe COPAIN, UR TSCF
Rimel BENDADO...
2

Plan
• Définitions de base: de l’Ontologie aux ontologies
• Motivations: Pourquoi des ontologies de capteurs ?
• W3C SS...
3

Définitions:
DONNÉES, INFORMATIONS, CONNAISSANCES
Donnée: un élément d’information,
percevable,
manipulable
Information...
4

Schéma général
DONNÉES, INFORMATIONS, CONNAISSANCES
Connaissances

Résultat d’un processus d’apprentissage: une
général...
5

Définition
ONTOLOGIE
Ontologie avec un O majuscule (philosophie):
Une science: une branche de la métaphysique qui a pou...
6

Ontologies …
Gruber 1993 : « une ontologie est une spécification explicite d’une
conceptualisation »
•
•

Conceptualisa...
7

Motivation: Ontologie
UNE ONTOLOGIE DE CAPTEURS POURQUOI FAIRE ?
Promouvoir un accès universel et uniformisé des donnée...
8

Motivation: ontologies OWL-DL
Des schémas mais pas que
Comment produire des inférences?
1. Moteur d’inférence comme Pel...
9

Définition: Le web de données Linked Data
Une extension du web,
où les données sont
accessibles, bien
spécifiées et
doc...
10

Publication sur le web de données
4 Principes:
• Use URIs as names for things
• Use HTTP URIs so that people can look ...
11

Motivation: flux et métadonnées
QU'EST CE QUE SONT LES DONNÉES DE CAPTEURS ?
•Flux de données (Data Stream)
•
•
•
•

D...
12

Données de capteurs: exemple

J P CALBIMONTE, O CORCHO, A J G GRAY. Enabling Ontology-based Access to Streaming Data
S...
13

Données de capteurs: exemple

J.-P. CALBIMONTE, H. JEUNG, O.
CORCHO AND K. ABERER.
“Semantic Sensor Data Search in a
L...
14

W3C Semantic Sensor Incubator Group
: SSN XG
SSN – XG : mars 2009
41 Participants de 16 organisations : Des grands nom...
15

Semantic Sensor Network Ontology
Format OWL 2, disponible sur le web et documentée
(!!) Orientée capteur uniquement, c...
16

SSN 4 Use Cases
17

Modules de SSN
18

Les autres ontologies nécessaires
•
•
•
•

Ontologies d’unités
Ontologies géographiques de position et de lieux
Classi...
19

Ontology Design Pattern: SSO in SSN
STIMULUS SENSOR OBSERVATION
Sensor is anything that observes
Sensor is anything th...
20

Données de capteurs : Observation

ssn:isProducedBy
ssn:Sensor
ssn:observedBy

ssn:SensorOutput

ssn:observationResult...
21

Données de capteurs : Observation

WindSpeed : 6.245
At: 2011-1026T21:32:52

Sensor Data
Irstea:WindSpeed/Observation1...
22

Métadonnées du capteur
ssn:OperatingRange
ssn:hasOperatingRange

ssn:Deployment
ssn:hasDeployment

ssn:Sensing
ssn:imp...
23

Métadonnées du capteur
Sensor metadata
Sensor 1

irstea:Sensor1
rdf:type ssn:Sensor;
ssn:onPlatform irstea:StationMont...
24

Perspectives sur SSN ontologie
SSN Ontology used in several projects for publishing data sensor on the
web of data…
So...
Irstea Use Case 1: Sensor
Ontologies and Observations
Wireless Semantic Sensor Network Ontology
Pour mieux
affirmer
ses mi...
26

Ontologies de capteurs
et leurs usages dans les RCSFs
Jean Pierre CHANET, Gil DE SOUSA, Kun Mean HOU (LIMOS), Catherin...
27

Gestion contextuelle d'un RCSF
Thèse de Rimel BENDADOUCHE
Problématique
•
•
•
•

Evaluation
du TR
MOTIVE
01 février
20...
28

Wireless Sensor Network (WSN)
NEEDS AND OBJECTIVES
 Adapt the WSN node behavior to the context:
•
•

Node state
Pheno...
29

What is a context ?
FLOOD PHENOMENA
FLOOD PHENOMENA STATE:
1. Normal
2. Précipitations persistantes
3. Risque de crue
...
30

Wireless Sensor Network (WSN)
Phenomena state Normal
<weather> node
sends its
measures
<weather>
node sends
nothing
31

WSN and its devices
32

Communication: Stimulus-WSNnodeCommunication pattern
33

Communication process
34

State
OUR EXAMPLE

SSN'12
12/11/2012
35

The use of the WSSN ontology
USING TOOLS

• Develop the WSSN ontology
•

Protégé

• JESS rule engine
•

Derive the sta...
36

Conclusion et Perspectives
Thèse de Rimel BENDADOUCHE
Avancée
•
•
•
•

Evaluation
du TR
MOTIVE
01 février
2012

Décrir...
Irstea Use Case 2:
Agricultural Ontologies and
Crop Observations
Pour mieux
affirmer
ses missions,
le Cemagref
devient Irs...
38

Annotations des BSV
BULLETIN DE SANTE DU VEGETAL
Bulletin d’alerte français contient des observations sur le
développe...
39

Ontologies agricoles et recherche d'information
sémantique
Thèse de Fabien AMARGER
Problématique
•
•
•

Il existe de n...
40

Les ontologies agri-environnementales:
QUESTIONS DE RECHERCHE
1. Proposer des méthodes de construction d’ontologies

...
Les 25es journées
francophones d'Ingéniérie des
connaissances
Clermont Ferrand
du 12 au 16 mai 2014
Pour mieux
affirmer
se...
Upcoming SlideShare
Loading in...5
×

ontologie de capteurs

823

Published on

l'usage des ontologies dans les projets de l'irstea pour la surveillance des phenomenes environmentaux avec des reseaux de capteurs sans fil.

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
823
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
38
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Transcript of "ontologie de capteurs"

  1. 1. Ontologies de capteurs 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 Merci à slide share, Jean Paul CALBIMONTE, Oscar CORCHO, W3C SSN Working Group www.irstea.fr
  2. 2. 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. 3. 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. 4. 4 Schéma général DONNÉES, INFORMATIONS, CONNAISSANCES Connaissances Résultat d’un processus d’apprentissage: une généralisation d’un ensemble d’information que l’on va mémoriser Information Sens dans un contexte Données Perception Classes en LD Classes en POO BD Relationnelle Données typées Données Des traitement particuliers sur les données qualitatives Description sous forme d’attribut (description quantitative & qualitative ) + méthodes (traitements) Données fortement structurées optimisées pour le stockage Différent niveau de granularité : information structurée  non structurées
  5. 5. 5 Définition ONTOLOGIE 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. 6. 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. 7. 7 Motivation: Ontologie UNE 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. 8. 8 Motivation: ontologies OWL-DL Des 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. 9. 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. 10. 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. 11. 11 Motivation: flux et métadonnées QU'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) (t9, a1, a2, ... , an) • un réseau produit plusieurs flux hétérogènes • Station météo: précipitation, direction du vent (t8, a1, a2, ... , an) (t7, a1, a2, ... , an) ... ... (t1, a1, a2, ... , an) ... ... •Métadonnées: données sur les données • • Description du réseau de capteurs : localisation, nb de nœuds Description des nœuds: niveau d'énergie, sondes, paramétrage des sondes
  12. 12. 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. 13. 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. 14. 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 2011 http://www.w3.org/2005/Incubator/ssn/XGR-ssn-20110628/
  15. 15. 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. 16. 16 SSN 4 Use Cases
  17. 17. 17 Modules de SSN
  18. 18. 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. 19. 19 Ontology Design Pattern: SSO in SSN STIMULUS SENSOR OBSERVATION Sensor is anything that observes Sensor is anything that observes What is sensed? What is sensed? What senses ? What senses ? How it senses ? senses ? How it
  20. 20. 20 Données de capteurs : Observation ssn:isProducedBy ssn:Sensor ssn:observedBy ssn:SensorOutput ssn:observationResult ssn:Observation ssn:hasValue ssn:ObservationValue ssn:observes ssn:featureOfInterest ssn:observedProperty quantityValue ssn:FeatureOfInterest xsd:datatype ssn:Property ssn:hasProperty
  21. 21. 21 Données de capteurs : Observation WindSpeed : 6.245 At: 2011-1026T21:32:52 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 ;
  22. 22. 22 Métadonnées du capteur ssn:OperatingRange ssn:hasOperatingRange ssn:Deployment ssn:hasDeployment ssn:Sensing ssn:implements ssn:System ssn:Sensor ssn:hasMeasurementCapability ssn:deployedOnPlatform ssn:onPlatform ssn:Device ssn:MeasurementCapability ssn:SensingDevice ssn:Platform
  23. 23. 23 Métadonnées du capteur Sensor metadata Sensor 1 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"].
  24. 24. 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/
  25. 25. Irstea Use Case 1: Sensor Ontologies and Observations Wireless Semantic Sensor Network Ontology Pour mieux affirmer ses missions, le Cemagref devient Irstea www.irstea.fr 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. 26. 26 Ontologies de capteurs et leurs usages dans les RCSFs Jean 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. 27. 27 Gestion contextuelle d'un RCSF Thèse de Rimel BENDADOUCHE Problématique • • • • Evaluation du TR MOTIVE 01 février 2012 risques.meteo.edu 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
  28. 28. 28 Wireless Sensor Network (WSN) NEEDS AND OBJECTIVES  Adapt the WSN node behavior to the context: • • Node state Phenomena state Context: ”The context is a set of entities states or information describing an environment where an event occurs” State: ”The state is a qualitative data, which changes over time summarizing a set of information”  Enhance the lifetime and the good functioning of the network
  29. 29. 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: 1. Strong Energy state 2. Average Energy state 3. Low Energy state
  30. 30. 30 Wireless Sensor Network (WSN) Phenomena state Normal <weather> node sends its measures <weather> node sends nothing
  31. 31. 31 WSN and its devices
  32. 32. 32 Communication: Stimulus-WSNnodeCommunication pattern
  33. 33. 33 Communication process
  34. 34. 34 State OUR EXAMPLE SSN'12 12/11/2012
  35. 35. 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. 36. 36 Conclusion et Perspectives Thèse de Rimel BENDADOUCHE Avancée • • • • Evaluation du TR MOTIVE 01 février 2012 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 Perspectives • • • risques.meteo.edu 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
  37. 37. Irstea Use Case 2: Agricultural Ontologies and Crop Observations Pour mieux affirmer ses missions, le Cemagref devient Irstea F. AMARGER, C. ROUSSEY, J.P. CHANET, N. HERNANDEZ, O. HAEMMERLÉ Toward 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 www.irstea.fr
  38. 38. 38 Annotations des BSV BULLETIN 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. 39. 39 Ontologies agricoles et recherche d'information sémantique Thèse 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 Proposition 1. 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. 40. 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)
  41. 41. Les 25es journées francophones d'Ingéniérie des connaissances Clermont Ferrand du 12 au 16 mai 2014 Pour mieux affirmer ses missions, le Cemagref devient Irstea www.irstea.fr www.irit.fr/IC2014
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×