[论文解读] A Hypercat-enabled Semantic Internet of Things Data Hub: Technical Report

Ilias Tachmazidis, Sotiris Batsakis+5 more|arXiv (Cornell University)|Mar 1, 2017

Semantic Web and Ontologies参考文献 3被引用 3

一句话总结

本文提出通过RDF和SPARQL对BT Hypercat数据中心进行语义增强，以实现对物联网数据的互操作性、可查询访问。通过将关系型数据库映射到自定义本体，并暴露一个支持联邦查询的动态SPARQL端点，该系统实现了语义推理和与外部数据源的集成，通过交通控制和城市导览等实际用例展示了可衡量的性能提升。

ABSTRACT

An increasing amount of information is generated from the rapidly increasing number of sensor networks and smart devices. A wide variety of sources generate and publish information in different formats, thus highlighting interoperability as one of the key prerequisites for the success of Internet of Things (IoT). The BT Hypercat Data Hub provides a focal point for the sharing and consumption of available datasets from a wide range of sources. In this work, we propose a semantic enrichment of the BT Hypercat Data Hub, using well-accepted Semantic Web standards and tools. We propose an ontology that captures the semantics of the imported data and present the BT SPARQL Endpoint by means of a mapping between SPARQL and SQL queries. Furthermore, federated SPARQL queries allow queries over multiple hub-based and external data sources. Finally, we provide two use cases in order to illustrate the advantages afforded by our semantic approach.

研究动机与目标

• 解决智能城市环境中异构传感器网络和智能设备间物联网数据的互操作性问题。
• 通过标准化的Web技术，实现对来自多个来源的物联网数据的语义发现与集成。
• 通过语义建模、SPARQL查询和联邦查询支持，扩展BT Hypercat数据中心以提升数据互操作性。
• 通过涉及交通管理和城市导览的实际智能城市用例，证明语义增强的价值。
• 通过标准化查询接口，实现对物联网数据的推理以及与更广泛的链接开放数据（LOD）云的集成。

提出的方法

• 设计并实现BT Hypercat本体，以语义方式建模来自关系型数据库的传感器、事件和位置数据。
• 将SPARQL查询动态转换为对现有关系型数据库的SQL查询，避免数据复制。
• 通过支持本体推理的BT SPARQL端点暴露增强后的数据。
• 实现联邦SPARQL端点，以查询增强后的数据中心和外部SPARQL端点（包括LOD云源）。
• 使用RDF和OWL标准表示数据语义，并支持对事件、位置和传感器类型的推理。
• 将系统与真实物联网数据流集成，并通过交通规划和城市导航等领域特定用例进行验证。

实验结果

研究问题

• RQ1 如何对基于Hypercat的物联网数据中心进行语义增强，以提升数据互操作性和查询表达能力？
• RQ2 动态SPARQL到SQL转换在不复制数据的情况下，能在多大程度上实现对关系型物联网数据的高效、实时查询？
• RQ3 语义增强在多大程度上提升了物联网数据与外部知识源（如LOD云）的集成能力？
• RQ4 语义增强为实际城市物联网应用（如交通控制和导览）带来了哪些性能和功能上的改进？
• RQ5 在增强后的数据中心和外部源上执行联邦SPARQL查询，能否在智能城市系统中实现新颖且灵活的数据发现与推理？

主要发现

• 对BT Hypercat数据中心的语义增强通过动态查询转换实现了对关系型物联网数据的SPARQL查询，无需将数据迁移至三元组存储。
• 该系统支持联邦SPARQL查询，可无缝集成外部数据源（如LOD云），增强数据发现与推理能力。
• 在交通管理用例中，语义增强系统使控制策略比标准方法快20%实现城市区域减压。
• 同一用例中，由于基于语义推理的优化交通信号控制，尾气排放减少了2.5%。
• 城市导览（City Concierge）用例表明，结合本体推理的SPARQL查询可动态发现并集成多种事件类型（如音乐会、展览），而无需预先掌握数据模式。
• 联邦SPARQL端点的实现支持跨多个数据源灵活且可扩展地组合数据，为智能城市应用的未来扩展与创新提供了支持。