کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10151477 1666125 2018 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
An ontology-based spatial data harmonisation for urban analytics
ترجمه فارسی عنوان
هماهنگ سازی داده های فضایی مبتنی بر هستی شناسی برای تحلیل های شهری
کلمات کلیدی
هستی شناسی، یکپارچه سازی داده های فضایی، غنی سازی معنایی، تجزیه و تحلیل شهری،
ترجمه چکیده
ناهمگنی داده یکی از مشکالت چالش برانگیز در تجزیه و تحلیل داده های شهر است. هنگامی که از ارائه دهندگان یا نگهبانان مختلف به دست می آید، مجموعه داده هایی برای موضوعات مشابه دامنه به طور دلخواه زیادی از قبیل میراث های تاریخی، تغییر تعاریف یا استانداردها در حوزه های قضایی و غیره به صورت فرمت متفاوت می باشند. این مانع از تحلیل و تحلیل محققان شهری از درک و استفاده از این داده ها می شود مقایسه و تفسیر نتایج نامطلوب است. هستیشناسی، که معمولا توسط متخصصین دامنه ایجاد می شود، ارائه نماید جامع از دانش، شامل مفاهیم، ​​روابط و خواص در یک دامنه است. این دنیای واقعی را به صورت انتزاعی تعریف می کند و طرح کلی و پایدار برای هماهنگ سازی داده ها را ارائه می دهد. این مقاله یک راه حل سریع و قابل انعطاف برای حذف ناهمگنی داده ها با استفاده از هستی شناسی ارائه می دهد. از مفهوم سازی دانش دامنه به هستیشناسی دامنه، ما در مورد یک مکانیزم نقشه برداری دو سطح که ارتباط بین داده ها و هستی شناسی را با استفاده از قوانین نقشه برداری پیوند می دهد، بحث می کنیم. یک موتور ترجمه معنایی نیز برای بهینه سازی فرآیند هماهنگ سازی داده ها معرفی شده است. یک مورد واقعی - محاسبه شاخص های چگالی شهری - همچنین نشان می دهد قابلیت استفاده از چارچوب پیشنهادی و نتایج نشان می دهد پتانسیل های قوی برای استفاده از این روش به سناریو های کاربردی بیشتر تجزیه و تحلیل شهری.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
Data heterogeneity is one of the most challenging problems in urban data analytics. When obtained from various providers or custodians, datasets for the same domain themes may dramatically differ in formats due to many reasons such as historical legacies, changing definitions or standards across jurisdictions etc. It hinders urban analysts and researchers from understanding and using these data and makes results comparison and interpretation obscure. Ontology, usually created by domain experts, offers a comprehensive representation of knowledge including concepts, relations and properties in a domain. It defines the real world in abstract and offers a universal and stable schema for data harmonisation. This paper proposes a fast, extensible solution for eliminating data heterogeneity by using ontology. Starting from conceptualising domain knowledge to domain ontology, we discuss a two-level mapping mechanism which bonds the nexus between data and ontology using mapping rules. A semantic translation engine is also introduced to automate the data harmonisation process. A real case - urban density indicators computation - also demonstrates the usability of the proposed framework and the results show strong potentials for applying this method to broader urban analytics application scenarios.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers, Environment and Urban Systems - Volume 72, November 2018, Pages 177-190
نویسندگان
, , , ,