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