semantic sensor network ontology: description et usage

www.irstea.fr

Pour mieux affirmer ses missions, le Cemagref devient Irstea

Catherine ROUSSEY

4 septembre 2013

Semantic Sensor Network Ontology: description et usage

Merci à

slide share,

Jean Paul CALBIMONT,

Oscar CORCHO,

W3C SSN Working Group

2

Plan

• Définitions de base: de l’Ontologie aux ontologies• Motivations• W3C SSN group• SSN ontologies• Use Cases• Projets

3

Définitions:DONNÉES, INFORMATIONS, CONNAISSANCES

Donnée: un élément d’information,

percevable,

manipulable

Information: donnée +

sens + contexte

type

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)

Connaissances en IADes 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

Définition: Le web de données Linked Data

An extension of the current Web…

… where data are given well-defined and explicitly represented meaning, …

… so that it can be shared and used by humans and machines, ...

... better enabling them to work in cooperation

And clear principles on how to publish data

9

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.

10

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)......

11

Données de capteurs: exemple

12

Données de capteurs: exemple

13

Motivation: Interrogation

Flux de données: requête continue • fenêtre temporelle•Les dernières données

Réseau de capteurs:• ressources limitées: énergie, traitement, stockage• exécution distribuée des requêtes• routage, optimisation

• Interrogation • native en utilisant API propre• stockage des flux dans une BD • publication sur le web de données

Query

(t9, a1, a2, ... , an)(t8, a1, a2, ... , an)(t7, a1, a2, ... , an)......(t1, a1, a2, ... , an)......

Window [t7 - t9]

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

Skeleton

Device

Deployment

PlatformSite

System

Process

ConstraintBlockMeasuringCapability

OperatingRestriction

Data

18

Modules de SSN

19

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

20

Ontology Design Pattern: ODP SSOSTIMULUS SENSOR OBSERVATION

Sensor is anything that observes

How it senses ?

What is sensed?

What senses ?

21

Ontology Design Pattern: SSO in SSNSTIMULUS SENSOR OBSERVATION

Sensor is anything that observes

How it senses ?

What is sensed?

What senses ?

22

DUL et SSN

23

SSN: Sensor property

CommunicationMeasuringCapability

MeasurementCapability

MeasurementProperty

hasMeasurementProperty only

Accuracy

DetectionLimit

Drift

Frequency

MeasurementRange

Precision

Resolution

ResponseTime

Selectivity

Sensitivity

Latency

Skeleton

EnergyRestrictionOperatingRestriction

OperatingRange

OperatingProperty

hasOperatingProperty only

EnvironmentalOperatingProperty

MaintenanceSchedule

SurvivalRange

SurvivalProperty

hasSurvivalProperty only

EnvironmentalSurvivalProperty

SystemLifetime

BatteryLifetime

OperatingPowerRange

Property

24

SSN: Sensor property

25

SSN: Sensor property

26

SSN: Deployment

27

SSN: Deployment

28

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

29

SSN Observation instance

29

ssn:ObservationValue

qudt:numericValue

xsd:decimal

http://swissex.ch/data#Wan7/WindSpeed/ObsValue{timed}

sp_wind

ssn:SensorOutput

ssn:Observation

ssn:hasValue

ssn:observationResulthttp://swissex.ch/data#

Wan7/WindSpeed/Observation{timed}   

http://swissex.ch/data#Wan7/ WindSpeed/ ObsOutput{timed}   

ssn:Property

ssn:observedProperty

sweetSpeed:WindSpeed

30

Data + Sensor discovery and linkingSWISS EXPERIMENT : ENVIRONMENTAL RESEARCH

Sensor Data

swissex:WindSpeedObservation1

rdf:type ssn:Observation;

ssn:featureOfInterest [rdf:type sweetAtmoWind:Wind];

ssn:observedProperty [rdf:type sweetSpeed: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 swissex:Sensor1 ;

WindSpeed : 6.245

At: 2011-10-26T21:32:52

31

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

32

Data + Sensor discovery and linkingSWISS EXPERIMENT : ENVIRONMENTAL RESEARCH

Sensor metadata

swissex:Sensor1

rdf:type ssn:Sensor;

ssn:onPlatform swissex:Station1;

ssn:observes [rdf:type sweetSpeed:WindSpeed].

swissex:Sensor2

rdf:type ssn:Sensor;

ssn:onPlatform swissex:Station1;

ssn:observes [rdf:type sweetTemp:Temperature].

swissex:Station1

:hasGeometry [rdf:type wgs84:Point;

wgs84:lat "46.8037166";

wgs84:long "9.7780305"].

station

sensor1

sensor2

www.irstea.fr

Pour mieux affirmer ses missions, le Cemagref devient Irstea

Application et projet

SSN Use Cases: Data discovery and linkingSensor Device selection and discovery

34

SSN Uses Case: data discovery and linkingFLOOD RISK ALERT: SEMSORGRID4ENV

34

Emergency planner

Real-time data

Meteorological forecasts

Detect conditions likely to cause a flood

Example:• “provide me with the wind speed observations average over the

last minute, if it is higher than the average of the last 2 to 3 hours”

Wave,Wind,Tide

35

SSN Uses Case: data discovery and linkingSEMSORGRID4ENV PROJECT WWW.SEMSORGRID4ENV.EU

Emergency planner

Jeung H., Sarni, S., Paparrizos, I., Sathe, S., Aberer, K., Dawes, N., Papaioannus, T., Lehning, M.Effective Metadata Management in federated Sensor Networks.  in SUTC, 2010

36

SSN Use Cases: Sensor DiscoverySWISSEXPERIMENT

Distributed environment: GSN Davos, GSN Zurich, etc.• In each site, a number of sensors available• Each one with different schema

Metadata stored in wiki• Federated metadata management:

Jeung H., Sarni, S., Paparrizos, I., Sathe, S., Aberer, K., Dawes, N., Papaioannus, T., Lehning, M.Effective Metadata Management in federated Sensor Networks.  in SUTC, 2010

37

SSN Use Case: Sensor Discovery

38

Data + Sensor discovery and linkingSWISS EXPERIMENT : ENVIRONMENTAL RESEARCH

Snow,Wind,Radiation.Lots of stuff

Real-time data

GeoResearcher

Provide data to create models and compare them to real data

Example:• “I want to calculate how much snow is lost by evaporation • So provide me with the snow quantity observations and the air

temperature observations in the station near Geneva over the last year ”

39

Sensor Metadata

39

station

location

sensors

40

Data + Sensor discovery and linkingSWISS EXPERIMENT : ENVIRONMENTAL RESEARCH

Sensor metadata

swissex:Sensor1

rdf:type ssn:Sensor;

ssn:onPlatform swissex:Station1;

ssn:observes [rdf:type sweetSpeed:WindSpeed].

swissex:Sensor2

rdf:type ssn:Sensor;

ssn:onPlatform swissex:Station1;

ssn:observes [rdf:type sweetTemp:Temperature].

swissex:Station1

:hasGeometry [rdf:type wgs84:Point;

wgs84:lat "46.8037166";

wgs84:long "9.7780305"].

station

sensor1

sensor2

41

Data + Sensor discovery and linkingSWISS EXPERIMENT : ENVIRONMENTAL RESEARCH

Sensor Data

swissex:WindSpeedObservation1

rdf:type ssn:Observation;

ssn:featureOfInterest [rdf:type sweetAtmoWind:Wind];

ssn:observedProperty [rdf:type sweetSpeed: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 swissex:Sensor1 ;

WindSpeed : 6.245

At: 2011-10-26T21:32:52

www.irstea.fr

Pour mieux affirmer ses missions, le Cemagref devient Irstea

J P Calbimonte PhD Thesis

Stream and SPARQL:interrogation sur le sensor web

Jean-Paul Calbimonte, Hoyoung Jeung, Óscar Corcho, Karl Aberer: Enabling Query Technologies for the Semantic Sensor Web. Int. J. Semantic Web Inf. Syst. 8(1): 43-

63 (2012)

43

Management of heterogeneous data STATE OF THE ART:

43

S-RDF

Ontology-based Data Access

DSMS

DQP QP

Heterogeneous data Integration

Streaming Data Access

Distributed Query Processing

RDF Streams Querying

R2O + ODEMapster

SNEE/SNEEql C-SPARQL extensions

Semantic Integrator

q

44

Extention SPARQL pour les fluxSTATE OF THE ART

SNEEqlRSTREAM SELECT id, speed, direction FROM wind[NOW];

Streaming SPARQLPREFIX fire: <http://www.semsorgrid4env.eu/ontologies/fireDetection#>SELECT ?sensor ?speed ?directionFROM STREAM <http://…/SensorReadings.rdf> WINDOW RANGE 1 MS SLIDE 1 MSWHERE { ?sensor a fire:WindSensor; fire:hasMeasurements ?WindSpeed, ?WindDirection. ?WindSpeed a fire:WindSpeedMeasurement; fire:hasSpeedValue ?speed; fire:hasTimestampValue ?wsTime. ?WindDirection a fire:WindDirectionMeasurement; fire:hasDirectionValue ?direction; fire:hasTimestampValue ?dirTime. FILTER (?wsTime == ?dirTime)}

C-SPARQLREGISTER QUERY WindSpeedAndDirection ASPREFIX fire: <http://www.semsorgrid4env.eu/ontologies/fireDetection#>SELECT ?sensor ?speed ?directionFROM STREAM <http://…/SensorReadings.rdf> [RANGE 1 MSEC SLIDE 1 MSEC]WHERE { …

45

How to deal with Linked Stream/Sensor Data

Ingredients• An ontology model• Good practices in URI definition• Supporting semantic technology

• SPARQL extensions • To handle time and tuple windows• To handle spatio-temporal constraints

• REST APIs to access it

Another example: semantically enriching GSN

A couple of lessons learned

46

Lessons Learned

• Sensor data is yet another good source of data with some special properties

• Everything that we do with our relational datasets or other data sources can be done with sensor data

• Manage separately data and metadata of the sensors• Data should always be separated between realtime-data and

historical-data• Use the time format xsd:dateTime and the time zone• Graphical representation of data for weeks or months is not trivial

anyway

47

Ontology-based Streaming Data Access

Query translation

Query Evaluator

Clie

nt

Stream-to-Ontology MappingsR2RML

SPARQLStream (Og)

[tuples]

Stream Engine (S3)

Ontology-based Streaming Data Access Service

Relational DB (S2)

Sensor Network (S1)

RDF Store (Sm)

SPARQLStream algebra(S1 S2 Sm)

Data translation

q

[triples]

Target query/ requestSNEEql

48

Enabling Ontology-based Access to Stream

Example: “provide me with the wind speed observations over the last minute in the Solent Region ”

cd:Observation

xsd:double

cd:observationResult

PREFIX cd: <http://www.semsorgrid4env.eu/ontologies/CoastalDefences.owl#>PREFIX sb: <http://www.w3.org/2009/SSN-XG/Ontologies/SensorBasis.owl#> PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> SELECT ?windspeed ?windts FROM STREAM <http://www.semsorgrid4env.eu/ccometeo.srdf> [ NOW – 1 MINUTE TO NOW – 0 MINUTES ] WHERE { ?WindObs a cd:Observation; cd:observationResult ?windspeed; cd:observationResultTime ?windts; cd:observedProperty ?windProperty; cd:featureOfInterest ?windFeature. ?windFeature a cd:Feature; cd:locatedInRegion cd:SolentCCO. ?windProperty a cd:WindSpeed. }

cd:Feature

cd:featureOfInterest

cd:Property

cd:observedProperty

cd:locatedInRegion

cd:Region

49

Enabling Ontology-based Access to Stream

RDF-Stream ......( <si-1,pi-1, oi-1>, ti-1 ),( <si, pi, oi>, ti ),( <si+1,pi+1, oi+1>, ti+1 ),......Example: “provide me with the wind speed observations over the last minute in the

Solent Region ”

cd:Observation

xsd:double

cd:observationResult......( <ssg4e:Obs1,rdf:type, cd:Observation>, ti ),( <ssg4e:Obs1,cd:observationResult,”34.5”>, ti ),( <ssg4e:Obs2,rdf:type, cd:Observation>, ti+1 ),( <ssg4e:Obs2,cd:observationResult,”20.3”>, ti+1 ),......

STREAM <http://www.semsorgrid4env.eu/ccometeo.srdf>

50

Query translation

vv

vvenvdata_rhylflats

Timestamp: longHs : floatLon: floatLat: float

envdata_hornsea

Observation

WaveHeightProperty

observedProperty

hasObservationResult

xsd:float

locatedInRegion

Mappingenvdata_milford

envdata_chesil

envdata_westbay

Region

Feature

PREFIX cd: <http://www.semsorgrid4env.eu/ontologies/CoastalDefences.owl#>PREFIX sb: <http://www.w3.org/2009/SSN-XG/Ontologies/SensorBasis.owl#> PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> SELECT ?waveheight ?wavets ?lat ?lon FROM STREAM <http://www.semsorgrid4env/ccometeo.srdf> WHERE { ?WaveObs a cd:Observation; cd:observationResult ?waveheight; cd:observationResultTime ?wavets; cd:observationResultLatitude ?lat; cd:observationResultLongitude ?lon; cd:observedProperty ?waveProperty; cd:featureOfInterest ?waveFeature. ?waveFeature a cd:Feature; cd:locatedInRegion cd:SouthEastEnglandCCO. ?waveProperty a cd:WaveHeight. }

(SELECT Lon,timestamp,Hs,Lat FROM envdata_rhylflats) UNION (SELECT Lon,timestamp,Hs,Lat FROM envdata_hornsea) UNION (SELECT Lon,timestamp,Hs,Lat FROM envdata_milford) UNION (SELECT Lon,timestamp,Hs,Lat FROM envdata_chesil) UNION (SELECT Lon,timestamp,Hs,Lat FROM envdata_perranporth) UNION (SELECT Lon,timestamp,Hs,Lat FROM envdata_westbay) UNION (SELECT Lon,timestamp,Hs,Lat FROM envdata_pevenseybay)

SNEEql

SPARQL stream

51

Mapping declarationR2RML

:Wan4WindSpeed a rr:TriplesMapClass; rr:tableName "wan7"; rr:subjectMap [ rr:template "http://swissex.ch/ns#WindSpeed/Wan7/{timed}"; rr:class ssn:ObservationValue; rr:graph ssg:swissexsnow.srdf ]; rr:predicateObjectMap [ rr:predicateMap [ rr:predicate ssn:hasQuantityValue ]; rr:objectMap[ rr:column "sp_wind" ] ]; .

<http://swissex.ch/ns#/WindSpeed/Wan7/2011-05-20:20:00 > a ssn:ObservationValue<http://swissex.ch/ns#/WindSpeed/Wan7/2011-05-20:20:00 > ssn:hasQuantityValue " 4.5"

52

Data Translation

wan7timed: datetime PKsp_wind: float

ssn:ObservationValue

qudt:numericValue

xsd:decimal

http://swissex.ch/data#Wan7/WindSpeed/ObsValue{timed}

sp_wind

ssn:SensorOutput

ssn:Observation

ssn:hasValue

ssn:observationResulthttp://swissex.ch/data#

Wan7/WindSpeed/Observation{timed}   

http://swissex.ch/data#Wan7/ WindSpeed/ ObsOutput{timed}   

ssn:Property

ssn:observedProperty

sweetSpeed:WindSpeed

www.irstea.fr

Pour mieux affirmer ses missions, le Cemagref devient Irstea

Rimel BENDADOUCHE PhD Thesis

Extention de SSNWireless Semantic Sensor Ontology

Bendadouche et al; SSN 2012

54

Wireless Sensor Network (WSN)

SSN'12

12/11/2012

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”

WSN State of the art Extension of the SSN ontology Use of the WSSN ontology

55

What is a context ?FLOOD PHENOMENA

FLOOD PHENOMENA STATE:

1. “Normal”

2. “Waiting for rise in water levels”

3. “Rise in water levels”

4. “Flood warning”

NODE (ENERGY) STATE:

5. Strong Energy state

6. Average Energy state

7. Low Energy state

56

Wireless Sensor Network (WSN)

WSN State of the art Extension of the SSN ontology Use of the WSSN ontology

<weather> node sends its measures

<weather> node sends

nothing

Phenomena state Normal

57

SSN'12

12/11/2012

WSN and its devices

Cliquez sur l'icône pour ajouter un graphique

WSN State of the art Extension of the SSN ontology Use of the WSSN ontology

58

SSN'12

12/11/2012

Communication: Stimulus-WSNnode-Communication pattern

Cliquez sur l'icône pour ajouter un graphique

WSN State of the art Extension of the SSN ontology Use of the WSSN ontology

59

SSN'12

12/11/2012

Communication process

Cliquez sur l'icône pour ajouter un graphique

WSN State of the art Extension of the SSN ontology Use of the WSSN ontology

60

SSN'12

12/11/2012

State

WSN State of the art Extension of the SSN ontology Use of the WSSN ontology

OUR EXAMPLE

61

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

WSN State of the art Extension of the SSN ontology Use of the WSSN ontology

www.irstea.fr

Pour mieux affirmer ses missions, le Cemagref devient Irstea

Others projects

63

Project: SenseiINTEGRATING THE PHYSICAL WITH THE DIGITAL WORLD OF THE NETWORK OF THE FUTURE

• Smart Cities: Transport, energy consumption etc…• the EU's 7 Framework Programme • January 2008 December 2010• 19 partners from 11 European countries

Bahrepour, Majid and Meratnia, Nirvana and Havinga, Paul J.M. (2010) Fast and Accurate Residential Fire Detection Using Wireless Sensor Networks. Environmental Engineering and Management Journal, 9 (2). pp. 215-221. ISSN 1582-9596

Zhang, Y., Meratnia, N.and Havinga, P.J.M.(2010) ‘Ensuring high sensor data quality through use of online outlier detection techniques’,Int. J. Sensor Networks, Vol. 7, No. 3, pp.141–151

http://www.sensei-project.eu/

64

Project: KNOESIS Semantic Sensor Web

http://knoesis.wright.edu/J. Pschorr, C. Henson, H. Patni and A. Sheth Sensor Discovery on Linked Data. Kno.e.sis Center, Wright University, Dayton, USA, 2010.

65

Project: SPITFIRESEMANTIC WEB INTERACTION WITH REAL OBJECTS

http://spitfire-project.eu/

SmartServiceProxy

aggregate semantic sensor data into representations of real-world things called Semantic Entities

provide RESTful direct access to them.

Not yet publicly accessible

66

Project: 52°NorthSEMANTIC WEB INTERACTION WITH REAL OBJECTS

http://52north.org/

Sensor Observation Service:

publication of sensor data in RDF

SWEET ontology

Sensor Plug&Play frameworkArne Bröring, Patrick Maué, Krzysztof Janowicz, Daniel Nüst, and Christian Malewski . Semantically-Enabled Sensor Plug & Play for the Sensor WebSensors 2011, 11(8), pp. 7568-7605.

Janowicz, K. , Bröring, A., Stasch, C., Schade, S ., Everding, T., & A. Llaves (2011): A RESTful Proxy and Data Model for Linked Sensor Data.International Journal of Digital Earth, pp. 1 - 22.

67

Conclusion & Perspectives

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/