Herausforderung / Ziel
Städte und ihre Bürger sind Erzeuger großer Mengen unterschiedlicher Daten. Die Vielfalt vieler Datenquellen ist in der Tat eines der größten Probleme bei der Verarbeitung von Big Data. Die semantische Datenintegration bietet im Gegensatz zu herkömmlichen Ansätzen einzigartige Vorteile. ETL (Extrahieren, Übertragen, Laden) beispielsweise führt zu Engpässen beim Datenzugriff und lässt sich nicht so gut skalieren wie Technologien, die Daten direkt verbrauchen, ohne sie zu verschieben.
Im Rahmen des GrowSmarter-Projekts zielt die Big-Data-Integrationslösung von Barcelona auf die Entwicklung eines semantischen Modells ab, das drei Bereiche von Interesse widerspiegelt und miteinander verbindet: Mobilität, Energie und integrierte Infrastrukturen. Benutzer können die Ontologie durchsuchen und abfragen. Das Ziel ist es, eine Lösung bereitzustellen, die sich leichter weiterentwickeln, pflegen und auf neue Städte mit anderen Daten und Nutzungsmustern übertragen lässt.
Lösung
Diese Lösung besteht aus drei Komponenten:
- Stadtontologie zusammen mit einem Such- und Abfragetool: Die Stadtontologie spiegelt die Bedeutung (d.h. die Semantik) aller städtischen Konzepte (Entitäten und Beziehungen) wider, die die interessierenden Domänen und die Verbindungen zwischen ihnen beschreiben. Das Tool zum Durchsuchen und Abfragen ermöglicht eine stichwortbasierte Suche nach Konzepten, die Navigation ausgehend von diesen Ankerkonzepten und die Erstellung von Abfragen auf grafische Weise.
- Halbautomatisches Mapping-Tool: Dieses Tool gleicht das semantische Modell mit dem spezifischen Modell der städtischen Datenplattform ab und wird über das Web verfügbar sein. Mehrere Benutzer können gemeinsam daran arbeiten, gültige Zuordnungen zu erstellen.
- Semantische Zugriffsschicht (SAL):
- Funktioniert als Zugangspunkt für Anwendungen, die semantische Abfragen stellen, um auf die Daten der Stadtplattform zuzugreifen. Anwendungen, die auf Daten aus verschiedenen Städten zugreifen, können ohne Änderungen arbeiten, wenn es für diese Städte eine SAL gibt, die eine Zuordnung zwischen der Stadtontologie und dem tatsächlichen Stadtschema vornimmt. SAL handelt im Auftrag der Anwendungen (mit ihren von Cellnex definierten Sicherheits- und Datenschutzdaten), um die erforderlichen Daten über eine REST-API abzurufen und die Abfrageergebnisse für die wenigen häufigsten Abfrageoperationen (wie z.B. Join) zu berechnen. Es ruft das Mapping-Tool auf, um zu erfahren, welche Ressourcen im Schema der städtischen Plattform den in einer Abfrage enthaltenen semantischen Konzepten entsprechen.
- Lösungen zur Datenintegration beruhen traditionell auf einem Data Warehouse-Ansatz. Dieser basiert zwar auf einer gut etablierten und effizienten Technologie sowie auf soliden formalen Grundlagen, aber mehrere Merkmale der Daten in städtischen Umgebungen sind für diese Art der Datenintegration ungeeignet. Erstens entwickeln sich Daten und Schemata weiter; zweitens sind die Daten unvollständig und es sollten keine Annahmen über nicht vorhandene Daten getroffen werden; drittens gibt es eine zunehmende Anzahl von Datenquellen heterogener Natur und Formate, die auf effiziente und möglichst automatisierte Weise integriert werden müssen; viertens sind die Daten in der Regel für die Abfrage verfügbar, können aber nicht bewegt und am Zielort gespeichert werden.
- Dies sind Szenarien, in denen semantische Technologien ihre Stärken ausspielen. Sie passen nicht nur auf natürliche Weise in das Open World-Paradigma, sondern entwickeln sich auch problemlos weiter und fördern halbautomatische Mapping-Techniken für den massiven Datenbestand und -zugriff.
- Ein Vorteil ist, dass neue Daten schneller integriert werden können, neue semantische Beziehungen abgeleitet werden können und Benutzer die Daten abfragen können, ohne eine Abfragesprache lernen oder das gesamte Datenmodell auf einmal verstehen zu müssen.
Möchten Sie mehr über die gewonnenen Erkenntnisse, finanzielle Details und Ergebnisse erfahren?
Anmelden