Linked Open Data im Bereich Sensoren - es gibt schon einige Standards dafür, die wurden aber zum Teil vor Jahren in der Wissenschaft entwickelt und jetzt erst so langsam von Praktikern entdeckt.
Vortrag im Rahmen des vom TTN Mitteldeutschland ( https://iot-usergroup.de/usergruppen/wir-sind-ttn-mitteldeutschland/ ) organisierten TheThingsTechTalk ( https://iot-usergroup.de/allgemein/einladung-zum-naechsten-thethingstechtalk-am-24-mai-2022/ ) am 24. Mai 2022 ( Nachbericht der Veranstaltung: https://iot-usergroup.de/allgemein/bericht-ueber-den-thethingstechtalk-vom-24-05-2022/ )
Mitschnitt des Vortrags auch auf Youtube: https://www.youtube.com/watch?v=5RiSONtoLW8
3. 3
Findable (Auffindbarkeit)
●
Global eindeutiger Identifizierer
●
Metadaten (Kontext für richtige Interpretation)
●
Durchsuchbarkeit / Indizierung
https://blogs.tib.eu/wp/tib/2017/09/12/die-fair-data-prinzipien-fuer-forschungsdaten/
4. 4
Accessible (Zugänglichkeit)
●
Freies Kontaktprotokoll (http(s))
●
Transparenz über Zugangsvoraussetzungen (auch Lizenzen)
●
ggf. Rollen- und Rechte-Management (z.B. Oauth2)
●
Metadaten bleiben erhalten, auch wenn die Daten weg sind
https://blogs.tib.eu/wp/tib/2017/09/12/die-fair-data-prinzipien-fuer-forschungsdaten/
5. 5
Interoperable (Interoperabilität)
●
Formale, zugängliche, gemeinsam genutzte und breit
anwendbare Sprache für Wissensrepräsentation (RDF, OWL,
JSON-LD)
●
Sprache / Ontologien folgen selbst den FAIR-Prinzipien
●
Qualifizierte Referenzen
https://blogs.tib.eu/wp/tib/2017/09/12/die-fair-data-prinzipien-fuer-forschungsdaten/
6. 6
Reusable (Wiederverwendbarkeit)
●
Ordnungsgemäßes Zitieren ermöglichen
●
Menschen- und Maschinen-Lesbar
●
Präzise, relevante Attribute zur detaillierten Beschreibung
●
Zugreifbare Nutzungslizenz
●
Detaillierte Provienzinformationen (Dokumentation von
Nachverarbeitung / Aggregation)
●
Standards zur Archivierung beachtet
https://blogs.tib.eu/wp/tib/2017/09/12/die-fair-data-prinzipien-fuer-forschungsdaten/
7. 7
Einflussfaktoren
●
Einflussfaktoren für die Bewertung / Nachverarbeitung von Sensordaten:
– Standort
●
Höhe
– Umwelt
●
Temperatur
●
Luftfeuchte
– Sensormessgerät (Typ, Alter, Messverfahren)
– plausible Wertebereiche nach Kontext
– Aggregierbarkeit / Verschneidbarkeit (Nominal-, Ordinal-, Kardinalskala) (Mittelwerte, Gewichtung)
– Häufigkeit und Qualität der Messungen (Varianz, Ausreißer, Glättung, Interpolation)
– Veränderungen während der Messung
●
Sensor-Gerät ausgetauscht
– Andere externe Faktoren, z.B. im Kontext von Verkehrszählung:
●
Schulferien
●
Baustellen
14. 14
API4INSPIRE
●
SensorThings API via
FROST-Server + JSON-LD
aus WFS via LD-Proxy
●
3 Datenquellen
– Airy Austria: Luftqualitätsdaten
aus Österreich
– Urbane Datenplattform
Hamburg: viele Sensordaten
(z.B. E-Roller)
– Wasserqualitätsdaten aus
deutsch-französischem
Grenzgebiet
https://datacoveeu.github.io/API4INSPIRE/
15. 15
Web of Things (WoT) Thing Description (TD)
https://www.ietf.org/proceedings/interim-2017-t2trg-02/
slides/slides-interim-2017-t2trg-02-sessa-23-wot-td-00.
pdf
https://www.w3.org/WoT/