Integration of sensor data by means of an event abstraction layer

Diese Doktorarbeit stellt eine Methodik vor, die aus Zeitreihen von Sensorbeobachtungen Events (Ereignisse) nahezu in Echtzeit ableiten und darstellen kann. Die Analyse der Sensor-Daten erfolgt unter zur Hilfenahme von Prozessen und Technologien des 'Semantic event processing'. Aus den Dat...

Author: Llaves Arellano, Alejandro
Further contributors: Kuhn, Werner (Thesis advisor)
Division/Institute:FB 14: Geowissenschaften
Document types:Doctoral thesis
Media types:Text
Publication date:
Date of publication on miami:09.01.2014
Modification date:27.07.2015
Edition statement:[Electronic ed.]
Subjects:Event Verarbeitung; Raumzeitliche Modellierung; Datenzusammenführung; Semantische Interoperabilität; Sensoren event processing; spatio-temporal modelling; data integration; semantic interoperability; sensors
DDC Subject:000: Informatik, Wissen, Systeme
550: Geowissenschaften, Geologie
License:InC 1.0
Language:English
Format:PDF document
URN:urn:nbn:de:hbz:6-54359642460
Permalink:http://nbn-resolving.de/urn:nbn:de:hbz:6-54359642460
Digital documents:diss_llaves_arellano.pdf

Diese Doktorarbeit stellt eine Methodik vor, die aus Zeitreihen von Sensorbeobachtungen Events (Ereignisse) nahezu in Echtzeit ableiten und darstellen kann. Die Analyse der Sensor-Daten erfolgt unter zur Hilfenahme von Prozessen und Technologien des 'Semantic event processing'. Aus den Daten abgeleitete Ereignisse werden eindeutig und maschinenlesbar als Instanzen bestehender Wissensbasen (Ontologien) dargestellt. Der Einsatz einer erweiterten Form der 'Semantic Sensor Network' Ontologie ermöglicht in diesem Zusammenhang eine Modellierung von spezifischem Fachwissen in einer mehrstufigen Ontologie-Struktur. Infolgedessen können differenzierte Perspektiven verschiedener Fachgemeinschaften auf die gleichen Daten integriert und verglichen werden.

This thesis presents a methodology to infer and represent events from time series of sensor observations in near real-time. Semantic event processing is used to analyse sensor data. Inferred events are modelled using an extension of the Semantic Sensor Network ontology. Domain knowledge is represented in a multilevel ontology structure. The proposed methodology allows information communities to integrate different views on the same data.