DISIT Smart City Ontology, ver 2.0, Italiano

Submitted by admin on Thu, 08/07/2014 - 14:49
Il progetto km4city mira a consentire l'interconnessione, stoccaggio e la successiva interrogazione di dati da molte fonti diverse, come i vari portali della regione Toscana ( MIIC, Muoversi in Toscana, Osservatorio dei Trasporti ), Dati aperti provoded dai singoli Comuni ( soprattutto Firenze). è quindi evidente che l'ontologia sarà costruito, non sarà piccolo, e quindi potrebbe essere utile per vederlo come composto da varie classi macro, e per essere precisi, attualmente, le seguenti macro -categorie avere stati individuati: 1. Amministrazione: la prima macroclasse che è possibile scoprire, le cui classi principali sono PA, Comune, Provincia, Regione, Risoluzione. 2. Guida stradale: formata da classi come Road, Node, RoadElement, AdminidtrativeRoad, Milestone, Numero civico, RoadLink, Junction, Ingresso, EntryRule e Manovra. 3. Punti di interesse: comprende tutti i servizi, le attività, che possono essere utili al cittadino, e che può avere la necessità di raggiungere. La classificazione dei servizi e delle singole attività sarà basata su classificazione precedentemente adottata dalla Regione Toscana. 4. Trasporto pubblico locale: attualmente abbiamo accesso ai dati relativi ai tempi programmati del leader LPT, la guida grafico e dati in tempo reale relativi ai servizi di ATAF. Questo macroclasse è quindi formato da molte classi come TPLLine, Ride, Percorso, AVMRecord, RouteSection, BusStopForeast, Lot, BusStop, RouteLink, TPLJunction. 5. Sensori: la macroclasse relativi ai dati provenienti da sensori sta sviluppando. Attualmente nel ontologia sono stati integrati i dati raccolti dai vari sensori installati lungo alcune strade di Firenze e in quel quartiere, e quelle relative ai posti liberi nei principali parchi della tutta la regione, nella nostra ontologia è già presente la parte relativa alla eventi / emergenze, dove, Tuttavia, i dati raccolti sono attualmente molto limitate nel numero più parecchi mesi. in Oltre a questi dati, in questo macroclasse sono stati inseriti anche i dati relativi alle previsioni di Lamma previsione. 6. Temporale: macroclasse punta a comprendere i concetti legati al tempo ( istanti e il tempo di tempo intervalli) in ontologia, in modo che è possibile associare una linea temporale per gli eventi registrati e possono essere in grado di fare previsioni.
Axmedis ID
urn:axmedis:00000:obj:cc72bf58-d11d-4384-80a1-69b38ac3cd77
QR
DISIT Smart City Ontology, ver 2.0, Italiano
Document type