2019-04-07

Semantic Sensor Network Ontology

摘要

语义传感器网络(SSN)本体是描述传感器及其观测、所涉及的过程、所研究的感兴趣的特征、所使用的样本、所观察到的特性以及执行器的本体。SSN遵循水平和垂直模块化体系结构，其基本类和属性包含一个轻量级但自包含的核心本体，称为SOSA(传感器、观察、示例和执行器)。SSN和SOSA具有不同的范围和不同的公理化程度，能够支持广泛的应用和用例，包括卫星图像、大规模科学监测、工业和家庭基础设施、社会传感、公民科学、观测驱动的本体工程和物联网。下面描述了这两种本体，并给出了它们的使用示例。

1. 介绍

本节不规范。

传感器是当今网络上主要的数据来源。虽然传感器数据可以仅仅作为值发布，但是搜索、重用、集成和集成这些数据需要的不仅仅是观察结果。同样重要的是,这些值的正确解释是感兴趣的关于学习的信息特性,如河流、观察到的属性,如流速、利用抽样策略,如特定位置和时间的速度测量,和各种各样的其他信息。OGC的Sensor Web Enablement标准[OandM]、[SensorML]提供了一种注释传感器及其观察结果的方法。然而，这些标准并没有与W3C语义Web技术(尤其是链接数据)集成并保持一致，而这些技术是创建和维护全局且紧密连接的数据图的关键驱动因素。随着物联网的兴起，智能城市和家庭的普及，执行器和它们产生的数据也成为了网络的一等公民。由于它们与传感器、观察、过程和感兴趣的特性密切相关，因此需要提供一个公共本体，其中还包括执行器和执行器。最后，随着数据和数据提供者的日益多样化，诸如传感器的定义需要扩大，例如包括社会传感。以下规范介绍了新的语义传感器网络(SSN)和传感器、观察、样本和执行器(SOSA)本体，这些本体的目的是提供灵活而一致的透视图，用于表示涉及感知、采样和执行器的实体、关系和活动。SOSA为SSN提供了一个轻量级核心，旨在扩大能够使用语义Web本体的目标受众和应用领域。同时，SOSA作为最小的互操作性回退级别，即，它定义了一些公共类和属性，可以在所有SSN、其模块和SOSA的使用中安全地交换这些公共类和属性的数据。

2. 模块化

使用W3C语义传感器网络孵化器组[SSNO]中定义的原始语义传感器网络本体的实践者已经确定了其复杂性中的一个主要问题，部分原因是底层的Dolce-UltraLite (DUL)上层本体。为此，新的语义传感器网络(SSN)本体提供了几个本体子集，这些子集主要通过它们的本体承诺来区分。本节解释了SSN模块化的原理和方法，即，提供几个不同的本体论，这些本体论在它们的话语领域内是相似的，但是具有不同的本体论承诺，适合于几个用例和目标受众。例如，SOSA旨在为数据存储库提供schema .org风格的语义增强功能，这些数据存储库由比典型本体工程师更广泛的受众管理，同时仍然确保与基于ssn的存储库的互操作性。

本体模块化是本体工程中常用的将本体分割成较小部分的方法。一般来说，本体模块化的目的是为本体的用户提供他们需要的知识，尽可能地将范围缩小到给定用例中严格必需的范围。本体模块化可以分为两大类。

第一类包括那些通过集成和映射本体(通常通过owl:import语句)来关注现有本体的组成的方法。OWL导入具有从依赖本体到依赖本体的方向。虽然导入是可传递的，但知识只向一个方向传播。导入本体通过包含与这些术语的含义相关的所有公理，假定所使用的导入术语的所有含义。但是，导入的本体没有捕获导入本体的任何语义。

第二类包括映射方法，这些方法的目的是将本体的某些部分作为模块进行划分和提取。这些映射方法不一定是定向的，但是本体提取的大多数方法都依赖于导入模块的方向性。第二类本体模块的主要特点是它是自包含的，即，模块通过包含与这些术语的含义相关的所有公理来捕获所使用的导入术语的含义。这意味着在单个模块中包含或查询应答等特定推理任务的结果应该是可能的，并且结果应该是相同的，而不需要访问本体的其他模块。

我们的模块化使用第一种方法，将本体组合成几个使用owl:import语句的模块，根据分割的方向性来区分两种方法:垂直分割和水平分割。

垂直细分

垂直模块相互构建，即，它们定向owl:导入低层模块。低级模块独立于高级模块，并且逻辑上是一致的。

例如，Dolce-UltraLite比对模块导入SSN本体，SSN本体本身导入SOSA本体。然而，反过来，无论是SOSA还是SSN都没有导入白云石-超细晶对准模块。事实上，作为核心的SOSA并不导入任何其他本体，这使得它真正独立于垂直模块，这些模块为SOSA的轻量级语义增加了更多的表达性和更多的本体承诺。

注意，这里的高级别不要与高级本体混淆。高级本体是可以在许多领域中定向导入的一般知识本体，而我们这里对高级本体的定义指的是一个本体，它扩展了一个或多个本体模块，以捕获知识领域的大部分和/或组合知识领域。

水平分割

水平分层的模块可能相互依赖，即，它们可能依赖于另一个水平模块的方向导入。该规范中只提出了一个依赖于SSN本体的水平模块，即样例关系模块。向SSN添加特定于领域的术语，但需要导入SSN的其他本体可以被视为水平模块。

3.SSN和SOSA的起源

在这里，我们简要回顾一下SSN和SOSA的起源，即W3C语义传感器网络孵化器小组(SSNO)发布的初始SSN版本，以及OGC对传感器Web的支持。我们还强调了自SSN本体最初发布以来所做的最重大的更改。

从2002年开始，OGC的Sensor Web Enablement项目开发了一个通用框架，用于交付传感器数据、处理遥感、移动平台和现场监测和传感。传感器观察服务按照OGC为其Web服务建立的模式为传感器和观察数据定义了一个标准的查询接口。返回的XML数据符合传感器模型语言[SensorML]和OMXML [OMXML]，后者实现了观察和测量[OandM]。

SensorML和O&M是互补的观点。SensorML是“以提供者为中心”的，它对传感器的细节和原始观测数据进行编码。SensorML是自包含的，高度灵活。这让数据生产者的生活变得容易，但对消费者的要求却很高。SensorML为数字数据数组的序列化提供了广泛的支持，并特别针对包含必须一起处理的多个并行流的数据进行了优化。例如，机载车辆上的相机采集的数据必须基于平台的瞬时位置和相机的方位进行地理参考。相比之下，O&M被设计成更“以用户为中心”，以观察的目标和观察到的属性为一级对象。与SensorML相比，O&M工作在更高的语义级别，但只为传感器提供抽象类、感兴趣的特性和可观察的属性，期望由特定的应用程序和领域提供详细信息。O&M还提供了一个采样模型，因为几乎所有的科学观察都是在最终感兴趣的特征的子集或代理上进行的。

最初的W3C语义传感器网络孵化器组本体(SSN)是围绕一个称为刺激传感器观察(SSO)模式(SSO - pattern)的本体设计模式构建的。SSO是作为轻量级本体的最小和公共基础开发的，用于语义传感器Web，并显式地满足了链接数据社区对轻量级语义的需求。SSO也与Dolce-Ultralite上层本体(DUL)一致。

本文中描述的新SSN基于此模式的修订和扩展版本，即传感器、观察、样本和执行器(SOSA)本体。与最初的SSO类似，SOSA作为SSN的核心构建块，但更强调轻量级使用和独立使用的能力。公理化也发生了变化，提供了与Schema.org更相关的体验。值得注意的差异包括Schema.org domaininclude和rangeinclude注释属性的使用，与OWL 2对应的推理语义相比，它们提供了一种非正式的语义。尽管可以通过第6.1节中提供的SSN-DUL对齐来实现可选的对齐，但与为新SSN实现的更改一致，SOSA也放弃了直接的模块对齐。在支持虚拟和人类传感器方面，SOSA也比SSO更加明确。最后，也是最值得注意的是，SOSA将SSO的原始范围扩展到传感器及其观测之外，包括用于执行器和采样的类和属性。SOSA还区分了现象时间和结果时间。

本文利用SSN以及更广泛的传感器和观测本体的大量实现和应用经验，提出了新的SSN和SOSA本体，以解决范围和受众的变化、初始工作的不足以及新的技术发展。下面的列表突出显示了最重要的(但到目前为止还不是唯一的)更新。

处理范围和受众的变化

最初的SSN是以本体工程师为主要受众开发的。由于SSN的广泛采用、公民科学的作用日益增强、链接数据社区对轻量级词汇表的强烈关注，以及Schema.org之类的词汇表，本体得到了简化。SOSA被添加为一个核心，并且作为一个独立的本体非常有用，目标是Web开发人员、公民科学、轻量级链接数据发布、资源约束物联网设备、数据密集型应用程序(可以使用轻量级推理)，等等。新的SSN在SOSA之上引入了额外的类和关系，以对传感器和执行器的能力、系统的组成等进行建模，以适应更复杂的需求或需要更多来源数据的情况，例如，提高重现性。

几乎所有的科学观测都大量使用了采样策略，因此，在SOSA和SSN中添加了采样器、采样器和采样类以及它们相应的属性。

由于物联网、智能仪器和更广泛的环境的重要性日益增加，在SOSA和SSN中添加了执行器和驱动器类。

解决初始SSN的缺点

新的SSN简化了旧设备、平台和系统类之间的关系(以及对它们的需求)。

旧的SSN被一些用户认为过于重量级(基于其公理化)，过于依赖OWL推理。为了达到平衡，新的轻量级SOSA本体的DL表示性是ALI(D)，它得到了现代三重存储的有效支持，而新的SSN是ALRIN(D)。相比之下，旧的SSN是SRIQ。

先前导入的SSN和许多从DUL术语继承而来的SSN术语。由于频繁的用户请求，这已经重新设计，以便SSN(和SOSA)可以完全独立于DUL使用，如果需要的话。一些与DUL的对齐已经被重新考虑。SSN中使用DUL术语的部分被分离到SSN与DUL本体的对齐中。因此，这种对齐以及DUL在SSN中的作用已被宣布为不规范的。

许多类和属性的定义都略有更改，以改进解释或纠正小错误。示例已从主要定义中分离出来。

最初的SSN由于对虚拟传感器(包括软件和仿真)以及相关类和属性的处理部分不一致而受到批评。新的SSN和SOSA解决了这个问题，允许所有主要类都是虚拟的，并更好地支持人类和其他动物作为代理。

过程(以前称为计划)的概念已被阐明，用于描述工作流、协议、计划、算法或计算方法，指定如何通过执行器进行观察、创建示例或更改世界状态。

将初始SSN中的观察类定义为DUL Situation类的子类。为了改进与O&M和用户期望的一致性，以及遵循一致的观察、采样和驱动建模策略，在SOSA中定义的观察类和新的SSN现在被概念化为活动。

寻址技术的发展

初始SSN使用本地/保护域和范围限制。轻量级SOSA本体使用了一种更受限制的公理化，从而在不一定熟悉OWL的用户中促进广泛的重用和适应。SOSA使用了Schema.org中定义的domaininclude和rangeinclude注释属性。这在以前是没有的。

由于人们对直接在单个传感器、执行器或平台上使用语义Web技术的兴趣越来越大，所以SOSA的轴向化并没有使用SSN引入的许多更复杂的语言元素。

4. 公理化

本节介绍SOSA和SSN的规范。

4.2类和属性概述

定义了几个概念模块来涵盖关键传感器、驱动和采样概念。SOSA/SSN的不同概念模块如下图所示。

从观察、驱动和采样的角度，本体模块中主要类和属性的概述如下图所示。在图中以及文档的其余部分中，与soa相关的组件和限制用绿色表示，而只有ssn的组件用蓝色表示。