Building the Web of Knowledge with Smart IoT Applications
The Internet of Things (IoT) is experiencing fast adoption because of its positive impact to change all aspects of our lives, from agriculture in rural areas, to health and wellness, to smart home and smart-x applications in cities. The development of IoT applications and deployment of smart IoT-based solutions is just starting; smart IoT applications will modify our physical world and our interaction with cyber spaces, from how we remotely control appliances at home to how we care for patients or elderly persons. The massive deployment of IoT devices represents a tremendous economic impact and at the same time offers multiple opportunities. However, IoTs potential is underexploited, and the physical and cyber worlds are largely disconnected, requiring a lot of manual effort to find, integrate, and use information in a meaningful way.
To build a connection between physical and cyber systems, we need a knowledge framework that allows bilateral interactions and multiple understandings, devices producing data, information systems managing the data, and applications transforming information into meaningful knowledge. This column aims to demonstrate the benefits of using Semantic Web technologies to get meaningful knowledge from sensor data to design smart systems. The focus is on reviewing IoT growth and the potential of IoT technology to enable solutions and technology development for a smart-x economy, centered on aspects of smart IoT to build and support future intelligent systems1 as part of the Web of knowledge.
Smart Iot Trends and Challenges
Smart IoT systems need to address several key challenges, not limited to the following.
The first challenge is that devices are not interoperable at any level with each other because the technologies differ from one to another. Each protocol (for example, MQTT or CoAP) possesses unique characteristics and messaging architecture helpful for different types of IoT applications. However, a smart IoT application architecture should be independent of messaging protocol standards while also providing integration and translation between various popular messaging protocols. Similarly, at the data level, devices do not use common terms or vocabulary to describe interoperable IoT data. Usual IoT interfaces provide unformatted data names as “raw” sensor data. This raw sensor data does not contain any metadata (usually, description through semantic annotations) and requires specialized knowledge and manual effort to build smart applications.
Currently, the use of IoT technology is targeted to a single domain, and most of the time, the number of systems is duplicated unnecessarily because of legacy or technology ownership. IoT technology can be reused, and this feature is not being exploited. For instance, temperature sensors in a building are used primarily for a heating, ventilation, and air conditioning application, but values produced by temperature sensors could be used in other applications, such as fire detection or monitoring of indoor air quality. To enable cross-domain applications and address interoperability issues, a smart IoT system is needed to publish their outputs and describe device information in a well-understood format with added metadata and machine-processable formats, thus making devices accessible and usable in multiple applications.
In IoT systems, users are primarily interested in real-world entities (such as people, places, and things) and their high-level knowledge (for example, deriving snowfall from temperature and precipitation measurements) rather than raw output data produced by sensors attached with these entities. To achieve this requirement, a smart IoT system must provide high-level knowledge that can map sensors to real-world entities and raw sensor output to high-level states.1
To build a connection between physical and cyber systems, we need a knowledge framework that allows bilateral interactions and multiple understandings, devices producing data, information systems managing the data, and applications transforming information into meaningful knowledge.
Toward Building Smart Iot Applications
To easily develop IoT applications at a large scale with little or no human intervention, smart IoT systems can leverage Semantic Web features, follow standards, and interoperate and integrate the data and information. The web of knowledge also plays a relevant role by defining the rules and mechanisms to associate information to produce knowledge.
We envision a smart IoT system that enables good decision making and actions. Figure 1 shows an architecture overview of the system inspired by the semantics-based M2M architecture.The architecture is largely divided into three layers according to their functions:
Physical layer, accessing things. This layer enables a device such that an application can interact with it. The gateways use device-specific protocols to retrieve data produced by resource-constrained devices. The gateways employ Semantic Web languages such as RDF and RDFS (to explicitly describe the data and ensure interoperability among data) and OWL (to describe ontologies and domain ontologies used to deduce knowledge).
Virtualization layer, deducing new knowledge. This layer is dedicated to frameworks managing unified data available in standard formats produced by the physical layer. It mainly infers high-level knowledge using reasoning engines performed on data and by exploiting the web of knowledge available online. Such enriched data is provided to the cyber layer to build smart systems, applications, and services.
Cyber layer, composing services. This layer helps developers build large-scale and meaningful IoT applications on top of the virtualization layer. It aims to drastically reduce IoT application development, t
剩余内容已隐藏，支付完成后下载完整资料
用智能物联网应用构建知识网
物联网（IoT）正在迅速普及，因为它对改变我们生活的各个方面产生了积极影响，从农村地区的农业到健康和健康，到城市的智能家居和智能x应用。物联网应用的发展和基于智能物联网的解决方案的部署才刚刚开始; 智能物联网应用将改变我们的物理世界和我们与网络空间的互动，从我们如何在家里远程控制家电，到我们如何照顾病人或老人。物联网设备的大规模部署代表着巨大的经济影响，同时提供了多种机会。然而，物联网的潜力是未充分利用的，物理和网络世界在很大程度上是断开的，需要大量的人工努力来以有意义的方式查找，集成和使用信息。
为了在物理和网络系统之间建立连接，我们需要一个知识框架，允许双边交互和多重理解，产生数据的设备，管理数据的信息系统，以及将信息转换为有意义的知识的应用。 本专栏旨在演示使用语义Web技术从传感器数据获取有意义的知识以设计智能系统的好处。 重点是审查物联网的增长和物联网技术的潜力，为Smart-x经济的解决方案和技术开发，以智能物联网的各个方面为基础，构建和支持未来的智能系统作为知识网的一部分。
智能物联网趋势与挑战
智能物联网系统需要解决几个关键挑战，而不仅限于以下。
第一个挑战是设备不能在任何级别彼此互操作，因为技术彼此不同。 每个协议（例如，MQTT或CoAP）都具有独特的特性和消息架构，有助于不同类型的物联网（IOT）应用程序。 然而，智能物联网（IOT）应用架构应当独立于消息协议标准，同时还提供各种流行消息协议之间的集成和转换。 类似地，在数据级别，设备不使用通用术语或词汇来描述可互操作的物联网（IoT）数据。 通常的IoT接口提供未格式化的数据名称作为“原始”传感器数据。 这个原始传感器数据不包含任何元数据（通常通过语义注释进行描述），并且需要专门知识和手动努力来构建智能应用程序。
当前，物联网技术的使用针对单个域，并且在大多数时间，由于遗留或技术所有权，系统的数量被不必要地重复。 物联网技术可以重复使用，并且此功能未被利用。 例如，建筑物中的温度传感器主要用于加热，通风和空调应用，但是由温度传感器产生的值可以用于其它应用，例如火灾探测或室内空气质量的监测。 为了启用跨域应用程序和解决互操作性问题，需要智能物联网系统来发布其输出，并以添加元数据和机器可处理格式以良好理解的格式描述设备信息，从而使设备在多个应用程序中可访问和可用。
在物联网系统中，用户主要对真实世界实体（例如人，地点和事物）及其高层知识（例如，从温度和降水测量导出降雪）而不是由附接的传感器产生的原始输出数据 与这些实体。 为了实现这一要求，智能物联网系统必须提供高级知识，将传感器映射到现实世界实体，将原始传感器输出映射到高级状态。
为了在物理和网络系统之间建立连接，我们需要一个知识框架，允许双边交互和多重理解，产生数据的设备，管理数据的信息系统，以及将信息转换为有意义的知识的应用。
建设智能物联网应用
为了轻松地大规模开发IoT应用程序，很少或没有人工干预，智能物联网系统可以利用语义Web功能，遵循标准，以及互操作和集成数据和信息。 知识网还通过定义将信息关联以产生知识的规则和机制而起到相关作用。
我们设想一个智能物联网系统，能够做出良好的决策和行动。 图1显示了基于语义的M2M架构启发的系统的架构概述.该架构根据其功能大致分为三层：
·物理层，访问东西。该层使得设备能够使得应用可以与其交互。 网关使用特定于设备的协议来检索由资源受限设备生成的数据。 网关采用语义Web语言，如RDF和RDFS（以明确描述数据并确保数据之间的互操作性）和OWL（以描述用于推导知识的本体和域本体）。
·虚拟化层，推广新知识。此层专用于管理由物理层生成的标准格式中可用的统一数据的框架。 它主要使用对数据执行的推理引擎和利用在线可用的知识网来推导高级知识。 这样的丰富数据被提供给网络层以构建智能系统，应用和服务。
·网络层，组成服务。该层帮助开发人员在虚拟化层之上构建大规模和有意义的IoT应用程序。它旨在大幅减少物联网应用程序开发，从而实现快速原型开发，并鼓励服务的互操作性。
支持物联网的语义互操作性的方法已经开始出现; 例如，IoT堆栈已经被设计为确保互操作性.为了定义这样的架构，语义互操作性包括元数据，信息建模抽象和本体。
以下，我们描述智能物联网系统的三个层次，映射到一个例子，帮助开发人员设计和构建智能物联网应用程序。
第1层：访问内容
第一层使得设备使得应用可以与其交互。 访问设备的最直接的方式是通过API直接暴露它及其服务。 当设备可以支持HTTP和Web服务时，将应用此选项。 然而，将资源受限的设备集成到因特网是困难的，因为因特网协议是复杂的和资源密集的。 集成通常需要物联网网关来实施必要的技术。
图1中的架构广泛地提供三个功能：第一，它将外部设备连接到支持不同协议的网关组件，例如MQTT和CoAP。第二，网关通过不同的协议（如表示状态传输（REST）或发布/订阅）接口云服务或其他Web服务。第三，它在使用W3C语义传感器网络和域特定本体对从设备获取的数据进行注释，然后将数据转发到网关.主要优点是使用传感器观察，描述，发现和服务的标准本体对传感器数据进行语义注释可以提供物联网垂直孤岛之间的互操作性。通过将这些语义注释的数据与领域知识集成，第三方服务可以将异构传感器观察结果转换为有意义的信息。 IoT网关使用资源接口通过REST和发布/订阅机制将设备的物理级实现分离到IoT应用程序服务。
从网关获得的传感器数据的语义注释使IoT服务能够实现下一层中描述的分析和推理算法。
第2层：挖掘新知识
第二层用于管理数据并从中推导出新的知识。 它互连由各种传感器产生的数据，以了解数据的含义，并做出决定或提供建议。 需要不同的过程和步骤来组合来自异构源的数据和用于构建可互操作和创新的应用。
SEG 3.0方法鼓励增强从数据到用户应用程序的语义互操作性的愿景（见图2）。SEG 3.0方法确保从数据提供者到数据消费者的语义互操作性，并强调从原始值到端到端过程， 新的知识出来了。 例如，从体温传感器收集的值38可以与感觉神经病应用相关联，以在通过推理过程感测到恒定的高发热并且与其他感测的相关联的值相关联时建议家庭治疗。 SEG 3.0包括以下步骤：收集数据，撰写，建模，链接，作为查询结果的推理，以及合成服务。这种方法具有从数据中推导新知识的共同愿景。
SEG 3.0方法的灵感来自于共享和重用方法，包括用于链接物联网和智能服务的几种方法。
链接开放数据
LOD是一种共享和重用数据的方法，以便更轻松和自动地访问所请求的信息。 LOD需要用于可视化或浏览IoT数据集的工具。
链接开放词汇
LOV是一种共享和重用模型，词汇和本体的方法。 为了确保可重用性和高质量本体，LOV仅引用“精心设计的”本体。 不幸的是，物联网社区还不知道设计这样的本体的最佳实践。 为了克服这个限制，我们鼓励重用IoT本体和设计物联网的LOV（LOV4IoT），一个300个基于本体的IoT项目的数据集，引用和分类IoT应用领域，使用的传感器，本体状态（例如，共享在线 ，最佳实践遵循），用于推断高级知识的推理，以及相关的研究文章。 这个知识库是从设备产生的数据中推导出有意义的信息所必需的。
链接开放推理
LOR是一种共享和重用解释数据以推导新信息的方法。 基于传感器的链接开放规则（S-LOR）是用于解释由传感器产生的数据的可互操作逻辑规则（if-then-else规则）的数据集。这些规则使用推理引擎来执行，该推理引擎用额外的三元组更新三元组 。 例如，规则“如果体温大于38摄氏度然后发烧”的执行用高级知识“发热”来更新三元组存储。
链接开放服务
LOS是一种共享和重用服务和应用程序的方法。 构建复杂应用程序需要服务组合。 服务可以根据RESTful原则或在语义Web技术的帮助下实现以增强互操作性（例如，SAREST，SAWSDL或OWL-S）。 LOS方法可以扩展用于设计一组可互操作的IoT服务。
从LOD到LOS的整个链应该被共享和重用以增强互操作性并从数据中获得有意义的知识。 考虑到这个愿景，与数据相关的模型，推理和服务将是相互可互操作的。 这一整个链称为SEG 3.0方法，已在机器对机器测量（M3）框架内实施，并在FIESTA-IoT EU平台中应用和扩展。 FIESTA-IoT项目的一个组成部分，称为“实验即服务”，演示了LOS方法概念的证明。
第三层：服务的组成
该层帮助开发人员在第2层提供的服务和物联网数据之上构建大规模和有意义的自定义IoT应用程序。该层也更接近最终用户（或具有有限编程专长的领域专家），使他们能够创建智能应用程序 在智能物品之上。 我们描述了构建物联网应用的四种应用开发方法。
通用编程
目前，IoT应用开发由设备级别，嵌入式和分布式系统的专家进行，他们直接关注每个单独设备的操作。 例如，开发人员使用通用编程语言（例如JavaScript和C），并将特定中间件API或节点级服务作为目标，以传递数据。 这种方法的关键优点是它允许基于对单个设备的完全控制的高效系统的开发。 然而，由于系统的异质性，它对物联网应用来说是笨重的。
宏编程
这种方法提供抽象以指定高级协作行为，同时隐藏来自利益相关者的低级细节，例如消息传递或状态维护。 宏编程的一个典型例子是Node-RED（http://nodered.org），一种基于视觉和浏览器的工具，用于连接设备，API和在线服务。 它包含可以拖放到编辑器中的节点。 每个节点提供不同的功能，从简单的调试功能到通过物联网网关访问传感器。
基于云的平台
为了改进开发工作，基于云的平台提供了实现常见功能的功能，例如将数据发送和存储到云以用于数据可视化。 此外，它们提供可视化编程结构来编写自定义应用程序逻辑。 一个例子是IBM Watson IoT Platform（http://internetofthings.ibmcloud.com），一个完全托管和云托管的服务，使得从物理设备获取价值变得简单。 使用抽象（或“配方”），开发人员可以将设备连接到Internet，使用开放和轻量级的MQTT消息协议将感知数据安全地发送到云，并从收集的数据中获得洞察。
模型驱动开发
MDD减少了应用程序开发工作，并提供了平台相关的设计，这在以前的方法中很大程度上缺失。 它适用于基本的“关注分离”原则。
IoT套件：迈向智能物联网应用程序
IoTSuite通过集成一组高级语言来指定IoT应用程序，使开发人员可以轻松地开发IoT应用程序。 它提供自动化技术来解析使用这些高级语言编写的规范，并生成平台特定的代码。 IoTSuite集成了不同的高级建模语言，提取平台特定的复杂性。 它由自动化技术支持，例如代码生成器，通过解析使用支持的高级编程语言编写的规范来生成平台特定的代码。
当前实现的目标是支持Android，Java和Node.js的设备和MQTT运行时系统。 它可以在http://github.com/pankeshlinux/IoTSuite/wiki获得。 在我们的工作中，我们用现有的方法提出了比较评估结果。 在具有物联网应用特性的真实设备上进行评估。 我们的实验分析和结果表明，与诸如通用编程，宏程序设计和基于云的平台等现有方法相比，我们的方法大大降低了物联网应用的开发工作量。
作为本系列讨论的第一列，物联网正在得到广泛部署。 这伴随着物联网生态系统所有方面的相应的多样性或异质性，包括数据，通信和应用开发框架。 智能物联网的愿景，也在前面的专栏中讨论，包括隐藏这种异质性和相应的复杂性，使基于智能实时处理数据的应用程序的开发，以及生产各种传感器与相关知识。 语义方法和语义Web标准是智能物联网系统的三个必要层的关键推动因素：访问物联网（IoT），了解物联网数据，推广新知识和开发组合服务。
在物联网环境中开发车载数据云服务（介绍）
现代车辆越来越多地配备有大量的传感器，致动器和通信设备（移动设备，GPS设备和嵌入式计算机）。
特别地，许多车辆具有强大的感测，联网，通信和数据处理能力，并且可以与其他车辆通信或者通过各种协议（包括HTTP，TCP / IP，SMTP，WAP和下一代 远程信息处理协议（NGTP）。 因此，已经开发了许多创新的远程信息处理服务，例如用于禁用发动机和远程诊断的远程安全性，以增强驾驶员的安全性，便利性和享受。
在云计算和物联网（IOT）互联网的发展提供了一个有前途的机会，进一步解决提高运输问题，如交通拥挤，堵塞，和车辆的安全。在过去几年中，研究人员提出了一些使用云计算实现智能交通系统（ITS）的模型。例如，提出了一种称为ITS-Cloud的新的车辆云架构，以改进车辆与车辆的通信和道路安全。提出了基于云的城市交通控制系统来优化交通控制。基于面向服务的架构（SOA），该系统采用了多项软件服务化（SaaS），如路口监控服务，区域管理服务，云服务发现服务以及传感器服务，执行不同的任务。这些服务还相互交互以交换信息并为在分布式云环境中构建协作式流量控制和处理系统提供坚实的基础。
作为由现代无线电信快速发展引起的新兴技术，IoT已经受到了很多关注，并且预计将带来许多应用领域的益处，包括医疗保健，制造和运输。目前，物联网在交通运输领域的应用仍处于早期阶段，大多数ITS的研究没有将物联网技术用作解决方案或有利的基础设施。为此，我们建议使用云计算和物联网作为一个支持基础设施，用于开发车载数据云平台，其中交通相关信息，如交通控制和管理，汽车位置跟踪和监控，道路状况，汽车保修，以及维护信息，可以智能地连接并提供给司机，汽车制造商，零件制造商，车辆质量控制器，安全机构
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[141732]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
