INTRODUCTIONLet’s consider an emerg

INTRODUCTION
Let’s consider an emergency scenario where a number of
people are held hostage inside a building. In order to
successfully carry out a rescue operation in this situation,
human location context is crucially important. Although the
building does have a number of surveillance cameras installed,
they were all disabled by a criminal. Thanks to the Internet of
Things (IoT) [1] and Sensor Web Enablement (SWE) [2], a
suite of standards from Open Geospatial Consortium (OGC),
many other kind of sensors and electronic appliances inside the
building are still connected to the Internet and accessible via
web service interfaces.
However, there are still big obstacles to overcome. First,
not all sensors are designed to capture human location and,
second, the heterogeneity of sensor description, schema and
data format in the IoT has made it difficult for data integration
in a unified and flexible manner. Fortunately, with today’s
cutting-edge researches in localization technique and humansensing, it is possible to identify human location from various
kinds of sensors and devices [3]. To address the second
challenge, the Semantic Sensor Web (SSW) paradigm [4]
proposes to solve semantic interoperability problems among
ever-increasing web connected sensors using the Semantic
Web technologies [5] like Resource Description Framework
(RDF), a semi-structure data model, SPARQL, a standard
query language and protocol for RDF, and OWL, a family of
languages for ontologies authoring, to name a few. An effort in
that direction to specifically annotate description about sensor
and its observations is Semantic Sensor Network (SSN)
ontology [6]. With rich semantic descriptions, it enhances data
interoperability, reasoning and classification for many aspects
of sensor networks including sensor selection and discovery,
enabling the search for sensors and their data by meaning over
Linked Data [7].
Nevertheless, in the given scenario, to compose semantic
query in the search for user’s location-aware sensors is no
trivial task. It requires considerable knowledge about sensor
specifications, localization methods, and human location
context as well as to annotate and link these concepts together
with semantic validity. All making it difficult to search for the
sensor that can tell human location, especially when the sensors
aren’t directly annotated with such capability.
To solve aforementioned problems, this research explores
challenges in semantic sensor search for human location
context and proposes Human Localization Sensor (HLS)
ontology to enable the search for sensors with potential to find
user’s location based on the knowledge about sensor-based
localization methods and human location context.
The ontology serves as a bridge from sensor related
concepts to user’s location context by describing common
knowledge in human location sensing. It’s designed to
minimize user’s efforts in semantic annotation as well as
making it easier to search for the sensors using ontological
reasoning. It imports and bases sensor model on SSN and
aligns with other standard and notable ontologies like Dolce
Ultra Lite (DUL)1, QUDT2, GeoNames3, for maximum
expressivity.
The ontology incorporates IoT perspectives to include not
only traditional sensor devices but also smart things with
mobility and physical things with tags as potential sensors. Its
structure is designed to be consistently extensible so to increase
possibilities for sensor search by accommodating new
knowledge, either by the user or communities over Linked
Open Data (LOD) Cloud [8].

Kết quả (Việt) 1:

GIỚI THIỆUChúng ta hãy xem xét một tình huống khẩn cấp trong trường hợp một sốngười đang giữ con tin bên trong một tòa nhà. Đểthành công thực hiện một hoạt động cứu hộ trong tình huống này,bối cảnh vị trí của con người là quan trọng trong quan trọng. Mặc dù cáctòa nhà có một số cài đặt, camera giám sáthọ tất cả đã được vô hiệu hoá bởi một tên tội phạm. Nhờ có Internet củaThings (IoT) [1] và cảm biến Web Enablement (SWE) [2], mộtSuite tiêu chuẩn từ mở Consortium địa không gian đi (OGC),nhiều loại khác của cảm biến và các thiết bị điện tử bên trong cáctòa nhà được vẫn còn kết nối với Internet và có thể truy cập thông quacác giao diện dịch vụ web.Tuy nhiên, có những trở ngại lớn vẫn vượt qua. Đầu tiên,không phải tất cả các cảm biến được thiết kế để nắm bắt các vị trí của con người, vàThứ hai, heterogeneity cảm biến mô tả, lược đồ vàđịnh dạng dữ liệu trong IoT đã làm cho nó khó khăn cho hội nhập dữ liệumột cách thống nhất và linh hoạt. May mắn thay, với ngày nayCutting-Edge nghiên cứu trong các kỹ thuật địa phương hoá và humansensing, nó có thể xác định vị trí của con người từ khác nhauCác loại cảm biến và thiết bị [3]. Địa chỉ thứ haithách thức, mô hình ngữ nghĩa cảm biến Web (Tây Nam) [4]đề xuất để giải quyết các vấn đề về ngữ nghĩa, khả năng tương tác giữakết nối web ngày càng tăng các bộ cảm biến bằng cách sử dụng SemanticCông nghệ web [5] như tài nguyên mô tả khung(RDF), một mô hình dữ liệu bán cấu trúc, SPARQL, một tiêu chuẩnngôn ngữ truy vấn và các giao thức cho RDF và OWL, một gia đìnhngôn ngữ cho ontologies authoring, đến tên một vài. Một nỗ lực tronghướng đó đặc biệt chú thích mô tả về cảm biếnvà quan sát của nó là ngữ nghĩa cảm biến mạng (SSN)ontology [6]. Với các mô tả ngữ phong phú, nó tăng cường dữ liệukhả năng tương tác, lý luận và phân loại cho nhiều khía cạnhmạng lưới cảm biến bao gồm cảm biến lựa chọn và phát hiện ra,tạo điều kiện cho việc tìm kiếm các cảm biến và dữ liệu của họ bởi ý nghĩa hơnDữ liệu được liên kết [7].Tuy nhiên, trong trường hợp nhất định, để soạn ngữ nghĩaCác truy vấn tìm kiếm cho bộ cảm biến nhận thức được vị trí của người dùng là khôngcông việc tầm thường. Nó đòi hỏi nhiều kiến thức về cảm biếnthông số kỹ thuật, phương pháp nội địa hóa, và vị trí của con ngườibối cảnh cũng như chú thích và liên kết các khái niệm này với nhauvới giá trị ngữ nghĩa. Tất cả làm cho nó khó khăn để tìm kiếm cácbộ cảm biến có thể cho biết vị trí của con người, đặc biệt là khi các bộ cảm biếnkhông phải là trực tiếp chú thích với khả năng như vậy.Để giải quyết vấn đề nói trên, nghiên cứu này khám phánhững thách thức trong tìm kiếm ngữ nghĩa cảm biến cho vị trí của con ngườibối cảnh và đề xuất cảm biến địa phương hoá của con người (HLS)ontology để cho phép tìm kiếm các bộ cảm biến với tiềm năng để tìm thấyvị trí của người dùng dựa trên kiến thức về dựa trên cảm biếnphương pháp địa phương và bối cảnh vị trí của con người.Các ontology phục vụ như một cây cầu từ các bộ cảm biến có liên quanCác khái niệm đến bối cảnh vị trí của người dùng bằng cách mô tả phổ biếnkiến thức trong con người các vị trí cảm biến. Nó được thiết kế đểgiảm thiểu những nỗ lực của người dùng trong chú giải ngữ nghĩa cũng nhưlàm cho nó dễ dàng hơn để tìm kiếm các bộ cảm biến bằng cách sử dụng bản thể họclý luận. Nó nhập khẩu và các căn cứ mô hình cảm biến trên SSN vàgắn với các ontologies tiêu chuẩn và đáng chú ý như DolceUltra Lite (DUL) 1, QUDT2, GeoNames3, cho tối đaexpressivity.Kết hợp các ontology IoT quan điểm để bao gồm khôngchỉ thiết bị cảm biến truyền thống nhưng cũng là điều thông minh vớitính di động và vật lý điều với thẻ như cảm biến tiềm năng. Của nócấu trúc được thiết kế để mở rộng một cách nhất quán để tăngkhả năng cho cảm biến của tìm kiếm bằng sức chứa mớikiến thức, hoặc bằng cách sử dụng hoặc các cộng đồng trên được liên kếtMở dữ liệu (LOD) các đám mây [8].

Kết quả (Việt) 2:

GIỚI THIỆU
Chúng ta hãy xem xét một kịch bản trường hợp khẩn cấp, nơi một số
người dân đang giữ làm con tin bên trong một tòa nhà. Để
thực hiện thành công một hoạt động cứu hộ trong tình huống này,
bối cảnh vị trí của con người là hết sức quan trọng. Mặc dù các
tòa nhà không có một số camera giám sát lắp đặt,
họ đều bị vô hiệu hóa bởi một tên tội phạm. Nhờ Internet của
Things (IOT) [1] và Sensor Web Enablement (SWE) [2], một
bộ tiêu chuẩn từ Open Geospatial Consortium (OGC),
nhiều loại khác của các cảm biến và các thiết bị điện tử bên trong các
tòa nhà vẫn còn kết nối với Internet và truy cập qua
giao diện dịch vụ web.
Tuy nhiên, vẫn còn những trở ngại lớn để vượt qua. Đầu tiên,
không phải tất cả các cảm biến được thiết kế để nắm bắt vị trí của con người và,
thứ hai, tính không đồng nhất của mô tả cảm biến, lược đồ và
định dạng dữ liệu trong IOT đã gây khó khăn cho việc tích hợp dữ liệu
một cách thống nhất và linh hoạt. May mắn thay, với ngày hôm nay của
các nghiên cứu tiên tiến trong kỹ thuật nội địa hóa và humansensing, nó có thể xác định vị trí của con người từ nhiều
loại cảm biến và thiết bị [3]. Để giải quyết thứ hai
thách thức, các Semantic Sensor Web (SSW) mô hình [4]
đề xuất để giải quyết vấn đề khả năng tương tác ngữ nghĩa giữa
ngày càng tăng cảm biến kết nối web bằng cách sử dụng ngữ nghĩa
công nghệ Web [5] như Resource Description Khung
(RDF), một bán cấu trúc mô hình dữ liệu, SPARQL, một tiêu chuẩn
ngôn ngữ truy vấn và giao thức cho RDF và OWL, một gia đình
ngôn ngữ cho các ontology authoring, đến tên một vài. Một nỗ lực trong
hướng đó phải đặc biệt chú thích mô tả về cảm biến
và quan sát của nó là Semantic mạng cảm biến (SSN)
ontology [6]. Thiệu ngữ nghĩa phong phú, nó tăng cường dữ liệu
khả năng tương tác, lý luận và phân loại đối với nhiều khía cạnh
của mạng cảm biến bao gồm lựa chọn cảm biến và phát hiện,
tạo điều kiện cho việc tìm kiếm các cảm biến và các dữ liệu của mình bằng cách có nghĩa là qua
liên kết dữ liệu [7].
Tuy nhiên, trong kịch bản nhất định, để soạn ngữ nghĩa
truy vấn trong việc tìm kiếm các cảm biến nhận biết vị trí của người dùng là không có
công việc tầm thường. Nó đòi hỏi kiến thức đáng kể về cảm biến
thông số kỹ thuật, phương pháp nội địa hóa, và vị trí của con người
bối cảnh cũng như chú thích và liên kết các khái niệm lại với nhau
, có giá trị ngữ nghĩa. Tất cả làm cho nó khó khăn để tìm kiếm các
cảm biến có thể nói vị trí của con người, đặc biệt là khi các cảm biến
không được chú thích trực tiếp với khả năng như vậy.
Để giải quyết vấn đề nói trên, nghiên cứu này khám phá
những thách thức trong việc tìm kiếm ngữ nghĩa cảm biến cho vị trí của con người
bối cảnh và đề xuất nhân Localization Sensor (HLS)
ontology để cho phép việc tìm kiếm các cảm biến với tiềm năng để tìm
vị trí của người dùng dựa trên những kiến thức về cảm biến dựa trên
các phương pháp địa hóa và bối cảnh vị trí của con người.
Bản thể phục vụ như là một cầu nối từ cảm biến liên quan đến
khái niệm để bối cảnh vị trí của người dùng bằng cách mô tả phổ biến
kiến thức trong vị trí con người cảm nhận. Nó được thiết kế để
giảm thiểu những nỗ lực của người sử dụng trong chú thích ngữ nghĩa cũng như
làm cho nó dễ dàng hơn để tìm kiếm các cảm biến sử dụng bản thể
luận. Nó nhập khẩu và mô hình cảm biến căn cứ trên SSN và
thẳng hàng với tiêu chuẩn và đáng chú ý bản thể khác như Dolce
siêu Lite (Dul) 1, QUDT2, GeoNames3, cho tối đa
expressivity.
Bản thể kết hợp IOT quan điểm bao gồm không
chỉ các thiết bị cảm biến truyền thống, nhưng điều này cũng thông minh với
tính di động và những thứ vật chất với các thẻ như cảm biến tiềm năng. Của
cấu trúc được thiết kế để liên tục mở rộng như vậy để tăng
khả năng tìm kiếm cảm biến bằng sức chứa mới
kiến thức, hoặc là bởi người sử dụng hoặc các cộng đồng trên Linked
dữ liệu mở (LOD) Cloud [8].