Evoluzione Da ieri a oggi - LIRIS · –il controllo di validitàdei contenuti...

21
INPUT – Potenza 2010 Pr. R. Laurini Web Geografico Semantico 1 Evoluzione Da 1993 Da 2008 Evoluzione Da 1993 Da 2008 Dati spaziali strutturati Dati spaziali non-strutturati Da ieri a oggi 2010

Transcript of Evoluzione Da ieri a oggi - LIRIS · –il controllo di validitàdei contenuti...

  • INPUT – Potenza 2010 Pr. R. Laurini

    Web Geografico Semantico 1

    Evoluzione

    Da 1993 � Da 2008 �

    Evoluzione

    Da 1993 � Da 2008 �Dati spaziali strutturati Dati spaziali non-strutturati

    Da ieri a oggi

    2010

  • INPUT – Potenza 2010 Pr. R. Laurini

    Web Geografico Semantico 2

    Due cambiamenti di paradigma

    • Ricerca d’informazione geografica

    – in un GIS

    – � su Internet

    • Involgimento degli utenti

    – solo come « lettori »

    – � anche come contributori

    Web Semantico Geografico

    • 1 – Introduzione al Geo Web

    • 2 – Ricerca d’informazioni geografiche su

    Internet

    • 3 – Città Virtuali 3D

    • 4 – Conclusioni

    1 – Introduzione al Geo Web

    • Web Semantico

    • Geoweb

    • Mashup

    • Ontologie

    • Geobrowers

    Le parole-chiavi del Web di oggi

  • INPUT – Potenza 2010 Pr. R. Laurini

    Web Geografico Semantico 3

    Google Earth (e Google Maps)

    • Google Maps e Google Earth entrambi sono stati liberati in 2005 (benchè Google Earth fosse comprato da una altra azienda)

    • Hanno rivoluzionato l'uso dei dati spaziali sul web

    • Google Maps ha offerto gli API (programmazione di applicazione di nterfacce) che hanno reso facile aggiungere i dati

    • Uso di KML permette agli utenti di gestire dati in 3D

    • Gran parte della visione interoperabile del OGC ora sta accadendo attraverso Google

    Web semantico

    • trasformazione del World Wide Web in un

    ambiente dove i documenti pubblicati (pagine

    HTML, file, immagini, e così via) siano associati ad informazioni e dati (metadati) che

    ne specifichino il contesto semantico

    • in un formato adatto all'interrogazione,

    all'interpretazione e, più in generale,

    all'elaborazione automatica.

    Wikipedia: http://it.wikipedia.org/wiki/Web_semantico

    • Con l'interpretazione del contenuto dei documenti che il Web Semantico propone,

    • Saranno possibili ricerche molto più evolute delle attuali, basate sulla presenza nel documento di parole chiave, ed altre operazioni specialistiche come la costruzione di reti di relazioni e connessioni tra documenti secondo logiche più elaborate del semplice link ipertestuale.

    Scopi del Web Semantico

    • Sviluppo di applicazioni per

    – l’estrazione di informazione da collezioni

    estemporanee/dinamiche di documenti

    – il controllo di validità dei contenuti

    – l’identificazione di stile

    – il riconoscimento di collegamenti ipertestuali

    virtuali

    – gli agenti intelligenti (cooperazione)

  • INPUT – Potenza 2010 Pr. R. Laurini

    Web Geografico Semantico 4

    GeoWeb

    • Geoweb o Geospatial è un termine relativamente nuovo che implica la fusione delle informazioni (basate sulle posizione) geografiche con le informazioni astratte che attualmente dominano Internet.

    • Ciò genererebbe un ambiente in cui uno potrebbe cercare le cose basate soltanto su posizione anziché dalla parola chiave - cioè“che cosa è quì?”.

    http://en.wikipedia.org/wiki/Geoweb

    Geoweb

    • Localizzazione intelligente

    • Uso di Internet

    • Toponimi � localizzazione sul globo

    • Indirizzo postale � localizzazione sul globo

    • Relazioni di localizzazione

    • Gazetteer (elenco di toponimi)

    Mashup

    • I mashup integrano dati da fonti multiple per realizzare prodotti nuovi ed applicazioni utili

    • Permettere la creazione dei mashup con dati e servizi, i fornitori devono fornire le interfacce ai loro dati in moda da creare una catena di servizi sul web

    • I mashup permettono la mappatura interattiva dei dati in tempo reale � ciò non era possibile con le mappe di carta (per esempio dove è ADESSO il mio treno?)

  • INPUT – Potenza 2010 Pr. R. Laurini

    Web Geografico Semantico 5

    Terremoti

    • http://serverx.esri.com/arcgisjavascriptapi/co

    degallery/EarthquakePopulation.html

    Esempi di Mashup

    • Interrogare le speci, chiedere informazioni sulle distribuzioni, sulle immagini e sugli articoli scientifici o i libri si sono chiesti alla domanda

    • Mappare un itinerario sulle Stazioni di metropolitana di Londra

    • Mappare gli aerei ed informazioni relative in tempo reale nella zona di Zurigo

    • Mappare i crimini a Copenhaghen

    Servizi geografici

    • Dalla OGC (Open Geospatial Consortium)

    • Servizi normalizzati– WMS: Web Map Service

    – WFS: Web Feature Service

    – WCS: Web Coverage Service

    – GML: Geography Markup Language

    – CAT: Catalog Service

    – CAT: Coordinate Transformation

    – SFS: Simple Features - SQL

  • INPUT – Potenza 2010 Pr. R. Laurini

    Web Geografico Semantico 6

    http://maps.google.fr/maps?hl=it&safe=off&q=unibas&ie=UTF8&t=h&radius=0.08&sll=40.631925,15.806188&sspn=0.001431,0.002401&split=1&filter=0&

    rq=1&ev=zi&hq=unibas&hnear=&ll=40.63326,15.806258&spn=0,0.002401&z=19&layer=c&cbll=40.633365,15.806332&panoid=zCtP0VpgBNyWisu9rYxN8w&cbp=12,274.47,,0,-0.67

    Ontologia

    • Ontoς = L'essere ; Logia = discorso• Aristotele: "lo studio dell'essere in quanto

    essere"

    • Def1: teoria degli oggetti e delle loro relazioni

    • Def2: teoria delle entità, specialmente delle entità che esistono nel linguaggio

    • Def3: specificazione esplicita di una concettualizzazione (Gruber)

    • Def4: grafo semantico

    Esempio d’ontologia

    Inondazione

    TemporaleCatastrofe

    naturali

    FuocoTsunami

    Volcano

    Slittamento di

    terrenoTerremoto

    Relazione « è uno »

    Relazione « causa »

    Valanghe

  • INPUT – Potenza 2010 Pr. R. Laurini

    Web Geografico Semantico 7

    Ontologie geografiche

    • Necessità di integrare tutti gli oggetti

    geografici

    • Relazioni generalizzazione/specializzazione

    • Relazioni topologiche

    • Necessità di averla rapidamente in italiano

    2 – Ricerca d’informazioni geografiche su Internet

    • Nuovi termini

    – Geocoding

    – Geonaming

    – Geoparsing

    – Geotagging

    • Geographic Information Retrieval

    • Cooperazione

    Geocoding, Geonaming Geoparsing e

    Geotagging• Geocoding

    – Trovare le coordinate di un luogo

    • Geonaming– Dare un nome a un luogo

    • Geoparsing– Da un testo, ritrovare il luogo corrisponde– Ambiguità in certi casi

    • Geotagging– Annotare un luogo su una mappa

    Geocoding

    • Assegnare le coordinate a un luogo generalmente con longitudine e latitudine

    • Due rappresentazioni– Gradi, minuti, secondi (gg°mm’ss”)

    – Gradi decimali (gg,ddd)

    ddd=mm/60+ss/3600

    • Certi casi: interpolazione– Interpolazione linearia per i civici nelle strade tra le

    coordinate dei nodi

  • INPUT – Potenza 2010 Pr. R. Laurini

    Web Geografico Semantico 8

    Geonaming

    • Dalle coordinate al nome del luogo

    • Definizione del luogo– Punto, linea, area

    – Problemi di linguistica

    – Problemi multilingue

    • Che nome?– Nome nella lingua ufficiale del paese

    – Nome nella lingua dell’utente

    – Nome nella lingua del sistema

    GeoParsing

    • Analizzare per localizzare

    • Esempio: Mississipi (fiume/estato ?)

    • Esempio: Roma

    Toponimo Luogho

    Many-to-many

    GeoParsing: 3 definizioni

    • Toponimo � Ubicazione

    – Dove si trova la Malga Xomo?

    • Relazione a un toponimo �Ubicazione

    – A 15 Km al sudovest di Trento

    • Analisi di testo �Ubicazione

    – Bibblia, testi storici, ecc.

  • INPUT – Potenza 2010 Pr. R. Laurini

    Web Geografico Semantico 9

    Strumenti

    • Gazetteers = Elenco dei toponimi

    – Aosta/Aoste

    – Bolzano/Bozen

    • Altre lingue

    – Venezia, Venice, Venise, Venecia, Venedig,

    Benetke, Benátky... ecc.

    – Monaco di Baviera, Monaco

    • Variazioni di confine (comuni, provincie,

    regioni, paesi, ecc.) con date

    Esempio del postino

    • Mrs Florence Manchester

    • 2345 New York Avenue

    • 97347 Aberdeen, WA

    • Sgra Emilia Romagna

    • 145 viale Enesto Viale

    • Nicosia

    GeoTagging

    • Annotazioni geografiche generalmente multimediali– Foto– Testi– Filmati– Voce, musica

    • Sistemi esistenti– Panoramio– Flickr– Everyscape– Wikimapia– Trippermap

    Geographic Information Retrieval

    • Gran parte dei dati che vediamo su una base quotidiana è non strutturata o parzialmente strutturata (per esempio documenti di testo)

    • La ricerca ha indicato che – 85% di 20 000 documenti britannici contengono

    un nome di luogo (Purves ed altri, 2007);

    – 13% di 4 milioni domande sul web contengono una componente geografica (Zhang ed altri, 2006)

  • INPUT – Potenza 2010 Pr. R. Laurini

    Web Geografico Semantico 10

    Elementi chiave di GIR

    • Identificazione dell’orma: identificare i luoghi menzionati nei testi non strutturati

    • Espansione di una query: aggiungere nomi non presenti nella domanda

    • Indicizzazione spaziale ed indicizzazione testuale

    • Classificazioni: secondo il tema e la posizione

    • Formulazione di domanda e visualizzazione dei risultati : un'interfaccia che concede agli utenti formulare ed esplorare le domande spaziali

    Orme spaziali di documenti

    Espansione di query

    ed indicizzazione spaziale

    • Espansione di domanda significa che se un utente ricerca documenti su Milano, aggiungiamo Sesto San Giovanni, Monza, ecc. a la domanda

    • Per questo abbiamo bisogno di conoscere la topologia, i luoghi vicini ed i loro rapporti spaziali

    • Si deve utilizzare tipicamente dizionari geografici

    • Se un utente chiede documenti circa “i castelli a Zurigo”, un indice spaziale riduce il numero di documenti

    Tipi di ricerca geografica su Internet

    • Tutto sapare su un luogo:– Adesso

    – Nel passato

    • Modo migliore per andare da A a B, con qualsiasi modo di trasporto

    • Tasformare un testo in mappa– Meteorologia

    – Racconti di esploratori

    • Ecc.

  • INPUT – Potenza 2010 Pr. R. Laurini

    Web Geografico Semantico 11

    Difficoltà

    • Lavoro gigantesco (indicizzazione spaziale dei

    tutti i documenti)

    • Gazeteer ed ontologie

    • Controlo di qualità

    • Algoritmi per rispondere alle domande

    • Algoritmi con un limite di tempo

    • Privatezza della localizzazione

    Geographic Information Retrieval

    (GIR)

    • GIR è dedicato alla ricerca delle risorse

    informative geografiche che potrebbero

    essere pertinenti per la zone geografica di query

    Area della Baia di San Francisco

    -122.418, 37.775

    Geocoding

    • Esempio

    Preliminari

    • Analizzare i testi esistenti

    – Estrazione dei nomi di luoghi (date)

    • Geoparsing

    – Codificazione

    • Geocoding

    • Approccio spaziale dei documenti

    • Approccio semantico dei documenti

  • INPUT – Potenza 2010 Pr. R. Laurini

    Web Geografico Semantico 12

    Approccio semantico

    • Punteggio

    – Basato sulle parole-chiavi

    – Basato sull’analisi della query

    – Basato sul traffico legato a un documento

    – Basato sui link

    – Basato sulla data di creazione

    – Basato sul pagamento

    Punteggio semantico

    • Peso delle parole-chiavi per ogni documento

    • Consideriamo tutte le parole-chiavi– del documento

    – della query

    • Esistono formole per calcolare la pertinenza (punteggio) di un documento secondo una domanda

    Approccio spaziale

    • Uso delle rappresentazioni spaziali e delle

    relazoni spaziali

    • Due modi

    – Quantitativo, basato sulle proprietà geometrica degli oggetti

    – Qualitativo, basato sulle proprietà non-geometriche degli oggetti

    Similarità spaziale

    • Indicatore di pertinenza

    • Adeguazione tra

    – Luogo (come descritto nel documento)

    – Luogo (come descritto nella domanda)

    • Metodo

    – Grado di sovraposizione

  • INPUT – Potenza 2010 Pr. R. Laurini

    Web Geografico Semantico 13

    D1

    Sovraposizione

    • Ricavare i documenti la cui orma è sovraposta alla zona di domanda

    • Aggiungere gli oggetti totalmente o parzialmente inclusi

    • Relazioni topologiche, senza raffinatezze metriche

    Zone de

    requêteD3

    D4

    Grado di sovraposizione

    • Calcolo della superficie di intersezione

    • % di sovraposizione

    http://calsip.regis.berkeley.edu/pattyf/mapserver/cheshire2/cheshire_init.html

    Esempio Classificazione

    • Un sistema di ricerca dell'informazione restituisce i documenti con un punteggio

    • In GIR questo punteggio ha, tipicamente, due dimensioni (tematico e spaziale)

    Dimensionetematica

    Dimensionespaziale

  • INPUT – Potenza 2010 Pr. R. Laurini

    Web Geografico Semantico 14

    Cooperazione

    • Come andare dalla Gioconda del Leonardo nel museo del Louvres di Parigi, alle Meninas di Velásquez nel museo del Prado di Madrid?

    • Come generare l’itinerario da una pittura ad un'altra pittura?

    • Generazione di Wlink basata su parecchi sistemi

    ?

    Esempio di cooperazione

    • Con il database del Louvres � escendo dal Gioconda alla stazione della metropolitana seguente

    • Con il database dell'azienda di trasporto di Parigi �andando alla stazione di metropolitana più vicina all'aeroporto di Parigi

    • Con il database delle linee aeree � andando dall'aeroporto di Parigi all'aeroporto di Madrid

    • Con il database dell'azienda di trasporto di Madrid � andando dall'aeroporto di Madrid alla stazione di metropolitana più vicina al Prado

    • Con il database del Prado � andando dalla stazione di metropolitana più vicina alla pittura delle Meninas

    Geobrowser

    • Dai browser ai geobrowser

    – Google Earth

    – Virtual Earth

    – Ecc.

    • Visione geografica dell’informazione

    • « 80 % delle informazione hanno una base

    geografica »

    3 – Città Virtuali 3D

    • Visualizzazione della città a 3D

    • Linguaggio CityGML

    • Nuovi progetti coprendo la terra

    – Google Earth (2D e 3D)

    – Virtual Earth della Microsoft

    • Visione globale e ricerca locale

  • INPUT – Potenza 2010 Pr. R. Laurini

    Web Geografico Semantico 15

    Applicazioni potenziali

    • Simulazione del rumore urbano, dell’inquinamento dell’aria

    • Simulazione delle inundazioni

    • Simulazione dei rischi naturali e tecnologici

    • Paragonare le altezze dei fabbricati con le altezze legali

    • Impatto visuale di un nuovo progetto

    • Verifica delle dichiarazione per le tasse locali

    • ecc

    Altre applicazioni

    • Geomarketing: impatto visuale della publicità• Agenzie immobilari: dare un’idea agli acquirenti della

    vicinanza• Turismo: monumenti e luoghi da visitare• Telefono mobile: localizzazione delle antenne (intervisibilità)• Pannelli solari: ubicazione ottimale• Elicotteri: luoghi per atterrare• Istoria ed archeologia: modellare una città nei secoli/milleni

    precedenti• ecc.

  • INPUT – Potenza 2010 Pr. R. Laurini

    Web Geografico Semantico 16

    CityGML

    • Initiativa tedesca

    • Estensione di GML

    • Scopo: città virtuali a 3D

    Oggetti di CityGML

    • Terreni nudi

    • Edifici, ponti, gallerie, mura

    • Scave, strade, trasporti, binari, acqua, vegetazione

    • Semafori, arredo urbano

    Esempi di oggetti CityGML

    Terreno VegetazioneFabbricato

    Uso del suolo Raggru-pamento

    AcquaArredourbano

    Rete di trasporto

    Modellazione 3D dei fabbricati

  • INPUT – Potenza 2010 Pr. R. Laurini

    Web Geografico Semantico 17

    Livelli di dettaglio

    • LOD0 – Modello Regionale – Modello di terreno (2.5D)

    • LOD1 – Città/Modello del sito– Modello di blocco con o senza tetti

    • LOD2 – Città/Modello del sito– Texture dei tetti e delle facciate

    • LOD3 – Città/Modello del sito– Modello architetturale dettagliato

    • LOD4 – Modello dell’interiore– Navigazione all’interno dell’edificio

    Livelli di dettaglio

    Livelli di dettaglio – esempio

  • INPUT – Potenza 2010 Pr. R. Laurini

    Web Geografico Semantico 18

    Trento Esempio modello di trasporto

    Applicazione delle textureMulti-risoluzione

    per le texture dei terreni

  • INPUT – Potenza 2010 Pr. R. Laurini

    Web Geografico Semantico 19

    “Abbigliamento” Texture e risoluzione

  • INPUT – Potenza 2010 Pr. R. Laurini

    Web Geografico Semantico 20

    Baltimore Estrazione dei punti simili

    4 – Conclusioni

    • Cambiamenti di paradigma

    • Uso di Internet• Le enti locali devono revisitare i loro SIT

    – Google Earth, Bing– Uso di Mashup– VGIS GIS da volontari– Ecc.

    • Nuove applicazioni– Uso d’informazione esterna– 3D, – partecipazione del pubblico– Ecc.

    INPUT e GeoWeb

    • Sviluppare ricerche sul GeoWeb

    – Per la pianificazione urbana ed ambientale

    • Introdurre GeoWeb nella docenza

  • INPUT – Potenza 2010 Pr. R. Laurini

    Web Geografico Semantico 21

    • Corsi su GeoWeb – Lione

    – Venezia, Genova, Salerno

    – Puebla (Messico), Beyrouth (Lebano)

    • Contenuto tipico (da 10 a 20 ore)– Introduzione al GeoWeb

    – Linguaggi XML per il GeoWeb

    – Città Virtuali 3D

    – Ontologie geografiche

    – Ricerca d’informazione geografica su Internet

    – Geoweb e servizi localizzati

    – Esercitazioni

    Esempio di corso