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