Академический Документы
Профессиональный Документы
Культура Документы
Página 1
% de papel revisado
1 RESUMEN
Hoy en día, un gran volumen de información, datos y conocimiento, que directa o indirectamente se relaciona con la moderna
ciudades, su estado y problemas se juntan y almacenan. La efectividad de su uso influye significativamente en
efectividad del desarrollo de la ciudad Debido a la cantidad constantemente creciente de información y conocimiento, para
su mejor uso son herramientas especiales para la gestión del conocimiento, que incluyen herramientas para la sistematización del conocimiento y
la construcción de descripciones formalizadas, así como nuevos algoritmos para el procesamiento del conocimiento y la aplicación son
necesario. En el documento, un conjunto de soluciones tecnológicas se centró en la recuperación de conocimiento de forma multidimensional
se sugieren mediciones proporcionadas por diferentes fuentes de información. Uso de tecnologías desarrolladas
permiten organizar el procesamiento operativo de nuevas medidas, teniendo en cuenta todos los conocimientos disponibles.
El tratamiento de mediciones en el nivel de conocimiento sobre mediciones proporciona soluciones de usuario final
problemas en términos de objetos o situaciones de dominio sujeto pero no medidas separadas. Varios temas
Se definen los dominios y sus tareas, que se pueden resolver utilizando el conjunto propuesto de soluciones tecnológicas.
2. INTRODUCCIÓN
Tiempo, cuando las tareas de los departamentos de economía de la ciudad podrían resolverse localmente y de forma independiente han pasado.
Hoy en día se supone que casi todas las tareas se resuelven conjuntamente; Además, en muchos casos es razonable
considere el conjunto de las tareas resueltas como una tarea compleja única que está orientada a proporcionar estabilidad en el
esferas económicas y sociales de una ciudad. Muchos factores externos influyen en el proceso de formación de soluciones
como estado de los departamentos interconectados de la administración de la ciudad, estado de los territorios vecinos,
estado del medio ambiente, etc.
En la esfera de la economía de la ciudad, se crean cientos de diversos procesos comerciales específicos del dominio cada
día. Los procesos comerciales especifican cómo deben ejecutarse las actividades operativas para proporcionar un
conjunto de servicios [1]. El número y la complejidad de los procesos ejecutados aumentan constantemente.
Los resultados de su ejecución dependen significativamente de la cantidad y calidad de la información disponible.
En consecuencia, el estado del desarrollo de la economía urbana moderna en su conjunto puede caracterizarse como
altamente dependiente de la información. Bajo la información, se considera una interpretación semántica de los datos [2]. Los datos son
un producto de observaciones o hechos utilizados para calcular, analizar o planificar algo. Después de que los datos se procesen en una
forma utilizable, se recibe información [3]. La característica distintiva de la información es que tiene sentido. Todo
cantidad de información disponible sobre el dominio temático considerado, así como sobre el tema relacionado
dominios forma el espacio de información. Un espacio de información proporciona un entorno para la asignación de
flujos de información. La información fluye la información de transferencia de un proveedor a un consumidor en la información
espacio. Todas las tareas de procesamiento y análisis de información, así como las tareas de espacio de información e información
el soporte y la administración del flujo requieren conocimiento para construir soluciones. El conocimiento se define típicamente con
referencia a la información. Con mayor frecuencia, el conocimiento se define como una combinación fluida de experiencia enmarcada, valores,
información contextual, visión experta e intuición basada en la tierra, que proporciona un entorno y marco
para evaluar e incorporar nuevas experiencias e información [4]. Los términos datos, información y
el conocimiento se vinculan entre sí en la jerarquía de Ackoff descrita en [5].
El problema clave del procesamiento y análisis de datos e información es seleccionar conocimiento, que es necesario
o útil para resolver la tarea definida o la subtarea de la gran cantidad de conocimiento, que está disponible
hoy en día y para aplicar el conocimiento correctamente. Esta tarea se refiere a las tareas de gestión del conocimiento (KM)
y, además de todas las demás tareas de este tipo, requiere una cantidad considerable de tiempo, recursos financieros y
asume la participación de expertos de los dominios temáticos. Para reducir la cantidad de recursos, que se gastan en
apoyando la infraestructura requerida para resolver las tareas finales de la economía de la ciudad, es importante desarrollar
aplicaciones de software que son capaces de resolver tareas altamente complicadas de datos, información y conocimiento
procesamiento, análisis y gestión para el dominio temático de las ciudades inteligentes.
Para resolver las tareas enumeradas, las aplicaciones deben cumplir los siguientes requisitos:
• las aplicaciones deben recopilar datos reales sobre el estado de los objetos controlados;
• las aplicaciones deben ser capaces de asimilar los datos recopilados y usarlos para resolver tareas finales;
https://translate.googleusercontent.com/translate_f 1/12
1/2/2018 % revisado documento Soluciones tecnológicas para la gestión del conocimiento en ciudades inteligentes Nataly Zhukova 1 RESUMEN Hoy en …
Página 2
Página 3
https://translate.googleusercontent.com/translate_f 2/12
1/2/2018 % revisado documento Soluciones tecnológicas para la gestión del conocimiento en ciudades inteligentes Nataly Zhukova 1 RESUMEN Hoy en …
Nataly Zhukova
• tecnología. El aspecto tecnológico define sistemas, herramientas y tecnologías que se pueden usar para
implementación de los requisitos de KM y organización de ajuste;
• política. El aspecto político describe la política de la organización desde el punto de vista de largo plazo
iniciativas de perspectiva e inversiones, que requieren el desarrollo de las soluciones existentes para KM.
Las mejores prácticas de KM se describen en muchas publicaciones, por ejemplo, [10-13].
Las soluciones científicas y tecnológicas para KM, desarrolladas para una organización, no se pueden aplicar directamente para
resolver tareas de ciudades inteligentes. Las principales razones para eso son las siguientes:
• los procesos comerciales, que son necesarios para resolver tareas a nivel de la ciudad, son mucho más complicados
y a diferencia de los procesos, implementados en las organizaciones, son indeterminados y apenas predecibles;
• casi todos los aspectos considerados, que definen la columna vertebral de KM a nivel de organizaciones,
no se puede definir a nivel de ciudades
Para superar las dificultades, que son causadas por la complejidad de los procesos comerciales de las ciudades, es
propuso desarrollar un sistema de patrones, que describa los procesos comerciales en la forma general y comercial
reglas para la adaptación de los procesos a la esfera y el contexto de su aplicación.
La posibilidad de desarrollo de patrones se define por las características distintivas del dominio temático de la ciudad
economía, que se consideran a continuación.
Característica 1. El dominio temático de la economía de la ciudad se puede considerar como un conjunto de aplicaciones interconectadas
dominios temáticos, que están integrados en un dominio de tema único complicado, que tiene sus propios objetivos y tareas.
Por ejemplo, un modelo del dominio temático de la economía de la ciudad inteligente contiene modelos de los subdominios, que
definir la estructura de la economía de la ciudad, en particular, el modelo del subdominio de lo social
organizaciones, de los recursos naturales, etc. Para cada uno de los subdominios, los modelos formales han sido
desarrollado o puede ser construido. Los modelos de los subdominios están orientados a la resolución de tareas aplicadas.
Característica 2. Las tareas resueltas en el dominio temático de la economía de la ciudad forman dos grupos. Para el primer grupo, refiérase
las tareas especializadas, que se pueden resolver utilizando el conjunto predefinido de procesos comerciales. El segundo grupo
contiene tareas, que dependen del contexto. Las tareas del primer grupo se pueden resolver usando enfoques para
KM implementado en CIS. Para resolver las tareas, que pertenecen al segundo grupo, sujeto orientado a la solución
se usan modelos de dominio. El ejemplo del dominio temático orientado a la solución es el dominio del tema de los datos
procesamiento y análisis. La integración de dominios orientados a problemas y orientados a soluciones permite resolver
tareas complicadas e indeterminadas de los dominios de materia aplicada utilizando soluciones básicas.
Característica 3. Las aplicaciones de software, desarrolladas para varios departamentos de la economía de las ciudades, han sido siempre
basado en las tecnologías de información más avanzadas. Debido a esas tecnologías de datos e información
la recolección y el almacenamiento se han utilizado durante muchos años y ahora la cantidad de datos disponibles y
la información es suficiente para construir bases de conocimiento extendidas. El conocimiento provisto por las bases de conocimiento es
suficiente para definir reglas, que pueden usarse para la adaptación de los patrones del proceso a la esfera y al
contexto de su aplicación. El alto nivel de calificación del especialista, trabajando en los departamentos de
economía de la ciudad, les permite estimar y verificar las reglas comerciales definidas.
Usando las soluciones propuestas, basadas en las características del dominio temático de la economía de la ciudad, una base
tecnología para KM para ciudades inteligentes se ha resuelto. La tecnología propuesta se describe en la próxima
sección.
Página 4
https://translate.googleusercontent.com/translate_f 3/12
1/2/2018 % revisado documento Soluciones tecnológicas para la gestión del conocimiento en ciudades inteligentes Nataly Zhukova 1 RESUMEN Hoy en …
patrones típicos,
conocimiento de que están analizados.
los datos orientados aEllasegundo
ejecución de operaciones
grupo básicaspara
contiene patrones de procesamiento
resolver tareasde
dedatos, con el objetivo
procesamiento de extraer
de datos,
especializado para el dominio temático considerado. Los patrones del primer grupo describen procesos de datos
armonización, integración y fusión, así como los procesos de análisis e información de prospección de datos
análisis de exploración. El objetivo principal de los análisis de prospección de datos es recuperar información adicional sobre
datos analizados antes de que los procesos se inicien y durante su ejecución. Exploración de datos analiza procesos
permite resolver tareas de conocimiento de minería tanto de datos operacionales como históricos. El conjunto de
las bibliotecas matemáticas pueden diferir significativamente, dependiendo del dominio de la materia y disponibles
implementaciones de algoritmos.
Página 5
Nataly Zhukova
4. La cantidad de conocimiento utilizado puede extenderse usando resultados de análisis de los datos históricos o puede ser
ampliado con conocimiento experto. El conocimiento puede refinarse utilizando el conocimiento, provisto por el modelo del
dominio de la materia y medios y herramientas de procesamiento y análisis de datos, información y conocimiento.
Debajo de cada una de las tecnologías clave, utilizadas para el procesamiento de datos, se considera el conocimiento requerido en cada
de sus etapas está definido. Antecedentes teóricos de las tecnologías y ejemplos de su implementación
se consideran en [9,15].
Para resolver problemas de armonización de datos, se desarrollan dos grupos de patrones. El primer grupo de patrones
está orientado al procesamiento de datos iniciales, que se representa en forma de flujos de datos estructurados. El segundo
grupo de patrones se utiliza para procesar valores medidos. La lista de los patrones del primer grupo contiene
los patrones para la interacción con fuentes de datos externas, para revelar las estructuras de las secuencias, para
estimando los parámetros principales de las secuencias y para definir el formato de las secuencias. El segundo grupo
contiene patrones para recopilar metadatos sobre los datos adquiridos, para restaurar los valores perdidos en el
mediciones, para construir descripciones formales de las mediciones y para la transformación de la
formatos de medidas. Para cada grupo de patrones se desarrollan patrones de base. El patrón de base del primer
grupo es un patrón para la armonización de la secuencia de datos, el patrón base para el segundo grupo es el patrón
para la armonización de los valores medidos. Ambos patrones son patrones de alto nivel, que se basan en
patrón de armonización de datos.
Los patrones están vinculados con las relaciones del tipo de asociación. Existencia de la relación de asociación entre
dos patrones significa que se supone que los procesos construidos sobre la base del patrón asociado deben ejecutarse
antes de que los procesos se construyan usando el patrón asociable. El conjunto de las asociaciones definidas refleja el
secuencia de la ejecución de patrones. Todas las asociaciones representadas son asociaciones binarias. Los patrones
y las relaciones entre los patrones se muestran en la figura 3 en forma del diagrama de clases.
Página 6
Página 7
Nataly Zhukova
tareas y los valores de frontera
los para
requisitos para los datos
las estimaciones
I2.2 ComputacionalPatrones para resolver el usuario final
Conocimientoacerca deel Conocimiento producido como el
Tareas tareas computacionales requisitos para ingresar datosresultado
y de los cálculos ejecutados
significa, necesario para ejecutar
las tareas
I2.3 Soluciones Patrones para validación y estimaciónTemade dominio modelo,Conocimiento sobre el formado
validación las soluciones formadas conocimiento sobre tareas resueltas,
soluciones y conveniencia de
conocimientoacerca de el su aplicación adicional
requisitos impuestos a los resultados
I2.4 Formal Patrones para construir descripcionesTema
formales dominio modelo,Modelo del dominio del tema
descripciones de los resultados de las tareas del usuario
conocimiento
final sobre los resultados
ese de contiene adicional
cálculos los cálculos ejecutados conocimiento adquirido como el
resultado de resolver tareas
Tabla 2. Descripción de los patrones de integración
Página 8
https://translate.googleusercontent.com/translate_f 7/12
1/2/2018 % revisado documento Soluciones tecnológicas para la gestión del conocimiento en ciudades inteligentes Nataly Zhukova 1 RESUMEN Hoy en …
Página 9
Nataly Zhukova
pruebas especializadas medidas del tipo definido
https://translate.googleusercontent.com/translate_f 8/12
1/2/2018 % revisado documento Soluciones tecnológicas para la gestión del conocimiento en ciudades inteligentes Nataly Zhukova 1 RESUMEN Hoy en …
F1.3.3 IdentificandoPatrones para identificar clases paraConocimiento
el caracteristicas
sobre las clases
Conocimiento
de sobre las clases de
clases grupos formados de los parámetros.los losparámetros y las características
los grupos
de formados de
las clases se pueden identificar usando
las clases,
expertosconocimiento sobre
parámetros
el
conocimiento, clasificadores o procedimientos
grupos formados
para de los parámetros
encontrar grupos identificados anteriormente similares
F1.3.4 Definiendo Patrones para definir dependencias Conocimiento
para el sobre el formado
Conocimientoacerca deel
dependenciasgrupos de los parámetros. En la base grupos
de de los parámetros tanto dependencias de los formados
los grupos jerárquicos de grupos sonidentificado
construir yy no identificado
grupos de los parámetros
dependencias lógicas entre los distintos
grupos están definidos
F1.4.1 Series de tiempo
Patrones para construir la jerarquíaConocimiento
de sobre lo descrito
Conocimiento sistematizado sobre
modelos descripciones formales de series temporales.
series de tiempo
los la serie de tiempo
los niveles se definen según la cantidad
de conocimiento disponible [16, 17]
F1.4.2 Modelos paraPatrones para construir la jerarquíaConocimiento
de sobre lo descrito
Conocimiento sistematizado sobre
separar descripciones formales de los conjuntos
conjuntos
de de medidas conjuntos de valores medidos de
medida- valores medidos. Los niveles están definidos parámetros
mentos según la cantidad de disponible
conocimiento [17]
F1.4.3 Complejo Patrones para la construcción de complejos
Conocimiento
formalizados
sobre lo descrito
Conocimiento sistematizado sobre
modelos descripciones de los conjuntos de datos,
conjuntos
que contienen
de datos que contienen
los conjuntos
diferentesde datos descritos, que
datos de diferentes tipos usando el tipos de datos contener diferentes tipos de datos
descripciones formalizadas de series de tiempo y
conjuntos de valores medidos por separado
F1.4.4 Fusión Patrones para fusionar modelos, que Conocimiento
describen sistematizadoExtendido
sobre sistematizado
modelos series de tiempo, patrones para fusionar
la serie
modelos,
temporal, sobre los conjuntos
conocimiento
de sobre el tiempo
que describen los conjuntos de separados
valores medidos y sobre el serie, los conjuntos de medidas
medidas, patrones para la fusión conjuntos de datos que contienen valores,
datos
los de
conjuntos de datos que
modelos complejos diferentes tipos contener datos de diferentes tipos
F1.5.1 Estimación dePatterns for estimation of time and space Knowledge about variability of
datos variability of data, patterns for defining
- datos
variability regions with low variability, patterns for
idetifying dynamic of changes in regions
F1.5.2 edificio Patterns for building regular grids Knowledge about behavior of the Knowledge about probable
Página 10
The task of monitoring is based on gathering data about the state of the analyzed objects. Two types of data
is usually available: separate measurements and series of measurements. Measurements are received from
various measurement instruments, that are installed on objects. Complexity of a monitoring task is
conditioned with the necessity of processing huge amounts of data in real time or with minimum delay.
Additional difficulties, that arise during data processing, are defined by complexity and bad quality of data.
Besides the features of data as well as methods and algorithms applied for data processing significantly
depend on conditions, in which data was acquired and has to be processed. Application of the predefined set
of methods and algorithms can lead to essential errors in calculated estimations of the objects states. Debido a
that experts are almost always involved in the processes of monitoring. They analyze received data and make
decisions about the controlled objects state. The developed technological solutions allow to use knowledge
during data processing and extract knowledge from the analyzed data. Calculation of estimations of the
controlled objects states based on using knowledge are expectedly of higher precision and reliability. Algunos
experimental results of solving monitoring tasks using knowledge are described in [18]. In separate cases
knowledge based solutions allow to automate processes of monitoring, in other cases – to improve quality of
information provided to experts and consequently to simplify their work.
Short term and long term predictions of the states of the considered spheres are commonly based on a set of
formal mathematical models, that describe separate objects, their behavior, the rules of their interaction, their
life cycle as well as many other parameters of the objects and the environment in which they are functioning.
This approach has been used for a long time almost in all spheres. During this period experts of applied
Página 11
Nataly Zhukova
subject domains in close collaboration with mathematicians have developed plenty of models, that have been
successfully used. The high speed of development and constant changes, that are observed in all spheres
nowadays cause three problems. The first problem is that some models because of occurred changes don't
completely reflect the corresponding objects. The second problem is concerned with necessity of creation of
new models. The third problem is conditioned by exponentially increasing amount of data that must be
processed in real time. Increasing amount of data requires additional computing resources for processing and
análisis. The developed mathematical models are in most part highly complicated from the computational
point of view. Complexity of the models aggravates the problem of lack of the computing resources.
Application of the solutions for KM at all stages of data processing allows to extract knowledge from
historical data and to build knowledge-oriented formal descriptions. These descriptions can be considered as
statistical models. Main advantages of the statistical models are the following. The models can be simply
built and updated using historical data, available information and knowledge of the subject domains. Ellos
are easily interpretable by both experts and computers and are actual, as they can be updated each time when
new data is received. The statistical models can be used separately or together with mathematical models. Un
example of statistical models build for ocean data can be found in [19].
The most complicated task from the list of the considered tasks is the task of planning of the spheres future
desarrollo. There are many approaches that can be used for planning. The most part of them are domain-
oriented and task-oriented. Usually these approaches are quite simple and assume application of the
predefined technologies or sets of methods and algorithms. They can be used for planning activities of
separate small and middle organizations. The task of planning at the level of the city because of its extremly
high complexity refers to creative tasks rather than to technological tasks. The only way to form proper
solutions of the creative tasks is to use imitation modeling tools along with means and tools of artificial
inteligencia. To solve the planning task it is proposed to decompose it into the five subtasks: to build formal
descriptions of the subject domain or its separate elements, to define models that can be used for predicting
the subject domain state, to define imitation models, to execute several modeling cycles and to estimate the
results of the modeling. Each of the considered subtasks assumes application of knowledge. Solutions for the
first two subtasks are considered above. To build imitation models and to model different plans scenario
approach [20] is suggested to be used. Scenarios are algorithms represented as a sequences of stages and
decisiones. Execution of the scenarios requires a set of artificial intelligence tools, including expert system
and inference engine [21]. The results of the modeling and their estimations form the base for making well
founded decisions about the plans of the cities development created by the experts.
9 CONCLUSION
In the paper technological solutions for KM for the subject domain of the smart cities economy are proposed.
Main attention is paid to the problem of using knowledge for data processing and to the problem of
knowledge extraction from data. The described set of the technological solutions includes base technology
for KM that assumes building high level patterns and their detailing. In the framework of the base
technology three main technologies for data processing and analyses are considered: the technology of data
harmonization, integration and data fusion as well as the technologies of data prospecting analyses and data
https://translate.googleusercontent.com/translate_f 10/12
1/2/2018 % revisado documento Soluciones tecnológicas para la gestión del conocimiento en ciudades inteligentes Nataly Zhukova 1 RESUMEN Hoy en …
exploration.
in The developed
different spheres solutions
of the city's can be
economy. usedadvantage
Main for solving
of various applied
the proposed tasks, based
solutions is thatonthey
dataare
processing
flexible
and easy in use and support. The technologies are represented in the form of the class diagrams that are ready
para la implementación. Further development of the suggested solutions for KM assumes enlargement the set of
the technologies with the technologies oriented on processing symbolic information, in particular, textual
información.
10 REFERENCES
1. RAFAEL A., ANDREAS L. Automatic Information Flow Analysis of Business Process Models. Business Process Management.
10th International Conference, BPM 2012, Tallinn, Estonia, 2012
2. http://www.merriam-webster.com/
3. Ackoff R. From data to wisdom. Journal of Applied Systems Analysis, vol. 15, 1989
4. WALLACE D. Knowledge Management: Historical and Cross-Disciplinary Themes. Libraries Unlimited, 2007
5. BERNSTEIN J. The Data-Information-Knowledge-Wisdom Hierarchy and its Antithesis. Proceedings North American
Symposium on Knowledge Organization, vol 2, 2009
6. http://www.businessdictionary.com/
Proceedings REAL CORP 2014 Tagungsband ISBN: 978-3-9503110-6-8 (CD-ROM); ISBN: 978-3-9503110-7-5
663(Print)
21-23 May 2014,Vienna, Austria. http://www.corp.at
Editors: Manfred SCHRENK, Vasily V. POPOVICH, Peter ZEILE, Pietro ELISEI
Pagina 12
https://translate.googleusercontent.com/translate_f 11/12
1/2/2018 % revisado documento Soluciones tecnológicas para la gestión del conocimiento en ciudades inteligentes Nataly Zhukova 1 RESUMEN Hoy en …
https://translate.googleusercontent.com/translate_f 12/12