Nataly Zhukova

1/2/2018 % revisado documento Soluciones tecnológicas para la gestión del conocimiento en ciudades inteligentes Nataly Zhukova 1 RESUMEN Hoy en …
Página 1
% de papel revisado
Soluciones tecnológicas para la gestión del conocimiento en ciudades inteligentes

Nataly Zhukova
(Dra. Nataly Zhukova, SPIIRAS, Rusia, 199178, San Petersburgo, 14 línea, 39, gna@oogis.ru)
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
Procedimientos REAL CORP 2014 TagungsbandISBN: 978-3-9503110-6-8 (CD-ROM); ISBN: 978-3-9503110-7-5

653(Imprimir)
21-23 de mayo de 2014, Viena, Austria. http://www.corp.at
Editores: Manfred SCHRENK, Vasily V. POPOVICH, Peter ZEILE, Pietro ELISEI
Página 2

• las aplicaciones en el caso de recursos computacionales disponibles tienen que estimar el estado de la
espacio de información, para crear y gestionar procesos, que están orientados a la mejora de la
espacio de información;
• las aplicaciones deben ser capaces de adquirir conocimiento de diferentes tipos, interpretar e integrar
conocimiento, con el fin de obtener nuevos conocimientos sobre la base del conocimiento existente.
Las aplicaciones de software que tienen características, necesarias para resolver tareas consideradas, se conocen como conocimiento
aplicaciones basadas o centradas en el conocimiento. Una aplicación de software basada en el conocimiento en sentido estricto significa
una aplicación para extender y / o consultar una base de conocimiento. En sentido amplio, el término se percibe como un
sinónimo del término sistema experto, pero normalmente los sistemas expertos se refieren a sistemas más específicos de dominio utilizados
para un propósito especializado como el diagnóstico médico [6]. En sentido amplio, las aplicaciones basadas en el conocimiento son
aplicaciones que usan inteligencia artificial o técnicas de sistemas expertos en procesos de resolución de problemas. Ellos
incorporar una tienda (base de datos) de conocimiento experto con acoplamientos y enlaces diseñados para facilitar su
recuperación en respuesta a consultas específicas, o para transferir conocimientos de un dominio de conocimiento a otro
[7]. Las aplicaciones centradas en el conocimiento son aplicaciones que utilizan el conocimiento en todas las etapas de su ciclo de vida
incluyendo construcción, desarrollo, uso y soporte.
Para la resolución de tareas de KM, se requiere el siguiente conjunto de soluciones tecnológicas: armonización,
tecnologías de integración y fusión [8], tecnologías inteligentes de procesamiento de datos, tecnologías de
y análisis de datos de exploración. La implementación de las tecnologías enumeradas se basa comúnmente en el uso
de diversos medios y herramientas que incluyen herramientas de inteligencia artificial, en particular, sistemas expertos y
motores de inferencia, herramientas de modelado, herramientas para la gestión de procesos comerciales y bibliotecas de inteligencia
métodos y algoritmos.
En el documento, las soluciones tecnológicas para KM en las aplicaciones desarrolladas para ciudades inteligentes y las formas
para su implementación se consideran. Las soluciones tecnológicas propuestas se centran en resolver una
grupo limitado de tareas basado en el proceso de medición. Los datos de entrada para el grupo de tareas considerado contienen
en su mayor parte medidas de los parámetros de los objetos y parámetros naturales y técnicos de la
ambiente. Las mediciones se pueden representar en forma de series de tiempo o conjuntos de mediciones separadas
valores.
El documento está organizado de la siguiente manera. En la siguiente sección, se consideran enfoques comunes para KM.
En la cuarta sección se describe la tecnología básica propuesta para KM. En las secciones posteriores,
la tecnología propuesta es detallada. En la última sección preguntas de aplicación de la tecnología para resolver
se discuten varias tareas de la economía de la ciudad.
3 ENFOQUES COMUNES PARA LA GESTIÓN DEL CONOCIMIENTO

KM se define como un proceso para obtener el conocimiento correcto para el consumidor adecuado, que puede ser una persona
o un sistema en el momento correcto [9]. KM también permite resolver tareas de creación de nuevos conocimientos, adquirir y
recuperación, las tareas se centraron en compartir y almacenar el conocimiento y las tareas de refinamiento del conocimiento.
Se adquiere una experiencia considerable en KM en el ámbito de los sistemas de información corporativos (CIS). los
las soluciones desarrolladas para KM en CIS implican un fuerte vínculo con la estrategia corporativa, la comprensión de dónde y en
qué forma el conocimiento corporativo existe, creando procesos, que abarcan funciones organizativas, y
asegurando que las iniciativas sean aceptadas y respaldadas por los miembros de la organización. KM en CIS tiene como objetivo
mejorar y refinar las competencias de la organización y los activos de conocimiento para cumplir los objetivos de la organización y
objetivos. Los principales aspectos de las organizaciones que se consideran en la implementación de KM incluyen [9]:
• estrategia organizacional. La estrategia de KM depende de la estrategia corporativa y tiene como objetivo cumplir con táctica
y requisitos estratégicos;
• cultura organizacional La cultura organizacional define el contexto dentro del cual el conocimiento es
creado y compartido en una organización;
• procesos organizacionales. Los procesos organizacionales definen procesos, entornos y
software, que se puede utilizar para la implementación de KM en una organización.
• gestión y liderazgo. La estructura de gestión y liderazgo de la organización define
un conjunto de posibles roles relacionados con KM y define la necesidad en cada uno de ellos;
654 REAL CORP 2014:

PLANIFIQUE INTELIGENTE
Página 3
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.
4 TECNOLOGÍA BÁSICA PARA KM

La tecnología básica para KM requiere tres componentes principales: un conjunto básico de modelos de dominios temáticos, un conjunto de
patrones para el procesamiento y análisis de datos y un conjunto de bibliotecas matemáticas apropiadas. Los modelos proporcionan
información real, requerida para resolver tareas del usuario final. El conjunto básico de modelos contiene el modelo de
dominio de la economía de la ciudad que proporciona información y conocimiento sobre los objetos del dominio,
sus características y relaciones entre objetos, el modelo del dominio de procesamiento de datos y análisis
que se utiliza para describir los datos iniciales y los resultados de su procesamiento y, opcionalmente, los modelos del tema relacionado
dominios (Fig. 1). Modelos orientados a problemas del dominio temático y modelos de los dominios temáticos aplicados
(subdominios del dominio de la economía de la ciudad) son implementaciones del conjunto base definido de los modelos. los
un conjunto de patrones para el procesamiento de datos y análisis se muestra en la Fig.2. La abrumadora mayoría de los patrones

655(Imprimir)
Página 4

se desarrollaron para el procesamiento de las mediciones representadas en forma de series de tiempo o en forma de conjuntos de
valores separados El conjunto de patrones desarrollados contiene dos grupos de patrones. Para el primer grupo, refiérase
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.
Fig. 1. El conjunto de modelos de información necesarios para KM
Fig. 2. Conjunto de patrones para el procesamiento y análisis de datos

La tecnología propuesta asume la ejecución de los siguientes pasos principales.
1. Usar información y conocimiento sobre el dominio de la materia aplicada y el conjunto de patrones para los datos
procesar el subconjunto de los patrones, que son necesarios para resolver las tareas del dominio temático considerado
se forma.
2. Los patrones del subconjunto definido se detallan de acuerdo con el conocimiento disponible sobre el dominio del tema y
reglas para los patrones que detallan [14]. El conjunto detallado de patrones define el rango de procesos, que se suponen
para ser utilizado para el procesamiento de datos en el dominio temático considerado. Los patrones, definidos para el dominio del tema,
se pueden representar en forma de procesos, que se pueden ejecutar o en forma de patrones, que necesitan más
detallando directamente antes o durante su ejecución.
3. Estructura del conocimiento requerido para el procesamiento de datos en cada uno de los pasos del proceso, construir sobre la base
de los patrones detallados, se hereda de los modelos del dominio de procesamiento de datos y análisis.
El conocimiento de acuerdo con la estructura heredada se extrae del modelo del dominio del tema aplicado.
656 REAL CORP 2014:

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].
5 USO DE CONOCIMIENTOS PARA LA SOLUCIÓN DE PROBLEMAS DE ARMONIZACIÓN

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.
Fig. 3. Patrones para la implementación de la tecnología de armonización de datos

En la tabla 1 para cada patrón de bajo nivel se dan su descripción, el conocimiento requerido y el producido.
No. Patrón Descripción Conocimiento requerido Conocimiento producido
H1.1 Interacción conPatrones para recibir datos de proveedores
Lista de formatos soportados por
fuentes de datos
y patrones para proporcionar datos proveedores
a posibles / consumidores -y
consumidores descripciones de los formatos
H1.2 Datos corrientePatrones para definir o mejorar el Conocimiento sobre la estructura
estructura descripción de la estructura de la entrada
- de flujos de datos
análisis datos representados en forma de estructura
corrientes
H1.3 Estimación de Patrones para estimar la calidad de los datos Conocimiento sobre la calidad de
flujo de datos corrientes; si la calidad de una secuencia es diferente flujos de datos
en diferentes intervalos, entonces los
- intervalos son
definido y la calidad en los intervalos son
estimado

657(Imprimir)
Página 6

H1.4 Definicion de Patrones para definir formatos de laConocimiento
entrada sobre los formatos utilizados
el formato de datos
datos por diferentes proveedores -
H1.5 Reunir de Patrones para reunir información sobreEl vocabulario para interpretarConocimiento adicional sobre
metadata datos de entrada. La metainformación metadata
puede ser datos. La estructura de la
recibido del modelo de la asignatura el conocimiento es preliminar no
dominio y de los proveedores de datos determinado
H1.6 Restauración dePatrones para restaurar valores medidos
Conocimiento sobre la estructura de
mesurado de las secuencias de datos de acuerdolas con
corrientes
el y la calidad de-la
valores descripción de las estructuras de lasflujos
corrientes
de datos
y
su calidad
H1.7 Formal Patrón para construir descripcionesModelo
formalesdeldedominio del tema;Modelo del dominio del tema
descripción las medidas restauradas conocimiento sobre las fuentes quedecontiene
datos información y
y valores medidos; el conocimiento sobre el recibido
descripciones de los términosmediciones.
en los cuales
el conocimiento se expresa
H1.8 TransformaciónPatrones
de formato
para transformar medidasConocimiento
a sobre el soporte
mación diferentes formatos requeridos por formatos,
el descripciones formalizadas
consumidores de los formatos y reglas para- el
transformación de formatos
Tabla 1. Descripción de los patrones de armonización.
6 USO DE CONOCIMIENTO PARA LA SOLUCIÓN DE PROBLEMAS DE INTEGRACIÓN

Los problemas de integración de datos se proponen para ser resueltos usando dos grupos de patrones. El primer grupo contiene
patrones orientados a resolver problemas de integración de mediciones, el segundo contiene patrones, que son
se supone que debe aplicarse para resolver problemas especializados de los usuarios finales. Composición y relaciones entre los
patrones en los grupos considerados se muestran en la Fig.4.
Fig. 4. Patrones para la implementación de la tecnología de integración de datos

Descripción de los patrones de integración, conocimiento requerido para la aplicación de los patrones y conocimiento
producido en diferentes pasos de la tecnología de integración de datos se da en la tabla 2.
I1.1 Mediciones Patrones para la estimación de la calidad
Conocimiento
de sobre la calidad
Conocimiento
del sobre la calidad del
Estimacion medidas, representadas en forma deflujos de datos, conocimientomediciones
sobre
mediciones separadas o series de tiempo
las fuentes de datos, adicionales
conocimiento sobre las mediciones
I1.2 Limpiando sucio
Patrones para eliminar el ruido, valores
Conocimiento
atípicos, sobre la calidad
Conocimiento
de sobre probables verdaderos
mediciones tendencias, identificando y eliminando las medidas valores de los parámetros medidos
valores duplicados
I1.3 Restaurando Patrones para rellenar huecos en medidas
Conocimiento sobre medida Conocimiento sobre probables verdaderos
mediciones parámetros de comportamiento, valores
comportamiento
de los parámetros
de medidos
los objetos observados, las condiciones
en todos los puntos de tiempo requeridos
en que las medidas eran
realizado
I1.4 Primario Patrones para el procesamiento de datos
Conocimiento
primariossobre
usando
la estadística
Compleja primaria estadística
tratamiento procedimientos estadísticos características que son significativas
descripción de las mediciones
para los datos procesados que reflejan las características clave de
los datos
I2.1 Estimación de datos Estimación de los datos de entrada
Conocimiento
necesarios
sobre
parala composición
Conocimiento
de sobre el nivel de
resolver tareas del usuario final estimaciones requeridas paraadecuación
resolver y cumplimiento con
658 REAL CORP 2014:

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
7 USO DE CONOCIMIENTO PARA LA SOLUCIÓN DE PROBLEMAS DE FUSIÓN

El conjunto de patrones, desarrollado para resolver problemas de fusión de datos, contiene patrones orientados a resolver problemas típicos.
problemas y patrones orientados a resolver problemas complicados y especializados del usuario final (Fig.5). Al
patrones, orientados a resolver problemas típicos, refieren los siguientes grupos de patrones: patrones para revelar
la estructura de las mediciones, patrones para revelar dependencias en las mediciones, patrones para
exploración de medidas, patrones para construir modelos estadísticos, patrones para construir campos. La estructura
de los grupos enumerados de patrones y relaciones entre los patrones dentro de los grupos y entre los grupos
se muestran en la Fig. 6. Las descripciones de los patrones y el conocimiento, requerido y proporcionado por los patrones,
se dan en la tabla 3 y la tabla 4.
Fig. 5. Grupos de patrones para la implementación de la tecnología de fusión de datos

659(Imprimir)
Página 8
Fig. 6 (a). Patrones para la implementación de la tecnología de fusión de datos
Fig. 6 (b). Patrones para la implementación de la tecnología de fusión de datos
Fig. 6 (c). Patrones para la implementación de la tecnología de fusión de datos

F1.1.1 Primario Patrones para definir tipos de Descripción estadística primaria
Conocimiento
de sobre los tipos de
clasificación mediciones. Los tipos se pueden definir
los datos, las reglas basadas mediciones
en el conocimiento
según estadística calculada para la identificación de tipos, conjuntos de
características, reglas especializadas
pruebas
para los
y la
tipos
secuencia de su
identificación, resultados de la ejecución
ejecución
del para la identificación del
660 REAL CORP 2014:

Página 9
Nataly Zhukova
pruebas especializadas medidas del tipo definido
F1.1.2 Segmen- Patrones para la representación de series

Conocimiento
de tiemposobre el comportamiento
Conocimiento delsobre la estructura
tación de medidas en forma de parámetros, los estados de lade la serie de tiempo
secuencia de intervalos, en la cual el
objetos
tiempoobservados, condiciones en
serie tienen un comportamiento estacionario
qué medidas y lase hicieron;
patrones para describir cada intervalo
conocimiento
con sobre las características
el vector separado de las características
que se puede usar para describir
series de tiempo
F1.1.3 Segmentos Patrones para identificar los tipos de Conocimiento sobre lo posible Conocimiento sobre los tipos de
identificaciónsegmentos distinguidos tipos de segmentos y sus los segmentos
descripciones
F1.1.4 Formalizado Patrones para construir formalizados Modelo del dominio del tema, Modelo del dominio del tema,
descripción descripciones de las estructuras de conocimiento
series temporales sobre las estructuras
ese contiene
de adicional
en la base de los segmentos identificados
la serie de tiempo información sobre el tiempo
estructuras de serie
F1.2.1 Lógico Patrones para detección de dependencias
Conocimiento
lógicas sobre las estructuras
Conocimiento sobre lo lógico
dependenciasen el comportamiento de la serie dedetiempo
la serie
dede tiempo dependencias en los parámetros
mediciones de parámetros, que son comportamiento
representado en forma de una secuencia de
los segmentos identificados
F1.2.2 Temporal Patrones para detección de temporalConocimiento sobre las estructuras Conocimiento sobre el tiempo
dependenciasdependencias en el comportamientodedel la tiempo
serie de tiempo dependencias en el parámetro
serie de mediciones de parámetros, que comportamiento
están representados en forma de una secuencia
de los segmentos identificados
F1.2.3 Dependen- Patrones para identificación y validación
Conocimiento
de sobre lógica yConocimiento sobre física
cies dependencias lógicas y temporales dependencias
de la temporales en sentido
el de identificado
validación comportamiento de parámetros comportamiento de los parámetros dependencias, conocimiento sobre
probables dependencias verdaderas
F1.2.4 Formalizado Patrones para construir descripciones Conocimiento
formales sobre probables Modelo
verdaderos
del dominio del tema
descripción de las dependencias en los parámetros lógico y temporal ese contiene adicional
comportamiento dependencias en el comportamientoinformación
de acerca deel
Los parametros dependencias en el comportamiento de
Los parametros
F1.3.1 Dimensión Patrones para reducir las dimensiones Conocimiento
de sobre las estructuras
Conocimiento sobre las estructuras
reducción espacios de característica utilizadosdepara la serie
describir
de tiempo
el tiempo de las series de tiempo representadas en
serie formas compactas
F1.3.2 edificio Patrones para construir grupos compactos
Conocimiento
de sobre la estructura
Conocimiento
de sobre similares
grupos los parámetros medidos descritos enla serie de tiempo representada parámetros
en según el
espacios de características reducidas
formas compactas conjunto definido de parámetros
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
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
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

661(Imprimir)
Página 10
Technological Solutions for Knowledge Management in Smart Cities

regular fields analyzed parameters in the values of the parameters in the
defined regions nodes of the regular grids
F1.5.3 edificio Patterns for building hierarchical irregular
Knowledge about behavior ofKnowledge
the about probable
irregular grids analyzed parameters in the values of parameters in the
campos defined regions; knowledge nodes
about of the hierarchical
measurements quality irregular grids
F1.5.4 Fields Patterns for improving regular and Knowledge about behavior of Extended
the knowledge about
improve-menthierarchical irregular grids analyzed parameters in the probable values of the
defined regions parameters in the nodes of the
regular y hierarchical
irregular grids
Table 3. Description of fusion patterns for measurement processing
No. Patrón Descripción Required knowledge Produced knowledge
F2.1 Estimación dePatterns for estimation of adequacyKnowledge
of the about features ofConocimiento acerca de
datos available data, information and knowledge
input data, important for solving
correspondence of available
for solving defined set of the end user
the end user tasks, knowledge datos, información y
Tareas about the solved tasks knowledge to the solved tasks
F2.2 Calcula-tion Patterns for calculation of the complicated
The model of the subject domain,
Knowledge acquired as the
Tareas end user tasks based on applicationknowledge
of about correspondence
result of the tasks calculation
conocimiento of available data, information and
knowledge to the solved tasks,
knowledge about the solved tasks
F2.3 Resultados Patterns for validation of the resultsKnowledge
of the of the subject Knowledge about possibility of
validation end user tasks calculation domain, in particular knowledgeusage of the formed solutions
about the features of the objects
of the end user tasks
and their behavior, knowledge
about the similar earlier solved
Tareas
F2.4 Formalized Patterns for building formal descriptions
Tema dominio model, Model of the subject domain,
descriptions of the formed solutions for the end knowledge
user about solutions ofese
the contiene adicional
Tareas end user tasks knowledge acquired as the
result of solving the end user
Tareas
Table 4. Description of fusion patterns for solving complicated user tasks
8 USAGE OF TECHNOLOGICAL SOLUTIONS

Proposed technological solutions can be used for building applications almost for all spheres of smart cities
economy for solving various tasks. As an example of the spheres, where KM in data processing is of the
primary need, three spheres can be considered: the sphere of cities industry, the cities transport and the cities
natural environment. The distinguishing feature of the spheres is that in all of them telemetric systems are
widely used and consequently the tasks of telemetric information processing are solved. In the enumerated
spheres extraction of knowledge from data is strongly required for solving three key tasks: the task of
monitoring, the tasks of the short term and the long term prediction of the sphere state and the task of the
planning of the sphere future development.
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
662 REAL CORP 2014:

PLAN IT SMART
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
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
Technological Solutions for Knowledge Management in Smart Cities

7. http://dictionary.reference.com/
8. Intelligent geographical information systems for sea situation monitoring [in Russian] / Eds. Usupov R. & Popovich V. Nauka, St.
Petersburg, 2013.
9. FROST A. A Synthesis of Knowledge Management Failure Factors, http://www.knowledge-management-tools.net/, 2014
10. GAMBLE P, BLACKWELL J. Knowledge Management: A State of the Art Guide. Kogan Page Ltd., 2001
11. MARKUS L., TOWARD A. Theory of Knowledge Reuse: Types of Knowledge Reuse Situations and Factors in Reuse Success.
Journal of Management Information Systems, vol. 18, 2001
12. CLAVER-CORTÉS E., ZARAGOZA-SÁEZ P., PERTUSA-ORTEGA E. Organizational Structure Features Supporting
Knowledge Management Processes. Journal of Knowledge Management, vol. 11, iss 4, 2007
13. CHEN C., HUANG J. How organizational climate and structure affect knowledge management - the social interaction
perspectiva. International Journal of Information Management, vol 27, iss 2, 2007
14. PANKIN A.; VITOL A.; ZHUKOVA N. Adaptive Multidimensional Measurement Processing Using Intelligent GIS
Technologies. Information Fusion and Geographic Information Systems (IF&GIS 2013). Environmental and Urban
Challenges. Springer, 2014
15. POPOVICH V., VORONIN M. Data Harmonization, Integration and Fusion: three sources and three major components of
Geoinformation Technologies. Proceedings of IF&GIS, St. Petersburg, 2005
16. VITOL A., ZHUKOVA N., PANKIN A. Model for knowledge representation of multi-dimensional measurements processing
results in the environment of intelligent GIS. Proceedings of the 20th International Conference on Conceptual
Structures for Knowledge Representation for STEM Research and Education, India, 2013
17. VITOL A., DERIPASKA A., ZHUKOVA N., SOKOLOV I. Technology of adaptive measurements processing. SPbSTU
«LETI», Saint-Petersburg, 2012
18. GEPPENER V., ZHUKOVA N., TRISTANOV A., ECALO A, VASILJEV A. Automatic control system of complex dynamic
objects state on the base of telemetering information analysis. 8th International Conference on Pattern Recognition and
Image Analysis. New Information Technologies, vol.2, No.4, 2007
19. ZHUKOVA N., IGNATOV D.., SMIRNOVA O. Dynamic Information Model for Oceanographic Data Representation. The 20th
International Conference on Conceptual Structures for Knowledge Representation for STEM Research and Education.
Modeling States, Events, Processes and Scenarios. Mumbai, India, 2013
20. SOROKIN R. Intelligent Geoinformation Systems for Modeling and Simulation. Proceedings of The International Workshop on
Harbor, Maritime and Multimodal Logistics Modeling & Simulation (HMS-2003), Riga, 2003
21. IVAKIN Y, SOROKIN R. Application of artificial intelligence methods in geographic information systems. In proceedings of
international workshop information fusion and geografic information systems (IF&GIS2005), St. Petersburg, 2005
664 REAL CORP 2014:

PLAN IT SMART

Nataly Zhukova

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Nataly Zhukova

Загружено:

Авторское право:

Доступные форматы

1/2/2018 % revisado documento Soluciones tecnológicas para la gestión del conocimiento en ciudades inteligentes Nataly Zhukova 1 RESUMEN Hoy en …

Soluciones tecnológicas para la gestión del conocimiento en ciudades inteligentes

Procedimientos REAL CORP 2014 TagungsbandISBN: 978-3-9503110-6-8 (CD-ROM); ISBN: 978-3-9503110-7-5

Soluciones tecnológicas para la gestión del conocimiento en ciudades inteligentes

3 ENFOQUES COMUNES PARA LA GESTIÓN DEL CONOCIMIENTO

654 REAL CORP 2014:

4 TECNOLOGÍA BÁSICA PARA KM

Procedimientos REAL CORP 2014 TagungsbandISBN: 978-3-9503110-6-8 (CD-ROM); ISBN: 978-3-9503110-7-5

Soluciones tecnológicas para la gestión del conocimiento en ciudades inteligentes

Fig. 1. El conjunto de modelos de información necesarios para KM

Fig. 2. Conjunto de patrones para el procesamiento y análisis de datos

656 REAL CORP 2014:

5 USO DE CONOCIMIENTOS PARA LA SOLUCIÓN DE PROBLEMAS DE ARMONIZACIÓN

Fig. 3. Patrones para la implementación de la tecnología de armonización de datos

Procedimientos REAL CORP 2014 TagungsbandISBN: 978-3-9503110-6-8 (CD-ROM); ISBN: 978-3-9503110-7-5

Soluciones tecnológicas para la gestión del conocimiento en ciudades inteligentes

6 USO DE CONOCIMIENTO PARA LA SOLUCIÓN DE PROBLEMAS DE INTEGRACIÓN

Fig. 4. Patrones para la implementación de la tecnología de integración de datos

658 REAL CORP 2014:

7 USO DE CONOCIMIENTO PARA LA SOLUCIÓN DE PROBLEMAS DE FUSIÓN

Fig. 5. Grupos de patrones para la implementación de la tecnología de fusión de datos

Procedimientos REAL CORP 2014 TagungsbandISBN: 978-3-9503110-6-8 (CD-ROM); ISBN: 978-3-9503110-7-5

Soluciones tecnológicas para la gestión del conocimiento en ciudades inteligentes

Fig. 6 (a). Patrones para la implementación de la tecnología de fusión de datos

Fig. 6 (b). Patrones para la implementación de la tecnología de fusión de datos

Fig. 6 (c). Patrones para la implementación de la tecnología de fusión de datos

660 REAL CORP 2014:

F1.1.2 Segmen- Patrones para la representación de series

Procedimientos REAL CORP 2014 TagungsbandISBN: 978-3-9503110-6-8 (CD-ROM); ISBN: 978-3-9503110-7-5

Technological Solutions for Knowledge Management in Smart Cities

8 USAGE OF TECHNOLOGICAL SOLUTIONS

662 REAL CORP 2014:

Technological Solutions for Knowledge Management in Smart Cities

664 REAL CORP 2014:

Вам также может понравиться