ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ Επιστήμη του Διαδικτύου «Web Science»

Transcript

1 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ Επιστήμη του Διαδικτύου «Web Science» ΜΕΤΑΠΤΥΧΙΑΚΗ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα (Publishing and Visualization of Linked Data on Road Safety in Greece) Γεωργιλά Χιονία ΕΠΙΒΛΕΠΩΝ: Χαράλαμπος Μπράτσας ΕΔΙΠ Υπό την εποπτεία του κ. Χρόνη Μωυσιάδη, Καθηγητή, Τμήμ. Μαθηματικών, ΑΠΘ Θεσσαλονίκη, Δεκέμβριος 2014

2

3 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ Επιστήμη του Διαδικτύου «Web Science» ΜΕΤΑΠΤΥΧΙΑΚΗ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα (Publishing and Visualization of Linked Data on Road Safety in Greece) Γεωργιλά Χιονία ΕΠΙΒΛΕΠΩΝ: Χαράλαμπος Μπράτσας ΕΔΙΠ Υπό την εποπτεία του κ. Χρόνη Μωυσιάδη, Καθηγητή, Τμήμ. Μαθηματικών, ΑΠΘ Εγκρίθηκε από την Τριμελή Εξεταστική Επιτροπή την... Χ. Μπράτσας ΕΔΙΠ Ι. Αντωνίου Καθηγητής Α.Π.Θ. Θεσσαλονίκη, Δεκέμβριος 2014 Π. Μπαμίδης Επ. Καθηγητής Α.Π.Θ.

4 .. Γεωργιλά Δ. Χιονία Πτυχιούχος Μηχανικός Ηλεκτρονικών Υπολογιστών και Πληροφορικής Παν. Πατρών Copyright Χιονία Δ. Γεωργιλά 2014 Με επιφύλαξη παντός δικαιώματος. All rights reserved. Απαγορεύεται η αντιγραφή, αποθήκευση και διανομή της παρούσας εργασίας, εξ ολοκλήρου ή τμήματος αυτής, για εμπορικό σκοπό. Επιτρέπεται η ανατύπωση, αποθήκευση και διανομή για σκοπό μη κερδοσκοπικό, εκπαιδευτικής ή ερευνητικής φύσης, υπό την προϋπόθεση να αναφέρεται η πηγή προέλευσης και να διατηρείται το παρόν μήνυμα. Ερωτήματα που αφορούν τη χρήση της εργασίας για κερδοσκοπικό σκοπό πρέπει να απευθύνονται προς τον συγγραφέα. Οι απόψεις και τα συμπεράσματα που περιέχονται σε αυτό το έγγραφο εκφράζουν τον συγγραφέα και δεν πρέπει να ερμηνευτεί ότι εκφράζουν τις επίσημες θέσεις του Α.Π.Θ.

5 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα ΠΕΡΙΛΗΨΗ Σκοπός της εργασίας ήταν χρησιμοποιώντας τις αρχές των Συνδεδεμένων Δεδομένων, να δημοσιευτούν δύο Σύνολα Συνδεδεμένων Δεδομένων με βάση τα στοιχεία των Τροχαίων Ατυχημάτων στην Ελλάδα και στη συνέχεια να δημιουργηθούν εφαρμογές απεικόνισης των δεδομένων αυτών σε γεωγραφικούς χάρτες και στατιστικά διαγράμματα. Η εργασία περιγράφει αναλυτικά τις φάσεις προ-επεξεργασίας των δεδομένων, δημιουργίας των οντολογιών, μετατροπής των δεδομένων σε RDF μοντέλο και διασύνδεσής τους με άλλα σύνολα δεδομένων, αποθήκευσης και διαχείρισης τους σε Triplestore και δημοσίευσής τους στο Web of Data. Χρησιμοποιήθηκαν εργαλεία ανοικτού κώδικα και ακολουθήθηκαν μεθοδολογίες τόσο για τη δημιουργία των Οντολογιών όσο και για τη μοντελοποίηση και τη δημοσίευση των Συνδεδεμένων Δεδομένων. Δημοσιεύτηκαν δύο Οντολογίες: μία για την περιγραφή των Θανατηφόρων Τροχαίων Ατυχημάτων στην Ελλάδα και μία για τις Στατιστικές Μετρήσεις σχετικά με τα Θανατηφόρα Τροχαία Ατυχήματα στην Ελλάδα ενώ δημοσιεύτηκαν και τα αντίστοιχα σύνολα δεδομένων τόσο σε RDF dump μορφή, όσο και μέσω του Virtuoso Triplestore. Κατασκευάστηκαν δύο javascript εφαρμογές που διατίθενται στη διεύθυνση ενσωματώνοντας τα Google maps και Google charts apis ΛΕΞΕΙΣ-ΚΛΕΙΔΙΑ Συνδεδεμένα Δεδομένα, Google maps και Google charts apis, Τροχαία Ατυχήματα στην Ελλάδα 5

6 Γεωργιλά Χιονία ABSTRACT The purpose of this study is firstly, by using the principles of Linked Data, to publish two Linked Datasets for Road Accidents in Greece and then to create visuaization applications (with maps and charts) for these datasets. This paper describes in detail the phases of data pre-processing, ontologies creation, data rdfizing, data linking, data storage and management in Virtuoso Triplestore and finally data publishing in the Web of Data. During this study, open source tools were used and Οntology development and Linked Data modelling and publishing methodologies were applied. There are three basic outcomes: the publication of two Ontologies - one for the description of road fatalities in Greece and one for the statistical measurement of road fatalities in Greece - the publication of two Datasets and the development of two javascript applications which are available at ΛΕΞΕΙΣ-ΚΛΕΙΔΙΑ Linked Data, Google maps and Google charts apis, Road Fatalities in Greece 6

7 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Πίνακας Περιεχομένων 1. Τί είναι τα Συνδεδεμένα Δεδομένα (Linked Data) Οι βασικές τεχνολογίες του Web για τα ΣΔ Το πρωτόκολλο HTTP Το σύστημα διευθυνσιοδότησης URIs Το μοντέλο δεδομένων RDF Αρχές των Συνδεδεμένων Δεδομένων Χρήση URIs για την ονομασία των πραγμάτων Χρήση dereferenceable URIs Hash URIs URIs Παροχή χρήσιμων RDF πληροφοριών Δημιουργία συνδέσμων προς URIs άλλων datasets Γλώσσες Μοντελοποίησης (RDFS, OWL, SKOS) RDFS OWL SKOS RDF Data Cube Vocabulary VoiD SPARQL Ροή εργασίας Εργαλεία και Μεθοδολογίες που χρησιμοποιήθηκαν στη δημιουργία και δημοσίευση των datasets Εργαλείο OpenRefine Εργαλείο Vapour Εργαλείο W3C Validaror Εργαλείο RDF2RDF Validator Εργαλείο Parrot Μεθοδολογία An Ontology Development Methodology proposed by Noy and McGuinness Εργαλείο SILK Εργαλείο Virtuoso Εργαλείο Pubby Εργαλείο curl LinkSailor LD Browser Μεθοδολογία Linked Data Patterns : A pattern catalogue for modelling, publishing, and consuming Linked Data by Leigh Dodds and Ian Davis Εργαλεία που χρησιμοποιήθηκαν για προβολή και οπτικοποίηση Google Maps API Google Fusion Tables Δημιουργία και δημοσίευση των datasets Πρώτο dataset Θανατηφόρα Τροχαία Ατυχήματα Αναζήτηση και προεπεξεργασία πρωτογενών δεδομένων Τροχαίων Ατυχημάτων Δημιουργία ΟντολογίαςΤροχαίων Ατυχημάτων Συγγραφή Οντολογίας Τροχαίων Ατυχημάτων RDF Validation της Οντολογίας Τροχαίων Ατυχημάτων Δημιουργία HTML αναπαράστασης Oντολογίας Τροχαίων Ατυχημάτων

8 Γεωργιλά Χιονία Δημοσίευση Οντολογίας Τροχαίων Ατυχημάτων Έλεγχος δημοσίευσης (derefencing) Οντολογίας Τροχαίων Ατυχημάτων Καταχώρηση στo directory οντολογιών Linked Open Vocabularies (LOV) RDFizing του dataset Δημιουργία συνδέσμων προς άλλα datasets Void desciption Δημοσίευση dataset RDF dump Φόρτωση στο Virtuoso Triplestore Δημοσίευση με τη βοήθεια του Pubby Έλεγχος δημοσίευσης dataset Έλεγχος δημοσίευσης dataset με Vapour Έλεγχος δημοσίευσης dataset με curl Έλεγχος δημοσίευσης dataset με Mozilla Firefox και LD browser Linksailor Δημοσίευση σε δημόσιους καταλόγους δεδομένων και σε semantic search engines Δεύτερο dataset Στατιστικά Θανατηφόρων Τροχαίων Ατυχήματων Αναζήτηση και προεπεξεργασία πρωτογενών δεδομένων για Στατιστικά Θανατηφόρων Τροχαίων Ατυχημάτων Δημιουργία Οντολογίας για Στατιστικά Θανατηφόρων Τροχαίων Ατυχημάτων Συγγραφή Οντολογίας για Στατιστικά Θανατηφόρων Τροχαίων Ατυχημάτων RDF Validation της Οντολογίας Στατιστικών Τροχαίων Ατυχημάτων Δημιουργία HTML αναπαράστασης οντολογίας Στατιστικών Τροχαίων Ατυχημάτων Δημοσίευση Οντολογίας Στατιστικών Τροχαίων Ατυχημάτων Έλεγχος δημοσίευσης (derefencing) Οντολογίας Στατιστικών Τροχαίων Ατυχημάτων RDFizing των datasets Void decsription Δημοσίευση dataset για Στατιστικά Θανατηφόρων Τροχαίων Ατυχημάτων RDF dump Φόρτωση στο Virtuoso Triplestore Δημοσίευση με τη βοήθεια του Pubby Έλεγχος δημοσίευσης dataset και δημοσίευση στο CKAN Eφαρμογή Απεικόνιση Τροχαίων Ατυχημάτων σε Γεωγραφικό Χάρτη Χαρακτηριστικά εφαρμογής Eφαρμογή Προβολή Διαγραμμάτων για τα Στατιστικά των Τροχαίων Ατυχημάτων Χαρακτηριστικά εφαρμογής Συμπεράσματα Αναφορές

9 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Εισαγωγή 1. Τί είναι τα Συνδεδεμένα Δεδομένα (Linked Data) Η έννοια των Συνδεδεμένων Δεδομένων προτάθηκε αρχικά από τον Tim Berners-Lee to 2006 στο Note on Linked Data [21] και αναφέρεται σε δεδομένα που δημοσιεύονται στο Web, έτσι ώστε να είναι αναγνώσιμα από τη μηχανή, να έχουν νόημα σαφώς καθορισμένο, να συνδέονται με εξωτερικά δεδομένα και να μπορούν να συνδεθούν σε αυτά άλλα εξωτερικά σύνολα δεδομένων. Δηλαδή τα Συνδεδεμένα Δεδομένα είναι μία μέθοδος για τη δημοσίευση, τη σύνδεση και το μοίρασμα δεδομένων στον Παγκόσμιο Ιστό. Παρόλο που είναι δυνατό να δημοσιεύσουμε δεδομένα τοποθετώντας απλώς ένα PDF ή ένα HTML αρχείο σε ένα web site, αυτό είναι μία μεθόδος που εξυπηρετεί τους ανθρώπους που θα τα διαβάσουν. Ωστόσο, αν οι άνθρωποι θέλουν να πάρουν τα δεδομένα που βρίσκονται πίσω από μία τέτοια δημοσίευση για να τα χρησιμοποιήσουν ξανά με ένα δικό τους τρόπο, τότε αυτό είναι αδύνατο. Ούτε φυσικά μπορούν να συνδυάσουν τα δεδομένα αυτά με άλλα παρέχοντας νέες υπηρεσίες. Από την άλλη, η δημοσίευση των δεδομένων σε μία δομημένη μορφή, για παράδειγμα σε ένα Excel αρχείο, επιτρέπει την ανάλυση και τη χρήση τους από άλλες εφαρμογές. Όμως και σε αυτήν την περίπτωση η δομή και η σημασία των δεδομένων δεν είναι διαθέσιμη και ο αναλυτής θα πρέπει να αναζητήσει βοήθεια προκειμένου να τα χρησιμοποιήσει. Επιπλέον σε ένα Excel αρχείο δεν υπάρχει σύνδεση ανάμεσα στις πληροφορίες που παρέχονται στα διάφορα spreadsheets. Το καθένα είναι σαν ένα απομονωμένο data island. Τέλος, τα δεδομένα είναι στατικά. Δηλαδή, αν αργότερα προστεθούν και άλλα δεδομένα, θα πρέπει να τα κατεβάσουμε και να τα συγκρίνουμε με τα προηγούμενα δεδομένα προκειμένου να διαπιστώσουμε τί άλλαξε. Η δημοσίευση δεδομένων με τη μορφή των Συνδεδεμένων Δεδομένων πραγματοποιείται με την εφαρμογή βασικών τεχνολογιών του Web όπως το πρωτόκολλο HTTP, το μοντέλλο δεδομένων RDF και το σύστημα διευθυνσιοδότησης URIs. Έτσι τα Συνδεμένα Δεδομένα αντί να χρησιμοποιούνται σε ιστοσελίδες που διαβάζονται από ανθώπους, μπορούν να ανακαλυφθούν και να συνδυαστούν αυτόματα από τις εφαρμογές. Συγκρίνοντας το παραδοσιακό Web με το Linked Data Web διαπιστώνουμε ότι: 1. Στο παραδοσιακό Web οποιοσδήποτε μπορεί να δημοσιεύσει οτιδήποτε για οποιοδήποτε θέμα, οποιαδήποτε στιγμή. Το ίδιο ισχύει και για το Linked Data Web, με τη διαφορά ότι τα δημοσιευμένα έγγραφα, θα πρέπει να είναι σε RDF μορφή 2. Για πρόσβαση στο παραδοσιακό Web, χρησιμοποιούμε Web browsers. Το ίδιο ισχύει και για το Linked Data Web, με τη διαφορά ότι χρειαζόμαστε Linked Data Browsers που θα καταλαβαίνουν RDF έγγραφα και θα μπορούν να ακολουθούν RDF links 3. Στο παραδοσιακό Web τα links που συνδέουν τα HTML documents είναι un-typed, ενώ στο Linked Data Web είναι typed και αυτό έχει ως αποτέλεσμα να μπορούμε να φτιάξουμε εξυπνότερες εφαρμογές. 4. Το παραδοσιακό Web παρέχει δομημένα δεδομένα που μπορούν να καταναλωθούν από Web-based εφαρμογές. Παράδειγμα τα APIs που δημοσιεύονται από μεγάλες εταιρίες (ebay, Amazon, Google) και τα αντίστοιχα mashups που χρησιμοποιούν αυτά τα APIs και παρέχουν πολύ ενδιαφέρουσα εμπειρία στους χρήστες τους. Από την άλλη τα mashups που δημιουργούνται στο Linked Data Web, τα semantic mashups, επεκτείνονται πιο εύκολα και 9

10 Γεωργιλά Χιονία δυναμικά σε datasets που μπορούν να μεγαλώνουν απεριόριστα και έτσι είναι πιο χρήσιμα από τα παραδοσιακά mashups Οι βασικές τεχνολογίες του Web για τα ΣΔ Όπως αναφέραμε και παραπάνω οι βασικές τεχνολογίες του Web στις οποίες στηρίζονται τα Συνδεδεμένα Δεδομένα είναι το πρωτόκολλο HTTP, το σύστημα διευθυνσιοδότησης URIs και το μοντέλλο δεδομένων RDF. Πιο συγκεκριμένα: Το πρωτόκολλο HTTP Σύμφωνα με το [7], το Hypertext Transfer Protocol (HTTP) είναι ένα πρωτόκολλο εφαρμογής για κατανεμημένα, συνεργαζόμενα πληροφοριακά συστήματα που βασίζονται σε υπερκείμενο και είναι το βασικό πρωτόκολλο επικοινωνίας για το World Wide Web. To HTTP λειτουργεί σαν ένα πρωτόκολλο ερωτήσεων-απαντήσεων σύμφωνα με το μοντέλο πελάτη-εξυπηρετητή. Ένας web browser λειτουργεί ως πελάτης και μία εφαρμογή που εκτελείται σε έναν υπολογιστή που φιλοξενεί ιστοσελίδες λειτουργεί ως εξυπηρετητής. Ο πελάτης στέλνει μία HTTP αίτηση στον εξυπηρετητή. Ο εξυπηρετητής ο οποίος παρέχει πληροφορίες πχ. στη μορφή HTML αρχείων ή εκτελεί άλλες λειτουργίες επιστρέφει μία απάντηση στον πελάτη. Η απάντηση περιέχει πληροφορίες σχετικά με την αίτηση καθώς και το περιεχόμενο που ζήτησε ο πελάτης. Στα Συνδεδεμένα Δεδομένα είναι ο βασικός μηχανισμός ανάκτησης των δεδομένων που είναι διαθέσιμα σε Web servers ή σε ειδικά data stores Το σύστημα διευθυνσιοδότησης URIs Τα URIs χρησιμοποιούνται για να δώσουν ταυτότητα σε οτιδήποτε μας ενδιαφέρει, δηλαδή στις οντότητες (entities) οι οποίες αναφέρονται σε συγκεκριμένα δεδομένα (π.χ. ένα συγκεκριμένο σχολείο), στις κλάσσεις (classes) ή τις έννοιες που περιέχονται στα δεδομένα (π.χ. την έννοια του Σχολείου) καθώς και στις ιδιότητες (attributes) που περιγράφουν τα δεδομένα (π.χ. το όνομα, την τοποθεσία, και τη βαθμίδα εκπαίδευσης στην οποία ανήκει). Παρόλο που τα URIs, μπορούν να αναφέρονται σε διάφορα σχήματα ονοματολογίας, συστήνεται να χρησιμοποιούνται http URLs έτσι ώστε τα συνηθισμένα web client λογισμικά να μπορούν να αναφερθούν σε αυτά με τη μέθοδο GET του πρωτοκόλλου HTTP και στη συνέχεια να ανακαλύψουν χρήσιμες πληροφορίες τόσο σε αυτά αλλά και μέσω συνδέσμων και σε άλλα σχετικά δεδομένα (dereferencing) Το μοντέλο δεδομένων RDF Το μοντέλο RDF (Resource Description Framework) [1] χρησιμοποιείται για την αναπαράσταση των δεδομένων. Το μοντέλο αυτό σχεδιάστηκε για τη συνδυασμένη αναπαράσταση πληροφοριών που προέρχονται από πολλές πηγές, διαφέρουν στην οργάνωση και περιγράφονται από διαφορετικά σχήματα. Το RDF αναπαριστά τις πληροφορίες στη μορφή κατευθυνόμενων γράφων με ετικέτες και χρησιμοποιείται σαν γλώσσα περιγραφής και μοντελοποίησης των δεδομένων που διατίθενται σαν πόροι στο Web. Η RDF αναπαράσταση παρουσιάζει την πληροφορία σαν μία σειρά από προτάσεις (ή τριπλέτες). Τα πράγματα που περιγράφονται στην πρόταση αυτή αποκαλούνται πόροι (resources). Κάθε τριπλέτα αποτελείται από τρία μέρη ως εξής: 10

11 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα subject predicate object ή υποκείμενο κατηγορούμενο αντικείμενο Το υποκείμενο της τριπλέτας είναι το URI που προσδιορίζει τον πόρο που περιγράφεται. Το αντικείμενο μπορεί να είναι είτε μία απλή σταθερή τιμή (literal value) (πχ κείμενο, αριθμός ή ημερομηνία) ή το URI κάποιου άλλου πόρου που συνδέεται με το υποκείμενο με κάποιο τρόπο. Το κατηγορούμενο προσδιορίζει τη σχέση που υπάρχει ανάμεσα στο υποκείμενο και στο αντικείμενο για παράδειγμα το όνομα ενός σχολείου, η ημερομηνία κατά την οποία συνέβει κάποιο ατύχημα, ή το είδος του αυτοκινήτου που ενεπλάκει σε κάποιο τροχαίο ατύχημα. Το κατηγορούμενο προσδιορίζεται κι αυτό με ένα URI. Tα URIs που χρησιμοποιούνται ως κατηγορούμενα προέρχονται από λεξιλόγια (vocabularies), δηλαδή συλλογές από όρους (με συγκεκριμένα URIs) που μπορούν να χρησιμοποιηθούν για να αναπαραστήσουν και να περιγράψουν πληροφορίες σχετικά με κάποιο γνωστικό τομέα. Για παράδειγμα μπορούμε να κάνουμε μία πρόταση σχετικά με το όνομα του σχολείου ως εξής: sch: rdfs:label "2ο ΓΕΝΙΚΟ ΛΥΚΕΙΟ ΘΕΡΜΗΣ" όπου sch: παριστάνει το URI και rdfs:label παριστάνει το URI που αντιστοιχεί στην ιδιότητα που χρησιμοποιείται για να αποδοθεί ένα όνομα σε κάποιο πόρο. Το RDF εκτός από την απλότητα του και το ότι βασίζεται στον προσδιορισμό των resources με τη βοήθεια των URIs, έχει και ένα άλλο χαρακτηριστικό πολύ σημαντικό για τη χρήση του στα Συνδεδεμένα Δεδομένα: είναι ανεξάρτητο από κάποιο σχήμα δεδομένων, δηλαδή είναι ανοικτό. Αυτό συμβαίνει επειδή στο RDF όλα παριστάνονται με προτάσεις, είτε είναι ιδιότητες, (δηλαδή το αντικείμενο της πρότασης είναι μία σταθερά), είτε είναι σύνδεσμοι, (δηλαδή το αντικείμενο της πρότασης είναι ένα URI). Αυτό σημαίνει ότι δε χρειάζεται να υπάρχει ένα παγκόσμιο και ομόφωνα συμφωνημένο σχήμα για τα δεδομένα (πχ. για κάθε πληροφορία που μπορεί να ειπωθεί σχετικά με ένα σχολείο). Αντιθέτως, διαφορετικοί οργανισμοί μπορούν να δημοσιεύσουν διαφορετικές προτάσεις για το ίδιο σχολείο, χρησιμοποιώντας τις δικές τους ιδιότητες. Ωστόσο χρειαζόμαστε να συμφωνήσουμε σε κάποια βασικά λεξιλόγια (vocabularies) όρων. Το RDF μοντέλο ως μηχανισμός περιγραφής πόρων είναι μια σημαντική συνιστώσα του Semantic Web και αποτελεί ένα εξελικτικό στάδιο του World Wide Web όπου τα αυτοματοποιημένα λογισμικά θα μπορούν να αποθηκεύσουν, να ανταλλάξουν και να χρησιμοποιήσουν machinereadable πληροφορία κατανεμημένη στο Web, επιτρέποντας με τον τρόπο αυτό στους χρήστες να αντιμετωπίσουν τις πληροφορίες με μεγαλύτερη αποτελεσματικότητα. Επιπλέον, επειδή μία συλλογή από RDF προτάσεις αναπαριστά έναν κατευθυνόμενο γράφο με ετικέτες, ένα μοντέλο δεδομένων που βασίζεται στην RDF αναπαράσταση είναι πιο κατάλληλο για συγκεκριμένα είδη δεδομένων, από το σχεσιακό μοντέλο ή το μοντέλο οντοτήτων. Ωστόσο, στην πράξη τα RDF δεδομένα αποθηκεύονται σε σχεσιακές βάσεις δεδομένων ή σε βάσεις δεδομένων ειδικά κατασκευασμένες για την αποθήκευση και ανάκτηση τριπλετών (Triplestores). 11

12 Γεωργιλά Χιονία 1.2. Αρχές των Συνδεδεμένων Δεδομένων Ο όρος Συνδεδέμα Δεδομένα αναφέρεται επίσης σε ένα σύνολο από καλές πρακτικές για τη δημοσίευση και τη διασύνδεση δομημένων δεδομένων στο Web. Αυτές οι καλές πρακτικές οι οποίες ορίστηκαν από τον Tim Berners-Lee στο [21] και είναι γνωστές σαν Αρχές των Συνδεδεμένων Δεδομένων είναι οι ακόλουθες: 1. Χρήση URIs για την ονομασία των πραγμάτων. 2. Χρήση HTTP URIs, έτσι ώστε οι άνθρωποι να μπορούν να τα αναζητήσουν. 3. Όταν κάποιος αναζητά ένα URI, να του παρέχονται χρήσιμες πληροφορίες με τη βοήθεια των standards (RDF, SPARQL) 4. Να συμπεριλαμβάνονται σύνδεσμοι σε άλλα URIs, έτσι ώστε οι άνθρωποι και οι εφαρμογές να μπορούν να ανακαλύψουν περισσότερες πληροφορίες Χρήση URIs για την ονομασία των πραγμάτων Για να δημοσιεύσουμε δεδομένα στο Web, θα πρέπει πρώτα τα στοιχεία στα οποία θα αναφερθούμε να προσδιορίζονται. Τα στοιχεία αυτά μπορεί να αφορούν οντότητες του πραγματικού κόσμου, αφηρημένες έννοιες καθώς και τις μεταξύ τους σχέσεις. Καθώς τα Linked Data βασίζονται στην ήδη υπάρχουσα αρχιτεκτονική του Web και καθώς το Web χρησιμοποιεί ως μηχανισμό ονομασίας των εγγράφων του τα HTTP URIs, επιλέχτηκε να χρησιμοποιηθούν τα HTTP URIs για την ονομασία πραγμάτων στα LD και όχι κάποιο άλλο σχήμα ονομασίας όπως τα URNs ή τα DOIs. Το πλεονέκτημα των HTTP URIs είναι ότι όχι μόνο παρέχουν ένα μηχανισμό για κατανεμημένη δημιουργία ενός παγκόσμια μοναδικού ονόματος (καθώς αρκεί να κατέχεις ένα domain name για να δημιουργήσεις τα δικά σου μοναδικά ονόματα), αλλά επίσης μέσω του πρωτοκόλλου HTTP παρέχουν ένα τρόπο για πρόσβαση στις πληροφορίες που αφορούν την οντότητα που προσδιορίζεται Χρήση dereferenceable URIs Σύμφωνα με το [32] κάθε HTTP URI πρέπει να είναι dereferenceable, δηλαδή τόσο οι άνθρωποι όσο και τα σχετικά λογισμικά (user agents) να μπορούν εύκολα να ανακαλύψουν πληροφορίες για την οντότητα που προσδιορίζει το συγκεκριμένο URI, είτε η οντότητα αυτή αφορά κλασσικά HTML έγγραφα, είτε πραγματικά αντικείμενα ή έννοιες. Ο Web server θα πρέπει να επιστρέψει στον client τις πληροφορίες για την οντότητα, σε HTML μορφή όταν πρόκειται η πληροφορία να διαβαστεί από έναν client του κλασικού Web ή σε RDF μορφή, όταν πρόκειται η πληροφορία να διαβαστεί από έναν Linked Data client. Όταν τα URIs προσδιορίζουν πραγματικά αντικείμενα, δεν πρέπει να συγχέονται τα αντικείμενα με τα Web έγγραφα που τα περιγράφουν. Για το λόγο αυτό χρησιμοποιούνται διαφορετικά URIs για να προσδιορίσουν το πραγματικό αντικείμενο και το έγγραφο που το περιγράφει και επιπλέον χρησιμοποιείται ο μηχανισμός του πρωτοκόλλου HTTP που ονομάζεται content negotiation. Η βασική ιδέα αυτού του μηχανισμού είναι ότι οι HTTP πελάτες στέλνουν με κάθε αίτηση HTTP επικεφαλίδες για να προσδιορίσουν το είδος των εγγράφων που προτιμούν. Οι servers εξετάζουν τις επικεφαλίδες και επιλέγουν την κατάλληλη απάντηση. Αν ο πελάτης προτιμά έγγραφο σε μορφή HTML, τότε ο server θα απαντήσει στέλνοντας ένα HTML έγγραφο. Αν ο πελάτης προτιμά έγγραφο σε μορφή RDF, τότε ο server θα απαντήσει στέλνοντας ένα RDF έγγραφο. Σύμφωνα με το [4] υπάρχουν δύο στρατηγικές με τις οποίες μπορούμε να κάνουμε dereferenceable τα URIs που προσδιορίζουν πραγματικά αντικείμενα. Και οι δύο στρατηγικές διασφαλίζουν ότι τα αντικείμενα και τα έγγραφα που τα περιγράφουν δεν θα μπερδευτούν και τόσο οι άνθρωποι όσο και 12

13 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα οι μηχανές θα μπορούν να ανακτήσουν το σωστή μορφή πληροφορίας. Οι στρατηγικές ονομάζονται 303 URIs και hash URIs και ο κανόνας για την επιλογή τους κατά τη διαδικασία της δημοσίευσης των Linked data είναι ο ακόλουθος: Τα hash URIs είναι προτιμότερα για μικρά και σταθερά σύνολα από resources και άρα είναι ιδανικά για RDFS vocabularies και OWL οντολογίες. Επίσης τα hash URIs χωρίς content negotiation μπορούν να υλοποιηθούν με απλή διάθεση των static RDF αρχείων σε ένα Web server, χωρίς να απαιτείται ειδική ρύθμιση στο server. Αυτός είναι ο πιο απλός και γρήγορος τρόπος για δημοσίευση RDF δεδομένων Hash URIs Σύμφωνα με το [4] αυτή η στρατηγική χρησιμοποείται για τους πόρους που δεν αφορούν έγγραφα του Web χρησιμοποιούμε hash URIs δηλαδή URIs που περιέχουν ένα fragment, ένα ειδικό μέρος που ξεχωρίζει από το υπόλοιπο URI με ένα σύμβολο hash ( # ). Όταν ο Web client ζητήσει ένα hash URI, τότε το HTTP πρωτόκολλο αφαιρεί το fragment από το URI πριν το ζητήσει από τον server. Ένα παράδειγμα θα ήταν αν η εταιρεία Example Inc. χρησιμοποιούσε τα ακόλουθα URIs για να αναπαραστήσει την εταιρεία, την Alice και τον Bob: Οντότητα URI Η εταιρεία Example Inc. Ο άνθρωπος Bob Ο άνθρωπος Alice Οι HTTP αιτήσεις για οποιοδήποτε από τα παραπάνω URIs, μετατρέπονται σε αίτηση για το ίδιο URI: το οποίο είναι ένα RDF έγγραφο που περιγράφει τις οντότητες Example Inc., Bob και Alice χρησιμοποιώντας τα αρχικά hash URIs για να προσδιορίσει τις οντότητες. Η στρατηγική αυτή μπορεί να χρησιμοποιηθεί είτε όταν ο server διαθέτει μόνο RDF έγγραφο για περιγραφή των οντοτήτων (Eικόνα 1), οπότε δεν απαιτείται content negotiation, Εικόνα 1: Αίτηση για URI χωρίς content negotiation 13

14 Γεωργιλά Χιονία είτε όταν ο server διαθέτει και RDF και HTML έγγραφο για περιγραφή των οντοτήτων (Eικόνα 2), οπότε απαιτείται content negotiation. Εικόνα 2: Αίτηση για URI και content negoatiation URIs Σύμφωνα με αυτήν τη στρατηγική για τους πόρους που δεν αφορούν έγγραφα του Web χρησιμοποιούμε slash URIs δηλαδή URIs που δεν περιέχουν το σύμβολο hash ( # ). Όταν ο Web client ζητήσει ένα slash URI, θα πρέπει ταυτόχρονα να προσδιορίσει μέσω του Accept πεδίου της HTTP αίτησης τη μορφή του εγγράφου (HTML ή RDF) που επιθυμεί να λάβει ως απάντηση. Τότε ο Web server θα απαντήσει με ένα 303 redirect status code, επιστρέφοντας επίσης στο πεδίο Content-Location της HTTP απάντησης το URI από το οποίο ο client μπορεί να αναζητήσει τη συγκεκριμένη περιγραφή. Ένα παράδειγμα θα ήταν αν η εταιρεία Example Inc. χρησιμοποιούσε τα ακόλουθα URIs για να αναπαραστήσει την εταιρεία, την Alice και τον Bob: Οντότητα URI Η εταιρεία Example Inc. Ο άνθρωπος Bob Ο άνθρωπος Alice Στην περίπτωση αυτή ο Web server θα πρέπει να ρυθμιστεί έτσι ώστε να απαντά σε αιτήσεις για όλα αυτά τα URIs με το 303 status code και τις κατάλληλες πληροφορίες στο ContentLocation της HTTP επικεφαλίδας παρέχοντας το URL του εγγράφου που παριστανει την οντότητα. Για παράδειγμα για να κατευθύνει από το στο Αν τα RDF και HTML έγγραφα περιέχουν τις ίδιες πληροφορίες τότε πρέπει να εφαρμοστεί η τεχνική που φαίνεται στην Εικόνα 3. 14

15 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Εικόνα 3: Redirection και Content Negotiation Ενώ σε περίπτωση που οι RDF και HTML αναπαραστάσεις των οντοτήτων διαφέρουν σημαντικά τότε θα πρέπει να επιλεγούν URIs παρόμοια με το παράδειγμα που ακολουθεί: Οντότητα URI Η εταιρεία Example Inc. Ο άνθρωπος Bob Ο άνθρωπος Alice RDF έγγραφο για την Example Inc. RDF έγγραφο για τον Bob RDF έγγραφο για την Alice Πάλι ο Web server θα πρέπει να ρυθμιστεί για να απαντά με 303 status code και Location HTTP header που θα παρέχει το URL του εγγράφου που παριστάνει την οντότητα Παροχή χρήσιμων RDF πληροφοριών Σύμφωνα με την τρίτη Αρχή των Συνδεδεμένων Δεδομένων: όταν κάποιος αναζητά ένα URI, θα πρέπει να του παρέχεται χρήσιμη RDF πληροφορία με τη βοήθεια standards όπως το RDF και η SPARQL. Αν θεωρήσουμε ότι ένα dataset περιγράφεται με RDF τριπλέτες, τότε η RDF περιγραφή ενός συγκεκριμένου resource θα πρέπει να περιλαμβάνει: 1. Τριπλέτες που περιγράφουν το resource με τη βοήθεια literals 2. Τριπλέτες που περιγράφουν το resource συνδέοντας το με άλλα resources 15

16 Γεωργιλά Χιονία 3. Τριπλέτες που περιγράφουν το resource περιέχοντας συνδέσμους από άλλα datasets (incoming links) 4. Τριπλέτες που περιγράφουν σχετικά resources 5. Τριπλέτες που περιγράφουν την ίδια την περιγραφή 6. Τριπλέτες που περιγράφουν το dataset στο οποίο ανήκει το resource Δημιουργία συνδέσμων προς URIs άλλων datasets Σύμφωνα με την τρίτη Αρχή των Συνδεδεμένων Δεδομένων: θα πρέπει να συμπεριλαμβάνουμε RDF συνδέσμους σε URIs που ανήκουν σε άλλα datasets έτσι ώστε να μπορούν να ακαλυφθούν σχετικές πληροφορίες. Αυτά τα εξωτερικά RDF links είναι θεμελιώδη για το Web των Data καθώς συνδέουν απομονωμένα data islands σε ένα παγκόσμιο, διασυνδεδεμένο χώρο δεδομένων και επιτρέπουν σε εφαρμογές να ανακαλύψουν επιπλέον σύνολα δεδομένων με τη μέθοδο follow-your-nose. Από τεχνικής άποψης ένα εξωτερικό RDF link είναι μία RDF τριπλέτα στην οποία το υποκείμενο της τριπλέτας είναι ένα URI που ανήκει στο namespace ενός συνόλου δεδομένων, ενώ το κατηγορούμενο ή/και το αντικείμενο της τριπλέτας είναι ένα URI που ανήκει στο namespace κάποιου άλλου συνόλου δεδομένων. Dereferencing αυτών των URIs δίνει μία περιγραφή του συνδεδεμένου πόρου, όπως αυτή παρέχεται από έναν απομακρυσμένο server. Η περιγραφή αυτή συνήθως περιέχει επιπλέον RDF links που δείχνουν σε άλλα URIs τα οποία με τη σειρά τους, μπορούν και αυτά να γίνουν dereferenced, κοκ. Με τον τρόπο αυτό ένας Linked Data browser μπορεί να πλοηγηθεί στο Web of Data και το robot μιας μηχανής αναζήτησης μπορεί να το διερευνήσει. Υπάρχουν τρεις τύποι RDF links: 1. Relationship Links οι οποίοι δείχνουν σε σχετικά πράγματα σε άλλα data sources 2. Identity Links οι οποίοι δείχνουν σε URI aliases που χρησιμοποιούνται από άλλα data sets για να προσδιορίσουν το ίδιο αντικείμενο ή την ίδια έννοια. Μέσω των identity links τα λογισμικά πελάτη μπορούν να ανακτήσουν επιπλέον πληροφορίες σχετικά με κάποια οντότητα από κάποιο άλλο dataset. Τα links αυτά έχουν ιδιαίτερη σημασία καθώς επιτρέπουν τη σύνδεση διαφορετικών απόψεων για κάποιο πόρο του Web of Data. 3. Vocabulary Links οι οποίοι συνδέουν τα δεδομένα με τους ορισμούς των όρων του λεξιλόγιου που χρησιμοποιείται για να τα περιγράψει, καθώς και με τους ορισμούς σχετικών όρων που ανήκουν σε άλλα λεξιλόγια. Με τον τρόπο αυτό τα δεδομένα περιγράφουν τον εαυτό τους και επιτρέπουν σε Linked Data εφαρμογές να κατανοήσουν και να συνδυάσουν δεδομένα που περιγράφονται από διάφορα λεξιλόγια. To RDF είναι ένα γενικό μοντέλο δεδομένων και δεν παρέχει όρους σχετικούς με κάποιο συγκεκριμένο γνωστικό πεδίο για την περιγραφή των κλάσσεων και των σχέσεων μεταξύ τους. Αυτό γίνεται με τη χρήση των taxonomies, των vocabularies και των ontologies με τη βοήθεια της SKOS (Simple Knowledge Organization System), της RDFS (RDF Schema) και της OWL (Web Ontology Language). 16

17 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα 2. Γλώσσες Μοντελοποίησης (RDFS, OWL, SKOS) 2.1. RDFS Σύμφωνα με το [22] το RDF Schema είναι μία επέκταση του βασικού RDF vocabulary και χρησιμοποιείται για την κατασκευή μοντέλων που αφορούν RDF δεδομένα. Με άλλα λόγια η RDFS είναι μία γλώσσα για τη δημιουργία απλών οντολογιών σε RDF, γνωστών ως vocabularies. Το βασικό vocabulary της RDFS ορίζεται στο namespace που προσδιορίζεται από το ακόλουθο URI: και αναφέρεται συνήθως με το prefix rdfs: Οι βασικές κλάσεις του RDFS είναι οι ακόλουθες: Class URI Σημασία rdfs:resource Η κλάση για τα πάντα. Όλες οι άλλες κλάσεις είναι υποκλάσεις της. (Όλα τα πράγματα που περιγράφονται με το RDF αποκαλούνται resources, και είναι instances της κλάσης rdfs:resource. ) rdfs:class Η κλάση των resources που είναι RDF κλάσεις rdfs:literal Η κλάση των σταθερών τιμών (π.χ. strings και integers) rdfs:datatype Η κλάση των τύπων δεδομένων Οι βασικές ιδιότητες του RDFS που χρησιμοποιούνται στις εφαρμογές των Linked Data είναι οι ακόλουθες: Property URI Σημασία Domain rdfs:range Δείχνει ότι οι τιμές μιας ιδιότητας είναι rdf:property instances κάποιας ή κάποιων κλάσεων. rdfs:class rdfs:domain Δείχνει ότι οποιοδήποτε resource που έχει τη rdf:property συγκεκριμένη ιδιότητα είναι instance μιας ή περισσότερων κλάσεων. rdfs:class rdfs:subclassof Δείχνει ότι όλα τα instances μιας κλάσης rdfs:class είναι και instances μιας άλλης κλάσης. rdfs:class rdfs:subpropertyof Δείχνει ότι όλα τα resources που σχετίζονται rdf:property με μία ιδιότητα σχετίζονται επίσης και με μία άλλη ιδιότητα. rdf:property rdfs:label Παρέχει το όνομα του resource σε μορφή που rdfs:resource rdfs:literal είναι αναγνώσιμη από τους ανθρώπους (μπορεί να δίνεται σε πολλές γλώσσες με τη 17 Range

18 Γεωργιλά Χιονία βοήθεια του language tagging). rdfs:comment Παρέχει την περιγραφή του resource σε rdfs:resource rdfs:literal μορφή που είναι αναγνώσιμη από τους ανθρώπους (μπορεί να δίνεται σε πολλές γλώσσες με τη βοήθεια του language tagging) και επεξηγεί τη σημασία των RDF κλάσεων και ιδιοτήτων. rdfs:seealso To resource που χρησιμοποιείται σαν rdfs:resource rdfs:resource αντικείμενο παρέχει επιπλέον πληροφορίες σχετικά με το resource που χρησιμοποιείται ως υποκείμενο. rdfs:isdefinedby To resource που χρησιμοποιείται σαν rdfs:resource rdfs:resource αντικείμενο είναι συνήθως ένα RDF vocabulary το οποίο περιγράφει το resource που χρησιμοποιείται ως υποκείμενο OWL Σύμφωνα με το [23] η OWL (Web Ontology Language) είναι μία γλώσσα κατασκευής οντολογιών που αυξάνει την εκφραστικότητα της RDFS προσθέτοντας νέες κλάσεις και νέες ιδιότητες. Το βασικό vocabulary της OWL ορίζεται στο namespace που προσδιορίζεται από το ακόλουθο URI: και αναφέρεται συνήθως με το prefix owl: Οι βασικές κλάσεις της OWL που χρησιμοποιούνται στο Semantic Web είναι οι ακόλουθες: Class URI Σημασία owl:class Είναι υποκλάση της rdfs:class owl:inversefunctionalproperty Εάν μία ιδιότητα δηλωθεί ως inverse-functional, τότε το αντικείμενο της σε μία τριπλέτα προσδιορίζει με μοναδικό τρόπο το υποκείμενο. Το αντικείμενο δηλαδή λειτουργεί όπως το μοναδικό κλειδί ενός πίνακα σε μία βάση δεδομένων. owl:ontology Δηλώνει μία οντολογία με κλάσεις, ιδιότητες και individuals. owl:thing Η κλάση όλων των individuals Οι βασικές ιδιότητες της OWL που χρησιμοποιούνται στις εφαρμογές των Linked Data είναι οι ακόλουθες: 18

19 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Property URI Σημασία Domain owl:equivalentclass Δείχνει ότι δύο κλάσεις ακριβώς τα ίδια instances owl:equivalentproperty Δείχνει ότι μία ιδιότητα σε μία rdf:property οντολογία είναι ισοδύναμη με μία ιδιότητα σε μία δεύτερη οντολογία. rdf:property owl:disjointwith Δείχνει ότι οι κλάσεις που owl:class χρησιμοποιούνται ως υποκείμενο και αντικείμενο της ιδιότητας αυτής δεν έχουν κοινά individuals. owl:class owl:inverseof Δείχνει ότι δύο ιδιότητες αντίστροφες η μία της άλλης. owl:sameas Δείχνει ότι το υποκείμενο και το owl:thing αντικείμενο είναι δύο ισοδύναμα individuals. έχουν owl:class Range owl:class είναι owl:objectproperty owl:objectproperty owl:thing 2.3. SKOS Σύμφωνα με το [24] το Simple Knowledge Organization System (SKOS) είναι ένα RDF vocabulary που χρησιμοποιείται για την αναπαράσταση συστημάτων οργάνωσης γνώσης (knowledge organization systems - KOSs), όπως θυσαυροί, ταξονομίες και σχήματα ταξινόμησης. Επειδή η SKOS βασίζεται στο μοντέλο RDF, οι αναπαραστάσεις αυτές είναι αναγνώσιμες από τη μηχανή (machine-readable) και οι εφαρμογές μπορούν να τις ανταλλάξουν και να τις δημοσιεύσουν στοweb. Το βασικό vocabulary της SKOS ορίζεται στο namespace που προσδιορίζεται από το ακόλουθο URI: και αναφέρεται συνήθως με το prefix skos: Σύμφωνα με το [25] οι βασικές κλάσεις του SKOS που χρησιμοποιούνται στις εφαρμογές των Linked Data είναι οι ακόλουθες: Class URI Σημασία skos:concept Η κλάση των εννοιών (μια έννοια μπορεί να είναι π.χ. μία ιδέα, ένα αντικείμενο ή ένα γεγογονός) skos:conceptscheme Η κλάση των σχημάτων εννοιών, όπου σχήματα εννοιών είναι σύνολα από σχετικές μεταξύ τους SKOS έννοιες. Σύμφωνα με το [25] οι βασικές ιδιότητες του SKOS που χρησιμοποιούνται στις εφαρμογές των 19

20 Γεωργιλά Χιονία Linked Data είναι οι ακόλουθες: Property URI Σημασία Domain Range skos:altlabel Δίνει μία εναλλακτική ετικέττα στην έννοια. rdfs:resource rdfs:literal Συνήθως η ετικέττα αυτή είναι ένα συνώνυμο, κάποιο ακρωνύμιο ή κάποια σύντμηση. skos:broader Το αντικείμενο της τριπλέτας είναι μία skos:concept skos:concept έννοια ευρύτερη από το υποκείμενο της τριπλέτας. skos:definition Παρέχει μία πλήρη περιγραφή της έννοιας skos:example Παρέχει ένα παράδειγμα της χρήσης της rdfs:resource rdfs:resource έννοιας rdfs:resource rdfs:resource skos:hastopconcept Συνδέει ένα concept scheme με τις πιο skos:concept skos:concept γενικές έννοιες που περιέχει Scheme skos:hiddenlabel Είναι μία ετικέττα η οποία χρησιμοποιείται rdfs:resource rdfs:literal από εφαρμογές που εκτελούν text-based indexing καθώς και διαδικασίες αναζήτησης αλλά δεν εμφανίζεται πουθενά αλλού. Χρησιμοποιούνται και για ανορθόγραφες παραλλαγές των lexical labels skos:inscheme Συνδέει ένα concept scheme resource με τα rdfs:resource skos:concept concepts που περιέχει Scheme skos:narrower Το αντικείμενο της τριπλέτας είναι μία skos:concept skos:concept έννοια στενότερη από το υποκείμενο της τριπλέτας. skos:notation Αποτελούνται από ψηφία και σύμβολα skos:preflabel Δίνει μία έννοια. skos:topconceptof Συνδέει μία έννοια με ένα σχήμα εννοιών rdfs:resource rdfs:literal προτεινόμενη ετικέττα σε μία rdfs:resource rdfs:literal skos:concept skos:concept Scheme 2.4. RDF Data Cube Vocabulary Σύμφωνα με το [18] το RDF Data Cube Vocabulary, χρησιμοποιείται για την περιγραφή συνόλων δεδομένων που περιλαμβάνουν στατιστικά στοιχεία. Ένα DataSet είναι μία συλλογή από στατιστικά δεδομένα που έχουν μία συγκεκριμένη δομή. Ένα στατιστικό dataset αποτελείται από 20

21 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα μία συλλογή από observations. Η συλλογή αυτή χαρακτηρίζεται από ένα σύνολο από διαστάσεις (dimensions) που ορίζουν σε τι αναφέρεται το observation (π.χ. χρόνος, περιοχή, γένος) μαζί με metadata που περιγράφουν τί ακριβώς μετράται (π.χ. Οικονομική δραστηριότητα, πληθυσμός) και πώς ακριβώς εκφράζονται οι παρατηρήσεις (π.χ. ευρώ, άτομα, χρόνια). Το στατιστικό dataset μπορεί να θεωρηθεί σαν ένας πολυδιάστατος χώρος, ή υπερ-κύβος, που έχει αυτές τις διαστάσεις. Ο χώρος αυτός ονομάζεται κύβος (cube) χωρίς αυτό να σημαίνει ότι έχει ακριβώς 3 διαστάσεις, ούτε ότι όλες οι διαστάσεις του έχουν ίδιο μέγεθος. Ένας κύβος αποτελείται από components τα οποία δηλώνουν πώς είναι οργανωμένος. Τα components αυτά είναι: τα dimensions, τα attributes και τα measures. Τα dimension components προσδιορίζουν τα observations. Ένα dimension είναι για παράδειγμα ο χρόνος ή η γεωγραφική περιοχή στην οποία αναφέρεται το observation. Για να προσδιορίσουμε ένα observation πρέπει να δηλώσουμε τιμές για όλα τα dimension components. Τα measure components περιγράφουν το φαινόμενο το οποίο μετριέται. Τα attribute components βοηθούν να ερμηνεύουμε τις παρατηρούμενες τιμές. Ένα attribute είναι για παράδειγμα η μονάδα μέτρησης, οποιοσδήποτε scaling factor καθώς και metadata που αφορούν την κατάσταση της παρατήρησης (π.χ. εκτιμούμενη, προσωρινή). Σαν παράδειγμα ένα μικρό dataset είναι αυτό που φαίνεται στον Πίνακα 1, το οποίο περιγράφει το προσδόκιμο ζωής κατανεμημένο ανά περιοχή, φύλο και χρονική περίοδο: Male Female Newport Cardiff Monmouthshire Merthyr Tydfil Male Female Male Female Πίνακας 1: Παράδειγμα μικρού dataset Στον παραπάνω πίνακα υπάρχουν 3 dimensions: η χρονική περίοδος, η περιοχή και το φύλο. Κάθε observation παριστάνει το προσδόκιμο ζωής (measure), για τον πληθυσμό αυτό ενώ χρειάζεται και ένα attribute που θα προσδιορίσει τη μονάδα μέτρησης των μετούμενων τιμών. Στο παράδειγμά αυτό το attribute είναι τα χρόνια. Το βασικό vocabulary του RDF Data Cube Vocabulary ορίζεται στο namespace που προσδιορίζεται από το ακόλουθο URI: και αναφέρεται συνήθως με το prefix qb: Μία σχηματική αναπαράσταση του RDF Data Cube Vocabulary φαίνεται στην Εικόνα 4. 21

22 Γεωργιλά Χιονία Εικόνα 4: Βασικοί όροι του RDF Data Cube Vocabulary Σύμφωνα με το [18] οι βασικές κλάσεις του RDF Data Cube Vocabulary που χρησιμοποιούνται στις εφαρμογές των Linked Data είναι οι ακόλουθες: Class URI Σημασία qb:componentproperty Αφηρημένη super-class όλων των ιδιοτήτων που παριστάνουν dimensions, attributes ή measures qb:dimensionproperty Η κλάση των component properties που παριστάνουν τα dimensions του κύβου. qb:attributeproperty Η κλάση των component properties που παριστάνουν τα attributes των παρατηρήσεων του κύβου πχ. η μονάδα μέτρησης. qb:measureproperty Η κλάση των component properties που παριστάνουν τις τιμές που μετριούνται για το φαινόμενο που παρατηρούμε qb:codedproperty Superclass όλων των κωδικοποιημένων component properties qb:dataset Παριστάνει μία συλλογή από παρατηρήσεις που έχουν μία κοινή δομή. qb:datastructuredefinition Ορίζει τη δομή ενός DataSet 22

23 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα qb:observation Παριστάνει μία μέτρηση που περιλαμβάνεται στο data set. Σύμφωνα με το [18] οι βασικές ιδιότητες του RDF Data Cube Vocabulary που χρησιμοποιούνται στις εφαρμογές των Linked Data είναι οι ακόλουθες: Property URI Σημασία Domain qb:attribute Εναλλακτική της qb:attributeproperty qb:attributeproperty qb:componentproperty που προσδιορίζει ότι το component είναι ένα attribute qb:codelist Η λίστα κωδικών που συνδέεται με συγκεκριμένη CodedProperty qb:codedproperty qb:component Δηλώνει ένα component specification που περιλαμβάνεται στη δομή του dataset. qb:datastructuredefi qb:componentspecifi nition cation qb:componentproperty Δηλώνει ένα ComponentProperty (π.χ. attribute ή dimension) το οποίο αναμένεται στο DataSet qb:componentset Range owl:unionof(skos:co nceptscheme skos:collection qb:hierarchicalcode List) qb:componentproper ty qb:concept Δίνει το concept το οποίο qb:componentproper skos:concept μετριέται ή στο οποίο ty γίνεται αναφορά από ένα ComponentProperty qb:dataset Δείχνει το data set στο qb:observation οποίο ανήκει το συγκεκριμένο observation. qb:dimension Εναλλακτική της qb:dimensionpropert qb:dimensionpropert qb:componentproperty που y y προσδιορίζει ότι το component είναι ένα dimension qb:measure Εναλλακτική της qb:measureproperty qb:measureproperty qb:componentproperty που προσδιορίζει ότι το component είναι ένα 23 qb:dataset

24 Γεωργιλά Χιονία measure. qb:observation Δείχνει ένα observation που qb:observationgrou qb:observation περιέχεται στιο p συγκεκριμένο data set. qb:structure Δείχνει τη δομή την οποία qb:dataset ακολουθεί το data set qb:datastructuredefi nition 2.5. VoiD Σύμφωνα με το [5], το Vocabulary of Interlinked Datasets (VoID) περιγράφει τα metadata των RDF datasets. Είναι ένα RDF Schema vocabulary που περιέχει όρους που περιγράφουν τα RDF datasets, και προορίζεται για χρήση τόσο κατά τη δημοσίευση όσο και κατά τη χρήση των RDF δεδομένων. Οι περιγραφές VoiD βοηθούν στην ανακάλυψη των δεδομένων αλλά και στην οργάνωσή τους σε καταλόγους. Το VoiD παρέχει τεσσάρων ειδών metadata: Γενικά metadata σύμφωνα με το μοντέλο του Dublin Core. Metadata πρόσβασης που περιγράφουν πώς μπορεί να γίνει πρόσβαση στα RDF δεδομένα, μέσω διαφόρων προτοκόλλων. Μetadata δομής που περιγράφουν τη δομή και το σχήμα των datasets και εξυπηρετούν λειτουργίες όπως το querying και το data integration. Περιγραφή των links ανάμεσα στα datasets που βοηθούν να καταλάβουμε πώς τα διάφορα datasets σχετίζονται μεταξύ τους και πώς μπορούν να χρησιμοποιηθούν όλα μαζί. Αναλυτικά οι κλάσεις και οι ιδιότητες που προορίζονται για περιγραφή των datasets φαίνονται στους Πίνακες 2, 3 και 4. Όρος dcterms:title dcterms:description dcterms:creator dcterms:publisher dcterms:contributor dcterms:source dcterms:created dcterms:issued dcterms:modified Σκοπός Το όνομα του dataset. Ένα κείμενο που περιγράφει το dataset. Ο δημιουργός του dataset. Μπορεί να είναι ένα RDF resource. Ο εκδότης που δημοσιεύει το dataset. Μπορεί να είναι ένα RDF resource. Μία οντότητα που συνεισφέρει στη δημιουργία του dataset. Μπορεί να είναι ένα RDF resource. Ένα resource από το οποίο έχει προκύψει το dataset. Μπορεί να είναι ένα RDF resource. Ημερομηνία δημιουργίας του dataset. Σε μορφή xsd:date. Ημερομηνία δημοσίευσης του dataset. Σε μορφή xsd:date. Ημερομηνία αλλαγής του dataset. Σε μορφή xsd:date. Πίνακας 2: dcterms metadata ενός dataset 24

25 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα VoID Term void:dataset void:datasetdescription void:linkset void:technicalfeature Description Ένα σύνολο από RDF triples που δημοσιεύονται από έναν συγκεκριμένο πάροχο. Ένα web resource του οποίου το foaf:primarytopic ή foaf:topic συμπεριλαμβάνουν void:datasets. Μία συλλογή από RDF links ανάμεσα σε δύο void:datasets. Ένα τεχνικό χαρακτηριστικό ενός void:dataset, όπως για παράδειγμα τα υποστηριζόμενα RDF serialization formats. Πίνακας 3: VoID classes για περιγραφή dataset VoID Term void:class void:classes void:datadump void:distinctobjects void:distinctsubjects void:entities void:exampleresource void:feature void:indataset void:properties void:rootresource void:sparqlendpoint void:triples void:uriregexpattern void:urispace void:vocabulary Description Η rdfs:class που είναι rdf:type όλων των entities σε κάποιο συγκεκριμένο class-based partition. Ο αριθμός των διαφορετικών κλάσεων στο void:dataset. Ένα RDF dump, μερικό ή πλήρες, ενός void:dataset. Ο αριθμός των διακριτών αντικειμένων στο void:dataset. Ο αριθμός των διακριτών υποκειμένων στο void:dataset. Ο αριθμός των οντοτήτων που περιγράφονται στο void:dataset. Χαρακτηριστικό παράδειγμα οντότητας που περιγράφεται στο void:dataset. Ένα void:technicalfeature που υποστηρίζεται από ένα void:dataset. Δείχνει το void:dataset στο οποίο ανήκει ένα έγγραφο. Ο αριθμός των διακριτών ιδιοτήτων στο void:dataset. Ένα top concept ή σημείο εισόδου για ένα void:dataset το οποίο έχει δενδρική δομή. Το SPARQL endpoint που επιτρέπει σε SPARQL queries να προσπελάσουν το void:dataset. Ο συνολικός αριθμός των τριπλετών που περιέχονται σε ένα void:dataset. Ένα regular expression που αντιστοιχεί στα URIs των οντοτήτων ενός void:dataset. Ένα URI που είναι το κοινό πρόθεμα για όλα τα URIs των οντοτήτων σε ένα void:dataset. Ένα vocabulary ή μία owl:ontology της οποίας οι κλάσεις και οι ιδιότητες χρησιμοποιούνται σε ένα void:dataset. Πίνακας 4: VoID properties για περιγραφή dataset 25

26 Γεωργιλά Χιονία 2.6. SPARQL Το επόμενο βήμα μετά τη δημοσίευση των συνδεδεμένων δεδομένων είναι η εξερεύνηση τους. HΗ εξερεύνηση αυτή στην απλούστερη περίπτωση μπορεί να γίνει αν ξεκινήσουμε από το URI κάποιου resource και ακολουθήσουμε τους συνδέσμους προς άλλα resources. Όμως σε πολλές περιπτώσεις πρέπει να ψάξουμε κάποια συλλογή δεδομένων για να βρούμε όλα τα resources που ταιριάζουν σε κάποιο ερώτημα. Χρειαζόμαστε λοιπόν μία γλώσσα ερωτημάτων κατάλληλη για δεδομένα σε μορφή γράφου. Αυτή η γλώσσα είναι η SPARQL. Σύμφωνα με το [2] η SPARQL είναι μία μία γλώσσα ερωτημάτων για βάσεις δεδομένων RDF, ικανή να ανακαλύψει και να διαχειριστεί δεδομένα που έχουν αποθηκευθεί σαν τριπλέτες της μορφής υποκείμενο-κατηγορούμενο-αντικείμενο. Έχει γίνει standard από το RDF Data Access Working Group (DAWG) του World Wide Web Consortium, και θεωρείται ως μία από τις βασικές τεχνολογίες του Semantic Web. 26

27 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα 3. Ροή εργασίας Σκοπός της παρούσας εργασίας είναι αρχικά η δημιουργία και δημοσίευση δύο Συνόλων Διασυνδεδεμένων Δεδομένων με βάση τα στοιχεία των Τροχαίων Ατυχημάτων στην Ελλάδα και στη συνέχεια η δημιουργία δύο εφαρμογών οπτικοποίησης των δεδομένων αυτών. Στον Πίνακα 5 φαίνονται οι φάσεις της διαδικασίας που ακολουθήθηκε για τη δημιουργία και τη δημοσίευση των Συνδεδεμένων Δεδομένων. Επιπλέον για κάθε φάση αναφέρονται τα εργαλεία που χρησιμοποιήθηκαν και οι μεθοδολογίες που εφαρμόστηκαν. Φάσεις υλοποίησης Εργαλεία/Μεθοδολογίες 1. Αναζήτηση δεδομένων Αναζήτηση στο Web of Documents 2. Προ-επεξεργασία δεδομένων OpenRefine 3. Δημιουργία οντολογίας Vapour, W3 Validation Service, RDF2RDF, Parrot, An Ontology Development Methodology proposed by Noy and McGuinness 4. RDFizing δεδομένων OpenRefine με extension RDF Refine 5. Δημιουργία datasets συνδέσμων προς άλλα SILK, αναζήτηση στο Web of Data 6. Αποθήκευση δεδομένων σε Triplestore Virtuoso Triplestore 7. Δημοσίευση Συνδεδεμένων Δεδομένων Virtuoso Triplestore, Pubby, curl, RDF2RDF, Linked Data Patterns : A pattern catalogue for modelling, publishing, and consuming Linked Data by Leigh Dodds and Ian Davis Πίνακας 5: Φάσεις, Εργαλεία και Μεθοδολογίες της διαδικασίας Δημιουργίας και Δημοσίευσης Συνδεδεμένων Δεδομένων Στην Εικόνα 5 φαίνεται η σχηματική αναπαράσταση των φάσεων υλοποίησης σε συνδυασμό με τα εργαλεία που χρησιμοποιήθηκαν. 27

28 Εικόνα 5: Διαδικασία Δημοσίευσης Συνδεδεμένων Δεδομένων

29 Γεωργιλά Χιονία Η διαδικασία προβολής και οπτικοποίησης των Συνδεδεμένων Δεδομένων οδήγησε στη δημιουργία 2 εφαρμογών: Εφαρμογή Απεικόνισης Τροχαίων Ατυχημάτων σε Γεωγραφικό Χάρτη και Εφαρμογή Προβολής Διαγραμμάτων για τα Στατιστικά των Τροχαίων Ατυχημάτων Όπως απεικονίζεται και στο διάγραμμα της Εικόνας 6 η εφαρμογή Απεικόνιση Τροχαίων Ατυχημάτων σε Γεωγραφικό Χάρτη περιλαμβάνει τα ακόλουθα υποσυστήματα: 1. Διερεύνηση dataset και δημιουργία κατάλληλου json αρχείου για επεξεργασία από εφαρμογή Javascript 2. Χρήση Google Maps javascript api 3. Δημιουργία Fusion Tables για ενσωμάτωση στοιχείων από την Απογραφή Πληθυσμού 4. Ενσωμάτωση αρχείων με επικίνδυνα σημεία του ελληνικού οδικού δικτύου Εικόνα 6: Υποσυστήματα της εφαρμογής Απεικόνιση Τροχαίων Ατυχημάτων σε Γεωγραφικό Χάρτη Όπως απεικονίζεται και στο διάγραμμα της Εικόνας 7 η εφαρμογή Προβολή Διαγραμμάτων για τα Στατιστικά των Τροχαίων Ατυχημάτων περιλαμβάνει τα ακόλουθα υποσυστήματα: 30

30 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα 1. Δημιουργία json αρχείων για επεξεργασία από εφαρμογή Javascript 2. Χρήση Google Charts javascript apis Εικόνα 7: Υποσυστήματα της εφαρμογής Προβολή Διαγραμμάτων για τα Στατιστικά των Τροχαίων Ατυχημάτων Η συνέχεια της εργασίας είναι δομημένη ως εξής: Οι παράγραφοι της ενότητας 4 περιγράφουν τα Εργαλεία και τις Μεθοδολογίες που χρησιμοποιήθηκαν στη δημιουργία και δημοσίευση των datasets. Οι παράγραφοι της ενότητας 5 περιγράφουν τα Εργαλεία που χρησιμοποιήθηκαν για τις εφαρμογές προβολής και οπτικοποίησης των datasets. Οι παράγραφοι των ενοτήτων 6 και 7 περιγράφουν τη Διαδικασία δημιουργίας και δημοσίευσης των datasets των Θανατηφόρων Τροχαίων Ατυχημάτων και των Στατιστικών σχετικά με τα Θανατηφόρα Τροχαία αντίστοιχα. Οι παράγραφοι 8 και 9 περιγράφουν τα Υποσυστήματα και τη Λειτουργικότητα των εφαρμογών Απεικόνιση Τροχαίων Ατυχημάτων σε Γεωγραφικό Χάρτη και Προβολή Διαγραμμάτων για τα Στατιστικά των Τροχαίων Ατυχημάτων αντίστοιχα. 31

31 Γεωργιλά Χιονία 4. Εργαλεία και Μεθοδολογίες που χρησιμοποιήθηκαν στη δημιουργία και δημοσίευση των datasets 4.1. Εργαλείο OpenRefine Το OpenRefine είναι ιδανικό για την επεξεργασία, τη διόρθωση και τον εμπλουτισμό πινακοποιημένων δεδομένων και χρησιμοποιήθηκε στις φάσεις της προεπεξεργασίας και του RDFizing των δεδομένων. Το OpenRefine (παλιότερα γνωστό και ως Google Refine) είναι ένα ισχυρό εργαλείο για τον καθαρισμό μπερδεμένων δεδομένων, το μετασχηματισμό τους από τη μία μορφή στην άλλη, την επέκτασή τους με τη βοήθεια διαφόρων web services και τη σύνδεσή τους με Βάσεις Δεδομένων όπως η Freebase. Από τον Οκτώβριο του 2012 η Google έπαψε να το υποστηρίζει και το εργαλείο μετονομάστηκε σε OpenRefine, ενώ η υποστήριξή του γίνεται αποκλειστικά από εθελοντές. Προσφέρει γρήγορη εξερεύνηση των δεδομένων, εφαρμογή προηγμένων μετασχηματισμών, ταξινόμηση, φιλτράρισμα και ομαδοποίηση των δεδομένων, δημιουργία συνδέσμων μεταξύ διαφόρων datasets και εκτέλεση προηγμένων εργασιών επεξεργασίας δεδομένων με χρήση της ενσωματωμένης γλώσσας General Refine Expression Language - GREL [19]. Με τη χρήση του RDF Refine extension το εργαλείο OpenRefine χρησιμοποιήθηκε για τη μετατροπή των δεδομένων σε RDF τριπλέτες. Το RDF Refine έχει τα ακόλουθα χαρακτηριστικά: Διασύνδεση με τη χρήση SPARQL endpoints και RDF dumps. Εξερεύνηση στο Web για σχετικά RDF datasets. Εξαγωγή του dataset σε μορφή τριπλετών. Προσδιορισμός της μορφής του σχήματος του RDF γράφου. Χρήση έτοιμων οντολογιών, ή χρήση δικών μας οντολογιών Εργαλείο Vapour Το εργαλείο Vapour χρησιμοποιήθηκε στη φάση της δημιουργίας της Οντολογίας. Είναι ένα validation service το οποίο δημιουργήθηκε από μία ερευνητική ομάδα στο CTIC Foundation (Center for the Development of Information and Communication Technologies) στο Asturias της Ισπανίας. Σύμφωνα με το [17] αν δοθεί στο Vapour το URI ενός resource, ελέγχει αν αυτό είναι δημοσιευμένο σύμφωνα με τις προτεινόμενες από τον Tim Berners-Lee αρχές των Συνδεδεμένων Δεδομένων, καθώς και τις τεχνικές που προτείνονται από τα W3C Best Practice Recipes for Publishing RDF Vocabularies [14] και Cool URIs for the Semantic Web [4] Εργαλείο W3C Validaror Ο W3C Validator [12] είναι μία Web υπηρεσία η οποία μπορεί να ελέγχει RDF αρχεία, μετατρέποντας τα σε 3-tuple (triple) μορφή, δημιουργώντας προαιρετικά μία γραφική αναπαράσταση των δεδομένων σε μορφή γράφου. Χρησιμοποιήθηκε στη φάση της δημιουργίας των Οντολογιών για έλεγχο της εγκυρότητάς τους. 32

32 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα 4.4. Εργαλείο RDF2RDF Validator Το RDF2RDF είναι ένα Java εργαλείο το οποίο ελέγχει την εγκυρότητα ενός RDF αρχείου, μετατρέποντάς το ταυτόχρονα από τη μία μορφή στην άλλη. Το RDF2RDF χρησιμοποιήθηκε τόσο στη φάση της δημιουργίας των Οντολογιών για τον έλεγχο της εγκυρότητάς τους και τη μετατροπή τους από Turtle μορφή σε RDF/XML όσο και στη φάση της δημοσίευσης των datasets σε μορφή RDF dump σε διάφορα serialization formats. Για λόγους ευκολίας στη χρήση διατίθεται στη μορφή ενός και μοναδικού αρχείου jar (rdf2rdf jar). Χρησιμοποιείται ως εξής: java -jar rdf2rdf jar INPUTFILE(S) OUTPUTFILE Μπορεί να εκτελέσει μετατροπές ανάμεσα στα ακόλουθα RDF serialization formats: RDF/XML, N-Triples, Turtle, N3, TriX και TriG Εργαλείο Parrot Τo Parrot χρησιμοποιήθηκε στη φάση δημιουργίας των Οντολογιών για μετατροπή τους σε HTML μορφή. Σύμφωνα με το [16], τo Parrot είναι ένα εργαλείο τεκμηρίωσης RDF οντολογιών το οποίο παρέχει χρήσιμα κείμενα αναφοράς για οντολογίες εκφρασμένες σε standard γλώσσες όπως οι RDFS, OWL και RIF. Είναι ανοικτού κώδικα και αναπτύχθηκε στα πλαίσια του Ευρωπαϊκού ερευνητικού έργου ONTORULE. Δέχεται ως input είτε κείμενα οντολογιών που είναι διαθέσιμα στο web και προσδιορίζονται από το URI τους, είτε αρχεία οντολογιών με απευθείας file upload. Mετά τη δημιουργία της html μορφής των οντολογιών τα metadata είναι διαθέσιμα για ανάγνωση και από software agents (σε RDF μορφή) και από ανθρώπους (σε HTML μορφή). Δηλαδή μέσω του namespace του vocabulary αλλά και του μηχανισμού του content negotiation μπορούμε να έχουμε πρόσβαση τόσο στον τυπικό ορισμό του vocabulary όσο και στην HTML περιγραφή του Μεθοδολογία An Ontology Development Methodology proposed by Noy and McGuinness Η μέθοδος των Noy και McGuinness [17] που έχει ακολουθηθεί από πολλές εφαρμογές και πολλά ερευνητικά έργα εφαρμόστηκε στη φάση της δημιουργίας των Οντολογιών. Σύμφωνα με το [17] οι οντολογίες παίζουν σημαντικότατο ρόλο στις εφαρμογές του Semantic Web και για το λόγο αυτό θα πρέπει να είναι τυπικά σωστές, εύχρηστες και επεκτάσιμες. Η συγκεκριμένη μεθοδολογία ορίζει 3 σημαντικούς κανόνες και προτείνει 6 βασικές εργασίες σύμφωνα με τις οποίες πρέπει να δημιουργείται μία οντολογία. Οι κανόνες αυτοί είναι οι ακόλουθοι: Δεν υπάρχει «σωστός τρόπος για να μοντελοποιήσουμε ένα domain. Η λύση εξαρτάται από την εφαρμογή που έχουμε στο μυαλό και από τις επεκτάσεις που μπορεί να χρειαστεί Η δημιουργία της οντολογίας πρέπει να είναι μία επαναλαμβανόμενη διαδικασία 33

33 Γεωργιλά Χιονία Οι έννοιες της οντολογίας αφορούν αντικείμενα (φυσικά ή λογικά) καθώς και σχέσεις. Και συνήθως αντικείμενα είναι τα ουσιαστικά και σχέσεις τα ρήματα των προτάσεων που περιγράφουν το domain. Σύμφωνα με τις Noy και McGuinness, πρέπει αρχικά να δημιουργείται μία οντολογία σε γενικές γραμμές και στη συνέχεια να διορθώνεται και να εμπλουτίζεται σε λεπτομέρειες. Ορίζουν δε, ότι οι βασικές εργασίες κατά τη δημιουργία μιας οντολογίας είναι: 1. Καθορισμός του domain και του ρόλου της οντολογίας, όπου απαντούνται τα εξής ερωτήματα: Ποιο είναι το domain που θα καλύψει η οντολογία; Για ποιο σκοπό θα χρησιμοποιηθεί η οντολογία; Για τι είδους ερωτήσεις θα δίνει απαντήσεις η οντολογία; Ποιος θα τη χρησιμοποιεί και θα τη συντηρεί; 2. Επαναχρησιμοποίηση έτοιμων οντολογιών, εφόσον υπάρχουν. 3. Απαρίθμηση των σημαντικών όρων στην οντολογία, όπου δημιουργείται μια εκτενής λίστα από όρους και εντοπίζονται οι ιδιότητές τους καθώς και οι σχέσεις ανάμεσά τους 4. Καθορισμός των κλάσεων και της ιεραρχίας τους, όπου μπορούν να ακολουθηθούν 3 μέθοδοι: Top-down, όπου ξεκινώντας από τις γενικές κλάσεις προχωράμε προς τις ειδικές κλάσεις Bottom-up, όπου ξεκινώντας από τις ειδικές κλάσεις προχωράμε προς τις γενικές κλάσεις Συνδυασμός των top-down και bottom-up μεθόδων 5. Καθορισμός των ιδιοτήτων των κλάσεων, όπου προτείνεται να δημιουργούνται οι ακόλουθοι τύποι από ιδιότητες: «Εσωτερικές» ιδιότητες που παριστάνουν τα εγγενή χαρακτηριστικά μιας συγκεκριμένης κλάσης «Εξωτερικές» ιδιότητες που παριστάνουν χαρακτηριστικά που δεν είναι εσωτερικά Μέρη της κλάσης Σχέσεις με άλλες κλάσεις 6. Προσθήκη περιορισμών στις ιδιότητες όπως domain, range, cardinality και value type 4.7. Εργαλείο SILK Σύμφωνα με το [29] το εργαλείο SILK (A Link Discovery Framework for the Web of Data) ανακαλύπτει σχέσεις ανάμεσα σε δεδομένα που ανήκουν σε διαφορετικά σύνολα βοηθώντας στη δημιουργία RDF συνδέσμων. Το SILK χρησιμοποιήθηκε για τη δημιουργία identity links ανάμεσα στο σύνολο δεδομένων των Τροχαίων Ατυχημάτων και την Dbpedia. 34

34 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Με το εργαλείο αυτό, οι προγραμματιστές μπορούν να προσδιορίσουν τους τύπους των RDF links που θέλουν να ανακαλύψουν ανάμεσα στα data sources καθώς και τις συνθήκες που θα πρέπει να πληρούν τα στοιχεία δεδομένων έτσι ώστε να συνδεθούν. Οι συνθήκες αυτές μπορεί να συνδυάζουν διάφορα similarity metrics. Το SILK προσπελαύνει τα data sources που θα πρέπει να συνδεθούν μέσω του SPARQL πρωτοκόλου και έτσι μπορεί να χρησιμοποιηθεί τόσο για τοπικά όσο και για απομακρυσμένα SPARQL endpoints. Το SILK διαθέτει: Μία ευέλικτη, δηλωτική γλώσσα για τον προσδιορισμό των κανόνων σύνδεσης Δυνατότητα δημιουργίας RDF συνδέσμων (της μορφής owl:sameas ή άλλου τύπου) Δυνατότητα εργασίας σε κατανεμημένα περιβάλλοντα (μέσω πρόσβασης σε τοπικά ή απομακρυσμένα SPARQL endpoints) Διαχείριση διαφόρων data sources και linking tasks Δυνατότητα βαθμολόγησης των links που παράγονται 4.8. Εργαλείο Virtuoso Ο Virtuoso Universal Server [37] είναι ένα database engine που συνδυάζει τις λειτουργίες μίας παραδοσιακής RDBMS, ενός ORDBMS, ενός RDF, XML, free-text, και file server σε ένα μοναδικό σύστημα. Αντί για ξεχωριστούς servers για κάθε είδος από τα παραπάνω δεδομένα ο Virtuoso παίζει το ρόλο ενός "universal server" υλοποιώντας πολλά πρωτόκολλα επικοινωνίας. Η open source έκδοση του είναι γνωστή ως OpenLink Virtuoso Εργαλείο Pubby Το εργαλείο Pubby χρησιμοποιήθηκε στη φάση της δημοσίευσης των Συνδεδεμένων Δεδομένων. Σύμφωνα με το [28] πολλά triple stores και άλλα SPARQL endpoints μπορούν να προσπελαστούν μόνο από SPARQL client εφαρμογές που χρησιμοποιούν το SPARQL protocol ενώ δεν μπορούν να προσπελαστούν από τους Linked Data clients. Το Pubby σχεδιάστηκε για να προσφέρει ένα Linked Data interface σε τέτοιου είδους RDF data sources. Είναι ένα Java web application το οποίο μετετρέπει ένα SPARQL endpoint σε ένα Linked Data server και έχει τα ακόλουθα χαρακτηριστικά: Παρέχει Linked Data interface σε τοπικούς ή απομακρυσμένους SPARQL protocol servers Παρέχει dereferenceable URIs με rewriting των URIs που βρίσκονται στο dataset που διατίθεται μέσω SPARQL σε URIs στο namespace του Pubby server Παρέχει ένα απλό HTML interface που προβάλει τα δεδομένα που είναι διαθέσιμα για κάθε resource Χειρίζεται 303 redirects και content negotiation Ο τρόπος που δουλεύει το Pubby όπως φαίνεται και στην Εικόνα 8 είναι ο ακόλουθος: 35

35 Γεωργιλά Χιονία Εικόνα 8: Pubby Interface Τα URIs που χρησιμοποιούνται από τα περισσότερα SPARQL datasets δεν είναι dereferenceable, δηλαδή δεν μπορούν να προσπελαστούν από ένα Semantic Web browser, αλλά επιστρέφουν 404 Not Found. Εγκαθιστώντας ένα Pubby server για ένα SPARQL endpoint, δημιουργούμε μία αντιστοίχηση που μετατρέπει αυτά τα URIs σε dereferenceable URIs που τα χειρίζεται το Pubby. Εάν ο Pubby server τρέχει στη διεύθυνση τότε ένα URI της μορφής θα μπορούσε να αντιστοιχιστεί στο Το Pubby θα επικοινωνήσει με το SPARQL endpoint, ζητώντας από αυτό πληροφορίες σχετικά με τα αρχικά URIs, και θα δώσει τα αποτελέσματα στον client. Επίσης θα χειριστεί σημαντικές λεπτομέρειες του HTTP interaction, όπως τα 303 redirect και το content negotiation ανάμεσα σε HTML, RDF/XML και Turtle περιγραφές του ίδιου resource Εργαλείο curl Το curl είναι ένα command line εργαλείο για λήψη και αποστολή αρχείων με χρήση της σύντακης URL. Χρησιμοποιεί τα ακόλουθα πρωτόκολλα HTTP, HTTPS, FTP, FTPS, SCP, SFTP, TFTP, LDAP, LDAPS, DICT, TELNET, FILE, IMAP, POP3, SMTP και RTSP. Το curl χρησιμοποιήθηκε για τον έλεγχο της δημοσίευσης των Vocabularies και των datasets LinkSailor LD Browser O LinkSailor [26] είναι ένας Linked Data browser σχεδιασμένος να ερμηνεύει τα δεδομένα που ανακαλύπτει και να τα παρουσιάζει όμορφα. Αρχικά μεταφέρει τα Συνδεδεμένα Δεδομένα από ένα URI που δίνεται και στη συνέχεια αυτά εμπλουτίζονται με σχετικά δεδομένα που βρίσκονται στην πλατφόρμα Talis. Χρησιμοποιήθηκε για τον έλεγχο της δημοσίευσης των datasets. 36

36 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Μεθοδολογία Linked Data Patterns : A pattern catalogue for modelling, publishing, and consuming Linked Data by Leigh Dodds and Ian Davis Στη φάση μετατροπής του dataset σε RDF τριπλέτες ακολουθήθηκαν οι οδηγίες που προτείνονται στο [8]. Οι οδηγίες αυτές αφορούν την μοντελοποίηση των resources ενός dataset και διακρίνονται στις ακόλουθες κατηγορίες: Οδηγίες Ονομασίας (Identifier Patterns). H επιτυχημένη δημοσίευση των ΣΔ απαιτεί την προσεκτική επιλογή καλών, καθαρών και σταθερών URIs για τα resources του dataset. Αυτό σημαίνει ότι το πιο σημαντικό βήμα κατά τη δημοσίευση ΣΔ είναι να αποφασιστεί μία μέθοδος ονομασίας των resources. Στην κατηγορία αυτή ακολουθήθηκαν οι τεχνικές Natural keys και Patterned URIs, οι οποίες εξηγούνται στον Πίνακα 6. Οδηγίες Μοντελοποίησης (Modelling Patterns). Η δημιουργία ενός μοντέλλου για τη δημοσίευση Συνδεδεμένων Δεδομένων μοιάζει με τις άλλες διαδικασίες μοντελοποίησης δεδομένων (δηλαδή το μοντέλο Entity-Relationship που χρησιμοποείται στις σχεσιακές βάσεις δεδομένων, ή το μοντέλο Object-Oriented που χρησιμοποιείται στον αντικειμενοστρεφή προγραμματισμό). Σε όλα αυτά τα μοντέλα πρέπει να βρούμε τις βασικές οντότητες και τις ιδιότητες τους καθώς και τις σχέσεις που υπάρχουν ανάμεσά τους. Ωστόσο όταν δημιουργούμε ένα Entity-Relationship ή ένα Object-Oriented μοντέλο το κάνουμε για να υποστηρίξουμε τις ανάγκες μιας συγκεκριμένης εφαρμογής. Γνωρίζουμε δηλαδή εκ'των προταίρων τι είδους δεδομένα θα χρειαστεί η εφαρμογή και δημιουργούμε το μοντέλο αντίστοιχα. Στα ΣΔ μας ενδιαφέρει η μοντελοποίηση των δεδομένων και όχι οι ανάγκες της εφαρμογής. Με αυτό τον τρόπο κατασκευάζουμε πιο δυνατό μοντέλο και γίνεται πιο εύκολη μια μελλοντική επέκτασή του. Επιπλέον μπορούμε να μοιραστούμε vocabularies ακριβώς όπως μοιραζόμαστε και δεδομένα. Ενώ δεν είναι απαραίτητο να ολοκληρωθεί στην αρχή όλη η μοντελοποίηση. Η μοντελοποίηση μπορεί να είναι μια επαναλαμβανόμενη διαδικασία. Στην κατηγορία αυτή ακολουθήθηκαν οι τεχνικές Label and Preferred Label, Multi-lingual Literal, Repeated Property, Topic Relation, και Typed Literal, οι οποίες εξηγούνται στον Πίνακα 7. Οδηγίες Δημοσίευσης (Publishing Patterns). Υπάρχουν διάφορες τεχνικές που βοηθούν στην αποτελεσματική δημοσίευση των ΣΔ. Τα patterns που ανήκουν στην κατηγορία αυτή βοηθούν τα δεδομένα να γίνουν ανακαλύψιμα και να μπορούν με την πάροδο του χρόνου να εμπλουτισθούν και να διασυνδεθούν. Στην κατηγορία αυτή ακολουθήθηκαν οι τεχνικές Autodiscovery, Dataset Autodiscovery, Equivalence Links, και See also, οι οποίες εξηγούνται στον Πίνακα 8. 37

37 Γεωργιλά Χιονία Οδηγίες Ονομασίας (Identifier Patterns) 1. Natural keys Αν τα δεδομένα έχουν ήδη κάποιο μοναδικό όνομα, τότε θα πρέπει με αλγοριθμικό τρόπο να δημιουργήσουμε URIs που βασίζονται στα μοναδικά αυτά ονόματα. Η αλγοριθμική διαδικασία μπορεί να είναι μία απλή συνένωση του συγκεκριμένου ονόματος με ένα URI βάσης, ενώ ενδέχεται να χρειαστεί να γίνει URL κωδικοποίηση του υπάρχοντος ονόματος πριν να δημιουργηθεί το URI. Με τον τρόπο αυτό αποφεύγουμε τη δημιουργία μιας νέας διαδικασίας δημιουργίας ονομάτων καθώς και την αντιστοίχηση των δύο συστημάτων ονομασίας. Παράδειγμα: URI του resource με τύπο AccRegion, που αντιστοιχεί στη Γεωγραφική Περιφέρεια της Ανατολικής Μακεδονίας και Θράκης 2. Patterned URIs Αν τα δεδομένα χρησιμοποιούν καθαρά και προβλέψιμα URIs, τότε οι άνθρωποι μπορούν πιο εύκολα να τα διαβάζουν αλλά και να τα επεξεργάζονται. Για το λόγο αυτό θα πρέπει να χρησιμοποιούμε απλό πρότυπο ονομασίας, όπως να χρησιμοποιούμε το όνομα της κλάσης σαν μέρος του URI του resource. Έτσι έχουμε μία καθαρή σχέση ανάμεσα στο URI και στον τύπο του resource που αυτό περιγράφει. Παράδειγμα: RoadAccident Πίνακας 6: Οδηγίες Ονομασίας ενός dataset 38 URI του resource με τύπο

38 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Οδηγίες Μοντελοποίησης (Modelling Patterns) 1. Label and Preferred Label Για να προσθέσουμε μία λεπτομερειακή περιγραφή ενός resource θα πρέπει να χρησιμοποιούμε την ιδιότητα rdfs:label. Ενώ για να προσθέσουμε ένα απλό, περιγραφικό label για κάθε resource, το οποίο θα μπορεί να χρησιμοποιηθεί τόσο από δημιουργούς εφαρμογών όσο και από απλούς browsers θα πρέπει να χρησιμοποιούμε την ιδιότητα skos:preflabel Παράδειγμα: < sdmx:concept; a skos:concept, asta-code:roadnet, rdfs:label "Code used for Athens-Patras road net"@en ; skos:preflabel "Athens-Patras"@en ; 2. Multi-lingual Literal Αν θέλουμε να χρησιμοποιήσουμε τις σταθερές σε πολλές γλώσσες τότε θα πρέπει να επαναλάβουμε πολλές φορές την ίδια ιδιότητα με διαφορετικές τιμές κάθε φορά, που θα συνοδεύονται με τον κώδικα της γλώσσας. Παράδειγμα: < code:caraccidentcause, sdmx:concept; skos:preflabel "Causes referred to Weather"@en ; skos:preflabel "Αίτια αναφερόμενα στην οδό και τον καιρό"@el ; a skos:concept, asta- 3. Repeated Property Αν θέλουμε να αναπαραστήσουμε ιδιότητες που έχουν πολλές τιμές θα πρέπει να επαναλάβουμε την ιδιότητα πολλές φορές. Παράδειγμα: < < < ; < < < ; 4. Topic Relation Προκειμένου να συνδέσουμε resource με μία ιστοσελίδα ή ένα έγγραφο με πληροφορίες που μπορούν να διαβαστούν από τον άνθρωπο θα πρέπει να χρησιμοποιούμε τις ιδιότητες foaf:topic και foaf:primarytopic. Η ιστοσελίδα θα πρέπει να έχει θέμα σχετικό με αυτό που περιγράφει το resource. Παράδειγμα: 39

39 Γεωργιλά Χιονία < a void:datasetdescription; foaf:primarytopic < 5. Typed Literal Κάθε φορά που χρησιμοποιείται ένα RDF literal, αυτό θα πρέπει να συνδέεται με ένα συγκεκριμένο τύπο δεδομένων (πχ. ακέραιος, ημερομηνία, πραγματικός). Αυτή η πληροφορία είναι απαραίτητη για τις εφαρμογές που χτίζονται πάνω στα linked data, γιατί τις βοηθούν να κάνουν ερωτήματα, να μορφοποιήσουν, να εμφανίσουν και να μετατρέψουν τα δεδομένα. Για το λόγο αυτό θα πρέπει πάντα να συνδέουμε ένα datatype με ένα RDF literal χρησιμοποιώντας το XML schema. Παράδειγμα: < a < ; < "Fri Jan 01 00:00:00 EET 2010"^^xsd:date. Πίνακας 7: Οδηγίες Μοντελοποίησης ενός dataset 40

40 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Οδηγίες Δημοσίευσης (Publishing Patterns) 1. Autodiscovery Όταν δημοσιεύουμε μία ιστοσελίδα που έχει προκύψει από συνδεδεμένα δεδομένα, πρέπει να συμπεριλαμβάνουμε ένα link element στο head της ιστοσελίδας το οποίο θα δείχνει στα αρχικά linked data, έτσι ώστε τόσο οι Web browsers όσο και οι Μηχανές Αναζήτησης να μπορούν να εντοπίσουν τα linked data που βρίσκονται πίσω από την ιστοσελίδα αυτή. Το Semantic Radar Plugin χρησιμοποιεί το autodiscovery pattern για να ανακαλύπτει την παρουσία των linked data. Παράδειγμα: <link rel= meta type= application/rdf+xml title= Raw Data href= /> 2. Dataset Autodiscovery Προκειμένου να διευκολύνουμε τα linked data applications να χρησιμοποιήσουν το follow-yournose pattern για να ανακαλύψουν επιπλέον δεδομένα σχετικά με τα resources του RDF γράφου που θα δημοσιεύσουμε, θα πρέπει να χρησιμοποιούμε το Vocabulary of Interlinked Datasets (VoiD) για να δημοσιεύουμε μία περιγραφή του dataset. Η περιγραφή αυτή θα πρέπει να περιλαμβάνει metadata σχετικά με το dataset στο οποίο ανήκουν τα resources (πχ. άδεια χρήσης, SPARQL endpoint, data dumps). Παράδειγμα: < void:indataset < 3. Equivalence Links Καθώς τα linked data αναπτύσσονται με αποκεντρωμένο τρόπο και πολλοί άνθρωποι δημοσιεύουν δεδομένα για το ίδιο resource, θα πρέπει να χρησιμοποιούμε το owl:sameas, το skos:exactmatch ή κάποιες παρόμοιες ιδιότητες για να δείξουμε ότι διαφορετικά URIs αντιστοιχούν στο ίδιο resource ή στο ίδιο concept. Παράδειγμα: < < 41 owl:sameas

41 Γεωργιλά Χιονία 4. See also Σε περίπτωση που θέλουμε να συνδέσουμε RDF έγγραφα μεταξύ τους έτσι ώστε να μπορούν οι crawlers και οι user agents να πλοηγηθούν ανάμεσα σε αυτά θα πρέπει να χρησιμοποιήσουμε την ιδιότητα rdfs:seealso για hypertext links ανάμεσα σε RDF documents στο web. Δεν υπάρχουν συγκεκριμένα semantics εκτός από το ότι ο user agent πρόκειται να βρει επιπλέον RDF data σχετικά με κάποιο resource στη συγκεκριμένη διεύθυνση. < a cube:observation ; rdfs:seealso < < Πίνακας 8: Οδηγίες Δημοσίευσης ενός dataset 5. Εργαλεία που χρησιμοποιήθηκαν για προβολή και οπτικοποίηση 5.1. Google Maps API Tο Google Maps API [30] είναι μία Javascript βιβλιοθήκη που επιτρέπει την ενσωμάτωση ενός Google χάρτη σε ένα website, και την προβολή συγκεκριμένων δεδομένων πάνω στο χάρτη αυτό. Το Google Maps API είναι δωρεάν με την προϋπόθεση ότι το site που το χρησιμοποεί είναι δημόσια προσβάσιμο, δε χρεώνει για την πρόσβαση και δεν δημιουργεί πάνω από αιτήσεις την ημέρα για πρόσβαση στο χάρτη. Στην τελευταία περίπτωση πρέπει να χρησιμοποιηθεί η εμπορική έκδοσή του, το Google Maps API for Business. Το Google Maps Javascript API παρέχει μια σειρά από βοηθητικά προγράμματα για το χειρισμό χαρτών και την προσθήκη περιεχομένου στο χάρτη μέσα από μια ποικιλία από υπηρεσίες, που επιτρέπουν τη δημιουργία ισχυρών Web εφαρμογών βασισμένων πάνω σε χάρτες. Με τη βοήθεια του Google Maps JavaScript API μπορούμε να προσθέσουμε overlays πάνω στους χάρτες τα οποία περιέχουν σημεία, γραμμές και περιοχές. Τα overlays συνδέονται με συγκεκριμένες συντεταγμένες και μετακινούνται μαζί με το χάρτη. Το Google Maps API έχει διάφορους τύπους από overlays (markers, info window, polylines, polygons, ground overlay) τα οποία προστίθενται με προγραμματιστικό τρόπο. Επιπλέον με τη βοήθεια του Google Maps JavaScript API μπορούμε να προσθέσουμε layers πάνω στους χάρτες. Κάθε layer είναι μία συλλογή από αντικείμενα που μπορούν να τοποθετηθούν πάνω στο χάρτη. Το Google Maps API έχει διάφορους τύπους από layers (Google Maps Data layer, Fusion Tables layer, Heatmap layer, KML layer, Traffic layer, Transit layer, Bicycling layer, Weather layer) 5.2. Google Fusion Tables Tα Google Fusion Tables [31] είναι ένα πειραματικό web application για data visualization το οποίο 42

42 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα βοηθάει στη συλλογή, αναπαράσταση και διαμοιρασμό δεδομένων που προέρχονται από μεγάλους πίνακες. Έχει τα ακόλουθα χαρακτηριστικά: Εισαγωγή δικών μας δεδομένων σε μορφή λογιστικών φύλλων, αρχείων CSV ή KML Φιλτράρισμα δεδομένων που βρίσκονται σε εκατοντάδες χιλιάδες γραμμές Κατασκευή διαγραμμάτων, χαρτών και γράφων οι οποίοι στη συνέχεια μπορούν να ενσωματωθούν σε ιστοσελίδες ή σε blog posts (όπου θα εμφανίζονται πάντα οι τελευταίες τιμές του Πίνακα) Συνεργασία, εφόσον όλη η οργάνωση των δεδομένων αποθηκεύεται στο Google Drive. Συγχώνευση των δεδομένων από δύο ή τρεις πίνακες και δημιουργία αναπαραστάσεων που περιλαμβάνουν και τα δύο σύνολα δεδομένων Εύρεση δημόσιων δεδομένων μέσω της υπηρεσίας Google Tables τα οποία μπορεί να συνδυαστούν με τα δικά μας για καλύτερες οπτικές αναπαραστάσεις 6. Δημιουργία και δημοσίευση των datasets 6.1. Πρώτο dataset Θανατηφόρα Τροχαία Ατυχήματα Αναζήτηση και προεπεξεργασία πρωτογενών δεδομένων Τροχαίων Ατυχημάτων Στην εργασία αυτή επεξεργαστήκαμε τα Στατιστικά Στοιχεία για την Οδική Ασφάλεια τα οποία διατίθενται ελεύθερα στο web site της Ελληνικής Αστυνομίας σε μορφή αρχείων Excel. Πιο συγκεκριμένα, τα πρωτογενή αρχεία δεδομένων που χρησιμοποιήθηκαν περιέχουν τα Θανατηφόρα Τροχαία Ατυχήματα για τα έτη 2010, 2011, 2012, 2013 και 2014 (έως 11/8) όπως φαίνεται και στον Πίνακα 9 Έτος Πλήθος Ατυχημάτων Όνομα αρχείου δεδομένων analysi-stat-trox-2010.xls xls xls xls 2014 (έως και 11/8) xls Σύνολο 4244 Πίνακας 9: Αρχεία δεδομένων με Τροχαία Ατυχήματα Τα αρχεία αυτά παρά το διαφορετικό τους όνομα, έχουν την ίδια δομή και για να γίνει η προεπεξεργασία και ο καθαρισμός τους, ενώθηκαν σε ένα αρχείο και εισήχθησαν στο OpenRefine. Έτσι για κάθε Θανατηφόρο τροχαίο ατύχημα δίνονται οι εξής πληροφορίες: 43

43 Γεωργιλά Χιονία Ημερομηνία Αστυνομική Διεύθυνση Οδικό Δίκτυο (παίρνει προκαθορισμένες τιμές) Τόπος Τέλεσης (οδός-αριθμός ή χιλιομ. Θέση) Ώρα (παίρνει προκαθορισμένες τιμές) Είδος (παίρνει προκαθορισμένες τιμές) Αίτια (παίρνει προκαθορισμένες τιμές) Όχημα (παίρνει προκαθορισμένες τιμές) Ιδιότητα του Θύματος (παίρνει προκαθορισμένες τιμές) Ηλικία του Θύματος (παίρνει προκαθορισμένες τιμές) Δυστυχώς οι τιμές της στήλης Τόπος τέλεσης (οδός, αριθμός ή χ/θ) δεν έχουν συγκεκριμένη δομή και παρουσιάζουν μεγάλη ανομοιομορφία. Παρατηρείται δηλαδή το γεγονός παρόμοιες πληροφορίες να εκφράζονται με διαφορετικό τρόπο. Για το λόγο αυτό έγιναν με τη βοήθεια της γλώσσας GREL του OpenRefine οι διορθώσεις που φαίνονται στον Πίνακα 10. Αρχικό Τελικό GREL έκφραση & και value.replace( &, και ) Λ. Λεωφόρος value.replace( Λ., Λεωφόρος ) Θεσ/νίκης, Θεσ/κης Θεσσαλονίκης value.replace( Θεσ/νίκης, Θεσσαλονίκης ).replace( Θεσ/κης, Θεσσαλονίκης ) Επ.Οδ., ΕΠ.Οδ., Επ.οδ. Επαρχιακή Οδός value.replace( Επ.Οδ., Επαρχιακή Οδός ).replace( ΕΠ.Οδ., Επαρχιακή Οδός ).replace( Επ.οδ., Επαρχιακή Οδός ) Πίνακας 10: Διορθώσεις στο περιεχόμενο της στήλης Τόπος τέλεσης Οι προκαθορισμένες τιμές των πεδίων παρέχονται από την Τροχαία σε ένα ξεχωριστό Excel αρχείο και είναι αυτές που φαίνονται στην Εικόνα 9. Για να δημιουργηθούν instances από resources που θα έχουν URIs σύμφωνα με τους κανόνες των ΣΔ, προστέθηκαν επιπλέον στήλες στο OpenRefine project με νέους κωδικούς σύμφωνα με τον πίνακα της Εικόνας

44 Εικόνα 9: Κωδικοί Τροχαίας Εικόνα 10: Νέοι Κωδικοί που προστέθηκαν για τις ανάγκες της εφαρμογής

45 Γεωργιλά Χιονία Όπως φαίνεται και στην Εικόνα 11 οι επιπλέον στήλες που προστέθηκαν είναι οι εξής: 1. Κωδικός Ατυχήματος 2. Κωδικός Θύματος 3. Νομός 4. Κωδικός Γεωγραφικής Περιφέρειας 5. Κωδικός Οδικού Δικτύου 6. Τοποθεσία 7. Γεωγραφικό Μήκος 8. Γεωγραφικό Πλάτος 9. Κωδικός Ώρας 10. Κωδικός Τύπου Ατυχήματος 11. Κωδικός Αιτίας Ατυχήματος 12. Κωδικός Οχήματος 13. Κωδικός Ιδιότητας Θύματος 14. Κωδικός Ηλικίας Θύματος Εικόνα 11: Εμπλουτισμός δεδομένων με επιπλέον στήλες για ευκολότερη μοντελοποίηση Από τις στήλες αυτές: ο Κωδικός Ατυχήματος δημιουργήθηκε σειριακά, έτσι ώστε κάθε ατύχημα να έχει ένα μοναδικό κωδικό ο Κωδικός Θύματος δημιουργήθηκε σειριακά, έτσι ώστε κάθε θύμα να έχει ένα μοναδικό κωδικό οι υπόλοιποι Κωδικοί ενημερώθηκαν σύμφωνα με τη στήλη fragment URI που περιλαμβάνεται στους Πίνακες του Παραρτήματος Α' οι στήλες Νομός και Περιφέρεια προστέθηκαν για να διευκολυνθεί η διαδικασία σύνδεσης των τριπλετών του Ατυχήματος με άλλες σχετικές και να δημιουργηθούν έτσι εξερχόμενοι σύνδεσμοι προς άλλα datasets 46

46 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα οι στήλες Τοποθεσία, Γεωγραφικό Μήκος, Γεωγραφικό Πλάτος προστέθηκαν για να μπορέσει κάθε Ατύχημα να τοποθετηθεί σε χάρτη της Google Ο εντοπισμός των γεωγραφικών συντεταγμένων έγινε με βάση το περιεχόμενο της στήλης Τοποθεσία και με χρήση της υπηρεσία γεωκωδικοποίησης που παρέχει η Google. Η υπηρεσία αυτή καλείται ως εξής: sensor=false&address=διεύθυνση_προς_γεωκωδικοποίηση. Η στήλη Τοποθεσία προέκυψε από τη στήλη Τόπος τέλεσης(οδό,αριθμός ή χ/θ) με την προσθήκη του νομού στον οποίο αντιστοιχεί. Η προσθήκη αυτή κρίθηκε απαραίτητη γιατί υπήρχε η πιθανότητα να επιστραφούν πολλές συντεταγμένες από τις οποίες δεν θα μπορέσουμε αυτόματα να εντοπίσουμε τη σωστή. Για παράδειγμα για τη διεύθυνση Μπουμπουλίνας 100, επιστράφηκαν συντεταγμένες σε 11 περιοχές: Χαϊδάρι,, Πετρούπολή, Καλλιθέα, Ζεφύρι, Αχαρνές, Πειραιά, Θεσσαλονίκη, Άργος, Ναύπλιο, Βέροια και Καστοριά! Με την προσθήκη όμως του νομού η διεύθυνση μετατράπηκε σε Μπουμπουλίνας 100, Καστοριά και εντοπίστηκαν οι σωστές συντεταγμένες. Η δημιουργία των στηλών lat και long έγινε ως εξής: 1. Δημιουργήθηκε η βοηθητική στήλη json μέσω της δυνατότητας του OpenRefine (Add column by fetching URLs), με κλήση στο geocode API της Google, χρησιμοποιώντας ως address παράμετρο το περιεχόμενο της στήλης Τοποθεσία sensor=false&address= + escape(value, 'url') Η στήλη json αποθήκευσε την απάντηση της κλήσης στο geocode API της Google 2. Έγινε parsing των δεδομένων που επέστρεψε το API, για να εξαχθούν ξεχωριστά οι τιμές για το γεωγραφικό μήκος και γεωγραφικό πλάτος και να αποθηκευτούν σε δύο ξεχωριστές στήλες, long, lat ως εξής: parsejson(value).results[0].geometry.location.lng.tostring() parsejson(value).results[0].geometry.location.lat.tostring() Να σημειωθεί ότι η αυτόματη αντιστοίχηση τοποθεσιών σε γεωγραφικές συντεταγμένες δε γίνεται πάντα με επιτυχία. Είναι πολλές οι περιπτώσεις στις οποίες δε μπορεί να εντοπιστεί το γεωγραφικό στίγμα της τοποθεσίας. Ενώ δεν είναι δυνατόν να εντοπιστεί συγκεκριμένο χιλιομετρικό σημείο επάνω σε κάποιον συγκεκριμένο οδικό άξονα (πχ. 45 χιλ. Πύργου Μεθώνης). Ο Πίνακας 11 δίνει το ποσοστό εντοπισμού γεωγραφικών συντεταγμένων ανά είδος Οδικού Δικτύου για το Σύνολο των Θανατηφόρων Τροχαίων Ατυχημάτων που επεξεργαστήκαμε. 47

47 Γεωργιλά Χιονία Οδικό Δίκτυο Πλήθος Ατυχημάτων Εύρεση συντεταγμένων Ποσοστό εντοπισμού συντεταγμένων Αττική οδός % Εγνατία οδός % Ε.Ο. Αντιρρίου - Ιωαννίνων % Κατοικημένη Περιοχή % Λοιπό Ε.Ο. Δίκτυο % Λοιπό Οδικό Δίκτυο % ΝΕΟ Αθηνών Θεσ/κης % ΝΕΟ Αθηνών - Πατρών % Β.Ο.Α.Κ % Άλλο % % Σύνολο Πίνακας 11: Ποσοστό εντοπισμού γεωγραφικών συντεταγμένων για τα Θανατηφόρα Τροχαία Ατυχήματα ανά είδος Οδικού Δικτύου. Όπως φαίνεται και στην Εικόνα 12, τα 1821 ατυχήματα αντιστοιχούν σε 1929 θύματα Εικόνα 12: Εμφάνιση μόνο των εγγραφών για τα οποία έχει εντοπιστεί γεωγραφικό μήκος και πλάτος Είναι προφανές ότι η ποιοτική επιτυχία του αυτόματου εντοπισμού των γεωγραφικών συντεταγμένων θα μπορούσε να ελεγχθεί μόνο με προβολή των σημειών στο χάρτη, κάτι το οποίο έγινε κατά τη φάση Οπτικοποίησης και Προβολής των δεδομένων. Είναι προφανές ωστόσο πως ο έλεγχος αυτός μπορούσε να είναι μόνο δειγματοληπτικός. Έτσι ένας πρώτος έλεγχος ποιοτικής επιτυχίας ήταν το κατά πόσο τα σημεία εντοπίζονταν στα όρια της Ελληνικής επικράτειας. Από τον έλεγχο αυτό διαπιστώθηκε ότι, όπως φαίνεται και στην Εικόνα 13, μόνο 4 σημεία στα

48 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα ξέφευγαν από τα όρια της Ελλάδας. Εικόνα 13: Σημεία Ατυχημάτων που "εντοπίστηκαν" εκτός Ελλάδας Ο λόγος που τα ατυχήματα αυτά προβάλλονταν έξω από τα σύνορα της Ελλάδας ήταν η ελλιπής περιγραφή της Τοποθεσίας τους π.χ. Βόννη Ηρακλείου (Εικόνα 14) που παρέπεμπε σε τοποθεσίες του εξωτερικού με παρόμοια ονόματα. Εικόνα 14: Λάθος στη γεωκωδικοποίηση λόγω ελλιπούς περιγραφής του Τόπου Τέλεσης Ένα άλλο πρόβλημα το οποίο δημιούργησε μία ανεπιθύμητη παρενέργεια στη φάση 49

49 Γεωργιλά Χιονία μοντελοποίησης και εντοπίστηκε πολύ αργότερα στη φάση Οπτικοποίησης και Προβολής των δεδομένων, ήταν ότι οι πληροφορίες κάθε ατυχήματος επαναλαμβάνονταν για κάθε θύμα. Στην περίπτωση που οι πληροφορίες ήταν ίδιες δε υπήρχε καμία παρενέργεια. Στην περίπτωση όμως που οι πληροφορίες αυτές διέφεραν έστω και σε ένα γράμμα ή αριθμό, τότε το ατύχημα παρουσίαζε στο χάρτη περισσότερα θύματα από όσα πραγματικά είχε. Εικόνα 15: Ατύχημα με δύο θύματα περιγράφεται δύο φορές Εικόνα 16: Δήλωση του ίδιου ατυχήματος σε διαφορετικό τόπο τέλεσης για κάθε θύμα! Σύμφωνα με την Εικόνα 16, το ατύχημα με κωδικό 1661 έχει δύο θύματα με κωδικούς 1817 και Το ατύχημα για το θύμα 1817 δηλώνεται να έχει συμβεί στην Τοποθεσία χ/θ Ν.Ε.Ο. Αθηνών -Κορίνθου, Ελευσίνα, Αττικής, ενώ για το θύμα 1818 δηλώνεται να έχει συμβεί στην Τοποθεσία χ/θ Ν.Ε.Ο. Αθηνών -Κορίνθου, Ελευσίνα, Αττικής Το αποτέλεσμα ήταν να φαίνονται (Εικόνα 17) περισσότερα θύματα σε κάθε ατύχημα, αφού κάθε 50

50 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα θύμα συνδυάζονταν με κάθε Τοποθεσία δημιουργώντας 2x2 = 4 τριπλέτες θυμάτων που συνδέονταν με το συγκεκριμένο ατύχημα. (Αναλυτική εξήγηση του τρόπου που δημιουργείται η παρενέργεια αυτή δίνεται στο Παράρτημα Β') Εικόνα 17: Λανθασμένη προβολή θυμάτων ατυχήματος πριν τη διαδικασία ομαδοποίησης Η λύση δόθηκε με την εφαρμογή της Ομαδοποίησης (clustering) του OpenRefine (Εικόνα 18). Στο OpenRefine, ως ομαδοποίηση αναφέρεται η διαδικασία της εύρεσης μιας ομάδας από διαφορετικές τιμές που μπορεί να είναι αναπαραστάσεις του ίδιου πράγματος. Για παράδειγμα τα δύο αλφαριθμητικά "New York" και "new york" είναι πολύ πιθανό να αναφέρονται στην ίδια έννοια. 51

51 Γεωργιλά Χιονία Εικόνα 18: Ομαδοποίηση (clustering) με χρήση του OpenRefine Μετά από την εφαρμογή της Ομαδοποίησης (Εικόνα 18) κάθε ατύχημα εμφανίζεται με τον ίδιο τρόπο για κάθε θύμα του και παρουσιάζεται στο χάρτη με τον σωστό αριθμό θυμάτων (Εικόνα 19) Εικόνα 19: Σωστή προβολή θυμάτων ατυχήματος μετά τη διαδικασία ομαδοποίησης 52

52 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα 6.2. Δημιουργία ΟντολογίαςΤροχαίων Ατυχημάτων Συγγραφή Οντολογίας Τροχαίων Ατυχημάτων Για την περιγραφή του dataset των Θανατηφόρων Τροχαίων Ατυχημάτων, δημιουργήθηκε το RDFS Vocabulary roadaccidentsvocab, στο οποίο δόθηκε το Vocabulary URI: και το prefix racc: Στην Εικόνα 20 φαίνεται μία σχηματική απεικόνιση των όρων του Vocabulary, το οποίο περιλαμβάνει 12 κλάσεις και 19 ιδιότητες, ενώ επιπλέον διαθέτει vocabulary links, μέσω της ιδιότητας rdfs:subclassof προς παρόμοιους όρους προς άλλα 17 λεξιλόγια (πχ. OpenCync, DBpedia, Umbel, place κα.). Οι όροι αυτοί εντοπίστηκαν μέσω αναζήτησης των keywords: accident, car accident, road accident, traffic accident, automobile accident, vehicle accident, road accident, traffic collision σε λίστες από vocabularies και οντολογίες, όπως οι Linked Open Vocabularies (LOV) [20], WATSON [9], FALCONS [10] και UMBEL [11]. Οι 12 κλάσεις του Vocabulary φαίνονται αναλυτικά στον Πίνακα 12. Από αυτές τις κλάσεις οι 2 βασικές είναι οι RoadAccident και AccidentVictim που αφορούν το Τροχαίο Ατύχημα και το Θύμα του Τροχαίου Ατυχήματος αντίστοιχα. Η κλάση CodedClass είναι μία γενική κλάση και έχει σαν subclasses τις 9 κλάσεις που παίρνουν τιμές από λίστες κωδικών. Οι κλάσεις αυτές αφορούν τον Τύπο του Ατυχήματος (AccType), την Αιτία του Ατυχήματος (AccCause), το Είδος του Οχήματος (AccVehicle), τον Τύπο του Θύματος (VictimType), το Οδικό Δίκτυο (AccRoadNet), τη Γεωγραφική Περιφέρεια όπου συνέβει το Ατύχημα (AccRegion), το Νομό όπου συνέβει το Ατύχημα (AccCounty), την Ώρα του Ατυχήματος (AccTime) και την Ηλικία του Θύματος (VictimAge). Όλες οι παραπάνω κλάσεις προσδιορίζονται και συνδέονται μεταξύ τους με τη βοήθεια των ιδιοτήτων που περιγράφονται στον Πίνακα

53 Εικόνα 20: Road Accidents Vocabulary

54 Γεωργιλά Χιονία Class Name Class URI Class Description RoadAccident The class of all road accidents AccType The class of all road accident types. E.g. Collision, Pedestrian Entrainment, Impingement, Diversion AccCause The class of all road accident causes. E.g. Speeding, Illegal Overtaking, Priority Violation, Distracted Driver AccVehicle The class of all vehicles types. E.g. Car, Small Truck, Motorcycle VictimType The class of all road accident victim types. E.g. Driver, Passenger, Pedestrian AccRoadNet The class of all traffic accident road nets. E.g. Athens Patras, Athens Thessaloniki, Residential Area AccRegion The class of all road accident regions AccCounty The class of all road accident counties AccTime The class of time intervals VictimAge The class of all road accident victim ages AccidentVictim The class of all road accident victims CodedClass Parent class of all classes that take values from a coded list Πίνακας 12: Classes του RoadAccidents Vocabulary 56

55 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Property Name Property URI Property Description accidentid Unique accident identifier domain: racc:roadaccident range: rdfs:literal belongstopolicedpt The Police Department in the area of a road accident domain: racc:roadaccident range: rdfs:literal dateofaccident The date on which road accident took place domain: racc:roadaccident range: xsd:date happenedat The place where a road accident took place domain: racc:roadaccident range: rdfs:literal happenedduring The time interval during which a road accident took place domain: racc:roadaccident range: rdfs:literal happenedincounty The County where the Car Accident took place domain: racc:roadaccident range: racc:acccounty happenedinregion ISO code of road accident's region domain: racc:roadaccident range: racc:accregion hasacccause Road Accident's cause domain: racc:roadaccident range: racc:acccause happenedinroadnet The Road Net where the road accident took place domain: racc:roadaccident range: racc:accroadnet hasacctype Road Accident's type domain: racc:roadaccident range: racc:acctype hasaccvehicle Road Accident's Vehicle domain: racc:roadaccident range: racc:accvehicle hascode Unique code of the resource of CodedClass type domain: racc:codedclass range: skos:concept hasvictim The victim involved in the road accident domain: racc:roadaccident range: racc:accidentvictim hasvictimage Victim's age domain: racc:accidentvictim range: racc:victimage hasvictimtype Victim's type domain: racc:accidentvictim range: racc:victimtype 57

56 Γεωργιλά Χιονία invehicle Victim's car type domain: racc:accidentvictim range: racc:accvehicle involvedin The road accident in which victim is involved domain: racc:accidentvictim range: racc:roadaccident involvedin Unique victim identifier domain: racc:accidentvictim range: rdfs:literal belongstogad The Regional Police Department in the area of a road accident domain: racc:roadaccident range: grpolice:gad Πίνακας 13: Properties του RoadAccidents Vocabulary Επίσης το Vocabulary έγινε τύπου voaf:vocabulary και του προστέθηκαν, όπως φαίνεται και στον Πίνακα 14, οι προτεινόμενες από το Linked Open Vocabularies ιδιότητες που προσδιορίζουν: την ταυτότητα, τον τίτλο, την περιγραφή, τις εκδόσεις, τις αλλαγές καθώς και τα δικαιώματα χρήσης του ίδιου του Vocabulary τον βασικό τίτλο καθώς και το σύνδεσμο κάθε κλάσης και ιδιότητας που ορίζεται στο Vocabulary με το namespace στο οποίο ανήκει racc dc:title "Vocabulary of Road Accidents"@en cc:license < dc:creator "Georgila Chionia" dc:date " "^^xsd:date dc:description "A vocabulary to describe road accidents"@en dc:issued " "^^xsd:date dc:publisher "Georgila Chionia, OKF Greece" dc:rights "Copyright OKF Greece" vann:preferrednamespaceprefix "racc" vann:preferrednamespaceuri " owl:versioninfo 1.0 racc:roadaccident rdfs:isdefinedby racc: (Αντίστοιχα προστέθηκε και για τις υπόλοιπες κλάσεις του Vocabulary) Πίνακας 14: Προτεινόμενα από το LOV metadata για το roadaccidentsvocab Vocabulary RDF Validation της Οντολογίας Τροχαίων Ατυχημάτων O έλεγχος της εγκυρότητας της οντολογίας των Τροχαίων Ατυχημάτων ήταν επιτυχής και έγινε σε δύο βήματα: 58

57 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα 1. Χρησιμοποιήθηκε το εργαλείο RDF2RDF για validation και ταυτόχρονη μετατροπή του Vocabulary από Turtle σε RDF/XML μορφή, ως εξής: java -jar rdf2rdf jar roadaccidentsvocab.rdf roadaccidentsvocab.ttl 2. Χρησιμοποιήθηκε η υπηρεσία W3C Validation για online validation του RDF/XML αρχείου roadaccidentsvocab.rdf που προέκυψε από το προηγούμενο βήμα. Το validation, όπως φαίνεται και στις Εικόνες 21 και 22, έγινε με επιτυχία και έδωσε 395 τριπλέτες 59

58 Γεωργιλά Χιονία Εικόνα 22: Επιτυχές validation (με W3C validation service) Δημιουργία HTML αναπαράστασης Oντολογίας Τροχαίων Ατυχημάτων Η html μορφή του vocabulary, δημιουργήθηκε με τη χρήση του Parrot service, όπως φαίνεται και στις Eικόνες 23 και 24, ενώ όλα τα παραγόμενα αρχεία (html, css, png, javascript) αποθηκεύτηκαν και δημοσιεύτηκαν με τη μέθοδο του content negotiation στο δικό μας domain με URL 60

59 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Δημοσίευση Οντολογίας Τροχαίων Ατυχημάτων Σύμφωνα με το [14] υπάρχουν διάφοροι μέθοδοι για τη δημοσίευση μιας οντολογίας στο Web. Όλες οι μέθοδοι στηρίζονται στην αρχιτεκτονική καθώς και στις βασικές αρχές λειτουργίας του Web και ποικίλουν ανάλογα με: το είδος του namespace που χρησιμοποιείται για την οντολογία (hash namespace ή slash namespace) το είδος των πληροφοριών που θα παρέχει ο Web server για την οντολογία στις εφαρμογές του Semantic Web (μόνο RDF μορφή ή RDF και HTML μορφή). Στη δεύτερη περίπτωση πρέπει να υλοποιηθεί και ο αντίστοιχος μηχανισμός του content negotiation στο configuration αρχείο του Web server. Για τη δημιουργία της Οντολογίας των Τροχαίων Ατυχημάτων, από τις μεθόδους που προτείνει το [14] επιλέχτηκε αυτή που υποστηρίζει ένα extended configuration για ένα vocabulary που έχει ένα hash namespace. Σύμφωνα με τη μέθοδο αυτή ο Web server μπορεί να προσφέρει είτε HTML είτε RDF περιεχόμενο από το vocabulary URI ανάλογα με το τι απαιτεί ο πελάτης, όπως φαίνεται και στις Εικόνες 25 και

60 Γεωργιλά Χιονία Εικόνα 25: Αίτηση HTML πελάτη Για να επιτευχθεί η δημοσίευση αυτή, δημιουργήθηκε το ακόλουθο αρχείο.htaccess και μπήκε στο φάκελο vocabs στον οποίο βρίσκονται τα αρχεία roadaccidentsvocab.rdf και roadaccidentsvocab.html στον Web server. # Turn off MultiViews Options -MultiViews # Directive to ensure *.rdf files served as appropriate content type # if not present in main apache config AddType application/rdf+xml.rdf # Rewrite engine setup RewriteEngine On RewriteBase /vocabs/ # Rewrite rule to serve HTML content from the vocabulary URI if requested RewriteCond %{HTTP_ACCEPT}!application/rdf\+xml.*(text/html application/xhtml\+xml) RewriteCond %{HTTP_ACCEPT} text/html [OR] 62

61 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα RewriteCond %{HTTP_ACCEPT} application/xhtml\+xml [OR] RewriteCond %{HTTP_USER_AGENT} ^Mozilla/.* RewriteRule ^roadaccidentsvocab$ roadaccidentsvocab.html [R=303] # Rewrite rule to serve RDF/XML content from the vocabulary URI if requested RewriteCond %{HTTP_ACCEPT} application/rdf\+xml RewriteRule ^roadaccidentsvocab$ roadaccidentsvocab.rdf [R=303] # Rewrite rule to serve the RDF/XML content from the vocabulary URI by default RewriteRule ^roadaccidentsvocab$ roadaccidentsvocab.rdf [R=303] Σύμφωνα με την παραπάνω ρύθμιση, αν ο πελάτης δεν προσδιορίσει την επιθυμητή μορφή της πληροφορίας (HTML ή RDF), τότε ο server θα στείλει RDF πληροφορίες Έλεγχος δημοσίευσης (derefencing) Οντολογίας Τροχαίων Ατυχημάτων Ο έλεγχος της δημοσίευσης (derefencing) του vocabulary έγινε με τη βοήθεια των εργαλείων Vapour [13] και curl [6]. Στην Εικόνα 27 φαίνονται τα αποτελέσματα ενός απλού ελέγχου δημοσίευσης του RoadAccidents Vocabulary με το εργαλείο Vapour, ενώ στην Εικόνα 28 φαίνονται τα αποτελέσματα ενός εκτεταμένου ελέγχου δημοσίευσης για το resource RoadAccident του RoadAccidents Vocabulary. 63

62 Γεωργιλά Χιονία Εικόνα 28 Επιτυχές validation με εκτεταμένους ελέγχους για dereferencing του resource RoadAccident του Vocabulary 64

63 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Στις Εικόνες 29 και 30 φαίνεται πώς γίνεται λεπτομερώς το derefencing για ένα URI σε μορφή RDF καθώς και για ένα URI σε μορφή HTML αντίστοιχα. Εικόνα 30: Έλεγχος δημοσίευσης (dereferencing) του URI ενός resource κατόπιν αίτησης HTML πελάτη Καταχώρηση στo directory οντολογιών Linked Open Vocabularies (LOV) Σύμφωνα με το [20] ο στόχος του Linked Open Vocabularies (LOV) είναι να αποτελέσει ένα σημείο εισόδου στο διαρκώς αναπτυσσόμενο οικοσύστημα των RDFS vocabularies και OWL 65

64 Γεωργιλά Χιονία ontologies, να προβάλλει τους τρόπους που συνδέονται μεταξύ τους καθώς και τις στατιστικές μετρήσεις σχετικά με τη χρήση τους στο linked data cloud. Το LOV απευθύνεται τόσο σε χρήστες των vocabularies όσο και σε διαχειριστές των vocabularies. Οι χρήστες μπορούν να πλοηγηθούν στα διαθέσιμα vocabularies, να αναζητήσουν τα metadata που τα περιγράφουν και να επιλέξουν τα πιο κατάλληλα vocabularies για την μοντελοποίηση των δεδομένων τους. Ενώ οι διαχειριστές των vocabularies ενημερώνονται σχετικά με τη χρήση των vocabularies τους καθώς και με καλές πρακτικές που μπορούν να ακολουθούν κατά τη δημοσίευση. Για να μπορέσει ένα vocabulary να συμπεριληφθεί στο LOV dataset θα πρέπει: Να είναι γραμμένο σε RDFS ή OWL Να έχει δημοσιευθεί και να είναι ελεύθερα διαθέσιμο στο Web Να μπορεί να ανακτηθεί με την τεχνική του content negotiation από το namespace URI του Να είναι αρκετά μικρό ώστε να μπορεί να χρησιμοποιηθεί κατά ένα μέρος ή συνολικά από άλλα vocabularies. Το [15] προτείνει τις παρακάτω κλάσεις και ιδιότητες (Πίνακες 15, 16) που χρειάζονται για να περιγράψουν το vocabulary (vocabulary metadata) αλλά και κλάσεις και τις ιδιότητες (vocabulary terms) που περιέχει. Ταυτότητα voaf:vocabulary Ο τύπος του resource που περιγράφει το vocabulary vann:preferrednamespaceprefix Το prefix που θα πρέπει να χρησιμοποιείται όταν αναφερόμαστε στο vocabulary namespace. vann:preferrednamespaceuri Το namespace που θα πρέπει να χρησιμοποιείται για vocabulary Τίτλος και Περιγραφή dc:title Βασικός τίτλος του vocabulary dc:description Περιγραφή του σκοπού του vocabulary Εκδόσεις και Αλλαγές dc:issued Ημερομηνία της πρώτης δημοσίευσης του vocabulary dc:modified Ημερομηνία της τελευταίας μεταβολής του vocabulary owl:versioninfo Τρέχουσα έκδοση του vocabulary Πνευματικά Δικαιώματα dc:rights Δικαιώματα χρήσης του vocabulary cc:licence Άδεια χρήσης του vocabulary dc:creator Δημιουργοί του vocabulary dc:contributor Βοηθοί στη δημιουργία του vocabulary dc:publisher Εκδότης του vocabulary Πίνακας 15: Περιγραφή του dataset για το LOV 66 το

65 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα rdfs:label Βασικός τίτλος του στοιχείου rdfs:comment Ο ρόλος του στοιχείου rdfs:isdefinedby Σύνδεσμος ανάμεσα στο στοιχείο και στο namespace στο οποίο ανήκει vs:term_status Η κατάσταση του στοιχείου ("stable", "testing", "unstable", "deprecated"). Στην περίπτωση του "deprecated", η ιδιότητα "dc:isreplacedby" μπορεί να χρησιμοποιηθεί για να προσδιορίσει το νέο στοιχείο Πίνακας 16: Περιγραφή Vocabulary terms για το LOV Προκειμένου λοιπόν η Οντολογία των Θανατηφόρων Τροχαίων Ατυχημάτων να συμπεριληφθεί στον κατάλογο των Linked Open Vocabularies εμπλουτίστηκε με τις τριπλέτες που αναφέρθηκαν στους παραπάνω Πίνακες και στη συνέχεια υποβλήθηκε στο Linked Open Vocabularies όπως φαίνεται και στην Εικόνα 31. Εικόνα 31: Καταχώρηση του RoadAccidentsVocab στο directory Οντολογιών LOV 6.3. RDFizing του dataset Η μοντελοποίηση του dataset των Θανατηφόρων Τροχαίων Ατυχημάτων έγινε με τη βοήθεια του εργαλείου OpenRefine. Επιλέχθηκε σαν βασικό URI του dataset το ενώ στα resources ανάλογα με τον τύπο τους δόθηκαν URIs της ακόλουθης μορφής: 67

66 Γεωργιλά Χιονία Resource Type Example Resource URI RoadAccident AccType AccCause AccVehicle AccidentVictim AccRoadNet AccRegion AccCounty AccTime VictimAge VictimType Πίνακας 17: Παραδείγματα από URIs που αντιστοιχούν σε διάφορους τύπους resources Στην Εικόνα 32 φαίνονται τα mappings ανάμεσα στις στήλες του OpenRefine project και στις κλάσεις και στις ιδιότητες του Vocabulary των Τροχαίων Ατυχημάτων. 68

67 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα 69

68 Εικόνα 33: Μοντελοποίηση του Road Accident με κωδικό 10

69 Γεωργιλά Χιονία Στην Εικόνα 33 φαίνονται σε μορφή γράφου οι παραγόμενες τριπλέτες για το resource με URI ενώ στον Πίνακα 18. φαίνονται οι αντίστοιχες τριπλέτες σε μορφή RDF/XML. < a racc:roadaccident ; racc:dateofaccident "Tue Jan 05 00:00:00 EET 2010"^^xsd:date ; racc:hasvictim < ; racc:hasvictim < ; racc:belongstopolicedpt "Α.Δ. ΑΚΑΡΝΑΝΙΑΣ"; racc:happenedincounty < ; racc:happenedinregion < racc:happenedinroadnet < ; racc:hasaccvehicle < racc:hasacccause < ; racc:happenedduring < racc:hasacctype < ; geo:lat " " ; geo:long " " ; racc:happenedat "Περιοχή Αγρινίου" ; racc:accidentid "10"^^xsd:int ; racc:belongstogad < Πίνακας 18: Τριπλέτες που παράγει το OpenRefine και περιγράφουν το resource RoadAccident με κωδικό 10 Επιπλέον ο Πίνακας 19 περιέχει τις τριπλέτες που περιγράφουν ένα resource τύπου AccidentVictim < a racc:accidentvictim ; racc:hasvictimtype < ; racc:hasvictimage < ; racc:involvedin < Πίνακας 19: Τριπλέτες που παράγει το OpenRefine και περιγράφουν το resource AccidentVictim με κωδικό Δημιουργία συνδέσμων προς άλλα datasets Στο αρχείο που προέκυψε από το RDFizing του dataset προστέθηκαν: οι περιγραφές για τα βοηθητικά resources, που αφορούν skos έννοιες (όπως Αιτία Ατυχήματος, Είδος Θύματος, Τύπος Οχήματος, 'Ωρα Ατυχήματος (Οι έννοιες αυτές περιγράφονται στο Παράρτημα Α') τα links που ανακαλύφθηκαν με αυτόματο τρόπο (με χρήση του SILK) και αφορούν τους 72

70 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Νομούς και τις Γεωγραφικές Περιφέρειες της Ελλάδας διάφορα άλλα links που ανακαλύφθηκαν χειροκίνητα και αφορούν resources όπως : < < ή < Η αυτόματη ανακάλυψη παρόμοιων instances για τη δημιουργία identity links έγινε με τη βοήθεια του εργαλείου SILK ως εξής: 1. Αποφασίστηκε να συνδεθεί το dataset των Τροχαίων Ατυχημάτων με την ελληνική έκδοση της Dbpedia και για το σκοπό αυτό δημιουργήθηκε ένα SILK project όπως φαίνεται και στην Εικόνα 34, στο οποίο επιλέχτηκαν δύο data sources: το RoadAccidents και το Dbpedia-el. 2. Δημιουργήθηκαν οι δύο κανόνες αντιστοίχησης: Counties και Regions που φαίνονται στους Πίνακες 20 και 21. Ο πρώτος κανόνας αφορά τα resources των Νομών της Ελλάδας και ο δεύτερος τα resources των Γεωγραφικών Περιφερειών. 3. Χρησιμοποιήθηκε ένας απλός μετασχηματισμός των δεδομένων σε κεφαλαία γράμματα και για τη διαδικασία αντιστοίχησης επιλέχτηκε ο αλγόριθμος Levenstein Distance. 4. Τα links που ανακαλύφθηκαν, αποθηκεύτηκαν σε δύο αρχεία και αργότερα ενσωματώθηκαν στο dataset των Θανατηφόρων Τροχαίων Ατυχημάτων. 73

71 Γεωργιλά Χιονία Name Counties Source RoadAccident source restiction?a < < Target DBpedia-el Target restriction?b < < Link type Πίνακας 20: Κανόνας αντιστοίχησης με το όνομα Counties ανάμεσα στα resources racc:acccounty και dbpedia-el:administrativeregion Name Regions Source RoadAccident source restiction?a < < Target DBpedia-el Target restriction?b < < Link type Πίνακας 21: Κανόνας αντιστοίχησης με το όνομα Regions ανάμεσα στα resources racc: AccRegion και owl:thing (της DBpedia-el) 74

72 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Εικόνα 35: Μετασχηματισμός των δεδομένων σε κεφαλαία γράμματα και αλγόριθμος αντιστοίχησης Στην Εικόνα 36 φαίνονται τα identity links σχετικά με τους Νομούς της Ελλάδας, που ανακάλυψε το SILK ανάμεσα στο dataset των RoadAccidents και στην ελληνική έκδοση της Dbpedia, ενώ στον Πίνακα 22 φαίνονται κάποια από αυτά τα links σε μορφή τριπλετών. 75

73 Γεωργιλά Χιονία < < owl:sameas < < owl:sameas < < owl:sameas < owl:sameas < < < owl:sameas < < owl:sameas Πίνακας 22: Τριπλέτες για τα identity links των Νομών της Ελλάδας ανάμεσα στο RoadAccidents dataset και στην Dbpedia-el dataset 6.5. Void desciption Σύμφωνα με [5] δημιουργήθηκε το αρχείο void.ttl που περιγράφει το dataset και έχει URI το Το αρχείο αυτό δίνει πληροφορίες για τη δομή, τους συνδέσμους και τους τρόπους πρόσβασης στο dataset. Στο ίδιο directory τοποθετήθηκε και το RDF dump του dataset σε διάφορα serialization formats. Επιπλέον (σύμφωνα και με το dataset autodiscovery paublishing pattern, που περιγράφηκε στην παράγραφο 4.12) μέσα στα αρχεία του RDF dump προστέθηκε η παρακάτω τριπλέτα, η οποία συνδέει τα dataset με το void αρχείο που το περιγράφει: < < void:indataset Σημειώνεται ότι τα στατιστικά στοιχεία (όπως αριθμός κλάσεων, resources, τριπλετών κλπ) υπολογίστηκαν από το Virtuoso Triplestore μετά τη διαδικασία φόρτωσης του dataset στο Triplestore. Αναλυτικά το περιεχόμενο του void αρχείου φαίνεται στον Πίνακα

74 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα <> a void:datasetdescription; dcterms:title "A VoID Description of the Fatal Traffic Accidents in greek roads Dataset"; dcterms:creator :Georgila_Chionia; foaf:primarytopic < :RoadAccidents a void:dataset ; foaf:homepage < dcterms:title "Fatal Traffic Accidents in greek roads"; dcterms:description "Fatal Traffic Accidents in greek roads (From 01-Jan-2010 to 11-Aug2014)"; dcterms:publisher :Georgila_Chionia; dcterms:modified " "^^xsd:date; dcterms:license < dcterms:subject < void:feature < void:feature < void:feature < void:feature < void:sparqlendpoint < void:datadump < void:exampleresource < void:exampleresource < ; void:exampleresource < ; void:uriregexpattern "^ void:vocabulary < void:triples 93340; void:entities 9060; void:classes 25; void:properties 32; void:distinctsubjects 9140; void:distinctobjects 9214;. :Georgila_Chionia a foaf:person; rdfs:label "Georgila Chionia"; foaf:mbox <mailto:cgeorgila@sch.gr>;. <#service> a sd:service; sd:endpoint < sd:defaultdataset [ a sd:dataset; sd:defaultgraph [ a sd:graph, void:dataset; ]; sd:namedgraph [ a sd:namedgraph; 77

75 Γεωργιλά Χιονία sd:name < sd:graph [ a sd:graph, void:dataset; dcterms:title "Fatal Traffic Accidents in greek roads"; dcterms:description "Fatal Traffic Accidents in greek roads (From 01-Jan-2010 to 11-Aug-2014)"; foaf:homepage < void:triples 93340; ]; ]; ];. Πίνακας 23: Void.ttl αρχείο για το dataset των Θανατηφόρων Τροχαίων Ατυχημάτων 6.6. Δημοσίευση dataset Σύμφωνα με το [32] η βασική μέθοδος δημοσίευσης Συνδεδεμένων Δεδομένων στο Web είναι να δημιουργήσουμε dereferenceable URIs, επιτρέποντας έτσι στις εφαρμογές να χρησιμοποιούν τη μέθοδο follow-your-nose για ανακάλυψη των δεδομένων. Τα RDF dataset dumps είναι μία επιπλέον μέθοδος δημοσίευσης ενώ τα SPARQL endpoints επιτρέπουν την υποβολή ερωτημάτων απευθείας στα δεδομένα. Πιο αναλυτικά, η δημοσίευση των Συνδεδεμένων Δεδομένων μπορεί να γίνει σύμφωνα με τις ακόλουθες τεχνικές (Εικόνα 37) και εξαρτάται από την μορφή, τον όγκο και των δυναμισμό των δεδομένων: 1. Χρήση Σχεσιακής Βάσης Δεδομένων και RDB-to-RDF Wrapper (πχ. D2R) 2. Χρήση Σχεσιακής Βάσης Δεδομένων και CMS με RDFa Output (πχ. Drupal) 3. Χρήση Βάσης Δεδομένων και ειδικών server-side scripts (Linked Data Wrapper) 4. Χρήση RDF Store και Linked Data Interface (πχ. Pubby) 5. Χρήση RDF files και Web Server (πχ. Apache) 78

76 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Εικόνα 37: Τεχνικές δημοσίευσης Συνδεδεμένων Δεδομένων Στην περίπτωση του Συνόλου Συνδεδεμένων Δεδομένων για τα Θανατηφόρα Τροχαία Ατυχήματα επιλέχτηκαν η 4η και η 5η από τις παραπάνω τεχνικές. Τα αρχικά στατικά δεδομένα που ήταν διαθέσιμα σε Excel μορφή μετατράπηκαν σε RDF τριπλέτες και φορτώθηκαν στο Virtuoso Triplestore ενώ ταυτόχρονα δημοσιεύτηκαν και σαν αρχεία (RDF dumps) μέσω του Apache Web server RDF dump 1. Δημιουργήθηκαν 4 εκδόσεις του dataset με τη βοήθεια του εργαλείου rdf2rdf roadaccidents.rdf, σε μορφή RDF/XML με URI roadaccidents.ttl, σε μορφή Turtle με URI 79

77 Γεωργιλά Χιονία roadaccidents.n3, σε μορφή N3 με URI roadaccidents.nt, σε μορφή N-Triples με URI 2. Έγιναν σύμφωνα με το [34] οι απαραίτητες διορθώσεις στο configuration αρχείο του Apache, όπως φαίνονται και στον Πίνακα 23 για να σερβίρονται με τον σωστό τρόπο τα datasets σε κάθε μορφή AddType application/rdf+xml.rdf AddType application/x-turtle.ttl AddType text/plain.nt AddType text/rdf+n3.n3 Πίνακας 9: Mime-types για τα RDF serialization formats Φόρτωση στο Virtuoso Triplestore Το dataset που προέκυψε από το RDFizing των δεδομένων στο OpenRefine ήταν σε μορφή Turtle και φορτώθηκε μέσω της δυνατότητας Quad Store Upload του Virtuoso όπως φαίνεται και στην Εικόνα 38. Το URI του γράφου που δημιουργήθηκε είναι το Στη συνέχεια μέσω του SPARQL endpoint είναι δυνατή η εξερεύνηση του γράφου. Στην Εικόνα 39 φαίνεται το αποτέλεσμα του ερωτήματος select distinct?concept where {[] a?concept} 80

78 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα που συνηθίζεται να είναι το πρώτο ερώτημα που τίθεται σε ένα άγνωστο dataset. Η απάντηση στο ερώτημα αυτό είναι ένας κατάλογος με τις κλάσεις (concepts) που χρησιμοποιούνται στο dataset Εικόνα 39: Η απάντηση στο ερώτημα διερεύνησης των κλάσεων του dataset SPARQL endpoint Ένα δεύτερο παράδειγμα ερωτήματος είναι αυτό που φαίνεται στον Πίνακα 24 με το οποίο παράγεται το JSON αρχείο το οποίο χρησιμοποιείται από την εφαρμογή Απεικόνιση Τροχαίων Ατυχημάτων στο Χάρτη 81

79 Γεωργιλά Χιονία prefix racc: < prefix geo: < select?id?vid?date?ad?odik?topos?ora?eidos?aitia?oxima?idiotita?ilikia?lat?long where {?victim a racc:accidentvictim.?s a racc:roadaccident.?s racc:hasvictim?victim.?s racc:accidentid?id.?victim racc:victimid?vid.?s racc:dateofaccident?date.?s racc:belongstopolicedpt?ad.?s racc:happenedinroadnet?odik_link.?odik_link racc:hascode?roadcode.?roadcode skos:notation?odik.?s racc:happenedduring?ora_link.?ora_link racc:hascode?oracode.?oracode skos:notation?ora.?s racc:hasacctype?eidos_link.?eidos_link racc:hascode?eidoscode.?eidoscode skos:notation?eidos.?s racc:hasacccause?aitia_link.?aitia_link racc:hascode?aitiacode.?aitiacode skos:notation?aitia.?s racc:happenedat?topos.?victim racc:invehicle?oxima_link.?oxima_link racc:hascode?oximacode.?oximacode skos:notation?oxima.?victim racc:hasvictimtype?vtype.?vtype racc:hascode?victimcode.?victimcode skos:notation?idiotita.?victim racc:hasvictimage?vage.?vage racc:hascode?victimagecode.?victimagecode skos:notation?ilikia.?s geo:lat?lat.?s geo:long?long. } Πίνακας 24: Παράδειγμα SPARQL query στο γράφο των Τροχαίων Ατυχημάτων 82

80 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Δημοσίευση με τη βοήθεια του Pubby Όπως αναφέρθηκε και στην παράγραφο 4.9 το Pubby είναι ένα Linked Data Frontend για SPARQL Endpoints. Στην περίπτωσή μας θα πρέπει όταν το Pubby λάβει URL της μορφής να επιστρέψει την περιγραφή του resource από το SPARQL endpoint Για να συμβεί αυτό πρέπει να γίνουν οι παρακάτω ρυθμίσεις: Βήμα 1ο Στο configuration αρχείο.htaccess που βρίσκεται στο φάκελο /var/www/data του Apache server θα πρέπει να προσθέσουμε το ακόλουθο rewriting rule: RewriteRule ^accidents/(.+) [R=303] έτσι ώστε όλα τα requests που θα γίνονται σε resources της μορφής να ανακατευθύνονται στο Pubby server με τη μορφή Για παράδειγμα ένα request για το resource με URI θα ανακατευθυνθεί στο URI Βήμα 2ο Στο configuration αρχείο config.ttl που βρίσκεται στο φάκελο όπου είναι εγκατεστημένο το Pubby θα πρέπει να κάνουμε τις ακόλουθες ρυθμίσεις: conf:dataset [ # SPARQL endpoint URL of the dataset conf:sparqlendpoint < # Default graph name to query in Virtuoso conf:sparqldefaultgraph < # Common URI prefix of all resource URIs in the SPARQL dataset conf:datasetbase < # Dataset URIs are mapped only if the part after the conf:webbase matches this regular expression conf:dataseturipattern "(accidents)/.*"; ]; Δηλαδή τα conf:datasetbase και conf:dataseturipattern συνδυάζονται για να ορίσουν τι θα γίνει publish με τη βοήθεια του Pubby. 83

81 Γεωργιλά Χιονία Έλεγχος δημοσίευσης dataset Ο έλεγχος της δημοσίευσης του dataset έγινε με τη χρήση του Web service Vapour, με τη χρήση του εργαλείου curl αλλά και με τη βοήθεια του Mozilla Firefox (ως Web client) και του Linksailor (ως Linked Data client) Έλεγχος δημοσίευσης dataset με Vapour Όπως και στην περίπτωση της δημοσίευσης του Vocabulary έτσι και στην περίπτωση της δημοσίευσης του dataset των Τροχαίων Ατυχημάτων, ο έλεγχος της δημοσίευσης έγινε με τη βοήθεια του εργαλείου Vapour Όπως φαίνεται στην Εικόνα 41, η αίτηση ενός RDF πελάτη: 1. λαμβάνεται από τον Apache Web server και ανακατευθύνεται στο Pubby interface 2. λαμβάνεται από το Pubby interface και ανακατευθύνεται στο SPARQL endpoint 3. λαμβάνεται από το SPARQL endpoint το oποίο στέλνει την περιγραφή του resource σε RDF μορφή μέσω του Pubby στον RDF client 84

82 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Εικόνα 41: Αναλυτική απεικόνιση του dereferencing μιας RDF περιγραφής με αντίστοιχο τρόπο, όπως φαίνεται στην Εικόνα 42, η αίτηση ενός HTML πελάτη: 1. λαμβάνεται από τον Apache Web server και ανακατευθύνεται στο Pubby interface 2. λαμβάνεται από το Pubby interface και ανακατευθύνεται στο SPARQL endpoint 3. λαμβάνεται από το SPARQL endpoint το oποίο στέλνει την περιγραφή του resource σε HTML μορφή μέσω του Pubby στον HTML client 85

83 Γεωργιλά Χιονία Εικόνα 42: Αναλυτική απεικόνιση του dereferencing μιας HTML περιγραφής Έλεγχος δημοσίευσης dataset με curl Με τη βοήθεια του curl, το οποίο είναι ένας command-line HTTP client, έγιναν τριών ειδών έλεγχοι: 1. Content types redirects 3. Content Negotiation Δεν μπορούμε να διαπιστώσουμε αν ένα URI δουλεύει καλά στο Semantic Web ανοίγοντάς το απλά στο Web browser αλλά μπορούμε να το διαπιστώσουμε χρησιμοποιώντας το εργαλείο curl. 1. Έλεγχος για content types: Στο Web, τα content types χρησιμοποιούνται για να γίνει διάκριση ανάμεσα στα διαφορετικά formats, πχ. human-readable HTML (Content-Type: text/html) και machine-readable RDF/XML δεδομένα (Content-Type: application/rdf+xml). Όταν ζητάμε ένα URI, ο server στέλνει εκτός από το πραγματικό περιεχόμενο που ζητήθηκε και μία HTTP επικεφαλίδα που περιλαμβάνει το content type καθώς και άλλες πληροφορίες. Αρκετοί Semantic Web clients δεν δουλεύουν σωστά αν ο server στέλνει το RDF περιεχόμενο με λάθος content type. Για να ελέγξουμε το content type με τη βοήθεια του curl, χρησιμοποιούμε την παράμετρο -I, με την οποία εμφανίζονται οι HTTP headers που στέλνει ο server. curl -I Το παραπάνω URL αντιστοιχεί στο dataset των Θανατηφόρων Τροχαίων Ατυχημάτων και το 86

84 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα αποτέλεσμα είναι αυτό που φαίνεται στην Εικόνα 43. Η σημαντική γραμμή είναι το πεδίο Content-Type με το οποίο επιβεβαιώνουμε ότι το αρχείο προσφέρεται από το server ως application/rdf+xml. Αν αντιθέτως δούμε text/plain ή αν το πεδίο Content-Type λείπει, τότε η ρύθμιση του server πρέπει να διορθωθεί. 2. Έλεγχος για 303 redirects: Κατά τη δημοσίευση των RDF δεδομένων χρησιμοποιείται η τεχνική του 303 redirect για να ξεχωρίσουν τα URLs των εγγράφων Web από τα URIs των resources του Semantic Web. Ο έλεγχος για τη σωστή δημοσίευση του resource που αντιστοιχεί στο Τροχαίο Ατύχημα με κωδικό 1 γίνεται ως εξής: curl -I και το αποτέλεσμα είναι αυτό που φαίνεται στην Εικόνα 44. Εικόνα 44: Derefencing του URL του RoadAccident με κωδικό 1 και redirection στον Pubby server Οι σημαντικές πληροφορίες είναι το 303 status code που υποδεικνύει την ανακατεύθυνση και το πεδίο Location της επικεφαλίδας που μας στέλνει στο Pubby server όπως φαίνεται και από το domain name Εάν αντίθετα λάβουμε 200 OK status code, τότε το URI χρειάζεται επισκευή γιατί το είναι ένα RDF resource και όχι ένα έγγραφο. 3. Content negotiation: Οι καλοί Semantic Web servers είναι ρυθμισμένοι έτσι ώστε να κάνουν content negotiation δηλαδή να κατευθύνουν τους Semantic Web browsers σε RDF documents, και τους Web browsers σε HTML documents. Για να εξομοιώσουμε ένα Semantic Web browser, στέλνουμε ένα HTTP header Accept: application/rdf+xml μαζί με την HTTP αίτηση ως εξής: curl -I -H "Accept: application/rdf+xml" 87

85 Γεωργιλά Χιονία Το παραπάνω URL αντιστοιχεί στο Τροχαίο Ατύχημα με κωδικό 1 και το αποτέλεσμα είναι αυτό που φαίνεται στην Εικόνα 45. Εικόνα 45: Εξομοίωση αίτησης Semantic Web Browser και redirection στον Pubby server Αν στείλουμε την ίδια αίτηση χωρίς το header, λαμβάνουμε το ίδιο όπως φαίνεται και στην Εικόνα 46: Εικόνα 46: Εξομοίωση κλασικού Web Browser και redirection στον Pubby server Ελέγχοντας για curl -I -H "Accept: application/rdf+xml" το αποτέλεσμα είναι αυτό που φαίνεται στην Εικόνα 47. Εικόνα 47: Εξομοίωση αίτησης Semantic Web Browser προς τον Pubby server και redirection προς RDF περιεχόμενο 88

86 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Ελέγχοντας για curl -I το αποτέλεσμα είναι αυτό που φαίνεται στην Εικόνα 48 Εικόνα 48: Εξομοίωση αίτησης κλασικού Web Browser προς τον Pubby server και redirection προς HTML περιεχόμενο Στη συνέχεια ελέγχοντας για curl -I -H "Accept: application/rdf+xml" το αποτέλεσμα είναι, όπως φαίνεται και από το Status code 200 OK, της Εικόνας 49, η επιτυχής ανάκτηση ενός RDF/XML εγγράφου Εικόνα 49: Εξομοίωση αίτησης Semantic Web Browser για RDF περιεχόμενο του Pubby και επιτυχής ανάκτηση Τέλος ελέγχοντας για curl -I το αποτέλεσμα είναι, όπως φαίνεται και στην Εικόνα 50, η επιτυχής ανάκτηση ενός ΗΤML εγγράφου 89

87 Γεωργιλά Χιονία Εικόνα 50: Εξομοίωση αίτησης κλασικού Web Browser για HTML περιεχόμενο του Pubby και επιτυχής ανάκτηση Έλεγχος δημοσίευσης dataset με Mozilla Firefox και LD browser Linksailor Έγινε έλεγχος με τον Mozilla Firefox, όπως φαίνεται στην Εικόνα 51, και διαπιστώθηκε ότι: εμφανίζονται σωστά τα resources του dataset σε μορφή html γίνεται μία πετυχημενή πλοήγηση ανάμεσα στα δεδομένα υπάρχει σύνδεση των δεδομένων με τους όρους του vocabulary Στον Πίνακα 25 φαίνεται η Περιγραφή του resource με URI: σε N3 μορφή, όπως φαίνεται στον Firefox 90

88 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην rdfs: foaf: < < < < < < < ; < "1"^^< ; < "Δ. ΤΡΟΧ.ΘΕΣ/ΝΙΚΗΣ" ; < "Fri Jan 01 00:00:00 EET 2010"^^< ; < "63 χιλ. Πετριτσίου-Θεσ/νίκης" ; < < ; < < ; < < ; < < ; < < ; < < ; < < ; < < < ; < < < rdfs:label "RDF description of " ; foaf:primarytopic < < < < Πίνακας 25: Περιγραφή του resource με URI: σε N3 μορφή Παρόμοια, όπως φαίνεται και στην Εικόνα 52, έγινε έλεγχος με τον Linked Data Browser Link και 91

89 Γεωργιλά Χιονία διαπιστώθηκε ότι: εμφανίζονται σωστά τα resources του dataset σε μορφή rdf γίνεται μία πετυχημενή πλοήγηση ανάμεσα στα δεδομένα υπάρχει σύνδεση των δεδομένων με τους όρους του vocabulary 6.7. Δημοσίευση σε δημόσιους καταλόγους δεδομένων και σε semantic search engines Εκτός από τη δημοσίευση του dataset στο δικό μας domain 92

90 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα έγινε και δημοσίευση του στη μηχανή αναζήτησης σημασιολογικού περιεχομένου Sindice.com. Σύμφωνα με το [35] δημιουργήθηκε το sitemap.xml αρχείο που φαίνεται στον Πίνακα 26 και υποβλήθηκε για indexing στο Sindice.com <?xml version="1.0" encoding="utf-8"?> <urlset xmlns=" xmlns:sc=" <sc:dataset> <sc:datasetlabel>fatal Traffic Accidents in greek roads</sc:datasetlabel> <sc:linkeddataprefix> <sc:sampleuri> <sc:sampleuri> <sc:sampleuri> <sc:sparqlendpointlocation> <sc:sparqlgraphname> <sc:datadumplocation> <lastmod> </lastmod> </sc:dataset> </urlset> Πίνακας 26: Sitemap.xml αρχείο για χρήση από τις semantic search engines Επιπλέον το dataset στάλθηκε στο Datahub [27], το οποίο είναι μία ελεύθερη πλατφόρμα διαχείρισης δεδομένων που παρέχει το Open Knowledge Foundation, και βασίζεται στο CKAN data management system. Το DataHub δίνει τη δυνατότητα σε παρόχους δεδομένων (κυβερνήσεις, ερευνητικά κέντρα και άλλους οργανισμούς) να τα δημοσιεύουν με τέτοιο τρόπο ώστε να μπορεί κανείς να τα αναζητά σε καταλόγους ή με τη βοήθεια φίλτρων. Όπως φαίνεται και στην Εικόνα 53, το dataset των Θανατηφόρων Τροχαίων στην Ελλάδα στάλθηκε στο DataHub στις 4 μορφές που είναι διαθέσιμο και μέσω του domain crashmap.okfn.gr (rdf/xml, turtle, n3, n-triples). Επιπλέον στάλθηκαν τόσο το void.ttl όσο και το sitemap.xml αρχείο που περιγράφουν το dataset και βοηθούν τα semantic search engine να τα συμπεριλάβουν στους καταλόγους τους. Τέλος δημοσιεύθηκε το SPARQL endpoint στο οποίο είναι διαθέσιμος ο γράφος του dataset. 93

91 Γεωργιλά Χιονία 7. Δεύτερο dataset Στατιστικά Θανατηφόρων Τροχαίων Ατυχήματων 7.1. Αναζήτηση και προεπεξεργασία πρωτογενών δεδομένων για Στατιστικά Θανατηφόρων Τροχαίων Ατυχημάτων To dataset των Στατιστικών μετρήσεων σχετικά με τα Θανατηφόρα Τροχαία Ατυχήματα προέκυψε από το dataset των Θανατηφόρων Τροχαίων ατυχημάτων. Πιο συγκεκριμένα, εκτελέστηκαν 28 SPARQL queries παρόμοια με αυτά που φαίνονται στον Πίνακα 27 και έτσι δημιουργήθηκαν μετρήσεις, οι οποίες στη συνέχεια οδήγησαν στα ξεχωριστά datasets των στατιστικών μετρήσεων, που φαίνονται στον Πίνακα 28 σχετικά με τα σύνολα των θανατηφόρων τροχαίων ατυχημάτων. prefix racc: < prefix geo: < select?reg?oxima (COUNT(?id) AS?total) where {?s a racc:roadaccident.?s racc:accidentid?id.?s racc:happenedinregion?reg_link.?reg_link racc:hascode?regcode.?regcode skos:notation?reg.?s racc:hasaccvehicle?oxima_link.?oxima_link racc:hascode?oximacode.?oximacode skos:notation?oxima.?s racc:dateofaccident?date. FILTER(regex(?date, "2010")) } group by?reg?oxima order by?reg?oxima Πίνακας 27: SPARQL query για τον υπολογισμό του συνόλου των Ατυχημάτων ανά είδος οχήματος και γεωγραφική περιφέρεια για το έτος 2010 Είδος στατιστικών Fragment URI ανά έτος, γεωγραφική περιφέρεια και είδος ατυχήματος acctypedataset ανά έτος, γεωγραφική περιφέρεια και εμπλεκόμενο όχημα accvehicledataset eανά έτος, γεωγραφική περιφέρεια και ώρα ατυχήματος acctimedataset ανά έτος, γεωγραφική περιφέρεια και αιτία ατυχήματος acccausedataset ανά έτος, γεωγραφική περιφέρεια και ιδιότητα θύματος accvehicledataset ανά έτος, γεωγραφική πε ριφέρεια και ηλικία θύματος victimagedataset ανά έτος, γεωγραφική περιφέρεια και είδος οδικού δικτύου accroadnetdataset Πίνακας 28: Datasets των στατιστικών μετρήσεων για τα Θανατηφόρα Τροχαία στην Ελλάδα Από τα αποτελέσματα των ερωτημάτων προέκυψαν οι μετρήσεις σε μορφή παρόμοια με αυτή του Πίνακα 29 94

92 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα reg oxima GR-A BT GR-A Ca GR-A M GR-A OV GR-A ST GR-B BT GR-B Ca GR-B M GR-B OV GR-B ST GR-B UV GR-C BT... GR-L ST GR-M BT GR-M Ca GR-M M GR-M OV GR-M ST total Πίνακας 29: Πλήθος Θανατηφόρων Τροχαίων Ατυχημάτων ανά Γεωγραφική Περιφέρεια και είδος οχήματος για το έτος 2010 (Σημειώνεται ότι το είδος του Οχήματος είναι κωδικοποιημένο σύμφωνα με τον Πίνακα της Εικόνας 10 και αντιστοιχεί στο skos:notation των URIs των εννοιών που περιγράφουν το Είδος του Οχήματος, όπως ορίζονται στο Παράρτημα Α' ). Παρόμοιοι πίνακες προέκυψαν για τα έτη 2011, 2012 και Οι 4 αυτοί πίνακες εξήχθησαν σε CSV μορφή και στη συνέχεια εισήχθησαν στο OpenRefine με σκοπό να οδηγήσουν σε ένα νέο dataset με στατιστικές μετρήσεις σχετικά με το πλήθος των Θανατηφόρων Τροχαίων Ατυχήματων στην Ελλάδα ανά έτος, γεωγραφική περιφέρεια και είδος οχήματος (accvehicledataset). Ένας συνοπτικός Πίνακας με αυτές τις μετρήσεις φαίνεται στην Εικόνα 54. Εικόνα 54: Συνοπτικός πίνακας στατιστικών μετρήσεων σχετικά με το Πλήθος των Ατυχημάτων ανά έτος, γεωγραφική περιφέρεια και είδος οχήματος 95

93 Γεωργιλά Χιονία Ανάλογη εργασία έγινε για να δημιουργηθούν άλλα 6 datasets σύμφωνα με τον Πίνακα 28. Στην τελική φάση, όπως φαίνεται και στην Εικόνα 55, όλα τα datasets ενώθηκαν για να δημιουργηθεί ένα ενιαίο dataset για όλα τα Στατιστικά των Θανατηφόρων Τροχαίων Ατυχημάτων στην Ελλάδα. 96

94 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα 7.2. Δημιουργία Οντολογίας για Στατιστικά Θανατηφόρων Τροχαίων Ατυχημάτων Συγγραφή Οντολογίας για Στατιστικά Θανατηφόρων Τροχαίων Ατυχημάτων Για την περιγραφή του dataset των Στατιστικών για τα Θανατηφόρα Τροχαία Ατυχήματα, δημιουργήθηκε το RDFS Vocabulary roadaccidentsstats, το οποίο βασίστηκε στο DataCube Vocabulary. Στην Εικόνα 56, φαίνεται πως το dataset των στατιστικών μετρήσεων των Ατυχημάτων ανά τύπο Οχήματος μπορεί να μοντελοποιηθεί χρησιμοποιώντας τους όρους του DataCube. Εικόνα 56: Μοντελοποίηση με χρήση των όρων του DataCube Στο roadaccidentsstats δόθηκε το Vocabulary σαν χρησιμοποιείται το asta. URI: prefix Το Vocabulary όπως φαίνεται και στους Πίνακες 30 και 31 περιέχει τα βασικά resources που αντιστοιχούν στα 7 datasets (accvehicledataset, acccausedataset, accvictimdataset, 97

95 Γεωργιλά Χιονία acctypedataset, accroadnetdataset, victimagedataset, acctimedataset), τις αντίστοιχες δομές τους (σε μορφή Data Cube Data Srtucture Definitions) καθώς και όλα τα Data Cube components (dimensions, attributes, measures) που τα περιγράφουν. Τα Data Cube DataSets που περιλαμβάνουν τις μετρήσεις κάθε dataset έχουν URIs της μορφής: Tα Data Cube Data Srtucture Definition που περιγράφουν τη δομή κάθε dataset έχουν URIs της μορφής: To Data Cube Data Component properties που αντιστοιχούν στα components του dataset έχουν URIs της μορφής: 98

96 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Resource Name Resource Description (type of Resource) accvehicledataset Represents a collection of observations on fatal traffic accidents statistics, based on Type of Vehicle (cube:dataset) acccausedataset Represents a collection of observations on fatal traffic accidents statistics, based on Cause of Accident (cube:dataset) accvictimdataset Represents a collection of observations on fatal traffic accidents statistics, based on Type of Victim (cube:dataset) acctypedataset Represents a collection of observations on fatal traffic accidents statistics, based on Type of Accident (cube:dataset) accroadnetdataset Represents a collection of observations on fatal traffic accidents statistics, based on Road Network (cube:dataset) victimagedataset Represents a collection of observations on fatal traffic accidents statistics, based on Victim Age (cube:dataset) acctimedataset Represents a collection of observations on fatal traffic accidents statistics, based on Accident Time (cube:dataset) accvehicledsd Data Structure Definition for fatal traffic accidents statistics, based on Type of Vehicle (cube:datastructuredefinition) acccausedsd Data Structure Definition for fatal traffic accidents statistics, based on Cause of Accident (cube:datastructuredefinition) accvictimdsd Data Structure Definition for fatal traffic accidents statistics, based on Type of Victim (cube:datastructuredefinition) acctypedsd Data Structure Definition for fatal traffic accidents statistics, based on Type of Accident (cube:datastructuredefinition) accroadnetdsd Data Structure Definition for fatal traffic accidents statistics, based on Road Network (cube:datastructuredefinition) victimagedsd Data Structure Definition for fatal traffic accidents statistics, based on Victim Age (cube:datastructuredefinition) acctimedsd Data Structure Definition for fatal traffic accidents statistics, based on Accident Time (cube:datastructuredefinition) Πίνακας 30: Resources του RoadAccidentsStats Vocabulary 99

97 Γεωργιλά Χιονία Property Name Property Description regiondim A data cube dimension property which represents the geographic Region victimagedim A data cube dimension property which represents the age of a traffic accident victim caraccidentcausedim A data cube dimension property which represents the cause of a traffic accident victimtypedim A data cube dimension property which represents the type of a traffic accident victim roadnetdim A data cube dimension property which represents the Road Network vehicletypedim A data cube dimension property which represents the type of a traffic accident vehicle accidenttypedim A data cube dimension property which represents the type of a traffic accident accidenttimedim A data cube dimension property which represents the time of a traffic accident accidentyeardim A data cube dimension property which represents the year of a traffic accident numberofcaraccidents A data cube measure property which represents the measured value, that is the Number of fatal Car Accidents measureunit A data cube attribute property which represents the unit of measurement Πίνακας 31: Properties του RoadAccidentsStats Vocabulary που περιγράφουν τα Components του Επιπλέον, όπως και το Vocabulary RoadAccidents που χρησιμοποιήθηκε για την περιγραφή των Θανατηφόρων Τροχαίων Ατυχημάτων, έτσι και το Vocabulary RoadAccidentsStats έγινε τύπου voaf:vocabulary και του προστέθηκαν, όπως φαίνεται και στον Πίνακα 32, οι προτεινόμενες από το LOV ιδιότητες που προσδιορίζουν: την ταυτότητα, τον τίτλο, την περιγραφή, τις εκδόσεις, τις αλλαγές, καθώς και τα δικαιώματα χρήσης του ίδιου του Vocabulary τον βασικό τίτλο καθώς και το σύνδεσμο κάθε κλάσης και ιδιότητας που ορίζεται στο Vocabulary με το namespace στο οποίο ανήκει 100

98 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα asta dc:title "Vocabulary of Traffic Accidents cc:license < dc:creator "Georgila Chionia" dc:date " "^^xsd:date dc:description "A vocabulary to describe traffic accidents dc:issued " "^^xsd:date dc:publisher "Georgila Chionia, OKF Greece" dc:rights "Copyright OKF Greece" vann:preferrednamespaceprefix "asta" vann:preferrednamespaceuri " owl:versioninfo 1.0 Πίνακας 32: Προτεινόμενα από το LOV metadata για το roadaccidentsvocab Vocabulary Για την μοντελοποίηση των Components (δηλαδή των Dimensions, των Attributes και του Measure) του κάθε dataset ακολουθήθηκε η παρακάτω μέθοδος: Βήμα 1ο Δημιουργήθηκε ένα ConceptScheme με τις έννοιες που περιγράφουν τα dimensions του dataset. Αυτό το ConceptScheme έχει σαν βασικό URI το με prefix το asta-concept και καθεμία από τις έννοιες αυτές έχει τη μορφή: Αναλυτικά οι έννοιες που δημιουργήθηκαν είναι οι ακόλουθες: Accident Time με URI < Accident Type με URI < Car Accident με URI < Victim Type με URI < Region concept με URI < Road Network με URI < Vehicle Type με URI < Victim Age με URI < Βήμα 2ο Καθεμιά από τις παραπάνω έννοιες χρησιμοποιήθηκε για να προσδιορίσει κάποιο dimension μέσω της qb:concept ιδιότητας σε τριπλέτες της μορφής: asta:regiondim qb:concept 101 asta-concept:region

99 Γεωργιλά Χιονία Βήμα 3ο Για κάθε dimension που παίρνει τιμές από μία λίστα συγκεκριμένων κωδικών, a) δημιουργήθηκε μία κλάση τύπου ConceptScheme για την ίδια τη λίστα των κωδικών. Έχει URI της μορφής: πχ. είναι η κλάση για τη λίστα με τους κωδικούς που αφορούν τον τύπο του οχήματος b) δημιουργήθηκε μία κλάση για τους κωδικούς που περιέχονται στη λίστα. Η κλάση αυτή έχει URI της μορφής: πχ. είναι η κλάση για τους κωδικούς που αφορούν τον τύπο του οχήματος c) Ορίζονται instances της κλάσης που ορίζεται στο (b) για κάθε κωδικό με URI της μορφής: πχ. είναι το instance της κλάσης που αντιστοιχεί στον κωδικό του τύπου οχήματος Car και γίνονται topconcepts στο ConceptScheme που ορίζεται στο (a) Τα παραπάνω (a), (b) και (c) συνδέονται μεταξύ τους ως εξής: Η κλάση για τη λίστα των κωδικών έχει σαν topconcepts τα instances που αντιστοιχούν στους επιμέρους κωδικούς και έχει seealso στην κλάση για τους κωδικούς Η κλάση για τους κωδικούς που περιέχονται στη λίστα έχει seealso στο ConceptScheme Τα instances που αντιστοιχούν στους επιμέρους κωδικούς γίνονται topconcepts στο ConceptScheme που ορίζεται η λίστα των κωδικών Στην Εικόνα 57 φαίνεται μια σχηματική απεικόνιση των όρων του Vocabulary που περιγράφουν το dataset με τα στατιστικά των θανατηφόρων ατυχημάτων σε σχέση με τον τύπο του οχήματος. 102

100 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Εικόνα 57: Περιγραφή του dataset των Στατιστικών των Τροχαίων Ατυχημάτων σε σχέση με τον τύπο του Οχήματος RDF Validation της Οντολογίας Στατιστικών Τροχαίων Ατυχημάτων O έλεγχος της εγκυρότητας της οντολογίας των Στατιστικών για τα Τροχαία Ατυχήματα ήταν επιτυχής και έγινε σε δύο βήματα: 1. Χρησιμοποιήθηκε το εργαλείο RDF2RDF για validation και ταυτόχρονη μετατροπή του Vocabulary από Turtle σε RDF/XML μορφή, ως εξής: java -jar rdf2rdf jar roadaccidentsstats.rdf roadaccidentsstats.ttl 2. Χρησιμοποιήθηκε η υπηρεσία W3C Validation για online validation [33] του RDF/XML αρχείου roadaccidentsstats.rdf που προέκυψε από το προηγούμενο βήμα. Το validation έγινε με επιτυχία και έδωσε 273 τριπλέτες Δημιουργία HTML αναπαράστασης οντολογίας Στατιστικών Τροχαίων Ατυχημάτων Η html μορφή του vocabulary, δημιουργήθηκε με τη χρήση του Parrot service, ενώ όλα τα παραγόμενα αρχεία (html, css, png, javscript) αποθηκεύτηκαν και δημοσιεύτηκαν στο δικό μας domain με URL με τη μέθοδο του content negotiation. 103

101 Γεωργιλά Χιονία Δημοσίευση Οντολογίας Στατιστικών Τροχαίων Ατυχημάτων Η δημοσίευση της RoadAccidentsStats οντολογίας έγινε με τρόπο παρόμοιο με αυτόν που έγινε και η δημοσίευση της RoadAccidents οντολογίας, δηλαδή επιλέχτηκε η μέθοδος του extended configuration και ο Apache Web server μπορεί να προσφέρει είτε HTML είτε RDF περιγραφή του Vocabulary ανάλογα με τις απαιτήσεις του πελάτη Έλεγχος δημοσίευσης (derefencing) Οντολογίας Στατιστικών Τροχαίων Ατυχημάτων Ο έλεγχος της δημοσίευσης (derefencing) του vocabulary έγινε όπως και στην περίπτωση της RoadAccidents οντολογίας με τη βοήθεια των εργαλείων Vapour και curl και ήταν απόλυτα επιτυχής RDFizing των datasets Η μοντελοποίηση έγινε με τη βοήθεια του εργαλείου OpenRefine και επιλέχτηκε σαν βασικό URI του dataset το Αρχικά όπως φαίνεται και στην Εικόνα 58, στο OpenRefine προστέθηκαν 2 στήλες: μία για το έτος που αφορά η μέτρηση (year) και μία με το fragment URL του resource που αντιστοιχεί στον κωδικό της συγκεκριμένης μέτρησης (value) Εικόνα 58: Προσθήκη στηλών στο OpenRefine project Για την ονομασία των στατιστικών μετρήσεων, οι οποίες είναι τύπου qb:observation επιλέχτηκαν URIs της μορφής: {regioncode}_{yearcode}_{dimensiontype}_{dimensionvalue} 104

102 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Π.χ. το είναι το URI του Observation που αντιστοιχεί στο πλήθος των Θανατηφόρων τροχαίων αντυχημάτος που έγιναν κατά το έτος 2010, στη γεωγραφική περιφέρεια Ανατολικής Μακεδονίας και Θράκης και το εμπλεκόμενο όχημα ήταν Δίκυκλο Στην Εικόνα 59 φαίνονται οι βασικές αντιστοιχίσεις ανάμεσα στις στήλες του OpenRefine project που αφορά τις στατιστικές μετρήσεις σε σχέση με τον τύπο του οχήματος (accvehicledataset) και στις ιδιότητες του Vocabulary των Στατιστικών των Τροχαίων Ατυχημάτων. Στην Εικόνα 60 φαίνονται σε μορφή γράφου οι παραγόμενες τριπλέτες για το resource με URI ενώ στον Πίνακα 33 φαίνονται οι αντίστοιχες τριπλέτες σε μορφή RDF/XML. 105

103 Γεωργιλά Χιονία Εικόνα 60: Περιγραφή του resource σε μορφή γράφου < a cube:observation ; asta:regiondim < ; asta:accidentyeardim < ; asta:vehicletypedim < ; asta:numberofcaraccidents "16"^^xsd:int ; cube:dataset asta:accvehicledataset ; rdfs:label "Refers to Vehicle Type". Πίνακας 33: τριπλέτες για το resource με URI Παρόμοια είναι η RDF μοντελοποίηση και για τα άλλα datasets των στατιστικών στοιχείων. Επίσης κατά τη φάση του rdfizing προστέθηκαν slices για ομαδοποίηση των μετρήσεων, όπως φαίνεται και στην Εικόνα

104 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Εικόνα 61: Οργάνωση των στατιστικών μετρήσεων σε Slices Για την ονομασία των ομαδοποιημένων στατιστικών μετρήσεων, οι οποίες είναι τύπου qb:slice επιλέχτηκαν URIs της μορφής: Π.χ. το είναι το URI του Slice που περιέχει πόσα Τροχαία Ατυχημάτων έγιναν στην Περιφέρεια Ανατολικής Μακεδονίας και Θράκης για το έτος 2010 ανά Ηλικία Θύματος. H Εικόνα 62 παρουσιάζει την περιγραφή του παραπάνω resource. 107

105 Γεωργιλά Χιονία Οι βοηθητικές έννοιες ορίζονται και πάρουν οι διαστάσεις: στο namespace URI αφορούν τις τιμές που μπορεί να 1. Γεωγραφική Περιφέρεια, 2. Ηλικία Θύματος, 3. Αιτία Ατυχήματος, 4. Είδος Θύματος, 5. Οδικό Δίκτυο, 6. Τύπος Οχήματος, 7. Ώρα Ατυχήματος, 8. Είδος Ατυχήματος Μια πλήρης αναφορά στις έννοιες αυτές υπάρχει στο ΠΑΡΑΡΤΗΜΑ Α' Void decsription Σύμφωνα με [5] δημιουργήθηκε το αρχείο void.ttl που περιγράφει το dataset και έχει URI το Το αρχείο αυτό δίνει πληροφορίες για τη δομή, τους συνδέσμους και τους τρόπους πρόσβασης στο dataset. Στο ιδιο directory τοποθετήθηκε και το RDF dump του dataset σε διάφορα serialization formats. Επιπλέον μέσα στα αρχεία του RDF dump προστέθηκε η παρακάτω τριπλέτα, η οποία συνδέει το dataset με το void αρχείο που το περιγράφει: < < void:indataset Σημειώνεται ότι τα στατιστικά στοιχεία (όπως αριθμός κλάσεων, resources, τριπλετών κλπ) υπολογίστηκαν από το Virtuoso Triplestore μετά τη διαδικασία φόρτωσης του dataset στο Triplestore. Αναλυτικά το περιεχόμενο του void αρχείου φαίνεται στον Πίνακα

106 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην cc: dbpedia: foaf: geo: owl: racc: rdf: rdfs: skos: xsd: void: dcterms: foaf: sd: : <#>. <> a void:datasetdescription; dcterms:title "A VoID Description of the Statistics Dataset on Fatal Traffic Accidents in greek roads"; dcterms:creator :Georgila_Chionia; foaf:primarytopic < :RoadAccidentsStats a void:dataset ; foaf:homepage < dcterms:title "Statistics on Fatal Traffic Accidents in greek roads"; dcterms:description "Statistics on Fatal Traffic Accidents in greek roads (From 01-Jan-2010 to 31-Dec-2013)"; dcterms:publisher :Georgila_Chionia; dcterms:modified " "^^xsd:date; dcterms:license < dcterms:subject < void:feature < void:feature < void:feature < void:feature < void:sparqlendpoint < void:datadump < void:exampleresource < void:exampleresource < ; void:exampleresource < ; void:uriregexpattern "^ void:vocabulary < void:triples 28486; void:entities 3021; 109

107 Γεωργιλά Χιονία void:classes 2; void:properties 17; void:distinctsubjects 3028; void:distinctobjects 3183;. :Georgila_Chionia a foaf:person; rdfs:label "Georgila Chionia"; foaf:mbox <mailto:cgeorgila@sch.gr>;. <#service> a sd:service; sd:endpoint < sd:defaultdataset [ a sd:dataset; sd:defaultgraph [ a sd:graph, void:dataset; ]; sd:namedgraph [ a sd:namedgraph; sd:name < sd:graph [ a sd:graph, void:dataset; dcterms:title "Statistics on Fatal Traffic Accidents in greek roads"; dcterms:description "Statistics on Fatal Traffic Accidents in greek roads"; foaf:homepage < void:triples 28486; ]; ]; ];. Πίνακας 34: Void.ttl αρχείο για το dataset των Στατιστικών στα Θανατηφόρα Τροχαία 7.5. Δημοσίευση dataset για Στατιστικά Θανατηφόρων Τροχαίων Ατυχημάτων Όπως και στην περίπτωση του Συνόλου Συνδεδεμένων Δεδομένων για τα Θανατηφόρα Τροχαία Ατυχήματα, έτσι και στην περίπτωση του Συνόλου Συνδεδεμένων Δεδομένων για τα Στατιστικά τους τα στατικά δεδομένα των στατιστικών μετρήσεων μετατράπηκαν σε RDF τριπλέτες και φορτώθηκαν στο Virtuoso Triplestore ενώ ταυτόχρονα δημοσιεύτηκαν και σαν αρχεία (RDF dumps) μέσω του Apache Web server RDF dump 1. Δημιουργήθηκαν 4 εκδόσεις του dataset με τη βοήθεια του εργαλείου rdf2rdf 110

108 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα roadaccidentsstats.rdf, σε μορφή RDF/XML με URI roadaccidentsstats.ttl, σε μορφή Turtle με URI roadaccidentsstats.n3, σε μορφή N3 με URI roadaccidentsstats.nt, σε μορφή N-Triples με URI 2. Έγιναν σύμφωνα με το [34] οι απαραίτητες διορθώσεις στο configuration αρχείο του Apache, όπως φαίνονται και στον Πίνακα 35 για να σερβίρονται με τον σωστό τρόπο τα datasets σε κάθε μορφή AddType application/rdf+xml.rdf AddType application/x-turtle.ttl AddType text/plain.nt AddType text/rdf+n3.n3 Πίνακας 35: Mime types για τη δημοσίευση του dataset Φόρτωση στο Virtuoso Triplestore Το dataset που προέκυψε από το RDFizing των δεδομένων στο OpenRefine ήταν σε μορφή Turtle και φορτώθηκε στο Virtuoso Triplestore μέσω της δυνατότητας του Quad Store Upload. Το URI του γράφου που δημιουργήθηκε είναι το Mέσω του SPARQL endpoint είναι δυνατή η εξερεύνηση του γράφου, ενώ ένα παράδειγμα ερωτήματος είναι αυτό που φαίνεται στον Πίνακα 36 με το οποίο παράγεται το JSON αρχείο το οποίο χρησιμοποιείται από την εφαρμογή Προβολή Διαγραμμάτων για τα Στατιστικά των Τροχαίων Ατυχημάτων 111

109 Γεωργιλά Χιονία prefix asta: < prefix racc: < prefix cube: < select?reg?year?diast?value?total where{{?s a cube:observation.?s asta:regiondim?reg_link.?reg_link skos:notation?reg.?s asta:accidentyeardim?year.?s rdfs:label?diast.?s asta:caraccidentcausedim?aitiacode.?aitiacode skos:notation?value.?s asta:numberofcaraccidents?total. } UNION {?s a cube:observation.?s asta:regiondim?reg_link.?reg_link skos:notation?reg.?s asta:accidentyeardim?year.?s rdfs:label?diast.?s asta:accidenttypedim?typecode.?typecode skos:notation?value.?s asta:numberofcaraccidents?total. } UNION {?s a cube:observation.?s asta:regiondim?reg_link.?reg_link skos:notation?reg.?s asta:accidentyeardim?year.?s rdfs:label?diast.?s asta:victimtypedim?victimcode.?victimcode skos:notation?value.?s asta:numberofcaraccidents?total. } UNION {?s a cube:observation.?s asta:regiondim?reg_link.?reg_link skos:notation?reg. 112

110 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα?s asta:accidentyeardim?year.?s rdfs:label?diast.?s asta:vehicletypedim?vehiclecode.?vehiclecode skos:notation?value.?s asta:numberofcaraccidents?total. }UNION {?s a cube:observation.?s asta:regiondim?reg_link.?reg_link skos:notation?reg.?s asta:accidentyeardim?year.?s rdfs:label?diast.?s asta:accidenttimedim?timecode.?timecode skos:notation?value.?s asta:numberofcaraccidents?total. }UNION {?s a cube:observation.?s asta:regiondim?reg_link.?reg_link skos:notation?reg.?s asta:accidentyeardim?year.?s rdfs:label?diast.?s asta:victimagedim?agecode.?agecode skos:notation?value.?s asta:numberofcaraccidents?total. }UNION {?s a cube:observation.?s asta:regiondim?reg_link.?reg_link skos:notation?reg.?s asta:accidentyeardim?year.?s rdfs:label?diast.?s asta:roadnetdim?roadcode.?roadcode skos:notation?value.?s asta:numberofcaraccidents?total. }} Πίνακας 36: SPARQL query για την Προβολή Διαγραμμάτων για τα Στατιστικά των Τροχαίων Ατυχημάτων 113

111 Γεωργιλά Χιονία Δημοσίευση με τη βοήθεια του Pubby Όπως περιγράφηκε και στην παράγραφο 4.9 θα πρέπει όταν το Pubby λάβει URL της μορφής να επιστρέψει την περιγραφή του resource από το SPARQL endpoint Για να συμβεί αυτό πρέπει να γίνουν οι παρακάτω ρυθμίσεις: Βήμα 1ο Στο configuration αρχείο.htaccess που βρίσκεται στο φάκελο /var/www/data του Apache server θα πρέπει να προσθέσουμε το ακόλουθο rewriting rule: RewriteRule ^statistics/(.+) [R=303] έτσι ώστε όλα τα requests που θα γίνονται σε resources της μορφής να ανακατευθύνονται στο Pubby server με τη μορφή Για παράδειγμα ένα request για το resource με URI θα ανακατευθυνθεί στο URI Βήμα 2ο Στο configuration αρχείο config.ttl που βρίσκεται στο φάκελο όπου είναι εγκατεστημένο το Pubby θα πρέπει να κάνουμε τις ακόλουθες ρυθμίσεις: conf:dataset [ # SPARQL endpoint URL of the dataset conf:sparqlendpoint < # Default graph name to query in Virtuoso conf:sparqldefaultgraph < # Common URI prefix of all resource URIs in the SPARQL dataset conf:datasetbase < # Dataset URIs are mapped only if the part after the conf:webbase matches this regular expression conf:dataseturipattern "(statistics)/.*"; ]; Έλεγχος δημοσίευσης dataset και δημοσίευση στο CKAN Ο έλεγχος της δημοσίευσης του dataset έγινε με τη χρήση του Web service Vapour, με τη χρήση του εργαλείου curl αλλά και με τη βοήθεια του Mozilla Firefox (ως Web client) και του Linksailor 114

112 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα (ως Linked Data client). Όλοι οι παραπάνω έλεγχοι, όπως και στην περίπτωση του dataset των Τροχαίων Ατυχημάτων, ήταν πετυχημένοι. Τέλος όπως φαίνεται και στην Εικόνα 63, το dataset των Στατιστικών για τα Θανατηφόρα Τροχαία στην Ελλάδα στάλθηκε στο DataHub στις 4 μορφές που είναι διαθέσιμο και μέσω του domain crashmap.okfn.gr (rdf/xml, turtle, n3, n-triples). Επιπλέον στάλθηκαν τόσο το void.ttl όσο και το sitemap.xml αρχείο που περιγράφουν το dataset και βοηθούν τα semantic search engine να τα συμπεριλάβουν στους καταλόγους τους. Τέλος δημοσιεύθηκε το SPARQL endpoint στο οποίο είναι διαθέσιμος ο γράφος του dataset. Εικόνα 63: Δημοσίευση του dataset των Στατιστικών στο DataHub 115

113 Γεωργιλά Χιονία 8. Eφαρμογή Απεικόνιση Τροχαίων Ατυχημάτων σε Γεωγραφικό Χάρτη Όπως αναφέρθηκε και στην παράγραφο 3 και όπως απεικονίζεται και στο διάγραμμα της Εικόνας 6 η εφαρμογή Απεικόνιση Τροχαίων Ατυχημάτων σε Γεωγραφικό Χάρτη περιλαμβάνει τα ακόλουθα υποσυστήματα: 1. Διερεύνηση dataset και δημιουργία κατάλληλου json αρχείου για επεξεργασία από εφαρμογή Javascript 2. Χρήση Google Maps javascript api 3. Δημιουργία Fusion Tables για ενσωμάτωση στοιχείων από την Απογραφή Πληθυσμού 4. Ενσωμάτωση αρχείων με επικίνδυνα σημεία του ελληνικού οδικού δικτύου Πιο συγκεκριμένα: 1. Δημιουργία JSON input file Επειδή ο στόχος ήταν η δημιουργία μιας client-side εφαρμογής επιλέχτηκε η χρήση της JavaScript γλώσσας η οποία είναι κυρίαρχη στην κατασκευή δυναμικών ιστοσελίδων στη μεριά του client. 116

114 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Επιπλέον αποφασίστηκε η επικοινωνία της εφαρμογής με το Virtuoso Triplestore όπου είναι αποθηκευμένο το dataset των Τροχαίων Ατυχημάτων να γίνει με τη χρήση ενός κατάλληλου JSON αρχείου. Το αρχείο αυτό είναι στατικό, δηλαδή παράγεται μία φορά, περιέχει όλα τα στοιχεία των Τροχαίων Ατυχημάτων για τα οποία βρέθηκαν γεωγραφικές συντεταγμένες και μπορεί να χρησιμοποιηθεί στη συνέχεια από την εφαρμογή κάθε φορά που αυτή εκτελείται. Η δημιουργία του JSON αρχείου έγινε μέσω του SPARQL endpoint του με τη χρήση του query που φαίνεται στον Πίνακα 37 το οποίο εκτελέστηκε στο γράφο 117

115 Γεωργιλά Χιονία prefix racc: < prefix geo: < select?id?vid?date?ad?odik?topos?ora?eidos?aitia?oxima?idiotita?ilikia?lat?long where {?victim a racc:accidentvictim.?s a racc:roadaccident.?s racc:hasvictim?victim.?s racc:accidentid?id.?victim racc:victimid?vid.?s racc:dateofaccident?date.?s racc:belongstopolicedpt?ad.?s racc:happenedinroadnet?odik_link.?odik_link racc:hascode?roadcode.?roadcode skos:notation?odik.?s racc:happenedduring?ora_link.?ora_link racc:hascode?oracode.?oracode skos:notation?ora.?s racc:hasacctype?eidos_link.?eidos_link racc:hascode?eidoscode.?eidoscode skos:notation?eidos.?s racc:hasacccause?aitia_link.?aitia_link racc:hascode?aitiacode.?aitiacode skos:notation?aitia.?s racc:happenedat?topos.?victim racc:invehicle?oxima_link.?oxima_link racc:hascode?oximacode.?oximacode skos:notation?oxima.?victim racc:hasvictimtype?vtype.?vtype racc:hascode?victimcode.?victimcode skos:notation?idiotita.?victim racc:hasvictimage?vage.?vage racc:hascode?victimagecode.?victimagecode skos:notation?ilikia.?s geo:lat?lat.?s geo:long?long. } Πίνακας 37: SPARQL query για τη δημιουργία JSON αρχείου 118

116 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Οι πρώτες γραμμές του JSON αρχείου που προέκυψε φαίνονται στον Πίνακα 38 { "results": [ { "id": { "type": "typed-literal", "datatype": " "value": "2" }, "vid": { "type": "literal", "value": "3" }, "date": { "type": "typed-literal", "datatype": " "value": "Fri Jan 01 00:00:00 EET 2010" }, "ad": { "type": "literal", "value": "\u0391.\u0394. \u039a\u0399\u039b\u039a\u0399\u03a3" }, "odik": { "type": "literal", "value": "ODR" }, "topos": { "type": "literal", "value": "15,5 \u03c7\u03b9\u03bb. \u0398\u03b5\u03c3/\u03bd\u03af\u03ba\u03b7\u03c2-\u039a\u03b9\u03bb\u03ba\u03a F\u03C2" }, "ora": { "type": "literal", "value": "T24-07" }, "eidos": { "type": "literal", "value": "P" }, "aitia": { "type": "literal", "value": "CrPe" }, "oxima": { "type": "literal", "value": "UV" }, "idiotita": { "type": "literal", "value": "Pe" }, "ilikia": { "type": "literal", "value": "Y_GT55" }, "lat": { "type": "literal", "value": " " }, "long": { "type": "literal", "value": " " }}, { "id": { "type": "typed-literal", "datatype": " "value": "3" }, "vid": { "type": "literal", "value": "4" }, "date": { "type": "typed-literal", "datatype": " "value": "Sat Jan 02 00:00:00 EET 2010" }, "ad": { "type": "literal", "value": "\u0394. \u03a4\u03a1\u039f\u03a7. \u0391\u03a4\u03a4\u0399\u039a\u0397\u03a3" }, "odik": { "type": "literal", "value": "RA" }, "topos": { "type": "literal", "value": "\u0395\u03c5\u03b5\u03bb\u03c0\u03af\u03b4\u03c9\u03bd \u03ba\u03b1\u03b9 \u03a9\u03bb\u03ad\u03bd\u03bf\u03c5" }, "ora": { "type": "literal", "value": "T09-13" }, "eidos": { "type": "literal", "value": "P" }, "aitia": { "type": "literal", "value": "CrD" }, "oxima": { "type": "literal", "value": "ST" }, "idiotita": { "type": "literal", "value": "Pe" }, "ilikia": { "type": "literal", "value": "Y46-55" }, "lat": { "type": "literal", "value": " " }, "long": { "type": "literal", "value": " " }}, { "id": { "type": "typed-literal", "datatype": " "value": "4" }, "vid": { "type": "literal", "value": "5" }, "date": { "type": "typed-literal", "datatype": " "value": "Sat Jan 02 00:00:00 EET 2010" }, "ad": { "type": "literal", "value": "\u0394. \u03a4\u03a1\u039f\u03a7. \u0391\u03a4\u03a4\u0399\u039a\u0397\u03a3" }, "odik": { "type": "literal", "value": "RA" }, "topos": { "type": "literal", "value": "\u039a\u03cd\u03c0\u03c1\u03bf\u03c5 27, \u03a6\u03ac\u03bb\u03b7\u03c1\u03bf" }, "ora": { "type": "literal", "value": "T24-07" }, "eidos": { "type": "literal", "value": "C" }, "aitia": { "type": "literal", "value": "CrD" }, "oxima": { "type": "literal", "value": "M" }, "idiotita": { "type": "literal", "value": "Dr" }, "ilikia": { "type": "literal", "value": "Y26-35" }, "lat": { "type": "literal", "value": " " }, "long": { "type": "literal", "value": " " }},... Πίνακας 38: Απόσπασμα από το JSON αρχείο που χρησιμοποιείται στην εφαρμογή απεικόνισης των ατυχημάτων στο χάρτη 2. Χρήση Google Maps javascript api Επειδή το σύνολο των Τροχαίων Ατυχημάτων αφορά πληροφορίες που μπορούν να απεικονιστούν ιδανικά πάνω σε γεωγραφικό χάρτη, αποφασίστηκε η χρήση του Google maps api το οποίο ενσωματώθηκε στην εφαρμογή δίνοντας σημαντική αξία στα πρωτογενή δεδομένα. Ωστόσο η δυσκολία εντοπισμού των γεωγραφικών συντεταγμένων, με βάση την περιγραφή του Τόπου Τέλεσης Ατυχήματος όπως αυτή παρέχεται από την Τροχαία, περιόρισε σημαντικά το πλήθος των 119

117 Γεωργιλά Χιονία σημείων των ατυχημάτων στο χάρτη. Θα ήταν ιδανικό αν στις πληροφορίες που καταγράφει η Τροχαία περιλαμβάνονταν οι ακριβείς γεωγραφικές συντεταγμένες του σημείου του Ατυχήματος. 3. Δημιουργία Fusion Tables για ενσωμάτωση στοιχείων από την Απογραφή Πληθυσμού Προκειμένου να εμπλουτιστεί ακόμη περισσότερο η παρεχόμενη πληροφορία δημιουργήθηκαν δύο διαφορετικά υπόβαθρα στο χάρτη των ατυχημάτων. Τα υπόβαθρα αυτά είναι χρωματικοί χάρτες που δίνουν πληροφορίες σε επίπεδο γεωγραφικής περιφέρειας σχετικά με το Πλήθος των Ατυχημάτων καθώς και τον Πληθυσμό της περιφέρειας. Οι παραπάνω δυνατότητες της εφαρμογής (χρωματικοί χάρτες με ενσωματωμένα ιστογράμματα) δημιουργήθηκαν με τα Fusion Tables, τα οποία όπως αναφέρθηκαν και στην παράγραφο 5.2 είναι ένα πειραματικό web application της Google για data visualization 4. Ενσωμάτωση αρχείων με επικίνδυνα σημεία του ελληνικού οδικού δικτύου Τέλος σε μία προσπάθεια να ενσωματωθεί επιπλέον χρήσιμη πληροφορία χρησιμοποιήθηκαν οι γεωγραφικές συντεταγμένες επικίνδυνων σημείων των ελληνικών δρόμων όπως δίνονται στην πλατφόρμα POIS index Database [36]. H POIS index Database είναι μία crowdsourcing πλατφόρμα στην οποία οι χρήστες καταθέτουν τις γεωγραφικές συντεταγμένες διαφόρων σημείων που παρουσιάζουν ενδιαφέρον. Στη συνέχεια τα σημεία ομαδοποιούνται και διατίθενται ανά κατηγορία σε kml μορφή. Τα αρχεία που ενσωματώθηκαν στην εφαρμογή μας είναι αυτά που φαίνονται στον Πίνακα 39. Είδος Πληροφορίας Όνομα Αρχείου Επικίνδυνη Διασταύρωση GoogleEarth_Dangerous_Junction.kml Επικίνδυνο Σημείο GoogleEarth_Dangerous_Point.kml Επικίνδυνος Δρόμος GoogleEarth_Dangerous_Road.kml Επικίνδυνη Σιδηροδρομική GoogleEarth_Dangerous_Train_Crossi Διασταύρωση ng.kml Επικίνδυνη Στροφή GoogleEarth_Dangerous_Turn.kml Πλήθος Σημείων Ημερομηνία Ενημέρωσης /6/ /6/ /8/ /6/ /6/2013 Πίνακας 39: Αρχεία Επικίνδυνων Οδικών Σημείων Χαρακτηριστικά εφαρμογής Η εφαρμογή είναι διαθέσιμη στη διεύθυνση και όπως φαίνεται στην Εικόνα 64, εμφανίζει το χάρτη της Ελλάδας και ένα πάνελ φίτρων μέσω του οποίου ο χρήστης επιλέγει πώς θα εμφανίσει τις πληροφορίες. 120

118 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Εικόνα 64: Πάνελ φιλτραρίσματος των πληροφοριών Πιο συγκεκιμένα ο χρήστης μπορεί να επιλέξει: 1. το Είδος του Χάρτη 2. αν τα ατυχήματα θα προβληθούν ομαδοποιημένα ή όχι 3. το είδος του Εμπλεκόμενου Οχήματος 4. το είδος του Οδικού Δικτύου 5. το είδος του Ατυχήματος 6. αν θα εμφανιστούν επιπλέον πληροφορίες και ποιες θα είναι αυτές Επιλέγοντας τον Απλό Χάρτη εμφανίζονται Θανατηφόρα Τροχαία Ατυχήματα που ικανοποιούν τα φίλτρα, όπως φαίνεται στην Εικόνα

119 Γεωργιλά Χιονία Εικόνα 65: Εμφάνιση Ατυχημάτων χωρίς ομαδοποίηση Ωστόσο, λόγω του πλήθους τους, τα σημεία αυτά, υπάρχει η δυνατότητα εφόσον ο χρήστης το ζητήσει να εμφανίζονται ομαδοποιημένα όπως φαίνονται στην Εικόνα 66 Εικόνα 66: Εμφάνιση Ατυχημάτων με ομαδοποίηση 122

120 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Αν ο χρήστης επιλέξει στο Είδος του Χάρτη να προβάλει τον χάρτη με τα Στατιστικά των Τροχαίων ατυχημάτων τότε η κάθε γεωγραφική περιφέρεια του χάρτη θα βαφτεί ανάλογα με το πλήθος των Θανατηφόρων Τροχαίων Ατυχημάτων που αντιστοιχούν σε κατοίκους για το έτος 2012 (Εικόνα 67) Εικόνα 67: Χρωματικός χάρτης ανάλογα με το πλήθος των ατυχημάτων για το έτος 2012 Αν στον παραπάνω χάρτη πατηθεί η περιοχή μιας συγκεκριμένης γεωγραφικής περιφέρειας τότε θα εμφανιστεί όπως φαίνεται και στην Εικόνα 68 ένα ιστόγραμμα με συγκριτικά στοιχεία του πλήθους των Ελαφρών, Σοβαρών και Θανατηφόρων Τροχαίων Ατυχημάτων ανά για το έτος 2012 στη συγκεκριμένη γεωγραφική περιφέρεια. 123

121 Γεωργιλά Χιονία Εικόνα 68: Εμφάνιση ιστογράμματος με συγκριτικά στοιχεία ανά περιφέρεια Αν ο χρήστης επιλέξει στο Είδος του Χάρτη να προβάλει τον χάρτη με τα Στοιχεία της Απογραφής τότε η κάθε γεωγραφική περιφέρεια του χάρτη θα βαφτεί ανάλογα με τον πληθυσμό της, όπως αυτός καταμετρήθηκε κατά την απογραφή του 2011 (Εικόνα 69) 124

122 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Εικόνα 69: Χρωματικός χάρτης βασισμένος σε στοιχεία της Απογραφής Πληθυσμού Επιπλέον ο χρήστης μπορεί να επιλέξει το Οδικό Δίκτυο κατά μήκος του οποίου θέλει να εμφανιστούν τα Θανατηφόρα Τροχαία. Στην Εικόνα 70 φαίνονται τα ατυχήματα κατά μήκος της Νέας Εθνικής Οδού Αθηνών-Πατρών. 125

123 Γεωργιλά Χιονία Εικόνα 70: Θανατηφόρα Τροχαία στη Νέα Εθνική οδό Αθηνών-Πατρών Αν ο χρήστης επιλέξει κάποιες από τις επιπλέον πληροφορίες, τότε αυτές θα εμφανιστούν σαν σημεία στο χάρτη, όπως για παράδειγμα στην Εικόνα 71 φαίνονται οι επικίνδυνες διασταυρώσεις. Εικόνα 71: Εμφάνιση επικίνδυνων διασταυρώσεων 126

124 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Όταν ο χρήστης πατήσει στο marker που δηλώνει το τροχαίο ατύχημα, τότε εμφανίζεται ένα InfoWindow με όλες τις πληροφορίες που αφορούν το συγκεκριμένο ατύχημα (βλέπε Εικόνα 72) Εικόνα 72: InfoWindow με λεπτομερείς πληροφορίες για το συγκεκριμένο ατύχημα Πατώντας στο ειδονίδιο θα εμφανιστεί, όπως φαίνεται και στην Εικόνα 73, η σημασιολογική πληροφορία που συνδέεται με το συγκεκριμένο ατύχημα και είναι καταχωρημένη στο Virtuoso Triplestore. 127

125 Γεωργιλά Χιονία Εικόνα 73: RDF πληροφορία που αντιστοιχεί σε συγκεκριμένο ατύχημα Μέσω της RDF πληροφορίας ο χρήστης μπορεί να πλοηγηθεί στα συνδεδεμένα δεδομένα του dataset των Τροχαίων Ατυχημάτων. Για παράδειγμα αν ο χρήστης κάνει κλικ στο σύνδεσμο ing_without_attention τότε θα εμφανιστούν όπως φαίνονται και στην Εικόνα 74 οι κωδικοί όλων των ατυχημάτων με την ίδια Αιτία. 128

126 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Εικόνα 74: URIs των ατυχημάτων που συνέβησαν λόγω έλλεψης προσοχής Επιπλέον στο InfoWindow της Εικόνας 72 μπορεί να πατηθεί τόσο η πληροφορία της Ώρας, όσο και η πληροφορία της Ηλικίας του θύματος και ο χρήστης να οδηγηθεί σε μία ομαδοποιημένη παρουσίαση, σε RDF μορφή, των ατυχημάτων που συνέβησαν την ίδια ώρα (Εικόνα 75) και των θυμάτων που είχαν την ίδια ηλικία (Εικόνα 76) 129

127 Γεωργιλά Χιονία Εικόνα 75: URIs των ατυχημάτων που συνέβησαν στο χρονικό διάστημα από 24:00 έως 7:00 130

128 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Τέλος η εφαρμογή Οπτικοποίηση των Θανατηφόρων Τροχαίων στην Ελλάδα υπάρχει και σε αγγλική έκδοση όπως φαίνεται και στην Εικόνα 77 Εικόνα 77: Αγγλική έκδοση της εφαρμογής "Οπτικοποίηση των Θανατηφόρων Τροχαίων στην Ελλάδα" 131

129 Γεωργιλά Χιονία 9. Eφαρμογή Προβολή Διαγραμμάτων για τα Στατιστικά των Τροχαίων Ατυχημάτων Με τρόπο ανάλογο με την εφαρμογή Οπτικοποίησης κατασκευάστηκε και η εφαρμογή Προβολής Διαγραμμάτων για τα Στατιστικά των Τροχαίων Ατυχημάτων Χαρακτηριστικά εφαρμογής Η εφαρμογή είναι διαθέσιμη στη διεύθυνση αλλά και με χρήση του εικονίδιου και όπως φαίνεται στην Εικόνα 78 αποτελείται από δύο ξεχωριστά πάνελ με πληροφορίες. Στο αριστερό πάνελ (1) ο χρήστης μπορεί να προβάλει σε μορφή PieChart (2) (Εικόνα 79) ή GeoChart (3) (Εικόνα 80), τα Θανατηφόρα Ατυχήματα ή Θύματα αυτών που αντιστοιχούν σε κατοίκους για κάθε περιφέρεια και για τα έτη 2010, 2011, 2012 και

130 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Εικόνα 79: Στατιστικά σε μορφή PieChart Εικόνα 81: Animated line charts με στατιστικά στοιχεία Τροχαίων Ατυχημάτων Στα δεξιά πάνελς της Εικόνας 78, φαίνεται ότι ο χρήστης μπορεί να πληγηθεί διαδοχικά στις 13 περιφέρειες της Ελλάδας, προβάλλοντας στατιστικά σχετικά με τα τροχαία ατυχήματα, ανά εμπλεκόμενο όχημα (5), είδος ατυχήματος (6), ώρα ατυχήματος (7), αιτία ατυχήματος (8), ιδιότητα θύματος (9) και ηλικία θύματος (10), όπως φαίνεται στην Εικόνα

131 Γεωργιλά Χιονία 10. Συμπεράσματα Το πρώτο συμπέρασμα που προκύπτει από τη συγκεκριμένη εργασία είναι πώς η ύπαρξη ανοικτών κυβερνητικών δεδομένων μπορεί να οδηγήσει σε ενδιαφέρουσες εφαρμογές που με τη σειρά τους μπορούν να οδηγήσουν σε λήψη αποφάσεων και χάραξη πολιτικής. Ένα δεύτερο συμπέρασμα είναι πως η τεχνολογία των Συνδεδεμένων Δεδομένων προσφέρει ένα πλήθος εργαλείων και μεθόδων που καθιστούν εύκολη τη μοντελοποίηση, τη διασύνδεση και τη δημοσίευση συνόλων δεδομένων. Η συνεισφορά της συγκεκριμένης εργασίας είναι: Η δημιουργία και δημοσίευση της οντολογίας των Θανατηφόρων Τροχαίων Ατυχημάτων στην Ελλάδα Η δημιουργία και δημοσίευση της οντολογίας για τα στατιστικά στοιχεία των Θανατηφόρων Τροχαίων Ατυχημάτων στην Ελλάδα Η δημιουργία και δημοσίευση του συνόλου δεδομένων με τα στοιχεία των Θανατηφόρων Τροχαίων Ατυχημάτων (από έως και ) Η δημιουργία και δημοσίευση του συνόλου δεδομένων με τις στατιστικές μετρήσεις σχετικά με το πλήθος των Θανατηφόρων Τροχαίων Ατυχημάτων ανά γεωγραφική περιφέρεια και έτος, ομαδοποιήμένων ως προς το είδος του ατυχήματος, το είδος του οχήματος, την ώρα του ατυχήματος, την αιτία του ατυχήματος, την ιδιότητα του θύματος και την ηλικία του θύματος Η δημιουργία δύο web εφαρμογών για την προβολή των παραπάνω δεδομένων σε χάρτες και διαγράμματα της Google H προτεινόμενη μεθοδολογία που η εφαρμογή της μπορεί να οδηγήσει από ένα απλό Excel αρχείο σε ένα δημοσιευμένο Linked dataset και στη συνέχεια σε μία πλήρως λειτουργική Web εφαρμογή. Ως μελλοντική εργασία θα μπορούσε να είναι: Η προσθήκη ακόμη περισσοτέρων συνδέσμων προς το Web of Data. Η ενημέρωση των datasets με τα στοιχεία των Ατυχημάτων για το τελευταίο τετράμηνο του 2014 Ο εντοπισμός στο χάρτη σημείων που αφορούν χιλιομετρικές θέσεις εθνικών οδών ή επαρχιακών δρόμων Ο εμπλουτισμός της εφαρμογής προβολής στατιστικών στοιχείων με τη δημιουργία javascript εφαρμογής για προβολή των ομαδοποιημένων μετρήσεων (DataCube slices) κατόπιν επιλογής του χρήστη 134

132 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα ΠΑΡΑΡΤΗΜΑ A Βοηθητικές έννοιες που χρησιμοποιούνται στη μοντελοποίηση των δεδομένων. Έχουν σαν namespace URI το και prefix το astacodes: 135

133 Γεωργιλά Χιονία Γεωγραφική Περιφέρεια Fragment URI skos:preflabel skos:notation GR-A Region of East Macedonia and Thrace GR-A GR-B Region of Central Macedonia GR-B GR-C Region of West Macedonia GR-C GR-D Region of Epirus GR-D GR-E Region of Thessaly GR-E GR-F Region of Ionian Islands GR-F GR-G Region of West Greece GR-G GR-H Region of Central Greece GR-H GR-I Region of Attika GR-I GR-J Region of Peloponnese GR-J GR-K Region of North Aegean GR-K GR-L Region of South Aegean GR-L GR-M Region of Crete GR-M Fragment URI skos:preflabel skos:notation Y years Y0-17 Y years Y18-25 Y years Y26-35 Y years Y36-45 Y years Y46-55 Y_GT55 Over 55 years Y_GT55 Uknown_Victim_Age Uknown Victim Age UVA Fragment URI skos:preflabel skos:notation Speeding Speeding S Illegal_Overtaking Illegal Overtaking IO Into_Oncoming_Traffic Into Oncoming Traffic IOT Priority_Violation Priority Violation PV Ηλικία Θύματος Αιτία Ατυχήματος, 136

134 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Distracted_Driver Distracted Driver DD Traffic_Light_Violation Traffic Light Violation TLV Driving_Without_Attention Driving Without Attention DWA Causes_referred_to_Drivers Causes referred to Drivers CrD Causes_referred_to_Passengers Causes referred to Passengers CrPa Causes_referred_to_Pedestrians Causes referred to Pedestrians CrPe Causes_referred_to_Vehicle Causes referred to Vehicle CrV Causes_referred_to_Weather Causes referred to Weather CrW Causes_under_investigation Causes under Investigation CuI Fragment URI skos:preflabel skos:notation Driver Driver Dr Passenger Passenger Pa Pedestrian Pedestrian Pe Uknown_Victim_Type Uknown_Victim_Type UVT Fragment URI skos:preflabel skos:notation Athens-Patras Athens-Patras AP Athens-Thessalonik Athens-Thessaloniki AT Antirrio-Ioannina Antirrio-Ioannina AI Egnatia_Odos Egnatia Odos EO Attiki_Odos Attiki Odos AO Other_District_Roads Other District Roads ODR Other_Roads Other Roads OR Residential_Area Residential Area RA BOAK BOAK BOAK Είδος Θύματος, Οδικό Δίκτυο 137

135 Γεωργιλά Χιονία Τύπο Οχήματος Fragment URI skos:preflabel skos:notation Car Car Ca Small_Truck Small Truck ST Big_Truck Big Truck BT Motorcycle Motorcycle M Other_Vehicle Other Vehicle OV Uknown_Vehicle Uknown Vehicle UV Fragment URI skos:preflabel skos:notation T :00-07:00 T24-07 T :00-09:00 T07-09 T :00-13:00 T09-13 T :00-17:00 T13-17 T :00-21:00 T17-21 T :00-24:00 T21-24 Uknown_Time Uknown Time UT Fragment URI skos:preflabel skos:notation Collision Collision C Pedestrian_Entrainment Pedestrian Entrainment P Impingement Impingement I Diversion Diversion D Ώρα Ατυχήματος Είδος Ατυχήματος 138

136 Δημοσίευση και Οπτική Αναπαράσταση Συνδεδεμένων Δεδομένων για την Οδική Ασφάλεια στην Ελλάδα Overthrow Overthrow O Uknown_Accident_Type Uknown Accident Type UAT 139

137 Γεωργιλά Χιονία ΠΑΡΑΡΤΗΜΑ Β Πώς η λανθασμένη περιγραφή των σταθερών στοιχείων ενός Ατυχήματος, οδηγεί σε προβολή περισσοτέρων θυμάτων ανά Ατύχημα: Όπως φαίνεται και στην παραπάνω εικόνα, όταν ένα ατύχημα παρουσιάζεται με διαφοορετικές τιμές στα σταθερά του στοιχεία (πχ. τόπος τέλεσης, ώρα ατυχήματος, είδος ατυχήματος κλπ), τότε ο γράφος που δημιουργείτε από το RDFizing του είναι της μορφής (b). Στη συνέχεια η δημιουργία ερωτήματος της μορφής: select?accidentid?victimid?topos where {?victim a racc:accidentvictim.?s a racc:roadaccident.?s racc:hasvictim?victim.?s racc:accidentid?accidentid.?victim racc:victimid?victimid.?s racc:happenedat?topos. } order by? AccidentID? VictimID 140