Модель и метод автоматизированной обработки геоконтекстных данных в рамках концепции Интернета Вещей тема диссертации и автореферата по ВАК РФ 05.13.11, кандидат наук Заславский, Марк Маркович

• Заславский, Марк Маркович
• кандидат наук
• 2018

Оглавление диссертации кандидат наук Заславский, Марк Маркович

Оглавление

Введение

Глава 1. Технологии обработки геоконтекстных данных в программных системах Интернета Вещей

1.1 Обработка данных Интернета Вещей

1.1.1 Характеристика Интернета В ещей

1.1.2 Модели данных Интернета Вещей

1.2 Модели данных геоинформационных систем

1.2.1 Характеристика геоинформационных систем

1.2.2 Модели данных ГИС

1.2.3 Оценки быстродействия моделей ГИС

1.3 Контекстно-зависимые вычисления и геоконтекст

1.4 Перспективы интеграции моделей ГИС и ИВ

1.5 Анализ концепций обработки данных

1.5.1 Хранилища данных

1.5.2 Озёра данных

1.5.3 Сравнение концепций обработки данных

1.6 Классы задач обработки геоконтекстных данных

1.7 Постановка задачи

1.8 Вывод по главе 1

Глава 2. Модель и метод обработки геоконтекстных данных в ИВ

2.1 Модель геоконтекстных данных для программных систем ИВ

2.1.1 Формальное описание модели

2.1.2 Соответствие модели требованиям

2.2 Метод обработки геоконтекстных данных в рамках концепции ИВ

2.2.1 Преобразование данных

2.2.2 Индивидуальная геоконтекстная разметка

2.2.3 Групповая геоконтекстная разметка

2.3 Вывод по главе 2

Глава 3. Архитектура информационной системы обработки геоконтекстных данных

3.1 Архитектура программной системы

3.1.1 Методология описания архитектуры

3.1.2 Подсистемы и модули

3.1.3 Подсистемы и связи

3.2 Реализация модели геоконтекстных данных в рамках БД

3.3 Используемые операции модели

3.4 Протокол взаимодействия с программными системами ИВ

3.5 Создание решений для отдельных классов задач

3.6 Методика реализации метода обработки геоконтекстных данных

3.6.1 Преобразование данных

3.6.2 Индивидуальная и групповая геоконтекстная разметка

3.7 Модель масштабируемости ИС

3.8 Вывод по главе 3

Глава 4. Апробация ИС обработки геоконтекстных данных

4.1 Цель апробации

4.2 Создание программной системы обработки геоконтекстных данных

4.2.1 Geo2Tag

4.2.2 Реализация архитектуры

4.3 Экспериментальное исследование параллельной обработки

4.4 Экспериментальное исследование производительности метода

4.5 Сравнение с моделями ГИС

4.6 Вывод по главе 4

Заключение

Список сокращений и условных обозначений

Список литературы

Приложение 1. Свидетельства о регистрации программ для ЭВМ

Приложение 2. Акты о внедрении результатов исследования

Приложение 3. Схемы баз данных

MasterDB

Users

Services

Log

ServiceDB

Log

Points

^annels

Приложение 4. Интерфейсы дополнений обработки геоконтекстных данных

Основные REST-интерфейсы

Управление дополнениями

Дополнительные REST-интерфейсы

Введение диссертации (часть автореферата) на тему «Модель и метод автоматизированной обработки геоконтекстных данных в рамках концепции Интернета Вещей»

Введение

Актуальность темы исследования. На сегодняшний день большое распространение получают электронные устройства, имеющие встроенные интерфейсы сетей передачи данных. Благодаря популярности подобных устройств широкое распространение приобрела концепция Интернета Вещей (ИВ). Данная концепция перешла от стадии опытных разработок к стадии широко используемых программно-аппаратных решений, активно внедряемых во многих отраслях.

Ключевой новой возможностью, предоставляемой решениями ИВ, является обработка потоков данных от различных устройств, таких как сенсоры и более сложные электронные устройства. Однако при этом не достигается полнота использования этих данных в рамках программных систем ИВ. Основной причиной является ограниченность использования геоданных программных систем ИВ, приводящая к усложнению связывания физических вещей ИВ с генерируемыми ими данными. На текущий момент объем геоданных только в открытом доступе оценивается как 40% от общего числа открытых данных. С другой стороны эти данные оказываются невостребованными, так как временные затраты на обработку и привязку геоданных для решений ИВ остаются высокими. Это связано с тем, что программные системы и устройства ИВ должны взаимодействовать с большим числом разнородных источников геоданных, большая часть из которых является слабоструктурированными. Традиционно для работы с геоданными используются геониформационные системы (ГИС), однако применение подобных инструментов требует проектирования отдельной моделей данных для каждого конкретного источника. Эти модели привязаны к конкретным системам координат и форматам визуализации данных. На сегодняшний день отсутствуют универсальные модели геоданных для ИВ, а при переходе на новые модели данных возникает необходимость повторного решения задачи интеграции

конкретных ГИС-решений в программных системах ИВ. Таким образом, наблюдается противоречие: с одной стороны, доступен большой объем геоданных, но он не используется в программных системах ИВ в виду отсутствия специализированных моделей и методов. Актуальной является разработка моделей и методов для работы с геоконтекстными данными в программных системах ИВ.

Цель - повышение эффективности обработки и использования данных ИВ за счет поддержки геоконтекста.

Для достижения поставленной цели решаются следующие задачи:

1. Анализ использования геоконтекстных данных в программных системах ИВ, исследование существующих подходов, формулировка требований к предмету исследования.

2. Разработка модели и метода обработки геоконтекстных данных в программных системах ИВ.

3. Разработка архитектуры ИС обработки геоконтекстных данных для программных систем ИВ.

4. Разработка прототипа ИС для обработки геоконтекстных данных ИВ.

5. Экспериментальное исследование эффективности модели и метода обработки геоконтекстных данных в программных системах ИВ на реальных данных.

Объект исследования - программные системы ИВ, использующие геоконтекстные данные.

Предмет исследования - модели и методы обработки геоконтекстных данных в программных системах ИВ.

Методы исследования включают в себя методы программной инженерии, методы теории множеств, методы геопоиска, методы контекстных вычислений, методы проектирования информационных систем.

Новые научные результаты выносимые на защиту:

1. Модель геоконтекстных данных для программных систем ИВ, обеспечивающая унифицированное представление структурированных и слабоструктурированных геоданных из различных источников.

2. Метод обработки геоконтекстных данных в рамках концепции ИВ, обеспечивающий автоматизированное согласование форматов представления, индивидуальную и групповую геоконтекстную разметку исходных данных.

3. Архитектура ИС обработки геоконтекстных данных для программных систем ИВ, расширяемой по числу источников данных и способов разметки. Научная новизна результатов заключается в развитии концепции ИВ в

части моделей и методов сбора и обработки данных. Предлагаемая модель отличается от существующих унифицированным представлением геоданных для программных систем ИВ. Предложенный метод обеспечивает автоматизированную обработку геоданных, в рамках ИВ, средствами ИС. При этом обеспечивается возможность использования широкого диапазона исходных данных, включая данные приложений и устройств ИВ и наборы открытых данных.

Внедрение результатов работы. Исследования, отраженные в диссертации, проведены в рамках НИР: «Разработка методов и алгоритмов семантической интероперабельности для интеграции и предоставления информации в системах семантического поиска и мониторинга» в рамках гранта Правительства Российской Федерации .№074-001. Также исследования проводились в рамках гранта по программе СТАРТ, проект "Разработка платформы для быстрой интеграции и эффективного использования геоконтекстной информации в современных мобильных сервисах", и использованы в рамках международного проекта «Еврорегион Карелия: музейный гипертекст»

(контракт № 2012-04-КА426 к проекту по внешней деятельности Европейского союза - Программа приграничного сотрудничества Европейского Инструмента Соседства и Партнерства «Карелия»). Результаты исследования апробировались в ходе работ по грантовому соглашению RFMEFI58716X0031 в рамках федеральной целевой программой Министерства образования и науки Российской Федерации.

Теоретическая значимость результатов исследования. Разработаная модель обеспечивает унифицированное представление слабоструктурированных геоконтекстных данных и обладает более универсальной структурой с точки зрения задач ИВ по сравнению с моделями данных ГИС. Разработанный метод обеспечивает возможность автоматизированной обработки геоконтекстных данных различных программных систем ИВ.

Практическая ценность результатов исследования заключается в том,

что:

1. Предложены модель представления геоконтекстных данных и метод их обработки, позволяющие выполнять совместную обработку существующих разнородных слабоструктурированных наборов геоконтекстных данных ИВ.

2. Предложена архитектура ИС для решения класса задач обработки геоконтекстных данных.

3. Разработан программный инструмент, реализующий автоматизированную обработку геоконтекстных данных ИВ, позволяющий работать с широким диапазоном данных программных систем ИВ.

Степень достоверности и апробация результатов. Степень достоверности подтверждается корректным использованием методов исследования, обоснованием постановки задачи и экспериментальными исследованиями результатов. Основные результаты были представлены на международных

конференциях и семинарах. Автором опубликовано 3 статьи в изданиях, индексируемых в Web of Science или Scopus [26, 106, 107], 3 статьи в изданиях, входящих в перечень Высшей Аттестационной Комиссии [4-6]. Имеется 2 свидетельства о регистрации программы для ЭВМ.

Личный вклад. Автором лично получены основные результаты, представленные в диссертации. В статьях [106, 107] постановка задач выполнялась совместно с научным руководителем, а исследование и интерпретация полученных результатов выполнены автором. В статьях [26, 4-6] соавторами Берленко Т.А. и Блеесом Э.И. реализована загрузка наборов открытых данных в систему; Баландиным С.И. и Кринкиным К.В. оценена полнота описания разработанных инструментов.

Объем и структура работы. Диссертация состоит из введения, четырёх глав, заключения, списка сокращений и четырех приложений. Полный объём диссертации составляет 125 страниц, включая 25 рисунков и 6 таблиц. Список литературы содержит 107 наименований.

Глава 1. Технологии обработки геоконтекстных данных в программных системах Интернета Вещей

1.1 Обработка данных Интернета Вещей

1.1.1 Характеристика Интернета Вещей

Интернет Вещей (ИВ) - концепция межмашинного взаимодействия, впервые

сформулированная Кевином Эштоном в 1999 году [19]. Суть концепции заключается в том, что все электронные устройства ("вещи") объединяются в вычислительную сеть благодаря встроенным технологиям для передачи данных. При этом отдельные устройства могут как генерировать собственные данные, так и потреблять (преобразовывать) данные от других устройств c помощью соответствующих функций аппаратного и программного обеспечения.

На сегодняшний день концепция ИВ прошла путь от прототипов до широко используемой технологии. Согласно исследованию, проведенному компанией Gratner, Inc., количество используемых устройств ИВ в 2018 году составит 11 миллионов, а в 2019 году данный показатель будет удвоен [50]. При этом, использование данных устройств и программных решений на их основе затрагивает достаточно большое количество отраслей. В аналитическом исследовании компании IoT Analytics [94] наиболее важными отмечены следующие применения ИВ: экосистема умного города, программные системы для индустриальных производственных систем, строительство, автомобильные информационные системы, энергопотребление, здравоохранение, умные дома.

Согласно рекомендации международного союза электросвязи [104] концепция ИВ архитектурно представима с помощью следующего набора сущностей:

• физические вещи и виртуальные вещи, представляющие собой объекты физического и виртуального мира соответственно, для

которых возможно проводить процедуру измерения каких-либо параметров с помощью сенсоров или оказывать воздействие;

• устройства - элементы оборудования, обладающие возможностями связи, ввода, передачи и обработки данных, а также управления физическими вещами;

• сети связи обеспечивают среду для взаимодействия устройств;

• приложения представляют собой программные системы, занимающееся агрегированием, дальнейшей обработкой и интерпретацией данных устройств.

Рекомендация [104] приводит следующие характеристики программных систем ИВ:

• Большое количество вещей, которые могут быть подключены к ИВ.

• ИВ предоставляет сервисы, реализующие взаимодействие с вещами в рамках ограничений (контроль доступа, согласованность).

• Гетерогенность аппаратных платформ, сетей передачи данных, протоколов и форматов данных.

• Динамические изменения состояний (доступности) устройств.

• Большой объем обмена данными.

1.1.2 Модели данных Интернета Вещей

Основываясь на характеристике ИВ, а также на описаниях наиболее

популярных сценариев использования можно сделать вывод о том, что в основе данных ИВ лежат привязанные ко времени измерения сенсоров, формируемые с высокой скоростью. Помимо измерений, данные ИВ содержат также метаданные, описывающие вещи, устройства, сети и программные системы. При этом формат представления данных и их качественный состав в общем случае являются различным из-за многообразия устройств. Поэтому можно считать, что данные ИВ являются слабоструктурированными [36]. С технической точки зрения данные

ИВ также обладают большим разнообразием форматов представления. Наиболее популярными форматами являются JSON, XML, CSV, RDF.

В качестве моделей для данных ИВ используется три формализма, которые могут быть применены совместно: реляционная модель [35], модель "сущность-атрибут-значение" (САЗ) [24, 45] и семантические технологии [101].

Реляционная модель (Рисунок 1.1) данных представляет собой логическую модель данных, основанную на операциях реляционной алгебры. Данные структурируются в виде реляционных отношений (таблиц), структурными элементами которых являются кортежи (строки), содержащие фиксированный набор значений атрибутов (столбцов). Набор атрибутов реляционного отношения принимается неизменным к с точки зрения названий, так и с точки зрения типов значений. Над реляционными отношения определяются операции, позволяющие осуществлять теоретико-множественные преобразования над кортежами, связывать реляционные отношения между собой на основании значений атрибутов. Расширенная реляционная модель реализуется в классе инструментов SQL БД и применяется в качестве инструмента для моделирования данных ИВ.

Locations

PK location id

Objects latitude

PK object id longitude

name

FK location_ld Users

FK user id PK user id

permissions

Рисунок 1.1 — Реляционная модель данных

Базовыми понятиями модели САЗ (см Рисунок 1.2) являются сущность (описываемый предмет или явление в широком смысле), атрибут (характеристика сущности) и значение атрибута. Данные сущностей структурируются в виде

произвольных наборов пар атрибут-значение. Таким образом, данные в рамках модели САЗ образуют аналог разреженной матрицы. При этом, в отличии от реляционной модели, САЗ не определяет каких-либо ограничений для атрибутов, поэтому ее также называют моделью с гибкой схемой. В качестве операций в САЗ реализуются аналоги операций реляционной алгебры, за исключением операции связывания двух отношений. Модель САЗ используется в качестве основы для следующих классов инструментов: СУБД "ключ-значение", документо-ориентированные СУБД, СУБД для хранения временных данных, в ряду которых существуют инструменты для обработки данных ИВ.

Сущность

Значение

Атри&ут

Objects

Location 30.0. 60.0

Altitue

45

Id

Mame: Location Coordinate system: WGS-34 Units: degress

Mame: Altitude Coordinate system: WGS-34 Units: meters

Рисунок 1.2 — Модель данных САЗ Семантические технологии моделирования данных подразумевают использование инструментов семантического веба [27] для описания структуры данных и допустимых операций. В качестве инструмента структурирования данных выступает Resource Description Framework (RDF) [77]. Данная модель структурирования данных использует в качестве базового элемента тройки <субъект, предикат, объект>, где объектами и субъектами в общем случае представляют собой некий ресурс [96]. Пример модели приведен на Рисунке 1.3. Предикат представляет собой произвольное отношение между объектом и субъектом. Модель позволяет определять собственные типы данных с помощью стандарта RDFS [78]. Триплы модели образуют граф, в котором помимо стандартных операций CRUD, возможны также операции логического вывода. Инструменты на основе RDF широко используются для хранения данных:

MarkLogic, Jena, Virtuoso. Использование семантических технологий для подробно освещено в исследованиях [83, 89].

Рисунок 1.3 — Семантическая модель данных

Подводя итог, можно сказать, что общей чертой моделей данных ИВ является повышение гибкости описания предметной области, достигаемое за счет расширений (реляционная модель), структуры модели (модель EAV и семантические технологии моделирования). Данное требование является основополагающим, так как количество затрагиваемых ИВ предметных областей велико и при этом используемые данные являются слабоструктурированными. В таких условиях нельзя использовать жесткую схему данных, поскольку набор атрибутов для объектов не является постоянным.

1.2 Модели данных геоинформационных систем

1.2.1 Характеристика геоинформационных систем

Термин географические информационные системы (ГИС) впервые был

упомянут в статье 1968 года [47]. В современном понимании ГИС представляют собой специализированные инструменты для взаимодействия с пространственными данными. Согласно В задачи, решаемые ГИС [3, 85] входят сбор, хранение, обработка, доступ, отображение и распространение пространственных-временных данных. ГИС могут быть классифицированы:

• по масштабу охватываемой пространственной области (глобальные, региональные, субрегиональные),

• по предметной области (городские, недропользовательские, горногеологические информационные системы),

• по специфике решаемых задач.

Задача сбора пространственных-временных данных в ГИС заключается в загрузке данных из различных источников и их преобразование во внутренние форматы ГИС. Источниками данных чаще всего служат различные карты местности [31] в векторном (оцифрованные снимки, собранные вручную GPS-треки) или растровом формате (необработанные фотоснимки, сделанные летательными, космическими и наземными аппаратами). Процедура преобразования включает в себя этап векторизации, на котором в автоматизированном или автоматическом режиме на базе исходных данных выделяются примитивные пространственные объекты - точки, линии и многоугольники, соответствующие различным объектам на снимках. Также, в процессе сбора происходит преобразование географических систем координат исходных данных к географической системе координат ГИС. Важно отметить, что для различных предметных областей и типов ГИС используются различные системы координат и форматы исходных данных.

Задача хранения пространственно-временных данных в ГИС подразумевает обеспечение работы специализированной СУБД, а также моделирование данных этой СУБД. При этом, ГИС может как обеспечивать собственное решение СУБД, так и существующие решения по обработке пространственно-временных данных. На сегодняшний день подобные решения могут быть реализованы в рамках практически любой логической модели данных.

Задача анализа пространственно-временных данных в рамках ГИС в общем случае распадается на следующие подзадачи:

• Топологическое моделирование, отвечающее на вопрос про пересечение, включение и близость различных пространственных объектов;

• Построение маршрутов и операции над графами из пространственных объектов (дорожные сети, инженерные коммуникации);

• Прямое и обратное геокодирование - преобразование географических координат в адреса и наоборот, адресов в координаты;

• Географическая статистика, включающая в себя задачи интерполяции и прогнозирования.

• Совмещение слоев карт, позволяющее получить новую информацию об объектах, расположенных в рамках одной области.

Задача доступа и распространения заключается в обеспечении доступа к данным ГИС для программных систем. Данная задача решается помощью использования специальных модулей и библиотек на различных языках программирования, инкапсулирующие взаимодействие с данной ГИС [58]. Также, часть ГИС предоставляют интерфейсы для доступа через сети передачи данных [75].

Задача отображения заключается в визуализации пространственно-временных данных ГИС в виде карт [65]. При этом, карты могут как отражать реальный рельеф земной поверхности, так и содержать дополнительную информацию об объектах, хранимых в ГИС.

Таким образом, ГИС представляют собой специализированные инструменты для выполнения комплекса различных задач в рамках конкретных предметных областей. Применительно к программным системам ИВ каждая из этих задач является актуальной, а их решение осложняется спецификой разнородных данных ИВ.

1.2.2 Модели данных ГИС

Не смотря на общность базовых понятий и низкоуровневых задач,

решаемых ГИС, конкретные инструменты могут обладать проблемами совместимости, так как из-за различий предметных областей приложения ГИС к самим системам предъявляются специфические требования к функциональности, а также используются предметно зависимые термины моделирования. Существует ряд подходов, направленных на преодоление этого барьера, описанных в рамках статьи [84].

Одним из ключевых методов является стандартизация терминов моделированния. Рассмотрим принципы моделирования данных в ГИС. Прежде чем описывать конкретные виды моделей, необходимо охарактеризовать специфику данных для ГИС.

В силу особенностей земной поверхности и сложности географических вычислений, местоположения объектов могут задаваться различным образом. Современные ГИС в качестве основной системы координат поддерживают одну из геодезических систем координат. Геодезические системы координат задают местоположение объекта относительно поверхности референц-элипсоида в виде трех чисел: широты, долготы и высоты. Наиболее популярной системой координат на сегодняшний день является WGS-84.

В ряде случаев ГИС может потребоваться визуализировать отдельные участки земной поверхности на плоскости. Например, в задачах визуализации карт и в задачах импорта снимков местности. В таких случаях используются методы получения и взаимного пересчета картографических проекций, позволяющие проводить вычисления в местной трехмерной декартовой системе координат, привязанной к одной из точек используемой области.

С точки зрения прикладных моделей каждая ГИС предлагает собственные термины для моделирования предметной области. В монографии [10] на основе

анализа существующих решений произведен анализ моделей данных ГИС и дана их принципиальная классификация. В результате, модели данных современных ГИС можно разделить на две группы: послойные и объектно-ориентированные.

В основе послойных моделей лежит разделение объектов на слои по их назначению, типу или иным признакам, в контексте решаемой задачи. При этом, объекты, отнесенные к одному слою представляют собой единый элемент данных. Послойная организация данных позволяет оперировать объектами, входящих в состав слоев как единым целым. Организацией OpenGeoConsortium, занимающейся стандартизацией деятельности в области геопространственных сервисов, разработан ряд документов, призванных выработать общий подход к созданию послойных моделей и понимаю базовых понятий ГИС. Ключевым документом является [72]. В рамках этого стандарта определяется главный принцип послойного моделирования - пространственно-временная информация является практически повсеместной для любого набора данных. Вводится четыре коллекции, характеризующих модель (Рисунок 1.4):

• Пространственные объекты и их геометрические свойства (GEOMETRY_COLUMNS).

• Используемые системы координат (SPATIAL_REF_SYS).

• Пространственные объекты и их атрибуты (Feature Table).

• Координаты пространственных объектов (Geometry Tables).

Рисунок 1.4 — Схема БД модели OGC Перечисленные выше коллекции определяют термины для моделирования предметных областей, которые сформулированы OGC в качестве специализированных языков разметки пространственных областей. Основным языком моделирования является Geographic Marckup Language (GML) [52], формулирующий XML-грамматику для выражения географических объектов. GML выступает не только как язык моделирования, но и как формат обмена пространственными данными в сети Интернет. Благодаря использованию формата XML, часть модели описывается в виде специальной разновидности XML-схемы - GML-схемы, которая задает типы данных.

Терминология GML за счет своей подробности позволяет описывать моделировать объекты практически любой предметной области. С точки зрения исследуемой проблемы важнейшими элементам GML являются [55]

• Особенность (Feature) - объект физического мира, который не обязательно имеет местоположение.

• Геометрия (Geometry) - геометрическая характеристика географического объекта, задаваемая с помощью координат.

• Система координат (Coordinate reference system), используемая для задания геометрии.

• Топология (Topology) географических объектов, задающая свойства их взаимного расположения.

• Временные отметки (Time) объектов.

• Правила отображения карт (Map presentation styling rules), определяющие способы визуализации данных.

Ключевым понятием модели OGC является геометрия. Она может быть задана с помощью следующих классов объектов:

о Точка (Point), задающая местоположение объектов с одной координатой.

о Кривая (Curve), задающая местоположение протяженного

объекта в виде ломаной линии. о Поверхность (Surface), задающая описания пространственных

объектов в виде многугольников. о Коллекция геометрий (Geometry Collection), задающая местоположение объекта в виде набор однотипных геометрий, определенных выше. В качестве инструмента расширения GML более специфичными терминами конкретных предметных областей OGC предлагает два механизма: использование механизма пользовательских GML схем данных GML Application Schema [73] и предметно-ориентированные языки в рамках собственных стандартов:

• CityGML,

• ARML2.0,

• GeoSciML,

• Geospatial extensible Access Control Markup Language (GeoXACML),

• GroundwaterML,

• IndoorGML,

• KML,

• Landlnfra/InfraGML,

• WaterML.

С технической точки зрения, данная модель чаще всего воплощается с помощью реляционных СУБД, поэтому в ряде источников о ней говорят как о геореляционной.

Послойная модель позволяет эффективно решать задачи отображения карт, а также вести параллельную обработку данных. Однако, с ростом количества хранимых данных демонстрируемая производительность быстро уменьшается. Помимо этого, в рамках такой модели затруднительно использовать сложные описания геометрий для пространственных объектов. Также недостатком является принципиальное ограничение на количество классов объектов, которое частично преодолевается за счет предметно-ориентированных языков и дополнительных схем данных.

Объектно-ориентированная модель (ООМ) [98] использует иной принцип организации информации. В рамках модели происходит оперирование не типами, а самими объектами. В рамках модели вводятся следующие коллекции:

• пространственные объекты (chart_obj),

• описание типов пространственных наборов (chart_type),

• заголовки пространственных наборов (chart_header),

• информация о пространственных наборах (chart_info),

• графические объекты(graph_obj),

типы атрибутов ^уре_айг),

описание типов пространственных объектов(оЬ|_уре),

атрибуты пространственного объекта (оЬ|_т&),

типы атрибутов пространственных объектов (оЪ|_ЫЪ_1уре).

chartheader

РК И

comment

property Name

property Value

FK chartlnfojd

chart_type

PK Ш

name comment

graph_obj

PK id

FK minScale max S cale graphic chartobjld

chartjnfo

PK

name

comment

mi ni Sea le

Список литературы диссертационного исследования кандидат наук Заславский, Марк Маркович, 2018 год

Список литературы

1. Берленко Т.А., Заславский М.М., Кринкин К.В. Разработка геоконтекстных

сервисов на платформе Geo2Tag. Учебно-методическое пособие. СПб: Изд-во СПБГЭТУ «ЛЭТИ», 2016. - 32 с.

2. Блеес Э.И., Заславский М.М. Разработка модуля автоматизации импорта и геоконтекстной разметки открытых данных // 70-я Научно-техническая конференция профессорско-преподавательского состава университета: Сборник докладов студентов, аспирантов и молодых ученых (Санкт-Петербург, 1-11февраля 2017г.) -2017. - С. 115-118.

3. Географическая информационная система // Межрегиональная общественная

ассоциация содействию развития рынка геоинфорационных технологий и услуг. [Электронный ресурс]. URL: http://www.gisa.ru/13058.html (дата обращения: 25.03.2018).

4. Заславский М.М., Баландин С.И. Метод импорта и обработки открытых данных в LBS-платформе // Научно-технический вестник информационных технологий, механики и оптики - 2016. - Т. 16. - № 5(105). - С. 816-822.

5. Заславский М.М., Берленко Т.А. Реализация механизма подбора рекомендаций в информационной системе «Открытая Карелия» // Известия Санкт-Петербургского государственного электротехнического университета ЛЭТИ - 2015. - № 5. - С. 29-34.

6. Заславский М.М., Блеес Э.И., Баландин С.И. Метод обработки в реальном времени открытых данных, содержащих геоконтекстную разметку // Научно-технический вестник информационных технологий, механики и оптики - 2017. - Т. 17. - № 5(111). - С. 850-858.

7. Заславский М.М., Кринкин К.В., Берленко Т.А. Основанный на баллах близости подход для построения рекомендательной системы в информационной системе «Открытая Карелия» // Международная

конференция по мягким вычислениям и измерениям - 2015. - Т. 2. - No Секции 4-7. - С. 35-38.

8. Заславский М.М., Кринкин К.В., Берленко Т.А. Реализация механизма подбора рекомендаций в информационной системе «Открытая Карелия»//Материалы научно-практической конференции студентов, аспирантов и молодых ученых «Современные технологии в теории и практике программирования» - 2015. - С. 21.

9. Заславский М.М., Мокрецов Р. М. Платформа для конструирования мобильных образовательных приложений на базе LBS-платформы GEO2TAG // Современные технологии в теории и практике программирования: материалы научно-практической конференции студентов, аспирантов и молодых ученых - 2017. - С. 67-70.

10. Интеллектуальные географические информационные системы для мониторинга морской обстановки // Под общ. ред. чл.-кор. РАН Юсупова Р.М. и д-ра тех. наук Поповича В.В. - СПб.: Наука, 2013. - 284 с.

11. Клейнрок Л. Теория массового обслуживания. — М.: Машиностроение, 1979. — С. 432.

12. Марин В.А., Заславский М.М. Технология контейнеризации LBS-платформы Geo2Tag для использования в рамках модели PaaS // Международная конференция по мягким вычислениям и измерениям -2016. - Т. 2. - No Секции 4-7. - С. 85-88.

13. Система координат WGS 84 - основные параметры // Geostart. [Электронный ресурс]. URL: https://geostart.ru/wgs_84 (дата обращения: 25.03.2018).

14. Таненбаум Э. С. Архитектура компьютера:[пер. с англ.]. - Издательский дом" Питер", 2011. - 843 с.

15. Таненбаум Э., Уэзеролл Д. Компьютерные сети. 5-е изд. — СПб.: Питер, 2012. — 960 с.: ил. ISBN 978-5-459-00342-0.

16. Технология обработки треков // Яндекс. [Электронный ресурс]. URL: https://yandex.ru/company/technologies/yaprobki/#h-2 (дата обращения: 25.03.2018).

17. A Tutorial on Clustering Algorithms. K-Means Clustering // Politécnico di Milano. [Электронный ресурс]. URL: https://home.deib.polimi.it/matteucc/Qustering/tutorial_html/kmeans.html (дата обращения: 25.03.2018).

18. Amazon S3 - Amazon AWS // Amazon S3. [Электронный ресурс]. URL: https://aws.amazon.com/s3/ (дата обращения: 25.03.2018).

19. Ashton K. The Internet of Things // RFiD Journal. — 2009. — №. 50. — С. 1.

20. Balandina E., Balandin S., Koucheryavy Y., Mouromtsev D. Innovative e-Tourism Services on top of Geo2Tag LBS Platform", the 11th International Conference on Signal Image Technology & Internet Systems (SITIS 2015), Bangkok, Thailand. 2015. - С. 752-759.

21. Balandina E.K., Balandin S.I., Koucheryavy Y.A., Zaslavskii M.M. Role of Mobile OS and LBS Platform in Design of e-Tourism Smart Services//UBICOMM 2016, The Tenth International Conference on Mobile Ubiquitous Computing, Systems, Services and Technologies, IET - 2016, С. 172 -177.

22. Banker K. MongoDB in action. - Manning Publications Co., 2011. — 312 с.

23. Bass L., Clements P., Kazman R. Software architecture in practice. 3-е изд. -Addison-Wesley Professional, 2013. — 662 с.

24. Batra S., Sachdeva S., Bhalla S. Entity Attribute Value Style Modeling Approach for Archetype Based Data //Information. - 2017. - Т. 9. - №. 1. - С. 2.

25. Beckmann N. et al. The R*-tree: an efficient and robust access method for points and rectangles //Acm Sigmod Record. - Acm, 1990. - Т. 19. - №. 2. - С. 322331. doi:10.1145/93597.98741. ISBN 0897913655.

26. Berlenko T.A., Krinkin K., Zaslavskiy M. Proximity points approach for building recommendation system for the "Open Karelia" information system // Proceedings of the 18th International Conference on Soft Computing and Measurements, SCM 2015 (St.Petersburg, May 19-21) - 2015, С. 176-178.

27. Berners-Lee T., Hendler J., Lassila O. The Semantic Web // Scientific American. — 2001. — T. 284, №. 5. — С. 28-37.

28. Bessel, F. W. "The calculation of longitude and latitude from geodesic measurements". // Astronomische Nachrichten. 331 (8): 852-861. [Электронный ресурс]. URL: https://arxiv.org/pdf/0908.1824.pdf (дата обращения: 25.03.2018).

29. Bizer C., Heath T., Berners-Lee T. Linked data-the story so far //International journal on semantic web and information systems. - 2009. - Т. 5. - №. 3. - С. 122.

30. Bizer C., Heath T., Berners-Lee T. Linked data: The story so far //Semantic services, interoperability and web applications: emerging concepts. - IGI Global, 2011. - С. 205-227.

31. Bonham-Carter G. F. Geographic information systems for geoscientists: modelling with GIS. - Elsevier, 2014. - Т. 13. - 416 c.

32. Boniface M., Nasser B., Papay J., Phillips S. C., Servin A., Yang X., Kousiouris G. Platform-as-a-service architecture for real-time quality of service management in clouds //Internet and Web Applications and Services (ICIW), 2010 Fifth International Conference on. - IEEE, 2010. - С. 155-160.

33. BSON // BSON (binary JSON) serialization. [Электронный ресурс]. URL: http://bsonspec.org/ (дата обращения: 25.03.2018).

34. Clements P. Documenting software architectures: views and beyond //Proceedings of the 25th International Conference on Software Engineering. -IEEE Computer Society, 2003. - С. 740-741.

35. Connolly T. M., Begg C. E. Database systems: a practical approach to design, implementation, and management. - Pearson Education, 2005. — 1374 с.

36. Cooper J., James A. Challenges for database management in the internet of things //IETE Technical Review. - 2009. - Т. 26. - №. 5. - С. 320-329.

37. CSV Schema 1.0 // A Language for Defining and Validating CSV Data. [Электронный ресурс]. URL: http://digital-preservation.github.io/csv-schema/csv-schema-1.0.html (дата обращения: 25.03.2018).

38. Data Lake | Microsoft Azure // Azure Data Lake. [Электронный ресурс]. URL: https://azure.microsoft.com/en-us/solutions/data-lake/ (дата обращения: 25.03.2018).

39. Data Modeling // MongoDB. [Электронный ресурс]. URL: https://docs.mongodb.com/manual/data-modeling/ (дата обращения: 25.03.2018).

40. Data Warehouse Workloads and Use Cases // IT Pro Today. [Электронный ресурс]. URL: http://www.itprotoday.com/microsoft-sql-server/data-warehouse-workloads-and-use-cases (дата обращения: 25.03.2018).

41. DB-Engines Ranking - Trend of Document Stores Popularity // DB-Engines. [Электронный ресурс]. URL: https://db-engines.com/en/ranking_trend/document+store (дата обращения: 25.03.2018).

42. De Mauro A., Greco M., Grimaldi M. A formal definition of Big Data based on its essential features //Library Review. - 2016. - Т. 65. - №. 3. - С. 122-135. DOI: 10.1108/LR-06-2015-0061.

43. Dedic, N. and Stanier C., 2016., "An Evaluation of the Challenges of Multilingualism in Data Warehouse Development" in 18th International Conference on Enterprise Information Systems - ICEIS 2016, p. 196.

44. Dey A. K. Understanding and using context //Personal and ubiquitous computing. - 2001. - Т. 5. - №. 1. - С. 4-7.

45. Dinu V., Nadkarni P. Guidelines for the effective use of entity-attribute-value modeling for biomedical databases //International journal of medical informatics. - 2007. - Т. 76. - №. 11-12. - С. 769-779.

46. Feinberg D., Beyer M. A. Magic quadrant for data warehouse database management systems //Gartner Research Note. - 2008. - 38 c.

47. Foresman T. W. The History of Geographic Information Systems: Perspectives from the Pioneers. - Prentice Hall PTR, 1998. - 397 с.

48. Free SPb Wi-Fi. // Открытые данные Санкт-Петербурга. [Электронный ресурс]. URL: http://data.gov.spb.ru/opendata/7825457753-free_wi-fi/ (дата обращения: 25.03.2018).

49. Gardner J. The Web Server Gateway Interface (WSGI) //The Definitive Guide to Pylons. Apress, 2009. - С. 369-388.

50. Gartner Says 8.4 Billion Connected "Things" Will Be in Use in 2017, Up 31 Percent From 2016 // Gartner. [Электронный ресурс]. URL: https://www.gartner.com/newsroom/id/3598917 (дата обращения: 25.03.2018).

51. Geo2tag is an Open Source LBS Platform // Geo2Tag. [Электронный ресурс]. URL: http://geo2tag.org (дата обращения: 26.06.2016).

52. Geography Markup Language. // Open Geospatial Consortium. [Электронный ресурс]. URL: http://www.opengeospatial.org/standards/gml (дата обращения: 25.03.2018)

53. GEOJSON // GeoJson Standart site [Электронный ресурс]. URL: http://geojson.org/ (дата обращения: 25.03.2018).

54. GeoNames // The GeoNames geographical database. [Электронный ресурс]. URL: http://www.geonames.org/ (дата обращения: 25.03.2018).

55. GML Best Practices Guide (pdf) // OGC Network. [Электронный ресурс]. URL: http://www.ogcnetwork.net/system/files/GML_Best_Practices_Guide.pdf (дата обращения: 25.03.2018).

56. Grinberg M. Flask Web Development: Developing Web Applications with Python. — O'Reilly Media, 2018. — 316 с.

57. Han J. et al. Survey on NoSQL database //Pervasive computing and applications (ICPCA), 2011 6th international conference on. - IEEE, 2011. - С. 363-366.

58. How to Use APIs to Build GIS, Mapping and Location Applications // Programmable Web. [Электронный ресурс]. URL: https://www.programmableweb.com/news/how-to-use-apis-to-build-gis-mapping-and-location-applications/analysis/2015/04/13 (дата обращения: 25.03.2018).

59. Inaba M., Katoh N., Imai H. Applications of weighted Voronoi diagrams and randomization to variance-based k-clustering //Proceedings of the tenth annual symposium on Computational geometry. - ACM, 1994. - С. 332-339.

60. ISO/IEC/IEEE 42010: Systems and software engineering — Architecture description: tech. Rep. // IEEE. [Электронный ресурс]. URL: http://standards.ieee.org/findstds/standard/42010-2011.html (дата обращения: 25.03.2018).

61. IT Roadmap to a Geospatial Future // The National Academies Press. [Электронный ресурс]. URL: https://www.nap.edu/read/10661/chapter/4#26 (дата обращения: 25.03.2018).

62. JSON Schema // The home of JSON schema. [Электронный ресурс]. URL: http://json-schema.org/ (дата обращения: 25.03.2018).

63. Krinkin K., Yudenok K., Zaslavskii M.M. Logistics Service Development based on the Geo2Tag and Smart-M3 Platforms//Proceedings of the 18th Conference of

Open Innovations Association FRUCT, IET - 2016, Vol. Work in Progress, С. 521-527.

64. Kruchten P. B. The 4+ 1 view model of architecture //IEEE software. - 1995. - Т. 12. - №. 6. - С. 42-50.

65. Krygier J. Visualization in Geographic Information Systems //Cartographic Perspectives. - 1995. - №. 20. - С. 50-51.

66. Leiba B. Oauth web authorization protocol //IEEE Internet Computing. - 2012. -Т. 16. - №. 1. - С. 74.

67. Liu H. et al. Accurate sensing of scene geo-context via mobile visual localization // Multimedia Systems. - 2015. - Т. 21. - №. 3. - С. 255-265.

68. Marowka A. Python accelerators for high-performance computing //The Journal of Supercomputing. - 2018. - Т. 74. - №. 4. - С. 1449-1460.

69. Miloslavskaya N., Tolstoy A. Big data, fast data and data lake concepts //Procedia Computer Science. - 2016. - Т. 88. - С. 300-305.

70. Moniruzzaman A. B. M., Hossain S. A. NoSQL Database: New Era of Databases for Big data Analytics-Classification, Characteristics and Comparison //International Journal of Database Theory and Application. - Т. 6. - №. 4. - С. 113.

71. Niemi T. et al. Constructing an OLAP cube from distributed XML data //Proceedings of the 5th ACM international workshop on Data Warehousing and OLAP. - ACM, 2002. - С. 22-27.

72. OGC Reference Model. // Open Geospatial Consortium. [Электронный ресурс]. URL: https://portal.opengeospatial.org/files/?artifact_id=3836 (дата обращения: 25.03.2018).

73. OGC® GML Application Schema - OGC Portal // Open Geospatial Consortium. [Электронный ресурс]. URL: https://portal.opengeospatial.org/files/? artifact_id=41438 (дата обращения: 25.03.2018).

74. Park N., Kim H., Kim S., Won D. Open location-based service using secure middleware infrastructure in web services //International Conference on Computational Science and Its Applications. - Springer Berlin Heidelberg, 2005. - С. 1146-1155.

75. Peng Z. R., Tsou M. H. Internet GIS: distributed geographic information services for the internet and wireless networks. - John Wiley & Sons, 2003. - 679 с.

76. Perera, C., Zaslavsky, A., Christen, P. and Georgakopoulos, D., Context aware computing for the internet of things: A survey //IEEE communications surveys & tutorials. - 2014. - Т. 16. - №. 1. - С. 414-454.

77. RDF 1.1 Concepts and Abstract Syntax. W3C Recommendation// World Wide Web Consortium (W3C). [Электронный ресурс]. URL: http://www.w3.org/TR/rdf11-concepts/ (дата обращения: 25.03.2018).

78. RDF Schema 1.1. W3C Recommendation // World Wide Web Consortium (W3C). [Электронный ресурс]. URL: http://www.w3.org/TR/rdf-schema/ (дата обращения: 25.03.2018).

79. Relationship to the World Wide Web and REST Architectures // W3C working Group Note. [Электронный ресурс]. URL: https://www.w3.org/TR/2004/N0TE-ws-arch-20040211/#relwwwrest (дата обращения: 25.03.2018).

80. Representational State Transfer (REST) // The Donald Bren School of Information and Computer Sciences (ICS). [Электронный ресурс]. URL: https://www.ics.uci.edu/~fielding/pubs/dissertation/rest_arch_style.htm (дата обращения: 25.03.2018).

81. Schilit B. N., Theimer M. M. Disseminating active map information to mobile hosts //IEEE network. - 1994. - Т. 8. - №. 5. - С. 22-32. D0I:10.1109/65.313011.

82. Schmid S., Galicz E., Reinhardt W. Performance investigation of selected SQL and NoSQL databases //AGILE 2015-Lisbon. - 2015. - С. 9-12.

83. Sheth A. Internet of things to smart iot through semantic, cognitive, and perceptual computing //IEEE Intelligent Systems. - 2016. - Т. 31. - №. 2. - С. 108-112.

84. Sondheim M., Gardels K., Buehler K. GIS interoperability //Geographical Information Systems. - 1999. - Т. 1. - С. 347-358.

85. Spatial Data Standards and GIS Interoperability // An ESRI White Paper. [Электронный ресурс]. URL: http://www.esri.com/library/whitepapers/pdfs/spatial-data-standards.pdf (дата обращения: 25.03.2018).

86. Spb open data // Открытые данные Санкт-Петербурга. [Электронный ресурс]. URL: http://data.gov.spb.ru/ (дата обращения: 25.03.2018).

87. Sporny M. et al. JSON-LD 1.0 //W3C Recommendation. - 2014. [Электронный ресурс]. URL: https://www.w3.org/TR/json-ld/diff-20131105.html (дата обращения: 25.03.2018).

88. Srinivasaiah B., Tiwari R., Dhinagar S. Kalman filter based estimation algorithm to improve the accuracy of automobile gps navigation solution. - SAE Technical Paper, 2014. - №. 2014-01-0268.

89. Su X., Riekki, J., Nurminen, J. K., Nieminen, J., Koskimies, M. Adding semantics to internet of things //Concurrency and Computation: Practice and Experience. - 2015. - Т. 27. - №. 8. - С. 1844-1860.

90. Sukode S., Gite S., Agrawal H. Context Aware Framework in IOT: a survey //International Journal. - 2015. - Т. 4. - №. 1.

91. Teske D. Geocoder accuracy ranking //Process Design for Natural Scientists. -Springer, Berlin, Heidelberg, 2014. - С. 161-174.

92. The Apache HTTP Server Project. [Электронный ресурс]. URL: https://httpd.apache.org/ (дата обращения: 26.06.2016).

93. TOGAF® Standard, Version 9.2, a standard of The Open Group // The Open Group. [Электронный ресурс]. URL: http://pubs.opengroup.org/architecture/togaf9-doc/arch/ (дата обращения: 25.03.2018).

94. Top 10 IoT Segments 2018 // IoT Analytics. [Электронный ресурс]. URL: https://iot-analytics.com/top-10-iot-segments-2018-real-iot-projects/ (дата обращения: 25.03.2018).

95. Top five differences between data lakes and data warehouses // Blue Granite. [Электронный ресурс]. URL: https://www.blue-granite.com/blog/bid/402596/top-five-differences-between-data-lakes-and-data-warehouses (дата обращения: 25.03.2018).

96. Uniform Resource Identifier (URI): Generic Syntax // IETF. [Электронный ресурс]. URL: https://tools.ietf.org/html/rfc3986 (дата обращения: 25.03.2018).

97. VK API. URL: https://vk.com/dev/openapi (дата обращения: 25.03.2018).

98. Wachowicz M. Object-oriented design for temporal GIS. - CRC Press, 2014. -136 с.

99. Welcome to Apache™ Hadoop®! // Apache Hadoop. [Электронный ресурс]. URL: http://hadoop.apache.org/ (дата обращения: 25.03.2018).

100. Williams E., Gray J., Dixon B. Evaluating GeoContext: A system for creating geographical topics from a social media stream //Ubiquitous Computing, Electronics & Mobile Communication Conference (UEMCON), IEEE Annual. -IEEE, 2016. - С. 1-7.

101. Wolfgang K., Michael S. Metaclasses and Their Application. Book Series Lecture Notes in Computer Science. Springer Science & Business Media, — T. 943. —1995. — 200 c.

102. Woods D. Big data requires a big architecture // Forbes. 2011. [Электронный ресурс]. URL: https://www.forbes.com/sites/ciocentral/2011/07/21/big-data-requires-a-big-new-architecture/ (дата обращения: 25.03.2018).

103. XML Schema // The World Wide Web Consortium (W3C). [Электронный ресурс]. URL: https://www.w3.org/XML/Schema (дата обращения: 25.03.2018).

104. Y.2060 : Overview of the Internet of things // International Telecommunication Union. [Электронный ресурс]. URL: https://www.itu.int/rec/T-REC-Y.2060-201206-I/en (дата обращения: 25.03.2018).

105. YAML Schema // Advanced Scientific Data Format (ASDF) standart. [Электронный ресурс]. URL: http://doctrine.readthedocs.io/en/latest/en/manual/yaml-schema-files.html (дата обращения: 25.03.2018).

106. Zaslavskiy M., Mouromtsev D. Geocontext extraction methods analysis for determining the new approach to automatic semantic places recognition // Proceedings of the 16th Conference of Open Innovations Association FRUCT-2014, С. 137-142.

107. Zaslavskiy M., Mouromtsev D. Implementation of the new REST API for open source LBS-platform Geo2Tag //Artificial Intelligence and Natural Language and Information Extraction, Social Media and Web Search FRUCT Conference (AINL-ISMW FRUCT), 2015. - IEEE, 2015. - С. 125-130.

Приложение 1. Свидетельства о регистрации программ для

ЭВМ

Приложение 2. Акты о внедрении результатов исследования

■

ОГРН:1117847361391 ИНН:7801562540

ООО «ФРУКТ»

УТВЕРЖДАЮ Генеральный директор

ООО «ФРУКТ»

Алексей Виталиевич Александров

3 сентября 2018 г.

АКТ О ВНЕДРЕНИИ

результатов диссертационной работы Заславского М.М. на тему «Модель и метод автоматизированной обработки геоконтекстных данных в рамках концепции

Интернета Вещей»

Настоящим актом подтверждаем, что результаты диссертационной работы Заславского М.М. на тему «Модель и метод автоматизированной обработки геоконтекстных данных в рамках концепции Интернета Вещей», представленной на соискание ученой степени кандидата технических наук по специальности 05.13.11 - «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей (технические науки)», были внедрены в ряде проектов реализованных ООО «ФРУКТ». В частности результаты Заславского М.М. являются основой выполнения НИОКР по договору (соглашению) №336ГС2/20929 от 26.03.2015 о предоставлении гранта на проведение научно-исследовательских и опытно-конструкторских работ Федеральным государственным бюджетным учреждением "Фонд содействия развитию малых форм предприятий в научно-технической сфере" (Фонд содействия инновациям), проект "Разработка платформы для быстрой интеграции и эффективного использования гео-контекстной информации в современных мобильных сервисах". Результаты проекта приняты Фондом содействия инновациям и используются по сегодняшний день в более чем десятке систем и приложений, реализованных на основе ГИС платформы Geo2Tag.

Александров А.В. Генеральный директор

http://www.fruct.org

Приложение 3. Схемы баз данных MasterDB

База данных с метаинформацией о существующих сервисах и пользователях.

Users

Коллекция с пользователями/администраторами программных систем и/или

экземпляра платформы.

{

"first_name": { "type": "string"

"last_name": { "type": "string"

"required": [ "first_name", "last_name"

]

}

Services

Коллекция с метаинформацией существующих программных систем ИВ.

"name": {

"type": "string"

"config": {

"type": "object", "properties": { "log_size": { "type": "integer"

}

},

"required": [ "log_size"

]

},

"owner_id": { "type": "string"

"required": [ "config", "name", "owner_id"

]

}

Log

Лог действий администраторов экземпляра платформы и подключенных сервисов.

"level": {

"type": "string"

"user_id": { "type": "string"

"date": {

"type": "Datetime"

"message": { "type": "string"

"service": { "type": "string"

"required": [ "level", "user_id", "date", "message", "service"

]

}

{

"level": {

"type": "string"

"user_id": { "type": "string"

"date": {

"type": "Datetime"

"message": { "type": "string"

"service": { "type": "string"

"required": [ "level", "user_id", "date", "message", "service"

]

}

ServiceDB Log

119 Points

"name": {

"type": "string"

}

"json": {

"type": "object", "properties": {

"import_source": { "type": "Url"

"version": { "type": "string"

"image_url": { "type": "Url"

"name": {

"type": "string"

"source_url": { "type": "Url"

}

"date":{

"type": "Datetime"

}

"bc":{

"type": "boolean"

}

}

},

"channelld": { "type": "string"

"location": { "type": "object", "properties": { "coordinates": { "type": "array", "size": 2 "items": { "type": "float"

}

}

},

"required": [ "coordintes"

]

},

"date":{

"type": "Datetime"

}

"bc":{

"type": "boolean"

}

"alt": {

"type": "non negative float"

},

"required": [ "json"

"channelld",

"location"

"date",

"bc",

"alt"

]

}

Œannels

{

"name": { "type": "string"

"json": {

"type": "object", "properties": { "description": {

"type": "string"

},

"url": {

"type": "string"

}

}

"owner_id": { "type": "string"

"required": [ "name", "json", "owner_id"

]

}

Приложение 4. Интерфейсы дополнений обработки геоконтекстных данных

Основные REST-интерфейсы

Для работы с дополнениями извне используются следующие REST-

интерфейсы:

• /<prefix>/plugin/<plugin_name>/* - REST-интерфейс самого дополнения, реализуется разработчиком исходя из конкретной задачи.

• /<perfix>/plugin_config/<plugin_name> [GET, POST] — конфигурирование дополнения. Параметры:

° parameter — идентификатор (название) параметра; ° value — новое значение параметра (при POST запросе).

• /<prefix>/manage_plugins/ [POST] — управление состоянием дополнения. Параметры:

° plugin — идентификатор (название дополнения). ° state — изменяемое состояние.

• /<prefix>/plugin/<plugin_name>/service/<serviceName>/job [GET] - список заданий импорта и их статусы.

• /<prefix>/plugin/<plugin_name>/service/<serviceName>/job [POST] -добавить задание обработки геоконтекстных данных, параметры:

0 channelName, - используемый канал; ° openDataUrl, - ссылка для доступа к данным;

• /<prefix>/plugm/<plugin_name>/service/<serviceName>/j ob/<j ob_id> [GET] - состояние одного задания.

• /<prefix>/plugm/<plugin_name>/service/<serviceName>/j ob/<j ob_id> [DELETE] - остановка задания.

Управление дополнениями

Возможные состояния дополнения (плагина) обработки геоконтекстных данных:

• включен (enabled) — дополнение доступно с помощью REST интерфейса.

• выключен (disabled) — доступ к дополнение через REST-интерфейс не возможен.

Текущая реализация LBS-платформы подразумевает автоматическую загрузку всех дополнений при запуске платформы. Программные интерфейсы управления дополнениями задаются в файлах

• src/plugins.py:

0 getPluginList - возвращает список доступных дополнений, ° enablePlugin( api, pluginName ) - включает дополнение, ° disablePlugin( api, pluginName ) - отключает дополнение.

• src/db_model.py

0 getPluginState(pluginName) - возвращает состояние конкретного дополнения.

° setPluginState(pluginName, state) — устанавливает статус конкретного дополнения.

• src/main.py

0 initApp() - активация всех дополнений, чье состояние в коллекции masterDb.plugins отмечено как enabled. Вызывается при запуске LBS-платформы.

Дополнительные REST-интерфейсы

Дополнительные REST-интерфейсы обеспечивают работу дополнений к

LBS-платформе, обеспечивающих функции геокодирования адресов на естественном языке. Сама процедура геокодирования осуществляется за счет

использования внешних сервисов, поэтому LBS-платформа подразумевает гибкие интерфейсы и сущности для организации данного процесса: Запросы для управления геокодированием:

• /<prefix>/plugin/geocoder/service/<serviceName>/job [GET] — отображение текущих задач геокодирования, а также их состояний.

• /<prefix>/plugin/geocoder/service/<serviceName>/job [POST] — создание нового задания геокодирования. Параметры:

° channelName, - идентификатор (название) канала, для данных которого

необходимо провести операцию геокодирования; ° geocoder, - название сервиса геокодирования;

• /<prefix>/plugin/geocoder/service/<serviceName>/job/<job_id> [GET] -статус одного задания.

• /<prefix>/plugin/geocoder/service/<serviceName>/job/<job_id> [DELETE] -остановить задание.

• /<prefix>/plugin/geocoder/geocoder [GET] - список подключеных сервисов геокодирования и их