2nd International Symposium on "Generation and Transfer of Knowledge for Digital Transformation"

SITIC2023

Traffic, model for traffic event detection

Abstract

In our country, every day it is more important to incorporate the application of Artificial Intelligence and the Semantic Web in applications related to the Internet of Things (IoT).

Work has been done on a platform called Traffic, which combines these elements, but has certain limitations. It is a system that works with linked data from sensors located in the city of Brussels, in Belgium. These sensors provide real-time data for traffic measurement using IoT devices deployed in the city.

We will present a lightweight semantic model for the detection of Traffic Events, such as low or high traffic within the city. The proposed model uses IotStream and its linked ontologies. The IoTStream Analytics class can be used in connection with traffic analysis. The Event class captures the most important road events, such as low or high traffic within the city. Knowing the deployed location of sensors is also vital for geospatial analysis, so with IoT-Stream linking to geo:Point, this can be captured using absolute coordinates or relative location (using iot-lite:relativeLocation). Neo4j will be used to model, store and select the event detection analysis algorithms to be used.

Resumen

En nuestro país, cada día es más importante incorporar la aplicación de la Inteligencia Artificial y la Web Semántica en las aplicaciones relacionadas con el Internet de las Cosas (IoT).

Se ha trabajado en una plataforma llamada Traffic, que combina estos elementos, pero tiene ciertas limitaciones. Es un sistema que trabaja con datos vinculados de sensores ubicados en la ciudad de Bruselas, en Bélgica. Estos sensores proporcionan datos en tiempo real para la medición del tráfico usando dispositivos IoT implementados en la ciudad.

Presentaremos un modelo semántico ligero para la detección de Eventos de Tráfico, como el tráfico bajo o alto dentro de la ciudad. El modelo propuesto utiliza IotStream y sus ontologías vinculadas. La clase IoTStream Analytics se puede utilizar en relación con el análisis de tráfico. La clase Event captura los eventos viales más importantes, como el tráfico bajo o alto dentro de la ciudad. Conocer la ubicación desplegada de los sensores también es vital para el análisis geoespacial, por lo que con la vinculación de IoT-Stream a geo:Point, esto se puede capturar utilizando coordenadas absolutas o ubicación relativa (utilizando iot-lite:relativeLocation). Se utilizará Neo4j para modelar, almacenar y seleccionar los algoritmos de análisis para la detección de eventos que se usarán.