Povzetek

V zadnjih letih se mnogi vidiki odločanja opazno nagibajo proti podatkovno vodeni paradigmi, pri čemer se vse manj zanašajo na intuicijo posameznikov in vse bolj na podatke. Slednje je vodilo v eksponentno rast količine zajetih podatkov, ki postajajo globalno razpoložljivi in med seboj združljivi po zaslugi pobud za odpiranje podatkov (angl. Open Data Initiatives; npr. Digital Single Market of EC), odprtokodne programske opreme (npr. GeoServer) in odprtih standardov (npr. OGC in INSPIRE Directive). Čeprav so sodobne metode zmožne poravnave geoprostorskih podatkov iz različnih informacijskih slojev, dostopati do semantičnih značilnic v enem ali več poravnanih nivojev in analize surovih podatkov in/ali pridobljenih značilnic, pogosto ostajajo omejene na vnaprej izbrane tipe podatkov (npr. hiperspektralni in LiDAR ali senzorji povezani preko brezžičnega omrežja), kjer je integracija domensko-specifičnega znanja relativno preprosta. Poleg tega tudi ne vključujejo podatkovnega bogatenja v dovolj veliki meri, zato veliko podatkov ostane neizkoriščenih. Večina najsodobnejših metod namreč omogoča samo oceno razmer, medtem ko oceno vpliva omogočajo le nekateri domenskospecifični sistemi odločanja, kjer uporabniki sami upravljajo s kontekstnimi informacijami.

Projekt PLACE (Napovedna analitika, temelječa na lokacijsko podprtem bogatenju konteksta) predlaga za reševanje opisanih izzivov poglobljeno študijo fuzije podatkov za razpoznavo konteksta, njegovo strukturiranje in uporabo za izboljšanje napovedne analitike v geoprostorski domeni. Iz konceptualnega stališča, bi vzpostavili kontekst nad ocenjevanjem geoprostorskih entitet, kar bi doprineslo nov strukturiran vir informacij za izboljšavo visokonivojske fuzije podatkov, t.j. ocenjevanje situacije in vpliva. Dodatne izboljšave bomo dosegli z uporabo procesno usmerjenega ogrodja, ki bo omogočalo bogatenje definicij geoprostorskih entitet z generirano informacijo, npr. iz simulacij in regresijskih modelov. Tako pričakujemo izboljšano pridobivanje značilnic (npr. izboljšanje ocenjevanja semantičnih entitet), omogočanje dodatnih (napovedanih) kontekstnih informacij, in izboljšano razumevanje pri ocenjevanju situacije in vpliva. Podatkovni model PLACE bo tako predstavljal spiralni model, ki bo zmožen doseganja “samo-bogatenja” podatkov skozi iteracije podpornih procesov. Slednji bi vključevali definicijo geoprostorskih entitet (ali objektov), pridobivanje značilnic, strukturiranje konteksta, in napovedno analitiko.

Raziskovalne aktivnosti bodo usmerjene skozi dva pilotna primera, ki bosta služila kot testna primera za pomoč pri konkretizaciji razvoja in načrtovanju primerne metodologije za preverjanje hipoteze:

1. Napovedovanje mikroklimatskih parametrov, kjer bodo iz fuzije oddaljenega zaznavanja (npr. 3D LiDAR, meteorološki in satelitski podatki) in in-situ meritev (npr. realno-časovne meritve vlažnosti in temperature) pridobljene kontekstne informacije. Te bodo nato uporabljene za izboljšano definicijo parametrov dinamike tekočin in okoljskih simulacij. Nameščeni realno-časovni senzorji bodo služili za ocenjevanje natančnosti.
2. Napovedovanje geomorfoloških sprememb nastalih zaradi tekoče vode in poplav, pri čemer bodo strukturirane kontekstne informacije, pridobljene iz daljinsko zaznanih podatkov, zgodovinskih kart poplav, vremenskih podatkov in obstoječih infrastrukturnih zemljevidov, uporabljene v regresijskih modelih za oceno stopnje vodne erozije in učinkov poplav na teren in infrastrukturo. Za ocenjevanje natančnosti bodo uporabljeni podatki iz relevantnih preteklih projektov in dodatnih terenskih meritev.

Ta projekt je financiran s strani Javne agencije za raziskovalno dejavnost Republike Slovenije v okviru "Javni razpis za sofinanciranje raziskovalnih projektov v letu 2017", raziskovalni projekt J2-8176.