UrbanKG — акылдуу шаарлардын транспорт, энергетика, айлана-чөйрө, коомдук коопсуздук жана жарандык кызматтар боюнча маалыматтарын бирдиктүү семантикалык моделде байланыштырууга арналган төрт катмарлуу билим графынын архитектурасы. Sommai Khantong, Charuay Savithi жана Mohammad Nazir Ahmad жүргүзгөн изилдөөдө Дизайн илимин изилдөө методологиясы (Design Science Research Methodology, DSRM) колдонулуп, алкак ачык маалымат булактарынан түзүлгөн концепцияны далилдөө колдонмосу аркылуу бааланган. Түзүлгөн билим графы 287.456 RDF үчтүгүн, 23.847 өзүнчө объектти, 127 байланыш түрүн жана 42.384 убакыт белгиси бар байкоону камтыйт. Изилдөөчүлөр беш долбоорлоо максаты аткарылганын, 23 тармактар аралык суроо үлгүсү ийгиликтүү иштетилгенин жана сунушталган архитектура семантикалык интеграция, убакыттык өкүлчүлүк, федеративдик башкаруу жана аралаш тыянак чыгаруу жагынан техникалык жактан ишке ашырыла аларын билдиришет. Бул жыйынтыктар чыныгы ири шаарда толук кандуу жандуу өндүрүш системасы ырасталды дегенди билдирбейт.

Изилдөөнүн негизги көйгөйү шаардык маалыматтардын ар башка файлдарда же серверлерде гана жайгашуусунда эмес, ар башка системалардын бир эле объекттерди, жайгашууларды, убакыттарды жана байланыштарды ар башкача аныкташында. UrbanKG бул семантикалык бөлүнүүнү онтологиялар, стандарттык идентификаторлор, RDF байланыштары, SPARQL суроолору жана тармактар аралык байланыштар аркылуу чечет.

Изилдөө шаар ичиндеги кызматтардын жеткиликтүүлүгүн транспорттук инфраструктура менен ооруканалар, коомдук кызматтар жана экологиялык көрсөткүчтөрдү бирге баалоо аркылуу изилдөөгө болорун да көрсөтөт. Бирок колдонулган булактар, тандап алуу чечимдери, синтетикалык тез жардам компоненттери жана айрым өлчөө аныктамаларындагы чектөөлөрдөн улам жыйынтыктар каралып жаткан концепцияны далилдөө шарттары менен бирге чечмеленүүгө тийиш.

1. Акылдуу шаарлардагы негизги көйгөй: Эмне үчүн маалымат өзү эле жетишсиз?

Акылдуу шаар системалары бири-биринен көз карандысыз техникалык инфраструктуралардан маалымат чогултат. Транспорт системалары аялдамаларды, унааларды, маршруттарды жана каттамдарды; энергетика системалары эсептегичтерди, бөлүштүрүүчү объекттерди жана керектөөнү; айлана-чөйрө системалары абанын сапатын жана метеорологиялык өлчөөлөрдү; коомдук коопсуздук системалары окуяларды жана жооп кайтаруу ресурстарын; жарандык кызматтар болсо кызмат өтүнмөлөрүн жана алардын абалын каттайт.

Бул жазууларды бирге баалоо керек болгону менен, ар башка мекемелер өзүнчө маалымат моделдерин, идентификаторлорду, жетүү протоколдорун жана терминологияларды колдонушу мүмкүн. Натыйжада бир эле кварталга тиешелүү транспорт, энергетика жана айлана-чөйрө маалыматтары компьютердик системалар үчүн өз ара байланышсыз бойдон калышы мүмкүн.

Бул абал маалыматтын силолошуусу деп аталат. Силолошуунун семантикалык жагы өзгөчө маанилүү: эки маалымат топтому бирдей форматта сакталышы алардын бир эле түшүнүктөрдү чагылдырганын же ортосундагы байланыш ачык аныкталганын кепилдебейт.

Мисалы, транспорттук жазуудагы аялдама идентификатору менен мейкиндиктик маалымат топтомундагы физикалык жайгашуу объектисинин ар башка идентификациясы болушу мүмкүн. Жалпы байланыш түзүлбөй туруп файлдарды гана бириктирүү бул эки жазуунун кандай байланышканын автоматтык түрдө түшүндүрбөйт.

UrbanKGнин изилдөө маселеси — ар башка мекемелер чыгарган маалыматтарды толугу менен борбордук схемага көчүрбөстөн, жалпы семантикалык түзүм аркылуу суроого жана бирге чечмелөөгө мүмкүн болгон абалга келтирүү.

Билим Графы Деген Эмне жана Ал Акылдуу Шаарларда Эмне Үчүн Керек?

Билим графы (Knowledge Graph, KG) реалдуу дүйнөдөгү объекттерди түйүндөр, ал эми алардын ортосундагы аныкталган байланыштарды шилтемелер аркылуу көрсөткөн түзүмдөлгөн билим модели. Акылдуу шаарларда билим графы транспорт аялдамасы, электр бөлүштүрүү пункту, айлана-чөйрө сенсору, административдик аймак жана коомдук кызмат сыяктуу ар башка тармактардагы объекттерди бирдей семантикалык алкакта байланыштырууга мүмкүндүк берет. UrbanKG изилдөөсү билим графтарын шаардын бардык маалыматтарын бир жерде сактаган милдеттүү борбордук кампа эмес, ар башка маалымат булактарынын ортосунда семантикалык байланыш түзүүчү инфраструктура катары карайт.

2. RDF үчтүгү: Байланыш компьютер тарабынан кантип көрсөтүлөт?

Булак изилдөөнүн негизги технологияларынын бири Ресурстарды сүрөттөө алкагы (Resource Description Framework, RDF). RDF билимди үч компоненттүү байланыштар түрүндө көрсөтөт:

Субъект — Предикат — Объект

Субъект — ал жөнүндө маалымат берилген объект. Предикат объекттин кайсы касиети же байланышы көрсөтүлүп жатканын түшүндүрөт. Объект болсо байланыш багытталган башка объектти же маанини көрсөтөт.

Булактын RDF ыкмасын түшүндүрүү үчүн төмөнкү өз алдынча окуу мисалын колдонууга болот:

urb:Durak_A  urb:bulunduguBolge  urb:Bolge_5 .

Бул билдирүү Durak_A аттуу объект Bolge_5 аттуу административдик аймакта жайгашканын көрсөтөт. Бул жердеги аттар окуу үчүн колдонулган орун баскычтар; алар UrbanKG маалымат топтомундагы ырасталган чыныгы жазуулар катары берилбейт.

RDFде толук идентификаторлор URI же IRI форматында колдонулушу мүмкүн. Кыскартылган префикстер узун идентификаторлорду окууга ыңгайлуу көрсөтүүгө жардам берет. Байланыштын мааниси да онтологиянын ичинде аныкталып, ар башка колдонмолордун бир эле предикатты ырааттуу баалашы көздөлөт.

3. Онтология, T-Box жана A-Box ортосундагы айырма

Онтология белгилүү бир билим тармагындагы түшүнүктөрдү, алардын өз ара байланыштарын жана логикалык касиеттерин аныктаган формалдуу түзүм. UrbanKGде онтология ар башка мекемелер бир эле объект түрлөрүн жалпы маанилер менен көрсөтө алышы үчүн колдонулат.

T-Box (Terminological Box) билим моделинин концептуалдык жана схемалык бөлүгү. Ал объект кайсы класска тиешелүү боло аларын, класстардын өз ара байланыштарын жана касиеттер кайсы объект түрлөрүнө колдонуларын аныктайт.

A-Box (Assertional Box) белгилүү объекттерге тиешелүү үлгү жазууларды жана алардын ортосундагы конкреттүү байланыштарды камтыйт.

Мисалы, онтологияда "TopluTaşımaDurağı" деген классты аныктоо T-Box деңгээлиндеги концептуалдык операция. Белгилүү бир аялдама объектиси ушул класска таандык экенин көрсөтүү болсо A-Box деңгээлиндеги үлгү маалымат.

Булак UrbanKG концепцияны далилдөө колдонмосунда 287.456 RDF үчтүгү A-Box жазуулары катары билдирилген. Бул сан онтологиядагы класстардын саны менен чаташтырылбашы керек.

4. RDF, RDFS, OWL, SHACL, SPARQL жана GeoSPARQL бири-биринен кантип айырмаланат?

Бул стандарттардын баары бир эле ишти аткарбайт. RDF маалыматты көрсөтөт, онтология маалыматтын маанисин түзүмдөйт, SHACL ылайыктуулук текшерүүсүн берет, SPARQL суроо жүргүзөт, GeoSPARQL болсо мейкиндиктик операцияларга мүмкүндүк берет.

Айрыкча OWLдеги логикалык тыянак чыгаруу менен SHACLдагы маалымат ылайыктуулугун текшерүү бири-биринен ажыратылышы керек. Графта логикалык жактан жаңы байланыш чыгарууга болору маалымат бардык колдонмо чектөөлөрүн аткарат дегенди билдирбейт.

5. Билим графы менен санариптик эгиздин ортосундагы байланыш

Санариптик эгиз (digital twin) физикалык объектти же системаны санариптик чөйрөдө көрсөтүп, тиешелүү маалымат байланыштары менен жаңыртылып туруучу системалык ыкма. Билим графы бул түзүмдүн өзү менен толук бирдей эмес.

UrbanKG ыкмасында билим графы физикалык жана административдик объекттерди, алардын ортосундагы байланыштарды, географиялык контекстти жана маалыматтын келип чыгышын көрсөткөн семантикалык инфраструктураны түзө алат. Санариптик эгиздин визуалдаштыруу же симуляция компоненттери болсо ушул түзүмдөлгөн билимдин негизинде иштей алат.

Булак изилдөөдө санариптик эгизди синхрондоштуруу архитектуранын колдонуу мүмкүнчүлүктөрүнүн бири катары көрсөтүлгөн. Бул толук функционалдуу шаар санариптик эгизинин жандуу чөйрөдө иштетилгенин билдирбейт.

6. Адабиятта UrbanKG чечүүгө аракет кылган боштук

Булак изилдөө акылдуу шаарлардын билим графтары боюнча мурунку ыкмалар транспорт же мобилдүүлүк сыяктуу белгилүү маалымат тармактарында маанилүү жетишкендиктерге жеткенин, бирок көз карандысыз мекемелердин маалыматтарын жалпы башкаруу, тармактар аралык тыянак чыгаруу жана техникалык жыйынтыктарды системалуу баалоо жагынан ачык изилдөө маселелери калганын белгилейт.

Km4City, Liu жана анын кесиптештеринин UrbanKG ыкмасы, убакыттык шаардык билим графтары жана Snap4City сыяктуу мурунку иштер изилдөөнүн салыштырма алкагында каралат.

Ошондуктан жаңы изилдөөнүн салымы билим графы технологиясын акылдуу шаарларда биринчи жолу колдонууда эмес. Салым — онтологияны биринчи орунга койгон түзүмдөө, федеративдик маалымат башкаруу, убакыттык билимди көрсөтүү, дедуктивдик жана индуктивдик тыянак чыгарууну бириктирүү жана концепцияны далилдөө баалоосун бирдиктүү долбоорлоо алкагына жайгаштырууда.

Булакта мурунку иштер менен салыштыруулар да бар. Бул салыштыруулар каралган макалаларда билдирилген касиеттерге негизделген; алар бардык мүмкүн болгон билим графы технологияларынын кеңири жана көз карандысыз эл аралык өндүрүмдүүлүк таймашы катары чечмеленбеши керек.

UrbanKGнин Төрт Катмарлуу Архитектурасы Кантип Иштейт?

UrbanKGнин төрт катмарлуу архитектурасы маалыматты кабыл алуу, семантикалык интеграция, билим графын сактоо жана колдонмо-аналитика кызматтарынан турат. Биринчи катмар ар башка булактардан келген маалыматтарды RDF форматына өзгөртөт. Экинчи катмар объекттерди дал келтирүү, онтологияларды шайкештөө жана тармактар аралык байланыштарды түзүү иштерин аткарат. Үчүнчү катмар RDF үчтүктөрүн жана тыянак чыгаруу функцияларын сактайт. Төртүнчү катмар суроо интерфейстерин, панелдерди жана чечимдерди колдоо кызматтарын сунуштайт. Архитектура маалыматка борборлоштурулган ээликти милдеттүү кылбастан жалпы семантикалык пайдаланууну камсыз кылууга багытталган.

7. Биринчи катмар: Маалыматты кабыл алуу

Маалыматты кабыл алуу катмары акылдуу шаар инфраструктурасы ар кандай форматта чыгарган маалыматтарды билим графына өткөрүлө турган абалга келтирет. Булактардын арасында сенсор агымдары, географиялык маалымат системасынын жазуулары, ачык мамлекеттик маалымат топтомдору жана колдонмолорду программалоо интерфейстери бар.

Изилдөөдө Apache Kafka маалымат агымдарын буферлөө үчүн, Apache Flink болсо агым маалыматтарын иштетүү үчүн колдонулган. Концепцияны далилдөөдө Flink менен беш мүнөттүк терезелерде агрегация жүргүзүлгөн.

RML жана R2RML карталоолору булак маалымат талаалары онтологияда аныкталган класстарга жана касиеттерге кандай өзгөртүлөрүн көрсөтөт. Мисалы, транспорттогу аялдаманын аты жана идентификатору RDF форматында коомдук транспорт аялдамасынын объектин түзүү үчүн колдонулушу мүмкүн.

Бул карталоо файл форматын гана өзгөртүү эмес. Булак талаалары кайсы түшүнүктөргө дал келерин аныктоо кийинки семантикалык суроолордун ырааттуулугу үчүн зарыл.

8. Экинчи катмар: Семантикалык интеграция

Семантикалык интеграция катмары ар башка системалардагы жазуулар кайсы реалдуу дүйнө объекттерине таандык экенин жана бул объекттер жалпы онтология менен кантип байланышаарын аныктайт.

Объекттерди дал келтирүү (entity resolution) ар башка жазуулар бир эле объектти көрсөтөбү же жокпу дегенди баалоо процесси. Онтологияларды шайкештөө ар башка концептуалдык схемалардагы эквиваленттүү же байланышкан аныктамаларды дал келтирүүгө багытталат. Байланыштарды табуу болсо ар башка маалымат тармактарынын ортосунда жаңы байланыштарды түзүүгө мүмкүндүк берет.

UrbanKG концепцияны далилдөөдө мейкиндиктик жакындык менен түр шайкештиги бирге колдонулган. Булакта 50 метр босогонун ичинде турган жана түрү боюнча шайкеш объекттер owl:sameAs байланышы үчүн бааланганы айтылат.

owl:sameAs бир эле реалдуу дүйнө объектин көрсөтөт деп кабыл алынган эки идентификатордун ортосунда күчтүү бирдейликти билдирет. Бир-бирине жакын жайгашуу гана чыныгы бирдейликти далилдебейт. Ошондуктан түр шайкештиги жана тактык баасы маанилүү.

9. Үчүнчү катмар: Билим графын сактоо

Үчүнчү катмар түзүлгөн RDF үчтүктөрүн жана тиешелүү метамаалыматтарды сактайт. SPARQL суроолору аркылуу жетүү камсыздалат. Онтологиялык эрежелер тыянак чыгаруу кыймылдаткычы тарабынан иштетилиши, графтык эмбеддинг моделдери болсо байланыш үлгүлөрүнөн үйрөнүшү мүмкүн.

Булак колдонмодо Apache Jena Fuseki 4.7.0 жана TDB2 backend колдонулган. Система Docker чөйрөсүндө төрт CPU өзөгү жана 16 GB RAM менен иштетилген.

Бул аппараттык жана программалык маалыматтар өндүрүмдүүлүк жыйынтыктары кайсы техникалык чөйрөгө байланыштуу экенин түшүнүү үчүн зарыл. Башка жабдыкта ошол эле суроо убакыттары алынат деп алдын ала болжолдоого болбойт.

10. Төртүнчү катмар: Колдонмо жана аналитика

Акыркы катмар түзүлгөн билим графын сураган жана шаардык чечимдерди колдоо процесстерине байланыштырган кызматтарды камтыйт. SPARQL endpoint колдонмолорго ар башка шаардык маалымат тармактарында байланыш суроолорун жүргүзүүгө мүмкүндүк берет.

Булак архитектура панелдерди, тармактар аралык окуя байланыштарын, санариптик эгиз байланыштарын жана болжол кызматтарын мүмкүн болгон колдонмо компоненттери катары аныктайт. Концепцияны далилдөөдө булардын бардыгы үчүн чыныгы шаар масштабында үзгүлтүксүз өндүрүш өндүрүмдүүлүгү билдирилген эмес.

11. Беш шаардык маалымат тармагынын жалпы моделде биригиши

GeoSPARQL жалпы мейкиндиктик түшүнүктөрдү берип, ар башка тармактардан келген объекттер кайда жайгашканын жана бири-бирине карата кандай жайгашканын суроого жардам берет.

Онтологиянын расмий моделдик камтылышы 47 класс, 89 объект касиети жана 34 маалымат тибинин касиети катары билдирилген. Бул үч категория айырмаланат: класс объекттин түрүн, объект касиети эки объекттин ортосундагы байланышты, маалымат тибинин касиети болсо объектке байланышкан сандык же тексттик маанини көрсөтөт.

Федеративдик Маалыматтарды Башкаруу Деген Эмне?

Федеративдик маалыматтарды башкаруу ар башка маалымат тармактарына өздөрүнүн институттук башкаруу жана сактоо жоопкерчилигин сактап туруп, жалпы стандарттар аркылуу бирге суроо жүргүзүүгө мүмкүндүк берген ыкма. UrbanKG шаардык тармактарды өзүнчө аталыш берилген граф бөлүктөрү катары карап, аларды жалпы онтологиялык терминдер аркылуу байланыштырууну сунуштайт. Ошентип, транспорт же энергетика сыяктуу тармактарды бир эле институттук маалымат ээси астына топтоо милдеттүү эмес. Бирок федеративдик бөлүү өзү эле жеке маалымат деңгээлинде уруксат берүү, купуялуулук же мыйзамдарга толук шайкештик камсыздалганын далилдебейт.

12. Аталыш берилген графтар жана тармактар аралык суроо жүргүзүү

RDFде аталыш берилген граф (named graph) белгилүү RDF үчтүктөрүнүн топтомун аныкталган граф идентификаторунун астында сактоого мүмкүндүк берет. Бул түзүм маалымат булагы, тармак, версия же убакыт сыяктуу контексттерди ажыратуу үчүн колдонулушу мүмкүн.

UrbanKGде транспорт, энергетика, айлана-чөйрө, коомдук коопсуздук жана жарандык кызматтар тармактарын өзүнчө башкаруу каралган. Тармактар ортосунда жалпы идентификаторлор, онтологиялык байланыштар жана SPARQL 1.1 федерация функциялары колдонулушу мүмкүн.

SPARQLдагы GRAPH билдирүүсү белгилүү аталыш берилген графта дал келтирүү жүргүзсө, SERVICE билдирүүсү суроону башка SPARQL кызмат endpointине жөнөтүү үчүн колдонулушу мүмкүн. Бул экөө бир функция эмес; аталыш берилген граф логикасы менен бөлүштүрүлгөн endpointке жетүү бири-биринен ажыратылышы керек.

Булак семантикалык версияларды башкарууда онтология версиясынын маалыматтары жана өзгөрүү билдирүүлөрүндө Kafka темалары колдонулганын белгилейт. Жаңыртуу кагылышууларында убакыт белгисине негизделген чечим жана убакыттын өтүшү менен ырааттуу абалга келүү ыкмасы аныкталган.

13. Убакыттык маалыматтар эмне үчүн өзүнчө көрсөтүлөт?

Шаардын айрым маалыматтары салыштырмалуу туруктуу: жолдордун өз ара байланышы же административдик чек ара мамилелери буга мисал. Сенсор мааниси, унаанын жайгашуусу же окуянын абалы болсо убакыттын өтүшү менен өзгөрүшү мүмкүн.

UrbanKG түзүмдүк байланыштарды убакытка көз каранды байкоо жазууларынан ажыратат. Байкоо маалыматтары убакыт белгиси бар аталыш берилген графтарда сакталат. Окуялардын башталыш жана аяктоо убакыттары үчүн OWL-Time, маалыматтын келип чыгышы жана түзүлүшү үчүн PROV-O колдонулат.

Убакыт белгилерин ISO 8601 форматында UTCге нормалдаштыруу ар башка булактардын убакыт көрсөтүүлөрү үчүн жалпы негиз түзөт. Ошол эле учурда күндөлүк жыйынтык маалымат менен мүнөт деңгээлиндеги өлчөө бирдей убакыт тактыгына ээ эмес. Булак бул айырманы тактык метамаалыматы менен көрсөтүүнү карайт.

Булак изилдөөнүн жол жабылышы мисалында окуя 15 март 2026 күнү башталып, 30 июнь 2026 күнү аяктаган убакыт аралыгы менен көрсөтүлөт. Бул мисал онтология механизмин түшүндүргөн коддук көрсөтүү; аны концепцияны далилдөөнүн 1–14 май 2024 күндөрүндөгү негизги байкоо мезгили менен чаташтырбоо керек.

Мындан тышкары, убакыт жагынан мурда болушу өзү эле себептүүлүктү далилдебейт. Окуялар чынжырын илимий чечмелөөдө убакыт ырааты менен себептик байланыш өзүнчө каралышы керек.

14. Дедуктивдик жана индуктивдик тыянак чыгаруу

UrbanKGнин аралаш тыянак чыгаруу ыкмасы билимди иштетүүнүн эки башка түрүн бириктирет.

Дедуктивдик тыянак чыгаруу (deductive inference) аныкталган онтологиялык байланыштардан жана логикалык эрежелерден чыгып, ачык жазылбаган, бирок эрежелер колдогон байланыштарды чыгарат.

Индуктивдик тыянак чыгаруу (inductive inference) маалыматтардагы байланыш үлгүлөрүн үйрөнгөн сандык моделдерди колдонот. Билим графынын эмбеддинг ыкмалары ушул максатта объекттер менен байланыштарды векторлор аркылуу көрсөтө алат.

15. OWL-RL эрежелеринин мааниси

Булакта 23 OWL-RL эрежеси Apache Jenaнын алдыга чынжырлоо тыянак чыгаруу механизми менен колдонулганы айтылат. Алдыга чынжырлоо ыкмасында учурдагы маалыматтардан эрежелер аркылуу жаңы тыянактар чыгарылат.

Эреже түрлөрүнүн мисалдарынын бири — субкласстын транзитивдүүлүгү. A классы Bнин субклассы, ал эми B классы Cнин субклассы болсо, A да Cнин субклассы деген тыянак чыгарууга болот.

Домен (domain) тыянагында касиет кайсы класска колдонуларын онтология аныктаганда, ошол касиетти колдонгон объекттин классы тууралуу жыйынтык чыгарууга болот.

Булакта мейкиндиктик камтуу жана класс мамилелерине байланыштуу тыянак мисалдары да бар. Мындай эрежелер практикада кайсы мейкиндиктик мамилелер жана логикалык божомолдор менен колдонулары маанилүү; бардык мейкиндиктик мамилелерди шартсыз транзитивдүү деп кабыл алууга болбойт.

Булактын баалоо бөлүмүндө кошумча түрдө 23 SWRL эрежеси тууралуу да айтылат. OWL-RL жана SWRL техникалык жактан ар башка түшүнүктөр. Ошондуктан бир эле сан колдонулганына карап эки эреже үй-бүлөсү бирдей деп кабыл алынбашы керек; изилдөөнүн ичиндеги терминологиялык айырма сакталган.

16. RotatE билим графынын эмбеддинг модели

RotatE билим графындагы объекттер менен байланыштарды сандык вектордук көрсөтүүлөр аркылуу моделдеген байланыш болжолдоо ыкмасы. Булак изилдөөдө RotatEнин максаты ачык катталган байланыштардан тышкары мүмкүн болгон байланыш үлгүлөрүн үйрөнө алган индуктивдик компонентти камсыз кылуу.

Эмбеддинг модели объекттерди сандык көрсөтүүлөргө айлантат. Бул көрсөтүүлөр байланыш үлгүлөрүн үйрөнүүгө мүмкүндүк берет; бирок байланыштын жогорку болжол баасын алышы реалдуу дүйнөдөгү байланыш так ырасталды дегенди билдирбейт.

Бул параметрлер булак колдонмодо билдирилген модель конфигурациясы. Башка маалымат топтомдорунда эң жакшы жыйынтык сөзсүз ошол эле параметрлер менен алынат деген доомат жок.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

17. Дизайн илимин изилдөө методологиясынын алты баскычы

Дизайн илимин изилдөө (Design Science Research, DSR) көйгөйдү чечүүгө арналган модель, ыкма же система сыяктуу изилдөө артефакттарын иштеп чыгуу жана баалоону борборго койгон ыкма. DSRM болсо булакта колдонулган жана бул изилдөөнү алты баскычтуу процесс ичинде уюштурган методология.

Булактын биринчи сүрөтү DSRдин талаптар менен байланышкан актуалдуулук циклин, илимий билим базасы менен байланышкан катуулук циклин жана изилдөө артефакты кайталанма иштелип чыгып бааланган дизайн циклин өз ара байланыштырат.

18. Беш долбоорлоо максаты

Булак беш максат тең концепцияны далилдөө баалоосунда аткарылганын белгилейт. Бул жердеги "аткарылды" деген жыйынтык максаттар аныкталган изилдөө чегинде сыналганын билдирет. Бул мекемелер аралык реалдуу өндүрүш жайгаштыруусу же бүт шаар боюнча үзгүлтүксүз иштөө шарттарынын баары камсыздалды дегенди билдирбейт.

19. Маалымат булактары жана үлгүлөө шарттары

Концепцияны далилдөөдө беш шаардык маалымат тармагынан булактар колдонулган. Изилдөө Таиланддын шаардык маалымат контекстине таянганы менен, ар бир маалымат топтому бир эле шаарда, бир эле мезгилде жана бир эле ыкма менен түз байкалган деп кабыл алууга болбойт.

Мейкиндиктик талдоо үчүн OpenStreetMap чек ара маалыматтары жана тиешелүү Таиланд мамлекеттик маалымат булактары колдонулган. Булакта изилдөө аянты 103,3 km² жана сегиз административдик кичи аймак деп көрсөтүлгөн. Билдирилген калк жыштыгы борбордук аймактарда 22.400 киши/km², сырткы бөлүктөрдө 1.850 киши/km² деңгээлине чейин өзгөрөт.

UCI энергетика маалымат топтомунун мүнөзү менен булакта билдирилген дата жана эсептегич санынын ортосунда кошумча ырастоону талап кылган жагдайлар бар. Ошондуктан энергетика маалыматтарынын баарын ошол даталарда Bangkokдо түз өлчөнгөн маалымат катары көрсөтүү илимий жактан коопсуз эмес. Булак берген маанилер өзгөртүлбөй, бул чек ачык сакталат.

20. Түзүлгөн билим графынын көлөмү

Чийки маалымат булактарында байкоолордун саны көбүрөөк болуп, түзүлгөн билим графында убакыт белгиси бар үчтүк же байкоо саны башка болушу автоматтык түрдө маалымат жоголгонун далилдебейт. Бирок ар бир булак жазуусу кайсы карталоо, агрегация жана тандоо баскычтарынан өткөнү кайра өндүрүмдүүлүк үчүн маанилүү. Булакта бул сандардын баарын байланыштырып турган сап-сап деңгээлдеги толук аудит жазуусу берилбегендиктен, жетишпеген өзгөртүү баскычтары болжол менен толтурулган эмес.

21. Төрт тармактар аралык көрсөтмө сценарий

21.1. Жол кырсыгынын башка инфраструктураларга таасири

8 май 2024 саат 08.15 үчүн (13,7563° K, 100,5018° D) жайгашуусунда симуляцияланган жол кырсыгы бааланган. Окуянын 500 метр айланасындагы тиешелүү объекттер бир нече шаардык тармактан суралган.

Булакта бир энергетикалык бөлүштүрүү түйүнү 347 метр, бир аба сапаты станциясы 423 метр жана төрт транспорт аялдамасы 156–489 метр аралыгында билдирилген. Суроонун иштөө убактысы 298 ms.

Бул жыйынтык ар башка инфраструктура түрлөрүн жалпы мейкиндиктик суроо аркылуу табууга болорун көрсөтөт. Жакын жайгашуу энергетика же аба сапаты системасында чыныгы физикалык зыян болгонун өзү эле далилдебейт.

21.2. Транспорт жана айлана-чөйрө байланышын изилдөө

D5 аймагында транспорт тыгыны күчтүү сааттардагы орточо PM2.5 мааниси 41,7 µg/m³, шаар боюнча салыштыруу мааниси болсо 32,4 µg/m³ деп билдирилген. Булак бул айырманы болжол менен %29 деп көрсөтөт.

Ошол эле сценарийде D5 үчүн транспорт аялдамасынын жыштыгы 0,9 аялдама/km², коммерциялык борбор үчүн 2,1 аялдама/km² деп берилген. Бул салыштырууда D5 жыштыгы болжол менен %57 төмөн. Суроо убактысы 487 ms.

Бул эки көрсөткүч айлана-чөйрө шарттары менен транспорттук инфраструктураны бир эле аймактык контекстте изилдөөгө болорун көрсөтөт. Бирок маалыматтардан транспорт аялдамаларынын жетишсиздиги PM2.5 өсүшүнө түз себеп болду деген тыянак чыгарууга болбойт.

21.3. Тез жардам ресурстарын тандоо

(13,7245° K, 100,4932° D) жайгашуусундагы медициналык өзгөчө кырдаал сценарийинде сегиз мүнөттүк жооп босогосуна туура келген үч жеткиликтүү тез жардам бирдиги аныкталганы билдирилген. Суроо 412 ms созулган.

Тез жардам жайгашуулары синтетикалык экенин өзгөчө сактоо керек. Жыйынтык чыныгы Таиланд тез жардам флоту окуя болгон жерде иш жүзүндө сегиз мүнөт ичинде жардам көрсөткөнүн билдирбейт.

21.4. Санариптик эгиз маалыматтарындагы актуалдуулук маселеси

Эки сааттык актуалдуулук босогосун ашкан 34 объект табылган: 18 акылдуу эсептегич, 12 транспорт унаасы жана төрт айлана-чөйрө сенсору. Булакта 34 жазуунун 31 бөлүгү чыныгы байланыш мүчүлүштүгүн көрсөткөнү кол менен ырасталганы жана бул болжол менен %91 экени айтылган.

Суроо убактысы 523 ms. Бул катыш тандалган көрсөтмө сценарийдеги белгиленген жазуулардын ырасталышына тиешелүү; аны бардык системалардын жалпы мүчүлүштүк аныктоо тактыгы катары колдонууга болбойт.

22. Суроо өндүрүмдүүлүгү: Тармактардын саны көбөйгөндө эмне болот?

Булак ар бир суроо тобу үчүн 100 аткарууга негизделген убакыт өлчөөлөрүн берет. Суроо камтыган маалымат тармактарынын саны көбөйгөн сайын убакыт да өсөрү көрүнөт.

Орточо өлчөнгөн суроо убакыттарынын жалпы борбордук маанисин; медиана иреттелген өлчөөлөрдүн ортосундагы маанини; 95-процентиль байкоолордун болжол менен %95 бөлүгү анын астында калган убакыт чегин; максимум болсо билдирилген эң жогорку убакытты түшүндүрөт.

Таблицадагы ± белгиси кайсы таралуу өлчөмүн көрсөткөнү булак Таблица 8 де так белгиленген эмес. Ошондуктан маанилер автоматтык түрдө стандарттык четтөө же ишеним аралыгы деп аталган эмес.

Бир тармактуу суроо тобунун орточосу 127 ms болсо, беш тармактуу топтун орточосу 2.834 ms. Бул өсүү көбүрөөк тармакты камтыган суроолор үчүн кошумча иштетүү жүгүн көрсөтөт; бирок суроо үлгүлөрүнүн татаалдыгы да өзгөрүшү мүмкүн болгондуктан бул өзү эле универсалдуу масштабдоо мыйзамын түзбөйт.

23. Объекттерди дал келтирүү ийгилигин өлчөө

Булак ар башка жазуулар бир эле объектти көрсөтөбү же жокпу дегенди баалаган дал келтирүү компонентин 500 объект жуп менен сынаган. Эталон дал келтирүүлөрдү эки тармак эксперти белгилеп, пикир келишпестиктер бааланган.

Эксперттер ортосундагы шайкештик үчүн Cohenдин kappa коэффициенти 0,89 деп билдирилген. Kappa байкалган категориялык макулдашууну кокустуктан күтүлчү макулдашууга салыштырып баалаган өлчөм. Жогорку маани эталон белгилөөдө күчтүүрөөк шайкештик бар экенин көрсөтөт; аны моделдин өзүнүн тактык метрикасы менен чаташтырбоо керек.

23.1. Precision, Recall жана F1 формулалары

Төмөнкү стандарттык баалоо теңдемелери булак билдирген метрикалардын математикалык маанисин түшүндүргөн окуу көрсөтүүлөрү; алар жаңы изилдөө жыйынтыктары эмес.

\[\mathrm{Precision}=\frac{TP}{TP+FP}\]

TP туура дал келүү деп аныкталган жуптарды; FP дал келет деп белгиленгени менен чындыгында дал келбеген жуптарды билдирет.

\[\mathrm{Recall}=\frac{TP}{TP+FN}\]

FN чындыгында дал келген, бирок модель өткөрүп жиберген жуптарды билдирет.

\[\mathrm{F1}=\frac{2\times\mathrm{Precision}\times\mathrm{Recall}}{\mathrm{Precision}+\mathrm{Recall}}\]

F1 мааниси precision жана recall маанилеринин гармониялык орточосу. Ошондуктан эки өлчөмдүн бирөөсү гана жогору болушу жыйынтыкты өзү эле аныктабайт.

Булакта билдирилген 0,94 жана 0,87 маанилери формулага коюлганда болжол менен 0,90 алынат. Метрикалар өлчөмсүз катыштар. Булак чыныгы оң, жалган оң жана жалган терс сандарын толук чаташуу матрицасы катары бербегендиктен, алардын так сандары бул жерде ойлоп чыгарылган эмес.

24. Аралаш тыянак чыгаруунун сандык жыйынтыктары

Hits@10 мааниси 0,74 болушу колдонулган байланыш болжолдоо баалоосунда туура байланыш алгачкы он талапкердин арасында табылган учурлар %74 деп билдирилгенин түшүндүрөт. Бул сан графтагы бардык байланыштар %74 тактык менен ырасталды дегенди билдирбейт.

MRR (Mean Reciprocal Rank) туура жооптун болжол иретиндеги ордун баалайт. Бир гана туура жооп болгон стандарттык көрсөтүүдө:

\[\mathrm{MRR}=\frac{1}{N}\sum_{i=1}^{N}\frac{1}{r_i}\]

Бул жерде \(N\) баалоо суроолорунун санын, \(r_i\) тиешелүү суроодогу туура жооптун ордун билдирет. Орун 1 болсо салым 1, орун 2 болсо салым 1/2 болот. MRR өлчөмсүз. Булакта иреттөө бөлүштүрүлүшүнүн бардык деталдары жок болгондуктан мындан ары майдаланган өндүрүмдүүлүк маанилери түзүлгөн эмес.

Булак баалоосунда дедуктивдик компонент схема чектөөлөрүн, эмбеддинг модели болсо маалымат үлгүлөрүн камтыганы айтылат. Бул эки жөндөм бири-бирин алмаштырбайт; аралаш ыкманын максаты толуктоочу милдеттерди бир архитектурада бириктирүү.

Шаардык Кызматтардын Жеткиликтүүлүгү Кантип Эсептелет?

UrbanKG изилдөөсү шаардык кызматтардын жеткиликтүүлүгүн транспорт инфраструктурасы аркылуу белгилүү кызматтарга жетүүнүн мейкиндиктик жана убакыттык шарттарын бириктирип баалайт. Изилдөөдө Коомдук Транспортко Негизделген Жеткиликтүүлүк (TBA), Кызмат Камтуу Индекси (SCI) жана Көп Модалдуу Жеткиликтүүлүк Упайы (MMAS) колдонулган. Алгачкы эки өлчөм үчүн математикалык аныктамалар берилген; MMAS үчүн салмактар жана упай аралыгы көрсөтүлгөн, бирок бардык нормалдаштыруу кадамдарын аныктаган толук эсептөө теңдемеси берилген эмес. Ошондуктан үч өлчөмдү бирдей математикалык тактык деңгээлинде баалоого болбойт.

25. Коомдук Транспортко Негизделген Жеткиликтүүлүк (TBA)

TBA — аймактын аянтынын белгилүү транспорт убактысы чегинде жеткиликтүү деп эсептелген бөлүгүнүн жалпы аймак аянтына катышы. Булактагы формула:

\[\mathrm{TBA}(d,t)=\frac{\mathrm{Area}(R_{d,t})}{\mathrm{Area}(d)}\]

Өзгөрмөлөр: \(d\) административдик аймакты, \(t\) транспорт убактысынын босогосун, \(R_{d,t}\) тиешелүү босого ичинде жеткиликтүү болгон кызмат аймактарынын бирикмесин көрсөтөт. \(\mathrm{Area}\) болсо аянт эсептөө функциясы.

Алым жана бөлүм бирдей аянт бирдиги менен берилсе, TBA өлчөмсүз катыш. Аянттар квадрат километр же квадрат метр менен берилиши, эки мүчө ырааттуу өзгөртүлгөндө катышты өзгөртпөйт.

Математикалык жактан жеткиликтүү аянт чоңойгон сайын, жалпы аймак аянты туруктуу болсо TBA өсөт. Жеткиликтүү аянт аймактын чектеринде бааланып, үстү-үстүнө түшкөн бөлүктөр бирикме логикасы менен бир жолу гана эсептелсе, катыш 0 менен 1 дин арасында болот.

Булак 15 мүнөттүк шаар контекстинде \(t=15\) мүнөт босогосун колдонот. Бирок аянт жеткиликтүү деп эсептелиши менен аймактагы ар бир тургун белгилүү кызматка чындап жете алышы бир эле өлчөм эмес. Калктын мейкиндиктик бөлүштүрүлүшү жана сапардын чыныгы убактысы да өзүнчө маанилүү болушу мүмкүн.

26. Кызмат Камтуу Индекси (SCI)

SCI белгилүү кызмат категориясындагы жеткиликтүү кызмат пункттарынын тиешелүү аймак калкына болгон катышын көрсөтөт. Булак теңдемеси:

\[\mathrm{SCI}(d,s)=\frac{|\{p\in S_s:\mathrm{distance}(d,p)\leq\theta\}|}{\mathrm{Population}(d)}\]

Өзгөрмөлөр: \(d\) аймакты, \(s\) кызмат түрүн, \(S_s\) ошол түрдөгү кызмат пункттарынын топтомун, \(p\) бир кызмат пунктун, \(\theta\) жеткиликтүүлүк босогосун жана \(\mathrm{Population}(d)\) аймактын калкын билдирет.

Алымдагы топтомдун абсолюттук мааниси көрсөтүлгөн босого шартын аткарган кызмат пункттарынын саны. Бөлүм — адамдардын саны. Жыйынтык баштапкы түрүндө киши башына жеткиликтүү кызмат пункттарынын катышы; эгер 10.000 кишиге туура келген кызмат саны катары берилсе, ылайыктуу масштабдоо керек.

Булакта босого үчүн коомдук транспорт менен 15 мүнөттө жетүү же 800 метр жөө жүрүү мисалдары берилген. Убакыт менен аралык ар башка өлчөмдөгү чоңдуктар; бир эле символ менен көрсөтүлсө да, практикада салыштырылган чоңдуктардын бирдиктери шайкеш болушу керек.

Мындан тышкары, аймактан кызмат пунктуна чейинки аралык кандай аныкталары чек ара геометриясына, борбордук чекитке же чыныгы транспорт тармагына жараша ар башка жыйынтык бере алат. Булак формуласы бул практикалык деталдардын баарын өзүнөн өзү аныктабайт.

27. Көп Модалдуу Жеткиликтүүлүк Упайы (MMAS)

MMAS ар башка негизги кызмат тармактарындагы жеткиликтүүлүктү бир курамдык упайга топтоо үчүн аныкталган. Булакта жыйынтык шкаласы 0 менен 10 дун арасында берилген.

Салмактардын суммасы 1. Бул компоненттердин салыштырмалуу маанисин аныктайт. Бирок баштапкы компоненттер кандай нормалдаштырылганы жана 0–10 шкаласындагы упайга кантип өзгөртүлгөнү булакта толук математикалык теңдеме менен берилген эмес.

Ошондуктан салмактарга гана карап изилдөөнүн MMAS маанилерин кайра чыгарган алгоритм түзүлдү деп айтууга болбойт. Өзгөчө PM2.5 маанисин тескери багытта упайлоо үчүн колдонулган өзгөртүүнүн деталдары маанилүү.

28. Беш аймактагы жеткиликтүүлүк жыйынтыктары

Булакта 1 аймак эң жогорку, 8 аймак эң төмөн MMAS маанисине ээ. 8,2/2,4 катышы болжол менен 3,4; изилдөөчүлөр бул айырманы жеткиликтүүлүк теңсиздиги жагынан карашат.

Изилдөөдө аялдама жыштыгы 1,0 аялдама/km² чамасында болгондо босого үлгүсү табылганы айтылат. Бул жыйынтык каралган аймактардагы үлгү; аны башка шаарларда ырасталган универсалдуу инфраструктура босогосу катары көрсөтүүгө болбойт.

Булак ошондой эле айлана-чөйрөнүн сапаты менен жеткиликтүүлүктүн ортосунда Spearman \(\rho=-0,63\) корреляциясын билдирет. Spearman rho иреттерге негизделген байланыштын багытын жана күчүн жыйынтыктайт. Терс белги эки өзгөрмөнүн иреттери карама-каршы багытта байланышканын көрсөтөт; бул себептүүлүк дегенди билдирбейт.

Булакта жеткиликтүүлүгү начар аймактардын орточо PM2.5 деңгээли %38 жогору экени да айтылат. Бирок бул салыштыруунун чийки кичи топ маанилери жана белгисиздик маалыматтары толук берилбегендиктен кошумча статистикалык тыянак чыгарылбайт.

29. Күндүн убактысына жараша оорукана жеткиликтүүлүгү

Эң жогорку жеткиликтүүлүк эртең мененки тыгыз сааттарда %71, түнкү мезгилде болсо %28 деп билдирилген. Булак түнкү жеткиликтүүлүк төмөндөөрүн белгилейт.

Бул маанилер булак тандаган аймактарга жана концепцияны далилдөөдө колдонулган эсептөө ыкмасына тиешелүү. Ооруканага жетүү көрсөткүчү тез жардамдын окуя болгон жерге келүү убактысы же медициналык кызматты иш жүзүндө алуу менен бирдей өлчөм эмес.

Булак 10-таблицадагы түнкү жеткиликтүүлүктүн %28 деңгээлине түшүшү изилдөө чегиндеги убакыттык айырмачылыктарды көрсөтөт. Бул жыйынтыкты башка шаарларга түз көчүрүүгө болбойт.

30. Булактагы SPARQL суроолорунун илимий кызматы

Макаланын тиркемелеринде окуя таасири, транспорт-айлана-чөйрө байланышы, тез жардам бирдигин тандоо, маалыматтын актуалдуулугу жана ар башка граф бөлүктөрү арасында суроо жүргүзүү үчүн үлгүлүү SPARQL түзүмдөрү берилген.

Бул суроолордун негизги логикасы бир маалымат таблицасы аркылуу чектелген фильтрлөөнүн ордуна ар башка онтологиялык типтеги объекттерди алардын байланыштары жана жайгашуулары аркылуу табуу.

Мисалы, оорукана жеткиликтүүлүгү боюнча суроо административдик чек араны, транспорт аялдамасын жана оорукана объекттерин бириктирет. GeoSPARQL аралык функциясы менен белгилүү аралык шартын аткарган жазууларды табат.

Булак 3-сүрөттөгү оорукана суроосу 2.000 метрлик жакындык фильтрин камтыйт. Бул аралык фильтри коомдук транспорт менен 15 мүнөттүк чыныгы сапарды толук эсептөө менен бирдей эмес. Аялдамалар ортосундагы байланыштар, каттам убакыттары, күтүү убактысы жана жол тармагы сыяктуу өзгөчөлүктөр чыныгы сапар убактысын эсептөөдө да маанилүү болушу мүмкүн.

Бул таблица булак кодунун сөзмө-сөз көчүрмөсү эмес; коддун илимий кызматын түшүндүргөн өз алдынча процесс жыйынтыгы. Булак тиркемелериндеги суроолордун толук иштей турганын ырастоо үчүн колдонмонун чыныгы префикс аныктамалары, маалымат типтери, колдонулган функциялар жана endpointтер өзүнчө сыналышы керек.

31. Изилдөө чыгарган төрт долбоорлоо принциби

Биринчи принцип — Онтологиянын модулдуулугу жана башкаруу: Шаардык билимди бири-биринен көз карандысыз, бирок стандарттар менен шайкештелген тармактык онтологияларга бөлүү институттук маалымат жоопкерчиликтери менен семантикалык интеграция муктаждыктарын бирге карап чыгууга жардам берет.

Экинчи принцип — Түзүмдүк жана байкоо маалыматтарын ажыратуу: Салыштырмалуу туруктуу түзүмдүк байланыштар менен дайыма өзгөргөн сенсор жазууларын өзүнчө контексттерде сактоо убакыт жана маалыматтын келип чыгышы боюнча суроолорду ирээттүү кыла алат.

Үчүнчү принцип — Адегенде билим интеграциясы: Өнүккөн болжол жана аналитикалык функциялар маанилүү иштеши үчүн байланышкан маалыматтар адегенде ырааттуу интеграцияланышы керек.

Төртүнчү принцип — Онтологияны биринчи орунга койгон жогортон төмөн курулуш: Маалыматтын сапаты жана текшерилүүчүлүк маанилүү болгон операциялык тармактарда класс, касиет жана чектөөлөрдү үлгү маалыматтар алынганга чейин аныктоо пайдалуу болушу мүмкүн.

Бул принциптер булак авторлор дизайн изилдөөсүнөн чыгарган өткөрүлүп колдонулуучу сунуштар. Алар бардык шаардык системаларда шартсыз эң мыкты ыкма экенин көрсөткөн универсалдуу эксперименттик жыйынтык эмес.

32. Изилдөөдө ачык калган алты техникалык маселе

Булак концепцияны далилдөөдө секундасына 12.000 үчтүк кошуу мүмкүнчүлүгүн билдирип, бул шаар масштабындагы секундадан төмөн реалдуу убакыт талаптарына жооп бербей турганын белгилейт.

Көрсөтмөдө онтологиянын эки жаңыртуусу сыналган. Бул чоң жана үзгүлтүксүз иштеген интеграцияланган шаардык билим графынын узак мөөнөттүү схема өзгөрүүлөрү чечилди дегенди билдирбейт.

Булак ошондой эле 10 миллион үчтүктөн ашышы мүмкүн болгон ири шаар сценарийлери үчүн бөлүштүрүлгөн сактоо жана суроо иштетүү муктаждыктарына көңүл бурат.

Федеративдик маалымат бөлүктөрүн ажыратуу жеке маалымат деңгээлиндеги жетүү чектөөлөрү же GDPR ылайыктуулугу толук ишке ашырылганын далилдебейт. Булак муну келечекте өнүктүрүлүшү керек болгон ачык изилдөө темасы катары карайт.

33. Жыйынтыктар кантип чечмелениши керек?

UrbanKG изилдөөсү ар башка шаардык тармактарды жалпы онтологиялар аркылуу сурай ала турган техникалык концепцияны далилдөөнү сунуштайт. Алынган сандык жыйынтыктар белгилүү программалык камсыздоо, жабдык, маалымат жана суроо шарттарында билдирилген.

Ийгиликтүү аткарылган суроолор семантикалык интеграция мүмкүнчүлүгүн колдойт. Түзүмдүк ылайыктуулук жыйынтыктары онтологиялык текшерүүнүн бир бөлүгүн, тыянак чыгаруу жыйынтыктары болсо эрежеге жана үйрөнүүгө негизделген механизмдерди бирге колдонууга болорун көрсөтөт.

Кызмат жеткиликтүүлүгү талдоолору ар башка шаардык көрсөткүчтөрдү байланыштырып, аймактык айырмачылыктарды изилдөөгө болорун көрсөтөт. Бирок бул жыйынтыктар шаардык теңсиздиктин бардык себептерин түшүндүргөн себептик изилдөө катары берилбеши керек.

34. Булак ичиндеги дал келбестиктер жана кайра өндүрүмдүүлүк чектери

Маалымат булагынын контексти: Ар башка булактардан топтолгон транспорт, энергетика, айлана-чөйрө жана коомдук коопсуздук жазуулары бирдей географиялык же убакыттык келип чыгышка ээ деп кабыл алынбашы керек. Синтетикалык тез жардам жайгашуулары ачык түрдө көрсөтмө маалыматтары.

15 мүнөт түшүнүгү: Булактын жеткиликтүүлүк бөлүмүндөгү бир сүйлөмдө 15 мүнөттүк шаар түшүнүгү түшүндүрүлүп жатканда 1 мүнөттүк жетүү деген сөз колдонулат. Формула жана кийинки талдоолор 15 мүнөт боюнча жүрөт. Бул айырма изилдөө текстиндеги дал келбестик катары сакталууга тийиш.

Эреже терминологиясы: OWL-RL жана SWRL эрежелеринин саны үчүн өзүнчө бөлүмдөрдө бир эле 23 саны колдонулган. Практикада кайсылары иштетилгенин тактоо үчүн тиешелүү код жана эреже тизмелерин текшерүү керек.

Жеткиликтүүлүктү эсептөө: SCI формуласы, таблицадагы жетүү пайыздары жана үлгүлүү SPARQL аралык фильтри ар башка өлчөө функцияларын аткарат. Алар бири-бирине кантип өзгөртүлгөнү ар бир кадамда бирдей деталдуулукта билдирилген эмес. Жетишпеген өзгөртүү теңдемелери ойлоп чыгарылган эмес.

MMAS нормалдаштыруу: Булак компонент салмактарын берет; бирок ар бир компонент 0–10 шкаласындагы упайга кантип айланарын толук аныктаган теңдеме бербейт. Ошондуктан таблица упайлары булак маанилери катары берилген, өз алдынча эсептелгендей көрсөтүлгөн эмес.

Статистикалык белгисиздик: Айрым баалоо таблицаларында орточонун тегерегиндеги ± маанилеринин так статистикалык табияты көрсөтүлгөн эмес. Жаңы ишеним аралыктары, маанилүүлүк тесттери же эффект өлчөмдөрү түзүлгөн эмес.

35. Изилдөөнүн илимий салымы жана чектери

36. Жалпы илимий жыйынтык

Khantong, Savithi жана Ahmadдын UrbanKG изилдөөсү акылдуу шаарларда интеграцияланган маалымат башкарууну маалымат чогултуу жана сактоо көйгөйү катары гана карабайт. Изилдөө ар башка мекемелерге таандык шаардык маалыматтарды жалпы түшүнүктөр, байланыштар, убакыт жана географиялык контекст аркылуу көрсөтүүнү борборго коёт.

Изилдөөчүлөр бул ыкманы төрт катмарлуу архитектура, беш долбоорлоо максаты, онтологияны биринчи орунга койгон иштеп чыгуу, федеративдик граф башкаруу жана аралаш тыянак чыгаруу механизмдери менен түзүмдөгөн. Концепцияны далилдөөдөн алынган жыйынтыктар аныкталган техникалык чекте ишке ашырууга болорун колдойт.

Изилдөөнүн маанилүү салымы белгилүү суроолор иштей турганын көрсөтүү менен бирге келечекте курулушу мүмкүн болгон шаардык билим графтары үчүн долбоорлоо принциптерин жана ачык изилдөө суроолорун түзгөнүндө.

Ошол эле учурда өндүрүмдүүлүк, маалыматтын келип чыгышы, географиялык өткөрүлүүчүлүк, чоң масштабдагы реалдуу убакыт иштөөсү, маалымат купуялуулугу жана өлчөө аныктамалары боюнча ырастоо муктаждыктары уланууда.

Демек, UrbanKG бардык акылдуу шаар көйгөйлөрүн чечкен бүткөн универсалдуу система катары эмес, шаардык тармактар ортосундагы семантикалык өз ара иштешүүнү техникалык жактан изилдеген, бааланган жана өнүктүрүүгө ачык дизайн изилдөөсү катары түшүнүлүшү керек.

Булак жана Ыкма Жөнүндө Эскертүү

Түп нуска академиялык жарыя маалыматы

Түп нуска аталышы: Knowledge Graphs for Integrated Urban Data Management in Smart Cities: A Framework for Semantic Interoperability Across Urban Domains.

Авторлор: Sommai Khantong; Charuay Savithi; Mohammad Nazir Ahmad.

Жооптуу автор: Sommai Khantong.

Биринчи мекеме: Digital Business and Information Systems Department, Mahasarakham Business School, Mahasarakham University, Таиланд.

Экинчи мекеме: Smart City Management and Digital Innovation Department, Mahasarakham Business School, Mahasarakham University, Таиланд.

Үчүнчү мекеме: Institute of Visual Informatics, Universiti Kebangsaan, Малайзия.

Журнал: Urban Science.

Басма: MDPI, Basel, Швейцария.

Жарыя маалыматы: 2026, том 10, сан 6, макала 308.

Жөнөтүлгөн күнү: 14 март 2026.

Ревизия күнү: 19 май 2026.

Кабыл алынган күнү: 27 май 2026.

Жарыяланган күнү: 1 июнь 2026.

DOI: 10.3390/urbansci10060308.

Расмий жарыя: https://www.mdpi.com/2413-8851/10/6/308.

Лицензия: Creative Commons Attribution 4.0 International (CC BY 4.0). Лицензия шарттары.

Булактын түрү: Рецензияланган академиялык изилдөө; дизайн илими ыкмасы жана техникалык концепцияны далилдөө баалоосу.

Каржылоо: Mahasarakham Business School, Mahasarakham University, Таиланд.

Кызыкчылыктардын кагылышы: Авторлор кызыкчылыктардын кагылышы жок экенин билдиришкен.

Программалык камсыздоо жана маалыматка жетүү: Булак изилдөө колдонмо UrbanKG GitHub репозиторийинде MIT лицензиясы менен берилгенин билдирет. Репозиторийдеги коддун учурдагы мазмуну жана иштөө абалы бул Verianla макаласында өз алдынча иштетилип ырасталган эмес.

Изилдөөчүлөрдүн салымы

Булакта концептуалдаштыруу Sommai Khantong жана Charuay Savithiге; методология Sommai Khantong жана Mohammad Nazir Ahmadга; программалык камсыздоо, формалдык талдоо, изилдөө жана маалыматтарды даярдоо Sommai Khantongго таандык деп көрсөтүлгөн. Ырастоо Sommai Khantong жана Charuay Savithi тарабынан жүргүзүлгөн. Түп нуска долбоорду Sommai Khantong даярдаган; кайра кароого жана редакциялоого Charuay Savithi менен Mohammad Nazir Ahmad салым кошкон. Визуалдаштыруу, долбоорду башкаруу жана каржылоону алуу Sommai Khantongдун; көзөмөл Charuay Savithi жана Mohammad Nazir Ahmadдын салымдары катары көрсөтүлгөн.