Verwaltung von zeitbezogenen Daten und Sensordatenströmen

Abstract

Sogenannte ortsbezogene Anwendungen interpretieren die räumliche Position des Benutzers als wichtigste Kontextinformation, um ihr Verhalten darauf abzustimmen. Im Rahmen des Nexus-Projekts (SFB627) werden Konzepte zur Unterstützung ortsbezogener Anwendungen erforschtund die Ergebnisse in der sogenannten Nexus-Plattform integriert. Der Benutzerkontext wird aber auch durch die Zeit beeinflusst, da Zeit ein wesentlicher Bestandteil unseres Lebens ist und so gut wie jede Information einen zeitlichen Bezug hat. Die Integration von Zeit bedeutet eine Erweiterung der Nexus-Plattform von der ortsbezogenen Unterstützung hin zu einem allgemeineren kontextbezogenen System.

Da die uneingeschränkte Berücksichtigung von Zeit im allgemeinen Fall ein zu großes Themenfeld ist, wurden im Rahmen einer Use-Case-Analyse Anforderungen identifiziert, die besondere Relevanz für das Nexus-Projekt haben. Diese Anforderungen und ihre Umsetzung werden in der vorliegenden Arbeit beschrieben. Die Speicherung von Zeiträumen und Zeitpunkten basiert auf dem GML-Zeitdatentyp, so dass Zeitwerte im Format des ISO-8601-Standards dargestellt werden. Mit diesem Basisdatentyp sind temporale Attribute im Nexus-Datenmodell definierbar.

Für die Formulierung von Anfragen wird das neue Prädikat temporalIntersects eingeführt, mit dem eine beliebige Überschneidung eines temporalen Attributs zu einem vorgegebenen Zeitraum angegeben werden kann. Da jedoch die Anfragekriterien nicht im Vorfeld eingeschränkt werden sollen, werden außerdem die minimal notwendigen temporalen Basisprädikate beschrieben, mit denen alle Relationen der Allen-Intervallalgebra formuliert werden können.

Die Gültigkeitszeit gibt an, zu welchen Zeiten ein bestimmter Wert den tatsächlichen Realweltzustand korrekt modelliert. Zur Annotation von Daten mit Gültigkeitszeiten, aber auch mit anderen Metadaten, wird ein allgemeines Metadatenkonzept für das Nexus-Datenmodell beschrieben. Mit Metadaten können dann Gültigkeitszeiten von Objekten und Attributen angegeben und so auf einfache Weise Historien von beliebigen Attributen modelliert werden.

Interpolationsfunktionen ermöglichen eine genauere und komprimierte Darstellung von sich häufig ändernden Daten mit kontinuierlichen Werteverläufen wie z.B. Sensordatenhistorien. Deshalb werden die Basisdatentypen für Gleitkommazahlen und räumliche Werte so geändert, dass lineare Interpolationsfunktionen für die kontinuierliche Änderung von Werten über die Zeit modellierbar sind. Zur Speicherung wird die Implementierung eines Historienservers beschrieben, der interpolierbare Basisdatentypen verarbeiten kann.

Messwerte von Sensoren bestehen meist aus diskreten (Wert, Zeitpunkt)-Tupeln. Da bei der dauerhaften Speicherung von Sensordaten schnell eine große Menge an Daten anfallen kann, ist es sinnvoll, die Daten vorher zu komprimieren. In dieser Arbeit werden sowohl strombasierte als auch konventionell arbeitende Ansätze für eine Komprimierung von Sensordatenströmen vorgestellt: Einfache Approximationsverfahren und die Approximation durch lineare Ausgleichsrechnung sowie Verfahren zur Polygonzugvereinfachung, aber auch ein kartenbasierter Ansatz speziell für Positionsdaten. Zur Klassifikation der Ansätze werden verschiedene Eigenschaften von Komprimierungsalgorithmen vorgestellt. Für die Alterung von komprimierten Sensordaten wird das neue Konzept der Fehlerbeschränktheit bei Alterung eingeführt. Die Algorithmen werden entsprechend klassifiziert und mit GPS-Testdatensätzen von PKW-Fahrten evaluiert.

Die gelungene Integration der Zeitaspekte wird anhand dem Messetagebuch, einer Beispielanwendung zur Aufzeichnung und Auswertung von Benutzeraktivitäten, gezeigt. Ein weiteres Anwendungsbeispiel ist der Einsatz des NexusDS-Datenstrommanagementsystems zur Erfassung, Integration und Historisierung von Datenströmen unterschiedlicher Herkunft in einer sogenannten Smart Factory.

So-called location-based applications use the spatial position of the user as main context information to adapt their behaviour. The Nexus project (SFB627) investigates concepts to support location-based applications and integrates the results in the so-called Nexus platform, a platform to support all kinds of location-based applications.

Besides spatial positions, time also influences the user context, because time is a main part of our every day life, and nearly every information has temporal aspects. Therefore integrating time brings new qualities in context models, and integrating temporal concepts in the Nexus platform means the extension from a platform for location-based applications to a general support of context-aware applications.

An analysis of temporal use cases identified the requirements relevant to the Nexus project, because the support of time in general is to voluminous. These requirements and their solutions are described in this thesis.

Integration of temporal concepts requires format definitions for temporal values as well as temporal predicates in the query language. The temporal data format is implemented using the GML temporal data type, i.e., the format to define temporal data types for temporal attributes in the Nexus context model is based on the ISO 8601 standard for temporal values.

Using temporal data, the identified main query aspect is concurrency, meaning any overlapping of two temporal values. But the use case analysis indicates no limitations of query capabilities, therefore Allen's relationships of temporal intervals should be fully supported in the query language. In the Nexus query language the predicate temporalIntersects for any overlapping of temporal values is introduced, as well as a minimal set of further temporal predicates to support all relationships of Allen's intervall algebra. This gives maximum flexibility in query support.

Meta data (i.e., data about data) improves the value of the operational data by giving applications and users additional information, e.g., on the data's origin, its precision or staleness. Attaching meta data to objects and attribute values allowes us to give useful information like, e.g., the lifetime of an object, and valid time and gathering time of attribute values as well as information about accuracy and measuring systems.

In many cases it makes sense to append new attribute values to a history of values instead of overwriting old values. This leads to multiple instances of attributes. Attached meta data allows to directly access each instance and to relate several instances. Such an integration of meta data to form histories of values influences the data modeling and storing as well as the selection process in the query language.

Annotating attribute values with temporal meta data leads to data histories given by a set of (value, valid time)-tuples. But often sensor data histories can be more efficiently approached by using interpolation functions. This thesis discusses a possible extension of the Nexus data model for the integration of an interpolation data type and the consequences for storage and querying components.

A component for preprocessing of raw sensor updates is introduced, to obtain interpolation functions, while providing a decreased update rate as well as a compression of the incoming updates. The preprocessing is implemented as stand-alone preprocessing component as well as preprocessing operator in the NexusDS data stream management system.

Compressing sensor data histories reduces the amount of storage as well as the overhead for processing queries on the data. In general, compression algorithms for sensor data histories replace several consecutive interpolation function segments by a single line such that the error caused by this simplification stays below a given bound.

For the compression, simple stream-based line simplification algorithms are developed. More sophisticated line simplification algorithms are enabled to be used in a stream-based processing mode. These line simplification algorithms are compared to each other as well as to a map-based approach. Furthermore, usability criteria and a classification of compression algorithms are defined, and the algorithms are evaluated using GPS position data from cars.

The self-documenting fair visit application, an example application for recording and analyzing of user activities, demonstrates the successful integration of temporal aspects in the Nexus platform. Another application scenario uses the NexusDS data stream management system for gathering, integrating, and recording data streams from different sources within a so-called Smart Factory.