Information technology and computational intelligence methods for participatory environmental sensing applications

Abstract

Air pollution is a major problem, directly affecting people’s health and quality of life. The degradation of the atmospheric environment (AE) due to increased levels of air pollution is considered as an existing public health threat in urban and rural areas. In 2016, it was estimated that outdoor air pollution was responsible for 4.2 million premature deaths worldwide per year (WHO, 2018). One aspect that can mitigate the negative impact of the poor quality of the AE in human health is to increase citizens’ awareness of the problem, in a timely, location-based, personalised and proactive manner. In other words, it is important to have accurately informed citizens about the existing air quality (AQ) of their area of interest, focusing on their personals sensitivities and needs. In the era of rapid technological change and information explosion, the ultimate goal is to take advantage of the availability of data and turn them into useful, targeted knowledge for both practitioners and citizens. Being able to “interpret” and “understand” the massive collection of data automatically, may lead to innovative quality of life (QoL) services. Within the context of the dissertation, our research efforts cover a very large part of the “life-cycle” of AQ data, in all its expressions, involving processes for their primary production, collection, processing, modelling and transformation, up to the semantical representation and enrichment of the derived content. We target to deconstruct the concept of personalised environmental information and decision support system, by studying and contributing in each of its relevant aspects, i.e., (a) from analysing and modelling heterogeneous content related to the quality and the impact of the AE to human health, to forecasting future trends and unravelling hidden relationships among the examined/combined parameters, and (b) from structuring the knowledge gained through the analysis, enriched by the knowledge provided by environmental and health domain experts, to designing and performing reasoning for personalised recommendation provision to sensitive health groups for supporting their daily choices and preserving their QoL. Our target can be considered as an interdisciplinary task which regards the integration of different research fields and methods for achieving separate research objectives, with different specifications, requirements and tools. We bring together Computational Intelligence (CI), Data mining (DM) methods and Semantic Web technologies (Ontologies). More specifically, classification (Artificial Neural Networks, Decision Trees) and clustering (k-means, Self-Organising Maps) techniques are utilised for modelling the AQ domain in different areas of interest, and for forecasting specific AQ-related parameters (short/long-term pollutants’ concentrations, AQIs, ratios, and more). The applicability of unsupervised learning is also studied for revealing hidden relations between the examined parameters, i.e., the similarity of the AQ behaviour in neighbouring areas, the positive/negative relations between air pollutants, pollen and weather data, etc. Furthermore, with the use of Natural Language Processing (NLP) and clustering techniques, we study and aim to bring out for the first time the relevance of official AQ related measurements (hard sensors) with user-generated content reported in social media, web 2.0 or dedicated platforms (soft sensors), which involve reports and personal estimations about the impact of the AE quality to people’s health. Taking advantage of the semantic expressiveness and structural representation capabilities of ontologies, we present how Semantic Technologies can be applied in order to formalise a structural framework that integrates the involved parameters for both AQ-related information and recommendation provision. Information about the existing AQ conditions, user-profile details, and standards and relations that frame the impact of AQ to human health, as those were suggested by AQ/health experts, are expressed in the form of concepts, semantic relations and rules. The proposed representation model (schema) and rule-based reasoning mechanism is modular and extensible to new sources and needs; additional AE-related elements (air pollutants, pollen, etc.), relevant types of event definitions (AQ episodes, severity levels of the impact of AQ to human health, etc.), multiple recommendations per use case can be easily supported by adopting and extending correspondingly the suggested representation, thus preserving the main principle of ontologies which is the reuse of their structured content. Aforementioned research outcomes were tested with the aid of real world applications via relevant research projects. Based on the conducted research and the derived results, we consider the proposed approach for analysis, modelling, and extraction and dissemination of personalised, enriched information, as successful. The methodologies that have been adopted and adjusted to the needs of the different research tasks have shown the advantages of: (i) the CI methods in modelling heterogeneous data and for handling different complex tasks in forecasting, representing and extracting new knowledge, and of (ii) the Semantic Web technologies in reasoning and inferencing personalised information, targeted to the needs of the end-users. Below, we summarise the most important contributions of our research:* The proper combination (hybrid approach) and parameterisation of well-known DM and CI methods for different classification/clustering tasks and for describing the different domains of interest, on the basis of analysing different hard/soft-sensor data.* The adoption of a cluster-based solution for the extraction of hidden information and relations that exist in user-generated content; the proposed solution can efficiently analyse natural-language documents, by taking into account the semantic relations of their content.* The proof of concept that soft- and hard-sensor data describe similar conditions and events, which was examined and proved, on the basis of different sources of data and different domains of interest within the scope of AE and QoL. * The creation of a prototype framework for formalising and structuring both the sourced and the described knowledge, in order to represent and disseminate timely information related to AQ status as well as targeted recommendations on the basis of the impact that the existing AQ might have to citizens’ health. The ultimate advantage of the proposed solution is that it is domain agnostic and can be adopted in different domains of interest and application, following a similar mechanism for defining and representing the different user-profiles and user-profile driven recommendations per case. * The creation of a hybrid reasoning process, on the basis of ontology-based representation of concepts and rules that bind the domain of interest, where simple axioms ensure the consistency and validity of the declared relations (hierarchy, domain, range, etc.), while complex rules handle multifaceted reasoning tasks that concern the provision of proper, personalised, health-related suggestions, targeting at specific sensitive health groups, as proposed by the AQ/health experts.

Η ποιότητα του αέρα είναι ένα μείζον πρόβλημα το οποίο επηρεάζει άμεσα την υγεία και την ποιότητα ζωής των ανθρώπων. Η υποβάθμιση του ατμοσφαιρικού περιβάλλοντος λόγω των αυξανόμενων επιπέδων ρύπανσης θεωρείται ως μια σημαντική απειλή για τη δημόσια υγεία των πολιτών σε αστικές περιοχές και στην περιφέρεια. Το 2016, εκτιμήθηκε ότι η μόλυνση του (εξωτερικού) ατμοσφαιρικού περιβάλλοντος μπορεί να προκαλέσει μέχρι και 4.2 εκατομμύρια πρόωρους θανάτους παγκοσμίως κάθε χρόνο (WHO, 2018). Ένας σημαντικός παράγοντας που μπορεί να μετριάσει την αρνητική επίπτωση της κακής ποιότητας του ατμοσφαιρικού αέρα στην ανθρώπινη υγεία είναι το να αυξηθούν τα επίπεδα επίγνωσης των πολιτών για το πρόβλημα, σε κατάλληλη, χρονικά και χωρικά ακριβή, προσωποποιημένη και έγκαιρη βάση. Με άλλα λόγια είναι σημαντικό οι πολίτες να είναι επαρκώς και εγκαίρως ενημερωμένοι σχετικά με την υπάρχουσα ποιότητα αέρα στην περιοχή ενδιαφέροντος τους, μέσω υπηρεσιών που εστιάζουν παράλληλα στις προσωπικές τους ανάγκες και ευαισθησίες υγείας. Στην εποχή των ραγδαίων τεχνολογικών εξελίξεων και της «έκρηξης» των διαθέσιμων πληροφοριών, ο κύριος στόχος στην παρούσα διατριβή είναι η εκμετάλλευση της διαθεσιμότητας των περιβαλλοντικών δεδομένων και η μετατροπή τους σε χρήσιμη, στοχευμένη γνώση, με τελικούς αποδέκτες τόσο τους ειδικούς στην ποιότητα αέρα και την υγεία όσο και τους απλούς πολίτες. Η δυνατότητα ερμηνείας και κατανόησης πλήθους ετερογενών δεδομένων με αυτοματοποιημένο τρόπο δύναται να οδηγήσει σε καινοτόμες υπηρεσίες για την ποιότητα ζωής των ανθρώπων. Στο πλαίσιο της παρούσας διδακτορικής διατριβής, οι ερευνητικές μας ενέργειες καλύπτουν ένα μεγάλο μέρος του «κύκλου ζωής» των δεδομένων ποιότητας αέρα, σε όλες τους τις εκφάνσεις, συμπεριλαμβανομένων των διαδικασιών πρωτογενούς παραγωγής τους, συλλογής, επεξεργασίας, μοντελοποίησης, μετατροπής τους σε δομημένη πληροφορία και γνώση, στη βάση επιπλέον της σημασιολογικής αναπαράστασής τους και του εμπλουτισμού του παραγόμενου περιεχομένου. Στόχος είναι η «αποδόμηση» της έννοιας των συστημάτων προσωποποιημένης περιβαλλοντικής πληροφόρησης και στήριξης αποφάσεων, αναλύοντας, ερευνώντας και συνεισφέροντας στα εξής πεδία και ερευνητικά ζητήματα: (α) στην ανάλυση και μοντελοποίηση ετερογενούς περιεχομένου που αφορά και περιγράφει την ποιότητα του αέρα και την επιρροή αυτής στη υγεία των ανθρώπων, με σκοπό την πρόβλεψη μελλοντικών τάσεων και την εξαγωγή/αποκάλυψη «κρυφών» συσχετίσεων μεταξύ των εξεταζόμενων/συνδυαζόμενων παραμέτρων, και (β) στην δόμηση της γνώσης (πληροφορίας) που αποκτήθηκε μέσα από την αυτοματοποιημένη ανάλυση των διαθέσιμων δεδομένων, εμπλουτισμένης με τη γνώση που παρέχεται από τους ειδικούς στους τομείς ενδιαφέροντος (ποιότητα αέρα, υγεία), με σκοπό το σχεδιασμό και την υποστήριξη διαδικασιών αυτοματοποιημένου συμπερασμού και παροχής προσωποποιημένων μηνυμάτων σε ευπαθείς ομάδες για να υποστηρίξουν κατάλληλα τις καθημερινές επιλογές τους, περιορίζοντας την έκθεση τους σε επικίνδυνες ατμοσφαιρικές συνθήκες και διατηρώντας ένα καλό επίπεδο στην ποιότητα ζωής τους. Για να καθορίσουμε τους επιμέρους ερευνητικούς στόχους της παρούσας διατριβής, ορίσαμε ένα σύνολο από κρίσιμα ερευνητικά ερωτήματα γύρω από τα οποία αναζητήθηκαν και προτάθηκαν καινοτόμες λύσεις και υλοποιήσεις. Το πρώτο ερώτημα είχε να κάνει με την έγκαιρη διαθεσιμότητα έγκυρων δεδομένων ποιότητας αέρα για ανάλυση και διάθεση προς το κοινό. Η παραγωγή και διάχυση μετρήσεων ατμοσφαιρικής ρύπανσης εξαρτάται από τη λειτουργική κατάσταση των επίσημων σταθμών παρακολούθησης, ή και από ημι-αυτόματες μεθόδους μέτρησης που ακολουθούνται, σε σταθερά, συγκεκριμένα χωρικά σημεία. Έτσι λοιπόν, σκοπός μας ήταν να αναζητήσουμε και να προτείνουμε εναλλακτικές μεθόδους και κατανεμημένες πηγές αναφοράς δεδομένων σχετικά με την ποιότητα αέρα και την επιρροή του στην υγεία των πολιτών. Εξετάζοντας για το λόγο αυτό δεδομένα που προέρχονται από τους ίδιους τους πολίτες (user-generated content) μέσω κοινωνικών δικτύων ή άλλων πλατφορμών, τέθηκαν και διερευνήθηκαν δύο επιπρόσθετα ερευνητικά ερωτήματα: το ένα αφορά το βαθμό συσχέτισης του περιεχόμενου που δημιουργείται από το χρήστη με τις μετρήσεις ατμοσφαιρικών δεδομένων, και το δεύτερο έχει να κάνει με την αποτελεσματική ανάλυση ετερογενών δεδομένων και πολύπλοκων σχέσεων που ενυπάρχουν σε αυτά. Ο ερευνητικός στόχος που ακολούθησε τα αποτελέσματα των προηγούμενων σχετίζεται με τη διερεύνηση ενός αποτελεσματικού, δυναμικού και σημασιολογικά εμπλουτισμένου τρόπου μοντελοποίησης της πληροφορίας, τόσο αυτής που προκύπτει από την ανάλυση των δεδομένων όσο και αυτής που προέρχεται από τη γνώση των ειδικών στην ποιότητα αέρα και τη δημόσια υγεία. Συνολικά, ο γενικός στόχος γύρω από τον οποίον πλαισιώνονται τα ερευνητικά ερωτήματα και οι προτάσεις της παρούσας διδακτορικής διατριβής μπορεί να θεωρηθεί ως ένα διεπιστημονικό έργο που συνδυάζει διαφορετικά ερευνητικά πεδία και μεθόδους, που αξιοποιούν και εμπλέκουν άμεσα διαφορετικές παραμέτρους, απαιτήσεις και μεθοδολογίες. Συνδυάζουμε μεθόδους υπολογιστικής νοημοσύνης (Computational Intelligence) και εξόρυξης δεδομένων (Data Mining) με εργαλεία και τεχνολογίες σημασιολογικής αναπαράστασης (Ontologies, Semantic Web) των δεδομένων και των διαδικασιών. Πιο αναλυτικά, εξετάζονται, εφαρμόζονται και συνδυάζονται κατάλληλα μέθοδοι κατηγοριοποίησης (classification), όπως για παράδειγμα Τεχνητά Νευρωνικά Δίκτυα (Artificial Neural Networks) και Δέντρα Λήψης Αποφάσεων (Decision Trees), και τεχνικές ομαδοποίησης (clustering), όπως για παράδειγμα η συσταδοποίηση k-means, οι αυτοοργανούμενες απεικονίσεις (Self-Organising Maps) με σκοπό την μοντελοποίση της ποιότητας αέρα σε διαφορετικές περιοχές ενδιαφέροντος, και την πρόβλεψη συγκεκριμένων παραμέτρων ενδιαφέροντος, όπως π.χ. βραχυχρόνιες και μακροχρόνιες τιμές συγκεντρώσεων ατμοσφαιρικών ρύπων, δείκτες ποιότητα αέρα (AQIs-air quality indexes), αναλογίες σχέσεων, κ.α. Εξετάζεται επίσης η ικανότητα εφαρμογής μεθόδων μη-εποπτευόμενης μάθησης (unsupervised learning) με σκοπό τον αυτόματο εντοπισμό «κρυφών» συσχετίσεων μεταξύ των εξεταζόμενων παραμέτρων, όπως για παράδειγμα της ομοιότητας ως προς την ποιότητα αέρα μεταξύ γειτονικών περιοχών, την θετική ή αρνητική συσχέτιση μεταξύ ατμοσφαιρικών ρύπων, αιωρούμενων σωματιδίων, γυρεόκοκκων, στοιχείων καιρού, κλπ. Επιπλέον, με τη χρήση μεθόδων Επεξεργασίας Φυσικής Γλώσσας (Natural Language Processing), συνδυαζόμενων με μεθόδους συσταδοποίησης, διερευνούμε και αποδεικνύουμε για πρώτη φορά το βαθμό συσχέτισης μεταξύ των τιμών μέτρησης ποιότητα αέρα από τους πραγματικούς σταθμούς παρακολούθησης («σκληροί» αισθητήρες) και του σχετικού περιεχομένου που δημοσιεύεται από απλούς χρήστες («μαλακοί» αισθητήρες) στα κοινωνικά δίκτυα ή σε εξειδικευμένες ως προς την ποιότητα αέρα πλατφόρμες, και περιλαμβάνει καταγραφές και προσωπικές εκτιμήσεις σχετικά με την υπάρχουσα ποιότητα του ατμοσφαιρικού περιβάλλοντος ή της επίπτωσης αυτού στη υγεία των πολιτών. Αξιοποιώντας τις δυνατότητες σημασιολογικής εκφραστικότητας και δομημένης αναπαράστασης των οντολογιών, εξετάζουμε και παρουσιάζουμε τον τρόπο με τον οποίο μπορούν να εφαρμοστούν οι Τεχνολογίες Σημασιολογικού Ιστού (Semantic Web Technologies) ώστε να καθοριστεί ένα επίσημο δομικό πλαίσιο που να ενσωματώνει τις εμπλεκόμενες παραμέτρους για την αναπαράσταση πληροφοριών, γνώσης, των κανόνων και της συλλογιστικής που εφαρμόζουν οι εκάστοτε ειδικοί για τη δημιουργία συστάσεων και τη στήριξη λήψης αποφάσεων που θα μπορούσαν να περιορίζουν τον αρνητικό αντίκτυπο της ποιότητας αέρα στην υγεία των πολιτών. Πιο συγκεκριμένα, συνδυάζουμε πληροφορίες σχετικά με τις υπάρχουσες συνθήκες ποιότητας αέρα, λεπτομέρειες σχετικά με το προφίλ των ανθρώπων και της υγείας τους, κανόνες και συσχετίσεις που περιγράφουν και συνδυάζουν τις προαναφερθείσες πληροφορίες, όπως αυτές προτάθηκαν από συνεργαζόμενους ειδικούς στην ποιότητα αέρα και την υγεία, και τις εκφράζουμε σε μορφή σημασιολογικών εννοιών, συσχετίσεων και κανόνων. Το προτεινόμενο μοντέλο αναπαράστασης, βασιζόμενο σε οντολογίες, και ο μηχανισμός συλλογιστικής, βασιζόμενος σε κανόνες που επεκτείνουν δυναμικά την οντολογία, πλεονεκτεί λόγω της αρθρωτής (modular) και επεκτάσιμης (extensible) μορφής του σε νέες δυνατότητες, ανάγκες και προδιαγραφές· μπορούν για παράδειγμα εύκολα να υποστηριχθούν επιπρόσθετα (α) στοιχεία ατμοσφαιρικού περιβάλλοντος (ατμοσφαιρικοί ρύποι, γυρεόκοκκοι, κλπ.), (β) αντίστοιχοι τύποι ορισμού γεγονότων (επεισόδια ατμοσφαιρικής ρύπανσης, επίπεδα της επίπτωσης της υπάρχουσας ποιότητας αέρα στην υγεία των ανθρώπων, κλπ.), (γ) διαφορετικά μηνύματα (συστάσεις) για κάθε εξεταζόμενη περίπτωση χρήσης (use case), υιοθετώντας και επεκτείνοντας αντίστοιχα το προτεινόμενο μοντέλο αναπαράστασης πληροφορίας, και διατηρώντας έτσι την δεσπόζουσα αρχή της τεχνολογίας των οντολογιών, που είναι η επαναχρησιμοποίηση του δομημένου περιεχομένου τους. Συμπερασματικά, με βάση την έρευνα που διεξήχθη, καθώς επίσης και βάσει των αποτελεσμάτων που επιτεύχθηκαν στο πλαίσιο της παρούσας διατριβής, θεωρούμε την προτεινόμενη προσέγγιση για ανάλυση, μοντελοποίηση και εξαγωγή εξατομικευμένης και εμπλουτισμένης πληροφόρησης επιτυχημένη. Οι μεθοδολογίες που υιοθετήθηκαν και προσαρμόστηκαν στις ανάγκες των επιμέρους ερευνητικών μας εργασιών επέδειξαν τα πλεονεκτήματα: (i) των μεθόδων Υπολογιστικής Νοημοσύνης, στη μοντελοποίηση δεδομένων ετερογενούς χαρακτήρα και στην επίλυση διαφορετικών, σύνθετων εργασιών μοντελοποίησης, πρόβλεψης, αναπαράστασης δεδομένων και παραγωγής νέας γνώσης, και (ii) των τεχνολογιών Σημασιολογικού Ιστού, σε διαδικασίες συλλογιστικής και λογικού συμπερασμού προσωποποιημένης πληροφορίας προς τους ενδιαφερόμενους τελικούς χρήστες. Επιγραμματικά, τα σημαντικότερα επιτεύγματα της διεξαγόμενης έρευνας συνοψίζονται ακολούθως: * Η αποτελεσματική υιοθέτηση, ο συνδυασμός και η κατάλληλη παραμετροποίηση υφιστάμενων μεθόδων Εξόρυξης Γνώσης και Υπολογιστικής Νοημοσύνης για διαφορετικές εργασίες και απαιτήσεις. * Η ταυτοποίηση και επικύρωση με υπολογιστικό τρόπο, των συσχετίσεων που ενυπάρχουν μεταξύ διαφορετικών παραμέτρων ενδιαφέροντος στον τομέα της ποιότητας αέρα και της επιρροής τους στην υγεία των πολιτών. * Η δημιουργία μιας υβριδικής μεθοδολογίας για την εξόρυξη δεδομένων και σχέσεων από περιεχόμενο που παράγεται από τους χρήστες (user-generated content), το οποίο μπορεί να χρησιμοποιηθεί για να αναλύσει αποτελεσματικά δεδομένα κειμένου (φυσικής γλώσσας) διατηρώντας και λαμβάνοντας υπόψη παράλληλα τη σημασιολογική συγγένεια του περιεχομένου τους.* Η συσχέτιση μεταξύ δεδομένων που προέρχονται από «σκληρούς» και «μαλακούς» αισθητήρες, που ορίστηκε, εξετάστηκε και αποδείχθηκε ότι ισχύει σε διαφορετικά εξεταζόμενα περιβάλλοντα και για διαφορετικά σύνολα πηγών δεδομένων που προέρχονται από «σκληρούς» και «μαλακούς» αισθητήρες.* Η δημιουργία ενός πρότυπου γνωστικού πλαισίου εννοιών (schema) για την οργάνωση και ερμηνεία πληροφοριών, με στόχο την αναπαράσταση και διάχυση δεδομένων ποιότητας αέρα και προσωποποιημένων συστάσεων σχετικά με την επιρροή των εκάστοτε ατμοσφαιρικών συνθηκών στην υγεία των πολιτών. Η προτεινόμενη υλοποίηση είναι ανεξάρτητη από τον τομέα ενδιαφέροντος και μπορεί να αξιοποιηθεί σε διαφορετικά περιβάλλοντα εφαρμογής, όπως για παράδειγμα σε συστήματα ελέγχου ποιότητας νερού ή συγκεντρώσεων γύρης στην ατμόσφαιρα, ακολουθώντας έναν αντίστοιχο μηχανισμό διαμόρφωσης των προφίλ χρηστών και των προτεινόμενων συστάσεων για κάθε χρήση. * Η δημιουργία μιας υβριδικής διαδικασίας συλλογιστικής και συμπερασμού, στη βάση σημασιολογικών εννοιών (concepts) και κανόνων (rules), όπου τα απλά αξιώματα διασφαλίζουν τη συνέπεια των δηλωμένων σχέσεων (ιεραρχίας, πεδίου εφαρμογής, εμβέλειας, κλπ.), ενώ οι σύνθετοι κανόνες χειρίζονται πολύπλοκες εργασίες συλλογιστικής που αφορούν την παροχή κατάλληλων, εξατομικευμένων συστάσεων υγείας, ειδικότερα σε ευπαθείς ομάδες.