DOCUMENTO DISEÑO Y FACTIBILIDAD DEL PROYECTO PILOTO DE LINKED DATA PARA MAPA DE REFERENCIA Página1 de 36
Título Documento de Diseño y Factibilidad del Proyecto Piloto de Linked Data para Mapa de Referencia Versión 1.0 Autor Identificador Gerencia Infraestructura de Datos Espaciales para el Distrito Capital Diego Ricardo Ibarra Rodríguez. LDMR-1.0 Fecha de creación 2015-06-30 Descripción Publicador Colaboradores Tipo Formato Fuente Idioma Cobertura Derechos Palabras claves El presente documento presenta los referentes teóricos, los antecedentes, los contactos y una breve descripción de las necesidades técnicas y tecnológicas que permiten plantear unos escenarios iniciales, así mismo hacer una evaluación preliminar de la factibilidad del proyecto piloto de adopción de Linked Data para el Mapa de Referencia. UAECD Texto Microsoft Word (.doc) Ver sección de bibliografía Español Bogotá Distrito Capital Copyright Open Data, Linked Data, URI, Arquitectura Tecnológica de Referencia. Página2 de 36
Fecha Autor/ Modificado por Versión Cambio efectuado 2015/06/30 2015/06/30 2015/08/10 Diego Ricardo Ibarra Rodríguez Diego Ricardo Ibarra Rodríguez Luis Andrés Aguilar Raquira 0.1 1.0 1.1 Primera versión del documento. No hay cambios para registrar Liberación primera versión del documento para validación. Se incluye el análisis de factibilidad de acuerdo a la plataforma tecnológica existente en la UAECD. Página3 de 36
... 7... 8 2.1 Glosario... 8 2.2 Generalidades... 9 2.3 Relevancia de Implementar Linked Data... 9 2.4 Publicación y Consumo de Linked Data... 11 2.4.1 Publicación en Linked Data... 12 2.4.2 Consumo en Linked Data... 13... 15 4.1 Aspectos Técnicos y Tecnológicos... 19 4.1.1 Recursos Hardware... 19 4.1.2 Recursos Software... 20 4.2 Población Muestra... 21 4.3 Análisis de Factibilidad... 31.. 19... 35... 36 Página4 de 36
Tabla 1. Relación Costo Beneficio de la adopción del modelo de 5 estrellas... 10 Tabla 2. Iniciativas de Linked Data a nivel global... 15 Tabla 3. Análisis de elementos y tamaño de almacenamiento para el Distrito Capital... 23 Tabla 4. Análisis de elementos y tamaño de almacenamiento para la Localidad de Suba... 25 Tabla 5. Análisis de elementos y tamaño de almacenamiento para la Localidad de Kennedy... 27 Tabla 6. Análisis de elementos y tamaño de almacenamiento para la Localidad de Chapinero... 29 Tabla 7. Encuesta plataforma tecnológica UAECD... 33 Tabla 8. Alternativas de software para el Proyecto Piloto de Linked Data.... 34 Página5 de 36
Figura 1. Bloques para construir una estrategia de Linked Data... 11 Página6 de 36
Este documento forma parte del cuarto hito (estado del arte sobre ontologías geoespaciales existentes) del proyecto de investigación denominado Adopción Piloto de Linked Data para el Mapa de Referencia del Distrito Capital el cual forma parte del proyecto estratégico Implementación de la Estrategia de Fortalecimiento de la Institucionalidad de IDECA. El enfoque de este documento es el de recopilar y presentar algunos aspectos teóricos, técnicos y tecnológicos de una de las actuales prácticas más relevantes a nivel de ingeniería relacionada con el desarrollo, adopción e implementación de Linked Data, entendida como aquella iniciativa que contribuirá a mejorar la búsqueda, acceso y reutilización abierta de los datos que sean publicados como Open Data, facilitando la explotación de dichos recursos de información en la Web. Considérese este documento de manera articulada a los documentos: - Propuesta de adopción de especificaciones y estándares W3C y OGC para la publicación, transformación, vinculación y consulta de recursos RDF. - Diagnóstico sobre recursos ontológicos y no ontológicos para la red de ontologías de Mapa de Referencia. - Especificación de los requerimientos técnicos y tecnológicos para la implementación de servidores y sistemas manejadores de bases de datos semánticos dentro de la Arquitectura Tecnológica de Referencia de la UAECD. Dado que en estos se establecen de manera detallado los criterios técnicos y tecnológicos correspondientes a la arquitectura que debe ser implementada para adoptar la iniciativa de Linked Data. Este texto se divide en tres secciones, la primera corresponde al marco conceptual que soporta la iniciativa de Linked Data, la segunda menciona algunos antecedentes de desarrollo e implementación de esta buen práctica a nivel global, y en la tercera se recopila una descripción más técnica de algunas actividades relacionadas con el proyecto piloto, que hacen parte del trabajo desarrollado hasta el momento. Página7 de 36
LOSARIO Web Semántica: Disponer datos en la Web, definidos y enlazados de forma que puedan ser utilizados y «comprendidos» por las máquinas no solamente para visualizarlos sino para automatizar tareas, integrar recursos, reutilizar datos entre aplicaciones. (Tim Berners Lee, 2010). Ontología: constituye una especificación explícita y formal de una conceptualización compartida. (Gruber, 1993). RDF - Resource Description Framework (RDF): modelo de datos construido con una estructura de arco-nodo Grafo, donde cada vínculo en un grafo se denomina una Tripleta que está compuesta por: Sujeto (entidad inicial), Predicado (verbo que describe la relación), Objeto (entidad final). OWL - Web Ontology Language (OWL): es una extensión del vocabulario RDF. Tiene por objetivo hacer que los recursos web sean más accesibles a procesos automatizados adicionando información acerca de los recursos que describen u ofrecen contenido Web. SPARQL: es lenguaje de consulta basado en RDF. Las consultas SPARQL trabajan en representaciones RDF de los datos mediante la búsqueda de patrones que se ajusten a la plantilla de la consulta, en efecto, la búsqueda de información se efectúa en los grafos de los datos RDF basado en la plantillas y el filtros (restricciones en los nodos y arcos) expresados en la consulta. URI Uniform Resource Identificator: Es la referencia única, unívoca, estable y extensible, para los recursos de información o a cualquier objeto en la Web. Open Data: se refiere a información pública de libre de acceso y que puede reutilizarse para cualquier propósito. Página8 de 36
ENERALIDADES Linked Data es el término utilizado para describir una buena práctica, recomendada para exponer, compartir e integrar conjuntos de datos en la Web Semántica. Esta iniciativa hace parte del desarrollo de la Web Semántica y de la Ingeniería Ontológica, pretender definir lineamientos que marcan un camino evolutivo en la forma en la que se publican y consumen los datos (principalmente aquellos declarados como Open Data), en la Web. Es así como Tim Berners Lee, para el año 2006 1 propuso el conjunto de reglas para la publicación de datos en la Web bajo este principio: Use URI s, como nombres para las cosas 2. Use las URI con el protocolo HTTP para que las personas puedan buscar esos nombres. Cuando alguien busque una URI, proporcione información útil, utilizando los estándares RDF y SPARQL. Incluya enlaces con otras URI, para poder descubrir más cosas. ELEVANCIA DE MPLEMENTAR INKED ATA Linked Data guarda una estrecha relación con la iniciativa de Datos Abiertos, puesto que se convierte en un camino para obtener un mayor beneficio de los datos y la información, en cuanto a que es crucial ponerlos dentro de un contexto que permita crear nuevo conocimiento, así como potenciar los servicios y aplicaciones; y es aquí donde Linked Open Data LOD, facilita la innovación y la creación del conocimiento desde datos interconectados, siendo un importante mecanismo para la administración e integración de los datos y la información. En el camino entre Open Data y Linked Data, se ha propuesto un modelo 3 denominado 5 estrellas (5-stars) con el cual se puede explicar el costo-beneficio tanto para publicadores como consumidores de datos e información (véase Tabla 1). Cada uno de los niveles representado por un número de estrellas que va de una a cinco, señala los parámetros con los que se tiene que publicar la información en la Web. Estos niveles son: 1 http://www.w3.org/designissues/linkeddata.html 2 Entiéndase por Cosas a los objetos que hacen parte de un dominio de conocimiento y que dentro de un modelo ontológico corresponden a las clases, relaciones e instancias. 3 Inicialmente propuesto por Tim Berners-Lee, posteriormente adaptado por Michael Hausenblas. Página9 de 36
* Información está disponible en la Web en cualquier formato y bajo licencia abierta. ** Información está disponible con una estructura de datos (por ejemplo, en un formato Excel en vez de ser una imagen escaneada). *** Se usan formatos no-propietario (por ejemplo, un CSV en vez de un Excel). **** Se utilizan como identificadores las URI s utilizadas para que se pueda apuntar a datos individuales. ***** Los datos son relacionados con otros datos para proveer contexto. Tabla 1. Relación Costo Beneficio de la adopción del modelo de 5 estrellas Modelo Como Consumidor Como Publicador * ** *** **** ***** Los datos pueden ser: - Visualizados - Impresos - Almacenados localmente - Introducidos manualmente dentro de otro sistema Además de todo lo que puede hacer con el anterior nivel, puede: - Procesar información directamente con el software propietario para: agregarla, realizar cálculos, visualizarla, etc. - Exportarla a otros formatos (estructurarla) Además de todo lo que puede hacer con el anterior nivel, puede: - No tener que pagar por un software para usar información en un formato propietario Además de todo lo que puede hacer con el anterior nivel, puede: - Enlazar la información desde cualquier lugar, ya sea la web o localmente - Puede crear marcadores (Bookmark) - Re-utilizar partes de los datos Además de todo lo que puede hacer con el anterior nivel, puede: - Descubrir nuevos datos de interés mientras consume otra información - Tener acceso al esquema de los datos Facilidad para la publicación Facilidad para la publicación Facilidad para la publicación - Tendrá que invertir tiempo para preparar los datos - Necesitará asignar URIs a los elementos de los datos y definir una manera de representarlos (Ontología) - Definir un control de granularidad sobre los elementos de los datos, para optimizar su acceso - Deberá invertir recursos para enlazar sus datos con otros datos en la Web - Hacer los datos visibles - Incrementar el valor de los datos Página10 de 36
UBLICACIÓN Y ONSUMO DE INKED ATA Actualmente diferentes autores han propuesto un conjunto de etapas y actividades que conllevan al desarrollo y puesta en producción de la iniciativa de Linked Data. Sin embargo en la Figura 1 se presenta a manera de bloques un conjunto de actividades a desarrollar, así como algunos de los protocolos, estándares y especificaciones a ser tenidos en cuenta para su implementación a nivel de la publicación y el consumo. Figura 1. Bloques para construir una estrategia de Linked Data Sin embargo se debe manejar de manera diferente los niveles de publicación y consumo, los cuales se describen y detallan a continuación. Página11 de 36
2.4.1 PUBLICACIÓN EN LINKED DATA La publicación de Linked Data provee un poderoso mecanismo para compartir los datos e información de una organización, junto con los metadatos y los respectivos modelos de datos para una re-utilización eficiente. A continuación se presenta un paso a paso para empezar con la publicación: 1. Analice sus datos. Es necesario antes de publicar los datos, realizar una mirada profunda a los modelos de datos, a los metadatos y a la información en sí misma. 2. Limpie sus datos. Los datos y la información que provienen de diversas fuentes y que son distribuidas en distintos formatos, requieren un esfuerzo adicional para garantizar la facilidad y eficiencia de un modelo. Para ello es necesario librar sus datos de cualquier tipo de información adicional que no vaya a ser incluida en el conjunto de datos a publicar. 3. Modele sus datos. Elija vocabularios establecidos o modelos adicionales (ontologías) para garantizar la conversión de datos sin problemas a RDF. El siguiente paso es crear las URI s para los nombres de cada uno de los objetos. Asegúrese de desarrollar modelos dinámicos para los datos que cambian con el tiempo (sostenibilidad) 4. Seleccione vocabularios apropiados. Existen varios vocabularios RDF para ser reutilizados, de manera tal que evalúe el apropiado para sus datos. En caso que no se ajusten a sus necesidades, siéntase libre de crear uno propio. 5. Especificación de licencia. Para asegurar una amplia y eficiente re-utilización de los datos, evalúe, especifique y proporcione una licencia para los datos para evitar su re-utilización con vacíos legales. Si es posible especifique licencias ya existentes (por ejemplo: Creative Commons) y que las personas conocen. Esto permitirá la interoperabilidad con otros conjuntos de datos en el sentido de la licencia. 6. Convierta sus datos a RDF. RDF es una recomendación oficial del W3C, para modelos de datos semánticos. Dependiendo del tipo de datos se deberá definir una metodología que permita migrar los datos desde un formato nativo a RDF. 7. Enlace sus datos a otros datos. Antes de la publicación, asegúrese que los datos estén enlazados a otros conjuntos de datos. Esta relación asegurará de manera óptima el procesamiento e integración para los datos que serán re-utilizados para la creación de nuevo conocimiento, a partir del conjunto de datos que ha sido introducido en un nuevo contexto de otros datos. Página12 de 36
8. Publique y promueva su LOD. La publicación de los datos en la Web y la promoción del nuevo conjunto de datos de LOD, permitirá su re-utilización. Base dicha publicación en las cuatro reglas del Linked data descritas en el numeral 2.2. 2.4.2 CONSUMO EN LINKED DATA Consumir recursos de Linked Data permite integrar y proveer colecciones de datos e información de alta calidad para ser mezcladas con sus propios datos. Esto le permitirá enriquecer colecciones de datos que actúan como simples puntos de acceso para un dominio específico en la forma de un portal de Linked Data o en un sistema de Open Data Warehouse. Los temas e hitos más importantes a considerar consumir LOD, son: 1. Especifique casos concretos de uso. Siempre especifique un caso concreto de uso para un nuevo servicio o aplicación, con base en el problema concreto que desea usted resolver. 2. Evalúe la relevancia de las fuentes de los datos y los conjuntos de datos. Basado en su caso de uso, evalúe la relevancia de las fuentes para la integración de datos. Averigüe cuáles son las fuentes de datos disponibles y la calidad de los datos de dichas fuentes (calidad de los datos es a menudo asociada con la misma fuente de información, organizaciones bien conocidas generalmente proporcionan datos de alta calidad y de la información). Un muy buen enfoque para esta evaluación es utilizar motores de búsqueda semánticos. 3. Verifique las respectivas licencias. Evalúe las licencias proporcionadas por los titulares para el uso y la re-utilización de los datos. Evite el uso de datos donde no está disponible una licencia clara y comprensible. En caso de duda, ponerse en contacto con los titulares de los datos respectivos y aclarar estas cuestiones. 4. Cree patrones de consumo. La creación de patrones de consumo especifica en detalle exactamente qué datos se volverán a utilizar desde un determinado origen de datos. No todos los datos en un conjunto serán relevantes para el caso o casos de uso específico, en cuyo caso se puede desarrollar patrones de consumo que especifican claramente sólo los datos pertinentes en el conjunto. 5. Gestionar la alineación, el almacenamiento en caché y los mecanismos de actualización. Cuando se consume datos e información en Linked Data, a menudo existe la necesidad de combinar diferentes vocabularios de los conjuntos de datos (internos y externos) que se consumen. Esto es relevante para garantizar la integración de datos sin problemas con vocabularios alineados. Otro motivo de preocupación es el hecho de que las fuentes de Linked Data no son absolutamente estables ni siempre están disponibles para consumir Página13 de 36
datos en tiempo real, para evitarlo se pueden crear mecanismos de caché para datos e información específica de terceros. 6. Cree mash ups, GUIs, servicios y aplicaciones de punta. Para servir a sus usuarios y para crear aplicaciones potentes o servicios LOD, es crucial proporcionar interfaces gráficas de usuario (GUI) fáciles de usar y servicios de gran alcance para los usuarios finales. 7. Establecer alianzas sostenibles. Al utilizar datos e información de terceros, procure ponerse en contacto con los proveedores de datos para construir alianzas y ofrecer sus propios datos para ser re-utilizados y viceversa. Página14 de 36
A la fecha ya son varios los desarrollos en materia de publicación de datos basados en Linked Data, fenómeno dado gracias al desarrollo de modelos ontológicos en dominios de conocimientos, tanto generales como particulares, que han permitido no solo la publicación de un conjunto de datos bajo un esquema semántico, sino la interrelación con otros recursos. A continuación se presentan de manera general algunos de los más relevantes que pueden servir como referente para el desarrollo del proyecto. Algunos de estos proyectos son 4 : Tabla 2. Iniciativas de Linked Data a nivel global Iniciativa DBpedia Descripción DBpedia es un esfuerzo de la comunidad que trabajo basada en un crowdsourced que extrae la información estructurada de Wikipedia y la disponibiliza en la Web. DBpedia está en la capacidad de permitir a sus usuarios elaborar consultas sofisticadas contra Wikipedia, y enlazar los diferentes conjuntos de datos en la Web a los datos de Wikipedia. Cuenta con versiones en 125 idiomas; y a 2014, la versión en Inglés describe 4 580.000 describe objetos, de los cuales 4,22 millones se clasifican y describen en una ontología consistente (http://wiki.dbpedia.org/ontology2014). DBpedia consta de 3 mil millones de tripletas RDF, y se conecta con alrededor 50 millones de enlaces RDF con otros Linked Datasets. Su conjunto de datos se encuentra alojado y publicado utilizando el software OpenLink Virtuoso, el cual ofrece el acceso a datos RDF a través de un endpoint SPARQL, junto con el apoyo del estándar HTTP para el de cualquier cliente Web y de HTML o RDF para representar los recursos de DBpedia. 4 Para otras referencias consultese la página http://www.linkeddata.es/ Página15 de 36
Iniciativa Descripción GeoLinkedData.es Aragon Open Data Webenemasuno.es Biblioteca del Congreso Nacional de Chile Fuente: http://wiki.dbpedia.org/ 5 Iniciativa abierta del Ontology Engineering Group (OEG) destinada al enriquecimiento de la Web de los Datos con datos geoespaciales del territorio nacional español. Esta iniciativa se ha puesto en marcha con la publicación de diversas fuentes de información procedentes del Instituto Geográfico Nacional, haciéndolas disponibles como bases de conocimiento RDF (Resource Description Framework) conforme a los principios de Linked Data. Además, estos datos se interrelacionan con otras bases de conocimiento existentes en la iniciativa Linking Open Data. Fuente: http://geo.linkeddata.es/web/guest;jsessionid=58f1db36b7572cbac1a19b7e939ff3 ED El objetivo de este visualizador es representar de todos los recursos del catálogo de Aragón entre los que se destacan: "Comunidad Autónoma", "Provincia", "Comarca" y "Municipios", por lo que el usuario final pueda ver la herencia de clases, los datos de los recursos geoespaciales y/o navegar hacia otros enlaces para comprobar, añadir o conocer más información acerca de los recursos. Fuente: http://vps147.cesvima.upm.es/jacathon_2014/index.html Caso de uso: El Viajero. Uno de los casos de uso principales del proyecto se centra en la integración de los contenidos procedentes de periódicos y plataformas digitales pertenecientes al grupo Prisa: Suplemento El País, Guías Aguilar, Canal Viajar y Prisa Digital. Asimismo, también se incluyen más de 1000 recomendaciones publicadas de los usuarios, sus fotos (más de 2000 accesibles desde la web) y un total de más de 600 blogs en los que distintos usuarios relatan sus experiencias sobre viajes por todo el globo. Fuente: http://webenemasuno.linkeddata.es/index.html La Biblioteca del Congreso Nacional de Chile, junto con el grupo de investigación WESO 6, de la Universidad de Oviedo; desarrollaron un conjunto de ontologías que modelan (basados en una combinación de RDF-S y OWL) los diferentes dominios de datos publicados y que están a libre disposición de los usuarios. Además implementaron aplicaciones para que los usuarios puedan visualizar datos geográficos, o bien la relación o cruce entre ellos. Este ejercicio se convierte en el 5 http://www.oeg-upm.net/ 6 http://www.weso.es/ Página16 de 36
Iniciativa Descripción primer proyecto a nivel latinoamericano que cumple con el modelo de 5 estrellas de Linked Data y que es incluido en el diagrama oficial de Linking Open Data Cloud. Su estructura se representa por: Fuente: http://datos.bcn.cl/es Sin embargo cabe mencionar que la información disponible sobre su desarrollo, es restringida y aún en muchos casos no es abierta, dado que la mayoría de dichas iniciativas han sido desarrolladas con un carácter privado. Por tal razón la exploración documental para la definición de los aspectos que se relacionan a continuación se ha visto limitada. Dichos aspectos técnicos son: - Arquitectura tecnológica de referencia. - Establecimiento de una metodología para la transformación de datos a RDF. - Administración y poblamiento de sistemas manejadores de bases de datos semánticos. - Vinculación de recursos con otros disponibles en la Web. - Generación de enpoint SPARQL. - Construcción de metadatos semánticos. - Integración con Linking Open Data Cloud 7. Frente a este aspecto, desde la Gerencia de IDECA se ha propuesto adelantar un concurso de méritos a nivel de asesoría y/o consultoría, con la cual se espera tener una directriz por parte de expertos en la materia. En este sentido a la fecha se elaboró el documento de Anexo Técnico y se adelantó el estudio de posibles proponente donde fueron considerados entidades académicas del orden nacional e internacional. 7 http://lod-cloud.net/ Página17 de 36
Página18 de 36
SPECTOS ÉCNICOS Y ECNOLÓGICOS 4.1.1 R H Actualmente el proyecto cuenta con un servidor virtual, gestionado con la colaboración de la Gerencia de Tecnología de la UAECD a través de una solicitud de cambio de componentes de Hardware e Infraestructura donde se solicitó una máquina que actuará tanto como Servidor de aplicaciones web y de base de datos; y que a su vez dicha máquina Servidor será destinado como un ambiente de pruebas para la implementación del proyecto. Las características con que dicho servidor debe cumplir son: Procesamiento en CPU: Quad Core 2.8 GHz Alto desempeño en RAM: 8 Gbytes Capacidad de almacenamiento en disco duro: 100 Gbytes Sistema Operativo: Oracle Linux Server release 6.6 a 64 bits. Conectividad a red LAN, deseable WAN dado que se acceden a nombres de dominio de internet relacionados con Linked Data. Asignación de un Hosting y un DNS (Domain Name System) Habilitar permisos y el software para el acceso remoto al Servidor asignado. Habilitar inicialmente permisos para la instalación del siguiente software Open Source: - Java 6 o una versión más reciente - Apache Tomcat 7.0.63 - Sesame (Java framework para el almacenamiento y consulta de datos en formato RDF) - Jena Fuseki (Java framework para el almacenamiento y consulta de datos en formato RDF) - Eclipse versión 4.3 (Kepler) con el plugin Apache Maven - Pubby 0.3.3 (Servidor Browser RDF y/o HTML) Página19 de 36
Los parámetros definidos por la Gerencia de Tecnología son: Nombre de la Máquina: vmpruideca01 Dirección IP: 10 Tamaño en disco de la máquina virtual para el sistema operativo: 35 Gb Tamaño en disco de la máquina virtual para el filesystem /u01: 100GB Usuario de la máquina virtual es: oracle Contraseña: toor2015 4.1.2 R S A nivel de software se consideró dentro de un primer escenario el software propietario ORACLE y ArcGIS, junto con otras herramientas Open Source. Las especificaciones para este componente dentro del proyecto son las siguientes: Versión Base de Datos: Oracle 12.1.0.2.0 Oracle 12c Extensión Semántica: Oracle Spatial and Graph Nombre de la base de datos: orcl Dirección del Cloud Control: https://procm07.catastrobogota.gov.co:7801/em/ Usuario Cloud Control: IDECA Password Cloud Control: ******* Conexión Cliente: Software SQL Developer Software Ontologías: Protégé Bases de Datos Nativas: ArcGIS 10.3 File Geodatabase o Shapefile Componente Migración: ArcGIS Desktop 10.3 Esta primera propuesta está basada en la Arquitectura Tecnológica de Referencia y se puede encontrar una descripción más detallada de las herramientas en el documento Especificación de los requerimientos técnicos y tecnológicos para la implementación de servidores y sistemas manejadores de bases de datos semánticos dentro de la Arquitectura Tecnológica de Referencia de la UAECD, hito de proyecto Piloto de Adopción de Linked Data para el Mapa de Referencia del Distrito Capital. Página20 de 36
OBLACIÓN UESTRA La determinación del tamaño de la muestra del conjunto de datos de Mapa de Referencia, se debe tener en cuenta según la Arquitectura Tecnológica de Solución ATS considerada para el desarrollo del proyecto. Lo anterior obedece a la capacidad de almacenamiento por tripletas de algunos de los componentes de software Open Source que fueron analizados en el documento de requerimientos técnicos y tecnológicos; y que pueden ser tenidos en cuenta como servidores y sistemas manejadores de bases de datos semánticas. Por esta razón se ha considerado hacer un análisis de tamaño de almacenamiento y número elementos o registros por cada una de los objetos geográficos y alfanuméricos, para cuatro niveles de escala geográfica que son el Distrito Capital en su totalidad y las localidades de Suba, Kennedy y Chapinero; con el propósito de seleccionar un conjunto adecuado según la capacidad del software a ser utilizado. Dicho análisis se presente a manera de tablas a continuación: Página21 de 36
Tabla 3. Análisis de elementos y tamaño de almacenamiento para el Distrito Capital Tema Grupo Objeto Tipología Catastro Hidrografía Transporte Entidad Territorial y de Planeamiento Área Catastral Nomenclatura Numero Elementos Sector Catastral Polígono 1.159 Manzana Polígono 43.785 Lote Polígono 900.996 Construcción Polígono 2.296.046 Uso Tabla 1.019.728 Placa Domiciliaria Punto 1.789.216 Código Postal Polígono 81 Corriente de Agua Corriente de Agua Línea 6.393 Superficie de Agua Cuerpo de Agua Polígono 651 Zona Hidrográfica Cuenca Polígono 56 Transporte Terrestre Entidad Territorial Área de Planeamiento Malla Vial Integral Línea 136.957 Calzada Polígono 16.031 Andén Polígono 8.548 Separador Polígono 3.168 Cicloruta Polígono 1.931 Nodo de Transporte Punto 6.817 Puente Polígono 695 Municipio Polígono 1 Localidad Polígono 20 Corregimiento Polígono 3 Centro Poblado Polígono 10 Suelo Polígono 3 Unidad de Planeamiento Polígono 116 Área Urbanística Polígono 5.444 Topografía Elevación Curva de Nivel Línea 960 Tamaño de Personal Geodatabase (GB) 1,42 GB Página23 de 36
Tema Grupo Objeto Tipología Numero Elementos Punto de Control Punto Geodésico Punto 49 Nombre Geográfico Topónimo Sitios de Interés Punto 2.942 Social Población y Vivienda Estrato Socioeconómico Tabla 2.170.987 TOTAL 8.412.793 Tamaño de Personal Geodatabase (GB) Página24 de 36
Tabla 4. Análisis de elementos y tamaño de almacenamiento para la Localidad de Suba Tema Grupo Objeto Tipología Catastro Hidrografía Transporte Entidad Territorial y de Planeamiento Topografía Área Catastral Nomenclatura Numero Elementos Sector Catastral Polígono 122 Manzana Polígono 4.840 Lote Polígono 100.700 Construcción Polígono 296.321 Uso Tabla 112.738 Placa Domiciliaria Punto 210.197 Código Postal Polígono 10 Corriente de Agua Corriente de Agua Línea 23 Superficie de Agua Cuerpo de Agua Polígono 85 Zona Hidrográfica Cuenca Polígono 2 Transporte Terrestre Entidad Territorial Área de Planeamiento Malla Vial Integral Línea 15.446 Calzada Polígono 1.687 Andén Polígono 866 Separador Polígono 416 Cicloruta Polígono 384 Nodo de Transporte Punto 932 Puente Polígono 90 Municipio Polígono 1 Localidad Polígono 1 Corregimiento Polígono 3 Centro Poblado Polígono 10 Suelo Polígono 3 Unidad de Planeamiento Polígono 13 Área Urbanística Polígono 1.074 Elevación Curva de Nivel Línea 160 Punto de Control Punto Geodésico Punto 9 Tamaño de Personal Geodatabase (MB) 766,3 Página25 de 36
Tema Grupo Objeto Tipología Numero Elementos Nombre Geográfico Topónimo Sitios de Interés Punto 275 Social Población y Vivienda Estrato Socioeconómico Tabla 409.457 TOTAL 1.155.865 Tamaño de Personal Geodatabase (MB) Página26 de 36
Tabla 5. Análisis de elementos y tamaño de almacenamiento para la Localidad de Kennedy Tema Grupo Objeto Tipología Numero Elementos Catastro Hidrografía Transporte Entidad Territorial y de Planeamiento Topografía Área Catastral Nomenclatura Sector Catastral Polígono 102 Manzana Polígono 4.939 Lote Polígono 107.199 Construcción Polígono 288.855 Uso Tabla 127.245 Placa Domiciliaria Punto 222.119 Código Postal Polígono 8 Corriente de Agua Corriente de Agua Línea 2 Superficie de Agua Cuerpo de Agua Polígono 22 Zona Hidrográfica Cuenca Polígono 3 Transporte Terrestre Entidad Territorial Área de Planeamiento Malla Vial Integral Línea 15.557 Calzada Polígono 1.653 Andén Polígono 686 Separador Polígono 306 Cicloruta Polígono 273 Nodo de Transporte Punto 846 Puente Polígono 72 Municipio Polígono 1 Localidad Polígono 1 Corregimiento Polígono 3 Centro Poblado Polígono 10 Suelo Polígono 2 Unidad de Planeamiento Polígono 12 Área Urbanística Polígono 414 Elevación Curva de Nivel Línea 30 Punto de Control Punto Geodésico Punto 3 Tamaño de Personal Geodatabase (MB) 937,9 Página27 de 36
Tema Grupo Objeto Tipología Numero Elementos Nombre Geográfico Topónimo Sitios de Interés Punto 195 Social Población y Vivienda Estrato Socioeconómico Tabla 242.778 TOTAL 1.013.336 Tamaño de Personal Geodatabase (MB) Página28 de 36
Tabla 6. Análisis de elementos y tamaño de almacenamiento para la Localidad de Chapinero Tema Grupo Objeto Tipología Numero Elementos Catastro Hidrografía Transporte Entidad Territorial y de Planeamiento Área Catastral Nomenclatura Sector Catastral Polígono 55 Manzana Polígono 1.177 Lote Polígono 15.995 Construcción Polígono 42.510 Uso Tabla 19.945 Placa Domiciliaria Punto 33.920 Código Postal Polígono 3 Corriente de Agua Corriente de Agua Línea 253 Superficie de Agua Cuerpo de Agua Polígono 28 Zona Hidrográfica Cuenca Polígono 2 Transporte Terrestre Entidad Territorial Área de Planeamiento Malla Vial Integral Línea 3.851 Calzada Polígono 903 Andén Polígono 472 Separador Polígono 211 Cicloruta Polígono 74 Nodo de Transporte Punto 302 Puente Polígono 46 Municipio Polígono 1 Localidad Polígono 1 Corregimiento Polígono 3 Centro Poblado Polígono 10 Suelo Polígono 2 Unidad de Planeamiento Polígono 5 Área Urbanística Polígono 248 Topografía Elevación Curva de Nivel Línea 626 Tamaño de Personal Geodatabase (MB) 414,4 Página29 de 36
Tema Grupo Objeto Tipología Numero Elementos Punto de Control Punto Geodésico Punto 0 Nombre Geográfico Topónimo Sitios de Interés Punto 301 Social Población y Vivienda Estrato Socioeconómico Tabla 150.033 TOTAL 270.977 Tamaño de Personal Geodatabase (MB) Página30 de 36
NÁLISIS DE ACTIBILIDAD Con base en los en la encuesta de software adelantada con la Subgerencia de Infraestructura Tecnológica con el fin de conocer si la UAECD cuenta con los componentes de software necesarios para la ejecución del proyecto, o por el contrario se debe introducir y acoger herramientas de software libre o propietario adicionales para alcanzar el objetivo planteado con el proyecto piloto. Como resultado de la ejecución de la encuesta se observa que la mayoría del software utilizado por la UAECD se basa en dos tecnologías con licenciamiento propietario: Oracle y ArcGIS. Los componentes Oracle son enfocados a la gestión de base de datos alfanuméricas, gestión de aplicaciones y sistemas operativos a nivel servidor, los componentes ArcGIS están enfocados a la gestión de producción, almacenamiento, manipulación y exposición de información geográfica que sirve de insumo para la operación de los actuales sistemas de información geográfica con los que cuenta la UAECD. Ver Tabla 7. También es relevante establecer que la Subgerencia de Infraestructura Tecnológica no cuenta con componentes de software específicos y/o licenciados para el manejo de bases de datos semánticas, por lo que se requiere la adopción de iniciativas adelantadas en software libre como lo son los sistemas manejadores de bases de datos semánticas Sesame y Jena, servidores para la consulta y exploración de datos RDF mediante fuentes de datos SPARQL como Pubby (servidor Linked Data) para lograr el alcance planteado para la primera etapa de la iniciativa Linked Data, así mismo se harán las adecuaciones para lograr la homologación de alguno de los componentes a utilizar para que puedan ser integrados con la ATR de la UAECD, caso específico como los son los servidores de aplicaciones Oracle Web Logic y el servidor web OHS Web Tier. Como estrategia de adopción se establece que todos los procesos adelantados utilizando herramientas de software libre, sean documentados para lograr una adopción más rápida, es importante anotar que los componentes adoptados son ampliamente utilizados y/o conocidos en proyectos de Linked Data a nivel mundial, iniciativas como DBPedia, la adopción de estas herramientas también está enmarcada en la Resolución 305 de 2008 Por la cual se expiden políticas públicas para las entidades, organismos y órganos de control del Distrito Capital, en materia de Tecnologías de la Información y Comunicaciones respecto a la planeación, seguridad, democratización, calidad, racionalización del gasto, conectividad, infraestructura de Datos Espaciales y Software Libre, capítulo tercero Sobre la política para promocionar el uso del software libre en las entidades del Distrito Capital, artículos 64, 65, 66, 67, 68 y 69, en la que principalmente establece el uso de software libre como alternativa para contar con soluciones tecnológicas cada vez más costo-eficientes, que permitan obtener beneficios y resultados tangibles en la prestación de servicios a los ciudadanos y en la gestión pública.., lo Página31 de 36
cual permite coexistir soluciones de software libre o híbridos con software propietario para lograr el objetivo del proyecto, brindar soluciones informáticas a la ciudadanía y la democratización de la información. Bajo el esquema anteriormente esbozado se plantean dos opciones que se ilustran en la Tabla 8, para la adopción de los componentes de software orientados a Servidor Linked Data (Pubby), Servidor EndPoint SPARQL (Sesame o Jena) o Servidor base de datos semántica (Postgresql en caso de no tener licenciamiento de Oracle 12c). En cuanto al software ArcGIS y sus distintos componentes dentro de la perspectiva del proyecto piloto se consideran como utilitarios, estos podrían facilitar la adecuación de los datos geográficos de un formato a otro (Geodatabase Oracle Spatial) y que sirven de insumo principal para el modelo ontológico construido para el Mapa de Referencia. Página32 de 36
SERVIDOR BASE DE DATOS SERVIDOR APLICACIONES O CONTENEDOR SERVLETS SERVIDORES WEB HERRAMIENTAS DE ORACLE MIGRACIÓN GEODATABASE a ORACLE ENDPOINT SPARQL SERVIDORES LINKED - DATA Linked Data (Propuesta 1) SOLUCIÓN ORACLE ORACLE APACHE TOMCAT Versión 12C 7.0.63 JETTY 9.0.0 APACHE WEB SERVER ORACLE SPATIAL ARGIS FOR DESKTOP 2.X JENA-FUSEKI 2.0.0 PUBBY 0.3.3 Tabla 7. Encuesta plataforma tecnológica UAECD ARQUITECTURA TI UAECD (Respecto al Software) TIPOS DE SERVIDORES BASE DE DATOS DISPONIBLES UAECD TIPOS DE SERVIDORES DE APLICACIONES DISPONIBLES UACECD TIPOS DE SERVIDORES WEB DISPONIBLES UAECD Nombre (Otros SW) Versión Usuario Final TIPO DE LICENCIA (Software) Libre Prueba Otro Cuál? ORACLE 12 C 12.1.0.2.0 N.A N.A N.A Enterprise ORACLE WEB LOGIC ORACLE APPLICATION SERVER (OAS) ORACLE HTTP SERVER (OHS) 10.3.6 10.1.2 10.1.3 11 G 10 G VIGENCIA LICENCIAMIENTO * Si aplica Cantidad en años Limitaciones referentes a las características de maquina o servidor. N.A N.A N.A - - N.A N.A N.A - - N.A N.A N.A - - - - - - - - - 12C VERSION DE ORACLE DISPONIBLE 12.1.0.2.0 N.A N.A N.A - - OTROS SMBD DISPONIBLES UAECD ORACLE BI - N.A N.A N.A - - 10.3 VERSION DE ARCGIS DESKTOP DISPONIBLE 10.2 N.A N.A N.A - - OTROS PRODUCTOS DE ARGIS (Complementos, Plugins, ArcToolBox) SERVIDORES ENDPOINT - SPARQL SERVIDORES LINKED - DATA Server Producción Server Pruebas ArcSDE Producción ArcSDE Pruebas No se maneja actualmente en UAECD No se maneja actualmente en UAECD 10 10.3 10 10.3 N.A N.A N.A - - N.A N.A N.A - - N.A N.A N.A N.A N.A N.A N.A N.A N.A N.A - - Página33 de 36
Tabla 8. Alternativas de software para el Proyecto Piloto de Linked Data. Componente Alternativa 1 Alternativa 2 Servidor Linked Data Servidor EndPoint SPARQL Servidor base de datos semántica opción 1 Servidor base de datos semántica opción 2 Pubby 0.3.3 Pubby 0.3.3 Jena Fuseki Oracle 12c Sesame Oracle 12 c Postgresql 8.X o 9.X Postgresql 8.X o 9.X Página34 de 36
Dentro del proyecto, se hace necesario continuar con la gestión mancomunada con las Gerencias y Subgerencias de la UAECD y con las diferentes instituciones de carácter académico y del orden privado, con el propósito de aunar esfuerzos en procura de lograr el apoyo en materia de licenciamiento de software, definición de marcos metodológicos, adiestramiento en manejo de herramientas entre otras. Como siguiente paso en el desarrollo del proyecto debe definirse e implementarse el patrón de URI, pues como se hace mención en el documento este es uno de los principales requisitos para lograr adoptar la iniciativa de Linked Data. De manera tal que la viabilidad del proyecto dependerá en gran medida de hacer funcional las URI s que se asignen tanto al modelo ontológico como a los datos; la cual no solo dependerá de la definición del patrón sino del alistamiento del servidor y de la determinación de la ATS. Debe considerarse entre los riesgos del proyecto, los diferentes eventos que puedan impactar el desarrollo del piloto en materia de tecnología. Es evidente que el alistamiento de la plataforma depende en gran medida de recursos que son suministrados por otras Gerencias y Subgerencias, así mismo de la plataforma actualmente instalada en la UAECD. Por lo cual se sugiere que se dé alcance al piloto en lo relacionado en cuanto a su ambiente de construcción, es decir si este llega a la etapa de desarrollo o a su puesta en producción. Página35 de 36
BAUER, Florian; KALTENBOCK, Martin. Linked Open Data: The Essentials. A Quick Start Guide for Decision Makers. Edition mono/monochrom, ISBN: 978-3-902796-05-9.Vienna-Austria. 2011. Link: http://www.semantic-web.at/lod-theessentials.pdf CHIARCOS, Christian; NORDHOFF, Sebastian; HELLMANN, Sebastian. Linked Data in Linguistics, Representing and Connecting Language Data and Language Metadata. Springer, ISBN 978-3- 642-28248-5, Berlín. 2012. Resolución 305 de 2008 Secretaría General Alcaldía Mayor de Bogotá D.C. - Comisión Distrital de Sistemas CDS, http://www.alcaldiabogota.gov.co/sisjur/normas/norma1.jsp?i=33486 UAECD, Arquitectura Tecnológica de Referencia de la UAECD. Versión 2.0, 2014, Capitulo 11. RESTRICCIONES. WOOD, David. Linking Government Data. Springer, ISBN 978-1-4614-1766-8, New York. 2011. W3C. Linked Data Cookbook. Link: http://www.w3.org/2011/gld/wiki/linked_data_cookbook W3C. Linked Data. Link: http://www.w3.org/standards/semanticweb/data Página36 de 36