4 Knowledge Extraction for the Automotive Sector (KEAS)
Methodology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
4.1 Survey Methodology to Collect Ontologies
for Smart Vehicles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
4.2 Building the Corpus of Knowledge for the Transportation
Domain . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 310
5 Evaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 311
6 Conclusion and Future Work . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 312
7 Appendix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313
7.1 Clustering Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 318
IoT Semantic Interoperability for Active and Healthy Ageing . . . . . . . . 323
Regel Gonzalez-Usach, Matilde Julian, Manuel Esteve,
and Carlos E. Palau
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323
2 Semantic Interoperability . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 325
2.1 Methods for the Achievement of Semantic Interoperability . . . . 326
2.2 Semantic Interoperability in IoT . . . . . . . . . . . . . . . . . . . . . . . . 328
2.3 Semantic Interoperability in AHA . . . . . . . . . . . . . . . . . . . . . . 329
3 USE CASE: The ACTIVAGE European Smart Homes . . . . . . . . . . . . 329
3.1 Overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
3.2 Interoperability Goals in ACTIVAGE . . . . . . . . . . . . . . . . . . . . 331
3.3 AHA Scenarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 332
3.4 ACTIVAGE Technical Approach for Semantic Interoperability . 333
3.5 Application and Impact of the Semantic Framework . . . . . . . . . 337
4 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 342
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 343
IoT in Provenance Management of Medical Data . . . . . . . . . . . . . . . . . 347
Gennady Chuiko, Yaroslav Krainyk, Olga Dvornik,
and Yevhen Darnapuk
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 348
2 Review of Related Work . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 349
3 Medical Data Provenance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 351
3.1 Dataflow of Medical Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . 352
3.2 Medical Data Formats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353
3.3 Analysis of the Proposed Solution for Medical Data
Provenance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355
4 Provenance of Data and Reliability of Calibrators
of Melatonin-Sulfate: Case Study . . . . . . . . . . . . . . . . . . . . . . . . . . . . 357
5 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 360
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 361
xviii
Contents