Los puntos clave no están disponibles para este artículo en este momento.
Resumen Este artículo presenta una arquitectura de sistema y un conjunto de interfaces que pueden construir sistemas de información escalables capaces de modelar grandes ciudades basados en gráficos de conocimiento geoespaciales dinámicos para evitar los peligros de las aplicaciones de Web 2.0 mientras se mezcla la inteligencia artificial y humana durante los procesos de mejora del conocimiento. Diseñamos y desarrollamos un Procesador GeoEspacial, un Transformador SQL2SPARQL y tareas de ordenación de mosaicos geoespaciales, e integramos todo en un Agente de Exportación de Ciudad para visualizar e interactuar con modelos de ciudad en un cliente web 3D aumentado. Diseñamos un Agente de Descubrimiento de Superficies Temáticas para actualizar automáticamente el nivel de detalle del modelo para interactuar con partes temáticas de los objetos de la ciudad por otros agentes. Desarrollamos un Agente de Información de Ciudad para ayudar a recuperar información contextual, proporcionar datos sobre regulaciones de la ciudad, y trabajar con un Agente Analista de Energía de Ciudad que estima automáticamente las demandas de energía de los miembros del modelo de ciudad. Diseñamos un Agente de Distancia para rastrear las interacciones con los miembros del modelo en la web, calcular distancias entre objetos de interés y añadir nuevo conocimiento al Gráfico de Conocimiento de las Ciudades. Las bases lógicas y el esquema conceptual basado en CityGML utilizados para describir las ciudades en términos de la ontología OntoCityGML, junto con el sistema de agentes autónomos inteligentes basado en el Marco de Agentes del Simulador J-Park, hacen que tales sistemas sean capaces de evaluar y mantener verdades fundamentales con certeza. Esta nueva era de sistemas GeoWeb 2.5 reduce el riesgo de desinformación deliberada dentro de los sistemas web de geografía utilizados para modelar infraestructuras críticas.
Chadzynski et al. (Sun,) estudiaron esta cuestión.