국립부경대학교 미래 인터넷 및 빅데이터 응용 연구실

Observation-Metadata-Centric Digital Twin Ontology for Heterogeneous MultiSensor Data in Smart Cities

Bon-Hyeon Gu,Hoang-Khanh Lam,Tae-Kook Kim*,Soo-Yol Ok*,Suk-Hwan Lee*

https://ieeexplore.ieee.org/document/11372752

Cite This Article

MLA

Gu, Bon-Hyeon, et al. "Observation-Metadata-Centric Digital Twin Ontology for Heterogeneous MultiSensor Data in Smart Cities." IEEE Internet of Things Journal (2026).

APA

Gu, B. H., Lam, H. K., Kim, T. K., Ok, S. Y., & Lee, S. H. (2026). Observation-Metadata-Centric Digital Twin Ontology for Heterogeneous MultiSensor Data in Smart Cities. IEEE Internet of Things Journal.

ISO 690

GU, Bon-Hyeon, et al. Observation-Metadata-Centric Digital Twin Ontology for Heterogeneous MultiSensor Data in Smart Cities. IEEE Internet of Things Journal, 2026.

Plain Text

B. -H. Gu, H. -K. Lam, T. -K. Kim, S. -Y. Ok and S. -H. Lee, "Observation-Metadata-Centric Digital Twin Ontology for Heterogeneous MultiSensor Data in Smart Cities," in IEEE Internet of Things Journal, vol. 13, no. 9, pp. 18893-18908, 1 May1, 2026, doi: 10.1109/JIOT.2026.3661277. keywords: {Ontologies;Semantics;Metadata;Unified modeling language;Digital twins;Standards;Smart cities;Interoperability;Internet of Things;Periodic structures;Digital twin;dynamic knowledge graph (DKG);Internet of Things (IoT);multisensor;ontology;smart cities},

Abstract

The semantic connection between smart cities and MultiSensors requires semantic interpretation and integration to avoid data silos and effectively utilize diverse heterogeneous data. However, existing studies—which proposed standardized stream structures or defined ontologies for sensor domains—were limited to serial data, failed to precisely define metadata, focused solely on single-measurement sensors, or introduced nonstandardized novel structures without evaluating their impact on efficiency and utility. Therefore, this article defines an Web Ontology Language (OWL)-based MultiSensor Ontology, constructed using the OWL and existing sensor standards, capable of integration with 3-D city models within a digital twin system context. We aim to resolve structural disparities in heterogeneous sensor data, ensure the consistency and efficiency of semantic queries, and propose a framework for converting existing instances into this model. The proposed framework performs geospatial integration following the MultiSensor Semantic Modeling step, which consists of three processes: observation-centric representation, which graphically interprets and converts the observation perspective of MultiSensors; Uniform individual identification, which generalizes metadata class definitions and individual generation; and semantic metadata aggregation, which collects and links these individuals with measurement values and metadata. To verify the effectiveness of the proposed ontology model, three experiments are conducted using real-world instance semantic graphs. First, we inject metadata connection errors into the semantic graph linking collected buildings and sensors to verify whether the reasoner can detect them. Second, we load multiple buildings and MultiSensors based on the proposed structure to analyze optimization effects by confirming the feasibility of cross-domain queries and comparing query processing times with and without semantic metadata aggregation. Third, based on the ontology integration with the urban spatial geographic model, we construct a dynamic knowledge graph (DKG) within an indoor temperature and humidity control scenario and confirm the feasibility of executing reasoning-based queries. Experimental results demonstrate that the Digital Twin MultiSensor ontology modeling framework using the proposed OWL-based structure is free of logical errors in actual building environments. Furthermore, it is proven that the framework can improve query processing performance by up to 179.75 times in appropriate scenarios and realize dynamic knowledge generation by linking urban indoor spaces and complex sensors through reasoning-based queries via integration with spatial ontologies.

구글 번역

스마트 시티와 멀티센서 간의 의미론적 연결은 데이터 사일로를 방지하고 다양하고 이질적인 데이터를 효과적으로 활용하기 위해 의미론적 해석 및 통합을 필요로 합니다. 그러나 기존 연구들은 표준화된 스트림 구조를 제안하거나 센서 도메인에 대한 온톨로지를 정의했지만, 직렬 데이터에만 국한되거나, 메타데이터를 정확하게 정의하지 못하거나, 단일 측정 센서에만 초점을 맞추거나, 효율성과 유용성에 미치는 영향을 평가하지 않고 비표준화된 새로운 구조를 도입하는 등의 한계를 보였습니다. 따라서 본 논문에서는 디지털 트윈 시스템 환경 내 3D 도시 모델과의 통합이 가능한 OWL(Web Ontology Language) 기반 멀티센서 온톨로지를 정의합니다. 이 온톨로지는 OWL과 기존 센서 표준을 활용하여 구축되었습니다. 본 연구는 이질적인 센서 데이터의 구조적 불일치를 해결하고, 의미론적 쿼리의 일관성과 효율성을 보장하며, 기존 인스턴스를 이 모델로 변환하는 프레임워크를 제안합니다. 제안된 프레임워크는 멀티센서 의미 모델링 단계를 거쳐 지리공간적 통합을 수행하며, 이 단계는 세 가지 프로세스로 구성됩니다. 첫 번째는 관측 중심 표현으로, 멀티센서의 관측 관점을 그래픽으로 해석하고 변환합니다. 본 연구에서는 메타데이터 클래스 정의와 개체 생성을 일반화하는 균일한 개체 식별과, 이러한 개체를 측정값 및 메타데이터와 연결하는 의미론적 메타데이터 집계를 제시합니다. 제안된 온톨로지 모델의 효과를 검증하기 위해 실제 사례의 의미 그래프를 사용하여 세 가지 실험을 수행했습니다. 첫째, 수집된 건물과 센서를 연결하는 의미 그래프에 메타데이터 연결 오류를 주입하여 추론기가 이를 감지할 수 있는지 확인했습니다. 둘째, 제안된 구조를 기반으로 여러 건물과 멀티센서를 로드하여 도메인 간 쿼리의 실현 가능성을 확인하고 의미론적 메타데이터 집계를 적용했을 때와 적용하지 않았을 때의 쿼리 처리 시간을 비교함으로써 최적화 효과를 분석했습니다. 셋째, 도시 공간 지리 모델과의 온톨로지 통합을 기반으로 실내 온도 및 습도 제어 시나리오에서 동적 지식 그래프(DKG)를 구축하고 추론 기반 쿼리 실행의 실현 가능성을 확인했습니다. 실험 결과는 제안된 OWL 기반 구조를 사용하는 디지털 트윈 멀티센서 온톨로지 모델링 프레임워크가 실제 건물 환경에서 논리적 오류가 없음을 보여줍니다. 또한, 이 프레임워크는 적절한 시나리오에서 질의 처리 성능을 최대 179.75배까지 향상시킬 수 있으며, 공간 온톨로지와의 통합을 통해 추론 기반 질의를 활용하여 도시 실내 공간과 복잡한 센서를 연결함으로써 동적 지식 생성을 실현할 수 있음이 입증되었습니다.

Keywords (키워드)

Ontologies, Semantics, Metadata, Unified modeling language, Digital twins, Standards, Smart cities, Interoperability, Internet of Things, Periodic structures

온톨로지, 시맨틱스, 메타데이터, 통합 모델링 언어, 디지털 트윈, 표준, 스마트 시티, 상호운용성, 사물 인터넷, 주기적 구조

Heterogeneous Data, Smart City, Digital Twin, Multi-sensor Data, Smart City Data, Measurement Values, Sensor Data, Indoor Spaces, Sensor Domain, Semantic Integration, Semantic Interpretation, Web Ontology Language, Semantic Graph, Semantic Connections, Number Of Observations, Hierarchical Structure, Sources Of Heterogeneity, Graph Structure, Spatial Context, Object Properties, Resource Description Framework,

Multiple Values, Open Standards, Ontology Structure, Inverse Distance Weighting, Semantic Interoperability, Query Performance, Virtual Sensors, Sensor Observations, Physical Sensations

이종 데이터, 스마트 시티, 디지털 트윈, 다중 센서 데이터, 스마트 시티 데이터, 측정값, 센서 데이터, 실내 공간, 센서 영역, 의미 통합, 의미 해석, 웹 온톨로지 언어, 의미 그래프, 의미 연결, 관측치 수, 계층 구조, 이종성의 원인, 그래프 구조, 공간적 맥락, 객체 속성, 리소스 설명 프레임워크, 다중 값, 개방형 표준, 온톨로지 구조, 역거리 가중법, 의미 상호 운용성, 쿼리 성능, 가상 센서, 센서 관측치, 물리적 감각

논문 파일 첨부 (pdf file):

https://ieeexplore.ieee.org/document/11372752