1 evaluación de la integración semántica en

EVALUACIÓN DE LA INTEGRACIÓN SEMÁNTICA EN REPRESENTACIONES
MULTIESCALA
SERGIO E. SOLANO PINEDO1; MARCO A. MORENO IBARRA2; MIGUEL J. TORRES RUIZ3
Centro de Investigación en Computación
Instituto Politécnico Nacional
C.P. 07738, México D.F.
1
[email protected], 2 [email protected], 3 [email protected]
RESUMEN
Hoy en día existe un creciente interés por el uso de Sistemas de Información Geográfica así
como una gran variedad de datos geográficos, los cuales tienen características muy diversas.
Frecuentemente se desarrollan bases de datos espaciales en donde se integran diversas
representaciones de un mismo fenómeno geográfico, llamadas representaciones múltiples, pero al
trabajar con ellas es común que se originen redundancias e inconsistencias. Por tal motivo, se
propone una metodología basada en ontologías para identificar las inconsistencias que se generan al
integrar representaciones múltiples. Dado el alto costo de los datos geográficos es mejor emplear
los ya existentes, siempre y cuando sean consistentes entre sí. Además, proponemos una medición
que permita cuantificar y calificar qué tan factible será una integración semántica y espacial al
trabajar datos a diferentes escalas.
Palabras Clave: semántica, representaciones múltiples, consistencia, interoperabilidad.
ABSTRACT
Nowadays there exists a growing interest in the use of Geographic Information Systems and
a great variety of geographical data, which have very diverse characteristics. Spatial databases are
used to integrate different representations about a geographic phenomena (known as multiple
representations) are been frequently developed, but in including multiple scale data, it is very
common that redundancy and inconsistency is generated. For this reason, an ontology-based
methodology is proposed to identify the inconsistencies that may appear in multiple
representations. Due to the high cost of obtaining geospatial data it is better to use existing data,
whenever they can be consistently handled together. Besides, we propose a measure to assess how
plausible a semantic and spatial integration will be with data at different scales.
Keywords: semantics, multiple representations, consistency, interoperability.
1
1 Introducción
Frecuentemente cuando se desarrolla un Sistema de Información Geográfica (GIS por sus
siglas en inglés), uno de los costos más elevados es la obtención de los datos que compondrán la
base de datos espacial (BDE) [1]. Es por eso que resulta muy conveniente integrar datos existentes,
ya que los costos disminuyen considerablemente.
La integración de datos no es un problema sencillo, pues se pueden presentar dificultades
como: contar con datos a diferente escala, que los datos manejen diferentes conceptos, que cuenten
con diferentes atributos y relaciones, que tengan diferente resolución temática y espacial o que se
origine redundancia o inconsistencias. Asimismo, cada representación es una descripción de la
realidad con un nivel de detalle en particular que contiene las características espaciales y temáticas
de la información [2].
En este artículo se describen los problemas que se originan al integrar, bajo un esquema
común de BDE, datos de diversas escalas, que corresponden a la misma área geográfica,
comúnmente denominadas bases de datos de representación múltiple (MRDB) o simplemente
representaciones múltiples [3]. Los problemas para integrar representaciones múltiples es que se
requiere de datos que sean interoperables entre sí, esto es, que entre representaciones los datos no
se contradigan. Recientemente la interoperabilidad de los datos geoespaciales ha ganado
importancia y atención de las comunidades académica, científica y profesional [4], importancia
propiciada por la gran diversidad de fuentes de datos y aplicaciones disponibles, en especial por el
desarrollo de las tecnologías geoespaciales como la percepción remota, GPS y otras tecnologías de
geoposicionamiento.
Además, en este artículo se propone un método para identificar sí son generadas
inconsistencias al utilizar, de forma conjunta, datos de diferente escala, lo que permite medir el
grado de integración semántica y espacial que poseen la MRDB. El grado de integración se refiere
a la viabilidad de trabajar las diferentes representaciones de forma indistinta. Se propone una
metodología basada en ontologías para identificar el grado de integración de datos a nivel
semántico y espacial (en particular nos enfocaremos en las relaciones topológicas). Se utilizan las
ontologías geoespaciales como descripción formal y consensada del dominio, representando las
restricciones, entidades y relaciones que son relevantes y válidas [5, 6]. Así, las ontologías capturan
la semántica del dominio [7] y describen formalmente un fenómeno del mundo real, permitiendo la
integración de información con un enfoque semántico. El uso de ontologías mejora en general la
interoperabilidad entre diferentes sistemas de información [7, 8] y GIS [9]. Podemos decir que en
nuestro enfoque la identificación de inconsistencias consiste en verificar que los datos geográficos
cumplan las reglas, restricciones, axiomas de la ontología [10], comprobando la consistencia
semántica entre las representaciones [11].
El resto del documento se encuentra organizado de la siguiente manera, en la Sección 2 se
hace una descripción de trabajos relacionados, la descripción del caso de estudio se realiza en la
Sección 3. En la Sección 4 se plantea una metodología donde se describen los procedimientos para
lograr la descripción del grado de integración y las conclusiones se encuentran en la Sección 5,
aquí se describe el trabajo futuro, ventajas y desventajas del proyecto.
2 Antecedentes
En esta sección se presentarán términos utilizados en el desarrollo del proyecto, así como
algunos trabajos relacionados. Mientras que el mundo real se asume único, el modo de representarlo
depende de la intención de la aplicación, así, las representaciones múltiples son representaciones
sobre el mismo fenómeno espacial desde puntos de vista diferentes o con un diferente nivel de
resolución [2]. Diferentes aplicaciones que comparten interés sobre el mismo fenómeno del mundo
2
real pueden tener diferentes percepciones, necesitando diferentes representaciones, donde cada una
es una descripción de la realidad que con un nivel de detalle particular que contiene las
características espaciales y temáticas de la información [3].
Las representaciones simples o sencillas es el enfoque tradicional de un GIS donde se
maneja la información como un mapa, con resolución y contenido estático, más que como un reflejo
del mundo real [12]. Las representaciones múltiples ofrecen una solución a esta limitante, permiten
compartir la misma base de datos geográfica entre aplicaciones que perciben la realidad espacial en
modos diferentes [13] y dan paso a un análisis de interoperabilidad entre las diferentes
representaciones.
La interoperabilidad da la oportunidad de localizar información adicional sobre un tema (o
temas relacionados) en diferentes fuentes (o representaciones múltiples) que se han desarrollado
independientemente [ 2 ] . El Open GIS Consortium define la interoperabilidad como “la capacidad
de comunicar, ejecutar programas, o transferir datos entre diferentes unidades en un modo que
requiere al usuario poco o nulo conocimiento sobre las características particulares de esas unidades”
[14]. Por otro lado, la interoperabilidad semántica es difícil de conseguir pues el conocimiento
(relacionado) probablemente está descrito en términos diferentes en diferentes estructuras de datos
[3]. El primero paso hacia logra la interoperabilidad semántica es identificar el conocimiento
relacionado, encontrar qué datos describen el mismo fenómeno y analizar si entre ellos existe
consistencia.
La consistencia se refiere a la falta de contradicciones lógicas en un modelo de la realidad
[15], pero no tiene relación con una correcta representación de la realidad. En sí mismo, cada nivel
de representaciones puede ser consistente, pero al integrar y comparar diferentes niveles, se puede
detectar inconsistencia si las representaciones se contradicen [15].
3 Caso de estudio
Como caso de estudio para este trabajo se consideran representaciones múltiples de estados
y poblaciones de la República Mexicana. De una representación se tomará la información de los
estados, mientras que de la otra la información de las poblaciones. Se desea saber qué tan factible es
manejar estos datos en conjunto, esto es, conocer las inconsistencias que existen entre estas
diferentes representaciones.
A continuación se muestra un ejemplo del caso de estudio donde la representación de las
poblaciones del estado de Hidalgo genera al menos una inconsistencia con respecto a la
representación de los estados. En la Figura 1 se muestran dos representaciones, sobre estados y
poblaciones a la misma escala. En este caso no se presenta inconsistencia espacial, las dos
poblaciones (pertenecientes a Hidalgo) se encuentran dentro del área superior que delimita a
Hidalgo.
3
Figura 1 Representación múltiple espacialmente consistente
Mientras que en la Figura 2 se muestra la misma representación de las poblaciones pero con
otra representación para los estados, en este caso se muestra en la figura una inconsistencia espacial,
la población Tepeji de Ocampo se encuentra fuera del estado de Hidalgo. Este es un ejemplo del
tipo de inconsistencias que se buscarán para la definición del grado de integración.
Figura 2 Representación múltiple espacialmente inconsistente.
4 Metodología
La metodología del proyecto se divide en tres fases: Datos de Entrada, Análisis Semántico,
Análisis Espacial y Datos de Salida. En la fase de Datos de Entrada se procesan las
representaciones multiescala de la MRDB para obtener un par de ontologías que serán analizadas en
4
la siguiente fase, denominada Análisis Semántico y Análisis Espacial. En estas fases se realiza el
análisis para identificar las inconsistencias entre las ontologías (inconsistencia semántica) y un
análisis para identificar inconsistencias topológicas entre los datos, esto ya a nivel de instancias.
Finalmente la fase de Datos de Salida se encarga del procesamiento de los resultados obtenidos
para proponer grado de integración semántica y espacial que ayude a conocer la coherencia de
trabajar las representaciones multiescala indiferentemente.
Figura 3 Metodología propuesta
El grado de integración semántica entre las representaciones será un reflejo de qué tan factible es
una integración semántica entre las representaciones, mientras que el grado de integración
geográfica será el reflejo de qué tan similar es el espacio geográfico que definen.
4.1 Datos de Entrada
En esta fase se realiza una adaptación de los datos de entrada para el análisis semántico y
espacial. El dato de entrada al sistema será una MRDB donde se tendrán diferentes representaciones
sobre el mismo fenómeno. A partir de estas representaciones se obtendrán ontologías, cada
ontología describirá explícitamente las reglas, restricciones y axiomas de su representación. Del
mismo modo cada ontología será poblada con las instancias respectivas de su representación. Con el
objeto de estandarizar la forma en la que se definen las ontologías se utilizará la metodología
GEONTOMET [16], la cual define los procedimientos y reglas para conceptualizar el dominio.
El caso de estudio será sobre una MRDB, donde las ontologías se obtendrán de manera
manual a partir del esquema de base de datos pero podemos aplicarlo a otro tipo de base de datos.
Las inconsistencias que se pretenden detectar tienen origen al mezclar datos con diferente nivel de
detalle, así, hacemos la suposición de que los datos se encuentran referenciados utilizando los
mismos parámetros geográficos (proyección, unidades, datum, elipsoide).
5
4.2 Análisis semántico y espacial
La fase de Integración Semántica realiza un procesamiento con base en el trabajo de
Fonseca, Camara y Monteiro [7] y se aplicará un procesamiento similar al operador Match de
Bernstein [15]. El operador Match realiza asociaciones de similitud y generalización entre los
conceptos de ambas ontologías. Toma el concepto más específico en una ontología y busca su
correspondencia en la otra, en caso de encontrarla forma una tupla con ambos conceptos y el valor
similitud. En caso de no encontrar la correspondencia busca una generalización del concepto,
formando ahora la tupla de conceptos y el valor generalización. El proceso continua hasta tener a
todos los conceptos relacionados [7].
4.2.1 Análisis semántico
Se seleccionará el concepto más específico de una ontología y se buscará el equivalente en
la otra ontología, si es encontrado se forma una tupla del tipo <concepto1, concepto2, similitud>,
donde concepto1 es el concepto de una ontología y concepto2 es el concepto equivalente en la otra
ontología. En caso de no encontrar la equivalencia del concepto, se buscará una generalización,
formando una tupla del tipo <concepto1, concepto2, generalización>, donde el concepto1 no
encontró equivalencia pero fue relacionado con un concepto más general en la otra ontología. El
conjunto de tuplas obtenido representará la cantidad de objetos relacionados por similitud y
generalización. La cantidad y tipo de relaciones servirán para decir qué tan factible es trabajar
semánticamente ambos datos en conjunto y a partir de las tuplas propondremos un grado de
integración semántica entre las dos representaciones.
4.2.2 Análisis Espacial
Una vez que se cuente con los conceptos semánticamente consistentes, se podrá realizar
sobre ellos un análisis espacial, para esto será necesario revisar los datos de la ontología en un nivel
de instancias. El Análisis Espacial se divide en dos partes, la primera denominada Consistencia
Topológica (CT) y la segunda Refinamiento Métrico de Consistencia Topológica. La primera se
encarga del análisis topológico mientras que la segunda ayuda a dar mayor detalle sobre el grado de
interoperabilidad de las representaciones.
Coincidencia Topológica (CT)
Es un filtro que seleccionará los datos que se considerarán topológicamente equivalentes.
Esta equivalencia topológica se trabaja de este modo para permitir una tolerancia, es decir,
considerar a datos parecidos (no iguales) como equivalentes y no tener un criterio tan estricto al
comparar las diferentes representaciones.
Para el análisis espacial, de acuerdo al tipo de datos de las representaciones, se generarán
diferentes casos. Cada representación podrá tener datos de tipo punto, línea o área. Así, las posibles
combinaciones (o casos generados) son: punto-punto, punto-línea, punto-área, línea-línea, líneaárea y área-área. Actualmente, para la evaluación espacial se consideran únicamente tres casos:
punto-punto, punto-área y área-área. Al final de esta sección se hace una descripción de por qué no
se consideran datos de tipo línea. En la Figura 4 se muestran ejemplos de los tipos de datos trabajos
y de ejemplos de posibles instancias.
6
Figura 4 Coincidencia Topológica. Ejemplo de tipos de datos e instancias.
El análisis de coincidencia topológica ofrece un primer acercamiento al grado de
interoperabilidad de las representaciones que será enriquecido con base en las métricas de las
representaciones. Los casos propuestos son:
CT Punto-punto
En este caso, la coincidencia topológica se analizará de la siguiente manera: se creará un
área alrededor de cada punto en la representación 2 y si el punto correspondiente en la
representación 1 se encuentra dentro del área, se considerarán los datos equivalentes. La elección
del tamaño del área a crear se realizará de acuerdo a la definición del radio de coincidencia.
Radio de coincidencia
Es una medida o margen de tolerancia a errores. Esta medida será propuesta a partir de los
datos de la representación y sus métricas. En base a la menor medida de proximidad entre todos los
datos de la representación se propondrá un margen de tolerancia. Este margen ayudará a relacionar
espacialmente a objetos, esto es, el radio de coincidencia dará el límite para una zona de relación
con el objeto indicado (decidir que son espacialmente equivalentes) y al mismo tiempo el exterior
de esa zona implica la inconsistencia espacial de los objetos.
CT Punto-área
7
Aquí, la consistencia puede verse como un paso del caso anterior. Esta vez, únicamente se
revisará que el punto de la representación 2 se encuentre dentro del área de la representación 1. En
caso de que el punto se encuentre dentro del área, se considerará una equivalencia, de lo contrario
los datos serán filtrados.
CT Área-área
La coincidencia topológica será nula si las áreas no se encuentran sobrepuestas, esto es, si
las áreas se encuentran disjuntas o sólo se tocan se considerará que las representaciones no son
equivalentes. En caso contrario, si las áreas se traslapan, sobreponen o son iguales, sí se
considerarán equivalentes.
Refinamiento métrico de Consistencia Topológica
El refinamiento métrico (RM) será tomado en cuenta ya que un análisis únicamente
topológico podría resultar insuficiente y arrojar resultados poco precisos. Lo que se busca con el
RM es mejorar el criterio de decisión y mejorar la respuesta del sistema para no sólo decir que las
representaciones son consistentes, sino decir qué tan consistentes son las representaciones. En la
Figura 5 se muestra un ejemplo para cada una de las posibles combinaciones de acuerdo al tipo de
dato.
Figura 5 Refinamiento Métrico. Modo de considerar las métricas de acuerdo al tipo de dato.
8
El RM será una variable de mucho peso para la definición del grado de integración
espacial. En el refinamiento métrico se consideran, al igual que en la consistencia topológica, tres
casos:
RM Punto-punto
Hasta este punto, los datos que hayan resultado equivalentes cuentan con un valor de
interoperabilidad igual a 1. Estos valores serán sumados al final del procesamiento para generar el
grado de integración espacial. Ahora, de acuerdo a la distancia entre los dos puntos se asignará un
valor a la relación, dicho valor será inversamente proporcional al grado de integración espacial,
esto es, mientras menor sea la distancia entre los puntos, más interoperables serán las
representaciones. Como se observa en la Figura 5, se tienen dos radios: el del radio de coincidencia
y el de la distancia entre los puntos. El valor de 1 será sustituido por el resultado de la fórmula:
ܸ݈ܽ‫ݎ݋‬௜௢ = 1 −
r
R
Donde r es la distancia entre los puntos, R es el valor del radio de coincidencia y ܸ݈ܽ‫ݎ݋‬௜௢ es el valor
de interoperabilidad que será utilizado para generar el grado de integración espacial.
Este cambio de valores es el que ofrece mayor detalle, antes de la métrica se tenían valores
de 0 y 1, lo que puede observarse como verdadero y falso. La métrica ayuda a generar una
descripción más flexible de las relaciones entre los objetos.
RM Punto-área
Actualmente la propuesta para el refinamiento métrico en este caso es considerar qué tan al
centro se encuentra el punto del área. A modo de estándar, se considerarán como áreas los
rectángulos circundantes mínimos (minimum bounding rectangles) [17] del área real. Y como radio
se tomará la mitad de la arista mayor del rectángulo circundante mínimo.
RM Área-área
Del mismo modo que con el caso anterior, se trabajará con los rectángulos circundantes
mínimos, con base en el trabajo de Godoy y Rodriguez [18] se obtendrá el porcentaje del área que
se intersecta. En este caso el valor de la métrica será la división del área que se intersecta entre el
área de la union de los dos objetos. A diferencia del caso punto-punto, esta vez la relación entre la
métrica será proporcional al grado de integración espacial, así, a mayor área en la intersección,
mayor será el grado de integración espacial.
Es importante observar que el refinamiento métrico se realizará únicamente al resultado del
filtro de la consistencia topológica, esto es, sólo los datos que se consideren topológicamente
consistentes pasarán por el proceso de refinamiento métrico. Esto resulta lógico cuando recordamos
que el refinamiento métrico dirá qué tan consistentes son los datos.
Para representaciones con tipo de dato línea, se necesita un trabajo más extenso [19]. Al
revisar la relación del dato tipo línea con datos de tipo punto y área, se observa que sólo algunos
9
problemas se pueden solucionar aplicando un radio de coincidencia o buffer. Otra solución
contemplada es trabajar con la topología arco-nodo de las representaciones, de este modo se podrían
analizar nodos consistentes y a partir de ellos realizar un estudio de sus arcos. Pero se tiene que
observar que esto es una solución con enfoque topológico, esta propuesta no contempla aún una
refinación métrica para datos de tipo línea.
4.3 Datos de Salida
De la fase de Análisis Semántico y Espacial se obtendrán dos conjuntos de tuplas que
reflejen las viabilidad de trabajar los datos en conjunto, semántica y espacialmente.
4.3.1 Grado de integración semántica
El conjunto de tuplas obtenido en la Integración Semántica podrá ser utilizado para definir
un grado de integración semántica entre las representaciones multiescala analizadas. Esto puede
evaluarse considerando el número y tipo de relaciones entre conceptos de las representaciones de
datos geográficos.
4.3.2 Grado de integración espacial
El conjunto de tuplas obtenido en el Análisis Espacial será utilizado para identificar las
propiedades espaciales de las diferentes representaciones y proponer un grado de integración
espacial que defina en qué tan similares son los espacios descritos. Esto puede identificarse por el
número de relaciones consistentes en relación a las instancias que existen entre los conceptos de las
ontologías.
5 Conclusiones
Debido a que la tendencia es utilizar los datos geoespaciales ya existentes, por su alto costo,
es necesario revisar qué tan factible es integrarlos. Ya que se pueden presentar inconsistencias entre
las diferentes representaciones. En este trabajo se propone un método para evaluar el grado de
integración semántica, así como el grado de integración espacial para cuantificar y calificar la
integración de las representaciones.
A diferencia de otros trabajos que normalmente definen la integración a nivel de categoría
de objetos, en el presente se enfocó en analizar la integración a nivel de objeto geográfico y sus
relaciones con otros.
Para el análisis se propuso una metodología basada en ontologías, donde se buscaron
inconsistencias entre las representaciones, identificando los casos donde se pierde la semántica
definida en la ontología. La búsqueda de inconsistencias se procesaró a dos niveles: conceptos e
instancias. El procesamiento a nivel de conceptos define el grado de integración semántica,
mientras que para el grado de integración espacial es necesario un procesamiento a nivel de
instancias. El grado de integración espacial se trabaja analizando las instancias de los conceptos en
la ontología y se refina mediante una métrica. Con dicha métrica se gana descripción en la
comparación de las representaciones pero no se debe olvidar que es una descripción subjetiva, en
efecto brinda mayor información sobre qué tan interoperables son las representaciones pero esta
10
información va atada al diseño de la solución, de modo que su efectividad dependerá de la
naturaleza del problema a manejar y en particular de las representaciones de sus datos.
La ventaja de este trabajo es un acercamiento a la interoperabilidad entre representaciones
múltiples y su limitante principal es el enfoque basado en MRDB, ya que para integrar diferentes
representaciones con esquemas de base de datos diferentes, se tendrá que hacer mayor análisis en la
fase de Análisis Semántico.
Referencias
[1] Tomlinson, R. F. Thinking about GIS: Geographic information systems planning for managers.
Redlands, CA: ESRI Press. 2003.
[2] C. Vangenot, C. Parent, C. Spaccapietra, Modelling and Manipulation Multiple Representations
of Spatial Data, Symposium on Geospatial Theory, Processing and Applications, Ottawa, 2002.
[3] S. Spaccapietra, C. Parent, C. Vangenot, GIS Databases: From Multiscale to
MultiRepresentation, Proceedings 4th International Symposium, SARA-2000, Horseshoes Bay,
Texas, USA, 2000.
[4] Goodchild, M. F. (2009). Geographic information systems and science: today and tomorrow.
Annals of GIS, 15(1), 3-9. doi: 10.1080/19475680903250715
[5] Smith, B., & Mark, D. Ontology and Geographic Kinds. International Symposium on Spatial
Data Handling, Vancouver, Canadá, 1998.
[6] Chandrasekaran, B.; Josephson, John R.; & Benjamins, V. Richard (1999). “What Are
Ontologies,and Why Do We Need Tem?.” IEEE Intelligent Systems, 14, 1.
[7] F. Fonseca, G. Camara, A. M. Monteiro. A Framework for Measuring the Interoperability of
Geo-Ontologies, Spatial Cognition and Computation. 6(4),307-329, pre-print version. 2006
[8] E. Mena, V. Kashyap, A. Sheth and A. Illarramendi. OBSERVER: An approach for query
processing in global information systems based on interoperation across pre-existing ontologies", In
Proceedings of the First IFCIS International Conference on Cooperative Information Systems
(CoopIS 96), Junio 1996.
[9] Fonseca, F. & Egenhofer, M. Ontology-Driven Geographic Information Systems. 7th ACM
Symposium on Advances in Geographic Information Systems, Kansas City, MO. 1999.
[10] B. C. Grau, B. Parsia, E. Sirin. Working with Multiple Ontologies on the Semantic Web. 3rd
International Semantic Web Conference (ISWC2004), 2004.
[11] K, Baclawski, M. Kokar, R, Waldinger, P. Kogut. Consistency Checking of Semantic Web
Ontologies. First International Semantic Web Conference (ISWC 2002), Sardinia, Italia (2002)
Clodoveu A. Davis Jr. & Alberto H.F. Laender
[12] A. Ruas, Map Generalization. en Shekar, S., Xiong, H. (Eds.) Encyclopedia of GIS. SpringerVerlag, New York. 2008 pp. 660-661
[13] OpenGIS. The OpenGIS® Guide-Introduction to Interoperable Geoprocessing and the
OpenGIS Specification. Wayland, MA: Open GIS Consortium, Inc. 1996.
[14] M.J. Egenhofer, , E. Clementini, P. DiFelice, Evaluating inconsistencies among multiple
representations. Proceedings of the 6th International Symposium on Spatial Data Handling
(SDH’94), pp. 901–920. 1994.
[15] Bernstein, P. Applying Model Management to Classical Meta Data Problems. Paper presented
at the Conference on Innovative Database Research, Asilomar, CA. 2003.
[16] Torres M. Levachkine. “Ontological representation based on semantic descriptors applied to
geographic objects”. Computación y Sistemas. Revista Iberoamericana
[17] Papadias, D., Theodoridis, Y., Sellis, T., y Egenhofer, M. J. 1995. Topological relations in the
world of minimum bounding rectangles: A study with R-trees. In Proceedings of the ACM
SIGMOD International Conference on Management of Data, 92–103.
11
[18] Godoy, F. and Rodriguez, A. (2004) Defining and Comparing Content Measures of
Topological Relations. GeoInformatica 8(4): pp. 347-371.
[19] Nedas, K., Egenhofer, M., y Wilmsen, D. Metric Details of Topological Line-Line Relations.
International
Journal
of
Geographical
Information
Science.
http://www.spatial.maine.edu/~max/RJ53.html.
12