boc/quixzoom-capture-pipeline/urban-knowledge-graph/README-UKG.md

QUIXZOOM Urban Knowledge Graph (UKG)

Den verkliga "hjärnan" i QUIXZOOM

"AI-modeller kan bytas ut och förbättras över tid, men en väldesignad kunskapsgraf med observationer, evidens och historik blir en långsiktig strategisk tillgång som är svår att återskapa."

---

Tre Lager

1. Observation Layer

Video
  ↓
Frame Extraction
  ↓
Observation Engine  ← AI detekterar objekt
  ↓
Knowledge Graph     ← Sparas som strukturerade observationer

Istället för att spara "bilder" sparar vi observationer:

{
  "id": "obs_1782638086138_ab6ndwzwo",
  "timestamp": "2026-06-28T08:15:30Z",
  "source": {
    "type": "quixzoom",
    "id": "zoomer_001"
  },
  "media": {
    "type": "video",
    "url": "https://r2.landvex.com/videos/bangkok_001.mp4",
    "frameNumber": 342
  },
  "observedObjects": [{
    "objectId": "street_lamp_3e6a09cfabc7",
    "confidence": 0.94,
    "bbox": [100, 200, 150, 300]
  }],
  "location": { "lat": 13.725, "lng": 100.555 },
  "quality": { "resolution": 1080, "sharpness": 0.9 }
}

2. Evidence Layer

Samma gatlykta i hundra videor = ett objekt med hundra bevis:

Street Lamp #1293
  ├── Evidence
  │     ├── Video A, Frame 342 (Zoomer 001)
  │     ├── Video B, Frame 91 (Zoomer 002)
  │     ├── QUIXZOOM Capture (Zoomer 003)
  │     ├── Inspector Capture (Municipality)
  │     └── Municipality Capture (Official)
  └── Confidence: 0.98 (från multipla källor)

Skalbart och verifierbart över tid.

3. Temporal Layer

Förändring över tid — det är här Landvex-värdet ligger:

Street Lamp #1293

2026-06-01  OK
2026-08-12  Lutning upptäckt (0° → 2°)
2026-09-20  Korrosion ökar, ljus flimrar
2026-10-11  Belysning trasig
2026-11-02  UTBYTT

Användning:

• Modellera förändringstakt
• Förutsäga underhållsbehov
• Upptäcka avvikelser
• Planera inspektioner

---

Arkitektur

┌─────────────────────────────────────────────────────────────┐
│                  URBAN KNOWLEDGE GRAPH                       │
├─────────────────────────────────────────────────────────────┤
│                                                              │
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────┐         │
│  │ Observation │  │  Evidence   │  │  Temporal   │         │
│  │   Layer     │  │   Layer     │  │   Layer     │         │
│  └──────┬──────┘  └──────┬──────┘  └──────┬──────┘         │
│         │                │                │                 │
│         └────────────────┼────────────────┘                 │
│                          │                                  │
│                    ┌─────┴─────┐                            │
│                    │  Object   │                            │
│                    │  Entity   │                            │
│                    └─────┬─────┘                            │
│                          │                                  │
│         ┌────────────────┼────────────────┐                 │
│         ▼                ▼                ▼                 │
│    ┌─────────┐     ┌─────────┐     ┌─────────┐            │
│    │ Spatial │     │  Type   │     │ Relation│            │
│    │  Index  │     │  Index  │     │  Graph  │            │
│    └─────────┘     └─────────┘     └─────────┘            │
│                                                              │
└─────────────────────────────────────────────────────────────┘

---

Objekt-struktur

{
  "id": "street_lamp_3e6a09cfabc7",
  "type": "street_lamp",
  "subtype": "led",
  
  "location": {
    "lat": 13.725,
    "lng": 100.555,
    "accuracy": 2,
    "altitude": 15
  },
  
  "attributes": {
    "material": "steel",
    "height": 7.8,
    "paint": "grey",
    "rust": false,
    "lean": 0,
    "light": "working"
  },
  
  "status": "active",
  "verificationStatus": "verified",
  "confidence": 0.94,
  "uncertainty": 0.06,
  
  "observationIds": ["obs_xxx", "obs_yyy"],
  "evidenceIds": ["ev_xxx", "ev_yyy", "ev_zzz"],
  "temporalIds": ["tmp_xxx", "tmp_yyy"],
  "relationIds": ["rel_xxx"]
}

---

Integration

iOS-appen skriver observationer

// Zoomer dokumenterar gatlykta
let observation = Observation(
    source: .quixzoom(zoomerId: "zoomer_001"),
    media: .video(url: videoURL, frame: 342),
    observedObjects: [
        ObservedObject(
            type: .streetLamp,
            confidence: 0.94,
            attributes: [
                .material: "steel",
                .height: 7.8,
                .light: .working
            ]
        )
    ],
    location: gpsLocation
)

// Skicka till UKG
ukg.addObservation(observation)

WebSocket-servern skickar uppdateringar

// Server skickar instruktion baserat på UKG
const gaps = ukg.identifyKnowledgeGaps(areaId);
const topGap = gaps[0];

ws.send({
  type: 'instruction',
  text: `Dokumentera ${topGap.description}`,
  reason: `Knowledge gap: ${topGap.type}`
});

Active Learning frågar grafen

// Vilka kunskapsgap finns?
const gaps = ukg.identifyKnowledgeGaps('bangkok');

// Vilka objekt behöver verifiering?
const needsVerification = ukg.findObjectsByVerificationStatus('unverified');

// Vilka områden saknar data?
const uncovered = ukg.findUncoveredAreas('bangkok');

Mission Mode genereras från UKG

// Skapa uppdrag baserat på grafens behov
const mission = {
  type: 'verify',
  targetObject: ukg.findObjectWithLowConfidence(),
  reason: 'Object confidence below threshold'
};

Adaptive Intelligence planerar från UKG

// Vad vet vi redan?
const knowledge = ukg.getAreaKnowledge('bangkok');

// Vad saknas?
const gaps = ukg.identifyKnowledgeGaps('bangkok');

// Planera nästa observation
const nextObservation = planner.planNext(knowledge, gaps);

---

API

Skapa objekt

const lamp = ukg.createObject({
  type: 'street_lamp',
  location: { lat: 13.725, lng: 100.555 },
  attributes: { material: 'steel', height: 7.8 }
});

Lägg till observation

ukg.addObservation({
  sourceType: 'quixzoom',
  sourceId: 'zoomer_001',
  mediaType: 'video',
  mediaUrl: 'https://r2.landvex.com/videos/xxx.mp4',
  frameNumber: 342,
  observedObjects: [{ objectId: lamp.id, confidence: 0.94 }],
  location: { lat: 13.725, lng: 100.555 }
});

Lägg till evidens

ukg.addEvidence({
  objectId: lamp.id,
  proofType: 'video',
  proofUrl: 'https://r2.landvex.com/videos/xxx.mp4#frame=342',
  sourceType: 'quixzoom',
  reliability: 0.85
});

Hämta temporal historik

const history = ukg.getTemporalHistory(lamp.id);
// Returns: [{ timestamp, state: { attributes }, changes, reason }]

Sök närliggande objekt

const nearby = ukg.findNearbyObjects(
  { lat: 13.725, lng: 100.555 },
  50 // radius in meters
);

Hitta objekt efter typ

const lamps = ukg.findObjectsByType('street_lamp', bangkokArea);

Merge objekt (hundra videor → ett objekt)

ukg.mergeObjects(mainLampId, [duplicateLampId1, duplicateLampId2]);

---

Filstruktur

urban-knowledge-graph/
├── ukg.js              # Huvudklass
└── README-UKG.md       # Denna fil

---

Nästa steg

1. Persistens: Spara till PostgreSQL/Neo4j
2. Realtid: WebSocket-uppdateringar
3. Query API: GraphQL för komplexa frågor
4. Visualisering: Karta med objekt
5. Export: SIE4, GeoJSON, CityGML

---

LandveX Inc. — Urban Knowledge Graph: Den verkliga hjärnan i QUIXZOOM.