论文部分内容阅读
在传统的计算模式中,用户关注如何使用计算机；用户格式化的输入是计算机提供服务的前提。随着时代的发展,人们希望计算机变得更易于使用,并能够主动、智能地为用户提供服务。因此,普适计算应运而生。普适计算以用户为中心,它感知环境,推测用户需求；它强调自然的人机交互,使用户集中注意力于工作本身。而无论是自然的人机交互还是推测用户需求,都离不开上下文感知技术。
近年来,传感器、无线网络、嵌入式设备等技术逐步成熟,上下文感知的研究取得了长足的进步。但是,由于缺乏良好的中间件基础架构,以及对复杂上下文信息的有效管理,上下文感知应用的开发依然复杂费时,上下文感知服务的质量得不到保证。
针对这一现状,我们提出了一个上下文感知的中间件基础架构,并且对该架构中的若干关键技术问题给出了系统的解决方案。本文的工作主要包括以下几个方面:
1.设计并实现了一个上下文感知的中间件基础架构FollowMe。它屏蔽了传感器等底层硬件和上下文处理过程的细节,为应用开发提供了简洁而统一的接口。在此平台上,上下文感知应用由声明性语言pvPDL描述,开发过程简单且利于软件复用。FollowMe还提供了许多优秀特性,包括基于本体的可定制上下文模型、上下文冲突管理、多种推理方式的支持以及基于OSGi的跨平台可移植性等。
2.提出了一种分布式环境中提高上下文查询效率的方法。在普适计算,特别是大尺度的智能环境中,上下文产生速度快,数量巨大。FollowMe出于性能考虑,采用了分布式的上下文存储策略。我们提出了一套方法,在每个上下文存储节点上建立特殊索引,以加速本地查询；根据上下文聚类的结果在节点之间建立捷径,以加速节点间的路由。本文中,我们首次提出了基于查询模式的上下文聚类方法,并提出了一种新的距离度量标准-sine,为新型的上下文逻辑索引提供了理论依据。
3.提出了关于一类特殊上下文的推理算法,即推理用户行为的算法。用户的行为是一类非常重要的上下文,FollowMe中间件希望把此上下文提供给应用,从而增强应用的智能程度。我们提出了一种根据用户使用的物体来推理用户行为的算法。此算法利用网页挖掘技术构造行为模型,实现了非监督的行为识别过程,从而省去了准备训练数据以及手工标签的繁重开销,并且实现了行为边界的自动切分。我们算法在真实环境下的实验中表现出了很高的准确度。
4.提出了一个上下文感知应用的服务质量管理框架。上下文感知应用通常有控制电气设备等的能力,若其提供了错误的服务或服务出现异常,将造成能源浪费甚至用户财产的损失。改善服务质量有两类方法,其一是提高上下文的质量,其二是当异常或错误发生时进行补救。FollowMe同时提供了对两者的支持。前者通过上下文冲突检测服务实现。针对后者,我们提出并形式化定义了事务模型TMfm,当异常发生或系统提供了不当的服务时,补偿机制被触发,以降低其不良影响。此事务模型和pvPDL无缝整合,在赋予其服务质量管理能力的同时,保持了FollowMe上应用开发的便捷性。