一種基于機會感知的情境識別系統(tǒng)及方法
【專利摘要】本發(fā)明涉及一種情境系統(tǒng)及方法，尤其是涉及一種基于機會感知的情境識別系統(tǒng)及方法?；跈C會感知的情境識別系統(tǒng)包括：用于感知不同上下文信息的機會感知數(shù)據(jù)采集器、用于記錄情境識別知識的情境識別知識庫、用于根據(jù)所述機會感知數(shù)據(jù)采集器采集到的上下文信息和所述知識庫記載的情境識別知識進行情境推理的情境推理機。因此，本發(fā)明具有如下優(yōu)點：1.無需使用新的擴展語言，仍然使用OWL和SWRL語言即可對情境識別的規(guī)則和概念進行建模；2.自動屏蔽機會感知環(huán)境的不確定性，基于一個提前建立的知識庫，得到一個合適的推理結果。
【專利說明】一種基于機會感知的情境識別系統(tǒng)及方法
【技術領域】
[0001]本發(fā)明涉及一種情境系統(tǒng)及方法，尤其是涉及一種基于機會感知的情境識別系統(tǒng)及方法。
【背景技術】
[0002]情境識別是情境感知系統(tǒng)研究中的關鍵技術。它是指利用物理空間和信息空間中的感知數(shù)據(jù)來識別一個實體(一個人，一樣物品，或是一個地方)所處的情境。情境識別的方法有很多，其中基于語義網(wǎng)的方法被廣泛使用。該方法在設計時用OWL和SWRL語言來對情境識別中需要涉及的概念和規(guī)則進行建模。在系統(tǒng)運行時，語義推理及會利用獲取的感知數(shù)據(jù)和以上模型進行推理從而識別情境。在大部分基于語義網(wǎng)的研究工作中，都有一個共同的假設，那就是獲取的感知數(shù)據(jù)是確定和完全的。因為這些工作中感知系統(tǒng)在感知過程中使用的傳感器資源都是為某一個感知目標而專門設置，因此它們是在系統(tǒng)設計時就預先定義好的。
[0003]然而近些年來隨著技術進步以及物聯(lián)網(wǎng)普及，我們生活的環(huán)境中建立了大量的感知基礎設施。這些大量存在的感知設備不僅包括分布在物理空間(如河流之上、建筑物中，街道上，公園里等等)中的靜態(tài)傳感器，還有人或車輛攜帶的移動傳感器，例如智能手機、平板電腦、穿戴設備中內(nèi)嵌的傳感器，以及車載GPS、雷達等。此外無線通信網(wǎng)絡(例如WSN, W1-Fi以及3G/4G網(wǎng)絡等)的覆蓋范圍越來越廣，它們可以將感知設備獲取的感知數(shù)據(jù)傳送到數(shù)據(jù)處理單元。在這樣的背景下，機會感知(Opportunistic Sensing)逐漸成為一種重要的感知范型。相比于傳統(tǒng)的感知系統(tǒng)而言，機會感知應用(Opportunistic SensingApplication)充分利用某個時間和地點恰好出現(xiàn)的傳感器來實現(xiàn)感知目標，而不是為了該感知目標而專門部署相應的傳感器。
[0004]由于機會感知的特點，在機會感知范型下的情境識別便遇到了新的技術挑戰(zhàn)。抽象而言，主要有以下兩個方面:
[0005]一是傳感器數(shù)據(jù)可得性(Availability)的不確定性。機會感知試圖發(fā)現(xiàn)和利用某個時間和地點恰好出現(xiàn)的傳感器來完成感知目標，因此情境識別過程中需要的某類傳感器數(shù)據(jù)可能由于相應的傳感器資源缺乏而不能獲得。
[0006]二是傳感器數(shù)據(jù)可信度(Confidence)的不可預測。即使情境識別所需的感知數(shù)據(jù)都能夠獲取，感知數(shù)據(jù)的可信度仍然是不可預測的。造成這種不可預測性的原因主要有兩方面:一方面，在機會感知范型下完成感知目標的傳感器很可能來自其他感知系統(tǒng)。而在不同感知系統(tǒng)中即使是同類傳感器，其精度也可能相差很大；另一方面，在完成某個感知目標時究竟會選取哪個傳感器是在設計時無法預測的。
[0007]以上挑戰(zhàn)抽象出來就是如何進行不確定的語義推理的問題。為了解決這一問題，一些研究工作基于不同數(shù)學模型對語義網(wǎng)語言OWL和SWRL進行擴展，開發(fā)了很多新的擴展語言。這些語言從某種程度上是有效的，然而它們都有一個共同的不足，那就是這些語言的使用十分復雜，即使是對語義網(wǎng)語言非常熟悉的人來說，學習起來也非常困難。
【發(fā)明內(nèi)容】

[0008]本發(fā)明主要是解決現(xiàn)有技術所存在的擴展的語義網(wǎng)語言使用復雜，學習困難等問題，提出了一種基于機會感知的情境識別系統(tǒng)及方法，該系統(tǒng)及方法可以使得情境感知應用的開發(fā)者仍然使用OWL和SWRL語言對情境識別的規(guī)則和概念進行建模，而無需使用新的擴展語言。
[0009]本發(fā)明的上述技術問題主要是通過下述技術方案得以解決的:
[0010]一種基于機會感知的情境識別系統(tǒng)，包括:用于感知不同上下文信息的機會感知數(shù)據(jù)采集器、用于記錄情境識別知識的情境識別知識庫、用于根據(jù)所述機會感知數(shù)據(jù)采集器采集到的上下文信息和所述知識庫記載的情境識別知識進行情境推理的情境推理機。
[0011]其中，情境推理機主要負責在運行時解決不確定的情境推理任務。情境是對一個實體所處狀態(tài)的一種語義抽象，對于一個情境感知應用而言，當情境發(fā)生變化時則會觸發(fā)相應的動作執(zhí)行。通常來說，一個實體(例如一個人)所處的情境種類是無限的。然而對于一個特定的情境感知應用而言，其關注的情境種類是有限的。因此，將一個應用所關注的所有可能的情境組成一個集合，稱之為情境候選集合。
[0012]上下文信息是能夠刻畫一個實體的情境的任何信息，一個實體的情境是由一組上下文信息來確定的。
[0013]情境識別知識包括情境推理規(guī)則，它是定義上下文與情境的一階邏輯表達式。具體來說，一個情境 推理規(guī)則包括兩部分:前件和后件。規(guī)則的前件是一組用邏輯AND連接起來的上下文斷言。上下文斷言被定義為是一個邏輯表達式，它描述了某種上下文信息需要滿足的條件。因此對于一個候選情境來，情境推理規(guī)則的前件為R(Si) =A(C1) AA(C2) Λ…AA(Cffl),其中A(Ci)是第i個上下文斷言。而情境推理規(guī)則與m個上下文信息相關。規(guī)則的后件是關于一個候選情境的表達式。
[0014]優(yōu)化的，在上述的一種基于機會感知的情境識別系統(tǒng)中，所述情境識別知識庫包括:用于記載所有情境感知應用共享知識的共享知識庫和用于記載具體應用情境識別相關知識的應用知識庫，其中:所述共享知識庫包括:用于定義所有應用共用概念的共享知識模塊、用于存儲各種上下文信息可信度的可信度記錄模塊。其中:共享知識模塊使用OWL語言定義了所有應用都可能用的一些概念。而為了應對感知數(shù)據(jù)可信性不可預測的問題，可信度記錄模塊實現(xiàn)存儲了共享的感知系統(tǒng)中每種上下文信息的可信度。這個可信度可以用感知數(shù)據(jù)采集器的準確度來衡量。在運行時，情境推理機會查詢可信度記錄，然后將查詢得到的上下文的可信度利用在情境推理的過程中。這些可信度信息的獲取可以利用專家的經(jīng)驗，也可能通過實驗對共享感知系統(tǒng)提供的上下文信息的可信度進行度量。
[0015]優(yōu)化的，在上述的一種基于機會感知的情境識別系統(tǒng)中，所述應用知識庫包括:繼承于共享知識模塊并包含記載具體應用情境識別知識的應用知識模塊、記載具體應用情境推理規(guī)則的應用情境推理規(guī)則模塊。
[0016]優(yōu)化的，上述的一種基于機會感知的情境識別系統(tǒng)中，所述情境推理機包括:用于將情境推理規(guī)則分解為若干個上下文斷言的規(guī)則分解模塊；用于對能夠確定變量的上下文斷言進行推理，并且能夠?qū)⒆兞坎淮_定的上下文斷言的推理結果置為不確定的斷言推理模塊；用于將上下文斷言的推理結果進行歸并，然后從候選情境中選擇當前用戶所處情境的融合與決策模塊。
[0017]一種利用上述情境識別系統(tǒng)進行基于機會感知的情境識別方法，包括:規(guī)則部署步驟:編寫情境推理規(guī)則，并部署在情境推理機上；規(guī)則分解步驟:將情境推理規(guī)則分解為若干個上下文斷言；斷言推理步驟:對變量確定的上下文斷言進行推理并且將變量不確定的上下文斷言的推理結果置為不確定；融合決策步驟:將上下文斷言的推理結果進行歸并，然后從候選情境中判定選擇當前用戶所處情境。
[0018]優(yōu)化的，在上述的一種基于機會感知的情境識別方法中，所述規(guī)則分解步驟包括:公式選擇步驟:選擇與機會感知數(shù)據(jù)采集器所采集到的上下文信息直接相關的原子公式；規(guī)則分解步驟:基于公式選擇步驟選擇的原子公式將情境推理規(guī)則分解為若干個上下文斷言。具體而言，分解的過程是這樣的:對于每個原子公式，與其相關的原子公式(包括它本身)會用邏輯AND連接成一個上下文斷言。
[0019]在情境推理規(guī)則被分解之后，需要對于那些變量值都能夠被指定的CA進行推理。然而，這些CA的推理并不是獨立的，這給提高推理的性能提供了機會。
[0020]優(yōu)化的，在上述的基于機會感知的情境識別方法中，所述斷言推理步驟包括:分析步驟:分析所有的上下文之間的依賴關系；推理步驟:基于分析步驟得到的依賴關系，利用拓撲排序算法進行排序，然后按排序順序?qū)γ總€上下文斷言依次進行推理。
[0021]優(yōu)化的，在上述的基于機會感知的情境識別方法中，所述分析步驟包括:
[0022]步驟801，順序掃描所有情境推理規(guī)則的上下文斷言，并判斷不同上下文斷言變量之間的關系；
[0023]步驟802，如果一個上下文斷言中有至少一個變量依賴于另一個上下文斷言中的變量，則兩個上下文斷言之間產(chǎn)生一個依賴關系；
[0024]步驟803，將上下文斷言以及上下文之間斷言的依賴關系采用有向圖的方式表示，其中有向圖的頂點代表上下文斷言，有向邊代表上下文斷言之間的依賴關系。
[0025]采用上述分析步驟所描述的推理過程的算法如下:
[0026]令有向圖G =〈V，E>，CA為上下文斷言，其中頂點集V代表一個CA，邊集代表CA之間的依賴關系；
[0027]令C，Tempi和Temp2是CA的變量，變量P是情景推理的實體。則推理步驟如下:
[0028]步驟I: V=0.，E= 0? C = {情境推理規(guī)則的所有上下文}，Terapl=Temp2= 0.,
Boolean Flag = True ；
[0029]步驟2:選出原子公式中包括P的所有上下文，為其賦于變量Tempi，令V =V U Tempi,C = C-Templ.[0030]步驟3:WHILE (Flag == True) {
[0031] Flag = False.掃描所有上下文C，并且對于一個屬于C并且值確定的X
[0032]
【權利要求】
1.一種基于機會感知的情境識別系統(tǒng)，其特征在于，包括:用于感知不同上下文信息的機會感知數(shù)據(jù)采集器、用于記錄情境識別知識的情境識別知識庫、用于根據(jù)所述機會感知數(shù)據(jù)采集器采集到的上下文信息和所述知識庫記載的情境識別知識進行情境推理的情境推理機。
2.根據(jù)權利要求1所述的一種基于機會感知的情境識別系統(tǒng)，其特征在于，所述情境識別知識庫包括:用于記載所有情境感知應用共享知識的共享知識庫和用于記載具體應用情境識別相關知識的應用知識庫，其中: 所述共享知識庫包括:用于定義所有應用共用概念的共享知識模塊、用于存儲各種上下文信息可信度的可信度記錄模塊。
3.根據(jù)權利要求2所述的一種基于機會感知的情境識別系統(tǒng)，其特征在于，所述應用知識庫包括:繼承于共享知識模塊并包含記載具體應用情境識別知識的應用知識模塊、記載具體應用情境推理規(guī)則的應用情境推理規(guī)則模塊。
4.根據(jù)權利要求1所述的一種基于機會感知的情境識別系統(tǒng)，其特征在于，所述情境推理機包括: 用于將情境推理規(guī)則分解為若干個上下文斷言的規(guī)則分解模塊； 用于對能夠確定變量的上下文斷言進行推理，并且能夠?qū)⒆兞坎淮_定的上下文斷言的推理結果置為不確定的斷言推理模塊； 用于將上下文斷言的推理結果進行歸并，然后從候選情境中選擇當前用戶所處情境的融合與決策模塊。
5.一種利用權利要求1所述情境識別系統(tǒng)進行基于機會感知的情境識別方法，其特征在于，包括: 規(guī)則部署步驟:編寫情境推理規(guī)則，并部署在情境推理機上； 規(guī)則分解步驟:將情境推理規(guī)則分解為若干個上下文斷言； 斷言推理步驟:對變量確定的上下文斷言進行推理并且將變量不確定的上下文斷言的推理結果置為不確定； 融合決策步驟:將上下文斷言的推理結果進行歸并，然后從候選情境中判定選擇當前用戶所處情境。
6.根據(jù)權利要求5所述的一種基于機會感知的情境識別方法，其特征在于，所述規(guī)則分解步驟包括: 公式選擇步驟:選擇與機會感知數(shù)據(jù)采集器所采集到的上下文信息直接相關的原子公式； 規(guī)則分解步驟:基于公式選擇步驟選擇的原子公式將情境推理規(guī)則分解為若干個上下文斷言。
7.根據(jù)權利要求5所述的一種基于機會感知的情境識別方法，其特征在于，所述斷言推理步驟包括: 分析步驟:分析所有的上下文之間的依賴關系，并利用拓撲排序算法進行排序。 推理步驟:按排序順序?qū)γ總€上下文斷言依次進行推理。
8.根據(jù)權利要求7所述的一種基于機會感知的情境識別方法，其特征在于，所述依賴分析步驟包括:步驟801，順序掃描所有情境推理規(guī)則的上下文斷言，并判斷不同上下文斷言變量之間的關系； 步驟802，如果一個上下文斷言中有至少一個變量依賴于另一個上下文斷言中的變量，則兩個上下文斷言之間產(chǎn)生一個依賴關系； 步驟803，將上下文斷言以及上下文之間斷言的依賴關系采用有向圖的方式表示，其中有向圖的頂點代表上下文斷言，有向邊代表上下文斷言之間的依賴關系。
9.根據(jù)權利要求5所述的一種基于機會感知的情境識別方法，其特征在于，所述融合決策步驟包括:選擇一個用于計算候選情境與真實情境相似度的相似函數(shù)，依次計算各個候選情境與真實情境的相似度，選擇相似度最高的候選情境作為推理結果，并且當有多于一個候選情境與真實情境的相似度達到最大值時，則隨機選擇一個候選情境作為情境推理結果。
10.根據(jù)權利要求9所述的一種基于機會感知的情境識別方法，其特征在于，所述用于計算候選情境與真實情境相似度的相似函數(shù)采用如下定義:
【文檔編號】G06F17/27GK104008208SQ201410274048
【公開日】2014年8月27日 申請日期:2014年6月19日 優(yōu)先權日:2014年6月19日
【發(fā)明者】王亞沙, 王江濤, 杜旭東 申請人:北京大學