上下文感知计算（共4篇）
上下文感知计算 篇1
摘要：针对现代企业门户个性化、智能化的需求,将语义Web技术、上下文感知技术与门户技术结合起来,设计了一个可用于建立智能门户系统的上下文感知的模型视图控制器(MVC)框架CA-MVC。通过分析MVC模式的特点,定义了时序上下文本体,并详细阐述了上下文服务器中上下文获取模块、上下文推理模块以及上下文服务模块的功能。最后,结合在工作流门户系统中的应用,满足了通过门户为用户提供智能服务的需求。
关键词：上下文感知,语义Web,门户
0引言
近十年来,随着网络技术的不断发展,越来越多的应用已经从桌面程序转移到Web程序上来,SUN公司当年“网络就是计算机”这句响亮的口号已经不再是一个理念而变成了一个现实。网络不仅提高了人们的工作效率,而且改变了人们的工作方式。
门户作为一种典型的网络应用框架,它将各种应用系统、数据资源和互联网资源集成到一个信息管理平台之上,并以统一的用户界面提供给用户,使企业可以快速地建立企业对客户、企业对内部员工和企业对企业的信息通道, 使企业能够释放存储在企业内部和外部的各种信息。而从最终用户的角度看,门户就是一种 Web 站点。当前,门户系统已经有了很多的实现产品,从开源的JetSpeed到商用的IBM WebSphere Portal Server,他们基本上可以满足用户功能上的需求,甚至可以进行一些简单的配置,如:定制颜色及布局、定制内容版块等。但从系统的角度来说,这种配置要被动地等待用户提供知识,是一种低级别的配置。因此,我们提出了一个“智能门户”的概念,它引入了上下文感知相关技术,使门户系统可以主动地去发现知识,并为用户提供服务,实现高级别的配置。
1基本概念
1.1上下文服务器
上下文服务器是上下文感知系统架构的核心,它对系统上下文信息进行处理并对外提供服务。
所谓上下文,是指那些用于表示实体状态特性的信息。这里的实体可以是人机交互中的相关人、地方、物理或计算对象等[1]。
所谓上下文感知,是指应用系统可以自动利用环境信息改变用户界面和提供最大程度的计算服务的能力[1]。
上下文感知计算是普适计算的一个重要研究领域,历经多年的发展,取得了一些研究成果。比较典型的有,Caswell 和Debaty开发的软件框架CoolTown[2],它通过底层构架提供抽象组件和服务发现机制来帮助开发人员创建支持环境感知的应用系统,但该框架不支持环境解释和存储功能,并且只使用了较简单的服务触发机制。Dey推出的支持环境感知应用系统开发框架Context ToolKit[3],该框架采用了面向对象的方法,提供了环境信息的底层收集、转化组合和分发机制,但它没有提出一个通用的上下文信息的描述方法来实现上下文知识的共享和推理。
到现今为止,大多数上下文感知系统缺乏具有时间序列特性的上下文模型和相关推理规则的支持,难以抽象获取复杂的环境信息。这也是本文在设计CA-MVC框架的上下文服务器时重点要解决的问题。
1.2上下文本体
上下文本体是对上下文信息描述的建模,它是基于语义Web技术的上下文感知系统进行知识发现的主要载体。
所谓语义Web,是对当前Web的扩展,它将信息赋予定义良好的含义,便于计算机与人之间的协同工作。在语义Web的体系结构中,XML、RDF、本体(Ontology)用于表示Web信息的语义,是体系的核心和关键[4]。
所谓本体,是某个领域内的概念和概念间关系的集合,反映了人们对此领域的知识的理解。OWL,即Web Ontology Language,结合了XML的形式和RDF对于资源之间关系的描述,显式地表达了本体的内容。
本文采用上下文本体来描述CA-MVC中的上下文信息,这也是大多数上下文感知系统通常选用的上下文模型。
2基于Context-Aware的MVC框架
大多数门户系统都是建立在一种MVC框架的具体实现的基础之上开发出来的。用户在使用这种基于MVC框架的系统过程中,action是此工作环境下用户最基本的行为单元,也是用户与服务器交互的唯一渠道。因此,在一个上下文感知的智能门户系统中,具备对引发action时的上下文信息进行分析,从而使系统主动为用户提供服务是本文的主要研究方向。结合上一节叙述的几种技术的优点,本文提出了一个基于Context-Aware的MVC框架CA-MVC。如图1所示,用户通过浏览器触发门户页面上的一个事件,这个事件会引发一个action,然后,在action listener的执行过程中会将与action有关的上下文信息发送给上下文服务器的上下文获取模块,上下文获取模块将这些初级上下文信息存入上下文存储库中,并通过推理引擎的推理,得出高级上下文,高级上下文会与系统定义的服务条件进行匹配,从而对是否选用服务进而影响Model作出决策。由此我们可以看出,上下文服务器是CA-MVC的核心,主要由三个部份组成:上下文获取模块、上下文推理模块与上下文服务模块。以下便分三部份对这三个模块加以介绍。
2.1上下文获取模块
上下文获取模块的主要功能是在用户的工作环境中采集初级上下文信息,并将它们存入上下文存储库中。初级上下文信息在CA-MVC框架中主要分为两种类型:一般上下文与时序上下文。
一般上下文是指用于描述用户的工作环境的基本上下文信息,比如:用户概况、时间、地点、计算资源等。
时序上下文是CA-MVC的一个重要组成部份,它特指用于描述用户在MVC框架中所引发的一组action,由于其与时间有紧密的关联,所以称其为时序上下文。
时序上下文有如下的形式化定义:
Temporal Context = <A, U, T, P>
即基本时序上下文的一个实例是一个四元组,其中,A代表Actions,表示门户系统所有可能引发的动作集合;U代表Users,表示门户系统的用户集合;T代表Time,表示一个引发时间,P代表Position,表示引发位置。
OWL程序片段是对CA-MVC的时序上下文本体的描述,它对上面的形式化定义完全相同。
OWL程序片段:
在实际的应用当中,可以对Action类的定义进行继承和扩展,以适应不同的需求。
2.2上下文推理模块
上下文推理模块的主要功能是将上下文存储库中的初级上下文,通过定义的规则库进行推理,从而得到高级上下文。
高级上下文是指用于描述用户行为的一些深层次的信息,如用户的偏好、用户的习惯等。它是上下文服务器对外界提供服务的依据。
在上下文本体模型的基础上,利用本体自身的推理机制,并结合用户定义的推理规则,可以构建出上下文本体推理引擎。在本框架中,推理机制主要划分为两种类型:
(1) 一阶逻辑推理
一阶逻辑推理是一种典型的基于规则的推理方法。该方法的推理机制非常简单,利用谓词构建静态的推理规则库。当进行推理时,首先向引擎输入已知的初级上下文信息,通过一致性验证后,与规则进行比较,如果相同,那么给出对应规则结果的高级上下文信息,否则提示没有成功[5]。例如:
Context1 ∧Context2 → Context3
由于CA-MVC采用本体建模的方式来描述上下文信息,本体的描述逻辑本身就具有一阶逻辑推理的特点,比如:现在上下文存储库获得了这样一条初级上下文:
Temporal Context <Action:logon, User:Wang, 2007-6-1 18:2, 202.120.38.223>
它表示Wang在2007-6-1 18:2于202.120.38.223做了logon动作。如果还有一条一般上下文信息,它表示202.120.38.223是上海分公司的IP地址,则系统可以直接推理出Wang于2007-6-1 18:2在上海分公司。
(2) 时序逻辑推理
时序逻辑推理并不是简单地依靠谓词对初级上下文信息组合来进行推理的一种机制,它通过观察上下文存储库中某种或几种上下文信息在一段时间内的记录,根据上下文发生的时间序列来寻找规律,从而得出高级上下文信息。
在CA-MVC中,典型的具有时序特征的上下文信息就是action,通过在一段时间内观察一组action的上下文信息,可以得到用户在这一段时间内的行为特征。比如:在一段时间内,上下文存储库记录了用户Wang每次登录所做的所有action序列,推理引擎根据这些上下文信息得出3个出现次数最多的action,从而得出Wang最近一段时间内优先级最高的3个活动内容,并根据活动类型,推理出Wang这一段时间内的重点工作内容。
2.3上下文服务模块
上下文服务模块的主要功能是把由上下文推理引擎推理出来的高级上下文信息与系统制定的作为服务条件的上下文信息进行匹配,上下文服务器把匹配的结果作为对外界提供服务的依据[6]。
· 简单匹配
在一般情况下,由一阶逻辑推理得出的高级上下文信息一般相对简单,使服务设计者可以方便地将触发服务的条件设置为几条上下文信息的逻辑运算组合,通过这个运算的结果是true或false来决定是否触发服务。例如:
IF (∃Context1 ∧∃Context2) ∨ (∀Context3 > Context4)
THEN do Service1
· 本体匹配
由于推理引擎中存在时序逻辑推理,它推理出来的高级上下文信息在与作为服务条件的上下文信息进行匹配时往往不能用“是”或“否”的标准来衡量,所以采用基于人工智能的本体匹配算法。系统通过对事先制定好的作为服务条件的上下文信息本体实例与上下文存储库中存储的上下文信息本体实例进行语义匹配,并计算出相应的匹配级别,最终用以决策服务的调用。
匹配级别一共定义了5种:Perfect, High, Middle, Low, Fail。规则如下:
其中sc表示Stored Context,即存储的上下文本体实例;cc表示Conditioned Context,即作为条件的上下文本体实例。
从规则可以看出,Perfect级别表示存储的上下文信息与条件要求的上下文信息完全相同;High级别表示存储的上下文信息可以是条件要求的上下文信息的子类的实例,但属性值需要相同;Middle级别表示存储的上下文信息只满足了要求的上下文信息的一部份,但属性需要相同;Low级别表示存储的上下文信息只满足了要求的上下文信息的一部份,而且属性值也只是部份相同;Fail级别表示完全不相同,即匹配失败。
当作最终的决策时,可以由服务设计者决定当匹配度隶属于哪个级别时,或隶属度到达某一定值时才触发服务。
3应用实例
本节将结合CA-MVC在上海交通大学CIT实验室工作流门户系统中的应用,给出一个简单并且典型的例子,其目的用以说明CA-MVC的基本工作过程。
工作流门户是企业用户访问工作流系统、获取工作流程运行状态的重要途径。它的主要目标是让用户可以方便地操作工作流系统中分配的任务,以改善业务过程,减少企业的运营成本。将CA-MVC框架应用于工作流门户系统,可以使门户系统通过观察用户的历史行为(Actions),主动为用户提供智能化的服务,从而进一步帮助企业成员提高工作效率。下面便以本工作流门户系统中的一个实例来说明:
工作流门户系统的核心功能之一就是为用户提供一个任务列表,使用户可以打开任务,并在任务完成后提交任务。通常在门户首页,都会为用户提供一个将要到期的任务列表提示,这个提示是根据一个设定的提前天数,从任务列表中取得。上下文服务器可以根据一段时间内用户提交任务的状况来改变这个提前天数。
实例搭建在Jetspeed Portal平台上,采用JSF技术作为MVC的具体实现,因此显示任务到期提示的portlet页面有对应的DueTaskListFormBean作为Backing Bean,其中有一个域为earlyDays,表示提前天数,默认为3天。推理机采用Jena(Racer),支持本体的一阶逻辑推理。对库中的上下文信息本体的查询采用RDQL(RDF Data Query Language)实现。
系统的上下文存储库中已保存了下列上下文信息:
每次用户做提交任务的Action时,submitActionListener都会向上下文服务器写入上下文信息,设t1大于sa1的结束时间:
根据推理机的推理,
可以得出sa1所属的工作job1被推后完成这样一条高级上下文信息。通过一段时间对上下文信息的收集,可以得到很多类似的上下文信息,有的工作被按时完成,而有很多工作被推后完成。
上下文服务器提供了一个用以改变任务列表提示的提前天数的服务chageEarlyDaysService,采用简单触发模式,触发条件为:
IF 50% Jobs (where job.endtime > currenttime-15days and job.owner = Wang) are overtime
THEN do chageEarlyDaysService
服务ageEarlyDaysService所做的唯一一件事就是更改DueTaskListFormBean的earlyDays为7天。即系统当发现用户Wang近15天内有50%的工作都overtime的话,系统会主动提前更多天为用户提示将要到期的任务列表。
4结论
本文针对智能门户这个课题,设计了一种基于Context-Aware的MVC框架,它结合MVC模式的特点,提出了时序上下文本体与时序逻辑推理,以及其采用的本体匹配的方式对服务作出决策。这个框架的优点是,在现有MVC的基础之上构建,不需要重新进行整体设计,只需要在门户系统所采用的MVC实现的基础上,增加上下文服务器部份,并设计好接口,从而完成对上下文感知的支持。在CA-MVC的具体应用的过程中,设计一个成熟的基于本体的时序逻辑推理算法是开发推理引擎的关键,也是难点。这方面的研究将作为我们下一步的工作内容。
参考文献
[1]Dey A K.Providing Architectural Support for Building Context-Aware Applications,Ph.D Dissertation,2000.
[2]Caswell,Deborah,Phillippe Debaty.Creating Web representations for places.In the Proceedings of the2nd International Symposium on Handheld and Ubiquitous Computing,114-126,Bristol,UK,Springer-Verlag.September25-27,2000.
[3]Dey AK.Abowd G D.The Context Toolkit:Aiding the Development of Context-Enabled Applications,Proc.Workshop Software Eng.for Wearable and Pervasive Computing,ACM Press,New York,2000:434-441.
[4]邹文科,孟祥武.基于语义Web技术的上下文感知的智能移动服务.计算机科学,2006,33(9):30-33.
[5]Anand Ranganathan,Roy H Campbell,Arathi Ravi,Anupama Ma-hajan.ConChat:A Context-Aware Chat Program.IEEE Pervasive Computing,July-Sept.2002,1(3):51-57.
[6]Li Wang,Yingjie Li.The Semantic Matching of Semantic Web Serv-ices.In:IEEE/ACM/KGGI04,2004.
上下文感知计算 篇2
本文提出一种基于上下文感知计算的移动中间件自适应模式, 通过该模式可实现移动终端自适应感知上下文、自主存储、推理与分析, 降低用户参与度, 最终迅速提高系统自主交互的能力。
1 国内外相关研究及发展趋势
上下文感知计算最早源于一九八八年施乐帕克研究中心的一个研究计划, 后来很快得到迅速发展[1]。目前已成国际热点, 世界上主要发达国家的相关部门都给予上下文感知计算高度关注, 均投入了巨大的财力与人力对其相关方面进行深入研究。我国在该领域的学术研究也有不少, 但总体来说, 尚处于起步阶段, 提出的相关模式仍不够完善与健全, 相对于国外在该领域的研究, 我国已经严重滞后, 亟待进行深入研究[2]。
2 关键技术
2.1 自适应检测
上下文感知是构建移动中间件系统的实体基础层, 纵观目前的桌面计算模式会发现, 诸如用户是谁、在做什么、所处环境等上下文因素时常不会被考虑。但如果要真正实现移动终端智能化, 就必须考虑这些因素。历来在该方面的研究均提出要获取无冗余的上下文, 但仍存在上下文经常发生冲突或不完整等问题[3]。
采用自适应检测的方式进行获取就是借助上下文不同但具有相似特性的特点建立上下文之间的相互依赖关系;然后、根据上下文感知方式的不同进行初分类;最后根据分类不同采用不同方式进行自适应检测, 比如以物理实体形式存在的温湿度等上下文利用传感方式自动检测采集;像网络连接与否、堵塞与否等各种以虚拟实体形式存在的上下文则通过量化载体方式被自动检测感知。另外诸如突发进入或者退出等紧急触发的变化也将导致上下文必须是自适应的。
2.2 模糊推理
上下文分析过程由三个关键环节构成主体, 首先、底层的粗糙原始上下文先被输送入分析层区域, 然后、经过自适应分析过程的相关优化处理之后, 最后将形成更具有实用价值的优化上下文集合。首先通过感知层采集的是最原始上下文, 这些上下文精确性差、冗余和冲突时常存在, 这就必须要求上下文分析层去处理。而采用模糊推理来解决上下文分析中推理的问题就是一个很好的途径。模糊性是指上下文信息在形式和类别等方面的亦此亦彼性, 即中介过渡性, 它是大多数信息所固有的特性[4]。通过对上下文分析过程的实施进行假设从而判定得到合理有效的优化组合。
2.3 分布式映射
映射实际上就是一种关系, 这种关系中包含各种因素。映射就是要实现将模型中所有组件相互之间通过某种映射关系建立某种联系, 从而使得各种不同的功能在各不相同的节点计算设备上得以映射[5]。基于映射的这种特点, 如何将模型中的各个组件实时高效合理地映射到这些物理空间位置各不相同的各种计算设备与传感设备上就成为本文需要解决的一个问题。随着上下文感知计算在生活中运用的深入, 这种灵活的方式在移动中间件上的应用将成为必然[6]。
3 系统模式构建
相对于传统的移动中间件而言, 自适应模式的构建目标就是改变以往人是计算机的“奴隶”的现状, 研究更便捷高效的移动终端。该模式主要从上下文的自适应获取与分析, 智能决策等方面改变以往传统固件信息不变, 获取方式与触发形式单一的不足, 实现人机交互化, 为用户提供实时高效与便捷多彩的自主服务。
3.1 初步自适应层次建模
一般来说, 上下文感知计算系统涉及实体对象数目巨大, 出于降低设计风险的目的考虑, 该文提出了初步自适应层次建模的方法。
通过对系统进行自适应层次化建模可以把复杂的模型细分为多个层次, 使每个层次着重于某些特定的功能, 如上图1所示, 通过不同组件对原始上下文进行采集, 然后进行多元组建模;中间分析环节主要实现推理融合的建模, 实现原始上下文到优化上下文的转变;右边智能决策实现决策建模, 从而至左向右构建起了由最底层到最高层的系统层次化模型。
在建模的初级阶段, 按照如上建模即可, 但是当同一时间处理的对象数目大、实时状态与历史状态超出某一组件处理范围, 就必须进一步扩展为过滤和推理融合两个次级功能子组件。为缓解由于所要处理上下文数量和类型的增加以及组件的增加所带来的速率与实效性的降低, 系统引入Cache组件和寄存器组, 从而满足不同组件之间上下文传递的需要。该模型采用设置容器的方法实现对不同可信度上下文的存储排序, 通过设置时间片确定容器内信息更新与否。
3.2 智能推理
智能推理在上下文分析环节占据十分重要的地位, 为避免对各种上下文信息表达力不足的情况出现, 该文采用模糊推理实现, 其结构如图2所示。
该结构被分为核心和扩展两部分, 核心部分汇集大量使用频率很高的上下文, 比如行为、事件、触发、时空等, 扩展部分是作为核心部分的扩展与补充而存在, 但不可或缺。通过这种划分, 可有效灵活地对上下文的推理环节的个别相关组件进行更换, 避免了大量书写代码程序的问题, 有助于提高效率。
通过这种结构的构建与上下文的定义, 使得上下文逻辑智能推理的实现变得很简单, 比如时间等已经在核心定义的上下文模型很容易被映射上来, 然后, 通过规则判断现有推理能否得到新的有效上下文, 如果有效则选择推理, 否则利用上下文的智能推理技术迅速自适应检测一致性, 以此决定是实现系统提取还是进一步祛除基于不可靠假设推理出的无效上下文。
3.3 上下文自适应融合
上下文是上下文感知计算的基本组成元素, 每种传感器所接收的数据形式各异, 而且不具有明确的语义, 其有效性也不能得到保证, 在获取了原始上下文后, 为了实现系统摒弃掉无用或有效性低的数据, 必须利用上下文的自适应融合从解释环节开始处理。首先, 建立起上下文之间的相互联系, 然后根据这种联系的可信度大小、生命周期值以及语义相关性建立一个上下文知识信息库。其数据处理过程如图3所示。原始上下文首先被送入解释器将得到设备能够识别的上下文, 当同一个上下文被多次获取则根据记录进行覆盖, 经过上述处理的数据被存储起来已备应用, 部分数据进入容器进行自适应处理形成有序队列。
下面以GPS传感器所接收上下文信息的自适应融合为例加以讲解, 现假设终端从另一实体对象上接收到如下一组原始上下文信息:$GPA, 112354, 4842, N, 07954.21, E, 1, 3, 1.4, 76.0, M。应用组件一般对这样的数据格式根本不识别, 也没有办法处理。那么分析层利用推理与解释融合上下文信息, 得出如下数据信息:1) 定位时间:11时23分54秒;2) 纬度:N北纬48度42分;3) 经度:E东经079度54.21分;4) 实时GPS信息;5) 卫星数:3;6) 高度为76.0m等, 即系统上下文知识信息库中存放了众多类似以上的用来记录位置数字信息与路径分析查找的相互关系的上下文信息。例如传感器中的智能分析组件可以通过高斯原理将经纬度坐标转化为高斯坐标, 从而把上下文信息表示成相对于另一个实体的相对距离数据信息, 这样就完成了从原始上下文信息到优化上下文的转变, 最终形成元组表示形式的上下文, 显而易见, 与原始上下文相比元组形式已经具有了较明确的语义。
最后, 通过进行初步自适应层次化建模、智能推理、自适应融合, 完成了基于上下文感知计算的自适应模式构建, 模型图如图4所示。
4 结束语
本文主要提出了一种基于上下文感知计算的移动中间件自适应模式, 首先进行自适应层次建模, 通过引入容器对系统细化扩展, 降低建模复杂度, 然后对上下文进行智能推理与自适应融合, 降低了用户参与度, 提高了系统自主进行交互的能力。但是, 该文对基于上下文感知计算的移动中间件自适应模式的构建研究仅仅是一个开端。在接下来的研究中, 本研究将直接面向真实环境下的感知计算。
参考文献
[1]徐光祐.无所不在的普适计算[J].中国计算报, 2003 (6) :21-23.
[2]赵海, 陈燕.普适计算[M].沈阳:东北大学出版社, 2005.
[3]李镇邦, 吴卿.普适计算.面向云服务的上下文感知自适应移动中间件[J].计算机应用与软件, 2012, 29 (10) :102-104.
[4]熊江.嵌入式系统与普适计算[J].单片机及嵌入式系统应用, 2007 (6) :21-23.
[5]岳玮宁, 董士海等, 普适计算的人机交互框架研究[J].计算机学报, 2004, 27 (12) :45-46.
浅谈上下文感知技术及其应用 篇3
随着计算机网络和移动技术的快速发展,当人们之间互相作用的时
候,他们之间隐含的使用上下文信息来推断和解释他们的实际情形。本文主要就上下文感知技术及其在现代生活中的重要地位进行了分析。例如:当老师或学生进入教室时,可以将资源有限且处理能力低下的移动设备(如手机)的应用程序动态迁移到附近的资源丰富且处理能力强大的静态计算机上。然而,这种信息的迁移既费时又费力。因为没有为这些设备提供全局性的控制和协调机制。上下文是能够用来描述一个实体环境的任何信息,这些信息能够用来描述一个实体确定的一方面。实体可以是一个人、地点和被认为在用户和应用程序之间交互作用的对象,还包括用户和应用程序本身。如果一个系统能够使用上下文来适配它的行为到用户的事务,那么这个系统就被认为是上下文感知。上下文感知系统的一个关键要点就是上下文信息的处理和提供。
2、上下文信息提供技术
随着计算机、移动计算以及传感器网络的发展,计算变得无处不在。1991年美国的马克维瑟2博士于提出了普适计算,这种计算模式的最终目标是将由通信和计算机构成的信息空间与人们生活和工作的物理空间融为一体,支持用户“随时随地”并“透明”地获得符合其个性化需求的信息服务。普适计算模式要求计算设备能够感知用户所处的上下文及其变化,并做出相应的动作。研究人员把这种能感知用户上下文信息进而调整系统行为的技术称为上下文感知技术。
大家比较公认的第一个上下文感知应用项目是1992年Schilit.B和上下文感知系统的一个关键要点就是上下文信息的处理和提供。当今有许多的研究项目已经处理了关于这方面的问题。但是大多数的仅仅是关于像蓝牙或单独设备等局部环境。然而,在一个广阔范围的环境中采用上下文感知系统,像GSM和UM TS等移动网络,提出一个全新的系统适配和上下文提供和管理的要求。此外,移动网络是由如用户,网络运营商,增值系统提供商和内容提供商等独立角色相互作用为特征的。因此,上下文感知系统要在一个交互作用的方式下实现。这篇论文主要讨论移动网络中上下文感知系统的一些挑战并通过上下文感知消息系统示例了它的实现。
当一个系统使用上下文信息提供相关的信息或者系统给用户的时候,就叫这个系统是上下文感知系统,上下文信息主要由上下文信息系统来提供,CIS可以发现、测量、解释和结合实体信息和各实体间的特征关系的系统,是上下文感知系统的一个重要组成部分。CAS采取了可用的上下文信息。用户想要提供上下文感知系统不但要关心系统的实现,还必须要关心怎样创建或怎样获取相关的上下文信息。为了创建或获取上下文信息,在上下文信息提供中的所有步骤都要能够完成。上下文信息提供是一个复杂过程,其中主要包括:上下文感知,上下文提炼和上下文分发。把从这些上下文资源捕获数据的过程称为感知。感知通常可以分为感知上下文和感知上下文的改变。然而,感知仅仅提供的是上下文的原始素材,这些原始素材是被认为是低级的上下文信息,并且经常不能够被CAS请求所理解。通常,要执行一次或几次精炼过程来获得各个CAS所要求的高级上下文信息;在精炼过程之后,上下文信息必须传送到各个需要这个信息的CAS上,这个过程称为分发。
3、上下文感知的应用
随着移动网络系统的不断发展,它使得移动用户能够在任何时候、任何地点使用多媒体系统进行通信。移动即时消息来自于最近通信业界最成功的两个应用的结合点:固定网络中的桌面即时消息和移动网络中的短消息系统,它使得移动用户能够在任何时候、任何地点使用多媒体系统进行通信。如果能够在即时消息系统中使用上下文信息,那么这样即时消息系统就可以根据上下文信息的改变自动适配用户的需要,这就是上下文感知消息系统。CAMS主要在移动用户间进行提供用户到用户或用户到一组用户间的通信,它根据所感知的上下文信息和上下文信息的改变适配用户的需要。用户通过CAMS服务器定制CAMS以获得对系统的使用权力。CAMS中所使用的上下文信息由上下文信息系统C IS来感知并传送给CAMS。C IS从上下文信息所有者获得原始的上下文信息并进行处理。
上下文感知系统中的核心过程就是上下文信息的提供。在移动通信系统里,上下文信息的提取时一件很难的事情。各种各样的上下文感知系统提供者,上下文信息提供者,上下文信息所有者,上下文感知系统使用者等等,这些要参与到上下文信息的提供和上下文感知系统中去,并且这些参与者之间也要相互协作。上下文信息提供要能够适合大范围覆盖的移动网络。
4、结论
智能交互是计算发展的必然趋势和本质要求之一,而上下文感知是提高计算智能性的核心技术,笔者就上下文感知技术及其在现在信息时代中的重要地位列举其应用。在包括多种运营商和多种参与者的移动网络中的上下文信息提供是一个非常复杂的过程,因此上下文感知系统的使用也是很复杂的。为了便于在这样的环境下上下文感知系统和上下文信息的提供,笔者提出了一个适当的平面框架来描述了上下文感知系统在移动网络中的应用,并通过使用上下文感知消息系统来具体描述和说明了上下文感知系统在移动网络中和移动协同标绘模型的应用。在将来的信息更加丰富的时代,上下文感知技术将占有越来越重要的地位,研究上下文感知技术,对于未来智能信息的发展起着举足轻重的作用。
参考文献
[1]刘艳萍等.4 G核心技术原理及其与3 G系统的对比分析[J].移动通信,2004年10月
[2]孙克勇等.上下文感知业务在移动网络中的应用.[J]西安邮电学院学报.2006年9月
[3]安华萍等.3 G移动网络的安全问题[J].科学技术与工程. 2005年5月.
[4]Dave W.,Transparent IP Radio Access For Next-Generation Mobile Network.IEEE Wireless Communications.August 2003:26-35.
[5]Jin Young Kim,Eun Cheol Kim.Smart Terminal Technology for t he 4 G Mobile Communication Systems.51 -54
上下文感知计算 篇4
随着通信技术的发展,用户对移动性的要求越来越高,未来网络的发展趋势是各种无线接入网络同时存在的异构网络环境。未来的信息通信社会中,通信目标就是要实现“5W”通信,即任何人可在任何时候、任何地方、与任何人以及任何物进行任何形式的通信。而跨越异构接入网络的垂直切换技术更是未来异构网络融合的研究重点[1],为了保证用户跨异构网络移动时的会话连续性,在发生切换的过程中就要求做到无缝隙切换,因此降低移动终端在切换时的时延成为研究垂直切换技术的一个重要指标,主要分析了一种基于上下文感知的垂直切换技术,并在此基础上对其做了仿真分析,同时与mSCTP实现UMTS/WLAN网络间的垂直切换做了比较。
1 传输层基于移动SCTP协议的垂直切换技术
SCTP[2,3]是一种端到端的、面向连接的传输层协议,与UDP,TCP协议相比,SCTP协议具有多家性、多流特性,面向消息的数据传输特点。SCTP端点在通信前必须先建立关联(association),SCTP关联是指两个SCTP端点之间的通信关系,一个关联可以由使用该关联的SCTP端点用传输地址唯一识别,在任何时候两个SCTP端点间只能有一个关联。而多家乡性即端点可以有多个地址,每个端点可以有多个IP地址,一个关联可有多条传输路径,如图1所示。
为了使mSCTP[4,5]满足移动性特点,在SCTP的基础上IETF专家组又扩展了动态地址重配置功能,使得SCTP协议具有了对端到端的移动性的支持,而且mSCTP允许同时绑定多个IP地址,能够动态地增加或删除、改变IP地址,并告诉对端将要使用的IP地址。通过SCTP的动态地址重配置[6]功能可以将路径分为主路径和备选路径。并且选择一个做为主路径,其余路径做为备选路径,在正常情况下mSCTP协议时通过主IP地址通信,当主IP地址所在网络状况出现问题时,选择备选IP地址中最好的做为主IP地址来传输数据。在基于传输层垂直切换的过程中传统的判决策选择还是基于信号强度(RSS),但是由于不同的网络其物理层所采用的技术是不同的,来自不同的网络的RSS会有很大的差异,依据信号强度作为垂直切换的唯一判决因素显然不能满足要求,这就要求在考虑信号强度因素的同时还要考虑其它因素,本文就是针对现有的传输层垂直切换技术,将一种基于行下文感知的垂直切换判决策略应用到切换当中,提高垂直切换的性能。
2 一种基于上下文感知的判决策略垂直切换技术
2.1 上下文感知的判决策略
上下文感知判决策略[7,8,9]是综合考虑移动终端、通信网络的背景信息以及用户偏好,以便采取更加智能、更好的判决。基于上下文感知的判决策略主要分为两个主要部分:上下文背景资料库和自适应性管理。其中上下文背景资料库主要是收集,管理和评估来自网络不同部分的上下文背景信息;而自适应性管理是基于上下文背景变化和切换执行的自适应调整,负责垂直切换判决过程。以规则为基础,通过评估终端的位置变化和当前网络与备选网络的QOS分别来决定何时触发切换操作以及切换到哪一个网络。基于上下文感知的判决决策算法如图2所示。
首先搜集决策相关的信息(终端信息、网络信息、用户偏好);然后使用AHP(层次分析法)[10]和SAW(简单加权)分析策略分析决策信息,选择最合适的接入网络,具体是先查找上下文背景信息库,看是否有相同的案例,如果有的话,可以通过已有的案例直接进入连接切换管理过程,否则进行AHP计算,计算出当前可用网络的网络权值,然后结合用户喜好通过SAW得出最合适的接入网络;最后连接管理为每个通信连接进行垂直切换决策,在切换过程中控制移动节点和网络的行为,维护连接信息表。基于上下文感知的系统结构如图3所示。
图中的物理层和链路层主要提供(RSS、带宽、时延、抖动)等一些网络参数,a表示这些测量参数值的变化触发切换决策,而b表示基于用户偏好的主动触发,来实现网络的选择。
2.2 层次分析法规范网路参数权值(AHP)
AHP把要解决的问题分层系列化,根据问题的性质和要达到的目标,将问题分解为不同的组成因素,按照因素之间的相互影响和隶属关系将其分层聚类组合,形成一个递阶的、有序的层次模型。然后,对模型中每一层次因素的相对重要性,依据人们对客观现实判断给予定量表示,再利用数学方法确定每一层次全部因素相对重要性次序的权值。最后,通过综合计算各因素相对重要性的权值,得到最低层(方案层)相对最高层(总目标)相对重要性次序的组合权值,以此作为评价和选择方案的依据。本文选取网络带宽、网络延时、和网络信号强度三种网络参数作为评价的依据来对网络进行判断决策,具体步骤如下。
(1)建立层次结构模型。将最优切换目标网络(A)、网络带宽(B1)、网络延迟(B2)、收费(B3)、WLAN和UMTS等因素按照不同属性自上而下地分解成三层次。其中,最优切换目标网络为目标层。网络带宽、网络延迟和收费为指标层,它们从属于目标层或对目标层有影响。WLAN和UMTS为方案或对象层,如图4所示。
(2)构造判断矩阵。对从属于目标切换网络的网络信号强度、网络延迟和网络带宽用1-9及其倒数的标度方法构造A-B判断矩阵C。其中,b1,b2和b3分别是移动用户根据1-9及其倒数的标度方法对B1,B2和B3等网络参数变量的不同取值。网络参数变量的不同取值反映了移动用户对各因素相对重要性(或优劣、偏好、强度等)的认识。
(3)计算权值向量并做一致性判断。当CR<0.1时,判定判断矩阵具有满意一致性,否则需要从新构造判断矩阵,其中CR=CI/RI,CI为判断矩阵C的一致性指标,与A最大特征根λmax有关。设权值向量为W,最大特征根为λmax,则:CW=λmaxW。其中,,则计算矩阵C的最大特征根
若(λmax)=3,则判断矩阵具有完全一致性。其中RI的值由表3给出,若CR<0.10,则判断矩阵具有满意的一致性,否则需要调整判断矩阵,并使之具有满意的一致性。经过以上步骤后,权值向量{W1,W2,W3}即为相应网络权重。
得到各可选网络权重之后,由于每种网络提供的服务质量、网络价格等存在差异性,用户对网络的选择存在着主关的因素,因此算法结合用户的偏好,采用简单加权法,求出各个网络的最终网络权重。通过简单加权(SAW)公式计算,选择加权和最高的网络为切换的目标网络,具体表示为:
fiWi,且 Wi=1其中,fi为垂直切换决策中涉及的因素i对应的度量值,Wi为其对应的权重值。
2.3 实现过程
本文的网络环境选择基于UMTS与WLAN有重合区域的异构网络环境,移动端点正从WLAN所覆盖的区域向UMTS覆盖区域移动,移动终端在移动的过程中收集网络以及用户各方面信息,通过判决策略,判断当前网络是否需要进行切换,如果需要切换则启动切换,切换到目标网络中。
假设移动终端同时拥有两个接口,分别是UMTS及WLAN接口,其IP地址分别为UMTS IP及WLAN IP,且MT从WLAN网络移动到UMTS网络(垂直向上切换)。通信对端CN只有一个IP地址Server IP。网络拓扑图如图5所示,采用松耦合结构。
基于上下文感知判决策略的mSCTP垂直切换技术实现UMTS/WLAN网络间向上垂直切换的过程如下。
(1)移动节点MN在访问接入点AP的信号覆盖区域分配到地址WLAN IP,并且MN在WLAN网络中与CN建立SCTP关联,SCTP初始化程序将WLAN IP设置为它的主IP地址并通过WLAN IP与CN进行通信。
(2)MN在通信的过程中同时搜集与决策判断相关的信息,查找上下文信息库,看是否有相同的案例,如果上下文数据库中有的话,可以通过已有的案例直接进入连接管理切换过程,否则使用AHP和SAW分析策略分析决策信息,选择最合适的接入网络。然后从新网络中获取新的IP地址(通过DHCP或别的方式从即将要接入的UMTS网络中获得一个新的IP地址UMTS IP,WLAN IP必须通过某种方式通知SCTP协议栈,SCTP将WLAN IP与现有的SCTP关联进行绑定。
(3)增加新的IP地址到SCTP关联。MN获得UMTS IP地址后,将其加入到自己的IP地址列表中,并向CN发送带有AddIPAddress参数的地址配置变化ASCONF消息,通知CN将该地址加入到当前的关联中,CN向MN发送ASCONF-ACK进行确认。将会给移动终端一个确认消息ASCONF-ACK。
(4)MN继续向UMTS的AP覆盖区域移动,由于WLAN网络不可用,需要改变其主用地址为当前通信的IP地址,将UMTS IP作为它的主IP地址,这一过程是通过向CN发送带有SetPrimaryAddress参数的ASCONF消息实现的,CN收到这一消息,也会给移动终端一个确认消息ASCONF-ACK,当将UMTS IP设置为主IP地址后,移动终端就可以通过UMTS网络与CN进行通信。
(5)从SCTP关联中删除旧的IP地址。MN继续移动,地址UMTS IP可能会因为BS所覆盖区域信号强度减弱而变得不可用时,移动终端必须将地址列表中的UMTS IP地址删除,这是通过发送带有DeleteIPAddress参数的ASCONF消息实现的,之后CN会给移动终端发送一个确认消息ASCONF-ACK。当移动终端(或Server)成功地从WLAN网络接收到Server(或移动终端)发送的第一个数据包时,切换完成。同时重复以上切换过程,当MN继续保持移动,进入到其他的接入点所覆盖的区域时,相同的切换过程将重复执行。切换过程如图6所示。图中,实线代表数据的传输,虚线代表信令的传输。
3 仿真分析
本文仿真环境采用NS2仿真软件,通过修改现有移动SCTP垂直切换的判决策略,提高垂直切换的性能,仿真实现了WLAN网络到UMTS网络的垂直切换,并根据切换过程中的吞吐量、丢包率、延时等参数,比较基于移动SCTP和基于上下文感知的mSCTP垂直切换性能。
图7是应用mSCTP和基于上下文感知判决策略的WLAN/UMTS网络垂直切换的吞吐量统计情况,从图中可以看出,基于上下文感知的垂直切换的吞吐量要略微高于基于MSCTP的垂直切换,这是由于通过引入基于上下文感知的垂直切换判决策略,系统在切换的过程中更加稳定,切换效率得到提高,性能得到提升,延时也得到了改善。
表1为分别应用mSCTP垂直切换技术和基于上下文感知的垂直切换技术实现垂直切换的时延以及切换时丢包率的比较。显然应用基于上下文感知的垂直切换技术实现切换时延要小。
4 结束语
通过对目前的mSCTP协议进行修改,并且引入了基于上下文感知的垂直切换技术,提高了异构网络中的垂直切换性能,由于基于上下文感知的垂直切换判决策略是综合考虑移动终端、通信网络的背景信息以及用户偏好,采取更加智能的判决,使得垂直切换的目标发现,判决决策和切换执行三个阶段得到有效融合,提高了垂直切换的时延和吞吐量。
参考文献
[1]陈山枝,时岩,胡博.移动性管理理论与技术[M].电子工业出版社,2007.
[2]Standards Track[S].Stream Control Transmission Protocol.IETF,RFC 2960,2000.
[3]陆摩西.SCTP协议关键技术研究及其实现[D].上海交通大学博士论文,2008.
[4]Dong-Phil Kim,Seok-Joo Koh.Analysis of Handover Lantency forMobile IPv6 and Msctp[J].Journal of information processing sys-tems 2008,4(3).
[5]Seok J Koh.Mobile SCTP(mSCTP)for IP Handover Support[Z].Kyungpook National University,April 2006.
[6]Aparna Kanungo,Janani T.Dynamic IP reconfiguration in StreamControl Transmission Protocol[Z].School of Computer Science&Engineering Anna University,2006.
[7]Christian Prehofer,Nima nafisi.A Framework for Context-awareHandover Decisions[C].The 14 IEEE Ineternational SymposiumonPersonal,Indoor and Mobile Radio Communication Proceedings,2003:1-7.
[8]Wen Chih-Chao,Wu Cheng-shng,Lee Wu-Shian.A Context-AwareHondoff Scheme and All-IP Mobile Multicast Service for HeterogeneousWireless Networks[Z].Department of Electrical Engineering NationalFormosa University Huwei,Taiwan R.O.C,2009 IEEE[1].
[9]Jae-Young Pyun.Context-Aware Streaming Video System for VerticalHandover over Wireless Overlay Network,2008[Z].