宮大鵬

摘 要：情境感知計算是近幾年來物聯(lián)網(wǎng)技術(shù)的研究熱點，合理的情境信息建模方法和工具的采用，是實現(xiàn)物聯(lián)網(wǎng)環(huán)境下情境感知的基礎(chǔ)。文章采用了基于本體的方法進行情境信息建模，并以物聯(lián)網(wǎng)環(huán)境下的智能實驗室為例，討論了情境信息的采集和篩選，對情境信息進行了基于本體的分級建模，這種方法對物聯(lián)網(wǎng)情境感知的研究具有一定的促進作用。

關(guān)鍵詞：物聯(lián)網(wǎng)；本體；情境信息建模

1 引言

物聯(lián)網(wǎng)情境感知計算中作為輸入的情境信息不像傳統(tǒng)的計算機應(yīng)用程序，通過一般的鼠標和鍵盤等設(shè)備獲得，而往往是通過多種分散在不同地方的傳感設(shè)備獲得。這些傳感設(shè)備通過網(wǎng)絡(luò)與計算實體相連接，從而將感知到的情境信息數(shù)據(jù)交由計算實體分析處理。因此，情境信息的異源性（由分散的多種傳感器獲得）、多樣性（類型有多種，比如位置、時間等等）、不完整性（傳感設(shè)備可能會突然發(fā)生故障而導(dǎo)致獲取的情境信息由偏差）等等特性會導(dǎo)致對其進行管理和再現(xiàn)是一項復(fù)雜的工作，因此需要對情境信息數(shù)據(jù)進行建模。情境信息模型向物聯(lián)網(wǎng)服務(wù)系統(tǒng)應(yīng)用屏蔽了情境信息的復(fù)雜性，有了這種支撐，物聯(lián)網(wǎng)情境感知計算就無需考慮如何組織由傳感器傳輸過來的情境信息，通過情境信息模型就可以方便的存儲、管理和讀取所需的數(shù)據(jù)。

2 相關(guān)工作

目前，在物聯(lián)網(wǎng)情境感知技術(shù)的研究成果中，針對情境信息建模的研究已經(jīng)得出一些重要的建模方法。情境信息建模方法從不同的角度可以分為不同的種類，從模型的應(yīng)用領(lǐng)域上來劃分，可以將模型分為通用模型和專用模型；從模型的組織和結(jié)構(gòu)的角度來劃分，可以分為混合模型和組合模型。無論情境信息建模如何分類，最終都是為了適合相關(guān)領(lǐng)域的。情境信息建模的一般步驟是：首先確定要建模的情境信息的應(yīng)用領(lǐng)域和范圍，然后分析相關(guān)領(lǐng)域的情境信息的特點以及應(yīng)用系統(tǒng)的性能指標要求，接著選擇一個適當?shù)那榫承畔⒔７椒ǎ⑹褂孟嚓P(guān)的建模工具對情境信息進行建模，最后進行相關(guān)的模擬實驗來仿真驗證，評估應(yīng)用系統(tǒng)的有效性。雖然在情境信息建模的方法研究上，不同領(lǐng)域的學(xué)者有著不同的理解，但在普適計算領(lǐng)域和物聯(lián)網(wǎng)技術(shù)領(lǐng)域，已經(jīng)出現(xiàn)了一些分類研究方法被大家所認可，比如Strang等人提出的幾種建模方法[1]：

（1）鍵值對模型（Key-Value Model）

這個模型采用的數(shù)據(jù)結(jié)構(gòu)比較簡單，大多使用在普適計算領(lǐng)域較為常用的一個關(guān)鍵字對應(yīng)一個值的結(jié)構(gòu)中。其主要特點是數(shù)據(jù)結(jié)構(gòu)簡單，因此優(yōu)勢就體現(xiàn)在數(shù)據(jù)的存儲和查找方面，但同樣是因為數(shù)據(jù)結(jié)構(gòu)單一，面臨比較復(fù)雜的情境信息的表示時就會暴露出表達力不足的缺點。另外，這種情境信息的表示也增加了系統(tǒng)在情境推理等處理時的難度。

（2）標記模式模型（Makeup Schema Model）

標記模式模型的特點是，通過采用分層的數(shù)據(jù)結(jié)構(gòu)以及屬性與內(nèi)容的組合標記方法來對情境信息進行建模。這種模型可運用反復(fù)的標記嵌套方式來表達一些較為復(fù)雜的情境信息，而且可以讓表示出來的情境信息序列化，其表達能力也較強。它的缺點在于，數(shù)據(jù)的復(fù)雜度可能會隨著過深的嵌套增加，這會增加后續(xù)情境信息處理的難度。

（3）面向?qū)ο竽Ｐ停∣bject Oriented Model）

面向?qū)ο竽Ｐ偷乃枷胧腔趯ο蟮姆庋b性和重用性。因為物聯(lián)網(wǎng)系統(tǒng)環(huán)境下的情境信息具有動態(tài)性特點，很多問題都是因為此特性所產(chǎn)生的，使用該模型給情境信息建模能在一定程度上解決情境信息的動態(tài)性所導(dǎo)致的種種問題。并且面向?qū)ο蟮慕？梢詫⑶榫承畔⒌奶幚矸绞胶芎玫碾[藏在實體對象里，與處理相關(guān)的情境信息就能夠通過開放的對外接口來訪問。

（4）空間模型（Space Model）

這種模型是一種突出表示空間信息的情境模型，因為在很多情境感知應(yīng)用中空間都是一種重要的情境信息，最開始人們甚至把情境直接理解為實體的位置（空間）?？臻g模型所用的空間信息可以是指物理實體（比如房間）的空間信息，也可以是指非物理實體（比如網(wǎng)絡(luò)中心）的空間信息。同時空間信息可以是預(yù)定義的靜態(tài)的數(shù)據(jù)，也可以是由傳感設(shè)備動態(tài)捕獲到的數(shù)據(jù)，后者通常是通過坐標值來表示實體的空間信息，比如GPS導(dǎo)航就是這種模型的典型應(yīng)用之一。

上述幾種情境信息建模的方法都各有特點，但同時都存在一定的局限性。鍵值對模型和標記模式模型的表達能力較弱，且推理支持也比較少，所以不能用于描述復(fù)雜的情境信息；面向?qū)ο竽Ｐ腿狈`活性，在描述簡單情境時往往會顯得有些冗余；而空間模型對領(lǐng)域的依賴性較大，對情境感知計算的通用性比較差。因此需要研究人員結(jié)合多種模型的優(yōu)點，來設(shè)計出一種新的情境建模方法來達到靈活描述情境信息的目的。

3 一種基于本體的物聯(lián)網(wǎng)情境信息建模方法

經(jīng)過對現(xiàn)有的情境感知比較分析和探索研究，目前最為理想的情境信息建模方式就是基于本體的模型，這是一個比較成功并且具有前景的情境信息建模方法。這源于本體的表達能力較強，形式化程度較高，描述語言語法的完整嚴密的特點。因為本體具備了強大的描述能力和一致性的語義表達以及 W3C 提供了相關(guān)的支持[2]，使得其可以描述相對復(fù)雜的情境，成為大部分研究人員建模情境的首選方法，也為物聯(lián)網(wǎng)情境感知計算奠定了基礎(chǔ)。

3.1 情境信息的采集

本文以高等院校的智能實驗室為例，設(shè)計了可供物聯(lián)網(wǎng)服務(wù)系統(tǒng)情境感知計算所使用的情境信息。智能實驗室的基本設(shè)施如圖1所示，由于是以學(xué)校的普通教學(xué)實驗室為原型的，所以應(yīng)用范圍限制在多人共用的實驗室領(lǐng)域。該實驗室以實驗室的用戶為中心，其物聯(lián)網(wǎng)系統(tǒng)最終的目的就是更好地為用戶提供主動的、無縫的、個性化的服務(wù)。因此所采集的情景信息既要考慮現(xiàn)有的物聯(lián)網(wǎng)識別技術(shù)，也要兼顧到系統(tǒng)所在環(huán)境的情景信息種類。

首先，通過門禁系統(tǒng)獲取實驗室用戶的信息，讀卡器讀取用戶的Badge信息，可將用戶分為兩大類：授權(quán)用戶和未授權(quán)用戶。授權(quán)用戶可使用實驗室的任何教學(xué)設(shè)備，包括實驗室的使用者老師、學(xué)生和設(shè)備管理人員；未授權(quán)用戶是指擁有Badge卻無權(quán)使用教學(xué)設(shè)備的用戶，比如清潔工等。同時，用戶的Badge包含了用戶的個人信息，比如職業(yè)（老師、學(xué)生或者清潔工等），年齡，性別等。

實驗室用戶除了Badge已登記的個人信息，用戶攜帶的設(shè)備也可以采集到用戶自身的情境信息，比如目前廣泛使用的智能手機，其攜帶的重力感應(yīng)器可以提供用戶的速度、加速度信息，GPS芯片可以獲取用戶的位置、朝向等信息，還有藍牙、Wifi等等都可以為系統(tǒng)提供豐富的用戶信息。

此外，實驗室環(huán)境也為系統(tǒng)提供了豐富的情境信息，主要包括實驗室的一些客觀環(huán)境的物理參數(shù)，比如時間、室內(nèi)光照強度、室內(nèi)溫度、室內(nèi)噪音強度、室內(nèi)人員情況等。這些情境信息大多數(shù)直接通過相關(guān)的傳感器獲取，比如光照強度、溫度、噪聲等。但是有些信息可能需要一些簡單的推理，比如室內(nèi)人員的數(shù)量，就需要門禁系統(tǒng)通過計算出入的人員數(shù)量來得出結(jié)果。

智能實驗室系統(tǒng)所能獲取的情境信息如圖2：

圖2 智能實驗室情境信息舉例

3.2 情境本體建模的設(shè)計

通過上文介紹，已經(jīng)將智能實驗室中可供采集的情境信息基本概括了一遍，根據(jù)目前的傳感器技術(shù)和無線網(wǎng)絡(luò)通訊水平，研究人員可以很方便快捷的獲取所需的情境信息。但是，各種傳感器的情境信息數(shù)據(jù)量劇增，同時傳感器的種類、位置和數(shù)量以及獲取情境信息時間節(jié)點的推移導(dǎo)致所獲取的情境信息具有分布性、異構(gòu)性、動態(tài)性的特點，如何處理這些復(fù)雜的情境信息，是物聯(lián)網(wǎng)情境感知技術(shù)必須解決的問題。之前，通過對比分析現(xiàn)有的情境信息建模技術(shù)，本文采用了當前被業(yè)內(nèi)人士所廣泛認可的基于本體的情境信息建模方法。

本體建模就是指運用本體語言來對系統(tǒng)應(yīng)用領(lǐng)域中被普遍認可的知識進行抽象和歸納，最終通過本體構(gòu)造的概念，及概念之間的語義關(guān)系來標識其領(lǐng)域知識。本體的建模是要與其對應(yīng)領(lǐng)域相關(guān)的，Guarion[3]也提出過以對領(lǐng)域的依賴程度和詳細程度兩個維度將本體的種類劃分為頂層本體、領(lǐng)域本體、任務(wù)本體以及應(yīng)用本體的思想。因此，本體建模需要根據(jù)實際需要來處理與其領(lǐng)域的依賴程度，而抽象層次過高、通用性太強的本體模型反而可能會降低本體模型在特定專業(yè)領(lǐng)域的使用效率和實用性。

本文是用來面向物聯(lián)網(wǎng)計算領(lǐng)域的，所以首先需要構(gòu)建一個面向物聯(lián)網(wǎng)計算領(lǐng)域的抽象本體模型，其具體的物聯(lián)網(wǎng)服務(wù)系統(tǒng)應(yīng)用如智能實驗室在構(gòu)建系統(tǒng)應(yīng)用的情境模型時，將會在該抽象本體模型的基礎(chǔ)上進行具體化和定制服務(wù)。

圖3 智能實驗室的抽象情境信息本體模型圖

面向物聯(lián)網(wǎng)系統(tǒng)應(yīng)用的智能實驗室抽象情境本體模型如圖3所示，其情境本體是按照分層的思想來構(gòu)造的：首先構(gòu)造物聯(lián)網(wǎng)環(huán)境中的通用核心概念，我們稱之為領(lǐng)域本體層；然后再構(gòu)造針對特定的物聯(lián)網(wǎng)系統(tǒng)應(yīng)用的概念，我們稱之為應(yīng)用本體層。在領(lǐng)域本體層中，從領(lǐng)域抽象出來的概念我們用 OWL 類（owl：Class）來定義，并且對于該類所具有的數(shù)據(jù)類型屬性我們通過 OWL 數(shù)據(jù)屬性（owl：DatatypeProperty）來定義，而類之間的關(guān)系我們通過OWL對象屬性（owl：ObjectProperty）來定義。

物聯(lián)網(wǎng)環(huán)境下的智能實驗室系統(tǒng)服務(wù)是以人為中心的，因此首先需要構(gòu)造人的類，人具有姓名、ID、職業(yè)等數(shù)據(jù)屬性，根據(jù)校園實驗室用戶的職業(yè)可以將人這個類劃分為老師和學(xué)生兩個子類；同時，構(gòu)成智能實驗室的基礎(chǔ)要素是供給老師和學(xué)生學(xué)習(xí)、研究和實驗的設(shè)備，因此需要抽象出設(shè)備的類，于此同時設(shè)備又可進一步分為傳感器、計算機、電燈、空調(diào)等真實的設(shè)備和移動信息服務(wù)器等虛擬設(shè)備，并且我們可以通過OWL子類（rdfs：subClassOf）來表達這兩個抽象出來的設(shè)備子類與設(shè)備類的關(guān)系，同時，系統(tǒng)設(shè)備都具有某些通用的數(shù)據(jù)屬性，比如設(shè)備數(shù)量（比如計算機的臺數(shù)）、編號（無線路由器的編號）等數(shù)據(jù)屬性；而物理空間的位置也是非常重要的情境信息要素，我們可以通過位置類來標識此概念。如果再對物理空間位置進一步的抽象，還可分出室內(nèi)、室外這兩個子類。另外，設(shè)備和人都具有物理空間的位置，可通過對象屬性來表達設(shè)備與位置、人與位置的關(guān)系；同時行為是針對人所處當前場景來描述的概念，比如閱讀、行走、討論等，人與行為之間可以用對象屬性關(guān)聯(lián)。

4 結(jié)束語

本文首先介紹了情境的概念，通過情境信息的分類來介紹它的特點，結(jié)合其特點對比分析了幾種情境信息建模方法，體現(xiàn)出采用本體進行物聯(lián)網(wǎng)環(huán)境下情境信息建模的優(yōu)勢。然后分別針對情境信息模型中的語義信息和實例劃分進行詳細探究。在以后的工作中，我們通過運用Protégé等軟件進行建模實驗，驗證基于本體的情境信息建模對物聯(lián)網(wǎng)情境感知計算具有促進作用。

參考文獻

[1]Strang T， Linnhoff-Popien C. A context modeling survey[C]//Workshop Proceedings. 2004.

[2]Neches R， Fikes R E， Finin T， et al. Enabling technology for knowledge sharing[J]. AI magazine， 1991， 12（3）： 36.

[3]Guarino N. Semantic matching： Formal ontological distinctions for information organization， extraction， and integration[M]//Information Extraction A Multidisciplinary Approach to an Emerging Information Technology. Springer Berlin Heidelberg， 1997： 139-170.