王澤宏 劉建華 洪宇庭 鄭思浩

摘要：車輛自組織網(wǎng)絡(luò)（ vehicle ad hoc network.VANET）是一種新興的物聯(lián)網(wǎng)技術(shù)，由于車輛存在著當(dāng)前速度、剩余油量等獨有的上下文條件，提出了一套基于VANET中間件的車輛服務(wù)推薦系統(tǒng)。通過車輛與路邊單元（RSU）之間的通信獲取服務(wù)信息，基于當(dāng)前車輛上下文與用戶偏好，憑借智慧車輛自身的計算能力進(jìn)行服務(wù)的篩選。測試結(jié)果表明，該系統(tǒng)具有良好的可行性，其產(chǎn)生的推薦信息將隨著用戶的使用而越來越符合用戶偏好。

關(guān)鍵詞：Android;移動App;車聯(lián)網(wǎng);物聯(lián)網(wǎng);推薦系統(tǒng)

中圖分類號：TP393 文獻(xiàn)標(biāo)識碼：A i

文章編號：1009-3044（2020）22-0090-04

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

1 背景

車輛自組織網(wǎng)絡(luò)（ vehicle ad hoc network，VANET）是一種新型的物聯(lián)網(wǎng)技術(shù)，是互聯(lián)網(wǎng)汽車、智能駕駛技術(shù)[1]、智慧交通[2]的重要組成部分，吸引了越來越多來自工業(yè)界和學(xué)術(shù)界的關(guān)注。車輛自組織網(wǎng)絡(luò)由四個部分組成，分別是車輛節(jié)點、路邊通信單元（RSU）、邊緣計算節(jié)點和軟件定義的云平臺。目前的研究主要集中在感知數(shù)據(jù)收集[3]、網(wǎng)絡(luò)安全通信[4]、安全駕駛[5]等領(lǐng)域，但是隨著車聯(lián)網(wǎng)的發(fā)展，車聯(lián)網(wǎng)中的信息激增也成了一個不可忽視的問題，如何根據(jù)用戶的需求為用戶推薦個性化的服務(wù)也隨之成為了一個急需解決的難題。

隨著科技的進(jìn)步，當(dāng)前車輛搭載了各式傳感器，例如速度傳感器，位置傳感器，距離傳感器等，同時，智能車輛自身的計算能力也不斷加強(qiáng)，有了較為可觀的計算和存儲能力。由于不同品牌的車輛架構(gòu)存在異構(gòu)性，需要設(shè)計一個中間件[6]來統(tǒng)一車輛底層設(shè)備和應(yīng)用程序之間的接口。

中間件是一個位于操作系統(tǒng)和應(yīng)用程序之間的軟件，提供與應(yīng)用程序相關(guān)聯(lián)的API，具有可運行在多種硬件或平臺的特點。它接收并處理傳感器收集的信息而后將其發(fā)送給應(yīng)用程序。中間件實現(xiàn)了一個上層應(yīng)用在多種車輛架構(gòu)上的使用。當(dāng)前對于上下文感知中間件[7]的研究較多，楊倩等人[8]提出了一種基于上下文的VANET服務(wù)推薦中間件。

本文對車輛服務(wù)推薦進(jìn)行需求分析，通過基于車輛上下文的中間件實現(xiàn)車輛服務(wù)推薦系統(tǒng)。由于Android平臺的可移動性，我們通過Android平臺模擬車輛節(jié)點。通過Java設(shè)計后臺接口，用Java EE模擬路邊通信單元，存儲總服務(wù)集。通過An-droid應(yīng)用與Java EE的交互模擬車輛與路邊通信單元間的通信（ vehicle-to-infrastructure， V21）.

2 需求分析

目前對于實體服務(wù)的選擇主要依靠移動客戶端（如手機(jī)）對于服務(wù)進(jìn)行查詢。這種方式會導(dǎo)致兩種問題的發(fā)生：1）用戶處于駕駛狀態(tài)時，使用移動客戶端會產(chǎn)生一定的安全隱患;2）移動客戶端不能收集車輛特有的上下文信息（如油量，速度，行駛路線等），因此無法提供同車輛上下文相匹配的服務(wù)，降低了用戶的個性選擇能力，可能使用戶滿意度較低或服務(wù)不合理。

車輛服務(wù)推薦系統(tǒng)同常見的服務(wù)推薦系統(tǒng)不同。在一般的服務(wù)推薦系統(tǒng)中，用戶僅需要根據(jù)自身偏好在大量同種推薦項中選擇其一。而在車輛服務(wù)推薦系統(tǒng)中，系統(tǒng)需要收集車輛特有的上下文信息作為輸入，計算出最合理的服務(wù)集。這種服務(wù)推薦系統(tǒng)受上下文影響較大，且對精確性和實時性的要求也較高。Woerndl等人[9]提出了一種基于上下文的加油站推薦應(yīng)用。

我們的目標(biāo)是實現(xiàn)基于上下文的服務(wù)推薦，考慮到不同車輛的底層異構(gòu)性，我們需要設(shè)計一個中間件來實現(xiàn)該系統(tǒng)在不同品牌車輛上的部署。

該中間件將車輛當(dāng)前上下文信息和用戶服務(wù)偏好作為輸入信息，獲取符合用戶偏好的服務(wù)集，并將之傳遞給上層應(yīng)用，以此實現(xiàn)服務(wù)推薦系統(tǒng)在擁有不同底層架構(gòu)的車輛上的運行。

其流程如圖1所示，主要步驟為：1）過濾服務(wù)信息;2）進(jìn)行服務(wù)的顯示;3）進(jìn)行服務(wù)的評分。

其中核心部分為由中間件處理的過濾部分，分為三層過濾，分別為基于服務(wù)類型的過濾、基于上下文的過濾和基于用戶偏好的過濾。中間件執(zhí)行完服務(wù)過濾后將推薦集傳給應(yīng)用程序，由應(yīng)用程序顯示。當(dāng)用戶挑選一個推薦的服務(wù)節(jié)點后可進(jìn)行打分，隨后打分信息同該服務(wù)節(jié)點所提供的服務(wù)一同存人歷史記錄中。歷史記錄存儲在車輛節(jié)點的數(shù)據(jù)庫中，系統(tǒng)空閑時通過歷史記錄計算用戶偏好模型，使服務(wù)推薦更加快捷精確。

3 系統(tǒng)框架設(shè)計

車輛服務(wù)推薦系統(tǒng)是在車聯(lián)網(wǎng)環(huán)境下的一種服務(wù)推薦系統(tǒng)。同傳統(tǒng)的服務(wù)推薦系統(tǒng)不同，其受車輛上下文的影響較大，對于精確性和實時性的要求較高。該系統(tǒng)運行在車輛節(jié)點中，根據(jù)車輛上下文信息和用戶偏好推薦服務(wù)。

3.1 流程設(shè)計

我們將實現(xiàn)基于上下文的服務(wù)推薦系統(tǒng)，其流程如圖2所示。系統(tǒng)分為兩個部分，離線部分和在線部分。其主要步驟如下：1）收集上下文信息和用戶偏好模型;2）通過請求的服務(wù)類型過濾服務(wù);3）通過車輛上下文過濾服務(wù);4）通過用戶偏好過濾服務(wù);5）對本次服務(wù)進(jìn)行評分。

在線部分同RSU進(jìn)行交互，以此獲得總服務(wù)集。通過中間件接收車輛的當(dāng)前速度、當(dāng)前油量、當(dāng)前位置、要請求的服務(wù)等上下文信息。首先根據(jù)請求的服務(wù)類型進(jìn)行過濾，獲取RSU數(shù)據(jù)庫中與請求的服務(wù)類型相同的項。而后根據(jù)車輛的上下文信息進(jìn)行進(jìn)一步的過濾，采用QoS優(yōu)先的服務(wù)選擇策略，優(yōu)先考慮距離的影響，計算當(dāng)前車輛可行駛的最大距離和服務(wù)點同車輛之間的距離，篩選可到達(dá)的服務(wù)點。最后根據(jù)用戶偏好模型進(jìn)行過濾，計算用戶偏好模型和服務(wù)點服務(wù)模型的相似度，以此來挑選最合適的三個服務(wù)節(jié)點。

離線部分使用VANET中間件收集上下文信息和用戶偏好模型并將之發(fā)送給在線部分，獲取推薦的服務(wù)。用戶偏好模型以五維圖的形式構(gòu)建，通過

用戶過往的評價計算得出。由于車輛推薦服務(wù)對于精確性和實時性的要求，我們將用戶歷史記錄存儲在車輛節(jié)點中，當(dāng)車輛節(jié)點空閑時即可計算用戶偏好模型，減少服務(wù)推薦的時間消耗。

當(dāng)用戶獲取推薦的服務(wù)節(jié)點后，可以對該服務(wù)進(jìn)行打分，該分?jǐn)?shù)會同節(jié)點提供的服務(wù)等級一同存人歷史記錄數(shù)據(jù)庫中。隨著歷史數(shù)據(jù)量的增加，該服務(wù)推薦系統(tǒng)會進(jìn)一步滿足用戶的偏好。

3.2 架構(gòu)設(shè)計

根據(jù)車輛推薦服務(wù)的需求，進(jìn)行中間件的架構(gòu)設(shè)計，如圖3所示。該中間件由通信模塊、控制模塊、服務(wù)模塊和設(shè)備模塊組成。

通信模塊負(fù)責(zé)與RSU通過WLAN進(jìn)行通信，從RSU的數(shù)據(jù)庫中獲取總服務(wù)集并實現(xiàn)對于服務(wù)類型的過濾。利用OSGi[10]面向服務(wù)的設(shè)計模型，將車載設(shè)備和VANET應(yīng)用進(jìn)行解耦，將該中間件作為底層設(shè)備和應(yīng)用程序之間的紐帶，同過車輛特有的上下文信息和智慧車輛充足的車輛存儲、計算資源進(jìn)行服務(wù)過濾與選擇。

系統(tǒng)中的設(shè)備模塊控制車輛傳感器與嵌入式車載設(shè)備（如GPS、速度傳感器、攝像頭等）并收集傳感器獲得的信息c如當(dāng)前位置、當(dāng)前速度、剩余油量、行駛方向等）。在線服務(wù)階段，設(shè)備模塊將封裝收集的信息并將之發(fā)送給推薦模塊。設(shè)備模塊解決了車輛底層異構(gòu)的問題，即使車輛底層架構(gòu)存在不同，設(shè)備模塊也可以從不同的設(shè)備中收集、封裝需要的信息并發(fā)送給推薦模塊。

服務(wù)模塊負(fù)責(zé)系統(tǒng)中的邏輯控制和主要功能的實現(xiàn)。處于在線狀態(tài)時，服務(wù)模塊從RSU中獲取數(shù)據(jù)，進(jìn)行第一輪的基于服務(wù)類型的過濾。而后其收集上下文信息，通過上下文進(jìn)行比對來進(jìn)行第二輪的過濾。最后，使用已計算出的用戶偏好模型進(jìn)行相似度過濾，并算出相似度，將相似度前三的項發(fā)送給應(yīng)用模塊。離線階段，服務(wù)模塊自行通過過往的評價計算用戶偏好模型。這種分配可以減少時間的消耗，降低計算資源空閑的概率，滿足車輛服務(wù)推薦系統(tǒng)的實時性與精確性。控制模塊負(fù)責(zé)和應(yīng)用程序進(jìn)行交互。在線服務(wù)階段，用戶根據(jù)推薦服務(wù)列表選擇適合自己偏好的服務(wù)，實現(xiàn)服務(wù)的綁定。在離線階段，用戶對此次服務(wù)進(jìn)行打分，并打分的結(jié)果存人過往評價數(shù)據(jù)庫中。

4 系統(tǒng)實現(xiàn)

該系統(tǒng)的思想是開發(fā)一個輕量級的嵌入式服務(wù)過濾軟件部署到智能車輛上，使得用戶可以根據(jù)車輛當(dāng)前狀況和個人偏好獲得服務(wù)推薦。

4.1 控制模塊

在控制模塊中，系統(tǒng)負(fù)責(zé)實現(xiàn)接收用戶的查詢請求并獲取用戶信息功能。圖4所示為控制模塊及其各組件之間的邏輯關(guān)系。其中包括用戶節(jié)點（ Cliem）、控制器（ServerController）以及服務(wù)模塊接口（ DataService）。

控制器是控制模塊的核心組件，其包含兩個方法：

1）獲取推薦服務(wù)（ getService）。該方法通過調(diào)用服務(wù)模塊中的接口來獲取推薦服務(wù)集。該服務(wù)集由服務(wù)模塊中的策略決定，服務(wù)模塊中的策略不同，獲得的服務(wù)集也不相同。例如，當(dāng)服務(wù)模塊采用綜合評分選擇策略（average rating selection，ARS）時，用戶將根據(jù)網(wǎng)上綜合評價的高低來選擇服務(wù)。同時，該方法屬于在線服務(wù)范疇。若用戶處于離線狀態(tài)，此方法將無法正常工作。

2）打分功能（rate）。該方法通過調(diào)用服務(wù)模塊中的過往記錄模塊來進(jìn)行對此次查詢的評價，并將該評價存人歷史記錄數(shù)據(jù)庫中。當(dāng)系統(tǒng)處于空閑狀態(tài)時，將自動根據(jù)歷史記錄來計算用戶偏好模型。

當(dāng)用戶發(fā)出查詢請求時，系統(tǒng)通過設(shè)備模塊將服務(wù)類型、當(dāng)前速度、剩余油量、當(dāng)前位置等信息傳遞給控制模塊，控制模塊將其封裝為Data類后傳遞給服務(wù)模塊，由服務(wù)模塊進(jìn)行處理，獲得服務(wù)集。而后通過相似度排序，按降序取相似度前三的服務(wù)組成推薦服務(wù)集并返回車載應(yīng)用。用戶選擇一項符合自身偏好的服務(wù)并對其打分。隨后若用戶沒有沒有再一次使用該服務(wù)推薦系統(tǒng)，系統(tǒng)將立即計算用戶偏好模型。

4.2 服務(wù)模塊

在服務(wù)模塊中，系統(tǒng)負(fù)責(zé)實現(xiàn)服務(wù)的查詢功能。其中，主要包含一個服務(wù)查詢接口（ DataService）和幾個子服務(wù)模塊，如上下文模塊（ ContextService）、用戶偏好模塊（PreferenceService）等。其邏輯關(guān)系如圖5所示。

主服務(wù)模塊（ MainService）實現(xiàn)了數(shù)據(jù)服務(wù)（DataService）接口。主模塊關(guān)聯(lián)四個子模塊，分別是：1）服務(wù)過濾模塊;2）上下文過濾模塊;3）用戶偏好過濾模塊;4）用戶偏好模型模塊。其中用戶偏好模型模塊實現(xiàn)了一個用戶偏好模型接口，增加用戶偏好模型的擴(kuò)展性。用戶偏好模型默認(rèn)通過五維圖的形式實現(xiàn)。服務(wù)過濾模塊對服務(wù)的類型進(jìn)行過濾，即負(fù)責(zé)從RSU的數(shù)據(jù)庫中查找服務(wù)并進(jìn)行服務(wù)類型的過濾。上下文過濾模塊通過車輛當(dāng)前上下文進(jìn)行過濾，默認(rèn)通過距離過濾的方式實現(xiàn)，即計算當(dāng)前車輛可行駛的最大距離和服務(wù)點與當(dāng)前車輛的距離，將車輛可到達(dá)的服務(wù)節(jié)點存入服務(wù)集并進(jìn)行下一輪過濾。用戶偏好過濾模塊通過用戶偏好進(jìn)行過濾，用戶偏好通過用戶偏好模型模塊獲得。

當(dāng)控制模塊發(fā)送給服務(wù)模塊查詢請求后，服務(wù)模塊首先將四個子服務(wù)模塊初始化，提取獲得的Data類的數(shù)據(jù)，依次執(zhí)行服務(wù)類型過濾、上下文過濾、獲得用戶偏好模型和通過用戶偏好過濾。過濾后的服務(wù)集返回主服務(wù)模塊，主服務(wù)模塊將剩余的服務(wù)項組成服務(wù)集返回控制模塊。

4.3 流程控制

系統(tǒng)的流程由前端應(yīng)用、設(shè)備模塊、控制模塊、服務(wù)模塊和執(zhí)行進(jìn)程共同控制。其中設(shè)備模塊、控制模塊、服務(wù)模塊與執(zhí)行進(jìn)程屬于中間件的部分。

當(dāng)前端應(yīng)用啟動后，首先啟動中間件的設(shè)備模塊部分，隨時監(jiān)視車輛當(dāng)前上下文的變化。同時，從內(nèi)存中獲取用戶偏好模型或重新計算用戶偏好模型并存入內(nèi)存中。后續(xù)流程如圖6所示，當(dāng)前端應(yīng)用發(fā)送服務(wù)查詢請求后，控制模塊與服務(wù)模塊啟動，中間件中的設(shè)備模塊獲取車輛當(dāng)前上下文信息并傳遞給控制模塊?？刂颇K收到消息后將上下文信息封裝并傳遞給服務(wù)模塊。服務(wù)模塊通過額外的執(zhí)行進(jìn)程進(jìn)行服務(wù)過濾，將結(jié)果傳給控制模塊，控制模塊選取相似度前三的服務(wù)項組成服務(wù)集，隨后將結(jié)果傳到前端應(yīng)用。用戶根據(jù)自己的偏好從三者中選擇一項，此時車輛會進(jìn)行自動的導(dǎo)航。

當(dāng)一次任務(wù)執(zhí)行完成后，用戶可進(jìn)行打分。打分時需要重新啟動控制模塊和服務(wù)模塊。前端應(yīng)用將打分信息傳給控制模塊，控制模塊調(diào)用服務(wù)模塊中的歷史記錄模塊，并將該打分存人歷史記錄數(shù)據(jù)庫中。

4.4 應(yīng)用配置

為了使系統(tǒng)更加靈活，用戶可以根據(jù)自身需求配置參數(shù)。配置文件分為服務(wù)模塊配置文件和系統(tǒng)配置文件。服務(wù)模塊配置提供對服務(wù)模塊運行時的配置，與用戶可以根據(jù)自身需求調(diào)整根據(jù)上下文推薦算法的參數(shù)或者調(diào)整用戶偏好模型的計算方式。系統(tǒng)配置文件包括對服務(wù)模塊的配置和全局配置。用戶可自行調(diào)整服務(wù)模塊的實現(xiàn)方式，以滿足特定的需求。

5 測試結(jié)果與分析

圖7為前端應(yīng)用程序通過中間件獲取推薦項的過程。圖7（a）表示應(yīng)用的前端界面。我們采用直接輸入信息的模式來模擬汽車行駛時的上下文環(huán)境。其下6項分別代表娛樂設(shè)施、加油站、購物中心、洗手間、美食和醫(yī)院。點擊一項后即可將數(shù)據(jù)傳遞給中間件并查詢。圖7（b）為點擊了醫(yī)院項之后回傳的內(nèi)容。第一列顯示推薦的服務(wù)地點名稱，第二列顯示該服務(wù)與當(dāng)前地點之間的距離。

圖8為查看服務(wù)詳細(xì)信息與打分的過程。在圖7（b）中點擊第一項即可進(jìn)入圖8（a）的界面。圖8（a）中顯示了該服務(wù)點的名稱、經(jīng)緯度、和自身的距離以及五項服務(wù)的標(biāo)準(zhǔn)。用戶可以依次查看三個推薦項，比較距離與各項標(biāo)準(zhǔn)，以此來選出符合自身偏好的服務(wù)點。

用戶在圖8（a）中的單選框中選擇一個數(shù)字并點擊提交按鈕即為提交了本次服務(wù)的評分。該評分會寫入歷史記錄數(shù)據(jù)庫中，應(yīng)用在空閑時會自動通過該數(shù)據(jù)庫中的歷史記錄計算用戶偏好模型。點擊提交后，界面跳回首頁，通過Toast做出提示信息。完成以上一系列步驟，即為完成一次服務(wù)周期。同樣，用戶可以根據(jù)自身需要進(jìn)行下一次的查詢。

6 結(jié)束語

本文以Android平臺模擬智能車輛節(jié)點，使用Java EE模擬RSU，研究并實現(xiàn)了基于中間件的車輛服務(wù)推薦系統(tǒng)。該系統(tǒng)的主要創(chuàng)新點在于考慮了車輛行駛環(huán)境上下文的同時將于用戶偏好列入篩選條件，解決了傳統(tǒng)推薦系統(tǒng)并未同時考慮個性化與車輛行駛上下文的問題，提高服務(wù)推薦的成功概率。

后續(xù)研究包括：1）進(jìn)一步調(diào)整用戶偏好模型算法，尋找更能體現(xiàn)用戶偏好的模型;2）加入用戶歷史數(shù)據(jù)分析策略，為具有相似偏好模型的用戶主動推送服務(wù)，進(jìn)一步提高用戶滿意度。

參考文獻(xiàn)：

[1] Cheong H W， Lee H.Technology and policy strategies in theera of CPS （cyber physical system） and automated driving[J].Procedia Computer Science， 2017（122）： 102-105.

[2]趙娜，袁家斌，徐晗.智能交通系統(tǒng)綜述[J].計算機(jī)科學(xué)，2014，41（11）： 7-11，45.

[3] Zhang B，Liu C H，Tang J，et al-Leaming-based energy-effi-cient data collection by unmanned vehicles in smart cities[J].IEEE Transactions on Industrial Informatics， 2018， 14（4）：1666-1676.

[4] Zhang G C，Wu Q Q，Cui M， et al.Securing UAV commumca-tions via joint trajectory and power control[J]. lEEE Transac-tions on Wireless Communications， 2019， 18（2）： 1376-1389.

[5] Yu J D，Chen Z Y，Zhu Y M， et al.Fine-grained abnormaldriving behaviors detection and identification with smartphones[J]. IEEE Transactions on Mobile Computing， 2017， 16（8）：2198-2212.

[6]周園春，李淼，張建，等.中間件技術(shù)綜述[J]。計算機(jī)工程與應(yīng)用，2002， 38（15）： 80-82.

[7]劉俊，樂紅兵.基于上下文感知移動中間件的研究與設(shè)計[J].微計算機(jī)信息，2006， 22（34）： 294-296.

[8]楊倩，羅娟，劉暢.基于上下文的VANET服務(wù)推薦中間件[J].計算機(jī)研究與發(fā)展，2017， 54（9）： 1992-2000.

[9] Woerndl W， Eigner R.Collaborative， context-aware applica-tions for internetworked cars[C]//16th lEEE InternationalWorkshops on Enabling Technologies： Infrastructure for Col-laborative Enterprises （WETICE 2007）. 18-20 June 2007，Evry， France. lEEE， 2007： 180-185.

[10] Luo J，Pan Q，He Z Y.VANET middleware for service shar-ing based on OSGI[J]. Computer Science and Information Sys-tems， 2015， 12（2）： 729-742.

[通聯(lián)編輯：謝媛媛]

基金項目：紹興文理學(xué)院2019年學(xué)生科研項目;浙江省大學(xué)生科技創(chuàng)新活動計劃（新苗人才計劃）項目

作者簡介：王澤宏（2000-），男，浙江杭州人，本科在讀;劉建華，副教授，研究方向為物聯(lián)網(wǎng)、網(wǎng)絡(luò)安全;洪宇庭，本科在讀;鄭思浩，本科在讀。