物聯(lián)網(wǎng)情景感知技術(shù)研究

1、第卷 第期計 算 機 科 學(xué)年月物 網(wǎng)情景感知技 研究童恩 沈 強 雷 君 劉 宇 唐 暉（）中國科學(xué)院聲學(xué)研究所高性能網(wǎng) 室 北京摘 要 與互 網(wǎng)不同，物 網(wǎng)（，）通 各 通信技 將具有 、感知或者 行能力的物理 體互 ，形成了“物物互 ”的虛 網(wǎng) 。隨著 算機及通信技 的迅速 展， 算 源將遍布人 周 的 境，情景感知技 運而生。情景感知 得 感器采集的情景信息以后， 信息 行智能 理，自主地 用 提供服 。物 網(wǎng)具有海量信息的特性， 的情景信息 理方法已不再適用。 物 網(wǎng)情景感知技 行了 的介 ，首先 出情景和情景感知的概念及其研究 展和 用。然后， 合物 網(wǎng)特性，以情景感知流程 主 ，

2、探 了信息 取、建模和智能 理等內(nèi)容。最后，系 構(gòu)是情景感知的關(guān) ，因此 有的系 構(gòu) 行了分析和 比， 合物 網(wǎng) 境 述了當(dāng)前情景感知系 的不足之 ，并 出了情景感知系 的參考 構(gòu)。關(guān) 物 網(wǎng)，情景感知， 同感知中 法分 號 文獻(xiàn) （，） ，（），了的 告， 告 未來物 引言：年之前被廣泛 用于網(wǎng)的 展將 個 段物 網(wǎng)（， ）是一種通 各種接入技物流、零售和制 域，年 物體互 期；，；。日 將海量 子 與互 網(wǎng) 行互 的大 模虛 網(wǎng) 包年 半智能化 點 年之后 入全智能化 段括、 感器以及其他 行器的 子 通 互 網(wǎng)互 本、 國相 提出了“”和“” 目。隨后，互通、異構(gòu)信息 聚以后共同完成某

3、特定任 。大部分學(xué)提出“智慧地球”的概念，將物 網(wǎng)列 點研究內(nèi)容。國內(nèi)，（） “者 感網(wǎng)是物 網(wǎng)的 形 因此物 網(wǎng)的 生可以追溯國家中 期科學(xué)與技 展 劃年和 新一到年在美國召開的移 算和網(wǎng) 國 會 。 會 ”代 移 無 通信網(wǎng) 重大 中均將物 網(wǎng)列入重點研提出：“?！本?域。中科院早在年就啟 了 感網(wǎng)的研究。 感網(wǎng)是下一個世紀(jì)人類面臨的又一個發(fā)展機遇，年 在突尼斯 行的信息社會世界峰會上 國際電信聯(lián)年 溫家寶在無錫調(diào)研時 對中科院物聯(lián)網(wǎng)研究予以高度關(guān)（）：，、。盟 ， 內(nèi) 發(fā)布了 互聯(lián)網(wǎng)報告物聯(lián)網(wǎng)正式提注 提出了將物 網(wǎng)中心 在無 射全國的理念出了物 網(wǎng)的概念。（）家 ，“ ”、，歐盟智能系

4、 集成技 平臺作物 網(wǎng) 將成 算機 互 網(wǎng)之后 世界信息 到稿日期： 返修日期： 本文受國家重大 （），中科院知 新工程方向性 目（和），中國博士后科學(xué)基金（） 助。童恩 男，博士生，主要研究方向 分布式 算、數(shù)據(jù)挖掘、智能信息 理；沈 強（），男，博士后，主要研究方向 物 網(wǎng) 與數(shù)據(jù)融合 理；雷 君（），男，博士生，主要研究方向 物 網(wǎng)架構(gòu) 與智能信息 理；劉 宇 男，博士，主要研究方向 無 通信網(wǎng) 、移 算、分布式 算、智能信息 理；唐 暉 男，博士，研究 ，博士生 ，主要研究方向 無 通信、網(wǎng) 、智能信息 理。 的第三次浪潮。到 一目 的唯一途徑。早期的研究多集中在通 探 用 不同于互

5、網(wǎng)以信息 主，物 網(wǎng)不 包含信息 的位置將其 用到感知系 中，其中最具代表的兩 工程是輸，智能信息 理和融合也是物 網(wǎng)的重要特征之一，它 穿和。系統(tǒng) 中，物 網(wǎng)采集、控制、 和上 用的整個“物物相 ” 程。 等人提出使用胸章的位置定位系 ，根據(jù) 些位置信物 網(wǎng)智能信息 理的目 是將多 感器信息 行融合和 息將呼入的 接到離用 最近的 機上， 被 是同感知，共同完成某 特定任 。隨著 算機和 感器技 情景感知最早的 用之一。之后，出 了很多基于用 位置的迅速 展，遍布環(huán)境的計算資源使得情景感知易于實現(xiàn)。信息的情景感知 用。例如，旅游方面， 用了情景感知技作 物 網(wǎng)智能信息 理最關(guān) 的情景感知能

6、做到在用 的 游助手可以根據(jù)游客的位置 行景點推薦、路 游；不 出服 求的情況下自主判斷何 提供以及提供何種服 物方面，可以根據(jù) 客的位置 行商品推薦等等。隨著 務(wù)。情景感知技 化了用 和網(wǎng) 的交互，提升了用 體感器技 的不斷 展， 感器的種 不斷豐富， 得的情景信驗，因此得到了廣泛的關(guān)注。息也隨之豐富起來，情景感知 理的信息不再局限于用 的 情景感知的定 及其 用位置。等人建立了家庭網(wǎng) ，利用可穿戴的傳感器，如（，心 電圖）和（情景感知的 理 象是 境中的情景信息。用 的情景，皮膚溫度 感器）等， 用 的身體信息。信息通常是 而易 的，例如用 所 境的溫度、濕度和當(dāng) 些信息通 送 服 器，由

7、服 器上的 用 件，。 行 ，甚至根據(jù) 家系 及用 的 史信息 行 前 但要 情景信息一個通用的定 卻相當(dāng)困 年，等 個 ，并通 枚。，使用了斷或推理、此外 情景感知被廣泛 用于智能家居普適（）類來定義：（） 公、精準(zhǔn) 等。作 極具 展前景的新型信息 理技 ， 的方式將情景信息 分為計算情景，如網(wǎng) 的可用性、 接 、附近的 （打印機、 示器、情境感知在美國和歐州被提高到了特 的高度。歐盟研究與、） ；（），、 展基金會將情境智能列入其信息社會技 研究第六框架 等 用 情景 如用 配置 位置 附近的人 姿勢行 、社會關(guān)系等；（）物理情景，如溫度、光線明暗、噪音大（ ），（）。劃開展了為期年的研究

8、 在第七框小、交通狀況等。 定 忽略了 史情景，即上述情景在 架 劃（）的信息通 技 （， 上的 化。目前大家常用的是）中也 助了相關(guān)項目。美國麻省理工在其博士 文中 出的定 ：情景信息是可以用來描述實體情形（）的任學(xué)院著名的多媒體 室也特 成立了情境智能的何信息。所 體是指人、位置或其他和用 及 用交互相課題組。關(guān)的物體，包括用 和 用本身。 情景感知 理流程情景感知是 取情景信息并 其 行信息 理的操作。年，和 情景感知是系 感知情景并作出相應(yīng)的調(diào)整?？偨Y(jié)前人的結(jié)果，把情景感知定 ：無 是用桌面 算機 是移 ，普適 算 境中使用情景的 用，都稱 情景感知。通 人機交互或 感器采集的方式可以

9、 得關(guān)于人和 境等情景信息。而情景感知 是根據(jù) 些情景信息，讓 算 做出相 的反 。情景感知的最 目的是使得 算機能 主 取情景，并 一步感知情景，改 并豐富 的人機交互方式以提供更好的服 。 于以上描述，情景感知系 必 能 完成 采集 境信息；信息的知 表達(dá)，包括 互操作；通 信息融合技 ， 合低 情景信息，生成 用可 的高 信息；基于 索到的信息主 提供服 。隨著各種新型 感器的出 ，人 深刻體會到 算機無 不在。然而， 有網(wǎng) 并不能使人 隨 隨地享受到 些服 。 此，年， 實驗室提出了普適計算（）的思想：隨著 算機 用的不斷 展， 算機將充 人 生活的各個角落，并以人 期望的形式存在。如

10、同木料一 ， 算機將作 一種基本材料被用在各種用品中。 算機的概念被淡化，計算 源卻無 不在。更重要的是， 些 藏在生活中隨 可能用到的“ 算機”可以通 各種無 、有 網(wǎng) 互 互通，形成一個無 一的網(wǎng) 境。在 的 境中，人 可以隨 隨地 取自己想要的信息和服 。 算 源的不可 性，最 重要的一點是 算機主 地提供服 ，而不是被 地接受指令。目前情景感知是達(dá)情景感知是如何利用 境中的情景信息 助決策 化的一種 算模式，需要解決的 主要是：信息采集、建模和智能 理。物 網(wǎng) 境下的情景感知有其新特點并面 新的 題，本 以情景感知流程 主 行 。）情景信息采集情景信息的 取可以分 用 主 入和通 感器

11、采集等方式。情景感知的目 是通 普適的 算 源在用 少參與或者根本不需要用 參與的情況下 用 的服 推薦。因此，情景感知系統(tǒng)需要用戶個性化信息，如生活習(xí)慣、日程表等，來 助系 做出正確的決策。此外，系 需要通 部署在 境中的 感器和其他 自 取其他情景信息。例如，用 的位置信息，在戶外環(huán)境下可以通過 ??；在室內(nèi) ，可采用如下技 ?。夯谠?，采用 外（系 、系 ）、射 技 ；基于信號 差的系 ；基于信號衰落的系 以及基于 技 的定位系 。溫度、濕度、加速度信息可通 相 的 感器 得； 信息 由系 內(nèi)部 提供； 似于網(wǎng) 的信息可以通 的手段 得。信息 取的手段眾多， 里不再一一 例 明。在物 網(wǎng)

12、中大量 感器分布在 境中， 了保 境信息 取的快速性和準(zhǔn)確性，常采用多 感器 同感知的手段。使用多 感器相互 作來提高系 可靠性及可信性， 可以 展 感器的覆蓋范 ，包括空 覆蓋范 和 覆蓋范 。但 感器采集到的信息受自身 量和性能噪聲的影響，往往是不完整且不準(zhǔn)確的，因此有必要 同一 目 的，。性和 象包含個基本概念。 是具有相似屬性和方法的 多 感器數(shù)據(jù) 行 理 我 將在第小 介 ），。 承性指子情景信息建模象的集合 每個 象都是它所在 的一個 例情景信息是情景感知的基 。物 網(wǎng)的特性之一是海量 承其所有父 的全部屬性和方法。通 承，提供了數(shù)設(shè)備，不同的 感器采集到的信息不同，如位置、 或者

13、光據(jù)和方法重用機制，避免了重復(fù)定 。 象包含指一個 象 等，表示方式也千差萬 。 了達(dá)到 互操作的目的，需的屬性可以是另一個 象。 不 使 之 具有 次 構(gòu)，要 些多源異構(gòu)信息 行有效的表示、 和存 。因此，而且某一個 內(nèi)部也具有包含的 次 構(gòu)，形成復(fù) 象 需要 些數(shù)據(jù) 行 一形式的描述，或者稱 定 準(zhǔn)的構(gòu)。數(shù)據(jù)格式及 。如何從底 情景信息高效地提取出有意 由于采用了 象的 承和包含機制，面向 象模型相比，。傳統(tǒng)模型，在對現(xiàn)實世界的表現(xiàn)上更加自然有效。因的高 信息 也同 要求 情景信息 行有效 和表達(dá)，此，重點使用了面向 象模型來表達(dá)信息。情景信息的建?？梢苑?兩個 面 一是形式上的 一，本體

14、模型（）即不同的情景信息采用相同的表示方式 如關(guān) 模型 其主要目的是解決信息的高效存 和 等 ，并不涉及 ；使用本體建模是目前很流行的一種方法。本體可以很好二是支持 上的 一，如基于本體 的知 表達(dá)，通 一地描述情景信息。本體的概念最初來源于哲學(xué)，表示客 存的 表達(dá)解決情景信息 互操作和利用效率 。文獻(xiàn)在的一個系 的解釋和說明。隨著智能信息處理技術(shù)的發(fā) 。本文 其展，本體被 予了新的概念。年， 出了本體的指出了以下幾種情景信息建模中的常用模型 行介 ，并 些模型在物 網(wǎng)中的 用前景。一個最 流行的定 ，即“本體是概念模型的明確的形式關(guān) 模型（）化 范 明”。之后有不少學(xué)者在此基 上 出了本體的

15、新使用關(guān) 偶 ，通 提供情景信息的關(guān) 及其 來定 ，。描述。 模型建模 ，關(guān) 偶 易于管理，但物 網(wǎng)中各構(gòu)造本體的目 是 得相關(guān) 域的知 ，通 確定 感器 得的信息之 存在著一定的 系。 模型割裂了域 可的 ， 域知 的共同理解，使其符合物 信息 的相互 系，而信息 的 種 系在物 網(wǎng)的信息 網(wǎng) 互操作的要求?；诒倔w的知識表達(dá)包含層含理中是相當(dāng)重要的。義：概念模型（）、明確 （）、形式化模式 模型（）（）（）?！啊焙凸蚕?概念模型 指通 抽象出客觀世（），界中一些 象的相關(guān)概念而得到的模型，獨立于具體的 境和各種 言 如和等 事物的一 模式 模型就是采用 （ ）分 象 行 ， 種狀 ；“”明

16、確 指所使用的概念及 些概念的 束都需要明確表示方式又稱為 配置。 定義了定 ；“”；“ ”形式化 指本體必 具有 算機可 的特性共享 指（ ） ，還 有本體中體 的是共同 可的知 ，反映的是相關(guān) 域中公 （，的概念集。本體的概念 足物 網(wǎng) 互操作和 源重用的）標(biāo)準(zhǔn) 它們都用 來表述 擴展后可用于情景建模。要求，是物 網(wǎng)中主要的建模方法。傳統(tǒng)模型（）關(guān)于本體的構(gòu)造，目前 沒有 一的 準(zhǔn)，影響 大的是傳統(tǒng)模型又稱 體 系模型，由 于 ：（）；在文獻(xiàn) 中提出的個準(zhǔn) 明確性和客 性，。（）完整性；（）一致性；（）最大可 展性；（）最小 定。傳它將 世界 化成 年提出 是一種概念數(shù)據(jù)模型體、 系和屬性

17、等幾個基本概念，并用一種較為簡單的 的本體生成多依 域 家，易存在 向性，同 及 來表示。如 所示的 圖中，實體用矩形表示，屬性地更新也比 困 。因此，當(dāng)前的研究 點集中在自 及半用 形表示， 系 用菱形表示。自 地生成本體，。（半）自動本體生成大體可分為確定本體的 域、本體分析、本體表示、本體 估和本體確定。其中本體分析是由數(shù)據(jù)源分析出本體的概念及關(guān)系，數(shù)據(jù)源包括 構(gòu)化數(shù)據(jù)（如數(shù)據(jù) ）、非 構(gòu)化數(shù)據(jù)（如 文本）和半 構(gòu)化數(shù)據(jù)（如、）。常用本體學(xué)習(xí)工具有，等。概念的獲取有基于 言學(xué)和基于 學(xué)的方法。 取概念 關(guān)系大多基于圖圖模板、概念聚 、 典和關(guān) 方法；本體表示方式可以多物 網(wǎng)中存在大量的

18、體，而 的模型受限于關(guān)，、，種多 如一 網(wǎng) 基于框架的系 但目前系模型的 范，在 行數(shù)據(jù)建模 常需要 增加新的 使用最普遍的是所推薦的語言；本體評估判體，不能有效表示現(xiàn)實世界。在實體間的聯(lián)系上，傳統(tǒng)，斷構(gòu)造的本體的 劣 采用的方法有 相 的 用 行 模型 使用 似：（其中， 分 表示 體集合，冒號表“”，。 和基于即與手工構(gòu)建的本體 行比 示集合 的 系）的形式來表示， 種表達(dá)方法用于 復(fù) ）情景信息 理技 的物 網(wǎng)情景感知 ， 得無能 力。情景感知的最 目 是自主提供用 當(dāng)前所需的服 。面向 象模型（）得到當(dāng)前 境及用 的情景信息后，如何有效利用 些信息， 模型以 模型 基 ， 起于世 年代

19、。是情景感知系 能否 的關(guān) 。面向 象模型 客 世界由特定 構(gòu)、功能且具有相互 物 網(wǎng) 境下信息采集 多 感器 同感知，需要解決系的 象 成，最低限度上必 具有 象、類、 象 、 承的主要 是信息的 理。信息 理面 的 首先是數(shù)據(jù)關(guān) ，即建立某一 感器量 與其它 感器量 數(shù)據(jù)的的概率分布，可以解 我 不同可能性的信任程度。貝關(guān)系，以確定它 是否是關(guān)于同一個目 的量 的 理 程。葉斯方法可以 理不完整和 有噪聲的數(shù)據(jù)集，它用概率 的 果不 可以減少信息 理的 算量， 可以提高信度的 重來描述數(shù)據(jù) 的相關(guān)性，解決了數(shù)據(jù) 的不一致性。息 理的精確度。文獻(xiàn) ；，運用信息 感器的 然而 葉斯方法是利用先

20、 概率和 本數(shù)據(jù)來 得 未知其次是信息的去冗余及沖突 理以得到準(zhǔn)確的 感器量 。 本的估 ，使用之初必 首先 得先 信息。 取先 信 感器自身故障及網(wǎng) 中遇到的 等都會造成采集到息有主 和客 兩種。主 方法是借助 域 家的知 指定的數(shù)據(jù)不完整或存在噪聲，而多 感器的存在不可避免會造先 概率；客 方法是 察 集的 特征，要求有足 多成數(shù)據(jù)不一致和數(shù)據(jù)冗余，增加網(wǎng) 擔(dān)。通 數(shù)據(jù)清的數(shù)據(jù)才能 取其真 分布。 中多采用兩種方式相 合理將多個 感器在空 或 上的冗余及互信息的解決 法。 葉斯網(wǎng) 先 信息的要求以及 境中情景依據(jù)某種準(zhǔn) 行 合，可以獲得監(jiān)測對象的一致性解釋和描述。信息的復(fù) 性使其網(wǎng) 的建立

21、有一定的困 。常用數(shù)據(jù)清理方法有數(shù)據(jù)平滑技 ，包括分箱、聚 、回 等神 網(wǎng) 是模仿人 神 網(wǎng) 的 構(gòu)和某些工作機制而 噪聲數(shù)據(jù)的消除；通 一定策略填充空缺 ；以及卡 曼建立的一種新的 算模型。 種 算模型的特點是：利用大 波法量的 算 元（即神 元） 成網(wǎng) ，來 大 模并行、 據(jù)推理和模糊理 等。其中，卡 曼 波是一個最 化自回 數(shù)據(jù) 理算法，通 方差 估 算。 構(gòu)上，可以把一個神 網(wǎng) 劃分 入 、 出 和算出最 ，由于只保留上一 刻的 方差 ，因此運行速度 含 ，其中 含 的 數(shù)和每 點的個數(shù)決定了神 網(wǎng)很快。 據(jù)理 是 概率 的 展，采用信任函數(shù) 的復(fù) 度。神 網(wǎng) 的性 主要取決于網(wǎng) 的拓

22、撲 構(gòu)和而不是概率作 度量，通 一些事件的概率加以 束來建網(wǎng) 的 ，其學(xué) 就是網(wǎng) 的 整 。最常用立信任函數(shù)，不必 明精確的 以 得的概率，同模糊理 一的神經(jīng) 網(wǎng)絡(luò) 學(xué)習(xí) 算法是算法（ 具有 大的靈活性。）。， 通 將 出 果同期望 行比較 調(diào)整加權(quán)物 網(wǎng)的目的是通 物物互 自主地提供相 服 。因值，重新 算 出 ，使得 梯度下降。不斷重復(fù)學(xué) 程，此，得到 感器的底 信息 需要將其 化 用可理解的直至 足 止判斷條件。同 有無 督學(xué) ，即不需要知高 信息。例如，光 感器探 到的光 度、 力 感器感道期望 ，學(xué) 完全是一種自我 整的 程。知到的 力， 些感知信息 我 的物 網(wǎng) 用來 沒有任神 網(wǎng)

23、 的 在于不必知道先 知 ， 于物 網(wǎng)何意 。但是，若根據(jù)客 光 的 化及布置在臥室床上的 復(fù) 的網(wǎng) 來 是很大的便利。神 網(wǎng) 的并行分布 感元件，運用情景感知方法推理出用 準(zhǔn) 休息，那么系 理能力又使得其能 迅速 理大量數(shù)據(jù)，而海量數(shù)據(jù)是物 就可以據(jù)此作出開啟房屋入侵 系 及關(guān) 臥室窗簾的操網(wǎng)的基本特征。因此，神 網(wǎng) 將是物 網(wǎng)重點 展的技 。作。物 網(wǎng)情景感知其 就是從采集到的數(shù)據(jù)中 藏的此外，關(guān) 是表示一 數(shù)據(jù)信息 某種關(guān) 關(guān)系的有意 的知 ，并感知用 當(dāng)前情景，觸 相 知 ，提供感規(guī)則。挖掘關(guān) 的目的是從指定的數(shù)據(jù)集中 與 知服 。之 有趣的關(guān) 和相關(guān)關(guān)系，使得人 可以根據(jù) 種關(guān)系從

24、藏的知 涉及到數(shù)據(jù)挖掘技 ，即通 存 某一數(shù)據(jù) 象的信息 得另一數(shù)據(jù) 象的信息， 情景感知理后的 感器數(shù)據(jù)得到有關(guān)物 網(wǎng) 境信息的海量數(shù)據(jù)，從系 的決策提供支持。例如，通 數(shù)據(jù) 中的數(shù)據(jù)挖掘，關(guān)中可以挖掘出有用的知 。我 合物 網(wǎng) 境分析相 數(shù)“的人又 了 表示 了物品的 客中有據(jù)挖掘技 。物品”。從 一 中就可以 客的 行 模式。決策 是一種 學(xué) 方法，通 感器得到大量的 可用于商品 放位置 、生 安排和有 性的 集， 行學(xué) ，可以確定決策 內(nèi)部各 點的屬性。當(dāng)新數(shù)銷。關(guān) 的 一特征使得我 可以 物 網(wǎng)用 的行據(jù)到來 ，通 在內(nèi)部 點 行屬性 的判斷，得出從 點 模式，以更好地提供服 。關(guān)

25、由等于向下的分支，最 找到一個葉 點，得出 。 取 屬性年首先提出， 典算法是從候 集挖掘出 繁 集的是決策 的關(guān) ，其中最有影響的是算法。但 避免決算法。之后 多研究人 關(guān) 的挖掘 行了策 學(xué) ，運行之初需要建立完 的 集。由于物 大量研究。感 境及用 行 的復(fù) 性， 取完 集存在著 以克物 網(wǎng) 境中的數(shù)據(jù)集是海量復(fù) 的，沒有哪個情景 服的瓶 。且 世界中，事物 展的隨機性和復(fù) 性 來理技 能 在整個數(shù)據(jù)集上是最 的，不能 地否定某 了大量的不確定性。如果使用確定性的 典 ，就需要把技 ，也不能 依 一技 ，往往需要根據(jù)特定的 用 原本不確定性的 化 確定性 來 理， 無疑會舍合各技 的特點

26、， 取相 技 或 合利用多種 理技 ，來棄某些重要屬性，造成信息 失，妨礙系 做出最好的決定。得到最 出。因此，決策 方法有局限性。 情景感知的系 構(gòu)分析我 需要的是能 理不確定信息的技 。 葉斯網(wǎng) 將 葉斯 方法與有向無 合起來，提供了一種自然 感器采集到的信息種 繁多，而不同的 用需要的信的表示因果信息的方法，用來 數(shù)據(jù) 的潛在關(guān)系。在有息 理方法也各不相同，而 些方法 系 構(gòu)的需求也不向無 中， 點表示 量，弧表示依 關(guān)系，弧的 表示同。 有研究中，有兩種常 的情景感知系 構(gòu)：直接 種關(guān)系的 弱，推理 程 上就是概率 算。 方法的 感器和基于中 件技 。特點是使用概率去表示所有形式的不確

27、定性，學(xué) 或其他形直接 感器的方法 常用于內(nèi)嵌 感器的 ，應(yīng)式的推理都用概率 來 。學(xué) 的 果表示 隨機 量用程序直接從 感器中 取所需信息， 感器與 用是一種 耦合關(guān)系。以往的無 感器網(wǎng) （）都是一些小規(guī)模的 用， 感器種 及數(shù)量都比 少，采用直接 感器的方法就可以 足其需要。但 于物 網(wǎng)來 ，隨著 模的 大及 用的增多，采用 耦合的方式會造成感知系 的復(fù) 化，限制了系 的靈活性及可 展性，本文 此不作 介紹?；谥?件的 構(gòu)是在情景感知系 中引入一種分 構(gòu)，它位于下 感器與上 用之 。 向上屏蔽底 感器操作 ，提供 一的信息 接口；向下 物理或 的 感器 行信息采集。通 中 件技 ，構(gòu)建

28、用程序與 感數(shù)據(jù)源的 梁，集成情景信息建模、 理等共性功能模 ， 化了物 網(wǎng)情景感知 用程序的開 ，同 增 了系 的可 展性。中 件在系 中的位置如 所示。圖 中 件在系 中的位置中 件技 源于 件行 ，可用來解決多種硬件系 平臺的異構(gòu) 。中 件是位于平臺（硬件和操作系 ）和 用之 的通用服 ， 些服 能 足大量 用的需要，能 運行在多種硬件平臺上，且支持各 準(zhǔn) 接口。物 網(wǎng)具有海量信息的特性，而情景感知 用又要求中 件具有情景信息 理的能力。因此， 的中 件技 無法 足物 網(wǎng)的要求，需要新的支撐技 。根據(jù)本文的描述，物 網(wǎng)的中 件要 的功能至少 包括上面提到的情景信息建模、 理和存儲管理。已

29、有的情景感知中間件包括，提供 史上下文存 服 ； 存 情景信息的本體。圖 構(gòu) （）是美國 大學(xué)開 的一個基于的體系 構(gòu)，是人工智能領(lǐng)域的 ，具 算 源，能 自 主 地 行相關(guān)任 并通 某種通 言與其它 行信息交 。多個自治智能相互 ， 合起來采取行 或求解 。 同 是集中式的情景信息管理 構(gòu)，核心是一個智能情景代理（）， 持和管理一個共享的情景信息模型。情景代理包括個功能模 ：情景信息知 、情景信息推理引擎、情景信息 取模 和保密管理模 。信息來源包括智能空 中的物理或 感器， 包括虛 空 中信息服 、語義和數(shù)據(jù) 等。相 于 ， 的情景信息建模使用 言，具有很好的靈活性。 系統(tǒng) 構(gòu)如 所示。圖

30、 系 構(gòu) ， 。物 網(wǎng)最基本的 成部分是 感器。不同于 的 感 等是美國 治 理工學(xué)院提出并 的一網(wǎng)，物 網(wǎng)是個大的網(wǎng)絡(luò)，其中的傳感器數(shù)量巨大且種類繁個支持 生情景感知 用程序的中 件。上下文信息的 算多，同 感器自身故障及網(wǎng) 致信息空缺及噪和管理分布在用 的 上 行，上下文感知 用 求用 聲數(shù)據(jù)。多 感器 同感知不可避免會出 大量冗余和不確 取相關(guān)的上下文。主要包含 象：、服 ，定信息 感器有效管理和數(shù)據(jù) 理是情景感知能否高效器和解 器。架構(gòu)中， 感器被抽象 的關(guān) 。如何管理海量 的 感器以及如何 理海量， 上 用提供 一的數(shù)據(jù)接口；服 器和解 器 封，的不確定信息 是物 網(wǎng)的重點 物 網(wǎng)情景感知系 當(dāng)重裝了情景信息的分析 理 程。但它采用的是面向特定 象點考 。此外， 的多 感器 同感知 用 理的 的信息建模方法，缺乏情景信息的共享，有一定的局限性。感器采集的感知信息，物 網(wǎng)情景感知 用不 理 感器是由伊利 斯州立大學(xué) 等開發(fā)的普感知信息， 包括用 個性信息，如用 、日程表，并注重。（用 反