基于上下文感知的物聯(lián)網(wǎng)智能交互模型

引 言

1999 年，美國麻省理工學(xué)院率先提出物聯(lián)網(wǎng)（Internet of Things，IoT）的概念。2005 年國際電信聯(lián)盟（International Telecommunication Union，ITU）發(fā)布的報告中全面定義了物聯(lián)網(wǎng)，物聯(lián)網(wǎng)即“物物相連的互聯(lián)網(wǎng)”的簡稱 [1-2]?；谖锫?lián)網(wǎng)，客觀世界中的任何現(xiàn)實事物都可進(jìn)行信息交互，物聯(lián)網(wǎng)有機(jī)整合了人類社會、現(xiàn)實事物和信息數(shù)據(jù)，構(gòu)建了一個一體化的大型智能社會服務(wù)平臺。智能化物聯(lián)網(wǎng)并不全部依賴于用戶的請求并做出相應(yīng)的反應(yīng)，而是在用戶未發(fā)出請求的狀態(tài)下智能化地預(yù)測用戶請求，準(zhǔn)確判斷出何時該為用戶提供服務(wù)。因此，智能交互技術(shù)成為物聯(lián)網(wǎng)研究的熱點。

在物聯(lián)網(wǎng)智能交互過程中，上下文感知是物聯(lián)網(wǎng)系統(tǒng)預(yù)測下一步行為最有效、最直接、最可靠，有時甚至是唯一的依據(jù)?；谏舷挛母兄奈锫?lián)網(wǎng)智能交互模型，在上下文推理技術(shù)的支撐下，物聯(lián)網(wǎng)系統(tǒng)能夠自動發(fā)現(xiàn)和使用信息，減少人類社會、現(xiàn)實事物和信息之間的數(shù)據(jù)交互，提升用戶體驗。物聯(lián)網(wǎng)環(huán)境下上下文感知交互技術(shù)的實現(xiàn)方法如下：

(1) 定義若干條推理規(guī)則，構(gòu)成一個推理模型 ；

(2) 模型以上下文狀態(tài)改變?yōu)榧?，自動完成?guī)則匹配， 一旦上下文狀態(tài)的變化符合一個或多個規(guī)則時，智能交互系統(tǒng)就會自動按照規(guī)則執(zhí)行相應(yīng)的操作。

基于上下文感知的智能交互是物聯(lián)網(wǎng)實現(xiàn)人類社會、現(xiàn)實事物和信息數(shù)據(jù)融合的主要技術(shù)支撐。

1 Storm框架簡介

Storm 框架基于數(shù)據(jù)流的實時處理系統(tǒng)，提供了大吞吐量的實時計算能力，能夠滿足計算機(jī)集群實時分布式計算的需求。Storm 框架已被廣泛應(yīng)用于實時搜索、實時分析、在線機(jī)器學(xué)習(xí)、分布式遠(yuǎn)程調(diào)用以及數(shù)據(jù)流處理等場合，很好地解決了 Hadoop 在數(shù)據(jù)處理實時性方面的問題，其實時處理的過程可以類比為Mapreduce 批處理。在一個計算集群中， Storm 框架能夠保證在較短時間內(nèi)將各個消息處理完，將每個消息的處理時間降低到毫秒級。

Storm 框架的核心思想是采用流式處理模型，不斷處理連續(xù)有序到達(dá)的數(shù)據(jù)，顯著降低系統(tǒng)的數(shù)據(jù)處理時間。在Storm 數(shù)據(jù)流實時處理框架中，主要包括 Spout 計算和 Bolt 計算兩種，這兩種計算分別由用戶的不同接口實現(xiàn)。其中， Spout 計算通常用于處理外部導(dǎo)入的拓?fù)湫畔?，處理結(jié)束后形成數(shù)據(jù)流傳遞給 Bolt。

2 上下文定義

上下文是一種用來表征實體屬性的信息或數(shù)據(jù)。通常情況下，實體與上下文可以按照某種規(guī)則實現(xiàn)轉(zhuǎn)換 [3-4]。例如， 物聯(lián)網(wǎng)環(huán)境下的智能交互可以用地點表征人或車輛，在此過程中，人或車輛就是實體 ；與此同時，地點也可作為實體，表征地點的屬性信息可定義為經(jīng)緯度、風(fēng)速、光線強(qiáng)度、溫度等， 即地點既可作為屬性信息出現(xiàn)，也可作為實體出現(xiàn)?；诖?， 本文給出客觀事物和上下文的定義。

定義1 ：實體是指在人類社會、現(xiàn)實事物和信息數(shù)據(jù)組成的三元世界中具有相同屬性信息的一類客觀事物，為簡化起見，任何一種實體都可用字符 A ：Entity 表示。

定義 2 ：上下文是指用來表征實體屬性的信息，上下文信息可以分為靜態(tài)上下文信息和動態(tài)上下文信息兩類。其中靜態(tài)上下文信息用來保證實體在一定時間內(nèi)保持穩(wěn)定的屬性，通?？杀硎緸?：

式中 ：E 代表上下文信息對應(yīng)的實體對象 ；V 代表上下文信息的出處 ；S 代表上下文信息的數(shù)值 ；t 代表當(dāng)前上下文信息的時間標(biāo)記。在物聯(lián)網(wǎng)環(huán)境下的智能交互過程中，實體的上下文信息出處一般有三種，包括人工錄入的信息、傳感器獲取的信息以及推理機(jī)推理的信息。相比靜態(tài)上下文信息，動態(tài)上下文信息增加了一維時間標(biāo)記，即上下文信息的實效時間。動態(tài)上下文信息可以表示為 ：

式中，ts 代表上下文信息的實效時間。對于某些不存在實效時間實體的部分，動態(tài)上下文信息可以轉(zhuǎn)化為靜態(tài)上下文信息。

上下文信息是物聯(lián)網(wǎng)環(huán)境下智能交互模型的主要數(shù)據(jù)分析與推理對象?；谏舷挛男畔⒅腥≈?V 的不同，可將上下文信息分為數(shù)值型和實例型。如溫度、經(jīng)緯度、風(fēng)速、質(zhì)量等都是取值十分簡單的數(shù)值型上下文。數(shù)值型上下文還可基于數(shù)值類型繼續(xù)分為布爾型、時間型、字符型和純數(shù)字型等。而取值為非數(shù)值的實例型上下文有任務(wù)、建筑、地點以及各種設(shè)備等。前文已經(jīng)介紹過，物聯(lián)網(wǎng)環(huán)境下實體和上下文之間可以互相轉(zhuǎn)化。

3 基于上下文感知的智能交互模型

基于 Storm 框架和上下文定義，可構(gòu)建基于上下文感知的物聯(lián)網(wǎng)環(huán)境下的智能交互模型，該模型能夠?qū)⑽锫?lián)網(wǎng)傳感器采集到的所有異構(gòu)、分布式、非結(jié)構(gòu)的數(shù)據(jù)統(tǒng)一封裝為便于智能交互實時處理的上下文與實體的數(shù)據(jù)流，作為一個統(tǒng)一的數(shù)據(jù)處理格式。

本文構(gòu)建的物聯(lián)網(wǎng)環(huán)境下基于上下文感知的智能交互模型包括上下文適配、上下文存儲和上下文自動感知三部分。上下文適配的任務(wù)是進(jìn)行傳感器采集數(shù)據(jù)與上下文信息之間的轉(zhuǎn)換 ；上下文存儲的任務(wù)是實現(xiàn)海量數(shù)據(jù)存儲與高速數(shù)據(jù)共享 ；上下文自動感知是智能交互的關(guān)鍵，主要利用規(guī)則進(jìn)行推理以及處理高層應(yīng)用的各種請求。整個智能交互模型基于Storm 框架實現(xiàn)。其中，上下文適配和上下文存儲通過 Spout計算過程實現(xiàn)，而上下文感知通過 Bolt 計算過程實現(xiàn)。構(gòu)建的智能交互模型如圖 1 所示。

                                                                                                                                                      圖1 智能交互模型整體結(jié)構(gòu)示意圖

3.1 上下文適配模塊

物聯(lián)網(wǎng)環(huán)境下，數(shù)據(jù)采集設(shè)備是物聯(lián)網(wǎng)與具體應(yīng)用環(huán)境信息交互的主要途徑。數(shù)據(jù)采集設(shè)備包括系統(tǒng)錄入設(shè)備、人工輸入設(shè)備以及各種類型現(xiàn)場采集數(shù)據(jù)的傳感器設(shè)備等。數(shù)據(jù)采集設(shè)備采集獲取到的數(shù)據(jù)一般不具有實際意義，必須經(jīng)過適當(dāng)變換才能轉(zhuǎn)換為智能交互系統(tǒng)正常使用的數(shù)據(jù)。通常情況下，數(shù)據(jù)采集設(shè)備獲取的數(shù)據(jù)格式為數(shù)字信號、點信號、字符信號以及各種離散的參數(shù)數(shù)據(jù)。將這些實際意義難以直接識別的信號轉(zhuǎn)換為系統(tǒng)可以高速自動識別的上下文信息的過程就是上下文適配。上下文適配過程可用符號表示為Adaptation ：S → C。其中，S 代表數(shù)據(jù)采集設(shè)備獲取的直接信息，C 代表經(jīng)過上下文適配后輸出的上下文信息。具體的上下文適配過程如圖 2 所示。

圖 2 中上下文 適配的核心是 數(shù) 據(jù)采集 模 塊（Data Acquisition，DAQ）。該模塊將物聯(lián)網(wǎng)末端數(shù)據(jù)采集設(shè)備獲取到的各種信號轉(zhuǎn)化為智能交互系統(tǒng)能夠直接識別、具有特定含義的數(shù)據(jù)。物聯(lián)網(wǎng)末端采集到的各種數(shù)據(jù)經(jīng)過上下文適配后，實現(xiàn)了對異構(gòu)、分布式、非結(jié)構(gòu)化數(shù)據(jù)的結(jié)構(gòu)化轉(zhuǎn)換， 形成利于存儲、檢索、處理的高效上下文信息。上下文適配為后續(xù)的上下文存儲和上下文自動感知奠定了基礎(chǔ)。

3.2 上下文存儲模塊

上下文存儲模塊的功能是實現(xiàn)上下文信息的持久化存儲與高效共享。上下文存儲模塊由歷史上下文存儲單元、非安全上下文存儲單元和上下文存儲單元三部分組成。三部分的存儲與共享功能各不相同 ：歷史上下文存儲單元的功能是進(jìn)行上下文回溯，內(nèi)部存儲失效的上下文信息 ；非安全上下文存儲單元內(nèi)存儲存在危險的上下文信息 ；上下文存儲單元是上下文存儲的核心，主要用來存儲短時間內(nèi)活躍的上下文，在確保信息完整性的條件下力求能夠高效檢索上下文信息。上下文存儲模塊的工作過程如圖 3 所示。

                                                                                                                                                                  圖 3 上下文存儲過程

由圖 3 可知，上下文存儲過程由上下文預(yù)處理器和上下文管理器主導(dǎo)完成。上下文預(yù)處理器主要實現(xiàn)上下文信息的完整性、冗余性和安全性查驗，將存在危險的上下文信息轉(zhuǎn)移到非安全上下文存儲單元，并刪除失效的和過度冗余的上下文信息，確保上下文信息準(zhǔn)確完整。上下文管理器的功能比較簡單， 用以監(jiān)控上下文信息的時效性，并將失效的上下文信息轉(zhuǎn)移至歷史上下文存儲單元。通過這種上下文存儲過程，提升上下文數(shù)據(jù)的存儲與檢索效率。

3.3 上下文自動感知模塊

物聯(lián)網(wǎng)環(huán)境下的上下文感知智能交互模型首先通過上下文適配實現(xiàn)末端采集數(shù)據(jù)到上下文信息的映射，然后通過上下文存儲實現(xiàn)上下文信息的高效存儲與共享，最后通過上下文感知模塊自動發(fā)現(xiàn)有用的上下文信息，并對系統(tǒng)高層指令做出快速反應(yīng)。上下文自動感知模塊是一種高效的信息服務(wù)模式，基于上下文感知技術(shù)建立上下文池中數(shù)據(jù)與高層服務(wù)需求之間的聯(lián)系，運用智能計算和處理技術(shù)對高層服務(wù)需求快速地做出反應(yīng) [5]。上下文自動感知模塊的具體實現(xiàn)過程如圖 4 所示。

由圖 4 可知，上下文池中的數(shù)據(jù)首先通過上下文感知器實現(xiàn)捕獲與感知 ；然后利用上下文解釋器將底層上下文信息轉(zhuǎn)換為高層識別對象，高層識別對象能夠被智能交互系統(tǒng)直接識別，并且在轉(zhuǎn)換過程中，上下文解釋器能夠?qū)⒎稚⒌纳舷挛男畔⑥D(zhuǎn)換為復(fù)雜的上下文對象，有利于特定上下文信息的有效表達(dá) ；最后通過上下文聚合器將上下文對象與知識庫中的規(guī)則進(jìn)行結(jié)合，基于推理機(jī)實現(xiàn)規(guī)則匹配，并將匹配結(jié)果通過轉(zhuǎn)換相應(yīng)操作的執(zhí)行指令，傳遞給執(zhí)行適配器。執(zhí)行適配器在接收到還要執(zhí)行指令的高級上下文后，將經(jīng)執(zhí)行結(jié)果產(chǎn)生的上下文反饋給上下文存儲模塊的上下文池。

4 結(jié) 語

本文在對現(xiàn)有物聯(lián)網(wǎng)環(huán)境下智能交互模型總結(jié)與分析的基礎(chǔ)上，構(gòu)建了一個基于上下文感知的物聯(lián)網(wǎng)智能交互模型。該模型以 Storm 框架為基礎(chǔ)，將數(shù)據(jù)采集設(shè)備輸出的異構(gòu)、分布式、非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為上下文信息，并實現(xiàn)了上下文信息的高效存儲與自動感知。該模型為物聯(lián)網(wǎng)環(huán)境下的智能交互提供了一種新的思路。