智能空间关键支撑技术的研究

【摘要】： 普适计算（Pervasive/Ubiquitous Computing）是继主机计算、桌面计算之后发展起来的一种新的计算模式，其本质特征是信息空间与物理空间融合和计算对人透明。智能空间（Smart Space）是普适计算的一种具体而集中的体现，它是一个嵌入了计算、通信与感知能力的物理空间，使人们可以在工作、生活的现场透明地获取计算和信息服务。本文的研究集中在智能空间的两项关键支撑技术－智能空间软件平台和觉察上下文计算上。 智能空间系统具有区别于传统分布式系统的新特征：1）背景环境是复杂、动态的物理空间，新的模块可能随时进入和离开；2）存在大量无线联网设备，而无线网的一个典型特征是暂时性故障频繁；3）系统的交互点是分布和多模态的，相关的模块间消息的时间关系要求严格；4）各种不同应用领域的模块都可能需要交互协作，同时需要考虑对遗留代码的包容性。 传统的分布计算软件平台和目前报告的一些解决方案不能充分适应上述要求。本文提出并实现了Smart Platform，其特点是：1）运行环境发现机制，使外来计算设备可以自动加入软件平台的运行环境；2）松耦合的发布/订阅式模块间协调机制，模块间关联可以自发组织；3）局部－全局的两层运行环境组织策略，无线网频发的暂时故障可以在计算设备的局部运行环境层次被屏蔽掉；同时发布/订阅模型的异步性也使得模块不会因网络故障而阻塞；4）区分智能空间中的两类不同的通信需求－面向消息的和面向流的，并分别为它们提供了优化的通信层支持；5) 基于多Agent抽象模型，为整合不同应用领域的模块和遗留代码提供了有力工具。 智能空间中的觉察上下文计算使得计算系统可以主动的识别和利用物理空间中的上下文，为实现计算的透明性目标提供了一种现实可行的途径。而智能空间中的上下文服务则为各种需要上下文信息的应用提供了统一的上下文信息访问点，是实现觉察上下文计算必需的一种基础WP=6服务。目前提出的若干实现方案存在两个主要不足：1）查询接口过程化（Procedural），应用需要知道上下文信息存储、分布的具体细节；2）对上下文推理问题、尤其是不确定性上下文推理问题在上下文服务中的实现方法没有给出有严格理论基础的说明。 上述问题的核心是目前缺乏一个良好形式化的上下文表示和推理模型，而这个模型必须满足如下属性：1）能处理由于传感器的不可靠以及不确定的知识带来的上下文的不确定性；2）具备一阶（First-order）描述能力，这是因为上下文信息需要在实体的属性和实体间的关系层次进行描述，同时这种能力也是使上下文推理知识具有通用性的基础；3）合理的复杂度，因为应用查询上下文时希望了解的是即时的情况。 本文基于一阶概率逻辑提出一个称为Context Logic的上下文表示和推理模型。一阶概率逻辑可以使我们基于严格的概率模型来描述上下文中的不确定性和作相应的推理，同时它具有一阶描述能力。但一阶概率逻辑的推理复杂度偏高，Context Logic通过引入合适的句法限制、语义假设等措施，把推理复杂度控制在可接受的范围。 本文的最后一部分工作是在智能空间应用上的探索，我们结合远程教育建立了一个智能空间应用系统－智能教室，它利用智能空间思想很好的解决了目前困扰远程教育的若干问题。同时它的建立也为智能空间关键技术的研究提供了集成实验环境。