[发明专利]一种基于机会感知的情境识别系统及方法

说明书

技术领域

本发明涉及一种情境系统及方法，尤其是涉及一种基于机会感知的情境识别系统及方法。

背景技术

情境识别是情境感知系统研究中的关键技术。它是指利用物理空间和信息空间中的感知数据来识别一个实体(一个人，一样物品，或是一个地方)所处的情境。情境识别的方法有很多，其中基于语义网的方法被广泛使用。该方法在设计时用OWL和SWRL语言来对情境识别中需要涉及的概念和规则进行建模。在系统运行时，语义推理及会利用获取的感知数据和以上模型进行推理从而识别情境。在大部分基于语义网的研究工作中，都有一个共同的假设，那就是获取的感知数据是确定和完全的。因为这些工作中感知系统在感知过程中使用的传感器资源都是为某一个感知目标而专门设置，因此它们是在系统设计时就预先定义好的。

然而近些年来随着技术进步以及物联网普及，我们生活的环境中建立了大量的感知基础设施。这些大量存在的感知设备不仅包括分布在物理空间(如河流之上、建筑物中，街道上，公园里等等)中的静态传感器，还有人或车辆携带的移动传感器，例如智能手机、平板电脑、穿戴设备中内嵌的传感器，以及车载GPS、雷达等。此外无线通信网络(例如WSN、Wi-Fi以及3G/4G网络等)的覆盖范围越来越广，它们可以将感知设备获取的感知数据传送到数据处理单元。在这样的背景下，机会感知(Opportunistic Sensing)逐渐成为一种重要的感知范型。相比于传统的感知系统而言，机会感知应用(Opportunistic Sensing Application)充分利用某个时间和地点恰好出现的传感器来实现感知目标，而不是为了该感知目标而专门部署相应的传感器。

由于机会感知的特点，在机会感知范型下的情境识别便遇到了新的技术挑战。抽象而言，主要有以下两个方面：

一是传感器数据可得性(Availability)的不确定性。机会感知试图发现和利用某个时间和地点恰好出现的传感器来完成感知目标，因此情境识别过程中需要的某类传感器数据可能由于相应的传感器资源缺乏而不能获得。

二是传感器数据可信度(Confidence)的不可预测。即使情境识别所需的感知数据都能够获取，感知数据的可信度仍然是不可预测的。造成这种不可预测性的原因主要有两方面：一方面，在机会感知范型下完成感知目标的传感器很可能来自其他感知系统。而在不同感知系统中即使是同类传感器，其精度也可能相差很大；另一方面，在完成某个感知目标时究竟会选取哪个传感器是在设计时无法预测的。

以上挑战抽象出来就是如何进行不确定的语义推理的问题。为了解决这一问题，一些研究工作基于不同数学模型对语义网语言OWL和SWRL进行扩展，开发了很多新的扩展语言。这些语言从某种程度上是有效的，然而它们都有一个共同的不足，那就是这些语言的使用十分复杂，即使是对语义网语言非常熟悉的人来说，学习起来也非常困难。

发明内容

本发明主要是解决现有技术所存在的扩展的语义网语言使用复杂，学习困难等问题，提出了一种基于机会感知的情境识别系统及方法，该系统及方法可以使得情境感知应用的开发者仍然使用OWL和SWRL语言对情境识别的规则和概念进行建模，而无需使用新的扩展语言。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种基于机会感知的情境识别系统，包括：用于感知不同上下文信息的机会感知数据采集器、用于记录情境识别知识的情境识别知识库、用于根据所述机会感知数据采集器采集到的上下文信息和所述知识库记载的情境识别知识进行情境推理的情境推理机。

其中，情境推理机主要负责在运行时解决不确定的情境推理任务。情境是对一个实体所处状态的一种语义抽象，对于一个情境感知应用而言，当情境发生变化时则会触发相应的动作执行。通常来说，一个实体(例如一个人)所处的情境种类是无限的。然而对于一个特定的情境感知应用而言，其关注的情境种类是有限的。因此，将一个应用所关注的所有可能的情境组成一个集合，称之为情境候选集合。

上下文信息是能够刻画一个实体的情境的任何信息，一个实体的情境是由一组上下文信息来确定的。