支持上下文感知应用程序动态自适应中间件框架.docVIP

支持上下文感知应用程序动态自适应中间件框架 　　摘 要：上下文感知计算是当前开发和部署智能应用不可或缺的关键技术之一。上下文能否在计算中真正发挥其作用，主要取决于两方面：一是如何连续稳定地从动态交互环境中获取高质量上下文，二是如何推理上下文并制定适应决策。为了实现上述目标，设计了一个分层的中间件框架，该中间件能够根据上下文质量参数，动态地选择能提供高质量上下文的信息源，并对这些原始上下文进行预处理和推理，进而自动地制定适应决策为用户提供合适的服务。实验测试了平台的性能，并与同类系统进行了比较，结果表明该中间件能够快速有效地支持上下文感知应用的开发部署，并且在计算性能方面有显著提高。 　　关键词：上下文感知；中间件；上下文推理；上下文感知适应决策；上下文质量 　　0 引言 　　作为普适计算的关键技术之一，上下文感知计算已经无形且无缝地被应用到人们的日常生活当中，其目标是使系统能够自动地发现并利用位置、周围环境等上下文信息动态地制定适应决策，前摄地为用户提供最合适的服务，将用户从繁重的人机交互过程中解脱出来，从而改善用户体验[1]。上下文指的是“任何可用于刻画实体所处环境的信息。这里的实体可以是人，也可以是地点或其他在用户和应用程序交互过程中所涉及的对象，甚至包括用户和应用程序本身”[2]。 　　利用中间件技术来解决上下文感知计算中的一些关键性问题已经被国内外研究人员广泛认可[3]。中间件是分布在应用程序和网络操作系统之间的一个服务层，可以屏蔽上下文感知设备的异构性，给用户提供一个透明的、不可见的计算环境。上下文感知应用程序则要求中间件平台能够自动监测用户、应用和外部环境间所发生的交互并识别这些交互所导致的上下文变化，从而使应用能够采用适当的动作来适配这些变化，而不需要用户的干涉。传统的中间件模型往往与特定的对象模型绑定，由于上下文感知计算环境下设备异构性、网络多样性等特点，对象模型无法完备地描述所有的上下文感知计算网络资源和应用模型，于是难以满足上下文感知计算的需求[3-4]。因此，需要一个松散耦合的支持上下文感知的自适应中间件架构，以适应新的需求。 　　本文提出了一个支持上下文感知应用程序的动态自适应中间件系统框架，该系统框架能够获取、管理、推理融合上下文信息，并使用这些信息自动地制定适应决策以指导应用程序适配自身行为，还能够依据上下文质量（Quality of Context， QoC）相关参数动态选择合适的信息源以获取稳定的、高质量的上下文，从而实现应用本身的业务逻辑与上下文获取、推理、适配等相关逻辑的有效分离，将应用程序的开发从繁琐的上下文信息感知工作中解脱出来，提高了上下文感知应用程序的开发效率。 　　1 相关工作研究 　　过去十几年，许多学者开始专注于上下文感知系统框架及应用的研究，并涌现出大量的优秀成果[4]。例如，Olivetti公司的Active Badge项目利用上下文信息实现在办公大楼内的自动电话转接服务；Microsoft公司Easy Living项目使感知计算进入到家庭和办公环境中。然而，在这些早期的系统中，上下文逻辑与应用逻辑采用紧耦合的方式处理，导致系统复用性降低。 　　随后，研究者们开始尝试把各种感知应用需要的关于上下文的共性功能进行抽象，于是出现了独立的上下文感知系统框架。例如，Dey等[2]开发的Context Toolkit工具包开创性地提出了基于主动推理且面向对象的上下文感知快速原型体系结构；CARISMA采用反射的机制，依据适应策略实现应用的动态重配置。但它们的上下文模型是应用程序相关的，且不包含语义信息，不支持知识的共享与重用[3-4]。之后，本体被引入上下文感知系统中对上下文进行建模，例如，CoBrA、Gaia、SOCAM、CAMPH和OPEN等系统框架， 本体模型包含语义信息，不仅支持知识共享与重用，还支持本体与规则结合的上下文推理[3-5]。其中，基于规则的推理还为开发者提供了一种控制上下文感知系统行为的手段。然而，这些决策规则都是由开发人员或用户手工定义的，这种方式会产生许多问题[5]：首先，开发者对用户需求的认识有限，定义的规则难以完全符合用户需求；其次，人工定义的规则有大量冗余并可能造成自相冲突，从而导致后续规则匹配出错；此外，该方法要求开发人员必须预测所有可能的上下文情境，进而预先定义出完善的适应策略，这无疑给开发人员带来沉重的负担，使其不能将注意力全部集中在应用程序本身的开发上；最后，上下文感知计算的目标之一就是减少用户交互，而复杂的规则定义过程增加了用户交互的难度，这显然与上下文感知计算的初衷相悖。 　　针对上述问题，刘栋等[5]提出了一种基于粗糙集的自动生成规则方法。该方法将上下文感知系统视为决策信息系统，并利用可辨识矩阵对上下文加以约简，进而自动生成规则。但该方