CN104123469A - 一种普适计算环境上下文一致性检测调度系统及方法 - Google Patents

Abstract

本说明书公开了一种新的面向普适计算环境中上下文一致性错误的检测调度方法。这种方法能够从一致性检测的历史数据中自动学习出可能引发错报的上下文变化模式，进而在检测过程中通过对实时上下文变化的自动分析，重新调度检测的执行，从而提高一致性检测的准确度。本方法主要分成两个部分，一个模式识别模块和一个检测调度模块。模式识别模块使用数据挖掘领域的分类算法，自动识别出容易引发误报的上下文变化模式；检测调度模块通过模式识别模块针对实时上下文变化的分类结果，实时调整一致性错误检测的执行。本技术的模式识别过程和检测调度过程都可以自动化，只需要极少的配置就可以大大提升一致性检测过程的准确率。

Description

一种普适计算环境上下文一致性检测调度系统及方法

技术领域

本发明涉及普适计算，传感器，机器学习，软件工程等领域，尤其涉及针对普适计算环境下的上下文一致性检测领域。

背景技术

当今计算机传感技术得到了广泛的发展，越来越多的应用程序依赖于环境上下文信息来提供更好的服务，例如智能家居系统，智能手机上的各种基于位置的服务应用(地图、点评类应用)等。这类应用统称为上下文感知应用。然而，传感器通常会有误差，这就导致了应用所使用的上下文信息不一定准确，需要进一步的验证才能被应用所使用。

目前传统的上下文验证方法是首先使用一致性约束来指定环境上下文应该满足的属性，这些约束通常可以用一阶逻辑语言描述；然后在环境上下文发生任何变化时，相应的一致性约束会被检测，如果一致性约束被违背，则意味着一致性错误的产生，需要进行及时的一致性错误修复。然而，这种传统的方法通常会遇到许多错报问题。许多检测出来的一致性错误，其实不是真的由于环境信息的不准确导致的，而是由于一致性检测的时机不恰当导致。现实世界的一个变化，可能在会引发多个传感器的数值变化，在所有的变化都被更新之前，上下文信息可能处于一个临时的不一致状态，从而导致这个一致性错误被检测到。通常当后续的上下文变化全部生效之后，这个一致性错误就会消失。这些一致性错误会在很短的时间内消失，实际上属于错报。传统的方法会立即修复检测到的一致性错误，因此这些错报也会被当成正常的一致性错误来修复，于是就可能引发问题。一方面，如果这些原本正常的环境上下文信息被当成环境噪声而删除，那么应用就无法得到最新的环境信息；另一方面，应用可能针对当前的错误采取异常处理机制，从而将应用转入一个异常状态。这些都会影响应用的正常运行，因此需要尽可能避免这些错报检测到，或者至少压缩这类错报的数量。

发明内容

本发明的主要目的是提供一种针对普适计算环境下的上下文一致性检测调度方法，这种方法能自动识别可能导致错报的环境上下文变化模式，从而提升一致性错误检测的准确度。在实际检测时，这种方法自动识别上下文变化过程中的错报模式，从而选择恰当的实际进行一致性检测，提升检测效果。本方法的模式学习过程、一致性错误调度过程都是全自动的，在初始化后即不需要用户(程序员)的干涉。

本发明通过以下技术方案实现：

一种针对普适计算环境下的上下文一致性检测调度方法。所述方法包括一个模式识别模块和一个一致性检测调度模块。

所述上下文感知应用是指在普适计算环境下，根据环境信息自动为用户提供针对性服务的应用程序。

所述环境上下文信息是指上下文感知应用使用的任何一个环境信息，包括各种传感器数据、应用内部状态以及用户资料等各种信息。上下文信息根据其类型可以归入不同的上下文集合中。

所述上下文集合指的是同一类型的上下文信息组成的集合，上下文集合中的上下文信息通常有类似的结构。上下文集合有自己的有效性时限，超时的上下文将自动被删除。一个应用可以使用多种上下文信息，因而会有不同的上下文集合，这些集合会被统一地建模为一个上下文池。

所述上下文变化由一个三元组来形式化的建模，包括(T，C，E)，T代表变化的类型，可以是增加(Add)，删除(Del)或者修改(Upd)；C为这个变化作用的上下文集合；E为具体的上下文信息值。

所述一致性约束限定上下文信息必须满足的条件，通常由应用语义以及物理规律限定。这类约束一般使用一阶逻辑语言进行描述。约束中的全称量词和存在性量词应该对应应用的某一个上下文集合。

所述上下文一致性错误检测是指，在环境上下文信息发生任何变化的时候，检测预先定义的基于一阶逻辑的一致性约束，从而验证环境信息的准确性。如果约束被违背(真值评估为假)，那么就检测到一个一致性错误。

所述上下文一致性错误修复是指，在一致性错误被检测出来之后，这些错误需要被自动修复，使得上下文信息重新满足一致性约束的要求。修复的方法通常包括删除部分上下文信息或者采取应用自定义的异常恢复机制。

所述一致性错误检测的错报是指，部分被检测出来的一致性错误其实并不是由于环境上下文信息不准确导致的，而是由于不恰当的一致性检测而导致。这类一致性错误事实上不需要任何修复就会很快消失，然而传统的检测方法会无法判断检测到的一致性错误是不是错报，因此一律会进行修复，这反而会对应用产生不好的影响。

所述一致性错误检测的调度是指，在一致性检测过程中，当环境上下文发生变化时，有选择地进行一致性错误检测，从而避免一致性错误检测的错报，提高检测效果。

所述上下文变化模式由一对上下文变化组成，这个模式可能是“错报模式”，也可能是“安全模式”。

所述错报模式是指暗示着一致性错误检测的错报产生的上下文变化模式。在这一对上下文变化之间进行一致性错误检测，很有可能遇到错报问题。

所述安全模式与错报模式恰好相反，是指意味着一致性错误检测的错报不会产生的上下文变化模式。如果在这一对变化之间检测到任何一致性错误，很有可能是正常的需要修复的一致性错误。

所述模式识别模块使用数据挖掘领域中的分类器算法，通过分类器来判断识别出上下文变化中的错报模式，从而指导一致性检测的执行。

所述分类器的输入是一个上下文变化模式，也就是一对上下文变化，输出是一个布尔值，代表这对上下文变化是否可能引发错报。

所述分类器的训练集要从一致性错误检测的历史数据中自动获取，其过程由训练数据标记算法描述。

所述一致性检测调度模块，根据模式识别模块的识别结果，选择恰当的时机进行一致性错误的检测，从而提升检测的准确率。

本技术的有益性在于：

本发明能自动的从历史数据中识别出错误模式，并根据这些错误模式自动调度一致性错误检测的进行，选择恰当的时间点进行一致性检测，从而取得较好的一致性检测效果，为上下文感知应用提供更高质量的环境上下文信息，最终为终端用户提供更完善的服务。

附图说明

为了更清楚地说明本专利实施例的技术方案，下面将对实施例描述中所有需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来说，在不付出创造性劳动的前提下所获得的其他附图都属于本发明的保护范围。

图1为本发明实施例提供的环境上下文一致性错误检测的流程图。

图2为本发明实施例提供的环境上下文一致性错误检测调度系统结构系统图。

图3为本发明实施例提供的环境上下文一致性错误检测调度的流程图。

图4为本发明实施例提供的分类器训练集标记过程的流程图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。

本发明的一致性检测的总体过程如如图1所示我们会使用一个滑动窗口来监控最新收到的若干条上下文变化。这些上下文变化针对每一条约束都有一个调度值。调度值可以是“检测”“不检测”或者“待定”。每当一个上下文变化(T，C，E)被应用感知到时时，它首先会被交给检测调度模块，用于更新滑动窗口中现存的所有上下文变化的调度值赋值。然后最新收到的上下文变化会被加入滑动窗口中，所有约束针对这个变化的调度值赋值一般都是“待定”。最后，滑动窗口中最老的一个上下文变化会被从窗口中移除。应用从上下文池中找到这个变化对应的上下文集合；接着这个上下文集合会相应的进行更新，增加一条新的上下文、删除一条过时的上下文、或者修改一条现存的上下文信息里的值。最后，根据这个上下文变化的调度值赋值，应用会选择性地对某些一致性约束进行检测(当且仅当调度值被为“检测”时，一致性检测才会被执行)。

图2描述了这种方法的整体结构，传感器会不断的从环境中感知上下文信息，并以上下文变化的形式报告给应用。检测调度模块维护当前最新的若干个上下文变化，并将这些上下文变化成对交给模式识别模块进行分析，根据结果进行一致性错误检测的调度，并据此选择检测或者不检测某些一致性约束。

本技术的核心部分在于一致性检测的调度过程，前面已经提过，使用一个滑动窗口来保存最新的若干个上下文变化，如图3所示。这些上下文变化还没有作用于其对应的上下文集合中。当最新的上下文变化被接受到时，检测调度模块会依次更新滑动窗口中每一个上下文变化针对每一条约束的检测调度值。这些约束会一条一条的被处理。针对每一条约束，检测调度模首先读取这个变化原先的调度值，如果已经被赋为“不检测”或者“检测”，则跳过这个上下文变化；如果调度值被赋为“待定”，则这个滑动窗口中的上下文变化将和最新的变化组成一个上下文变化对。这个上下文变化对会被交给模式识别模块。模式识别模块中的分类器会读入这个变化对，并判断这个它是一个错报模式，还是一个安全模式。如果是一个错报模式，那么滑动窗口中这个上下文变化的检测调度值将会被赋为“不检测”。最后，窗口中的最老的一条上下文变化，其检测调度值如果仍然是“待定”，则将被赋为“检测”，因为这个时候进行一致性错误的检测，很有可能检测到的是正常行的一致性错误。当一条约束处理完之后，上下文调度模块会开始处理下一条约束，直到所有的约束都处理完。如图3所示。这里需要说明的是，滑动窗口的大小可以由用户根据具体情况指定，默认大小可以是一致性错误误报最长持续时间。

在前面一段中，提过最新的上下文变化被加入到滑动窗口时，其赋值一般是“待定”，这里也存在特殊情况。如果这个上下文变化完全不影响一个一致性约束，也就是说这个一致性约束中的所有全称量词或者存在性量词对应的上下文集合都与这个上下文变化完全没有关系，那么这个上下文变化的赋值可以直接被定为“不检测”(因为不会有一致性错误的变化)。

模式识别模块要为每一条约束训练分类器来识别错报模式。这里可以使用各种分类器算法，例如决策树、朴素贝叶斯或者多层神经网络等。分类器的输入为两个上下文变化组成的变化对，输出的是其分类结果。为了能让上下文变化对输入给分类器，需要从这两个上下文变化抽取出特征。分类器自动从上下文变化中抽取它的类型(T)、作用的上下文集合(C)，以及具体的上下文信息的值(E)作为特征。通常情况下，不同类型的上下文信息可能包含不同的域，例如用户个人信息可能包含姓名、年龄等，而室内环境信息可能包括湿度、温度、光照等。为了能自动的进行训练和分类，必须自动地进行特征的抽取。针对每一条约束，取出它所涉及的所有上下文集合，所有在这些上下文集合中包含的域都将作为特征被抽取。如果该上下文信息不包含某一个域的值，那么这个域对应的特征的值置为空即可。

分类器算法是一种有监督的学习，因此所有的训练数据都要被标记为错报模式或者安全模式。标记过程同样要求是全自动的。使用传统的一致性检测方法对应用的上下文信息进行一致性错误的检测，在此过程中监控一致性错误的产生和消失过程，以获取训练数据。被检测出来的一致性错误不需要进行修复，要让它们自然消失(正常的一致性错误的自然消失是由于其对应的上下文信息不再满足时效性需求而被删除)。这里同样要用一个滑动窗口来监控最近的若干条上下文变化，如图4所示。这个窗口的大小设定为用户指定的正常一致性错误的最少上下文变化次数。需要注意，这里窗口里的上下文变化已经被用于更新对应的上下文集合。每当一个上下文变化被作用于其上下文集合后，可能会有新的一致性错误被检测出来，也可能会有原来的一致性错误被发现消失了。如果一个上下文一致性错误，其产生和消失都发生在这个窗口范围中，那么窗口中这两个变化之中的所有上下文变化，两两都会被标记为错报模式；当一个上下文变化最终从窗口中被移出时，假如它没有被划入任何一组错报模式，那么它将与窗口中所有的其他的上下文变化各组成一个安全模式。每一条约束都会有自己单独的特征集合，会独立地收集训练数据、训练分类器，在真正的一致性检测过程中，也将独立进行检测调度。

以上就是这种一致性检测调度技术的主要内容。其核心在于如何根据上下文变化来寻找上下文检测的最佳时机，难点在于解决不同上下文集合之间的异构性问题。通过上述方法，可以全自动的获取训练数据并进行一致性检测地调度，以提高一致性检测的效果。

Claims (6)

1.一种普适计算环境上下文一致性检测调度系统，包含一个模式识别模块和一个检测调度模块，其特征在于：所述模式识别模块从一致性错误检测历史数据中自动识别出容易引发误报的上下文变化模式，并在运行时刻实施分析当前上下文变化是否可能引发错报；所述检测调度模块通过所述模式识别模块针对实时上下文变化的分析结果，在上下文信息发生变化的时候动态决定检测或者不检测某一条一致性约束，实时调整一致性错误检测的执行；

所述上下文一致性检测指的是验证上下文感知应用使用的环境上下文信息质量的过程；

所述上下文感知应用是指普适计算环境中，需要使用环境信息来为用户提供服务的应用程序；

所述一致性错误检测指的是那些被检测出来后，不需要经过任何修复，却会很快消失的一致性错误；

所述上下文变化模式是指上下文变化对一致性约束真值的影响模式，包括错报模式和安全模式。

2.如权利要求1所述的普适计算环境上下文一致性检测调度系统，其特征在于：

所述上下文一致性检测使用一致性约束来描述上下文应该满足的特征，并通过运行时刻实时检查约束是否被满足来保证上下文信息的一致性；这些一致性约束由应用语义以及物理规律限定，使用一阶逻辑语言进行描述；约束中的全称量词和存在性量词对应应用的某一个上下文集合；检测到一致性错误后会被修复，以提高其上下文数据的准确度，提升的可靠性和用户体验。

3.如权利要求1所述的普适计算环境上下文一致性检测调度系统，其特征在于：

所述一致性错误检测的错报是指，部分被检测出来的一致性错误其实并不是由于环境上下文信息不准确导致的，而是由于不恰当的一致性检测而导致；这类一致性错误事实上不需要任何修复就会很快消失，然而传统的检测方法会无法判断检测到的一致性错误是不是错报，因此一律会进行修复，这反而会对应用产生不好的影响；

所述上下文变化由一个三元组来形式化的建模，包括(T，C，E)，T代表变化的类型，可以是增加(Add)，删除(Del)或者修改(Upd)；C为这个变化作用的上下文集合；E为具体的上下文信息值；

所述错报模式是指暗示着一致性错误检测的错报产生的上下文变化模式；在这一对上下文变化之间进行一致性错误检测，很有可能遇到错报问题；

所述安全模式与错报模式恰好相反，是指意味着一致性错误检测的错报不会产生的上下文变化模式。

4.如权利要求1所述的普适计算环境上下文一致性检测调度系统，其特征在于：

所述模式识别模块使用数据挖掘领域中的分类器算法，通过分类器来判断识别出上下文变化中的错报模式；所述模式识别模块首先从一致性错误的历史检测数据中自动提出训练集，然后基于训练集训练出分类器，来实时判断当前上下文变化属于安全模式还是错报模式。

5.如权利要求1所述的普适计算环境上下文一致性检测调度系统，其特征在于：

所述检测调度模块，根据模式识别模块的识别结果，选择恰当的时机进行一致性错误的检测，从而提升检测的准确率；如果识别出错报模式则在某些时间点上不能进行一致性检测。

6.一种普适计算环境上下文一致性检测调度方法，包含一个模式识别模块和一

个检测调度模块，其特征在于：

所述模式识别模块从一致性错误检测历史数据中自动提取出训练集，并在此基础上自动训练分类器以识别容易引发误报的上下文变化模式，该模块在运行时刻实时分析当前上下文变化是否可能引发错报；

所述检测调度模块通过所述模式识别模块针对实时上下文变化的分析结果，在上下文信息发生变化的时候动态决定检测或者不检测某一条一致性约束，实时调整一致性错误检测的执行。