一种基于本体的物联网情境信息建模方法研究

宫大鹏

摘 要：情境感知计算是近几年来物联网技术的研究热点，合理的情境信息建模方法和工具的采用，是实现物联网环境下情境感知的基础。文章采用了基于本体的方法进行情境信息建模，并以物联网环境下的智能实验室为例，讨论了情境信息的采集和筛选，对情境信息进行了基于本体的分级建模，这种方法对物联网情境感知的研究具有一定的促进作用。

关键词：物联网；本体；情境信息建模

1 引言

物联网情境感知计算中作为输入的情境信息不像传统的计算机应用程序，通过一般的鼠标和键盘等设备获得，而往往是通过多种分散在不同地方的传感设备获得。这些传感设备通过网络与计算实体相连接，从而将感知到的情境信息数据交由计算实体分析处理。因此，情境信息的异源性（由分散的多种传感器获得）、多样性（类型有多种，比如位置、时间等等）、不完整性（传感设备可能会突然发生故障而导致获取的情境信息由偏差）等等特性会导致对其进行管理和再现是一项复杂的工作，因此需要对情境信息数据进行建模。情境信息模型向物联网服务系统应用屏蔽了情境信息的复杂性，有了这种支撑，物联网情境感知计算就无需考虑如何组织由传感器传输过来的情境信息，通过情境信息模型就可以方便的存储、管理和读取所需的数据。

2 相关工作

目前，在物联网情境感知技术的研究成果中，针对情境信息建模的研究已经得出一些重要的建模方法。情境信息建模方法从不同的角度可以分为不同的种类，从模型的应用领域上来划分，可以将模型分为通用模型和专用模型；从模型的组织和结构的角度来划分，可以分为混合模型和组合模型。无论情境信息建模如何分类，最终都是为了适合相关领域的。情境信息建模的一般步骤是：首先确定要建模的情境信息的应用领域和范围，然后分析相关领域的情境信息的特点以及应用系统的性能指标要求，接着选择一个适当的情境信息建模方法，并使用相关的建模工具对情境信息进行建模，最后进行相关的模拟实验来仿真验证，评估应用系统的有效性。虽然在情境信息建模的方法研究上，不同领域的学者有着不同的理解，但在普适计算领域和物联网技术领域，已经出现了一些分类研究方法被大家所认可，比如Strang等人提出的几种建模方法[1]：

（1）键值对模型（Key-Value Model）

这个模型采用的数据结构比较简单，大多使用在普适计算领域较为常用的一个关键字对应一个值的结构中。其主要特点是数据结构简单，因此优势就体现在数据的存储和查找方面，但同样是因为数据结构单一，面临比较复杂的情境信息的表示时就会暴露出表达力不足的缺点。另外，这种情境信息的表示也增加了系统在情境推理等处理时的难度。

（2）标记模式模型（Makeup Schema Model）

标记模式模型的特点是，通过采用分层的数据结构以及属性与内容的组合标记方法来对情境信息进行建模。这种模型可运用反复的标记嵌套方式来表达一些较为复杂的情境信息，而且可以让表示出来的情境信息序列化，其表达能力也较强。它的缺点在于，数据的复杂度可能会随着过深的嵌套增加，这会增加后续情境信息处理的难度。

（3）面向对象模型（Object Oriented Model）

面向对象模型的思想是基于对象的封装性和重用性。因为物联网系统环境下的情境信息具有动态性特点，很多问题都是因为此特性所产生的，使用该模型给情境信息建模能在一定程度上解决情境信息的动态性所导致的种种问题。并且面向对象的建模可以将情境信息的处理方式很好的隐藏在实体对象里，与处理相关的情境信息就能够通过开放的对外接口来访问。

（4）空间模型（Space Model）

这种模型是一种突出表示空间信息的情境模型，因为在很多情境感知应用中空间都是一种重要的情境信息，最开始人们甚至把情境直接理解为实体的位置（空间）。空间模型所用的空间信息可以是指物理实体（比如房间）的空间信息，也可以是指非物理实体（比如网络中心）的空间信息。同时空间信息可以是预定义的静态的数据，也可以是由传感设备动态捕获到的数据，后者通常是通过坐标值来表示实体的空间信息，比如GPS导航就是这种模型的典型应用之一。

上述几种情境信息建模的方法都各有特点，但同时都存在一定的局限性。键值对模型和标记模式模型的表达能力较弱，且推理支持也比较少，所以不能用于描述复杂的情境信息；面向对象模型缺乏灵活性，在描述简单情境时往往会显得有些冗余；而空间模型对领域的依赖性较大，对情境感知计算的通用性比较差。因此需要研究人员结合多种模型的优点，来设计出一种新的情境建模方法来达到灵活描述情境信息的目的。

3 一种基于本体的物联网情境信息建模方法

经过对现有的情境感知比较分析和探索研究，目前最为理想的情境信息建模方式就是基于本体的模型，这是一个比较成功并且具有前景的情境信息建模方法。这源于本体的表达能力较强，形式化程度较高，描述语言语法的完整严密的特点。因为本体具备了强大的描述能力和一致性的语义表达以及 W3C 提供了相关的支持[2]，使得其可以描述相对复杂的情境，成为大部分研究人员建模情境的首选方法，也为物联网情境感知计算奠定了基础。

3.1 情境信息的采集

本文以高等院校的智能实验室为例，设计了可供物联网服务系统情境感知计算所使用的情境信息。智能实验室的基本设施如图1所示，由于是以学校的普通教学实验室为原型的，所以应用范围限制在多人共用的实验室领域。该实验室以实验室的用户为中心，其物联网系统最终的目的就是更好地为用户提供主动的、无缝的、个性化的服务。因此所采集的情景信息既要考虑现有的物联网识别技术，也要兼顾到系统所在环境的情景信息种类。

首先，通过门禁系统获取实验室用户的信息，读卡器读取用户的Badge信息，可将用户分为两大类：授权用户和未授权用户。授权用户可使用实验室的任何教学设备，包括实验室的使用者老师、学生和设备管理人员；未授权用户是指拥有Badge却无权使用教学设备的用户，比如清洁工等。同时，用户的Badge包含了用户的个人信息，比如职业（老师、学生或者清洁工等），年龄，性别等。

实验室用户除了Badge已登记的个人信息，用户携带的设备也可以采集到用户自身的情境信息，比如目前广泛使用的智能手机，其携带的重力感应器可以提供用户的速度、加速度信息，GPS芯片可以获取用户的位置、朝向等信息，还有蓝牙、Wifi等等都可以为系统提供丰富的用户信息。

此外，实验室环境也为系统提供了丰富的情境信息，主要包括实验室的一些客观环境的物理参数，比如时间、室内光照强度、室内温度、室内噪音强度、室内人员情况等。这些情境信息大多数直接通过相关的传感器获取，比如光照强度、温度、噪声等。但是有些信息可能需要一些简单的推理，比如室内人员的数量，就需要门禁系统通过计算出入的人员数量来得出结果。

智能实验室系统所能获取的情境信息如图2：

图2 智能实验室情境信息举例

3.2 情境本体建模的设计

通过上文介绍，已经将智能实验室中可供采集的情境信息基本概括了一遍，根据目前的传感器技术和无线网络通讯水平，研究人员可以很方便快捷的获取所需的情境信息。但是，各种传感器的情境信息数据量剧增，同时传感器的种类、位置和数量以及获取情境信息时间节点的推移导致所获取的情境信息具有分布性、异构性、动态性的特点，如何处理这些复杂的情境信息，是物联网情境感知技术必须解决的问题。之前，通过对比分析现有的情境信息建模技术，本文采用了当前被业内人士所广泛认可的基于本体的情境信息建模方法。

本体建模就是指运用本体语言来对系统应用领域中被普遍认可的知识进行抽象和归纳，最终通过本体构造的概念，及概念之间的语义关系来标识其领域知识。本体的建模是要与其对应领域相关的，Guarion[3]也提出过以对领域的依赖程度和详细程度两个维度将本体的种类划分为顶层本体、领域本体、任务本体以及应用本体的思想。因此，本体建模需要根据实际需要来处理与其领域的依赖程度，而抽象层次过高、通用性太强的本体模型反而可能会降低本体模型在特定专业领域的使用效率和实用性。

本文是用来面向物联网计算领域的，所以首先需要构建一个面向物联网计算领域的抽象本体模型，其具体的物联网服务系统应用如智能实验室在构建系统应用的情境模型时，将会在该抽象本体模型的基础上进行具体化和定制服务。

图3 智能实验室的抽象情境信息本体模型图

面向物联网系统应用的智能实验室抽象情境本体模型如图3所示，其情境本体是按照分层的思想来构造的：首先构造物联网环境中的通用核心概念，我们称之为领域本体层；然后再构造针对特定的物联网系统应用的概念，我们称之为应用本体层。在领域本体层中，从领域抽象出来的概念我们用 OWL 类（owl：Class）来定义，并且对于该类所具有的数据类型属性我们通过 OWL 数据属性（owl：DatatypeProperty）来定义，而类之间的关系我们通过OWL对象属性（owl：ObjectProperty）来定义。

物联网环境下的智能实验室系统服务是以人为中心的，因此首先需要构造人的类，人具有姓名、ID、职业等数据属性，根据校园实验室用户的职业可以将人这个类划分为老师和学生两个子类；同时，构成智能实验室的基础要素是供给老师和学生学习、研究和实验的设备，因此需要抽象出设备的类，于此同时设备又可进一步分为传感器、计算机、电灯、空调等真实的设备和移动信息服务器等虚拟设备，并且我们可以通过OWL子类（rdfs：subClassOf）来表达这两个抽象出来的设备子类与设备类的关系，同时，系统设备都具有某些通用的数据属性，比如设备数量（比如计算机的台数）、编号（无线路由器的编号）等数据属性；而物理空间的位置也是非常重要的情境信息要素，我们可以通过位置类来标识此概念。如果再对物理空间位置进一步的抽象，还可分出室内、室外这两个子类。另外，设备和人都具有物理空间的位置，可通过对象属性来表达设备与位置、人与位置的关系；同时行为是针对人所处当前场景来描述的概念，比如阅读、行走、讨论等，人与行为之间可以用对象属性关联。

4 结束语

本文首先介绍了情境的概念，通过情境信息的分类来介绍它的特点，结合其特点对比分析了几种情境信息建模方法，体现出采用本体进行物联网环境下情境信息建模的优势。然后分别针对情境信息模型中的语义信息和实例划分进行详细探究。在以后的工作中，我们通过运用Protégé等软件进行建模实验，验证基于本体的情境信息建模对物联网情境感知计算具有促进作用。

参考文献

[1]Strang T， Linnhoff-Popien C. A context modeling survey[C]//Workshop Proceedings. 2004.

[2]Neches R， Fikes R E， Finin T， et al. Enabling technology for knowledge sharing[J]. AI magazine， 1991， 12（3）： 36.

[3]Guarino N. Semantic matching： Formal ontological distinctions for information organization， extraction， and integration[M]//Information Extraction A Multidisciplinary Approach to an Emerging Information Technology. Springer Berlin Heidelberg， 1997： 139-170.