智能环境基于用户交互模态的情境感知服务

王军锋，余隋怀，IMRE Horvath，王 宁

WANG Junfeng1，2，3,YU Suihuai1,IMRE Horvath3,WANG Ning1

1.西北工业大学 工业设计研究所，西安710072

2.西南科技大学 制造科学与工程学院，四川 绵阳621010

3.代尔夫特理工大学 工业设计工程学院，荷兰 代尔夫特2628CE

1.Institute of Industrial Design,Northwestern Polytechnical University,Xi’an 710072,China

2.School of Manufacturing Science and Engineering,Southwest University of Science and Technology,Mianyang,Sichuan 621010,China

3.Faculty of Industrial Design Engineering,Delft University of Technology,Delft 2628CE,Netherland

1 引言

近年来已有许多针对普适计算的情境感知研究[1-2]。大部分研究及其应用的对象都是智能环境——配备有一系列传感器（sensor）和执行器（actuator）的物理空间。大部分需要情境感知技术辅助有障碍人群的受控环境（如医院、酒店、公寓、家庭环境、教室等）都属于智能环境，相关技术在人口老龄化问题日益凸显的欧美和日本等发达国家越来越普及[3]。除了辅助有障碍人群，弥补部分生理缺陷，提升他们的生活品质之外，智能环境还能降低对专业看护人员的需求，从而节省成本。为了实现以上目标，智能环境需要具备能够动态调整、感知情境的智能机制为环境中的各种设备分配辅助性服务。动态调整能力和情境感知的准确性是此类系统成功的关键，而由于智能环境的复杂性[4]、系统设备的异质性、系统配置的专业性和所需处理信息的巨大数量，导致提供主动性服务十分困难。

本文提出一种基于用户交互模态的情境感知服务系统。该系统基于用户所处的位置和交互能力提供个性化服务，所考虑的情境信息包括：（1）用户的交互能力和对人机交互界面的偏好；（2）环境中各类可交互对象的位置、可交互区域的描述、物理环境结构等；（3）设备资源、使用情况、位置、可作用的区域等；（4）服务需求和特征，例如提供某项服务所需的资源、对软件和硬件的需求、用户界面的表现形式等。

本文研究工作主要的创新之处在于把用户信息，特别是交互模态信息（视觉能力、手臂操作能力和移动能力）整合进了主动式服务的推理过程。基于以上交互模态信息的推理过程能让本文提出的系统选择出最适合当前情境和用户交互能力和人机界面偏好的设备提供服务。为了验证所提出解决方案的有效性，在不同使用情境下，引入多名具有不同交互能力的用户对系统进行了测试和验证。

2 情境感知相关研究工作

Gouin-Vallerand 等[5]利用网络服务、OSGi、OWL 和模糊逻辑开发出了一种具有情境感知能力的中间件。该中间件通过感知设备的硬件信息以及在环境中的位置信息，帮助环境管理人员和专业看护人员组织和布局新的软件，以实现更好的监控。但该研究并未考虑提供服务最应该关注的对象——用户信息，另外，该研究所提出的情境推理都集中于系统的关键节点处，属于集中式控制，系统执行效率较低。Ghorbel等[6]利用语义推理开发出了一种能在智能手机用户进入具有普适计算能力的环境时主动提供服务的系统。该研究并未考虑在拥有多个终端设备的环境下如何向用户，而不是智能手机推送服务。Ranganathan 等[7]利用拓扑结构和语义匹配搜索适当的设备配置，从而实现在给定环境中布局软件。该研究主要着眼于硬件配置分析和环境空间信息的描述，并未关注用户需求、交互能力和偏好。Syed等[8]为普适计算系统提出了一种主动服务和实现软件自组织的工作框架。该研究利用情境构成、系统能力、规则和所有权等定义设备、服务过程和任务，其推理过程类似于基于用例的推理。该研究对于系统工作、任务、服务过程和设备相关的情境信息进行推理，从而找出适当的设备提供服务，也没有考虑用户在提供服务过程中的角色和作用。Nieves 等[9]提出通过询问对话的方式实现智能环境中的服务决策，系统服务由三种带有不同角色，代表不同数据源的Agent 提供。环境Agent 用于处理环境资源可用性的动态变化信息，为交互活动的执行提供工具；活动Agent 识别智能环境中的活动（无目标）和用户行为（目标导向），通过过滤可用的服务影响并促进当前正在进行的行为。通过以上两类Agent 的协助，训练Agent 能提升用户执行行为的能力，为了维持用户的兴趣，系统要提供符合用户期望的服务。该研究通过询问对话的方式实现服务筛选，交互效率较低，且没有考虑交互情境和环境中可用的交互设备信息。Loke等[10提出了一种基于位置的服务筛选方法，该方法把目标环境划分为多个环境区域，并定义每个区域所对应提供的服务，区域间所提供的服务可以有所重叠，通过分析服务的相似性、优先权和限制因素，并制定相应的选择规则，可以解决重叠区域的服务选择问题。该研究主要关注于基于地理位置的服务选择，并未考虑用户的需求和用户的交互能力等信息。

目前已有一些研究致力于基于用户交互能力和交互模态信息，解决人机界面的适应性问题。文献[11]提出了基于用户选择偏好和使用历史解决视觉界面的适应性问题。Bezold 等[12]提出了基于基本的人与系统交互事件序列多用户进行建模，并从中提取新知识，从而实现系统对人类行为的适应。Castillejo 等[13]认为用户偏好、情境信息和设备能力是建立适应性用户界面的基础，由此对交互中的人、情境和设备进行了建模，三者的模型构成了适应性用户界面的拓扑结构。该拓扑结构结合作者提出的两种适应规则，智能系统能够以适应用户特征、交互情境的方式定义设备的人机界面参数。Sakurai 等[14]建立了包括多个显示设备的环境中的交互行为模型。为了让信息的显示方式适应用户，该研究综合考虑了用户与显示器之间的距离、视野等问题。以上研究所面向的领域和研究角度虽然与本文的工作有所差异，但其研究方法为本文的研究提供了一些思路。

本文提出的情境感知服务系统解决了以上相关研究未考虑到的一些问题。例如，情境感知中间件考虑了文献[5-8，10]未考虑的用户交互能力和偏好两方面因素；本研究针对的是带有多设备智能环境中的交互问题，而文献[6，9，11-13]的研究只考虑了单个交互设备的情况；另外，本研究采用模糊逻辑筛选所要提供的服务，这种方法能提升计算速度，同时，通过定义不同的模糊逻辑使得推理过程更加灵活，具有一定的可拓展性，优于其他推理方法，如文献[6]的描述逻辑、文献[7]的语义匹配，以及文献[8]的基于案例的推理。

3 情境感知服务系统

本文所提出情境感知服务系统主要用于在各种智能环境中布局各种辅助性服务。这些智能环境通过提供相关信息，如用户身份、需要使用的软件，环境中是否由特定的区域响应服务请求等，并发送服务请求到情境感知服务系统，从而实现系统根据用户的交互特征和所在位置的设备资源向用户提供服务。通过使用面向服务的架构（Service Oriented Architecture，SOA），系统的情境感知服务功能可用于智能环境中的多个子系统，系统中其他软件就不需要再执行复杂的推理过程[15]。

3.1 情境感知模型和策略

本文所提出主动服务机制考虑四种情境信息：用户信息、设备信息、环境拓扑和软件信息。智能环境中所布局的服务都需要有相应的硬件、软件和情境条件支持。一方面，诸如准备餐食或带有情境感知能力的日程提醒能在环境中定位特定用户所在的位置，向周围设备发出服务请求；这些设备有其特定的交互支撑能力，如所能够使用的资源，与周边设备的连接情况等。另一方面，用户有其特定的交互能力，如视力水平和视野范围，手臂工作范围和手臂力量等。同时用户所处位置与环境中的设备具有不同的物理距离，对人机界面有个人使用偏好，例如，相比传统的人机界面更喜欢使用触摸屏。所有这些要素都分布在智能环境中的不同位置，并与特定的情境区域相关，如厨房、浴室、客厅等。图1 给出了主动服务推理机所处理的各类信息。根据所指对象不同，输入到推理机的信息表达形式有所差异，如用户视力水平可表示为20/40*根据斯奈伦视力测试方法，正常视力水平为20/20，表示被试能在20 ft（约6 m）处清晰地看到最小的五分视角字母。如果视力水平为20/40，表示被试需要在20 ft位置才能看清楚正常视力在40 ft位置看到的字母。，视野范围为左右60°，移动速度为1.2 m/s，对触摸屏的交互偏好为1（1 表示喜欢，0表示无所谓，－1 表示不喜欢）。

图1 情境感知服务推理过程涉及的情境信息

在智能环境中，服务由特定的设备提供，根据设备所处的位置及其周边设施情况，把所要感知的情境划分为多个“微观情境”。对单个微观情境信息进行抽象、聚合之后再与系统的其他微观情境共享信息，就可以完成对微观情境的感知；同时，多个微观情境聚合之后，结合其他信息源可以形成更高一层的情境信息——宏观情境。微观情境感知实现对情境对象的认知，并理解环境实体的周边关系；宏观情境感知则负责全局化的情境信息，以及各种突发情况[15]。将情境划分为微观和宏观两类不仅能分层处理情境信息，降低软件程序的耦合度，还能避免泄漏敏感信息。

情境感知服务系统利用模糊逻辑组织推理机（Fuzzy Logic Organization Reasoning Engine，FLORE）[16]匹 配服务需求与智能环境中的相关情境信息。模糊逻辑[17能够把情境信息模糊化，例如，把具体数值转换成相对于定量集合的模糊值，并利用推理规则进行处理，然后再将结果解模糊化为系统可用的数值。智能环境中交互情境信息的数据类型具有很大异构性，包括诸如室温之类的量化数据和用户情绪状态之类的定性数据。模糊逻辑能在同一推理规则内对定量和定性数据进行比较。同时，在缺少关于所推理对象精确知识的情况下，基于模糊逻辑的推理算法依然能得出有效结果，智能环境中的人机交互关系正属于这一情况。最后，模糊逻辑能够描述无法清晰判断和评估的情形，例如通过用户行走速度的“快”和“慢”来判断某一设备资源对该用户是否可用。

利用模糊逻辑对信息进行推理的过程主要包括：（1）利用隶属函数把输入数值模糊化为词汇；（2）利用前面所得词汇，通过聚集（聚集各种不同表述词汇）、激活（分配规则进行判定）和累加（把结论合成为要输出的模糊集）完成模糊规则推论；（3）把输出的模糊集解模糊为具体数值（通常用重心法寻找解模糊集的均值）。

基于智能环境的分布式布局，以及前文给出的微观和宏观情境模型，FLORE 可以被划分为带有不同模糊逻辑控制器的单元：（1）FLORE 设备单元——作用于微观情境，根据计算提供特定服务所需的设备资源和人机交互界面，计算结果共享到宏观情境层。智能环境中所有能提供服务的非专用设备（如桌面式计算机、手机、平板电脑和笔记本电脑）与其软件一起构成一个FLORE设备单元。（2）FLORE 协调器单元——作用于宏观情境，分析来自设备单元、用户信息、环境拓扑和系统部件位置等信息与服务需求的对应关系。

以上FLORE设备单元和协调器单元均采用JFuzzy-Logic[18]控制器处理情境信息。协调器单元计算结果的范围为0～100，记为设备能力指数（Device Capability Index，DCI），表示某个设备对应某项服务请求的最优性，与用户信息相关。为了提供服务，设备必须具备一定数量的中央处理单元（CPU）、随机存储器（RAM）或永久存储器（PMS），组成特定的配置，另外还需要一些人机界面设施，如鼠标、键盘、触摸屏、显示屏等。FLORE设备单元初步计算出的DCI传输给FLORE协调器单元，计算与宏观情境信息相匹配的DCI。图2给出了FLORE设备单元、FLORE 协调器单元以及管理工具（帮助用户在智能环境中布局服务）三者所处理的情境信息。

图2 FLORE 设备单元、协调器单元以及管理工具所处理的情境信息

FLORE 协调器单元根据服务需求处理用户信息，并结合来自FLORE 设备单元的处理结果，计算设备最终的DCI。因此，FLORE 协调单元需要基于用户的交互模态对用户信息进行分析。交互模态决定了用户与环境及其他物体交换信息的过程，主要包括感觉（采集环境信息）、认知（感知信息）、理解（解释并保持）、行为（做出反应）。在情境感知服务系统中，通过这种方法对用户交互能力进行分类，并将其应用于推理过程。本文所提出情境感知服务系统使用视觉和动作两种模态共计四类信息。

（1）视野：用户视野和计算设备及其显示器作用范围的对应关系；在模糊逻辑推理过程中，计算用户视野范围和显示器投射范围的重叠区域，判断两者是否双向可达。

（2）视力：用户视力和设备显示器上所显示信息的对应关系；获取用户位置坐标之后，计算用户和服务设备间的距离，对比用户视力水平在此距离所能清晰看到的字符尺寸和显示器上所显示文字的大小，判定是否利用该设备提供服务。

（3）移动能力：用户移动能力相对于设备和人机界面所在位置的关系；利用用户移动速度和设备之间距离的比值判断用户到达该设备所需的时间。

（4）操作能力：用户操作能力和人机界面所需操作能力的对应关系；根据用户位置坐标和手臂操作范围判断是否能对相应的设备进行交互操作。

与以上交互模态相关的信息经过处理之后，传输到FLORE 协调器单元，利用隶属函数模糊化所有定量数据，将其转换为定性信息，然后利用一系列模糊规则，结合解模糊函数计算DCI。如利用模糊规则：IF 视野IS 双向可达AND 视力IS 最佳AND 用户移动能力IS 快AND行走时间IS 很短AND 人机界面IS 已连接THEN 设备评估IS 最优；计算前面给出的各种与交互模态相关的定性信息，并将结果传输给解模糊函数optimal。本文所提出情境感知服务系统目前包括38 条用于计算DCI 的模糊规则，15 条用于计算微观情境的模糊规则。应用38条规则所得结果的重心就是设备的DCI。

3.2 应用案例

本文将通过一个案例场景说明情境感知服务系统如何利用交互模态信息和用户对交互界面的偏好计算设备的DCI。该案例的系统架构如图3 所示，智慧家庭被分为多个区域，如厨房、客厅、卧室等。多个设备和相关的人机交互界面安装在这些区域内。系统通过传感器采集用户的位置和面部朝向等信息，用于判定用户与显示器是否视觉双向可达。另外与设备信息和用户个人信息一起输入到模糊逻辑组织推理机中，对各类信息进行模糊推理，筛选出最佳设备向用户提供服务。

图3 智慧家庭应用案例的系统架构

假设某智慧家庭系统用户患有慢性病，需按时服药，但该用户却经常会忘记按时服药。智慧家庭系统将通过用户的日程安排（存储于智能手机之内）读取提醒用户按时服药的服务需求，然后在需服药的时间点，根据用户所处在智慧家庭环境内的位置，利用就近的人机交互设备提醒用户按时服药，以及服用药物的注意事项。本示例假定用户将药物放置在厨房内的储藏柜中（在系统实际运行时可由用户自行定义特定服务对应的环境区域）。用户的其他信息包括：视力较差；视野范围一般；移动（步行）速度一般；上肢具有足够的力量操作人机交互设备（触摸屏、键盘、鼠标等）；环境中也有足够的空间供用户展开操作；相比于传统人机交互设备，用户更倾向于触摸屏操作。系统提供服药提醒功能所需的资源包括：用于显示信息的触摸屏，最好位于放置药品的区域。

在图4 所示的布局图中，离用户所处位置最近的有四个交互设备：右前方的笔记本电脑、右右方的智慧家庭系统服务器、左方的平板电脑以及左后方的智能电视机。图中给出了各种交互模态的作用区域，如用户视力和视野区（扇形）、用户在2 s 之内可到达的范围（圆形），同时还给出了提供服务的目标区域（矩形）。

图4 基于用户交互模态的情境感知服务示例

情境信息被传输到情境感知服务推理机（FLORE）之后，系统就可以计算每台设备的DCI。在图4 的示例中，厨房内的平板电脑的DCI 值最高，为72.35，其次是厨房内的笔记本电脑为62.40，然后是客厅内的电视机为55.45，最后是智慧家庭服务器为0。本示例中的数值来自于后续实验与验证部分的一个验证情境。厨房的笔记本电脑得分较低是因为距离用户较远，且对视力要求较高。另外，用户对人机界面的偏好是触摸屏优先于鼠标和键盘。客厅内的电视机位于用户后方，且在服务目标区域（厨房）之外，这两个原因使其DCI 得分较低。此外，智慧家庭的服务器并没有提供信息的显示器和人机交互设备，因此无法为用户提供所需的服务，DCI 得分为0。所以，在测试情境下，为用户提供服务的最佳设备为厨房内的平板电脑。

3.3 系统架构

本文提出的系统基于OSGi 框架开发。OSGi 属于面向服务的架构，能够为普适计算应用的模块化提供支撑，并对其进行管理。由于情境感知服务系统属于分布式架构，所以采用Apache CXF dOSGi和WS-Discovery为服务设备和协调设备（主要用于运行情境感知服务推理机FLORE）提供通信支持。在OSGi 框架之上是一些用于在智能环境中为用户提供服务的应用模块。环境管理协调器节点用于管理设备搜索过程，维持环境拓扑，接受服务请求，并利用FLORE 进行管理。设备节点布局在环境中的设备之上，主要实现为用户提供的各种服务，同时也对情境信息进行推理。

主动服务功能利用情境信息和用户信息寻找最优路径为用户提供服务，需要对情境信息进行描述。本文通过网络本体语言（Web Ontology Language，OWL）中的元本体[24]描述普适计算环境，它利用资源描述框架和OWL 格式的语义连接表示情境信息。系统使用的模糊逻辑控制器，基于JFuzzy Logic API 实现，使用模糊控制语言定义隶属函数、解模糊函数和模糊规则。由其他环境应用程序或管理工具发送到系统的服务请求通过网络服务请求接收，然后传输给情境感知服务推理机。智能环境中的情境信息提取一部分由专家手动输入到宏观环境描述，如环境拓扑、用户交互能力等。另外，专家还需要提供一些关于设备的信息，如显示尺寸、分辨率、朝向以及已连接的人机交互界面。而用户所在位置/朝向和设备资源等信息则在服务过程中，由相关应用程序动态读取。

4 实验与验证

本文主要验证情境感知服务系统的技术可行性，而不是这种服务系统对实际用户产生的影响。因此，实验和验证阶段的主要目标为：（1）验证系统是否能根据具体的使用情境和用户信息给出最优的解决方案，也就是找出针对特定情境中应该具有最高DCI 值的设备；（2）验证系统的执行效率，也就是在较短时间内处理服务请求的能力；（3）针对相似的使用情境，确保系统所需的执行时间稳定，产生的结果可重复，得出的DCI值差异较小。

针对第一个测试目标，建立两类验证情境：第一类情境在智慧家庭环境中设定不同的用户角色，然后发送服务请求，分析情境感知服务系统计算得出的各个设备DCI 值，并对不同用户角色所得值进行比较。第二类情境用于测试用户对人机界面的偏好，对情境感知服务推理过程以及DCI 的影响。定义五种具有不同人机界面偏好的用户，并分析系统计算结果。以上两类测试均在某家电企业的智慧家庭实验室内进行，由相关企业人员扮演不同类型的用户角色。所有测试场景均涉及八台设备，其中四台离用户所处位置较近，分别是：

（1）一台Thinkpad笔记本电脑（Intel Core i5 5200U，Windows 7，Java 6）；

（2）一台联想平板电脑（2GHz Intel 处理器，Windows 8，Java 6）；

（3）一台PC服务器（Intel四核处理器，Windows Vista，Java 6）；

（4）一台安装在客厅的多媒体电视机（Intel Core 2，Windows 7，Java 6）。

另有一台智能手机（Android 4.2）放在客厅的桌子上。以上所有设备的布局如前文图4 所示。针对第一类验证情境，设计五种用户角色。

（1）普通用户：具有平均视力水平，普通行走速度，视野范围正常，手臂力量和工作范围良好；

（2）近视用户：视力水平较低（10/20），其他能力处于普通水平；

（3）窄视野用户：左眼视野范围为60°，其他能力处于普通水平；

（4）操作能力受限用户：手臂力量受限（只能输出100 N 的力），手臂操作范围受限（60°）；

（5）移动能力受限用户：行走速度为0.8 m/s，其他能力处于普通水平。

在测试过程中，以上五位用户站在智慧家庭环境中的同一位置，紧邻客厅的餐厅入口处，面向厨房，然后向系统发出服务请求，系统给出的情境感知服务结果如表1所示。

表1 利用各类用户角色对系统进行验证的结果

比较针对普通用户和近视用户的测试结果，厨房位置的平板电脑和客厅的电视机所得的DCI 值有所下降，其原因在于近视用户较低的视觉能力使得以上两台设备的视觉可用率较低；其他两台在视野之外的设备的DCI值相同。对于窄视野用户，厨房笔记本电脑的DCI 值与针对普通用户测试所得的DCI 值相同，因为这两类用户的视力和视野水平在此处没有差异，而厨房的平板电脑对于窄视野用户来说，则处于第三顺序，位于客厅电视机之后。其原因在于，平板电脑在窄视野用户的视野能力之外，而电视机距离用户更近一些。针对操作能力受限用户，由于不能与平板电脑的界面进行交互，所以系统给予厨房的笔记本最高DCI 值，用它来提供辅助服务。最后，针对移动能力受限用户，两台最近的设备得到了比较高的DCI值（平板电脑和电视机），由于和用户距离较远，笔记本电脑排在第三位，智能手机的DCI值大幅下降。由此可见，情境感知服务系统能根据不同的用户信息，计算特定设备的DCI值，选择出最适当的设备提供服务。

第二类情境验证用户对人机界面的使用偏好所产生的影响。五个对人机界面有不同偏好的用户处于智慧家庭的同一位置，同一面部朝向，然后发出服务请求，系统处理结果如表2所示。针对用户完全喜欢其界面的设备和完全不喜欢其界面的设备，DCI值的差异也只有3.64，这不足以在所有使用情境中作为依据，赋予一台设备更高的优先权。另外，在完全不喜欢的情境中，设备的DCI 值也没有达到预期的40 之下。调整与用户对人机界面偏好相关的模糊规则和隶属函数之后，再次实验，得到了预期的结果，DCI值最大的差异也达到了5.75。

表2 根据用户对人机界面偏好提供服务的测试结果

第二项验证目标是系统的计算时间少于用户反应时间，也就是1～2 s。由于情境感知服务系统可能用于专业的医疗护理服务，其中的一项要求就是让用户感到服务是瞬间响应的。上述实验验证场景的平均计算时间为0.5 s（其中包括网络、系统延迟以及网络服务请求时间），小于用户反应时间，有助于提供及时的辅助服务。

最后，情境感知服务系统在测试中表现出了稳定的效率，数据处理时间较为稳定。实验结果在其他使用情境中可重复，DCI值在相似情境中变化不大。

5 结语

智能环境的情境感知、动态化组件和适应性等特点能为用户在日常生活中提供各种辅助服务。用户需要智能、易于使用的系统在日常生活环境中提供各种服务。本文提出了一种基于用户交互模态，具有情境感知能力的情境感知服务系统，该系统利用智能环境中的情境信息和用户信息寻找最适合用户交互能力的设备提供服务。系统功能的原型在真实的智能家庭环境中进行了测试。本研究的创新之处在于提出了将用户交互模态信息（如视力、视野、移动能力和交互操作能力等）应用于情境感知推理过程。通过对这些信息进行推理，情境感知服务系统能向智能环境中的用户提供适当的服务。

实验和验证表明，系统能在各种测试中根据使用情境计算出各个设备的DCI，也就是找出特定情境之下，与用户交互能力最匹配的设备提供服务。系统的计算时间和效率也符合预期，能向用户提供及时的服务。

随着智慧城市计划的推出，本文所提出的情境感知服务系统将面临更广阔的应用前景。然而系统需要安装在实际用户的家庭环境，在用户使用过后收集反馈意见，进行不断的完善。后续研究工作将考虑引入更多的交互模态（如听觉和认知）到服务推理过程，并拓展更多的验证场景对系统性能进行验证。此外还将研究此类系统对用户日常生活产生的影响，评估用户对系统的接受程度。

[1] Dey A K，Abowd G D，Salber D.A conceptual framework and a toolkit for supporting the rapid prototyping of context-aware applications[J].Human-Computer Interaction，2001，16（2）：97-166.

[2] Preuveneers D，Van den Bergh J，Wagelaar D，et al.Towards an extensible context ontology for ambient intelligence[M]//Ambient Intelligence.Berlin Heidelberg：Springer，2004：148-159.

[3] White C.Health care spending growth：How different is the United States from the rest of the OECD?[J].Health Affairs，2007，26（1）：154-161.

[4] Talwar V，Milojicic D，Wu Q，et al.Approaches for service deployment[J].Internet Computing，2005，9（2）：70-80.

[5] Gouin-Vallerand C，Giroux S，Abdulrazak B.Tyche project：A context aware self-organization middleware for ubiquitous environment[C]//Proceedings of IEEE 13th International Conference on High Performance Computing and Communications（HPCC），2011：924-929.

[6] Ghorbel M，Mokhtari M，Renouard S.A distributed approach for assistive service provision in pervasive environment[C]//Proceedings of the 4th International Workshop on Wireless Mobile Applications and Services on WLAN Hotspots，2006：91-100.

[7] Ranganathan A，Shankar C，Campbell R.Application polymorphism for autonomic ubiquitous computing[J].Multiagent and Grid Systems，2005（2）：109-129.

[8] Syed A A，Lukkien J，Frunza R.An architecture for self-organization in pervasive systems[C]//Proceedings of the Conference on Design，Automation and Test in European.[S.l.]：European Design and Automation Association，2010：1548-1553.

[9] Nieves J C，Lindgren H.Deliberative argumentation fo service provision in smart environments[M]//Multi-Agent Sys tems.[S.l.]：Springer International Publishing，2014：388-397

[10] Loke S W，Krishnaswamy S，Naing T T.Service domain for ambient services：concept and experimentation[J].Mobil Networks and Applications，2005，10（4）：395-404.

[11] Gajos K，Weld D S.SUPPLE：Automatically generating user interfaces[C]//Proceedings of the 9th Internationa Conference on Intelligent User Interfaces，2004：93-100.

[12] Bezold M，Minker W.A framework for adapting interac tive systems to user behavior[J].Journal of Ambient Intel ligence and Smart Environments，2010，2（4）：369-387.

[13] Castillejo E，Almeida A，López-de-Ipiña D.Ontology-based model for supporting dynamic and adaptive user inter faces[J].International Journal of Human-Computer Inter action，2014，30（10）：771-786.

[14] Sakurai S，Itoh Y，Kitamura Y，et al.A middleware fo seamless use of multiple displays[M]//Interactive Systems Design，Specification，and Verification.Berlin Heidelberg：Springer，2008：252-266.

[15] Abdulrazak B，Roy P，Gouin-Vallerand C，et al.Macro and micro context-awareness for autonomic pervasive com puting[C]//Proceedings of the 12th International Confer ence on Information Integration and Web-based Appli cations and Services，2010：427-434.

[16] George J K，Bo Y.Fuzzy sets and fuzzy logic：Theory and applications[M].New Jersey：Prentice Hall，1995.

[17] Yuan B，Herbert J.Fuzzy cara-a fuzzy-based context rea soning system for pervasive healthcare[J].Procedia Com puter Science，2012，10：357-365.

[18] Cingolani P，Alcala-Fdez J.jFuzzy logic：A robust and flexible fuzzy-logic inference system language imple mentation[C]//FUZZ-IEEE，2012：1-8.

[19] Muraoka T，Ikeda H.Selection of display devices used a man-machine interfaces based on human factors[J].IEEE Transactions on Industrial Electronics，2004，51（2）：501-506

[20] Van Kan G A，Rolland Y，Andrieu S，et al.Gait speed a usual pace as a predictor of adverse outcomes in com munity-dwelling older people an International Academy on Nutrition and Aging（IANA）task force[J].The Journa of Nutrition，Health and Aging，2009，13（10）：881-889.

[21] Carey N.Establishing pedestrian walking speeds[D].Port land State University，2005.

[22] Kadouche R，Abdulrazak B，Mokhtari M，et al.A semantic approach for accessible services delivery in a smart envi ronment[J].International Journal of Web and Grid Ser vices，2009，5（2）：192-218.

[23] Kaptein M C，Nass C，Markopoulos P.Powerful and con sistent analysis of likert-type ratingscales[C]//Proceeding of the SIGCHI Conference on Human Factors in Com puting Systems，2010：2391-2394.