情景感知

来自集智百科 - 伊辛模型
跳到导航 跳到搜索


在信息和通信技术 information and communication technologies中,情景感知是指一种考虑实体[1] (包括但不限于用户或设备)所处情形的能力,其中,位置只是实体所处情形中最明显的因素。对于移动设备 mobile devices而言,情景感知一般是指位置感知 location awareness。尽管位置决定某个设备周围的某些过程如何运作,但情景一以更灵活地应用于移动用户,特别是智能手机 smart phones用户。情景感知起源于普适计算,它试图处理环境变化与计算机系统之间的联系,否则计算机系统是静态的。这个术语也被应用到与情景应用程序设计 contextual application design和业务流程管理 business process management 问题相关的业务理论中。[2]


情景特征

目前,有很多情景分类的方法。Dey and Abowd(1999)[3]对情景中的位置、身份、活动和时间进行了区分;Kaltz et al.(2005) (2005)[4]将移动设备和网络场景考虑在内,确定了用户与角色、流程与任务、位置、时间和设备的分类方法。他们还强调,对于这些经典模式,任何最佳分类都非常依赖于应用程序领域和实例。除了更先进的模式之外,如果不仅涉及单一实体,而是在一致背景下开展工作的多个实体,例如:团队协作或多任务处理。


一些对业务流程情景的经典理解来源于 AAA 应用程序[5] 的定义,包括以下三个类别:

  • 身份验证,即身份证明
  • 授权许可,即扩展或位置、应用和数据的访问权限
  • 账户,即订货环境和应用劳动帐户的关系,授予许可证,交付货物,也包括上述的位置和时间信息

计算科学

在计算机科学中,情景感知指的是计算机既能感知环境,又能根据环境做出反应。设备知道在什么情况下它们能够按照规则或智能刺激进行操作,从而做出相应的反应。在普适计算领域, Schilit 在1994年[6][7] 首次将情景感知引入普适计算领域。情景感知设备也可以尝试对用户的当前情况进行假设。Dey(2001)将情景定义为“可用于描述实体状况的任何信息”。[1]


计算机科学界最初认为情景是一个用户位置的问题,但正如 Dey 所讨论的[1] ,在过去几年中,这个概念不仅被认为是一个状态,而且是一个过程的一部分,用户也参与其中;一些或简单或复杂的情景模型被提出(见调查[8]),以支持情景感知应用程序,以(a)适应接口,(b)定制应用相关数据集,(c)提高信息检索的精度,(d)发现服务,(e)使用户隐式交互,或(f)构建智能环境。例如: 情景感知的移动电话若感知到用户当前在会议室且入座,电话就会断定用户当前正在开会,并拒绝任何不重要的电话。[9]


情景感知系统关注情景信息的获取(例如:使用传感器来感知一个场景),对场景的抽象和理解(例如:将感官感知到的刺激与情景进行匹配),以及基于识别情景的应用行为(例如:根据情景触发动作) [10]。由于用户的活动和位置对于许多应用来说都是至关重要的,因此情景感知在位置感知和活动识别等领域得到了越来越深入的研究。


情景感知被认为是普适计算系统的一种赋能技术。情景感知被用来设计创新的用户界面,并且常常作为普适计算和可穿戴计算的一部分使用。随着混合搜索引擎的出现,互联网领域也开始感受到这一点。Schmidt, Beigl 和 Gellersen [11]将人的因素和物理环境定义为与计算机科学有关的两个重要方面。最近,在简化情景信息的分发方面也有很多研究成果,Bellavista、 Corradi、 Fanelli 和 Foschini [12]调查了几个中间件解决方案,这些中间件解决方案旨在移动系统中实现情景的透明管理和配置。Grifoni,D'Ulizia 和 Ferri [13]梳理了使用大数据的基于位置的情景认知服务系统的研究人员在情景感知主要阶段(包括情景获取,情景表达,情景推理和情景适应)的理论与实践方法。Perera,Zaslavsky,Christen和 Georgakopoulos[14]从物联网的角度对情景感知计算进行了全面的调查,回顾了该领域50多个主要项目。此外,Perera还从情景感知计算的角度调查了现有物联网市场中的大量工业产品。[15] 他们的调查旨在为物联网范式下的情景感知的产品开发和研究提供指导和概念框架。评价是利用10多年前由Dey和Abowd(1999)[3]开发的理论框架进行的。互联网和新兴技术的结合将日常物品转化为智能物品,可以理解环境并做出回应。[16]


情景相关的人类特征可以被分为3类:用户基本信息(习惯、情绪状态、生物心理状况)、用户社交环境(位置网、社交、群体动态)和用户任务(无意识活动、沉浸式任务、一般任务)。物理环境相关的情景也可以分为3类:位置(绝对位置、相对位置和位置网),设施(周围的计算资源、交流、任务表现)和物理条件(噪音、灯光、压力、空气质量)。[17][18]

相关情景:动态的和去中心化的

尽管情景的早期定义往往以用户或直接与用户交互的设备为中心,但 Dey [1]经常引用的定义(“可用于表征实体情况的任何信息”)不受此限制。以用户为中心的情景,尽管可以用于人机界面 human-computer interfaces的设计,也可能暗示“内容”(用户明确输入或输出的任何内容)与“情景”(隐式的,用于适应目的)之间的分离之间过于明确且部分任意的分离。 Dourish[19] 提倡一种更加动态和去中心化的观点,认为情景主要是关系性的,这最初与从桌面计算到普适计算 ubiquitous computing的转变是一致的,但它也符合对环境智能 ambient intelligence的更广泛理解,即情景和内容之间的区别变得相对和动态[20]。在这种观点中,无论信息来源(例如物联网传感器)可能是某些用途和应用的情景,还是其他人的主要内容来源,反之亦然。重要的是将他们联系在一起并与他们的环境联系起来的一组关系。尽管以单用户为中心的情景的早期描述可以适用于经典的实体-属性-值模型 entity-attribute-value models,但更通用的基于图的信息模型(例如 NGSI-LD 提出的)更适合捕获更相关的情景视图。与物联网 Internet of Things、网络物理系统 Cyber-Physical Systems和数字孪生 Digital Twins相关。大家普遍认为,情景不仅表示为附加到实体的一组属性,它还被一个将该实体与其他实体结合在一起的图所捕获。情景感知是一种解释来自不同来源的跨领域信息的能力。


在情景与社交认知中的应用

情景感知已被应用于计算机支持的协同工作computer-supported cooperative work(CSCW)领域,以帮助个人更有效地工作和协作。 自 1990 年代初以来,研究人员开发了大量软件和硬件系统,可以从用户那里收集情景信息(例如,位置、视频源、离开状态消息)。 然后,将这些信息与其他用户开放共享,从而提高他们的形势感知能力,有能力识别相互交流的自然机会。 在情景感知计算的早期,许多以此为目的开发系统,都是专门为帮助企业或地理上分散的工作团队在共享文档或工作工件上进行协作而设计的。 然而,最近有越来越多的工作展示了这种技术也可以应用于朋友或家庭成员群体,以帮助他们了解彼此的活动。


到目前为止,使用情景感知来改善情势察觉的系统可以被特征化为:

  • 从每个用户那里收集的情景
  • 将这些信息传达给其他用户的方法


为了改善情势察觉,最常见的获取和分享情景就是用户的位置信息。例如,在早期的原型机 Active Badge 系统中[21],每个用户都有一个独特的识别标志,可以通过一系列的间接红外传感器来跟踪。当用户在建筑物中行走时,他们的位置信息会被一个集中的服务器持续监控。然后,其他用户可以查看这些信息(以文本形式或在地图上查看,像后来的研究那样[22]) ,以确定用户是否在办公室,从而允许他们确定非预约访问的最佳时间。位置信息也在PeopleTones[23]、 Serendipity [24]和 Group Interaction Support [25]系统中进行了共享,以帮助用户分别确定他们何时与朋友、有共同兴趣的用户和队友关系密切。与只显示位置信息的 Active Badge 相比,这些系统更加积极主动,当用户彼此靠近时会提醒他们。这样可以让用户知道什么时候有潜在的交互机会,从而增加他/她利用这个机会的机会。


另一个流行的分享情景是用户的工作活动,通常是通过分享视频。在 Community Bar[26] 系统中,研究人员开发了一个桌面应用程序,定期对用户的显示屏幕截图。然后,这些信息与用户的同事共享,以便他们能够知道他们的队友正在处理哪些文档/工件,并提供一个共同的参考框架,以便用户能够像自己做过一样谈论这些文件/工件。在蒙太奇[27]中,用户可以在短时间内远程激活另一个用户电脑上的网络摄像头。这种“扫视”另一个用户的功能可以让用户看到他们是否忙碌或全神贯注,从而帮助他们更好地确定启动对话的最佳时机。


第三种可以分享以改进或增强情景识别的内容是用户的音频。在 Thunderwire[28]系统中,研究人员开发了一个只有音频的媒体空间,允许朋友们分享来自移动设备的麦克风的原始音频。这个系统本质上是一个永久性的电话会议,允许用户收听其他用户的音频,以确定他们是否以及何时参与了对话。WatchMe[29] 和 ListenIn[29] 系统还严重依赖音频,以确定用户是否以及何时可能被中断。然而,与 Thunderwire 不同的是,这些系统依赖于机器学习算法来分析用户的音频并确定用户是否在说话。这使得系统可以为其他用户提供相同的情景(例如,用户是否在对话中) ,而无需共享实际的音频,从而使其更加以隐私为中心。


第四种通常共享的情景类型是用户的整体活动。在 Hubbub[30] 和 Conchat [31]系统中,研究人员分别开发了一系列即时通信应用程序,可以通过软件或环境传感器监测用户的活动或空闲时间。这些信息可以提供给其他用户,让他们知道他们的朋友是否以及何时可以回复他们的消息。在数码家庭肖像系统中[32],研究人员开发了一种数码相框,可以提供用户(即年长的父母/祖父母)日常活动的定性可视化效果。然后,这个可视化图像被提供给用户的成年子女,这样他们就可以“检查”他们的父母,而不必直接地打扰他们,从而允许他们“在适当的地方长大”。


虽然这些系统展示了如何使用情景感知来支持情景和社会感知,但是这些系统的长期效果还没有尚未可知。上述许多系统只是在概念层面上进行了评估,或只证明该系统在技术上是可行的。因此,虽然这些研究的初步结果表明,情景感知可以支持情势察觉任务,但还需要更多的纵向数据。

在医疗领域的应用

情景感知移动代理[33]是实现任何情景感知应用程序的最佳主机。现代化的综合语音和数据通信使医院的工作人员能够使用智能手机进行语音通信,但更好的是可以是查找下一个要执行的任务,并捕捉下一个要注意的报告。


然而,所有试图用这种方法支持工作人员的努力都受到阻碍,直到接受失败,因为需要查找新的事件以获得病人身份、订单和工作时间表。因此,一个非常适合的解决方案必须摆脱这样的手动交互与一个小屏幕,使用以下方法为用户服务:

  • 自动识别实际病人和当地环境,
  • 自动记录与实际病人来往和离开的事件,
  • 自动显示当前位置的订单或服务,并提供支持的文档,为 EHR 提供此类质量。

在工业领域的应用

情景感知的移动代理是一个非常适合的主机,它实现了与工业4.0的新范式相关的更新的情景感知应用程序。现代的综合数据通信使车间或生产线的工作人员配备了智能手机,以便与生产控制部门沟通数据,从而获得反馈,数据是关于检测和识别零部件的信息,以便对按需产品进行灵活的生产管理。


然而,除非客户需求和产品配置信息能够与零部件供应相匹配,否则所有支持工作人员使用这种方法的尝试都会受到固定生产计划的阻碍。因此,一个非常适合的解决方案必须通过生产计划和生产线之间的相互作用来消除相关信息和材料的出现:

  • 自动识别从库存或缓冲供应中交付的实际可用零件;
  • 自动显示按需配置的集成要求;
  • 自动检测和报告实际安装的配置。
  • 关键要求是实施一个解决方案,避免工人与信息处理之间的人工互动。否则,错误率将随着信息需求的增加而上升。


此外,传统的 RFID,WLAN 或 RTLS 定位解决方案以具有最精确的定位服务质量作为宣传,因为以传统的态度确定一个位置绝对坐标在技术上或经济上都会失败。其他基于模糊定位 fuzzy location的方法则可以获得更好的投资回报。

在虚拟现实游戏中的应用

一个普遍的游戏是利用感知的人类环境来调整游戏系统的行为。通过混合真实和虚拟元素,使用户能够在游戏过程中与周围环境进行身体互动,人们可以充分沉浸并获得更好的游戏体验。例如,关于使用智能家居中人类活动和位置背景的游戏代理的报告[34]


在移动多媒体设备中的应用

博物馆及考古遗址有时会提供多媒体移动装置,以取代传统的音频导赏服务(例如伦敦的Tate Modern[35])。一个环境感知设备将使用位置,当前用户交互和连接对象的图形,动态裁剪呈现给用户信息[36]。过去的情景感知游客导览项目,结合在网站周围的实时导航,根据用户以前的交互,将用户引导至其可能感兴趣的人工制品或展品[37]


相关内容

  • 情景适应
  • 情景感知的协同过滤
  • 情景感知的普适系统
  • 情景敏感的用户界面
  • 差异化服务


参考文献

  1. 1.0 1.1 1.2 1.3 Dey, Anind K. (2001). "Understanding and Using Context". Personal and Ubiquitous Computing. 5 (1): 4–7. CiteSeerX 10.1.1.31.9786. doi:10.1007/s007790170019.
  2. Rosemann, M., & Recker, J. (2006). "Context-aware process design: Exploring the extrinsic drivers for process flexibility" (PDF). In T. Latour; M. Petit (eds.). 18th International Conference on Advanced Information Systems Engineering. Proceedings of Workshops and Doctoral Consortium. Luxembourg: Namur University Press. pp. 149–158.CS1 maint: multiple names: authors list (link)
  3. 3.0 3.1 Towards a Better Understanding of Context and Context-Awareness
  4. Kaltz, J.W.; Ziegler, J.; Lohmann, S. (2005). "Context-aware Web Engineering: Modeling and Applications" (PDF). Revue d'Intelligence Artificielle. 19 (3): 439–458. doi:10.3166/ria.19.439-458.
  5. CISCO AAA Overview
  6. B. Schilit; N. Adams; R. Want. (1994). "Context-aware computing applications". IEEE Workshop on Mobile Computing Systems and Applications (WMCSA'94), Santa Cruz, CA, US. pp. 89–101. CiteSeerX 10.1.1.29.5833.
  7. Schilit, B.N.; Theimer, M.M. (1994). "Disseminating Active Map Information to Mobile Hosts". IEEE Network. 8 (5): 22–32. CiteSeerX 10.1.1.49.1499. doi:10.1109/65.313011.
  8. Cristiana Bolchini; Carlo A. Curino; Elisa Quintarelli; Fabio A. Schreiber; Letizia Tanca (2007). "A data-oriented survey of context models" (PDF). SIGMOD Rec. 36 (4): 19–26. CiteSeerX 10.1.1.423.1960. doi:10.1145/1361348.1361353. ISSN 0163-5808. Archived from the original (PDF) on 2009-04-24.
  9. Aidoo, K.A.; Takaluoma, A.; Tuomela, U.; Van Laerhoven, K.; Van de Velde W. (1999). "Advanced Interaction in Context" (PDF). 1st International Symposium on Handheld and Ubiquitous Computing (HUC99), Springer LNCS, Vol. 1707. pp. 89–101.
  10. Schmidt, Albrecht (2002). "Ubiquitous Computing - Computing in Context". PhD dissertation, Lancaster University. Archived from the original on 2009-04-23.
  11. Albrecht Schmidt; Michael Beigl; Hans-W. Gellersen (December 1999). "There is more to Context than Location" (PDF). Computers & Graphics. 23 (6): 893–902. CiteSeerX 10.1.1.37.2933. doi:10.1016/s0097-8493(99)00120-x. Archived from the original (PDF) on 2007-03-16.
  12. Paolo Bellavista; Antonio Corradi; Mario Fanelli; Luca Foschini (August 2012). "A Survey of Context Data Distribution for Mobile Ubiquitous Systems". ACM Computing Surveys. 44 (4): 1–45. doi:10.1145/2333112.2333119.
  13. Grifoni, Patrizia; D’Ulizia, Arianna; Ferri, Fernando (2018) (in en). Context-Awareness in Location Based Services in the Big Data Era. Lecture Notes on Data Engineering and Communications Technologies. Springer, Cham. pp. 85–127. ISBN 9783319679242. 
  14. Perera, C.; Zaslavsky, A.; Christen, P.; Georgakopoulos, D. (2014). "Context Aware Computing for The Internet of Things: A Survey". IEEE Communications Surveys and Tutorials. 16 (1): 414–454. arXiv:1305.0982. doi:10.1109/SURV.2013.042313.00197. ISSN 1553-877X.
  15. Perera, C.; Liu, C. H.; Jayawardena, S.; Chen, M. (2014). "A Survey on Internet of Things From Industrial Market Perspective". IEEE Access. 2: 1660–1679. arXiv:1502.00164. doi:10.1109/ACCESS.2015.2389854. ISSN 2169-3536.
  16. Kortuem, Gerd; Kawsar, Fahim; Sundramoorthy, Vasughi; Fitton, Daniel (January 2010). "Smart Objects As Building Blocks for the Internet of Things" (PDF). IEEE Internet Computing. 14 (1): 44–51. doi:10.1109/MIC.2009.143. ISSN 1089-7801.
  17. A Comprehensive Framework for Context-Aware Communication Systems. B. Chihani, E. Bertin, N. Crespi. 15th International Conference on Intelligence in Next Generation Networks (ICIN'11), Berlin, Germany, October 2011
  18. A Self-Organization Mechanism for a Cold Chain Monitoring System. C. Nicolas, M. Marot, M. Becker. 73rd Vehicular Technology Conference 2011 IEEE (VTC Spring), Yokohama, Japan May 2011
  19. Dourish, Paul. "What we talk about when we talk about context." Personal and ubiquitous computing 8.1 (2004): 19-30.
  20. https://www.researchgate.net/publication/230704197_Ambient_Intelligence Streitz, Norbert A., and Gilles Privat. "Ambient Intelligence" , Universal Access Handbook (2009)
  21. Want, R.; Hopper, A.; Falcao, V.; Gibbons, J. (1992). "The Active Badge Location System". ACM Transactions on Information Systems. 10 (1): 91–102. CiteSeerX 10.1.1.17.339. doi:10.1145/128756.128759.
  22. McCarthy, J. F.; Meidel, E. S. (1999). ACTIVE MAP: A visualization tool for location awareness to support informal interactions. Lecture Notes in Computer Science. 1707. pp. 158–170. ISBN 978-3-540-66550-2. https://archive.org/details/handheldubiquito0000inte/page/158. 
  23. Li, K. A.; Sohn, T. Y.; Huang, S.; Griswold, W. G. (2008). "Peopletones: a system for the detection and notification of buddy proximity on mobile phones." (PDF). MobiSys '08. pp. 160–173.
  24. Eagle, N.; Pentland, A. (2005). "Social Serendipity: Mobilizing Social Software". IEEE Pervasive Computing. 4 (2): 28–34. doi:10.1109/MPRV.2005.37.
  25. Ferscha, A.; Holzmann, C.; Oppl, S. (2004). "Context awareness for group interaction support" (PDF). MobiWac '04. pp. 88–97.
  26. Tee, K.; Greenberg, S.; Gutwin, C. (2006). "Providing Artifact Awareness to a Distributed Group Through Screen Sharing" (PDF). CSCW '06. pp. 99–108.
  27. Tang, J.; Rua, M. (1994). "Montage: Providing Teleproximity for Distributed Groups". CHI '94. pp. 37–43. CiteSeerX 10.1.1.476.2157.
  28. Ackerman, M.; Hindus, D.; Mainwaring, S.; Starr, B. (1997). "Hanging on the 'Wire: A Field Study of an Audio-Only Media Space". ACM Transactions on Computer-Human Interaction. 4 (1): 39–66. doi:10.1145/244754.244756.
  29. 29.0 29.1 Rosas, G. M. V. (2003). "ListenIN: Ambient Auditory Awareness at Remote Places" (PDF). Doctoral dissertation, MIT Media Lab.
  30. Isaacs, E.; Walendowski, A.; Ranganthan, D. (2002). "Hubbub: A Sound-Enhanced Mobile Instant Messenger that Supports Awareness and Opportunistic Interactions". CHI '02. pp. 333–340.
  31. Ranganathan, A.; Campbell, R. H.; Ravi, A.; Mahajan, A. (2002). "Conchat: A context-aware chat program". Pervasive Computing. 1 (3): 51–57. doi:10.1109/MPRV.2002.1037722.
  32. Mynatt, E.D.; Rowan, J.; Craighill, S.; Jacobs, A. (2001). "Digital family portraits: supporting peace of mind for extended family members" (PDF). CHI '01. pp. 333–340.
  33. Burstein et.al. Context Aware Mobile Agents in Healthcare
  34. B. Guo, R. Fujimura, D. Zhang, M. Imai.Design-in-Play: Improving the Variability of Indoor Pervasive Games. Multimedia Tools and Applications, 2011
  35. Multimedia guides at Tate Modern
  36. PAST Project - Context Aware Visitor Guiding
  37. AGAMEMNON - Real-time Visitor Guiding


延伸阅读


外部链接


编者推荐

集智视频

基于压缩感知算法的复杂网络建模 | 复杂系统自动建模读书会第5期

66cb5acf0d803e65e6bbcade12ed0f12.png

本课程来自集智第5期复杂系统自动建模读书会的论文解读活动。本视频是对综述《Reconstructing propagation networks with natural diversity and identifying hidden sources》深入浅出的解读。

本文提出了一种根据网络上的传播数据重构网络结构和识别隐藏节点的新范式,即采用压缩感知(CS)的方法。在上一次读书会的基础上,将进一步介绍文中的方法部分,着重于如何将问题归于CS框架中,以及如何化为一个凸优化问题。


孙怡帆:压缩感知与信息传递

什么是压缩感知?从应用导向出发,可以认为是一种新的数据获取方式;从解决问题的角度出发,可以认为是稀疏信号的重构或者恢复。 本课程中主要介绍了压缩感知的基本概念与已有方法,以及信息传递方法在压缩感知的应用。





本中文词条由mobility参与编译、审校,糖糖编辑,如有问题,欢迎在讨论页面留言。

本词条内容源自wikipedia及公开资料,遵守 CC3.0协议。