利用情境感知提高 LBS 适切性的研究

针对目前 LBS 发展缺乏用户粘性的瓶颈问题,文中提出 LBS 适切性的概念,并研究了利用情境感知提高这种适切性的关键方法:建立 LBS 情境知识库和 LBS 情境推理机.文中预测了情境感知设备的应用,详细讨论了 LBS 的情境划分,设计了 LBS 情境感知系统的参考架构、LBS 情境知识库的基本结构,以及基于回溯策略的 LBS 情境推理机实现方法.情境感知使 LBS 的输入方式,从显示输入为主向隐式输入为主转变,用户在没有任何输入的状态下就能得到适切的服务,这为提高人机交互的简易性、高效性以及 LBS 系统行为的灵活性和智能性奠定了必要基础     

利用情境感知提高LBS适切性的研究

针对目前LBS发展缺乏用户粘性的瓶颈问题,文中提出LBS适切性的概念,并研究了利用情境感知提高这种适切性的关键方法：建立LBS情境知识库和LBS情境推理机。文中预测了情境感知设备的应用,详细讨论了LBS的情境划分,设计了LBS情境感知系统的参考架构、LBS情境知识库的基本结构,以及基于回溯策略的LBS情境推理机实现方法。情境感知使LBS的输入方式,从显示输入为主向隐式输入为主转变,用户在没有任何输入的状态下就能得到适切的服务,这为提高人机交互的简易性、高效性以及LBS系统行为的灵活性和智能性奠定了必要基础。     

支持移动和普适应用的上下文感知框架

蕴涵着高度动态变化特性的移动和普适计算环境给分布式系统的设计提出了新的挑战,上下文感知框架汇聚了感知和处理各种易变因素的基础设施.依托框架开发移动和普适应用,能加快开发速度,提高应用程序的健壮性.本文分析了各种上下文信息及其作用,给出了上下文感知框架XAF的设计,探讨了框架中的关键技术,包括上下文转换和服务自适应选择.     

基于位置感知的个性化推荐系统的设计与实现

本文归纳总结,分析了个性化推荐系统的开发背景和关键技术问题,例如GPS自动定位技术、LBS位置服务等等提出了如何开发和应用基于位置感知的个性化推荐体系,并在此基础上,利用多属性决策改善现有的个性化推荐服务平台存在的问题。本论文主要讨论和阐述了基于位置感知的的个性化推荐系统的具体实现过程。     

面向云服务的上下文感知自适应移动中间件

近年来,随着苹果、黑莓等智能移动设备的日益普及,以及云计算在运算、存储能力等方面展现的优势,基于云计算的移动应用越来越得到人们的关注.然而,由于移动环境下有限的电池能量,不稳定的无线网络以及实时变化QoS水平,使得现有的中间件技术不能很好地满足移动终端访问云服务的要求.为此,提出一种面向云服务的上下文感知自适应移动中间件,该中间件通过监视移动设备的资源和上下文,动态发现和自适应云服务.此外,将一种基于模糊认知图的模型应用到自适应策略中,提高了自适应算法的效率和性能.最后,通过实验和仿真来验证该中间件的有效性.     

基于Agent的自适应存储服务系统

大规模海量存储系统中存储资源的结构、协议和I／O模式的复杂性等远远超过了传统存储系统,面向这种复杂存储环境的I／O服务和存储管理还缺乏高效智能的自适应模型。该文根据存储网络的特性建立基于Agent的自适应存储服务模型,实现用户需求和最佳存储设备的自动匹配。提出多Agent的系统结构和组成要素,建立服务感知和存储环境感知的参数体系,研究多Agent协同工作的自适应匹配模块和服务调度算法。仿真实验证明,该方法可以为应用服务和最佳存储系统的自动匹配提供一种智能方法,提高了存储服务质量。     

面向环境自适应组合服务系统的环境变化识别

环境自适应的组合服务系统是未来软件系统的一个发展方向,不同于普通组合服务系统之处在于这种系统对系统运行的网络环境进行监测,并根据监测结果对组合服务进行合适的调整以保证软件系统的服务质量.由于通常的类别匹配式环境感知策略不满足系统中服务QoS连续性的需求,本文经过分析环境自适应的组合服务系统的运行原理,提出一个基于动态QoS计算的环境变化识别方法,实现了从环境监测到输出变化事件的系统的环境感知功能,给出了环境监测及变化识别策略,设计了整体的变化识别算法以及其中具体的变化识别阈值计算算法,并通过实验结果表明了变化识别方法可以良好并高效地完成系统的环境感知需求.     

基于情景感知的制造组合服务自适应决策机制

针对组合服务面临复杂、动态的业务需求和运行环境,提出基于情景感知的自适应决策机制,保证制造过程的顺利执行,为用户持续稳定地提供高质量服务.从智能制造单元个体视角,构建制造组合服务自适应调整系统架构.根据多变的应用场景,充分考虑决策主体状态和情境因素对服务调整活动的影响,设计情景感知、主体-情景-活动(Subject-situation-action,SSA)2种自适应决策机制,并通过多Agent技术搭建实验环境,应用关联规则方法挖掘决策知识.通过汽车制造云服务实例与现有事件驱动机制对比,验证所提出的2类机制在不同场景下的效果,并从决策准确率、时间和服务QoS两方面证明情景感知、SSA机制的优势和可行性.     

移动协同感知研究综述

移动感知网在军事、工业、医疗、交通、商业上运用极其广泛.为了进一步提高移动感知网的性能,更好地协同节点的移动感知行为,本文提出了移动协同感知技术.首先介绍了国内外近年来有关移动协同感知技术的发展情况和关键技术,包括移动协同感知模型、移动协同感知中间件、移动协同感知相关技术,然后概括归纳了技术特点,最后总结了移动协同感知技术的研究意义和发展趋势.     

情境计算研究综述

作为一种新的计算模式,情境计算得到了学术界和产业界越来越多的关注.随着物联网、云计算、大数据、社会计算等相关技术的不断发展成熟,情境计算进入了快速发展阶段.情境计算是一种通过对获取到的情境信息进行处理、从而得出用户所需服务并主动向用户提供相应情境感知服务的计算模式.这一新的计算模式为使用者的工作、生活带来了舒适和便利.对情境计算的诞生背景进行阐述,介绍情境、情境计算、情境感知、情境感知系统和情境感知服务等关键概念,总结情境数据获取、情境模型与建模、情境推理、主动服务提供、情境感知中间件和安全与隐私等重要研究内容以及其中使用到的关键技术,最后依托情境计算的一般性架构分析得出情境计算的未来发展挑战.     

基于个性化移动位置服务中自适应地图的研究

移动位置服务是一种新兴的无线增值业务,能够利用无线网络为移动用户提供基于位置的信息服务。个性化的移动位置服务是国内外研究的焦点,而自适应地图是其中最重要的方面之一。如何良好地进行地图的设计是本文研究的重点,由此提出了一种自适应地图形成模型,依据此模型可以较好地指导我们进行地图设计,进而满足移动位置服务中要求的易读性、动态性以及交互性。文章最后阐述了一种移动位置服务地图服务系统逻辑框架,并对其予以具体实现,验证了自适应地图服务系统的可行性和可用性。     

移动定位业务的开发

移动定位业务是目前移动增值业务中最具潜力的业务之一，如何快速的开发移动定位业务成为SP／CP非常关注的重点。从开发的角度概览性的阐述了什么是移动定位业务以及移动定位业务的技术框架，同时描述了移动定位业务的关键部件——移动定位平台，并给出了一个实例，为移动定位业务开发提供了一般开发方法。     

移动终端位置服务系统的实现

分析了移动终端位置服务的必要性和可行性,阐述了移动终端服务系统的基本内容,设计出移动终端位置服务系统的结构框架,给出了移动终端位置服务系统中客户端、服务器端及第三方内容和地理移动服务3个关键部分的实现模式,最后展望了移动终端位置服务系统的应用前景.     

Location-based services deployment and demand: a roadmap model

The advancements in mobile, wireless and positioning technologies have enabled applications and services such as route guiding and emergency call-out assistance. These and other similar services have become known as ‘location-based services’ (LBS). The literature on LBS development and deployment addresses technological issues (for example, usability and integration) and issues related to LBS implementation—including LBS business models, adoption and customer concerns and requirements. In the study presented here LBS development and deployment were investigated from a case study perspective and the LBS landscape is explored and analyzed. The study finds that while the regulatory environment has played a critical role as a success factor in the markets investigated some of innovative business approaches may have been equally important as customer demand generators. Economies on the road to deploying LBS should therefore focus on creating a supportive environment encouraging the development of services, which meet the identified needs and requirements of the target customer market.     

支持区间查询的基于位置服务外包数据隐私保护方案

随着云计算技术的迅猛发展,越来越多的LBS服务被外包到云上运行以减少本地的计算和存储成本。然而,外包环境下的云服务器通常被认为是一个半可信的实体,LBS提供商的数据安全和用户的个人隐私将会面临新的安全挑战。针对现有基于位置服务数据外包方案中不支持区间查询和隐私保护不足等问题,文章提出一种支持区间查询的LBS外包数据隐私保护方案,利用非对称向量积保值加密和公钥可搜索加密对LBS坐标和关键词进行加密,实现LBS数据的机密性和用户查询模式的隐私性;利用轻量级的矩阵运算使用户在不泄露查询区间的前提下准确获得所需LBS数据。在新用户注册方面,采用基于双线性配对运算实现用户身份认证。安全性和性能分析表明,文章方案较同类方案具有一定优势。     

Recommendation system using location-based ontology on wireless internet: An example of collective intelligence by using ‘mashup’ applications

Location-Based Service (LBS) is considered as a key component of upcoming ubiquitous environments. A recommendation system based on LBS is expected to be an important service in ubiquitous environments, and most hardware technologies such as location estimation of a user by using Global Positioning System (GPS), as well as hi-speed internet access through cell phones, are currently supported. However, in terms of software, most services are driven and supported by a LBS service provider only. Consequently, lack of participation of users may occur in mobile environments. In this study, we suggest a LBS knowledge base inference platform with ontology which considers the current location and available time of users. Our knowledge base supports user participation as collective intelligence. We mashed up Open Application Programming Interface (OpenAPI) for scalable implementation of the system. Through experiments, we show that a user can build up his/her knowledge base, and by using this information, the system recommends to other users appropriate information that matches the user’s condition and profile through inference.     

一种3G网络下的LBS架构研究及实现

随着移动3G网络的普及,新型的增值业务不断涌现市场。LBS(Location Based Service)就是一类,基于移动网络高速的带宽提供人们与位置相关的服务。本文介绍了LBS的概念,提出了一种基于J2EE平台的瘦客户端/服务器的LBS体系架构,分析了业务的工作流程,并给出相关的实现技术。在实践中证明适应LBS的应用需求。     

一个面向服务的LBS开放框架

随着面向服务体系结构的发展和Web服务技术的日益成熟，对现有的LBS体系框架提出了新的要求。本文以服务共享为核心，给出了包括数据层、服务层和应用层的LBS开放体系框架。对LBS中基本服务和复杂服务进行了讨论，数据获取，数据分析和移动终端的位置计算作为服务为各类LBS应用所共享。研究了通过服务组合技术对复杂服务和业务流程建模，以及服务流程执行中服务节点的具体实例选择。最后通过一个原型系统的实现，对本文研究的可行性和有效性进行了验证。     

基于语义的位置服务隐私保护综述

位置服务发展引起的隐私泄露问题已不容忽视。基于语义的位置隐私保护是位置隐私保护工作中的重要组成部分。首先总结了近年来基于语义的位置隐私保护研究工作,包括隐私保护设计中的关键因素、语义保护可行性、相关概念等;随后讨论了基于语义的位置隐私保护机制、语义相似度测量方法、隐私保护度量方法等;最后展望了基于语义的位置隐私保护未来的研究方向。     

MINING USER GOALS FOR INDOOR LOCATION‐BASED SERVICES WITH LOW ENERGY AND HIGH QoS

Location‐based services (LBSs) play a very important role in pervasive computing environment, and QoS (quality of service) is one of the key evaluations for LBS. To maintain high QoS, the traditional approaches rely on accurate and continuous localization. However, the energy consumption of the mobile device under this situation is often too high for practical applications. Thus, it seems that the energy consumption and QoS become two conflicting factors in LBS systems. In this article, a new adaptive goal‐aware computing framework (Adaware) is proposed to solve this contradiction. We show that the QoS of LBS can be evaluated by recognizing user goals. We design new algorithms to mine user goals from discontinuous location data to reduce the energy consumption while keeping a high QoS at the same time. More specifically, Adaware employs an accelerometer to implement motion‐based localization, which greatly reduces the unnecessary energy consumption on Wi‐Fi scanning compared to the original continuous localization methods. Then based on the estimated discontiguous critical point traces which have been postprocessed by our proposed Localization Confident Coefficient filter method, a novel N‐gram goal inference algorithm is used to predict the accurate goal. The experimental results in real‐world wireless network environments validate the effectiveness of our framework. We can get 80% QoS under 70% location estimation accuracy within 10 meters and 30% energy saving compared to continuous Wi‐Fi scanning.