形式化智能環境下的物理世界建模過程

王 楠，孫善武，陳 堅

(1.吉林財經大學物流產業經濟與智能物流吉林省重點實驗室，長春130117;2.吉林財經大學管理科學與信息工程學院，長春130117;3.吉林大學通信與工程學院，長春130012)

普適計算環境是一種普遍互聯的環境，除當前常見的計算機之間的互聯外，各種物體都可以通過不同方式(如配備相應的感知設備)與其他物體相連，即物理世界中的物體都同時具有信息空間中的意義，轉變為網絡化的實體或智能實體［1］.這些智能化的數字設備可檢測周圍世界的物理特性或通過某種方式對周圍世界產生影響［2］.它們的嵌入使得網絡化物體與物理世界中的一般物體相比，呈現出不同的、但有一定關聯的行為模式.這些網絡化物體可以被其他智能設備感知、掃描或與其發生通信.通過這些智能設備，物理世界與虛擬世界在未來將會互相集成與合作［3-5］，從而使瀏覽現實世界等同于瀏覽Web［6］.隨著普適計算設備(如信息訪問終端、感知設備等)、普適網絡(如無線和移動網絡、自組網、無線傳感器網絡等)及系統軟件技術的不斷發展和完善，物理世界正在向智能化轉變.基于模型的推理是人工智能中非常活躍的研究領域［7-10］，其中重要的一步就是對物理世界的建模過程.Saitta和Zucker［11-12］提出了表示改變的模型，將抽象的表示一般化，給出了對物理世界進行形式化抽象的一般性框架并應用于概念表示和學習中，該模型稱為KRA(knowledge reformulation and abstraction)模型，設計完成問題的概念化過程及抽象算子的自動應用.但這個表示框架僅適用于一般的物理世界且各種構成物體具有靜態的行為模式.文獻［13］定義了一種更抽象的方式表示物理世界，簡化其與虛擬世界之間的連接.因此，本文擴展和重構KRA模型框架，基于構成智能世界各個實體及實體間聯系的特征，對普適計算環境下的物理世界進行抽象表示，并對其建模過程進行形式化描述.

1 相關定義

為了刻畫由網絡化對象或智能對象構成智能環境下的物理世界，本文部分引入文獻［3，13］中的一些概念并對其進行擴展.

1)物理實體(PhEntity):一個物理實體是任意一個帶有自然屬性或設計屬性的對象，不僅包含具體的人、物或其他人造的物理設備(如開關、打印機、傳感器等)，也包含各種抽象的內容(如環境、空氣等).

2)網絡化實體(NWEntity):與文獻［3］的概念不同，本文將嵌入了傳感器、執行器或處理器(稱為網絡化設備)的物理實體定義為網絡化實體，這些網絡化實體具有一些特殊的功能和通信能力，如自動感知外部信息、接收和發射命令信號或數據、發出某些動作、產生某些效果等.因此，一個網絡化實體是一個組合對象，可由各種物理實體及其他的網絡化實體構成.

3)虛擬實體(VEntity):一個虛擬實體是一個軟件對象或軟件服務［13］或軟件對象與軟件服務的組合對象，表示智能世界及與智能世界進行通信.

4)網絡化連接(NWConn):虛擬實體與物理實體之間的連接關系稱為網絡化連接.

5)物理連接(PhConn):兩個物理實體(不屬于任何一個網絡化實體)之間的連接關系稱為物理連接.

6)虛擬連接(VConn):兩個虛擬實體之間的連接關系稱為虛擬連接.

2 智能環境下物理世界的建模過程

根據智能環境下物理世界構成實體的區分定義及各種類型實體之間的連接類型，本文擴展KRA模型的感知層定義，使其能表示并區分3種不同屬性域的實體，同時重構感知過程，得到如圖1所示的智能環境下物理世界的層次模型.基于該模型:

1)實現推理空間的重定位.模型中，物理實體及其間的物理連接和網絡化連接、虛擬實體及其間的虛擬連接、物理實體和虛擬實體間的網絡化連接構成整個世界的實際通信關系，網絡化實體間的邏輯連接關系可通過構成網絡化實體的物理實體間的連接關系推導確定.因此，可以將對以整個世界為推理空間的推理過程分解成在物理實體及連接構成的空間和在虛擬實體及連接構成的空間上更小規模的推理過程，從而降低推理的復雜性.如診斷推理，可根據故障特性，將推理定位在物理實體域或虛擬實體域，以縮小診斷空間.當然這種定位是一種近似約束，并不能保證每次定位的正確性，最差的情況下仍需要在整個模型空間中進行推理過程.

2)物理實體統一定義，并從邏輯上用物理實體表示網絡化實體，避免重復感知.本文將網絡化實體定義為一個邏輯概念，使得不必重復感知其構成實體，而用物理實體直接表示.

3)網絡化實體間的連接關系及物理實體和虛擬實體與網絡化實體直接的連接關系可通過與構成網絡化實體的物理實體通信得到，因此在網絡化實體間及物理實體和虛擬實體與網絡化實體間存在邏輯連接關系，可幫助實現模型的抽象分層.

圖1 智能環境下物理世界的層次模型Fig.1 Hierarchical model of physical world in intelligent environment

2.1 智能環境下物理世界的實體域感知

在對智能環境下的物理世界進行初步感知過程時，根據基于W中各個對象存在的多種行為模式而提出的KRA模型的實體物理工作域擴展［14］，對智能環境下物理世界的構成實體進行實體域感知，與物理工作域不同，這里提出的實體域根據上述相關概念定義為一種屬性域，即物理域(物理實體)、網絡化域(網絡化實體)和虛擬域(虛擬實體).感知構成實體的實體域目的是為了對不同實體域的實體進行區分，從而初步生成3個可區分的實體庫.擴展后的初步感知表示如下(詳見文獻［14］，本文用D表示實體域感知):

例1 引入文獻［13］的實驗用例，同時為了描述提出的概念，在結構和功能上對其進行一些改變.其中的物理開關對象集成了一個接收信號傳感器和一個執行器，接收信號傳感器接自感知周圍環境溫度的傳感器發來的溫度變化信號，并將這些變化發送給虛擬世界中某個對應的應用程序.虛擬世界處理接收的數據并發送控制信號到執行器，以此決定開關的開和關狀態.開關和燈通過物理線路連接.根據初步感知的定義，該智能環境下的物理世界如圖2所示，形式化描述如下:

-D={PHY，NW，V}(表示 3 個實體感知域:物理實體、網絡化實體和虛擬實體);

圖2 修改的智能環境下的物理世界用例Fig.2 Modified example from physical world in intelligent environment

OBJV=COMPV∪{PORTV∪PORTNW}，COMPV={V1，V2，…，V3}(分別對3個域上的實體進行感知);

-FUNC={Bwire:WIRE → {bwire1，bwire2，…}，Blight:LIGHT →{blight1，blight2，…}，…}(定義實體的行為集合);

-REL={port-of? PORTDi× COMPDi，connected ? PORTDi× PORTDj，Di，Dj∈ D}(定義實體間的連接關系集合).

獲得的初步感知如圖3所示.

圖3 圖2中用例所示世界的初步感知Fig.3 Primary perception of the world in Fig.2

2.2 智能環境下物理世界的感知重構

進一步對獲得的初步感知進行感知重構:

1)對網絡化域中的對象進行域區分感知，將每個網絡化對象中包含的物理實體進行物理域感知，并進行包含關系關聯;若某個網絡化對象中仍然包含其他的網絡化對象，則建立它們之間的包含關系，并對所包含的網絡化對象繼續進行域區分感知;

2)根據每個網絡化對象中包含的物理實體的功能描述和接口類型，確定其與物理域和虛擬域中其他實體間連接關系;

3)刪除初步感知中網絡化對象與物理對象和虛擬對象間的關聯關系.

例2 對圖3中智能環境下物理世界的初步感知進行進一步的感知重構過程，可得如圖4所示的感知結果.

綜上所述，本文擴展和重構KRA模型框架，基于構成實體及實體間聯系的特征，對智能環境下的物理世界進行了抽象表示，并對其建模過程進行了形式化描述.結果表明，構建的模型不僅可以避免物理實體的重復感知，幫助實現模型的自動分層，還可以實現推理空間的重定位，降低了推理的復雜性.

圖4 感知重構結果Fig.4 Results of perception reconstruction

［1］The Hammersmith Group.The Internet of Things:Networked Objects and Smart Devices［R］.New York:The Hammersmith Group，2010.

［2］Elson J，Estrin D.Sensor Networks:A Bridge to the Physical World［M］.Norwell:Kluner Academic Publishers，2004:3-20.

［3］Barton J，Kindberg T.The Challenges and Opportunities of Integrating the Physical World and Networked Systems［R］.［S.l.］:HP Laboratories，2001.

［4］Estrin D，Culler D，Pister K，et al.Connecting the Physical World with Pervasive Networks［J］.IEEE Pervasive Computing，2000，1(1):59-69.

［5］Joseph A D.Ubiquitous System Software［J］.IEEE Pervasive Computing，2004，3(3):57-59.

［6］Boone G.Reality Mining:Browsing Reality with Sensor Networks［EB/OL］.2010-09-30.http://sensorsmag.com/articles/0904/14/main.shtml.

［7］OUYANG Dan-tong，JIANG Yun-fei.Characterizing Kernel Model-Based Diagnosis［J］.Journal of Software，1999，10(1):74-77.(歐陽丹彤，姜云飛.刻畫基于模型的中心診斷［J］.軟件學報，1999，10(1):74-77.)

［8］Reiter R.A Theory of Diagnosis from First Principles［J］.Artificial Intelligence，1987，32(1):57-95.

［9］CHEN Rong，JIANG Yun-fei.Model-Based Diagnosis System with Constraints［J］.Chinese Journal of Computers，2001，24(2):127-135.(陳榮，姜云飛.含約束的基于模型的診斷系統［J］.計算機學報，2001，24(2):127-135.)

［10］LI Zhan-shan，WANG Tao，SUN Ji-gui，et al.Testing and Computing Diagnoses by Using Component Replacement［J］.Journal of Software，2005，16(9):1599-1605.(李占山，王濤，孫吉貴，等.利用元件替換測試求診斷［J］.軟件學報，2005，16(9):1599-1605.)

［11］Saitta L，Zucker J D.Semantic Abstraction for Concept Representation and Learning［C/OL］.2007-12-14.http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.20.5040＆rep=1＆type=pdf.

［12］Zucker J D.A Grounded Theory of Abstraction in Artificial Intelligence［J］.Phil Trans R Soc Lond B:Biol Sci，2003，358:1293-1309.

［13］Bodhuin T，Canfora G，Preziosi R，et al.Hiding Complexity and Heterogeneity of the Physical World in Smart Living Environments［C］//Proceedings of the 2006 ACM Symposium on Applied Computing.New York:ACM Press，2006:1921-1927.

［14］WANG Nan，OUYANG Dan-tong，SUN Shan-wu，et al.Extended G-KRA Abstraction Model［J］.Journal of Jilin University:Science Edition，2010，48(6):970-974.(王楠，歐陽丹彤，孫善武，等.擴展的G-KRA抽象模型［J］.吉林大學學報:理學版，2010，48(6):970-974.)