基于語義技術(shù)的任務(wù)?設(shè)備映射機制設(shè)計

摘 要： 在分布式傳感網(wǎng)絡(luò)（DSN）上提供一個基于語義技術(shù)的任務(wù)?設(shè)備映射機制設(shè)計，有利于設(shè)備發(fā)現(xiàn)和任務(wù)匹配。其映射模式包括任務(wù)和設(shè)備匹配用的共享規(guī)范集合以及各個元素之間的關(guān)系?；谒脑M，重用SSN，OntoSensor，AWS等現(xiàn)有的面向領(lǐng)域的本體，擴展匹配機制中的元素，形成本體知識庫。以森林火災(zāi)防測為目標領(lǐng)域，利用Jena API等工具進行了樣機開發(fā)，實現(xiàn)了能力斷言和設(shè)備匹配功能，并從邏輯功能、響應(yīng)時間、主客觀評測等方面對本體知識庫和樣機進行了參數(shù)評估，從參數(shù)結(jié)果驗證了提出的匹配機制和框架結(jié)構(gòu)的可行性。

關(guān)鍵詞： 本體知識庫； 語義技術(shù)； 映射機制； 任務(wù)分配

中圖分類號： TN711?34； TP277 文獻標識碼： A 文章編號： 1004?373X（2016）19?0082?07

Abstract： A design of mission and device mapping scheme based on semantic technology is proposed for the distributed sensor network （DSN）， which is very helpful to discover the device and match the mission. The mapping mode includes the mission， shared specification set for device matching， and relationship among these elements. On the basis of the tetrad， the avai?lable domain ontology of SSN， OntoSensor， AWS is reused to extended the elements in matching mechanism to form the ontology knowledge base. The forest fire prevention is taken as the target domain， and the Jena API tool is used to develop the prototype to realize the functions of capability assertion and device matching. The parameters of ontology knowledge base and prototype were assessd in the aspects of logical function， response time， subjective and objective evaluation. The results verify that the proposed matching mechanism and frame structure are feasible.

Keywords： ontology knowledge base； semantic technology； mapping scheme； mission allocation

0 引 言

由大量異構(gòu)平臺、傳感器構(gòu)成的分布式傳感網(wǎng)絡(luò)可以概括為“多載荷傳感網(wǎng)絡(luò)”，隨著計算機技術(shù)、網(wǎng)絡(luò)通信技術(shù)的普及與發(fā)展，分布式傳感網(wǎng)絡(luò)技術(shù)日趨成熟，大量的多載荷平臺（如衛(wèi)星、無人機、艦艇、水下自主機器人和自動巡邏車等）構(gòu)成多維度交叉的分布式系統(tǒng)[1]，對目標區(qū)域進行不同空間和時間尺度的實時自主巡邏、監(jiān)測，從生態(tài)、治安、軍事、環(huán)境等方面為人類提供服務(wù)，呈現(xiàn)出傳輸高速化、寬帶化，網(wǎng)絡(luò)節(jié)點異構(gòu)化，應(yīng)用場景泛在化與智能化的特點。然而，多載荷傳感網(wǎng)絡(luò)存在任務(wù)復(fù)雜度高、設(shè)備種類繁多，個例狀態(tài)復(fù)雜等特點，網(wǎng)絡(luò)中的信息描述方式較為復(fù)雜，沒有統(tǒng)一的規(guī)范，進而阻礙了用戶發(fā)布任務(wù)與發(fā)現(xiàn)設(shè)備，難以實現(xiàn)有效的資源分配。因此，任務(wù)和設(shè)備的映射機制不僅僅應(yīng)該提供一個通用的描述格式，而且其匹配機制還應(yīng)包含元素之間的關(guān)系[2]。

傳統(tǒng)的傳感器網(wǎng)絡(luò)[3]（Sensor Network，SN）側(cè)重于硬件基礎(chǔ)設(shè)施，其節(jié)點由大量結(jié)構(gòu)簡單的傳感器構(gòu)成，在分布式的環(huán)境上下文中測量對象的溫度、速度、聲音等物理屬性。隨著語義網(wǎng)（Semantic Web，SW）的興起，Sheth A等人結(jié)合語義網(wǎng)的資源發(fā)現(xiàn)能力、資源集成和互操作等特性，提出了語義傳感網(wǎng)絡(luò)[4]（Semantic Sensor Web，SSW）的概念化結(jié)構(gòu)，其核心是憑借語義技術(shù)對傳感網(wǎng)絡(luò)中的信息進行語義注釋，從而能夠與語義網(wǎng)進行信息共享。本文旨在探討具有分布式、開放性、智能化的多載荷分布式網(wǎng)絡(luò)環(huán)境，通過語義技術(shù)[5?7]，設(shè)計面向動態(tài)任務(wù)的設(shè)備匹配機制，建立用于存儲元素和關(guān)系的知識庫，其核心機理是對大量數(shù)據(jù)進行高度抽象，得出層次化、普適性的概念體系結(jié)構(gòu)，進而對數(shù)據(jù)進行語義化注釋，便于機器進行信息檢索，從而減小多源設(shè)備帶來的信息復(fù)雜性和異構(gòu)性，為實現(xiàn)自主的資源分配和態(tài)勢評估做出支撐。

1 映射規(guī)范和映射過程

任務(wù)需求源自于用戶，通常更接近自然語言，從而使得需求模糊不清，不利于機器理解，在傳統(tǒng)傳感網(wǎng)絡(luò)中，任務(wù)和設(shè)備是綁定的，用戶不能自主定制任務(wù)，從而限制了動態(tài)環(huán)境下的任務(wù)分配[8]。從底層，異構(gòu)的物理結(jié)構(gòu)和協(xié)議的統(tǒng)一格式描述，限制了設(shè)備分配。為了解決這些問題，需要提出一種信息共享格式。

1.1 映射規(guī)范

本文提出了任務(wù)?設(shè)備映射模式（Mission?Device Mapping Schema，MDMS），這種方式主要包括共享的規(guī)范集合（Specification Set）以及集合元素之間的關(guān)系，并以語義的方式進行描述。通過分析任務(wù)需求和設(shè)備能力，它們之間頂層關(guān)系可以作如下表述：設(shè)備向任務(wù)提供能力，另一方面任務(wù)需求需要多個設(shè)備實例滿足需求。設(shè)備具有多重屬性維度，如目標及目標屬性，移動性、監(jiān)測區(qū)域、性能、智能、通信、可用性、地點、環(huán)境影響因素（天氣、地形等），本文主要將這些屬性劃分為四個標簽集合，這些集合形成一個四元組（T，I，C，S）：

目標（Target）：目標是多個可觀測屬性的物理表征，目標標明了數(shù)據(jù)源，同時也標明了設(shè)備可以處理的對象。

屬性（Interest）：屬性是可以被觀測的目標屬性，目標和屬性共同表示了數(shù)據(jù)源及數(shù)據(jù)特征點，如某區(qū)域森林（目標）的溫度（屬性）。

設(shè)備能力（Capability）：描述了由設(shè)備類型共享的能力，具體而言，能力可以劃分為兩種：簡單能力（Simple Capability）和復(fù)雜能力（Complex Capability）。簡單類型只代表了單一的能力如領(lǐng)域、速度、能級等，而復(fù)雜類型則需要與目標、屬性進行關(guān)聯(lián)，如觀測、可視化等。這樣的定義影響了知識庫的設(shè)計。

狀態(tài)（Status）：描述了設(shè)備個例在環(huán)境上下文中的動態(tài)信息，例如地點、可用時間段等。

根據(jù)這些共享的元素，本文使用多元組（屬性（I），目標（T），能力（C）和狀態(tài)（S））描述元素和元素關(guān)系形成共享的規(guī)范集合，以及這些元素所具備的關(guān)系。同時，這四個集合同時也用于描述任務(wù)需求，從而為映射機制提供可匹配的內(nèi)容?；诙x的規(guī)范和關(guān)系，可得出映射模式圖，如圖1所示。

設(shè)備（device）可以用一個四元描述：[d=][Id，Td，Cd，Sd，]通過語義的方式表達如下：[M=Task1，Task2，][Task1，Task2]是可以通過許多可行性方案的子任務(wù)。通過使用規(guī)范集合對設(shè)備和任務(wù)進行描述，從而建立兩者共享的規(guī)范集合，為了靈活地對給定的任務(wù)進行設(shè)備匹配，本文改進了 “語義對接”的方法：將設(shè)備信息以四元組的形式存放至知識庫中，以任務(wù)需求為導(dǎo)向，根據(jù)需求形成索引規(guī)則，進而在知識庫中進行查詢，找出滿足需求的設(shè)備；在設(shè)備集合與任務(wù)之間建立雙向映射，從而可以對備選集合進行定位，分配指定任務(wù)；對于多個具有競爭關(guān)系的任務(wù)，則根據(jù)優(yōu)先級、適用性等分配策略進行有效的分配。具體如圖2所示。

1.2 擴展本體知識庫

傳統(tǒng)的數(shù)據(jù)庫缺乏關(guān)聯(lián)性和自動性，本文采用本體作為數(shù)據(jù)結(jié)構(gòu)形式，利用已有的本體，在統(tǒng)一框架內(nèi)設(shè)計規(guī)范集合內(nèi)的概念及關(guān)系，構(gòu)造一個概念層次分明、結(jié)構(gòu)可循的傳感信息知識描述體系，通過描述邏輯將本體中的層次化結(jié)構(gòu)進行邏輯表述，使得概念有良好的層次化結(jié)構(gòu)和分類，從而實現(xiàn)了子類的繼承和多態(tài)化。

為了彌補MDMS規(guī)范集合與現(xiàn)存本體之間的空缺，本文設(shè)計了若干個概念作為中間件，這些中間件可以通過相關(guān)的本體進行擴展和細化。任務(wù)屬于一種即時的、動態(tài)的需求，所以用圖形化用戶界面（GUI）進行配置更加符合需求，然而為了進行自主匹配，任務(wù)也以規(guī)范化集合的形式存儲在本體知識庫中。本體知識庫中所涉及的關(guān)鍵概念具體如下：

1.3 映射步驟

基于本體知識庫，可以構(gòu)建良好的設(shè)備目錄，從而為任務(wù)需求提供設(shè)備能力查詢。任務(wù)需求和設(shè)備能力能夠被同一個四元組描述，這個四元組包含了屬性、目標、能力和狀態(tài)。通過符號邏輯，可以清楚地表現(xiàn)這些元素之間的匹配關(guān)系，進而進行語義表達。以復(fù)雜任務(wù)“監(jiān)測森林火災(zāi)”為例，該任務(wù)可以分解成兩個子任務(wù)：“可視化森林林冠”和“監(jiān)測森林氣象數(shù)據(jù)”，表示為[M=]{Task1，Task2}，每個子任務(wù)的需求可以由規(guī)范集合進行描述：[R={IR，TR，CR，SR}，]這個任務(wù)需求可以由一組包含多個設(shè)備的設(shè)備集合滿足[D={d1，d2，…，dn}，]而每個設(shè)備具備不同的規(guī)范集合，[d={Id，Td，Cd，Sd}，]設(shè)備集合的屬性由這些設(shè)備屬性疊加或干涉而來，于是就可以搜索出多個符合條件的設(shè)備集合組作為備選方案，[DTask={D1，D2，…，Dn}，]所以有如下的邏輯表達式：

[D∈DTask?RI，T，C∈DI，T，C?RS∈DS]

在邏輯表達式中，如果[D]同時滿足以下條件，則認為它是有效的設(shè)備集合之一。[D]的屬性、目標、能力組成的具有邏輯關(guān)系的三元組能夠滿足任務(wù)需求，[D]組中的設(shè)備個例的狀態(tài)符合子任務(wù)需求的狀態(tài)條件。采取這樣的匹配方式是由于屬性、目標和能力之間存在內(nèi)在聯(lián)系，如果不考慮這些元素間的內(nèi)在聯(lián)系，會出現(xiàn)元素類型匹配，但是邏輯關(guān)系混亂的情況。

最后，將獲取到的設(shè)備集合返回給客戶端，作為滿足任務(wù)需求的備選方案，在這個過程中，可以進一步對策略進行優(yōu)化，從最大適用性、最小組合、最優(yōu)經(jīng)濟等方面對設(shè)備集合進行篩選排序，以提供更符合用戶需求的策略。方案如圖5所示。

2 框架設(shè)計與樣機構(gòu)建

2.1 框架設(shè)計

目前已經(jīng)存在多種面向不同領(lǐng)域的本體和標準，然而面向語義傳感器網(wǎng)絡(luò)框架則較少，而且部分框架并未完全遵循SWE[9]標準。較為典型的如Henson等提出的SSN三層體系架構(gòu)[10]，但是該框架僅適用于本地傳感器網(wǎng)絡(luò)，無法實現(xiàn)傳感器Web的動態(tài)部署和數(shù)據(jù)上傳問題，且沒有闡述如何接入本體庫。本文提出一種新型的三層框架，框架的整體結(jié)構(gòu)如圖6所示。

該框架大致劃分為本體知識庫、本體訪問層、業(yè)務(wù)邏輯層和表現(xiàn)層。本體知識庫包含任務(wù)規(guī)范和設(shè)備目錄，用于存儲任務(wù)和設(shè)備中的元素以及元素之間的關(guān)系，該數(shù)據(jù)結(jié)構(gòu)符合設(shè)計的擴展本體關(guān)系（MDMO）；本體訪問接口主要分為規(guī)則推理和結(jié)構(gòu)管理，規(guī)則推理主要通過規(guī)則對本體知識庫進行查詢，其查詢規(guī)則符合語義邏輯，即不僅僅進行元素訪問，還需要考慮元素之間的關(guān)系；結(jié)構(gòu)管理需要對知識庫中的數(shù)據(jù)結(jié)構(gòu)和元素進行更新和添加，即管理整個知識庫的結(jié)構(gòu)和元素；業(yè)務(wù)邏輯主要包含需求轉(zhuǎn)換和設(shè)備映射，需求配置是將用戶的需求轉(zhuǎn)換成相應(yīng)的規(guī)則，而設(shè)備映射則是以匹配模式對設(shè)備目錄進行索引；表現(xiàn)層提供了用戶配置需求和展示備選方案的交互界面。

2.2 業(yè)務(wù)邏輯實現(xiàn)

通過規(guī)則，該樣機的業(yè)務(wù)邏輯主要實現(xiàn)了兩個功能：設(shè)備能力斷言；任務(wù)需求與設(shè)備能力匹配。在構(gòu)建樣機的過程中，選擇jena Rules[11]作為規(guī)則語言，因為由該格式編寫的規(guī)則能夠在系統(tǒng)運行過程中動態(tài)地被推理機進行調(diào)用。該推理規(guī)則如圖7所示。

規(guī)則具體例子如圖7（a）所示。該規(guī)則包含9條三元組語句，第二行至第七行構(gòu)成了該規(guī)則的“身軀”，描述了任務(wù)所需求的屬性和能力。在樣機推理過程中，主要包含三種推理規(guī)則：前置推理，需求推理和后置推理。前置推理主要用于設(shè)備的能力斷言，即通過附加關(guān)系確定復(fù)雜平臺的能力；后置推理用于設(shè)備個例狀態(tài)判斷，例如可用性、位置、能源等；后置推理主要是保證個例的正確匹配。

2.3 樣機功能測試

為了驗證樣機功能，本文在本體知識庫中實例化了若干個模擬任務(wù)和設(shè)備，包括3個任務(wù)，由5個子任務(wù)分別構(gòu)成；10個備選設(shè)備。按照預(yù)期結(jié)果，會出現(xiàn)如圖8所示的匹配關(guān)系。

當推理機進行處理時，采用的規(guī)則類似于圖7中的規(guī)則。其他設(shè)備則作為冗余項目以驗證是否能夠進行正確的匹配。以第一個任務(wù)“監(jiān)測森林火災(zāi)”為例，該任務(wù)由兩個子任務(wù)構(gòu)成，其中子任務(wù)1是“監(jiān)測森林氣象數(shù)據(jù)”，主要包含4個復(fù)雜能力需求：“監(jiān)測森林溫度”、“監(jiān)測森林濕度”、“監(jiān)測風速”、“監(jiān)測風向”。而在設(shè)備目錄中存在WXT520基站類型，該設(shè)備攜帶了溫度傳感器、風向傳感器和濕度傳感器，分別對應(yīng)任務(wù)1的需求；同理，子任務(wù)2的能力需求也可以被UAV類型滿足，于是經(jīng)過推理機推理，WXT520，UAV的可用個例集合將作為備選方案返回給用戶。按照上述推理流程，三個任務(wù)分別各產(chǎn)生了可用的設(shè)備集合，并返回了多個設(shè)備實例，如圖9所示，某些實例可以被不同的子任務(wù)共享，如Human Team，它的能力可以同時滿足第二個任務(wù)的Task1和Task2。

3 樣機定量評估

3.1 人工和客觀評價

本文采用人工評價和客觀評價兩種方法對本體和樣機進行評測，人工評價指標主要參考文獻[12]中的模型構(gòu)建階段的評估指標和評估方法以及文獻[13]的人工評價標準；客觀評測采用文獻[13]的標準與方法。人工評價計算方法為：[Subjective=Def×wdef+St×wst，]其中Def為定義精準性，計算方法為[Def=DE×wd+OR×wr+][CU×wu，]DE為領(lǐng)域?qū)＜以u價結(jié)果，OR為本體專家評測結(jié)果，CU為普通用戶評價結(jié)果，[W]為權(quán)重，St同理。由于本文的本體主要用于映射，所以更注重對本體的結(jié)構(gòu)合理性，以加速推理機的查找，所以結(jié)構(gòu)合理性的權(quán)重分別為0.6，0.4，根據(jù)評價人員側(cè)重情況和本體面向領(lǐng)域，領(lǐng)域?qū)＜?、本體專家和普通用戶的權(quán)值分別取[Wd=0.35，][Wr=0.35，][Wu=0.3，]滿足[Wd+Wr+Wu=1，]如表1所示，從結(jié)果中可以看出，本文提出的本體與其他本體在結(jié)構(gòu)的合理性以及定義精準性方面得到了使用者的認可。

3.2 查找耗時

查找耗時指對于給定的任務(wù)，經(jīng)由推理機根據(jù)規(guī)則正確遍歷數(shù)據(jù)庫消耗的時間。該項指標主要與知識庫的設(shè)計結(jié)構(gòu)、個例數(shù)量、推理規(guī)則、任務(wù)復(fù)雜度有關(guān)，而推理規(guī)則由任務(wù)需求生成，可視為同一變量。因此，本小節(jié)主要以個例數(shù)量、任務(wù)復(fù)雜度為變量，測試不同規(guī)模下的反饋時間，主要分為兩個步驟：

（1） 固定本體知識庫中的個例數(shù)量，通過增加復(fù)雜能力，增加需求數(shù)量。本文將任務(wù)需求劃分為有匹配項和無匹配項兩類，若任務(wù)所有的復(fù)雜能力需求在知識庫中有可以滿足的設(shè)備，則視為有匹配項；若全無，則視為無匹配項。其響應(yīng)時間與任務(wù)需求數(shù)量關(guān)系擬合曲線如圖10所示。

平均響應(yīng)時間主要受到本體自身的復(fù)雜度影響，尤其是個例數(shù)量，在任務(wù)需求既定，個例數(shù)量增加的情況下，平均響應(yīng)時間呈現(xiàn)出明顯的上升趨勢，從而導(dǎo)致查找速度變慢。所以單個本體庫不能過大，為了減緩本體中個例數(shù)量增多，可以通過將本體文件中的個例進行分割存儲，保存至多個數(shù)據(jù)文檔中，再通過配置文件對這些文檔進行索引，從而減少檢索需要的時間。

4 結(jié) 語

目前匹配機制主要是聚集在設(shè)備類型匹配上，對個例狀態(tài)僅設(shè)定了可用性、可用時間等簡單條件。策略推薦機制也不完善。隨著網(wǎng)絡(luò)變得越來越智能化，傳統(tǒng)傳感網(wǎng)絡(luò)勢必向互聯(lián)化、智能化發(fā)展，這就需要一個自主的、完備的系統(tǒng)，以實現(xiàn)態(tài)勢評估。通過語義技術(shù)解決任務(wù)與設(shè)備匹配問題，以本體為正規(guī)表達，基于本體知識庫可以設(shè)計出一種映射模式。為解決此類問題提供了探索性的提示。然而，還有很多新興技術(shù)對于以后的工作十分重要，如資源分配和信息融合。

參考文獻

[1] HOWE B M， YI C， ARABSHAHI P， et al， A smart sensor web for ocean observation： fixed and mobile platforms， integrated acoustics， satellites and predictive modeling [J]. IEEE journal of selected topics in applied earth observations and remote sensing， 2010， 3（4）： 507?521.

[2] Google. Google physical Web [EB/OL]. [2014?03?11]. http：//google.github.io/physical?web.

[3] SHARMA V， KUMAR R. A cooperative network framework for multi?UAV guided ground Ad Hoc networks [J]. Journal of intelligent robotic systems， 2015， 77（3/4）： 629?652.

[4] SHETH A， HENSON C， SAHOO S S. Semantic sensor Web [J]. IEEE Internet computing， 2008， 12（4）： 78?83.

[5] LIU J J， NISHIYAMA H， KATO N， et al. Toward modeling Ad Hoc networks： current situation and future direction [J]. IEEE wireless communications， 2013， 20（6）： 51?58.

[6] CONTI M， GIORDANO S. Mobile Ad Hoc networking： milestones， challenges， and new research directions [J]. IEEE communications magazine， 2014， 52（1）： 85?96.

[7] BERTRAND A， MOONEN M. Seeing the bigger picture： how nodes can learn their place within a complex Ad Hoc network topology [J]. IEEE signal processing magazine， 2013， 30（3）： 71?82.

[8] HUTCHINSON R. Sensor?mission assignment in constrained environments [J]. IEEE transactions on parallel and distributed systems， 2010， 21（11）： 1692?1705.

[9] HENSON C， PSCHORR J K， SHETH A P， et al. SemSOS： semantic sensor observation service [C]// Proceedings of 2009 IEEE International Symposium on Collaborative Technologies and Systems. Baltimore： IEEE， 2009： 44?53.

[10] COMPTON M， HENSON C， LEFORT L， et al. A survey of the semantic specification of sensors [C]// Proceedings of 2009 International Workshop on Semantic Sensor Networks. [S.l.]： IEEE， 2009： 709?711.

[11] Anon. Jena rules [EB/OL]. [2001?10?22]. http：//hydrogen.informatik.tu?cottbus.de/wiki/index.php/JenaRules.

[12] 劉艷玲.本體構(gòu)建的評估研究[D].太原：山西大學(xué)，2008.

[13] 馬曉偉.基于Web的本體評價系統(tǒng)的研究與實現(xiàn)[D].青島：中國海洋大學(xué)，2009.

[14] 張現(xiàn)忠.語義傳感器Web中傳感器本體構(gòu)建研究[D].大連：大連海事大學(xué)，2011.

[15] WEI T， LU Y， CHANG H， et al. A semantic approach for text clustering using WordNet and lexical chains [J]. Expert systems with applications， 2015， 42（4）： 2264?2275.

[16] GAO J B， ZHANG B W， CHEN X H. A WordNet?based semantic similarity measurement combining edge?counting and information content theory [J]. Engineering applications of artificial intelligence， 2015， 39： 80?88.