Il y a près de 20 ans, Marc Weiser a imaginé l'ordinateur du 21ème siècle et a proposé le concept de l’informatique ubiquitaire. Une des idées principales de Weiser a récemment évolué vers un paradigme plus général connu comme la sensibilité au contexte qui est devenu un thème très important en informatique ubiquitaire. Depuis Active Badge considéré comme la première application sensible au contexte, de nombreuses tentatives pour construire des systèmes sensibles au contexte efficaces ont vu le jour. Cependant la problématique comment acquérir contexte, comment le traiter et comment créer des applications sensibles au contexte est encore aujourd’hui un défi suscitant de nombreuses recherches. Cette thèse étudie en profondeur certaines questions clés liées à la sensibilité au contexte et au développement d’intergiciels sensibles au contexte. Les principales contributions de notre recherche concernent la prise en compte du contexte spatiotemporel et sa modélisation, la conception et l’implémentation d’un intergiciel sensible au contexte et d’un moteur intelligent d'inférence de contexte. Le modèle de représentation du contexte spatiotemporel proposé vise à organiser le contexte et ses relations pour un système sensible au contexte. La méthode basée sur les ontologies est adoptée pour construire notre modèle, supportant à la fois le partage des connaissances et leur réutilisation ainsi que la déduction logique. Ce modèle adopte une structure hiérarchique à deux couches pour modéliser les situations à prendre en compte. La couche supérieure s’occupe du contexte commun générique, tandis que la couche inférieure se concentre sur les caractéristiques plus spécifiques. A la différence des modèles existants, en plus de prendre en compte l’aspect localisation, notre modèle prend également en charge la gestion d’historique des de contextes en s’appuyant sur différentes ressources. Ces historiques de contexte peuvent être utilisés pour prévoir et inférer le contexte. Un middleware sensible au contexte a été conçu comme une plateforme permettant la récupération et le traitement du contexte. Elle est organisée en deux couches : La couche basse apporte une solution à l’intégration des capteurs et actionneurs avec une représentation de données normalisée ; la couche haute propose un interpréteur de contexte polyvalent qui s’appuie sur quatre éléments : un agrégateur de contexte, un moteur d'inférence, une base de connaissance de contextes et un moteur de recherche en charge de la déduction de contexte, de l’interrogation et du stockage persistant. Ce middleware fournit un environnement pour le prototypage rapide de services sensibles au contexte pour l’intelligente ambiante. Le moteur intelligent d’inférence est le composant central de notre middleware. Pour le concevoir nous avons d’abord étudié toutes les méthodes publiées pendant les dix dernières années dans les trois conférences de premier plan du domaine. Nous en avons retiré que la reconnaissance du contexte d’activité peut être obtenue par trois catégories de traitements : par l’activité de l’inférence de base, par l’analyse dynamique de l’activité et par la recommandation d’activités futures. Nous proposons alors un moteur d'inférence intelligent basé sur notre middleware sensible au contexte. Outre les exigences liées à la vérification de la cohérence du contexte, notre moteur d'inférence intègre les trois méthodes les plus populaires concernant la reconnaissance de contexte : des règles, des arbres de décision, et les Modèles de Markov Cachés. Ceci constitue une solution intéressante couvrant toutes les facettes de l'activité de reconnaissance de contexte dans notre middleware sensible au contexte. Les informations collectées à partir des réseaux sociaux sont utilisées pour éduquer le moteur d'inférence intelligent. […] / Almost 20 years ago, Marc Weiser envisioned the prospect of computer in 21st century, and proposed the pioneering notion of ubiquitous computing. One of Weiser’s primary ideas has recently evolved to a more general paradigm known as context awareness, becoming a central research theme in many other ubiquitous computing programs. From Active Badge considered as the first context-aware application, there are numerous attempts to build effective context-aware systems. However, how to acquire context, how to process context and how to create context-aware applications is still faced with enormous challenges in the both of research and practice. This dissertation investigates deeply some chosen key issues in context awareness and develops a context-aware middleware. The main research contributions are presented in three categories: a spatialtemporal context represent model, a context-aware middleware and an intelligence context inference engine. The spatial-temporal context representation model is proposed to organize context and relations for context-aware system. Ontology-based method is adopted to construct our model, supporting both knowledge sharing and reuse as well as logic inference. This model adopts two-layer hierarchy structure for different situation. The higher layer comes up with the generic common context, while the lower layer focuses on various specific situations. Differing from existing models, besides taking locational factors into account, it supports different historical context service depending on different context resource. These context histories may be used to predict and infer the context. A context-aware middleware is designed as a platform associated with context retrieval and context processing. It is organized in two layers: the low layer provides a solution to integrate sensors and actuators with a standardized data representation; the high layer: versatile context interpreter focuses on context processing, which is made up of four parts: Context Aggregator, Inference Engine, Context Knowledge Base, and Query Engine in charge of context inferences, expressive query, and persistent storage. This middleware provides an environment for rapid prototyping of context aware services in ambient intelligent. The intelligent inference engine is the central and intellectual component of context-aware middleware. We review all the methods on activity context recognition published in three premier conferences in past decade and conclude that activity context recognition is divided into three facets: basic activity inference, dynamic activity analysis and future activity recommendation. Then we propose an intelligent inference engine based on our context-aware middleware. Beside satisfying requirements of checking the context consistency, our inference engine integrates the three most popular methods on activity context recognition: Rules, Decision Tree, and Hide Markov Model. It provides a solution for all facets of activity context recognition based on our context-aware middleware. The individuals’ information collecting from their social networks under permission are leveraged to train intelligent inference engine. We finally use two scenarios (applications) to explain the generic process to develop application via our middleware, and compare and analyze the main aspects of our middleware with other five representative context-aware applications. Our middleware profits good features from existing context-aware systems and improve intelligence via supporting activity context recognition. It provides an efficient platform for a rapid developing of new context-aware applications in ambient intelligence.
| Identifer | oai:union.ndltd.org:theses.fr/2013ECDL0047 |
| Date | 09 December 2013 |
| Creators | Xu, Tao |
| Contributors | Ecully, Ecole centrale de Lyon, David, Bertrand, Chalon, René |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0031 seconds