具有知识服务功能的物联网

具有知识服务功能的物联网
廖元秀;周生明;覃少华
【摘要】针对资源受限的物联网在信息存储、传输和智能处理方面遇到的挑战,本文提出一种新的解决方案:创建一种形式语言,用于描述以感知信息为基础的知识;定义基于感知器的语义解释;构建基于感知器的微型知识库;将感知器收集到的感知信息转换成知识,并向用户提供知识服务;由此建立具有知识服务功能的物联网.这种物联网可将各种不同类型的感知信息转换成同一种形式的知识,解决WSN中异构感知网络之间的通信问题.由于知识是数据和信息的高度浓缩和抽象,知识的表达形式使数据量的减少发生了质的飞跃,这对于解决资源受限的物联网在存储和传输方面的问题将起到极大的推动作用.
【期刊名称】《广西师范大学学报（自然科学版）》
【年(卷),期】2014(032)002
【总页数】6页(P42-47)
【关键词】物联网;基于感知器的知识;智能处理;知识服务
【作者】廖元秀;周生明;覃少华
【作者单位】广西师范大学计算机科学与信息工程学院,广西桂林541004;广西师范大学计算机科学与信息工程学院,广西桂林541004;广西师范大学计算机科学与信息工程学院,广西桂林541004
【正文语种】中文
【中图分类】TP393
物联网的发展可谓日新月异。

从早期描述的“实现物品的自动识别和信息的互联共享”[1]到国际电信联盟(ITU)定义的“主要解决物到物(T2T),人到物(H2T),人到人(H2H)之间的互连”[2],再到最近提出的具有“全面感知、可靠传送、智能处理”特征、可实现“周边智能环境、智慧城市、智慧地球”的泛在网络[3]。

物联网的概念在不断地演化,物联网的内涵在不停地拓广,人们期待着下一代网络的优质服务,憧憬着智慧世界的美好生活。

然而,理论与实际之间往往存在着不易跨越的鸿沟。

“全面感知”意味着要部署大量的感知器,对所关注的物体或环境进行信息采集和获取;“可靠传送”要求网络能够快速、准确、可靠地将感知数据传输到指定地址,随时随地进行信息交互和共享;“智能处理”是指网络能够对感知数据进行自动分析、筛选、整合、提炼、处理,并提供决策、控制等智能服务。

要实现物联网的这些功能面临着诸多挑战[4]。

物联网面临的最大挑战是处理海量感知数据,因而也成了研究的热点。

为了解决资源受限的数据存储和传输问题,研究者们提出了许多数据处理技术用于解决这类问题。

例如,胡永利等人讨论数据清洗、数据压缩、数据聚集和数据融合等信息感知技术:数据清洗、数据压缩可去除“脏数据”和冗余数据,数据聚集和数据融合根据用户需要从原始感知数据中选择少量数据或提取高层语义信息进行传输,从而减少网络数据传输量[5]。

宋欣等人提出了一种能量高效的基于线性回归的无线传感器网络分布式数据采集优化策略,通过应用线性回归分析方法构建感知数据模型,保持感知数据的特征,使节点仅传输回归模型的参数信息,代替传输实际监测的感知数据信息,大大减少了传感器节点间频繁数据传输[6]。

Zhiming Ding等人提出了一种称为Sea-Cloud-based Data Management(“SeaCloud DM”)的管理机制,用于管理和查询海量异构感知采样数据。

在SeaCloud DM中,用海计算层来收集、存储和处理传感器/监测设备的原始采样数据。

海计算层的输出是数字键采样值(numeric key sampling values),其数据规模与原始感知器采样数据相比要小得多,
这样就大大减少了送到云数据管理层进行处理的数据量Zhiming Ding[7]。

除了海量感知数据的存储和传输问题,智能处理是物联网的又一大挑战,也是未来网络功能的目标。

目前,国外研究主要聚焦于物理计算和认知设备(如无线传感器网络,移动电话,嵌入式系统,微型机器人等)以及互联网融合中涉及的数据处理技术,主要包括:语义互操作性,服务寻找,服务组合,语义传感器网络,数据共享、传播和协作,自治代理,人机交互等问题。

国内在面向海量信息的智能处理和面向复杂应用环境的数据存储等方面有较强的研究力度,主要有:物联网中的海量信息智能处理和数据存储理论,整合和分析海量信息并提供智能服务的方法,针对异构和并发服务的大规模数据存储面临的高效性、安全性、可靠性、低能耗的挑战等[8]。

例如,Yinong Chen等人研究了“智能物相互连接的网络”(Internet of intelligent things),并把机器人作为一种服务。

目标是把集中式云计算环境进一步扩展到分散的系统,完成螺旋发展的另一个周期。

实现这一目标的想法是通过自主和智能的移动物理服务或机器人作为一种服务,形成智能设备的本地池,而且不需与云通信而在本地做出决策[9]。

Bin Guo等人讨论了Wisdom Web of Things W2T形态下加强物联网的智能和意识的问题,通过探索人类和物联网的各种相互作用,提取有关个人、环境和社会的“嵌入式”智能,以此扩大物联网与用户、环境和社会意识的存在[10]。

何清探讨了物联网中的数据挖掘与智能处理,认为在信息处理层可通过后台系统进行智能信息处理,在决策控制层可根据数据挖掘结果和预案库来反馈控制和管理物联网[11]。

Akihiro Eguchi等人介绍了在阿肯色大学研究的项目“一切都是活的The Everything is Alive(EiA)”,探讨在一个未来的语义世界中的普适计算,其中每个对象可以具有标识,并且可以与人类和其他智能对象进行通信。

文章讨论了如何把本体、虚拟世界、智能对象、软控制器、移动计算和移动机器人等领域的技术结合在一起建立EiA的未来世界。

在EiA中,当我们把知识、行动和规则与在我们周围世界的这些东西或服务结合起来,任何这些对象都可以是“活物”,任何这些服务都可
能是“活现象”。

文章还提出了一种体系结构,把一个普通对象世界转换为智能对象的语义世界,在那里一切都是活着的,可以感知、行动、思维、感觉、沟通,甚至移动和重生[12]。

从上述工作来看,针对物联网的各种数据处理技术的确在减少数据量的存储和传输方面有所改进,但并未达到理想的程度。

数据量的减少程度没有发生质的变化,难以从根本上解决物联网面临海量感知数据的问题。

另外,各种智能处理方法只是提出了一些框架,而且很多智能处理方案借用了传统的处理模式(在计算机上处理),这与在资源受限的物联网上实现智能处理仍有较大距离。

针对资源受限的物联网在信息存储、传输和处理方面遇到的问题,本文提出一种新的解决方案:创建一种形式语言,用于描述以感知信息为基础的知识;定义基于感知器的语义解释方法;构建基于感知器的微型知识库,且对知识库中的概念和关系给出基于感知器的语义解释;将感知器收集到的感知信息转换成知识,并向用户提供知识服务;知识库部署在中间件(簇头节点或汇聚节点)中,大多数情况下,簇头节点在网络中传输的信息不是感知器的原始数据或经过融合的感知信息,而是用户所需的知识;建立具有知识服务功能的物联网。

本文的创新之处在于:①提出一种描述以感知信息为基础的知识的形式语言,将各种不同类型的感知信息转换成同一种形式的知识,可以解决WSN中异构感知网络之间的通信问题;②知识是数据和信息的高度浓缩和抽象,一个概念可包含许多信息(例如,一个生产车间报告“工作正常”,这意味着生产条件“电压、照明、室温等情况”正常,生产过程“机器运行、原料供应、产品下线等情况”正常),知识的表达形式使数据量的减少发生了质的飞跃,这对于解决资源受限的物联网在存储和传输方面的问题将起到极大的推动作用;③建立基于感知信息的知识库,同时配置解决局部问题的微型专家系统,可提供局部知识服务,这符合云计算的原理,为物联网的智能处理提供了新的理论依据和技术支持;④基于感知器的语义解释保证了知识库的自动更新,知识库利用基于感知器的语义解释方法将感
知器传来的新信息转换成新的知识,并对知识进行更新,这种操作可以在网内完成,所以具有较强的自主性和智能性;⑤由于知识具有高度的抽象性,通过知识来传递相关
信息比直接传送感知信息所需的数据量要小得多,所以在应用中为用户提供知识服
务可大幅节约传输所需的能量。

本节介绍基于感知器的知识KBS(Knowledge Based on Sensors)。

首先介绍一种形式语言LKBS,用于形式化描述基于感知器的知识;然后创建基于感知器的知识库KS,并对KS中的概念和关系给出基于感知器的语义解释,为物联网的智能处理和知
识服务提供理论基础。

1.1 带感知器的知识描述语言LKBS
我们用LKBS表示带感知器的描述语言,它由标准一阶语言和表示感知器的符号组成。

1)LKBS的字母表包括:
·一阶逻辑FOL的字母表(包括逻辑符号、谓词符号、函数符号等)[13];
·表示关系型感知器的符号:P,Q,R,…;表示函数型感知器的符号:f,g,h,…。

2)LKBS中项的构成规则及合式公式的构成规则与FOL中的规则相同。

3)LKBS中的推理规则与FOL中的规则相同。

以上列出的符号是形式语言符号,在实际应用中,经常使用具有一定含义的符号来描
述相应的内容。

例如,用BOOK表示x是一本书;用ON(x,y)表示关系“x在y上”。

1.2 感知器的抽象形式
为了能在形式语言LKBS中描述感知器的功能,我们把感知的功能抽象为关系或函
数的形式。

感知器按其功能分为两大类:一类称为“关系型感知器”,用于感知被考
察对象是否具有某种特性(特性也看作一元关系),或被考察对象之间是否具有某种关系(二元或二元以上的关系)。

这类感知器有2个返回值”YES”和”NO”,关系成
立时返回”YES”,否则返回”NO”。

例如,有一个“判别x是否是图书”的感知器(物理设备),记为。

其功能是可对环境中的对象a进行感知:若a是图书,则(a)的返回
值为”YES”;否则,其返回值为”NO”。

又如,有一个“判别x是否在y上”的定位感知器,记为(x,y)。

其功能是(x,y)可对环境中的对象b和c进行作用:若b在c上,则(a,b)的返回值为”YES”;否则,其返回值为”NO”。

还有一类称为“函数型感知器”,用于测定被考察对象的某种属性值。

这类感知器的返回值在某个范围内变化,相当于一个函数。

例如,用(x)表示一个读码器,)对一个带有标识码的物体a进行感知时(a)的返回值是一串字符。

又如,用,y)表示“测定x 与y之间的距离”的感知器,y)的返回值在[0,＋∞)内变化,当(x,y)对环境中的2个对象a与b进行感知时,dist(a, b)的返回值是一个实数。

有了感知器功能的抽象表示,我们可以在LKBS中定义基于感知器的语义解释。

1.3 基于感知器的语义解释
1)对于关系型感知器,设P(x1,x2,…,xn)是LKBS中的一个原子谓词公式,其对应的感知器为P (x1,x2,…,xn),a1,a2,…,an是环境中的n个对象,若(x1,x2,…,xn)对
a1,a2,…,an进行感知,且P (a1,a2,…,an)的返回值为“YES”,公式P(a1,a2,…,an)被解释为真;若(a1,a2,…,an)的返回值为“NO”,则公式P(a1,a2,…,an)被解释为假。

例如,设ERASER(x)是一个原子谓词,表示“x是一个橡皮擦”,其对应的感知器是(x),a是一个对象,若x)对a进行感知,且有返回值“YES”,则公式ERASER(a)被解释为真。

2)对于函数型感知器,设f(x1,x2,…,xn)是一个函数,其对应的感知器为
(x1,x2,…,xn),a1, a2,…,an是环境中的n个对象,若(x1,x2,…,xn)对a1,a2,…,an进行感知,且(a1,a2,…,an)的返回值为α,则有公式f(a1,a2,…,an)＝α被解释为真。

例如,若感知器(a,b)的返回值为5,则公式dist (a,b)＝5被解释为真。

在实际应用中,也可以用相应的谓词公式来表示,即把公式DIST(a,b,5)解释为真,表示a与b之间的距离为5。

3)对于不带量词的复合公式,语义解释定义如下:
·¬P(a)为真,若P(a)为假;
·P(a)∨Q(a)为真,当且仅当P(a)为真或Q(a)为真;
·P(a)∧Q(a)为真,当且仅当P(a)为真且Q(a)为真;
·P(a)→Q(a)为假,当且仅当P(a)为真且Q(a)为假;
·P(a)↔Q(a)为真,当且仅当P(a)与Q(a)同为真或同为假;
4)对于带量词的复合公式,语义解释定义如下:
设Δ＝{a1,a2,…,an}是由所有被感知器作用的对象组成的集合,∀x A(x)和∃x A(x)是谓词公式,则
·∀x A(x)为真当且仅当A(a1)∧A(a2)∧…∧A(an)为真;
·∃x A(x)为真当且仅当A(a1)∨A(a2)∨…∨A(an)为真。

图1是ERASER(x)、BOOK(x)、ON(x,y)等3个谓词公式基于感知器的语义解释示意图。

1.4 基于感知器的知识库KS
基于感知器的知识库KS与描述逻辑中的知识库结构类似,由TBox和ABox两部分组成。

TBox是一个谓词公式集合,这个集合包含某些指定的原子谓词,以及由这些原子谓词及逻辑联结词和量词构造出的一些复合公式。

其中,TBox中的原子公式是与感知器的功能相关的概念或关系。

而ABox是由与TBox中概念有关的断言组成的集合,构成具体的知识。

例如,在某个办公室有4个感知器:一个读码器,一个识别图书的感知器,一个识别铅笔的感知器x),一个确定位置关系的感知器ON(x,y),那么TBox将包含相应的原子谓词公式{READER(x),BOOK(x),PEN(x),ON(x, y)}。

如果从感知器获得感知信息返回值为001(b)的返回值为“YES”(c)的返回值为“YES”(c,b)的返回值为“YES”,那么TBox中的谓词公式{READER(a),BOOK(b), PEN(c),ON(c,b)}将分别被解释为:ID(a)＝001,BOOK(b)为真,PEN(c)为真,ON(c,b)为真;然后将{ID(a)＝001,BOOK(b),PEN(c),ON(c,b)}存入ABox。

这些知识就成为
了知识库的具体知识,可用于物联网的智能处理。

基于感知器的知识获取过程见图2。

1.5 知识服务框架
本文讨论的知识服务框架由感知器信息、知识转换、知识传送、语义解释、数据还原等功能模块组成,见图3和图4。

知识服务主要部署在物联网的中间件(簇头节点或汇聚节点)中,见图4。

具有知识服务功能的节点也称为知识节点,这类节点有一个基于感知器的微型知识库及集成在
知识库中的微型专家系统,其主要功能是把感知器节点传送来的感知信息转换成知
识的形式,并存入知识库的Abox中,见图2。

知识节点及其他节点(与该知识节点连接的感知节点除外)的通信采用知识的形式进行数据传输,以极少的数据传输量提供服务。

用户接收到知识后即可应用这些知识,必要时也可以通过查询(用户机器上的或互联网上的)知识库及相应的语义解释,获得还原后的感知数据。

以这种知识服务的方式可大提高物联网在传输和服务方面的性能。

例如,在基于物联网的牧场管理中,在牧场的各区域部署了读码器、温度感知器、湿
度感知器等,用于监控草场及牛羊的活动情况,而每只牛羊都带有电子标签。

感知器
定时报告草场的温度、湿度等环境情况,以及牛羊所在区域的情况。

知识节点利用
规则对感知器传来的感知信息进行简单的分析,如温度、湿度在正常范围内,则把多
个感知信息综合为“草场环境正常”。

对于牛羊的活动情况,知识节点对各区域读
码器传来的信息进行简单的计数,若牛羊如数在指定的区域内(没有缺少,没有越界),
则把这些信息综合为“牛羊活动正常”。

有提供服务时,只需传送两条知识“草场
环境正常”和“牛羊活动正常”,用户收到知识服务会根据知识的语义解读其中的
信息。

若有异常情况,只需将不正常的数据传送出去,其他信息则按知识的形式传送。

本文提出了一种描述物联网知识的形式语言;定义基于感知器的语义解释方法;构建
基于感知器的微型知识库;将感知器收集到的感知信息转换成知识,并向用户提供知
识服务;建立具有知识服务功能的物联网框架。

在这种框架中,以知识的形式进行通信,大大减少了数据的传输量。

基于感知器的知识为异构网络间的通信和物联网的智能处理提供了理论依据的技术支持。

基于感知器的知识及在物联网中提供知识服务在理论上和实践上都需要进一步探索和完善。

今后的研究工作包括基于感知器的知识库的管理、知识推理及知识服务等信息智能处理方法。

参考文献:
[1] SARMA S,BROCK D L,ASHTON K.MIT Auto ID WH-001:The Networked Physical World[R].Massachusetts: MIT Press,2000.
[2] International Telecommunication Union(ITU).ITU Internet Reports 2005:The Internet of Things[R].Geneva: ITU,2005.
[3] STAVROPOULOS T G,VRAKAS D,VLAHAVAS I.A survey of service composition in ambient intelligence environments[J].Artificial Intelligence Review,2013,40(3):247-270.
[4] ATZORI L,IERA A,MORABITO G.The Internet of Things:A
survey[J].Computer Networks,2010,54(15): 2787-2805.
[5] 胡永利,孙艳丰,尹宝才.物联网信息感知与交互技术[J].计算机学
报,2012,35(6):1147-1163.
[6] 宋欣,王翠荣.基于线性回归的无线传感器网络分布式数据采集优化策略[J].计算机学报,2012,35(3):568-580.
[7] DING Zhi-ming,XU Jia-jie,YANG Qi.SeaCloudDM:a database cluster framework for managing and querying massive heterogeneous sensor sampling data[J].The Journal of Supercomputing,2013,66(3):1260-1284. [8] 宁焕生,徐群玉.全球物联网发展及中国物联网建设若干思考[J].电子学
报,2011,38(11):2590-2599.
[9] CHEN Yi-nong,HU Hua-liang.Internet of intelligent things and robot as
a service[J].Simulation Modelling Practice and Theory,2013,34:159-171.
[10] GUO Bin,ZHANG Da-qing,YU Zhi-wen,et al.From the internet of things to embedded intelligence[J].World Wide Web,2013,16(4):399-420.
[11] 何清.物联网与数据挖掘云服务[J].智能系统学报,2012,7(3):1-5.
[12] EGUCHI A,NGUYEN H,THOMPSON C W.Everything is alive:towards the future wisdom Web of things[J].World Wide Web,2013,16(4):357-378. [13] HUTH M,RYAN M.Logic in computer science:modeling and reasoning about system[M].Cambridge:Cambridge University Press,2004.。