论文部分内容阅读
计算技术在给家庭生活和工作方式带来巨大变革之后,又不断的向汽车产业渗透,电子化成为了现代汽车发展的重要标志。随着汽车内的电子元器件、传感器和执行器的增多,汽车的智能化已成为一种必然的发展趋势。智能汽车的目标在于增加驾驶安全、提高驾车效率和给驾驶员提供舒适、方便的驾车环境。普适计算做为一种新的计算模式,强调电子设备和环境融为一体,使环境为用户提供主动服务,为智能车的研究和开发提供了理论支持和技术支撑。因此近年来智能汽车成为了普适计算一个新的应用领域。为了实现安全、舒适、方便的驾驶环境,智能车必须能够获取驾驶环境信息,并对这些信息进行分析,从而自适应地为驾驶员提供服务。因此,情境感知将成为智能车的关键特征。智能汽车固有的内在复杂性对当前的情境感知理论和基础软件设施提出了全新的挑战。本文从普适计算动态和开放性出发,结合智能汽车领域的特点,研究了情境建模、情境推理、中间件平台实现。同时建立了智能汽车的原型,从整体给出了架构实现。本文的研究内容和主要贡献如下:1)建立了面向智能汽车的三层情境模型。该模型包括了传感器层、原子情境层和复合情境层。在这个模型中,我们区分了原子情境和复合情境的定义,针对当前智能车研究领域只关注原子层的现状,深入分析了复合情境层。复合情境采用Petri网进行描述,加入了可靠性保证。展开了对复合情境相互关系的探讨,使得该模型能够描述智能汽车环境内的复杂情况。2)根据该情境层次模型,提出了情境推理机制。推理引擎由基于统计模型的情境识别和基于逻辑的情景迁移组成。根据智能汽车对于实时性的要求,我们采用离线方式对情境模型进行训练,而用在线方式进行实时识别和推理。对推理的效率和性能作出了分析和性能评估。实验表明,该推理引擎具有较好的性能,能够满足一般情况下(非强实时服务)的要求。3)在传统的构件中间件基础上实现了情境感知的中间件平台SCUDware。我们以ACE TAO为基础,根据普适计算环境特点对传统中间件技术内涵进行扩展,集成了情境感知基础设施。该软件实现了情境获取、推理和存储,使SCUDware中间件具有良好的静态可配置和动态自适应性,满足了智能汽车对中间件的内在需求。4)实现了智能汽车原型。我们以汽车作为普适计算研究的场景,提出了智能汽车的架构设计。通过网络设施、硬件设施和SCUDWare中间件平台的协同,实现了一个智能汽车原型。在整个原型的实现上,我们严格贯彻驾驶员抗干扰原则。从传感器选择到服务提供,采用尽可能减少驾驶员注意力分散的方式,以减少可能发生的危险。在该原型中,我们通过人脸识别和语音识别实现了自然人车交互,提供了位置导航服务和个性化定制的信息服务。信息通过用户设定和网络实时采集获得,并以语音的方式提供给用户。