普适地理信息：空间上下文推理

空间上下文包含了地球空间智能计算环境中的绝大部分知识，按照采集方式的不同，可以分为低层上下文和高层上下文两大类(K.Henricksen，2001)。一般认为，由各类传感器等方式直接获取的以及可以通过比较简单直接或仅少量运算的方式得到的上下文为低层上下文，这些上下文接近于客观存在，能够用于地球空间智能计算的信息有限；高层上下文的获取复杂得多，通常由若干低层上下文结合专家知识库等联合演绎形成，更接近于人类的思维。通过建立低层上下文和高层上下文之间的演化关系进而从低层上下文推演出高层上下文以提供更多有价值的信息是普适计算模式中的关键问题。Amir Padovitz(2005)指出，上文推理技术的问世实现了信息的演绎处理。

由此可见，上下文推理技术主要解决感知计算过程中两个方面的问题：

(1)隐含上下文的推导。有些抽象的上下文往往无法直接得到，而需要综合当前已知的上下文来判断，有的研究中也称为情景推理。

(2)冲突检测。冲突指系统中的上下文存在矛盾，如某个对象同一时间出现在不同的地点，这在现实中是不可能的，然而由于传感器采集的数据失真或者逻辑规则的缺陷却可能在系统中出现。(www.xing528.com)

推理一般可以分为确定性推理和不确定性推理两种方式，确定性推理一般采用程序编码融合逻辑推理规则来实现，这种方式适合规则数量较少的推理过程。一方面，这种方式由于规则定义和推理实现的分离降低了耦合度，添加和修改规则不会影响软件实体实现；另一方面，这种方式具有很多较为成熟的逻辑模型。

然而空间信息的不确定性和复杂性决定了在空间上下文计算环境中需要一种不确定性并且可以动态变换规则的推理方式。贝叶斯网络被证明是一种有效的不确定性推理手段(R.R.Bouckaert，1990；Heckermand，1997)。本书结合空间上下文的具体特点，基于贝叶斯网络提出了一种对于空间上下文推理的算法。