普适地理信息服务匹配：空间上下文特点

(1)空间上下文具有明显的层次性。如通过GPS信号、手机信号所在的基站号、用户的网络IP地址等方式获得用户所处的位置上下文，通过设备内置的时钟获得时间上下文等，这类上下文都属于低层上下文。用户所关心的高层上下文如用户当前的活动等很难直接感知。与低层上下文相比，高层上下文能提供更多对智能计算而言更直接、有效的信息。由于低层上下文和高层上下文之间常具有某种内在的联系，因此可以从低层上文推理得到用户的目标、操作习惯、偏好等高层上下文，进而对上下文加以有效利用。

(2)空间上下文非常复杂，场景多变。例如智能导航环境和智能应急环境就存在着显著的差别，不仅其所能感知的上下文的种类和数量不同，用户的行为习惯和关注点也完全不同。如导航环境下的上下文包括用户的位置、偏好、目的地、交通状况等，关注点在于如何选择最优化的路径。而应急环境下的上下文则侧重于时间、温度、光线、逃生路径的通畅性等，其目标在于评估用户所处环境条件，并为用户选择迅速脱离危险的策略。另外，用户以及智能设备的移动性进一步增加了空间上下文的复杂多变性。

(3)空间上下文存在冲突和不确定性。理想情况下，所获取的上下文应该是精确、有效、无冲突的。但实际上，由于同一上下文可以从不同的信息源通过不同的方式获取，获取上下文的时间间隔以及上下文本身的精度、可造性等限制导致获取的上下文经常发生冲突，并且存在不完整和不确定性等问题(Jason I.Hong，2002；Kaori Fujinami，2004)。

(4)空间上下文的获取和计算设备计算能力有限。在地球空间信息服务领域，手持、便携式、移动智能及嵌入式设备等已经构成了其设备主体。为了满足移动计算的需求，这些设备尺寸、存储容量和计算能力等往往受到硬件的限制。因此，进行空间上下文的计算过程中要考虑计算复杂度和可行性等问题。(www.xing528.com)

针对空间上下文的上述特点，提出一种适合的推理算法是本章的主要目标。贝叶斯网络是一种基于概率的不确定性推理方法，在不确定性信息处理方面已经得到了广泛的应用，目前应用领域涵盖了专家系统(E.Bauer，1997)、决策支持(G.F.Cooper，2000)、故障诊断(N.Friedman，1998；2003)等，体现了其独特的统计学推理优势。

接下来本书概述了贝叶斯网络的基本概念以及常用的推理方法，并在此基础上提出了一种局部联结树算法用于空间上下文的推理。