Zur Seitenansicht
 

Titelaufnahme

Titel
Goal oriented sensing in pervasive computing / eingereicht von: Gerold Hölzl
VerfasserHölzl, Gerold
Begutachter / BegutachterinFerscha, Alois ; Dey, Anind
Erschienen2015
Umfanggetr. Zählung : Ill., graph. Darst.
HochschulschriftLinz, Univ., Diss., 2015
Anmerkung
Zsfassung in dt. Sprache
SpracheEnglisch
Bibl. ReferenzOeBB
DokumenttypDissertation
Schlagwörter (DE)goal processing / sensor networks / activity and context recognition / opportunistic sensing / machine learning / recognition architectures / semantic modelling
Schlagwörter (GND)Ubiquitous Computing / Kontextbezogenes System / Systementwurf / Sensor-Array
URNurn:nbn:at:at-ubl:1-2683 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist gemäß den "Hinweisen für BenützerInnen" verfügbar
Dateien
Goal oriented sensing in pervasive computing [20.01 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Contextual information is comprised of a variety of different and heterogeneous sources of information. The dominant design approach for building context aware pervasive systems is a bottom up one. The crucial shortcoming of being of a bottom up nature is that the design of the system starts at the sensor layer. Subsequently a static, design-time configured, so called activity and context recognition chain is being build up on top of the sensor layer, used to infer contextual information out of the delivered sensor data. The definition of the system is performed during design time and is then kept static throughout its lifetime.

The incredible and irresistible rise of available smart gadgets with integrated sensing capabilities makes this approach antiquated. For a widespread use of context aware pervasive computing sensing ecosystems, new methodologies have to be discussed to revise the static and predefined nature of currently existing approaches.

The vision of this thesis is to carve the way to rethink and change the bottom up paradigm towards a goal oriented, dynamic, top-down configuration of a context aware system. A goal oriented methodology takes a so called recognition goal as input for a dynamic, self-organizing and adaptive system configuration during runtime. The goal oriented approach will revise the currently dominating methods and help to overcome the complexity crises of today's availability of trillions of sensing devices that can be used for Activity and Context recognition. Reducing the complexity of installing, configuring, optimising, and maintaining the sensing infrastructure in a goal oriented manner will help to make Activity and Context recognition systems successfully accepted and beneficial on a broader, open ended scale.

The goal oriented sensing approach follows an open world assumption, where sensing devices are assigned to goals according to their capabilities of contributing to the specified goals. A goal oriented sensing system can dynamically react and adapt to changes in the sensing ecosystem. This ensures, that at each point in time, the best selection of sensing entities is used according to the stated recognition goal.

The core contributions of this thesis are novel methodologies and algorithmic solutions to (i) define semantic Activity- and Context Relations, (ii) to formulate, translate and process Recognition Goals, that (iii) can be semantically matched to the available sensing infrastructure and dynamically configured during runtime, accompanied by (iv) making use of multiple sources of sensor information to reason the Activities and Contexts of the users.

The findings and contributions of this thesis are expected to induce a methodic shift away from predefined and static context aware systems towards their goal oriented and dynamic configuration and adaption during runtime based on a stated recognition goal.

Zusammenfassung (Englisch)

Wissen über Kontext setzt sich aus einer Vielzahl von unterschiedlichen und heterogenen Informationsquellen zusammen. Beim dominierenden Designansatz zum Bau von Kontext bezogenen, pervasiven Systemen, geht man von unten nach oben vor. Der entscheidende Nachteil dieses Designansatzes besteht darin, dass als erstes mit der Auswahl der nötigen Sensoren begonnen wird. Im Anschluss wird die so genannte Aktivitäts- und Kontexterkennungskette, aufbauend auf der Sensor Ebene, definiert, um Kontextinformation aus den Sensordaten zu extrahieren. Die Systemdefinition wird während der Entwicklung des Systems festgelegt und ist von diesem Zeitpunkt an statisch und unveränderlich.

Durch den unaufhaltsamen Anstieg an verfügbaren, intelligenten Geräten mit integrierten Sensoren ist dieser statische Ansatz bereits antiquiert. Für den weit verbreiteten Einsatz von kontextbezogenen, allgegenwärtigen sensor-basierten Systemen müssen neue Methoden diskutiert werden, um die statischen und vordefinierten Eigenschaften der derzeit bestehenden Ansätze aufzubrechen.

Die Vision dieser Arbeit soll den Weg ebenen, um den von unten nach oben orientierten Ansatz in eine zielorientierte, von oben nach unten durchzuführende Konfiguration des kontextsensitiven Systems zu ändern.

Eine zielorientierte, auf sogenannten Erkennungszielen basierende Methodik wird verwendet, um die dynamische, selbstorganisierende und adaptive Systemkonfiguration zur Laufzeit zu ermöglichen. Der zielorientierte Ansatz wird die derzeit dominierenden Verfahren neu bewerten und verändern. Dies wird dazu beitragen, die Komplexitätskrise der heutigen hohen Verfügbarkeit von Milliarden von Sensoren, die zur Aktivitäts- und Kontexterkennung verwendet werden können, zu überwinden. Die Reduzierung der Komplexität bezüglich Installation, Konfiguration, Optimierung und Wartung von sensor-basierten, kontextsensitiven Systemen durch einen zielorientierten Ansatz wird die Akzeptanz und die Nützlichkeit dieser Systeme auf einer breiteren, offeneren Basis zeigen und erhöhen. Der zielorientierte Ansatz verfolgt eine offene Sicht der Dinge, in der Sensoren im Rahmen ihrer Möglichkeiten den definierten Erkennungszielen zugeordnet werden können. Ein zielgerichtetes Kontexterkennungssystem kann dynamisch auf Änderungen in der Sensorinfrastruktur reagieren und sich darauf einstellen. Dies stellt sicher, dass zu jedem Zeitpunkt die beste Auswahl an verfügbaren Sensoren eingesetzt wird, um das Ziel zu erreichen.

Die Kernbeiträge dieser Arbeit sind die Entwicklung neuer Methoden und algorithmischer Lösungen für (i) semantische Aktivitäts- und Kontextbeziehungen, (ii) die Formulierung, sowie das Übersetzen und Abarbeiten eines Erkennungsziels, (iii) die semantische Abbildung des Erkennungszieles auf die verfügbare Sensorinfrastruktur zur Laufzeit, begleitet von (iv) der Nutzung mehrerer Sensorinformationsquellen, um auf die Aktivitäten und den Kontext von Personen zu schließen.

Die Erkenntnisse und Beiträge dieser Arbeit werden einen methodischen Paradigmensprung, weg von vordefinierten und statischen Kontexterkennungssystemen hin zu deren zielorientierter, dynamischen Laufzeitkonfiguration und Anpassung einleiten.