文章快速检索     高级检索
  浙江大学学报(工学版)  2017, Vol. 51 Issue (8): 1662-1668  DOI:10.3785/j.issn.1008-973X.2017.08.024
0

引用本文 [复制中英文]

孟濬, 许文媛, 赵夕朦. 基于新概念的“感知城市”探索[J]. 浙江大学学报(工学版), 2017, 51(8): 1662-1668.
dx.doi.org/10.3785/j.issn.1008-973X.2017.08.024
[复制中文]
MENG Jun, XU Wen-yuan, ZHAO Xi-meng. Research of sentient city under guidance of new concept[J]. Journal of Zhejiang University(Engineering Science), 2017, 51(8): 1662-1668.
dx.doi.org/10.3785/j.issn.1008-973X.2017.08.024
[复制英文]

基金项目

浙江省科技厅科技计划公益技术研究基金资助项目(2011C23097,2017C31079);浙江省自然科学基金资助项目(LY12F03023);浙江省教育厅资助项目(Y20107866)

作者简介

作者简介:孟濬(1966-), 男, 副教授, 从事系统生物学、数字化医疗等研究.
orcid.org/0000-0002-7633-3624.
Email: junmeng@zju.edu.cn

文章历史

收稿日期:2016-07-15
基于新概念的“感知城市”探索
孟濬 , 许文媛 , 赵夕朦     
浙江大学 电气工程学院, 浙江 杭州 310027
摘要: 为了实现机器主动感知人体的生理状态、情感和行为等人体状态信息、实现机器对人体的行为和环境的有效干预,提出以机器感知人体为核心的新概念,与现有的环境智能概念进行对比;基于新概念详细分析"感知城市"的核心、关键组成等要素,提出信息与信息采集设备之间所具有的耦合关系;构建以机器主动感知人体、环境自主适应人体为核心的"感知城市"平台,与IBM提出的"感知城市"平台进行对比;以"椅子"为例,具体阐述在"感知城市"中如何实现机器主动感知人体、如何在感知人体状态信息后实现环境的自主调节.与现有的环境智能和感知城市对比,结果表明,所提出的概念和平台,可以实现机器的主动感知和有效干预.
关键词: 智能生境    环境智能    感知城市    人体状态感知    
Research of sentient city under guidance of new concept
MENG Jun , XU Wen-yuan , ZHAO Xi-meng     
College of Electrical Engineering, Zhejiang University, Hangzhou 310027, China
Abstract: A new concept was proposed to achieve a goal that machine can proactively sense human information, such as physiological states, emotions and behaviors, and provide effective interventions for human and environment. The core of the concept is that machine senses human information proactively and spontaneously. The new concept was compared with a similar concept, ambient intelligence. The core and components of sentient city was elaborated based on the new concept. A coupling relation between information and devices was proposed. A platform of sentient city was constructed. The platform is centered on the core that machine proactively senses human information and environment can spontaneously adapt to human. The platform was compared with a platform proposed by IBM. An example of a chair was taken to illustrate how to achieve the goal that machine proactively senses human information, self-regulation of environment and make the environment fit human in a Sentient City.
Key words: smart habitat    ambient intelligence    sentient city    human information sense    

机器和人类的无障碍自主沟通, 一直是人类的梦想和研究方向.信息通讯技术和人工智能的快速发展使人类对机器的控制取得了长足进步, 使远程遥控机器甚至模仿人的行为成为了现实.但是人类并不满足对机器的控制.

依托于电子环境, 无处不在的计算和分析使得将大批量的消费电子产业从当前的“碎片化”特征转化为具有对用户友好的设备, 并支持无处不在的信息、通讯和娱乐成为可能[1-2].尽管机器对人的行为做出响应、以人为中心进行交互已经有人提出[3-5], 但是如何使得环境具有感知人类的情感和行为的能力, 从而实现自主调控环境以适应人类生存尚未得到解决.

一部分学者在关注以人为中心进行人机交互的同时, 又有一部分学者针对城市发展布局的新阶段感知城市(sentient city)进行研究.城市的发展也经历了多个发展历程[6-10], 其中最高阶段的智慧城市(smart city)依托于城市每一个角落所植入的设备和无处不在的计算[11-12].由于传感器的爆发式增长[13]和大数据的流行和丰富[14], 目前城市的发展已经逐步趋于新的阶段, “感知”阶段[15].“感知城市”的核心在于智慧城市阶段所形成的传感器网络[16], 能够实现城市与市民之间的消息互通, 但仅限于基于对城市事件的分析提供报告, 在更高阶段的智能即机器主动感知人体和自主调节环境方面还没有展开.对于“感知城市”的关键组成还没有具体的研究[13], 还需要进一步完善.

如果将人类的发展比作两条腿走路的话, 一条腿是人类对机器的控制, 另一条腿就是机器对人类的感知.考虑到目前人类对机器的控制方面的研究有了很大的进步和发展, 那么在人类快速走向未来的时候面临的一大问题就是如何做到两条腿协调并行发展、更加平衡地发展.

为了实现机器与人的无障碍自主沟通, 实现机器主动感知人类的生理状态、情感和行为等人体状态信息, 本文提出了以机器感知人体为核心的“智能生境”的概念, 并基于该概念对“感知城市”进一步完善.

1 “智能生境”的概念

“智能生境”是指以传感器网络为基础的, 以智能分析、智能识别算法为支持的, 以智能执行系统为手段的, 可实现无需人为输入信息情况下人与机器和环境交互感知、交互理解的生态系统.“智能生境”以可测量、可计算、可预测和可干预为主要特征.在“智能生境”中, 人体状态信息(包括生理体征、行为、情绪、意图和潜意识等人体所具有的生理特征)的获取可以是人体采取主动方式输入信息至机器, 也可以是机器采用接触式或非接触的方式主动获取当前场景下的人体状态信息, 结合当前场景下的机器所获得的环境信息分析所获得的人体状态信息, 依据分析结果对人体的状态和环境的变化进行预测, 并对人体的行为和环境进行有效的干预.“智能生境”以人与机器和环境交互感知、交互理解为核心, 以实现在无需人为输入信息情况下的随时随地、不知不觉, 机器主动感知人体、环境自主适应人体为目标.

与“环境智能”(ambient intelligence, AmI)不同, “智能生境”是指以人与机器和环境交互感知、交互理解为核心的系统, 如表 1所示.环境智能是指对人的存在敏感的, 能对人的行为做出响应, 并满足用户需求的电子环境[3-5].“环境智能”是于1998年Palo Alto Ventures和Simon Birrel提出的, 用于挖掘各种应用场景以在2020年实现将大批量的消费电子产业从当前的“碎片化”特征转化为具有对用户友好的设备, 并支持无处不在的信息、通讯和娱乐.环境智能是建立在无处不在的计算和分析的, 以人为中心的人机交互设计[1-2].

表 1 “智能生境”与“环境智能”的对比 Table 1 Comparison between 'Smart Habitat' and 'Ambient Intelligence'

“环境智能”是以人为中心的人机交互系统, 而“智能生境”则是以人与机器和环境交互感知、交互理解为核心的系统.“环境智能”以人为中心, 就需要人去主动的控制机器, 人的行为决定环境如何去满足人的需求.“智能生境”将机器视为与人平等的生态系统的组成部分, 由机器主动地去感知人体的生理状态、情感、行为甚至意图, 并依据规则实现对人体所处环境和人体行为进行智能干预, 在无需人体对机器做出任何控制的情况下满足人体的潜在需求.可以看出, “智能生境”是随着技术发展的“环境智能”的高级形态, 是将“环境智能”与“机器智能”相统一的人、机器与环境和谐共生的生态系统.由于城市是人类主要生存的生态系统, 因此, 以“智能生境”概念为指导对于城市的发展具有重要的指向意义.

2 “智能生境”指导下的感知城市的组成分析

以信息和通讯技术作为基本发展战略, 城市的发展经历了从有线城市(wired city), 数码城市(cyber city), 数字城市(digital city), 智能城市(intelligent city)到智慧城市(smart city)的发展历程[6-10].其中, 智慧城市是当前城市发展的最高的阶段.智慧城市最为显著的特征在于:智慧城市由“无处不在的硬件”(everyware)所组成[11].即, 将数字仪表设备和无处不在的计算植入到城市的每一个角落, 例如, 无线网络, 传感器和摄像头等设备[12].基于这些设备所采集的相关数据, 城市用户可以通过基于智能手机的实时计算参与和调控城市中的相关进程[12].由于传感器的爆发式增长[13]和大数据的流行和丰富[14], 目前城市的发展已经逐步趋于新的阶段, “感知”(sentient city)阶段[15].在本文中, 将这一阶段称为“感知城市”.

“感知城市”是指可以记忆场景、关联场景和预知/预测场景的城市[10].“感知城市”的发展基于智慧城市阶段所形成的传感器网络, 该传感器网络的目标在于实现一种可以使人们之间互联互通, 积极参与到观察、报告、收集、分析和传播城市活动的相关信息的技术[16].IBM于2013年提出了一种“感知城市”平台, 由传感器、数据预处理、数据存储、数据分析和扩展接口组成, 如图 1所示[17].但目前“感知城市”的研究尚不成熟, “感知城市”的关键组成, “感知城市”的核心等要素都没有具体的研究[13].为此, 基于本文提出的“智能生境”新概念, 本文对“感知城市”为核心、关键组成等要素的进行了分析.

图 1 IBM提出的“感知城市”平台[17] Fig. 1 A platform of Sentient City proposed by IBM

以“智能生境”的人与机器和环境交互感知、交互理解为核心, 以及以实现在无需人为输入信息情况下的随时随地、不知不觉, 机器主动感知人体、环境自主适应人体的目标为指导, “感知城市”构成要素应包括:作为行为主体的人, 人所存在的环境, 以及用于感知和调节人体行为和环境的机器.因此, 本文提出“感知城市”的实现应包括人体状态感知和环境感知2部分, 如图 2所示.其中, 人体状态感知用于获取当前场景中人体的状态信息, 对当前人体的状态信息进行分析, 并结合当前人体所处的环境信息和人为设定的规则对场景进行模拟和预测, 并给予人体或者当前人体所处的环境以适当的干预;环境感知用于获得当前场景的环境信息, 依据人为设定的规则, 结合当前场景下人体状态信息的分析结果对场景进行模拟和预测, 并给予人体或者当前人体所处的环境以适当的干预.

图 2 感知城市的组成元素和元素之间的关系示意图 Fig. 2 Illustration of components of Sentient City and relations among them
2.1 人体状态感知

人体状态感知是指通过传感器监测人体生理体征和行为, 分析人体当前所处的生理状态, 以提前对处于非正常状态的人发出预警并实现干预.对应于“感知城市”, 人体状态感知应包括3个组成部分, 分别用于场景获取, 场景记忆和关联, 以及场景预测和干预.其中, 场景获取通过传感器获取当前场景下人体状态信息;场景记忆用于储存所获得人体状态信息, 场景关联用于分析人体状态信息, 对人体状态信息进行分类和关联;场景预测用于模拟当前的场景, 并预测不同干扰因素下场景的变化趋势, 场景干预结合当前的环境信息给予当前场景中的人体和环境以有效的干预.人体状态感知的特征在于测量、计算(推理)和智能:场景获取, 本文称之为“感知之测量”, 场景记忆和关联, 本文称之为“感知之计算(推理)”, 场景预测和干预, 本文称之为“感知之智能”.

2.1.1 感知之测量

场景获取是人体状态感知的基础, 如何采集场景数据和采集何种数据是实现“感知城市”需要解决的第1个问题.“感知城市”所具备的“感知”能力是建立在网络技术发展的基础之上[15].传感器网络作为“感知城市”的发展基础, 对于城市的发展具有重要的作用[18, 19].随着传感器技术的发展, 传感器将不仅仅局限于与环境的交互作用, 更会开始主动的改变城市环境[17].传感器的阵列化和个性化发展是传感器发展的必然趋势.

传感器的阵列化要求传感器应具有小型化、微型化的特征.传感器所具有的小型化和微型化特征将使可穿戴设备摆脱现有的笨拙的外形束缚, 赋予可穿戴设备外形设计更多的设计自由, 从而使人们在佩戴可穿戴设备时获取更多舒适的体验.传感器的阵列化是指在一定范围内分布大量的相同种类或不同种类的传感器, 以检测更多更为精确丰富的信息.在传感器小型化和微型化实现后, 传感器的阵列化将成为传感器发展的主流趋势.其中, 摄像头作为视频信息采集装置, 可以用于采集阵列化的像素信息, 本身就具有阵列化传感器的优势.对摄像头所采集到的阵列化信息采用合适的数据挖掘策略进行数据分析将会获得潜在的有效信息.

传感器的个性化要求传感器的特种化, 即针对不同的测量信息采用不同种类的传感器.例如, 通过研究多种感官寄存器, 设计用于实现触觉(如各种触觉技术), 嗅觉(如电子鼻), 声音(如技术的发展使得非常细小的麦克风和话筒可以合理地布置在任意位置)等功能的传感器.传感器特种化的发展需要4D打印技术的支撑, 以4D打印技术为支撑, 高效的传感器个性化定制才能得以实现.利用传感器的个性化发展和传感器的合理配置, 可以实现目标个体的生理状态和日常行为的有效获取[13].

2.1.2 感知之计算(推理)

对所得的场景数据进行有效地分析是智能感知技术的核心, 如何从大量数据中获得数据之间在时间和空间上的联系, 挖掘数据的内在本质特征和场景之间的关联是实现“感知城市”需要解决的第2个问题.对于“感知城市”而言, “感知”的实现主要基于数据之间在时间上和空间上的联系[15].随着采集所得的数据的差异性的扩大, 如何有效地对这些数据进行分类、关联和预测以获取数据的内在规律和根本特征, 以对当前场景人体所处的状态进行精准有效的判断, 是人体状态感知的核心.

“计算/推理”的目标信息确定了“测量”所需的传感器的选择和相应的数据挖掘策略的选择.本文发现, 对于任何系统, 包括生命系统和非生命系统, 信息与信息获取手段之间都是具有一定耦合度的.信息与信息获取手段之间的耦合度是指信息与获取信息的手段之间所具有的关系.信息获取手段则包括用于采集信息的传感器和用于对采集所得的信息进行数据挖掘以获得目标信息的挖掘策略.以生命系统为例, 如图 3(a)所示.蛇的视力很弱, 需要根据周围物体的温度来感知周围的物体;蛇的感热系统作为信息获取手段, 需要通过自身的温度与环境的温度保持一致, 提高与目标信息——周围其他物体的温度, 之间的耦合度, 从而实现依据温度判断周围物体的方位.狗的嗅觉很灵敏的原因在于:狗具有的2套呼吸系统和没有汗腺的生理特征可以避免狗自身气味的干扰, 并且狗的嗅觉细胞的种类和数量远远高于其他物种, 极大地提高了信息——气味, 与信息获取手段——鼻子之间的耦合度, 使得狗具有异常灵敏的嗅觉.鸟儿不会迷路是因为信息获取手段——鸟儿眼中所具有的特殊的分子, 与信息——地球磁场之间具有高耦合度, 使鸟儿可以感知地球磁场的方向[20-22].

图 3 传感器与数据挖掘策略之间的耦合关系 Fig. 3 Coupling relations between sensor and data mining strategy

基于对现有的生命系统和非生命系统中传感器以及所要采集的对象进行比较, 本文提出, 当所选择的传感器和所要采集的对象的耦合度越高, 所要采取的数据挖掘策略的复杂度越低, 传感器的个性化程度越高, 相应的传感器开发成本就越高, 如图 3(b)所示.例如, 因此, 适当的降低传感器和采集对象的耦合度, 选择合适的数据挖掘策略, 将极大的减少传感器开发成本, 缩短技术研发时间.此外, 对于同一传感器所采集的信息采用不同的数据挖掘策略, 可以获得不同的有效信息.因此, 采用不同的数据挖掘策略从现有传感器采集所得的信息中间接地获取某些目标信息, 可以大大减少专用传感器开发的成本.

例如, 对于摄像头采集所得的视频信息, 采用人体动态跟踪技术, 可以获得目标的运动轨迹, 其中, “计算/推理”的对象是人体运动轨迹, 用于“测量”传感器是摄像头, 由于摄像头与人体运动轨迹的耦合度相对较高, 因此相应的算法较为简单;若采用图像处理算法对人体的肤色变化分析, 则可以获得人体的心率变化, 其中, “计算/推理”的对象是人体的心率, 用于“测量”传感器是摄像头, 由于摄像头与人体的心率的耦合度相对较低, 因此相应的算法较为复杂.

2.1.3 感知之智能

基于“计算/推理”的结果对社会场景, 包括人的生理状态、人的行为和环境, 进行预测和干预是人体状态感知的目标.如何基于当前的环境信息和人的行为对社会场景的变化进行预测和有效的干预是“感知城市”需要解决的第3个问题.由于同样的人体状态的分析结果在不同的环境下具有不同的意义, 因此, 需要人为设定的规则对场景的预测和干预进行约束.基于人为选取的规则, 结合当前的环境信息和“计算/推理”的结果对社会场景的变化进行模拟, 以对不同因素影响下的场景变化进行预测, 从而实现适当的干预.其中, 当前场景的环境信息决定了预测是否准确和所采取的干预手段是否有效;人为设定的规则的好坏决定了预测的准确度, 即“智能”的程度的高低.

2.2 环境感知

环境感知是“感知城市”的重要组成部分, 用于获取当前场景下的环境信息.不同环境下相同的人体状态分析结果具有不同的意义.2009年, Buchanan M发表于《Nature》的一篇文献指出, 人的大多数日常行为并不是由他们自发的意图或者选择所决定的, 而是由人所处的环境所引起的心理过程所决定的[18].这一研究指出了人所处的环境对于人的行为具有极为重要的作用.因此, 当前场景的环境信息对场景预测的结果和所要采用的干预手段具有决定性作用.

通过将采集所得的环境信息与人体状态感知的分析结果相结合, 在规则的约束下, 可以有效的实现社会场景预测, 包括人体的状态预测、行为预测和人所处的环境的预测, 在预测的基础上进行适当的有效干预.在不同的环境下, 同样的人体状态的“计算/推理”的结果得到的场景预测结果和相应的干预手段有所不同.例如, 在自动驾驶领域中, 通过摄像头实时采集驾驶人的视频信息, 并将视频信息上传至手机或服务器进行处理, 分析驾驶人的心率和血压变化.当驾驶人的心率或血压发生骤增或者骤减等不正常现象时, 结合车辆自动驾驶系统所采集到的环境信息给予驾驶人以适当的干预:若环境感知显示当前环境处于正常状态, 而驾驶人出现心率或血压不正常的现象, 说明驾驶人的身体状况出现问题, 车辆的自动驾驶系统在车辆行驶至安全区域后强制对车辆进行制动, 并拨打急救电话为驾驶人寻求医疗帮助;若环境感知显示车辆处于危险的紧急状态, 车辆的自动驾驶系统对当前的环境信息进行分析, 并为驾驶人提供当前环境下最为有效的帮助.

3 “智能生境”指导下的“感知城市”平台 3.1 “智能生境”指导下的“感知城市”平台构建

在“智能生境”这一概念的指导下, 本文构建了一种以机器感知人体为核心的“感知城市”的平台.该平台包括“测量”模块、“计算(推理)”模块和“智能”模块, 分别用于实现“感知之测量”、“感知之计算(推理)”和“感知之智能”, 其具体的示意图如图 4所示.

图 4 “感知城市”平台示意图 Fig. 4 Illustration of Sentient City platform

1)“测量”模块包括传感器和数据接口, 其中, 传感器可以采用手机现有的传感器和摄像头, 数据接口可以采用基于手机的传感器应用.“测量”模块利用手机传感器和摄像头采集当前场景下的人体和环境数据, 通过传感器应用提供的云服务实现数据上传、访问和下载数据.

2)“计算(推理)”模块包括数据预处理、数据存储、数据分析和数据接口.数据预处理用于为人体状态信息和环境信息添加相关信息和数据格式转换;数据存储是指人体状态信息和环境信息的存储、索引和组织;数据分析是指对所存储的人体状态信息进行分析, 并对数据进行分类、关联和预测;数据接口则用于可视化数据和分析结果.

3)“智能”模块包括模拟模块和干预模块.结合当前场景的环境信息和人为设定的规则, 模拟模块基于“计算(推理)”模块的分析结果模拟当前的场景并预测场景变化, 以应对不同因素对真实场景的影响所带来的变化;干预模块基于模拟预测的结果和当前的环境信息, 在人为设定的规则的约束下, 采用适当的干预手段, 实现对当前场景下的人体和环境的干预.

基于“智能生境”的概念所提出的“感知城市”平台与IBM提出的“感知城市”平台相比, 在结构、输入、输出、功能以及是否为闭环系统等方面均存在不同, 如表 2所示.IBM提出的“感知城市”平台是用于实现城市和市民互联互通, 分析城市相关事件, 并提供建议报告和反馈报告的系统, 其输入为城市中发生的事件, 输出为对事件的分析报告、可视化的分析结果以及建议.而基于“智能生境”的概念所提出的“感知城市”平台则是机器主动感知城市中的场景信息, 结合场景信息分析和规则实现机器对人体的行为和环境的有效干预的闭环系统, 其输入为场景信息, 输出为对当前场景的模拟和预测, 并能基于模拟和预测的结果对场景进行干预.可以看出, IBM提出的“感知城市”平台的核心在于实现城市与市民之间的消息互通, 而基于“智能生境”的概念所提出的“感知城市”平台则是以实现以机器主动感知人体、环境自主适应人体为核心.

表 2 基于“智能生境”的“感知城市”平台与IBM的对比 Table 2 Comparison between platforms of Sentient City proposed based on Smart Habitat and by IBM
3.2 “智能生境”指导下的“感知城市”平台的实现

在基于“智能生境”概念的“感知城市”中, 机器主动获取人体状态信息结合人体当前所处的环境信息预测人体的生理状态和行为, 并在一定情况下给予人体以适当的有效干预.例如, 当人体处于疲惫而濒临睡眠状态时, 为人体自主提供最佳睡眠环境, 包括主动为人体关闭手机等外界消息提示、隔离噪声、降低外界光线的亮度和温度适宜等;而当人体处于从睡眠状态过渡至清醒状态时, 自主为人体提供当前最为舒适的光线, 提示睡眠过程中未接收的手机消息等外界消息等.

然而现有的智能家居系统, 无论是语音控制还是手势控制, 都需要人为地给予系统指示, 从而调节外界环境以满足当前人体期望的睡眠环境.但是, 基于人们的日常生活体验, 人体在濒临睡眠状态、或非常疲惫时, 极其不情愿对外界产生响应, 尤其不愿意对外界发出指令和行为.在这种情况下, 人体对外界环境主动发出任何指令或者执行某种行为都会对当前人体的睡眠状态产生扰动, 使人体产生糟糕的睡眠体验.面临这种情况, 现有的智能家居系统无论采用手势控制, 还是语音控制, 都无法为人体提供舒适的睡眠环境, 相反地会增加对人体的干扰和负担, 为用户带来不佳的睡眠体验和产品体验.因此, 如何在不需要人为输入信息的情况下实现外界环境的自主调节, 为人体提供最佳睡眠环境是当前的智能家居尚未解决的问题, 恰恰也是在“智能生境”下的家居系统区别于当前智能家居的关键.

为实现在不需要人为输入信息的情况下家居系统自主为困乏或濒临睡眠的人体提供最佳睡眠环境, 本文在以机器感知人体为核心的“智能生境”的概念的指导下, 提出了一把可以检测人体的睡眠状态并为人体提供最佳睡眠环境的“椅子”, 如图 5所示.人体在睡眠过程中包含很显著的典型神经行为活动和生理活动, 包括脑电、肌电、心电、眼动等生理电位信号, 以及体温等生理信号[23-25].通过检测这些生理信号可以判断人体是否从清醒状态进入睡眠状态或者是否已经逐渐从睡眠状态过渡到清醒状态.

图 5 检测人体的睡眠状态并为人体提供最佳睡眠环境的“椅子”示意图 Fig. 5 Illustration of a chair which can detect human sleep and provide the most optimal sleep conditions

“椅子”实时采集当前的环境信息和人体状态信息, 并实时分析人体状态信息;若分析结果表示人体即将进入睡眠状态时, “椅子”结合当前的环境信息和人为设定规则, 对当前人体所处的环境采取干预, 将人体所处环境调节至最佳睡眠环境.此处的人为设定的规则用于指定最佳睡眠环境所应具备的条件, 例如环境的温度和人体的体温保持一致, 外界噪声的最高分贝值和外界光线的最高亮度值, 以及屏蔽手机等外界消息提示等.若分析结果表示人体即将进入清醒状态时, “椅子”结合当前的环境信息和人为设定规则, 对当前人体所处的环境采取干预, 将人体所处环境调节至唤醒环境.此处的人为设定的规则用于指定唤醒环境所应具备的条件, 例如光线的亮度值为人眼的最舒适值、无需外界声音隔离和提示睡眠过程中未接收的信息等.

4 结语

以人与机器和环境交互感知、交互理解为核心, 本文提出了“智能生境”概念.以“智能生境”为指导, 本文构建了一种以机器主动感知人体为核心的“感知城市”平台, 并以一把可以检测人体的睡眠状态并为人体提供最佳睡眠环境的“椅子”为例具体阐述了在“感知城市”中如何实现机器主动感知人体, 以及如何在感知人体状态信息后实现环境的自主调节.“智能生境”以人与机器和环境交互感知、交互理解为核心, 以实现在无需人为输入信息情况下的随时随地、不知不觉, 机器主动感知人体、环境自主适应人体为目标, 对于当前各行各业技术发展具有重要的指向意义.

目前, 以“智能生境”概念为指导的, 以机器主动感知人体为核心的“感知城市”的研究和发展仍处于起步阶段, 需要进一步的探索和研究.首先, 传感器技术作为感知人体状态信息的信息采集设备仍需深入的研究, 如阵列化传感器和个性化传感器的开发;第二, 信息与信息采集设备之间具有的耦合关系需要进一步探索, 采用何种传感器和数据挖掘策略可以实现低成本、高效率的人体状态信息获取, 是实现“感知城市”的关键;最后, 如何设定规则, 实现在不同的环境下给予当前场景下最为有效的干预, 实现环境自主调节是“感知城市”实现的核心.如何解决上述问题不仅是“感知城市”的发展需要关注的研究方向, 而且对于“智能生境”在各个行业的应用和实现具有关键性的推动作用.

参考文献
[1] REMAGNINO P, FORESTI G L. Ambient intelligence:A new multidisciplinary paradigm[J]. IEEE Transactions on systems, man, and cybernetics-Part A:Systems and humans, 2005, 35(1): 1–6. DOI:10.1109/TSMCA.2004.838456
[2] CHARALAMPIDOU M, MOUROUTSOS S, PAVLIDIS G. Identifying aspects of Ambient Intelligence through a review of recent developments[J]. Journal of Advanced Computer Science & Technology, 2012, 1(3): 82–100.
[3] AARTS E, WICHERT R. Technology Guide[M]. Berlin: Springer, 2009: 244-249.
[4] KOVÁCS G L, KOPÁCSI S. Some aspects of ambient intelligence[J]. Acta Polytechnica Hungarica, 2006, 3(1): 35–60.
[5] JOSÉ R, RODRIGUES H, OTERO N. Ambient intelligence:beyond the inspiring vision[J]. Journal of Universal Computer Science, 2010, 16(12): 1480–1499.
[6] GRAHAM S, MARVIN S. Planning cyber cities:Integrating telecommunications into urban planning[J]. Town Planning Review, 1999, 70(1): 89. DOI:10.3828/tpr.70.1.w34454x3475g2858
[7] ISHIDA TORU, ISBISTER KATHERINE. Digital cities:technologies, experiences, and future perspectives[M]. Berlin: Springer Science & Business Media, 2000: 1-57.
[8] KOMNINOS N. Intelligent cities:innovation, knowledge systems, and digital spaces[M]. Abingdon: Taylor & Francis, 2002: 118-208.
[9] HOLLANDS R G. Will the real smart city please stand up? Intelligent, progressive or entrepreneurial[J]. City, 2008, 12(3): 303–320. DOI:10.1080/13604810802479126
[10] SHEPARD M. Sentient city:Ubiquitous computing, architecture, and the future of urban space[M]. Cambridge: The MIT press, 2011: 1-200.
[11] GREENFIELD A. Everyware:The dawning age of ubiquitous computing[M]. Berkeley: New Riders, 2010: 1-34.
[12] KITCHIN R. The real-time city? Big data and smart urbanism[J]. GeoJournal, 2014, 79(1): 1–14. DOI:10.1007/s10708-013-9516-8
[13] THRIFT N. The 'sentient' city and what it may portend[J]. Big Data & Society, 2014, 1(1): 1–21.
[14] MAYER-SCHONBERGER V. Big data:a revolution that will transform how we Live, work, and think[M]. London: John Murray, 2013: 181-183.
[15] HILDEBRANDT M, VRIES K D. Privacy, Due process and the computational turn:The philosophy of law meets the philosophy of technology[M]. London: Routledge, 2013: 121-42.
[16] SHETH A. Citizen sensing, social signals, and enriching human experience[J]. IEEE Internet Computing, 2009, 13(4): 87. DOI:10.1109/MIC.2009.77
[17] KOCH F, CARDONHA C, GENTIL J M, et al. Citizen in sensor networks[M]. Berlin: Springer, 2013: 57-66.
[18] BUCHANAN M. Behavioural science:secret signals[J]. Nature, 2009, 457(7229): 528–530. DOI:10.1038/457528a
[19] PENTLAND A. To signal is human[J]. American Scientist, 2010, 98(3): 204–211.
[20] STONEHAM A M, GAUGER E M, PORFYRAKIS K, et al. A new type of radical-pair-based model for magnetoreception[J]. Biophysical journal, 2012, 102(5): 961–968. DOI:10.1016/j.bpj.2012.01.007
[21] LAMBERT N, CHEN Y N, CHENG Y C, et al. Quantum biology[J]. Nature Physics, 2013, 9(1): 10–18.
[22] BALL P. The dawn of quantum:biology[J]. Nature, 2011, 474(7351): 272–274. DOI:10.1038/474272a
[23] KARLEN W, MATTIUSSI C, FLOREANO D. Sleep and wake classification with ECG and respiratory effort signals[J]. IEEE Transactions on Biomedical Circuits and Systems, 2009, 3(2): 71–78. DOI:10.1109/TBCAS.2008.2008817
[24] DING F, O'DONNE J, XU Q, et al. Changes in the composition of brain interstitial ions control the sleep-wake cycle[J]. Science, 2016, 352(6285): 550–555. DOI:10.1126/science.aad4821
[25] HASSELBERG M J, MCMAHON J, PARKER K. The validity, reliability, and utility of the iButton® for measurement of body temperature circadian rhythms in sleep/wake research[J]. Sleep medicine, 2013, 14(1): 5–11. DOI:10.1016/j.sleep.2010.12.011