Η επίγνωση-πλαισίου εμφανίζεται ως μία από τις πιο σημαντικές πτυχές στο
αναδυόμενο περιβάλλον του διάχυτου υπολογισμού. Απαιτούνται κινητές εφαρμογές
επίγνωσης πλαισίου για την αίσθηση και την αντίδραση σε συνθήκες μεταβαλλόμενου
περιβάλλοντος. Τέτοιες εφαρμογές, συχνά, χρειάζεται να αναγνωρίζουν, να
ταξινομούν και να προβλέπουν το πλαίσιο με σκοπό να δρουν αποδοτικά, εκ των
προτέρων, προς όφελος του χρήστη. Πρώτον, προτείνουμε έναν αποδοτικό ταξινομητή
χωρικού πλαισίου και έναν βραχείας-μνήμης προγνώστη για την μελλοντική θέση
ενός κινητού χρήστη σε κυψελωτά δίκτυα. Δεύτερον, προτείνουμε έναν καινοτόμο
προσαρμοστικό αλγόριθμο, ο οποίος χειρίζεται το πλαίσιο αναπαράστασης θέσης και
την πρόβλεψη τροχιών των κινούμενων χρηστών. Τρίτον, προτείνουμε έναν βραχείας-
μνήμης προσαρμοστικό προγνώστη θέσης που χειρίζεται την πρόβλεψη υπό την
απουσία ιστορικής κινητής πληροφορίας. Τέταρτον, υποθέτουμε μία βάση προτύπων
και προσπαθούμε να συγκρίνουμε το πρότυπο κίνησης ενός χρήστη με την
αποθηκευμένη πληροφορία με σκοπό να προβλέψουμε μελλοντικές θέσεις. Τα
συμπεράσματά μας, συγκρινόμενα με άλλα σχήματα, είναι πολύ ελπιδοφόρα για το
πρόβλημα της πρόβλεψης θέσης.
(EL)
Context-awareness is viewed as one of the most important aspects in the
emerging pervasive computing paradigm. Mobile context-aware applications are
required to sense and react to changing environment conditions. Such
applications, usually, need to recognize, classify and predict context in order
to act efficiently, beforehand, for the benefit of the user. Firstly, we
propose an efficient spatial context classifier and a short-term predictor for
the future location of a mobile user in cellular networks. Secondly, we propose
a novel adaptive mobility prediction algorithm, which deals with location
context representation and trajectory prediction of moving users. Thirdly, we
propose a short-memory adaptive location predictor that realizes mobility
prediction in the absence of extensive historical mobility information.
Fourthly, we assume the existence of a pattern base and try to compare the
movement pattern of a certain user with stored information in order to predict
future locations. Our findings, compared with other schemes, are very promising
for the location prediction problem and the adoption of proactive context-aware
applications and services.
(EN)
Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών
