分享到微博 分享到人人 分享到LinkedIn 分享到Email
全球普适计算大会UbiComp首次来到中国
作者 微软研究院
2011年9月19日

2011年9月19日,北京——值普适计算领域的奠基性论文《21世纪的计算》发表二十周年之际,普适计算领域的顶级国际会议——第13届ACM普适计算国际会议UbiComp 2011今天首次登陆中国。作为下一代信息技术的代表,普适计算以移动设备、智能手机和传感器技术为发展的基础,令数字化系统能够感知物理世界的变化,并做出主动调整以更好地服务人类。微软亚洲研究院多年来致力于普适计算的研究,并积极推动UbiComp十几年来首次来到中国,显示了中国在下一代信息技术大潮中的战略地位和作用。

作为一门高度交叉的应用学科,普适计算旨在利用并整合普适、无线网络、嵌入式系统、移动通信等众多领域的技术无缝融合物理世界与数字世界,实现无处不在的计算。在普适计算愿景下,计算机不再局限于桌面,而是以各种形式被嵌入到人们的工作、生活空间中,变为手持或可穿戴的设备,甚至与日常生活中使用的各种物品融合在一起。普适计算将计算机技术应用到了生活的方方面面,成为生活的一部分。曾有专家预言普适计算设备(智能手机、PDA等)的销量将超过代表桌面计算模式的PC,而当前流行的云计算或物联网仅是普适计算征程的起步。

作为普适计算领域公认的顶级会议,UbiComp为全球的研究人员提供了一个探讨普适计算系统设计、开发、部署、评测和理解等领域的最新研究进展的平台。微软亚洲研究院访问学者 、华盛顿大学教授James Landay(刘哲明)担任本届UbiComp 2011的联合主席,他表示:“此前中国乃至亚洲在UbiComp的参与率还相当有限,我们很高兴地看到中国学术界对UbiComp 2011的广泛关注和积极参与,希望本次大会能够提高中国在普适计算领域的国际参与度。我相信随着中外学术界对普适计算的深入研究与探讨,它一定能够为人们提供更透明、更智能、更绿色、更安全的生活环境。”

作为历届普适计算国际会议的积极参与者,微软亚洲研究院一直积极促进普适计算领域的中外学术交流。微软亚洲研究院院长洪小文博士表示,“与中国学术界共成长是微软亚洲研究院的长期承诺,为此我们致力于推动顶级国际学术会议走进中国,让中国学者有机会与世界级计算大师面对面。普适计算的研究将进一步改变和改进人们工作、生活和娱乐的方式,微软也在为实现这个未来愿景而不断努力。我们期待与业界一起推动中国普适计算研究达到新的高度,让计算真正无处不在。”

UbiComp 2011在清华大学召开,是清华大学百年校庆百场学术活动之一。历时5天的大会吸引了来自海内外的400多名计算机领域的专家和学者参加,共收到302篇论文投稿,并最终收录了50篇正式论文,内容涵盖了情境感知、位置服务与位置共享、智能手机、传感器技术、智能家居、交互技术、移动应用等多个方向。微软全球研究院今年共有10篇论文入选,占总收录数的20%。

其中,有4篇论文来自微软亚洲研究院:《基于出租车数据的城市计算》通过分析市区运营出租车的GPS行驶轨迹,探测城市规划的缺陷,并验证当前实施的城市规划;《在哪里能找到我的下一个乘客?》通过分析乘客的移动模式和出租车司机揽客行为模式,向出租车司机推荐更有可能迅速招揽到乘客的地点,并向乘客推荐更容易找到空驶出租车的地点;《基于社区相似度网络的大规模行为识别》提出了一种全新的方法用于解决基于手机传感器的行为识别中普遍存在的用户多样性问题;《移动设备上的情境化和个性化推荐》提出一种能够感知情境、个性化的实体推荐方法,可以在不依靠用户在手机上明确输入的前提下理解用户的隐含意图。

ACM普适计算国际会议(UbiComp)始于1999年,在过去的十几年中,UbiComp会议规模发展迅速,从最初的小规模研讨会成长为一个由ACM SIGCHI和SIGMOBILE共同赞助的大型国际会议。自2005年以来,UbiComp开始在不同大洲间轮流举行,此前曾在亚洲举办过两次,分别是在日本东京举办的UbiComp 2005和在韩国首尔举办的UbiComp 2008。

了解更多UbiComp 2011信息,请访问:

UbiComp 2011官方微博(中文):http://weibo.com/ubicomp2011

UbiComp 2011官方网站(英文):http://www.ubicomp.org/ubicomp2011/index.html

UbiComp 2011收录的微软亚洲研究院论文摘要:

基于出租车数据的城市计算( Urban Computing with Taxicabs)

城市计算是“普适计算”最重要的应用之一。本文通过分析市区运营出租车的GPS行驶轨迹,探测城市规划的缺陷,并验证当前实施的城市规划。探测的结果包括存在突出交通问题的地区以及这些地区之间的道路关联。这些探测结果可用来评估城市规划实施的有效性,例如城市内新建的道路和地铁线路等,并向城市规划者在制定未来规划时提供参考。本文使用了2009年和2010年两个年度3月至5月间在北京运营的30,000辆出租车所产生的行驶轨迹,并用真实的北京城市规划对我们的结果进行了评估。

到哪里能找到我的下一个乘客?(Where to Find My Next Passenger? )

本文通过分析乘客的移动模式和出租车司机揽客行为模式,向出租车司机推荐更有可能迅速招揽到乘客的地点,并向乘客推荐更容易找到空驶出租车的地点。首先,向出租车司机推荐一些地点以及到达这些地点的路线,在这些地点或前往的途中出租车司机更有可能迅速招揽到乘客,实现利润的最大化。其次,向乘客推荐一些通过步行可到达的地点,在这些地点乘客可以很容易地找到空驶的出租车。本文通过“停车地点侦测算法”以及出租车运行轨迹获得上述信息(以概率代表),将这些信息输入一个概率模型,根据司机提出推荐请求的时间和地点,评估某个停车待客地点可能带来的利润。本文使用12,000辆出租车在110天产生的轨迹验证了本文的推荐。

基于社区相似度网络的大规模行为识别(Enabling Large-Scale Human Activity Inference on Smartphones Using Community Similarity Networks (CSN) )

具有传感器功能的智能手机为移动传感应用开创了新的机遇。使用数据分类模型对人类活动和传感器数据情境进行识别,正是这些新兴应用的基础。然而,训练分类器的传统方法因无法识别用户之间的差异(例如年龄、性别、行为模式、生活方式等)而难以应付大规模移动应用通常所面对的用户多样性问题。为了解决基于手机传感器的行为识别中普遍存在的用户多样性问题,本文提出了社区相似度网络(Community Similarity Networks , CSN),将社区相似度测量纳入分类器的训练过程中。在CSN中,每个用户都拥有一个适合其自身特点的唯一分类器。CSN利用源自人群的传感器数据,借助来自其他类似用户的数据,对分类器加以个性化。这个过程在相似度网络的指导下进行,后者能够测量人际相似度的不同指标。我们的实验表明,对于存在用户多样性情况下的分类器训练,CSN方法优于已有的方法。

移动设备上的情境化和个性化推荐(When Recommendation Meets Mobile: Contextual and Personalized Recommendation On The Go)

移动设备正变得无处不在,人们将自己的手机当作随时随地查找信息和辅助决策的工具。因此,理解移动用户的意图成为辅助手机用户完成相关任务的重要环节。目前,大部分研究集中在理解用户通过文本或语音查询所明确表达的意图上,而本文提出一种能够感知用户情境和个性化的实体推荐方法,可在不依赖于用户明确输入的前提下理解用户的隐含意图。我们的研究从大规模移动搜索历史数据的分析出发,实现对实体类型以及各实体类型内的实体进行推荐和排序(这里的“实体”一般是指当地某一具体的实体商店,例如名为“我爱寿司”的餐厅;而“实体类型”则是指一个类别,例如“餐厅”和“酒店”)。被推荐的实体类型和实体与用户过去的行为习惯和当前情境(时间和地理位置)相关。具体来说,该方法基于产生式概率模型,根据用户数据和其当前情境,评估实体的产生概率。然后,采用随机漫步迭代算法挖掘各个实体之间时间上的相关性,对前一步产生的概率进行优化。基于上述方法,我们在Windows Phone 7上部署了此推荐应用。通过基于数万次移动用户历史数据的评估,以及主观用户体验测试,证明该应用能够有效辅助移动用户进行周围实体的探索和发现。

ACM普适计算国际会议(UbiComp)简介

ACM普适计算国际会议(UbiComp)始于1999年,其目的在于提供一个论坛,以方便研究人员探讨普适计算系统的设计、开发、部署、评测和理解等领域的最新研究进展。普适计算是一个高度交叉的应用学科,涉及到人机交互、无线网络、嵌入式系统、定位技术、传感器、中间件、编程模型和工具等众多领域。在过去的十几年中,UbiComp会议的发展极为迅速,已从最初的小规模会议(Symposium)成长为一个由ACM SIGCHI和SIGMOBILE共同赞助的大型国际会议。2011年ACM SIGSPATIAL也将成为会议的合作组织之一,这显示出UbiComp会议强烈的交叉学科特点。目前,UbiComp会议吸引了相关领域研究者的广泛参与,是普适计算领域公认的顶级会议。