Context Broker Architecture(CoBrA)

CoBrA (Context Broker Architecture) [CFJ03] est une architecture centralisée basée sur un agent courtier (broker) d’une entité physique ou virtuelle pour appuyer le développement des applications sensibles au contexte. Par exemple, salles de réunion intelligentes, maisons intelligentes, et véhicules intelligents. L’architecture contient les éléments suivants, Figure 2.15 :

– L’agent Context broker : est l’élément central de l’architecture, il permet de gérer le modéle de contexte pour les différents agents et périphériques qui y sont connectés. Chaque agent permet d’obtenir des informations du contexte à partir des capteurs et les transformer en un modèle de contexte formel afin qu’ils puissent être partagés par tous les agents. L’agent de contexte est composé de quatre modules principaux :

1. La base de connaissance du contexte :contient le modèle de contexte de chaque domaine. L’ontologie du domaine est un ensemble de concepts et de relations entre eux dans un domaine spécifié.

2. Le module de raisonnement du contexte : est responsable du raisonnement sur un domaine donné à travers des règles logiques d’inférence. Le module de raisonnement agit par rapport aux contraintes sur les relations entre les concepts dans l’ontologie du domaine. Le module de maintien de la connaissance vérifie l’ uniformité des informations de la base de connaissance du contexte.

3. Le module d’acquisition de contexte : est le middleware qui permet de récupérer les informations de contexte de bas niveau à partir des divers capteurs. Ce module a une architecture en deux couches : les capteurs du contexte et l’interprétateur du contexte. Les capteurs physiques ou virtuels, fournissent les informations du contexte. L’interprétateur du contexte récupère ces informations et les interprète.

Figure II.15–Architecture de COBRA.

4. Le module de gestion de la confidentialité :est responsable de la communication du Context Broker avec les autres agents en définissant des protocoles de transmission appropriés.

Dans l’application choisie par l’auteur [CFJ03] : salles de réunions intelligentes , les domaines représentent des parties du monde réel. La base de connaissances est couplée avec un moteur d’inférence composé de trois parties : le module de raisonnement sur l’ontologie déduit des faits à partir des informations de la base de connaissances et des modèles définis dans les ontologies ; le module de raisonnement sur le contexte est un moteur d’inférence hybride basé sur la logique (déduction, logique flux, etc.) et l’analyse statistique (arbre de décision, réseau Bayesien, etc.) ; et le module de maintien de la cohérence des connaissances sert à supprimer le bruit dans les informations de contexte en provenance de l’environnement physique et à réconcilier la base de connaissances avec les changements trop rapides de l’environnement.

Pour le modèle de contexte, CoBrA se base sur l’approche à base d’ontologie, Figure 2.16 . CoBrA-Ont est un ensemble d’ontologies exprimées dans le langage OWL et qui définissent les concepts et les relations qui les lient dans chaque domaine. Cet ensemble contient 41 classes et 36 propriétés qui sont catégorisées selon des domaines distincts : places, agents, contexte de localisation des agents et contexte d’activité des agents. Elle utilise un modèle centralisé pour le stockage et le traitement du contexte puisque les équipements mobiles dans un système pervasif possèdent des ressources limitées et une politique de confidentialité pour l’utilisateur.

Chaque ovale de ce graphe représente une classe dans le langage OWL. Les ovales avec des lignes entrecoupées indiquent le type de l’information que le Context Broker recevra des autres agents et de capteurs de l’environnement. Les éléments de contexte sur lesquels est basé la gestion du contexte sont "Person ", " Place " et " Intention " ;

– La classe Person : définit les propriétés générales d’une personne dans un espace intelligent. Dans CoBrA, chaque personne doit avoir un nom, une adresse email et une homepage URL. Parmi les sous classes qui dérivent de la classe " Person " :

Figure II.16–Ontologie de COBRA.

– La classe PersonInBuilding :définit une des personnes qui sont actuellement dans un bâtiment. – La classe MeetingParticipant :définit un type de personnes qui sont dans une réunion.

– La classe Place :définit les propriétés indiquant l’appartenance à un tel endroit ; isPartOf et hasPartOf. Les sous-classes décrites dans cette ontologie sont : "UniversityCampus", "Building", "Room", "OtherPlaceInBuilding" et "MeetingPlaceInBuilding",

– La classe intention :indique la notion des intentions de l’utilisateur. Par exemple l’intention d’un interlocuteur de donner une présentation et l’intention d’une assistance de recevoir une copie de diapositives de la représentation. Cette classe possède une seule sous classe, "SpeakerIntention" L’adaptation au contexte est réalisée à partir des propriétés et des descriptions des classes et les relations entre ces classes que possède le langage OWL. Analyse :

1. l’architecture proposée fait une séparation du processus de capture de contexte et son utilisation. Cela permet une abstraction des détails de capture de bas niveau et un accroissement de l’extensibilité et de la réutilisation du système.

2. CoBrA offre cependant un haut niveau de confidentialité et de sécurité pour l’échange des informations grâce au module de politique de confidentialité des agents.

3. L’architecture proposée est la plupart spécifiques à un domaine d’application (systèmes de localisation, inter-action personne-machine, etc.) et demande des efforts supplémentaires pour l’adaptation.

4. L’architecture fondée sur un serveur de contexte souffre du problème principal d’un système centralisé : lorsque le serveur tombe en panne, tous les autres composants seront affectés. Cela contredit la nature de l’information contextuelle dans un environnement diffus qui est en général distribuée.

risques de congestion au niveau du serveur.

6. L’architecture est composée de plusieurs modules comportant eux-mêmes d’autres sous-modules, ce qui ralentit la vitesse de traitement de l’information. De plus, certains modules comme les heuristiques du domaine et le module de maintien de la connaissance jouent le même rôle de maintien de la cohérence de la base de connaissances du contexte. Pour le modèle du contexte l’ontologie développée, CoBrA-ONT n’est pas assez élaborée pour couvrir de vastes contextes.