Evaluating Mapping Performance by Microsoft Stress Tool

針對 0, 10, 20 ,30 objects做Stress test ，並得到以下數據結果。

All number of threads = 100

• TTFB (Total Time the first byte is received)

• TTLB (Total Time the last byte is received)

• TTLB-TTFB -> let us know how long (in milliseconds) the client waits for pages

1. 0 objects:

• TTLB-TTFB = 38.66 ms
• Requests per second : 253.58

2. 10 objects:

• TTLB - TTFB = 606.11 ms
• Requests per second : 125.24

3. 20 objects:

• TTLB - TTFB = 707.79 ms
• Requests per second : 107.21

4. 30 objects:

• TTLB - TTFB = 729.22 ms
• Requests per second : 101.35

目前嘗試不同的threads 組合，以上為環境參數設定都相同所跑出來的數據。

A Distributed Approach for Assistive Service Provision in Pervasive Environment

這篇論文提出了提供在普遍環境中的輔助服務系統架構，這架構根據分佈式的方法和服務設計、部屬、和服務探索為基礎。為了能實現這些架構內容，有許多面向需求限制其發展，如普遍環境的感知性、使用者和終端的資料特性。本系統架構的被服務者為年長人士及身心障礙者，以smart home的架構理念來設計輔助系統。初步的實現上可以試驗和確認系統方法的正確性，並在最後導入真實的環境。
對於服務內容可區分成室內和室外2種方向，環境的不同會讓使用者有多元的需求，本篇論文中依照環境的不同提出了以下四種範例服務：

• Remote Control Services
• Navigation Assistance Services
• Information Service
• Security Services

這些服務都是屬於輔助服務的內容，讓使用者在未知性高的環境中能得到有效的資訊，以降低不確定性並且快速的熟悉整環境。作者專注在服務供應和相關的問題以及服務塑造和服務發現，服務提供可以用集中化的方法來呈現，像是現有的網際網路服務，依照現有的情況，作者選擇分佈的方法並透過使用者與環境的直接互動提供用戶適當的服務。個人環境被定義作為已經使用者熟悉的環境(像家, 汽車) ，人們大部分的生活都是在熟悉與陌生的空間環境切換，這對於服務設計有很大的挑戰性，服務的延續性與擴展性必需可以適應使用者的環境模試轉換，加上室內室外硬體異質差異性會讓提高設計架構的難度。

在普遍環境的輔助服務議題中有許多方向可以去思考，像是context aware application、mobile service、location based services，這些服務可以依據功能、內容、需要的基礎設施等來做分類，在行動環境和情境感知服務上我們會碰到許多問題，使用者的喜好和動態位置會讓情境感知的可變性降低，只能對單一的環境需求來做服務。服務描述的不完整也會降低使用者的可讀性，系統就無法依據喜好參數來為使用者選出適當的相關服務，如果沒有統一的描述屬性的方法也會讓資訊在不同環境間的交換產正差異性，減低各系統上溝通的能力，因此在設計必需使系統架構能適應異質的資訊網路環境空間。

論文閱讀計劃

Ontology:

• Natalya F. Noy "Semantic Integration: A Survey Of Ontology-Based Approaches," SIGMODRecord, Vol. 33, No. 4, December 2004.

• A Mikroyannidis, B Theodoulidis, "Heraclitus II: A Framework for Ontology Management and Evolution ," IEEE/WIC/ACM International Conference on Web Intelligence (WI'06) ,pp.514-521, 2006.
  

Smart Environments:

• M Ghorbel, M Mokhtari, S Renouard, "A Distributed Approach for Assistive Service Provision in Pervasive Environment," Proceedings of the 4th international workshop on Wireless mobile applications and services on WLAN hotspots, Pages: 91 - 100, 2006.
  

How smart are our environments

Designing and Modeling Smart Environments

這篇paper主要提出在設計smart environment中learning和prediction的概念，如何導入各種現有的科技和人工智能，有效的學習和預測人類的生活模式，便能提高整個smart environment的自治度及改進能力，以提昇整個生活空間的品質和便利性。室內空間往往不只有單一的居住者，像家庭、教室、辦公室等，都有不同生活模式的人在其中，如此一來整個設計就變得更複雜且難以預測。

1. 作者認為Designing and Modeling的重點：

• able to autonomously acquire and apply knowledge about the environment
• can adapt inhabitant's preferences and requirements

文章中有幾個例子，如：

• safety of inhabitants
• reduction of cost of maintaining the inhabitants
• resource optimization(energy or bandwidth)
• task automation

上面看到的例子取向都不同，所以設計者必需細想試用者的需求，進而提昇居住者的感受和體 驗，由此可見智慧環境的學習和預測能力對其有顯著的影響。

2. Features of smart environment：

• Device control and communications：在此強調裝置的遙控和自動化，並透過無線裝置的結合，達到控制的功能。這種應用對殘障人士很有幫助，就像把現有無障礙空間的概念更往上提昇，簡化生活中的一些慣例的程序（作者很有趣的以"遙控器"對"Couch potatoes"的幫助為例子）

• Sensory information processing：運用sensor來客製化device的settings。作者以一個叫做"Smart Sofa"為例，這沙發可以感應人的體重，它就以體重來辨識試用者，然後去改變整個房間的參數，如燈光、氣溫、多媒體等。
  

• Predictive decision making：透過sensor收集到的資訊，和喜好設定，可以預測使用者的行為模式，並即時給予有用的協助和訊息。這對精障者很有幫助，觀察他每天的生活模式（如路徑），假如有非預測的行為產生，便可給予精障者適當的提醒。

3. Mobility/Activity tracking
在觀察居住者生活模式當中，會有許多的不確定性，而這些現象經常是由人類的活動位置改變而造成。分析人們每天慣例的活動和生活風格，可以觀察到每個人有特有的模式，雖然這些模式會隨著時間而改變，但並不會太頻繁或無規則，因此smart environment便可紀錄和學習這些動作，由此可以得到更多的資訊，以降低不確定性。