随着物联网(Internet of Things,IoT)、人工智能(Artificial Intelligence,AI)技术的发展,智能家居(SmartHome,SH)中的各种设备、传感器、射频识别(Radio Frequency Identification,RFID)读写器等可以构成一种新型SH网络,并由一种智能的管理系统(例如智能网关、云网关等)进行管理,为用户提供智能服务。传统的SH技术通常根据不同用户制定相应的解决方案,以适配不同的个人需求,这些方案可以令用户通过无线通信或者有线通信的方式,管理部署在用户生活环境中的各种智能设备,有效的简化用户的生活。但是,这种类型的SH在服务用户的智能化方面比较欠缺,比较依赖于用户的直接控制,因此,如何设计一种可以准确识别用户行为,理解用户意图并可以自动响应用户行为来满足用户需求的,更加智能化的新型智能家居系统是未来SH市场亟待解决的问题。在现有研究工作中,所涉及到的用户行为模型常常通过独立的行为数据统计概率来构建的,这些行为模型往往无法准确识别用户不断改变的行为,不适合作为辅助老人及具有认知障碍人群生活的服务依据,且当前相关工作对用户环境中不可用服务所造成的错误引导问题研究较少。因此,本文以新型SH架构、智慧城市(SmartCity,SC)架构及关键技术为研究对象,对设备语义模型、语义互联(SemanticAssociation,SA)模型、相关智能服务算法及用户隐私保护机制进行了深入的研究。本文主要取得了以下几个方面的创新:―、智能家居中基于SA模型的行为辅助方法。智能家居中每个设备及功能都可以用语义模型来描述,隐藏原有的异构性,从而可以进行相互间的“理解”与互联。每个用户环境的配置都不相同,这些配置与用户的需求相关联,通过分析这些语义模型的相关语义标注,提出了 SA模型,使用SA模型可以在SH架构的逻辑层对接入的各个物体设备进行互联,共同为用户提供服务。在此模型的基础上,提出了一种行为辅助方法,即智能网关检测到用户需求,会理解和分析这些需求,并根据当前环境状态提供相应的服务,来完成用户行为的辅助。本文对该方法进行了仿真分析,仿真结果表明应用SA模型的方法的成功率明显高于应用预定义模型的方法。这表明,该方法可以有效帮助在日常生活中有困难的人群。二、智能家居中基于混合语义模型的行为识别与辅助(Activity Recognition-Assistance,ARA)算法。在帮助用户理解和使用智能服务的同时,还需要考虑用户自身的生活习惯,即考虑表示用户个人行为习惯的统计概率模型,针对统计概率模型容易造成用户意图误判的问题,本文将统计概率模型与语义互联模型进行融合,提出混合语义模型和相应的ARA算法,并将该算法应用于生活辅助原型系统中。该算法首先构建语义互联模型对用户进行服务推荐,然后利用隐马尔科夫模型从用户习惯上进行建模,以最大化满足用户生活习惯为目标,对可选服务进行二次推荐,从而达到较高的准确率和用户体验。仿真结果表明,在服务提供方面,基于混合语义模型的ARA算法比基于统计概率模型的算法的准确率要高,可以有效判断用户意图并提供相应服务。三、智能家居中基于语义相似度的可替换服务推荐(Alternative-Service Recommending,ASR)算法。智能 家居中 设备的动态上线和下线会影响智能网关对用户的实时服务,然而,现有的服务推荐模型通常不考虑用户所在生活环境中不可用的服务,即下线状态,从而会出现推荐服务不可执行的结果。针对服务库的动态变化问题,本文提出基于语义相似度的ASR算法,该算法对当前环境中的设备状态进行实时的更新,并根据在线设备所构成的服务库,计算设备语义相似度,找到用户生活环境中具有相似功能的设备及服务,将它们归为可满足相同用户需求的同一类设备或服务,从而保证某个服务不可用时,可以迅速提供一个可替代的服务来维持用户的正常生活轨迹。仿真结果表明,较于基于一般统计概率模型服务算法,当用户环境中动态出现设备和服务掉线的情况时,ASR算法可以有效的找到相似的设备和服务,满足用户需求。四、SC中基于人工智能的语义物联网(Artificial Intelligence based SemanticIoT,AI-SIoT)服务架构及用户隐私保护机制。SC是SH的延伸,未来将有数万亿智能设备将加入到SC,这些设备通常来自不同的生产厂商并遵循各自的协议,这给SC服务带来了巨大的挑战。如何设计高效的物联网服务架构来整合多形态设备,并提供智能服务成为最重要的挑战。本文提出了 SC中AI-SIoT混合服务架构,该架构涉及AI技术和语义技术。AI可以实施有效的数据分析并在智能服务方面做出合适的决定,语义技术能够构建可用的服务模型进行日常生活辅助。最后,本文针对智慧医疗场景中用户隐私保护制进行了研究,提出基于云网关共享数据的移动用户隐私保护机制,用户可以在云端找到自己感兴趣的数据,并根据自己的身份属性的类别获取相应的数据访问权限,并进行数据解密,从而满足数据访问需求。仿真结果表明,基于安全分级访问树的属性加密算法比传统的属性加密算法效率要高,有效解决多属性加解密效率慢的问题。