情境感知源于普适计算领域,情境感知最早由Schilit等人[1]于1994年提出,自情境感知被提出以来,大量基于情境感知技术的研究与应用如雨后春笋般不断涌现,近年来,越来越多的研究人员正致力于将情境感知技术与其他领域的热门技术相结合来解决与人们日常生活密切相关的热点问题,如无人驾驶等。同时,随着社交网络、移动互联网等技术不断向前发展,人们对于智能手机的依赖程度日益增加[2],对于智能手机的过度依赖正使得相当一部分人群面临因使用手机而产生的潜在人身意外伤害的威胁。基于以上考虑,本文使用情境感知技术来进行手机使用过程中的意外预防方法研究与系统实现。基于情境感知进行手机使用过程中的意外预防方法研究是一个较高层次的问题,本文将手机使用过程中的意外预防方法研究划分为三个子问题,即人体行为感知子问题、空间位置感知子问题以及交互方式感知子问题。人体行为感知子问题指感知到手机持有者当前正在进行的行为类型,有别于传统的人体行为识别问题,本文中更关注手机持有者在不同的手机持有方式下的行为类型。空间位置感知子问题指感知手机持有者是否处于易发生意外伤害的危险区域。交互感知子问题指感知手机持有者与手机的交互方式进而判定手机持有者是否处于手机使用过程中。对于手机使用过程中的意外预防方法研究将基于多个子问题的输出进行。对于人体行为感知子问题,本文基于随机森林和神经网络进行了实验,并在对比了实验结果之后选取随机森林模型对人体行为感知子问题进行求解。人体行为感知子问题求解所需数据均采集自智能手机的内置传感器,本文使用Nexus 5X智能手机作为数据源,每条行为数据包含三轴角加速度、三轴加速度、经度、纬度8种属性,采集到在不同手机持有方式下(手机位置、屏幕朝向、头部朝向等)包含步行、骑行、驾驶汽车等行为的行为数据共计400000条,其中包含32种分类标签,所有行为数据均在数据采集阶段进行了一定程度的去噪声处理,一定程度上保证了数据的质量与高可用性。基于采集到的行为数据对随机森林模型进行训练、优化、分析与评价等工作,最终得到的模型对于32种标签的分类准确率达96%左右,表现出良好的分类效果与高可用性。对于空间位置感知子问题,本文基于手机持有者的空间位置轨迹与路网信息进行了实验,一方面关注手机持有者当前的空间位置与路网中某条路段的绝对距离,另一方面关注手机持有者当前一段时间内的空间位置轨迹与路网中某条路段的匹配程度,通过二者的加权输出来对手机持有者是否位于可能具有发生意外伤害的区域给出判断。对于交互方式感知子问题,本文基于智能手机操作系统提供的API对手机持有者的触控屏幕等操作进行监听,对手机持有者是否正在与手机进行交互以及以何种方式进行交互给出判断。本文基于三个子问题的输出构建了手机使用过程中的意外伤害识别及预防模型,并在最后应用此模型实现了一个能够实时对手机持有者可能导致意外伤害发生的手机使用行为进行警示的意外伤害预防系统。