| dcterms.abstract | Mit Hilfe der Vorhersage von Kontexten können z. B. Dienste
innerhalb einer ubiquitären Umgebung proaktiv an die Bedürfnisse
der Nutzer angepasst werden. Aus diesem Grund hat die
Kontextvorhersage einen signifikanten Stellenwert innerhalb des
’ubiquitous computing’. Nach unserem besten Wissen, verwenden
gängige Ansätze in der Kontextvorhersage ausschließlich die Kontexthistorie
des Nutzers als Datenbasis, dessen Kontexte vorhersagt
werden sollen. Im Falle, dass ein Nutzer unerwartet seine gewohnte
Verhaltensweise ändert, enthält die Kontexthistorie des Nutzers
keine geeigneten Informationen, um eine zuverlässige Kontextvorhersage
zu gewährleisten. Daraus folgt, dass Vorhersageansätze, die
ausschließlich die Kontexthistorie des Nutzers verwenden, dessen
Kontexte vorhergesagt werden sollen, fehlschlagen könnten. Um die
Lücke der fehlenden Kontextinformationen in der Kontexthistorie
des Nutzers zu schließen, führen wir den Ansatz zur kollaborativen
Kontextvorhersage (CCP) ein. Dabei nutzt CCP bestehende direkte
und indirekte Relationen, die zwischen den Kontexthistorien der
verschiedenen Nutzer existieren können, aus. CCP basiert auf der
Singulärwertzerlegung höherer Ordnung, die bereits erfolgreich in
bestehenden Empfehlungssystemen eingesetzt wurde. Um Aussagen
über die Vorhersagegenauigkeit des CCP Ansatzes treffen zu
können, wird dieser in drei verschiedenen Experimenten evaluiert.
Die erzielten Vorhersagegenauigkeiten werden mit denen von drei
bekannten Kontextvorhersageansätzen, dem ’Alignment’ Ansatz,
dem ’StatePredictor’ und dem ’ActiveLeZi’ Vorhersageansatz, verglichen.
In allen drei Experimenten werden als Evaluationsbasis
kollaborative Datensätze verwendet.
Anschließend wird der CCP Ansatz auf einen realen kollaborativen
Anwendungsfall, den proaktiven Schutz von Fußgängern,
angewendet. Dabei werden durch die Verwendung der kollaborativen
Kontextvorhersage Fußgänger frühzeitig erkannt, die potentiell Gefahr
laufen, mit einem sich nähernden Auto zu kollidieren. Als kollaborative
Datenbasis werden reale Bewegungskontexte der Fußgänger
verwendet. Die Bewegungskontexte werden mittels Smartphones,
welche die Fußgänger in ihrer Hosentasche tragen, gesammelt.
Aus dem Grund, dass Kontextvorhersageansätze in erster Linie
personenbezogene Kontexte wie z.B. Standortdaten oder Verhaltensmuster
der Nutzer als Datenbasis zur Vorhersage verwenden,
werden rechtliche Evaluationskriterien aus dem Recht des Nutzers
auf informationelle Selbstbestimmung abgeleitet. Basierend auf den
abgeleiteten Evaluationskriterien, werden der CCP Ansatz und
weitere bekannte kontextvorhersagende Ansätze bezüglich ihrer
Rechtsverträglichkeit untersucht. Die Evaluationsergebnisse zeigen
die rechtliche Kompatibilität der untersuchten Vorhersageansätze
bezüglich des Rechtes des Nutzers auf informationelle Selbstbestimmung
auf. Zum Schluss wird in der Dissertation ein Ansatz für die
verteilte und kollaborative Vorhersage von Kontexten vorgestellt.
Mit Hilfe des Ansatzes wird eine Möglichkeit aufgezeigt, um den
identifizierten rechtlichen Probleme, die bei der Vorhersage von
Kontexten und besonders bei der kollaborativen Vorhersage von
Kontexten, entgegenzuwirken. | ger |
