面向室内环境的群体智能驱动的自适应物联网辅助技术

《Internet of Things》：Collective Intelligence in Adaptive IoT-Based Assistive Technologies for Visually Impaired Users in Indoor Environments

　　

摘要：视觉障碍患病率的增加给行动能力和社交互动带来了挑战，特别是在室内环境中，障碍物和无障碍壁垒限制了独立性。虽然物联网（IoT）和人工智能（AI）技术提供了有前景的解决方案，但许多辅助系统缺乏实时适应能力，无法完全满足视障人士（VIPs）的动态需求。本研究探索了MoSIoT（物联网场景建模），一个针对残障人士的监控系统，其中AI编排器通过分布式决策体现了集体智能，将决策分配给边缘设备和云设备，以改善VIPs的室内无障碍性。MoSIoT的关键功能包括带距离测量的物体检测、音频描述场景识别、AI文本阅读器、AI驱动的聊天机器人、音频描述颜色识别以及自适应IoT交互控制，为导航和设备交互提供多模态解决方案。进行了系统级性能评估，测量不同执行路径的端到端延迟并评估编排决策的正确性。采用技术接受模型（TAM）评估初始用户接受度，重点关注感知有用性、感知易用性和行为意图，以及经验、工作相关性和感知外部控制等因素。通过结构化问卷收集的数据表明，感知有用性和易用性显著影响采用。辅助技术（AT）的先前经验、无障碍壁垒和环境适应性也起着关键作用。本研究提出了一个可扩展的自适应辅助框架，以改善VIPs的室内无障碍性。结果提供了用户接受度的初步证据，并强调了基于集体智能的自适应、实时解决方案在支持独立导航和交互方面的重要性。

引言：全球超过22亿人口存在视觉障碍，限制了他们的独立性、行动能力和生活质量（QoL）[1]。随着人口老龄化，受影响的人数预计将增加，推动了对创新辅助技术（ATs）的需求。许多视障人士（VIPs）依赖辅助工具进行移动、通信和信息获取。然而，对这些关键技术的获取仍然有限，特别是在室内环境中，障碍物、空间感知差和无障碍壁垒限制了自主导航。增强无障碍性和辅助技术整合对于提高VIPs的生活质量和独立性至关重要，为他们提供工具以导航环境并充分参与社会[2]。

尽管AT取得了进展，但许多解决方案对于室内无障碍性仍然不足。虽然现代AT解决方案很有前景，但许多未能解决关键挑战，如环境感知、信息获取、与IoT系统集成和实时场景解释，限制了它们在室内导航中的有效性[3]。此外，这些技术通常孤立运行，未能利用跨多个设备和基于云的服务的协调智能，导致响应时间较慢和适应性降低。因此在AT中实施集体智能是必要的，以增强响应性、协调性和实时适应性，显著改善其实际影响[4]。

为了应对这些局限性，MoSIoT（物联网场景建模）方法被开发为一种基于IoT的解决方案，以提高残障人士的无障碍性和生活质量[5]，本研究专门设计用于调查其在改善VIPs室内无障碍性方面的作用。通过纳入集体智能，MoSIoT显著增强了其提供及时和协调的辅助响应的能力，从而克服了之前在响应性和适应性方面的局限性。为了进一步增强辅助技术的能力和响应性，采用集体智能是必不可少的[6,7]。集体智能通过协调多个边缘设备、基于云的服务和智能代理来实现实时、分布式决策。这种方法旨在减少延迟并改善辅助响应的协调性。通过利用分布式智能，MoSIoT旨在提供更快速、更具上下文相关性的辅助，支持用户自主性和室内辅助系统的有效性。

MoSIoT利用模型驱动工程（MDE）原则[8]，通过高级模型简化灵活和自适应的IoT解决方案。MoSIoT的架构由两个核心模型组成：(1)领域模型和(2)场景模型。领域模型作为基础知识库，整合了关键的无障碍标准，如全人类无障碍（AFA）[9]用于定义不同的访问模式，物联网络[10]用于IoT设备和属性，以及FHIR（快速医疗保健互操作性资源）[11]用于表示医疗保健元素。此模型使系统与关键的无障碍、IoT和医疗保健标准对齐，并为其操作提供了坚实基础。相比之下，场景模型定义了IoT环境中的静态和动态实体行为，使系统能够自适应地应对各种现实用户场景。此外，MoSIoT包含一个QoL测量工具，持续评估技术对用户福祉的影响程度，证明系统在用户的日常生活中提供了有意义的改善[12]。

集体智能层是MoSIoT的核心，通过分布式AI编排器实现，协调云基础设施和移动设备上的智能服务。此分布式架构支持自适应、事件驱动的决策，允许单个组件根据上下文输入和用户偏好在实时中调整其操作。通过分散控制，MoSIoT中的AI编排器通过分布在客户端和云模块中的决策体现了集体智能，使得无需依赖中央控制器即可实现自适应辅助服务。为了评估此架构在实际中的表现，本研究包含了对响应性的系统级评估，分析了代表真实使用场景的执行路径的端到端延迟和编排决策的正确性。

在此架构基础上，MoSIoT提供了六项核心功能，旨在增强室内导航和用户交互：(1)带音频描述距离测量的物体检测（OD-ADDM）实时识别物体和障碍物并估计其距离，提供即时听觉反馈以帮助用户安全导航并避免碰撞。(2)基于音频描述的场景识别（AD-SR）通过分析环境来识别房间布局和关键室内地标，帮助用户建立空间感知。(3)AI驱动的文本阅读（AI-TR/OCR）将印刷材料转换为语音，允许用户通过音频获取书籍、标签和其他基于文本的内容。(4)AI驱动的聊天机器人（AI-PC）提供实时辅助，通过语音交互帮助用户自然地获取信息并完成任务。(5)基于音频描述的颜色识别（AD-CR）帮助用户识别颜色，辅助服装选择和识别指示灯，同时具有对比度检测和自适应语音反馈。(6)自适应IoT交互控制（AIoT-IC）通过语音命令和手势启用免提智能设备控制。增强现实覆盖层简化了这些交互，使设备控制更加高效。

尽管这些技术在增强无障碍性和独立性方面取得了显著进展，但其有效性最终取决于用户采用。因此，了解个人如何感知和参与MoSIoT至关重要。在此背景下，采用技术接受模型（TAM）来评估用户接受度，考虑关键因素如感知有用性——用户认为系统有益的程度——和感知易用性——用户预期技术易于使用的程度[13]。TAM还考察了行为意图，反映了用户基于其态度采用系统的可能性。在本研究中，TAM通过系统的结构化展示来评估用户接受度，提供基于用户对功能理解的初步评估。为了评估这些感知，研究涉及来自三个不同国家——奥地利、意大利和阿尔及利亚——的参与者，他们通过支持VIPs的组织招募，确保观点的多样性。问卷根据TAM框架设计和验证，评估MoSIoT的特定方面，包括感知有用性、易用性以及影响采用的外部因素，这些均反映了用户对系统的感知。

本文有逻辑地组织，以介绍、发展和评估提出的MoSIoT框架。第2节提供了室内辅助解决方案的必要背景，概述现有技术并确定推动自适应系统需求的关键挑战。第3节介绍MoSIoT框架，详细阐述其架构、功能以及与基于IoT的辅助应用的整合。还强调了框架如何纳入集体智能以改善响应性和实时决策。了解用户接受度对于评估辅助技术的技术方面之外的采用潜力也至关重要。第4节建立了研究的理论基础，专注于技术接受模型（TAM）和影响MoSIoT采用的因素，包括感知有用性、易用性以及影响行为意图的外部条件。第5节描述了研究方法论，包括数据收集程序和参与者选择，以评估这些因素。第6节呈现了统计分析结果和假设检验，考察TAM变量与用户采用趋势之间的关系。第7节详细说明了评估结果，并对用户接受度和MoSIoT的采用潜力提供了见解。鉴于严格验证的重要性，第8节考察了有效性威胁，解决局限性并确保研究的稳健性。最后，第9节讨论了MoSIoT的更广泛影响、优势和局限性，为自适应辅助技术的未来研究和发展奠定了基础。

章节片段

背景：尽管辅助技术取得了进展，但视障人士的室内环境无障碍性仍然是一个重大挑战。存在多种基于传感器、机器视觉和人工智能的方法来改善室内移动性。然而，许多这些系统在适应性和可用性方面存在局限性。本节回顾了视障人士辅助导航技术的现状，以识别差距并推动自适应系统需求的动机。

室内环境视障MoSIoT框架概述：MoSIoT框架旨在建模IoT场景，专注于改善残障人士的无障碍性和生活质量。如图1所示，MoSIoT架构使用C4标记法[25]表示，描绘了其关键组件以及系统内各参与者之间的交互。概念上，框架结构分为三个主要层次：领域核心、场景实例和用户级辅助服务。遵循C4约定，MoSIoT是...

理论框架：了解影响MoSIoT等技术采用的因素对于理解用户接受度和支持未来采用至关重要。各种框架，如技术接受与使用统一理论（UTAUT）[51]、创新扩散理论（IDT）[52]和任务技术匹配（TTF）[53]，提供了关于技术采用的宝贵视角。然而，这些框架通常强调组织或任务特定的上下文，可能无法完全解决...

研究方法：本研究使用的方法论框架使我们能够评估MoSIoT系统在视障人士中的接受度。方法论包括定量方法，结合结构化问卷和访谈来收集相关参与者数据。本研究考察特定变量如何影响用户对该系统的接受度。

数据分析：本节概述了在TAM框架下分析MoSIoT室内辅助系统收集数据的方法。数据分析旨在检验假设并调查TAM变量之间的关系。

一般考虑：本研究中使用的回归方法允许应用各种多元回归模型，如层级回归和逐步回归。采用逐步选择法来确定最准确反映变量之间关系的线性回归模型。各假设的结果如下：
•H1：感知有用性（PU）→ 行为意图（BI）——此假设表明PU和...之间存在强显著正相关关系

有效性威胁：本研究调查了MoSIoT的接受度及其感知在增强VIPs室内环境自主性和日常体验方面的潜力。尽管结果令人鼓舞，但必须认识到这些结果可能存在的有效性威胁。根据Cook[62]的有效性威胁分类框架，我们将概述和讨论这些威胁，包括内部、外部、构念和结论有效性问题。承认这些因素允许...

讨论：MoSIoT框架提供了以用户为中心的ATs方法，旨在增强各种残障人士的无障碍性。本研究专注于通过实时自适应服务支持VIPs，以促进独立性和改善室内环境的情境感知。MoSIoT的关键优势是其灵活性，使其能够快速适应不同环境和用户需求，使其高度可扩展和可适应。这种适应性是通过...实现的

结论和未来工作：本研究提出了将人工智能（AI）和物联网（IoT）技术整合到室内环境作为改善视障人士无障碍性的有前景方法，通过自适应、实时辅助。

值得注意的是，MoSIoT AI Orchestrator 在实现集体智能方面发挥着核心作用，通过将决策权分配到边缘设备和云服务来协同运作。系统级评估表明，这种分布式……作者注：本研究是 Seyed Shahabadin Nasabeh 在阿利坎特大学攻读博士学位论文的一部分，主要聚焦于为残疾人士开发一套智能物联网系统。作者贡献：概念构思，S.S.N. 和 S.M.；方法论，S.S.N.、S.M. 和 J.A.；软件，S.S.N. 和 S.M.；形式化分析，S.S.N.、S.M.、J.A.、B.L. 和 D.G.；验证，S.S.N.、S.M.、J.A.、B.L. 和 D.G.；调查，S.S.N.、S.M.、J.A.、B.L. 和 D.G.；资源，S.S.N. 和 S.M.；撰写——初稿准备，S.S.N.；撰写——审阅与编辑，S.S.N.、S.M.、J.A.、B.L. 和 D.G.；监督，S.S.N.、S.M.、J.A.、B.L. 和 D.G.；项目管理，S.M.；资金获取，S.M.。资金支持：本研究由西班牙科学与创新部在 PID2023-149706OB-I00 合同项下提供资助，项目名称为"利用人工智能为自闭症谱系障碍学生设计并应用个性化及包容性学习工具"。机构审查委员会声明：不适用。知情同意声明：不适用。利益冲突：作者声明不存在利益冲突。数据可用性声明：支持本研究结果的数据已在实验包 V.1 [64] 中公开可用，其中所有人口学信息均已删除以确保参与者匿名。对这些匿名数据的访问符合相关伦理和机构指南。参与者在问卷中被告知其隐私权利，并强调了保密措施以确保数据安全处理。实验包 V.1 包含问卷题目及匿名化……CRediT 作者贡献声明：Seyed Shahabadin Nasabeh：撰写——审阅与编辑，撰写——初稿，验证，监督，软件，资源，方法论，调查，资金获取，形式化分析，概念构思。Santiago Meliá：撰写——审阅与编辑，验证，监督，软件，资源，项目管理，方法论，调查，资金获取，形式化分析，概念构思。Jaume Aragonés：撰写——审阅与编辑，验证，监督，软件……Seded Shahabadin Nasabeh | Santiago Meliá | Jaume Aragonés | Barbara Leporini | Diana Gadzhimusieva，阿利坎特大学，西班牙阿利坎特省 San Vicente del Raspeig 03690, Carretera San Vicente del Raspeig s/n。