主要對《Pervasive Computing at Scale: Transforming the State of the Art 》的翻譯和理解
題目理解：從題目可以看出本文說的是普適計算，但是與一般普適計算不同在於，文章關心有規模的普適計算，什麼意思呢？後面會說明。還可以從題目看出，本文主要闡述從一般普適計算到有規模普適計算轉變的最先進技術。
從摘要也能看出，文中重點說些先進的發展技術，之後會提出對未來該領域（有規模普適計算）的展望，以及有可能遇到的問題，鼓勵更多的人們參與其中。
背景介紹：一些技術的發展（傳感器、嵌入式設備、智能手機、無線網絡、數據挖掘、雲計算和社交網絡等）使得普適計算愈發成熟，如得益於智能手機的測試平臺，智能家居、人體區域網路、健康監測、移動社交媒體等。其中，智能設備通信技術、資源發現、信息融合、傳播和路由，定位，跟蹤，行爲識別等技術功不可沒。然而，這裏面存在的主要問題就是規模太小，對現階段無孔不入的大數據、雲計算等海量數據處理概念來說，一般普適計算的確不能滿足發展的需求。所以就提出了有規模的普適計算。“at Scale”個人翻譯爲有規模，比較傾向於一種層次變化，而不是像數據一樣像雲、海一樣爆發，普適計算的轉變應該有一種漸進的發展脈絡。
1 什麼是有規模的普適計算
一般的物理網絡系統包含計算機、以信息爲中心的物理和工程系統集成爲通信、計算、控制系統，強調不探索人類情景。所以，普適計算與之區別於集中關注感知、交互和幫助個人或羣體。這種關注又不能很明顯，普適計算希望創造一種環境，嵌入網絡設備來幫助人們提高生活質量而又不能讓人們感受到底層通信和計算技術。總之，就是不被人們覺察的通信計算行爲。
核心的普適計算技術在過去二十多年已經比較成功了，因此適時提出pervasive computing at scale（有規模普適計算PeCS）。這個概念提出是指普適計算在效率和功能上的擴展。但還是要注意系統性能擴展會帶來開銷的增長。
當然，並不是所有的普適計算的程序都適合或者都需要擴展。在未來，比較有意義的擴展，現階段的應用如追蹤個人，分析其行爲模式，就可以擴展到大城市區域，像智慧城市和智慧社區，研究大區域的行爲信息趨勢。還有當前的智慧車輛，將來就可能擴展成整個國家的交通系統中。其中固然存在很多挑戰，但是物聯網和移動社交網絡有幫助PeCS解決這些問題的潛能。
2 PeCS發展現狀
1）優勢：
Ø 微型化和便攜設備的發展，功能越來越多。
Ø 參與者越來越多，諸如手機這樣的智能移動便攜設備，即使低收入的人羣也能擁有。
Ø 設備的使用成本不高，應用程序穩步增加。應用程序設計上也越來越貼合人們期望，方面人們使用。
2）問題：
Ø PeCS設備通信和收集信息時，需要人們手動處理，給人們帶來負擔。
Ø 侵犯隱私和安全問題
Ø 設備的能量收集問題
Ø 設備普及帶來的浪費資源現象，如手機更新換代迅速造成手機還能用就丟棄
Ø 並不是所有研究中心或者研究團體都支持
3 PeCS子領域
3.1 個人和羣體模型的擴展
普適計算設備的快速發展帶來了大規模傳感器被部署，這樣大量數據就需要被提取相關信息來分析。數據挖掘和機器學習可以提取重要的相關信息，來建立數據模型，幫助處理數據。新的算法、方法理論被應用建立人們的行爲模型，可以分析生理和心理的如動作、情緒、身體舉止、手勢、監測異常行爲等，但這些侷限於數據的收集是來自實驗研究，或者是可控制的真實現實世界的數據。因此，下一階段的普適計算中，跨學科多領域的合作，需要研究最新技術解決真實現實世界的大規模數據和用戶問題。
（1） 大規模數據集
大規模數據收集問題，可通過多模態收集（如視覺、音頻、可穿戴設備、手機、環境傳感器等）。需要規範統一數據格式和融合異質數據的技術。
動態收集數據，PeCS趨於隨着時間收集數據，因而模型也需要可以捕獲用戶和設備或者其他用戶交互的動態行爲的演化模式。這很像在心理學和社會學中的研究。
大規模數據收集還帶來標註問題，數據標籤的代價很昂貴，採用衆包和交互式機器學習算法可以起到一定作用。
（2）獲取情景情景分類很多：
computing/communication context (network connectivity, communication costs, resource accessibility), user context (user profile, location, activity, social situation, preference), physical context (lighting, temperature, noise, traffic conditions), or time context (hour of day, day of week, season, year)
分析預測情景難度：需要從大量數據中學習相關情景以及隱私和安全問題。情景數據來源於大量設備，目前採用傳感器信息融合技，把不同來源的信息整合成一個精確可用的情景描述。一個新方向是希望發展普適計算技術，提供情景信息和機制，再將這些信息整合到傳統的用戶模型範例中。
（3）從海量、有噪數據中學習
數據的收集來自大量設備而且環境迥異，因此，需要需要高性能算法來實時處理信息。壓縮感知在信號處理方面及機器視覺領域都可以提供這樣的算法。機器學習基於不充分，不完整和噪聲數據樣本來做決策的算法和PeCS的這個場景很類似，因此可以設計研究健壯性更強的機器學習算法。
（4）合併社交網絡數據
社交網絡了需要一種度量來評估網絡結構的連通性和社會關係的強度。普適計算設備通過社會交互的感知提供一種直接的度量。個人認爲比如使用手機設備的通話記錄查看好友社交圈，或者藍牙之類的。社交網絡建模給PeCS也提出了新的契機，如交互建模可以幫助小朋友防止自閉或者判斷是否有被欺負。還有可以促進健康行爲，比如提供情景的建議，跑步計步器之類的吧。
3.2 PeCS設備擴展
這裏是說不僅真的物理設備，比如傳感器、手機這些可以作爲PeCS的設備，可以擴展我們生活中存在的任何對象作爲PeCS設備。這些對象是我們常見或熟悉的如建築物之類的，他們不僅可以註冊，還可以記錄歷史交互信息也可以通過網絡路由重要信息。大規模部署智能對象會深刻影響我們的生活。雖然開發和設計這樣的智能對象和嵌入式設備的能力和條件在提高，但是還是有一些概念性的問題值得討論。
（1）智能對象的構造幾個問題：
1）如何在智能對象之間設計可擴展的通信架構？
2）多個智能對象的編程語言、工具和抽象必須指定一個設備無關的工作方式。
3）統一語義
（2）智能對象程序
比如智能食物，如果食物可以嵌入標記記錄交互信息，那麼顧客就可以看到食物的產地、保質期和安全性。同樣，如果車輛和交通燈之間嵌入標誌，就可以提醒人們誰在過馬路，可以避免潛在威脅。還有智能停車場、智能建築、智能機器人等。
如果所有對象都有標籤，那整個物理世界就是一個可以查詢的引擎。比如問一張桌子某本被放錯的書的位置。如果要實現這樣的設計，許多基礎的設施都需要改進，比如書裏面就得有一些感應器。
（3）智能手機
目前的智能手機已經看起來很強大了，但是還是看看十年後的智能手機吧。可以想象，它們持續跟蹤我們的生活，包括位置記錄、從內外傳感器接收的數據、還有基於手機的動作記錄。除了海量的記錄外，它們也幫助我們分析和解釋數據以最大化數據價值。通過學習我們的動作和行爲模式，手機將決定我們的日常生活，參與我們的行動。然而，需要這樣的設想，手機必須要更強大，通信能力、存儲能力，集成更多的交互技術。不幸的是，受限於無線數據帶寬和電池，手機的擴展會變得緩慢。未來，手機將deploy opportunistic algorithms（不瞭解）在時空上提高性能。設備和標準的異質性會影響設備和設備的操作，如手機和其他對象、設備、建築物的交互。
3.3 普適計算應用程序的擴展
重點介紹醫療保健方面
過去五年在智能醫療領域發展顯著，包括：電子病歷、用基於Web的工具監控健康狀況、老年人的生活監測。PeCS可以在智能醫療領域發揮很大作用。
（1）隨時按需查看健康信息
現階段的健康記錄和信息都是分散在診所和醫院的，PeCS可以使用電子病歷和個人健康記錄，讓人們通過智能設備如手機就可以查看健康記錄。但是數據完整性，安全性，隱私性，可靠性，接口標準化，數據處理和可視化需要解決。
（2）關注精神健康
這是一個很值得關注的問題，精神健康如抑鬱症，自閉症，創傷後應激障礙（PTSD），慢性應激和認知能力下降。智慧健康技術可以及時篩選和治療這樣的問題。自我保健的方法不需要去醫院也避免社會關注。在實現這一目標的主要挑戰包括：傳感器，算法，模型和用戶界面的開發，來進行心理健康問題篩查，從而維護參與者的隱私治療期間，以及確保評估治療效果。
（3）及時干預比如監視和鼓勵體育運動減少肥胖的。未來，自我監控和實時干預可以開發幫助人們減少壓力、解決上癮問題，減輕沮喪感、抑鬱、社會焦慮、認知衰退等
（4）預測評估和預防
不僅可以查看當前的身體健康狀況，還學習預測健康狀況以及疾病。什麼症狀變成疾病及出現什麼症狀會有可能生病是很關鍵的知識，這樣才知道在什麼時候進行干預。預測分析促進研究，以防止疾病的發病率和死亡率。
（5）設想驗證及技術
智能健康的研究代價很大，因爲它需要被驗證在現實中採用不會影響我們的健康。比如我們穿的衣服就是用來檢測身體某些健康水平，也要保證這些衣服不會對我們的身體狀況產生不好的影響。因此，研究組織需要設計開放可擴展平臺，智能健康測試平臺需要設計並提供給社會測試數據集
3.4 通過雲計算擴展
PeCS通過智能手機和傳感器可能遇到存儲和計算上的限制，而且手機沒18-24個月就更新換代，造成了電子設備的浪費。因此，出現一種觀點認爲PeCS可以利用雲計算來實現。現在，便攜式和可穿戴設備都可以進行數據的收集、存儲、分析，像無數計算機分散在各地一樣發揮功效。
（1）雲訪問
雲的位置問題。任何設備通過有線、無線網絡可以連入雲，但是需要很多考量比如可靠性、帶寬可用性、安全性延遲和反應等。一種解決策略就是使用臨時雲，比如家用電腦、車載電腦、交換電腦等，因爲他們不用付費而且可以幫助維持狀態，帶來的問題就是，這樣的移動雲怎麼保持和管理。
（2）移動雲
延遲使移動系統惡化，是一個很大的挑戰，因爲人們對延遲很敏感，帶來不好的用戶體驗。解決延遲的一個思路就是設計一個具有前瞻性交互框架的移動雲，利用用戶的移動路徑信息（就是根據用戶的行爲情景數據推斷用戶的意圖）訪問預測的數據位置。
（3）雲網絡
未來PeCS利用大量的雲計算中心，通過超高容量的無線網絡與遠程移動單元通信。此外，還有車輛和航空網絡。
（4）雲和人羣PeCS可以利用人羣幫助完成數據密集型任務。衆包(Crowd sourcing)或者外包任務，使數據的收集和處理更深入、大規模和高效。外包需要採取一些激勵機制防止惡意或者不精確的提供數據，當然也有保護隱私。
把人羣看成是一朵移動雲把移動設備看是第一類實體，可以有效解決延遲問題，因爲信息可以在移動設備和雲之間傳遞。人羣如何被組織和定義，需要均衡本地設備、屬於鄰居的人羣，移動雲和遠程雲，同時又不能讓用戶覺察到這種動態的產生。
3.5 通過能量分析和收集擴展PeCS最大的挑戰之一就是能量。目前最常用的能量供應來自於電池。下一代的系統有望使用數月乃至數年而不換電池。未來，PeCS將從環境中收集能量，如太陽能、風能、震動等。普適系統設計關閉清除能量，將有可能產生永久能量系統。與提高電池能力的緩慢進展相比，電子產品日新月異，嵌入式系統，集成電路設計也是能量收集的重要方向。然而，實現高效的微小能量收集系統有三方面的挑戰：1）傳感器本身製作工藝上的約束 2）輸出太小 3）自然環境是高度隨時間變化且有一定的範圍浮動
（1）評估
一個電池的評估是用壽命，一個能量收集系統比較難定義度量標準，可行的評估方案就是看一個系統是否能夠滿足每天的計算和通信需求。
（2） 高效能量提取
當前有很多能量採集傳感器，因此，需要對各種傳感器採集方式和限制條件深入瞭解。能量傳感器模塊必須抽象出傳感器設備，同時設計成一個能量採集系統。傳感器開發模型的一個關鍵概念，就是要知道什麼樣的信息需要被捕獲，且要告知整個系統如何設計。最後，從這些傳感器提取的能量需要有效的存在傳感器存儲單元，如可充電電池或者電容器。新能源的存儲架構也應探討協同整合異構的儲能元件（例如，薄膜電池和超級電容器），以儘量減少儲能過程中損失。
（3）有效的能量管理
要考慮能量的時空變化，相應的調節系統的性能和功耗。在網絡層，研究人員需要解決如何構建大型網絡，允許設備加入時同步連通，而能量沒有不對稱問題。
（4） 持續能量管理
PeCS的一個方向也可以是持續能量供應。智能電網研究取得進展，普適計算可以用來監測和測量能量消耗，碳的軌跡，建立人們移動及交互行爲模型。這可以使組資源信息和個人家庭的資源信息共享。可以推測出社區及城市的能源消耗，指定相對應的機制，減少資源浪費。
3.6 人爲因素影響PeCS
（1） 安全和隱私
大多數的大量部署互聯網的小工具都是沒有安全防禦能力的，大多數設備包括手機都是採用野蠻的方式對付外來攻擊。數據大量採集涉及隱私，如位置信息等。還要強調，大規模普世系統，看似消失在人們的生活中，可能成爲網絡戰的目標，比如家庭供暖系統就很有可能受到攻擊。PeCS還提出隱私保護的數據挖掘，還有在線社交數據的隱私。
（2）程序的接口擴展（3）人機交互擴展
3.7 擴展PeCS的支持
爲了支持有規模的普適計算的擴展性，許多異質的傳感器和移動節點都參與了異構計算和通信平臺，因此帶來許多挑戰，包括：可擴展的中間件設計來減輕設備和應用程序的異質性；多模式信息源的融合、識別和調解（即使信息不完整不確定）；動態隨機方式下的資源發現、組合和管理。
（1）情景感知
任何一個普適計算系統的設計關鍵是用到有形或者無形的情景特徵。情景如我們的位置、動作、社交等都是可以被數據捕獲到的，是有形的，無形的就是情緒、注意力等。情景使普適計算和一般的物理網絡不一樣。同時，帶來的挑戰就是，從大量數據中獲取的不確定信息，要進行多情景識別和多情景歧義調解。儘管在這個方向運用信息論開發概率模型來提高識別精度，但仍然存在一些問題，當多用戶共享相同的普世計算的環境時，經常有衝突的目標。
（2）可擴展中間件
存在的中間件都是針對小規模的，因此PeCS需要新的算法設計和模型框架和中間件工具，來捕獲和處理情景元數據，支持大規模的協同感知和計算。這些可擴展的中間件解決方案必須是輕量級的，可互操作的，安全的，並在信息的準確性，情景質量，延遲和資源消耗之間權衡。
3.8 理論基礎