中 華 大 學

中 華 大 學

碩 士 論 文

具數位實體概念的個人化導覽系統之研製 Development of a Personalized Guide System

with the Cyber-physical Concept

系 所 別：資訊工程學系碩士班 學號姓名：M09702053 周泫廷 指導教授：張欽智 博士

中華民國 100 年 7 月

摘要

隨著行動裝置與情境感知(Context-aware)技術的提昇，無所不在計算(Ubiquitous computing)應用的增加，網路服務(Web service)的快速發展，結合這些技術的研究與 應用也孕育而生，例如：無所不在的學習、無所不在的商務、擴增實境、數位導覽系 統，這些發展將數位系統融入了實體環境中。

數位實體系統(Cyber-physical System) 具有協同性、重組性、延展性、演化性等 特性，強調數位系統與實體環境的密切雙向互動，將上段多種技術做更深度的整合發 展。基於數體系統優點以及其前瞻性，在本論文中我們提出結合個人化技術與數體系 統概念的展場導覽系統。我們將無線射頻識別裝置佈建於展場上，結合網路服務與具 數體概念的介面，佈建出個人化的智能展場導覽環境。系統有下列特色：多功能互動 的使用者介面、個人化的導覽路徑規劃、個人化資訊適時適地的提供。

本論文主要的研究有兩方面：提出適用於展場的個人化機制與具數位實體概念的 介面與服務。其中適用於展場的個人化機制包含個人化資訊的提供與個人化的導覽路 徑規劃。運用我們提出的評價公式，將個人化導入系統中，以適時適地提供資訊給使 者。我們以 A*演算法為路徑規劃的基礎，將評價公式將個人化導入 A*演算法，運作 時會依個人喜好規劃導覽路徑最短路徑。在數位實體的運用中，我們在伺服端建置多 項服務，以提供介面端行動裝置多項主動式服務。我們並運用實驗證明我們提出的方 法與系統的可行性及有效性。

關鍵詞：數體系統、情境感知、無所不在的計算、網路服務、A*演算法

Abstract

With the advance of mobile devices and context-aware technology, the growth of ubiquitous applications, and the fast development of Web services, the research and applications which integrates these technologies such as ubiquitous learning, ubiquitous commerce, augmented reality, and digital guide system have been flourishing. These developments introduce digital systems into physical environment.

Cyber-Physical Systems (CPS) are collaborative, re-configurable, scalable, and evolvable and focus on interaction between digital system and physical environment. CPS is an integrated development of mobile devices and ubiquitous computing, and Web services. Because of the benefits and advance of CPS, we propose a personalized guide System for exhibitions with the cyber-physical concept. We deploy RFID in the exhibition place and integrate Web services and interactive interfaces equipped with cyber-physical concept to develop a smart exhibition environment. The system has the following features:

multi-functional interactive interfaces, personalized guide system, and personalized information provision.

There are two main topics in this thesis: personalized mechanisms for exhibitions and interfaces equipped with cyber-physical concept and the services supporting for this interaction. We develop an evaluation method to personalize the information provision and the route planning based on A* algorithm with user’s preferences. The experiments show the feasibility and effectiveness of the methods we proposed and the system we build.

Keywords: Cyber-Physical System, Context-awareness, Ubiquitous computing, Web

致謝

終於準備結束學生的生涯了，在研究所這 3 年多的時間內，首先誠摯的感謝指導 教授張欽智老師，不論是在研究上的指引、還是遇到問題時的協助，讓我可以順利的 完成學業以及論文。老師也不只有扮演在我們學業上的指導角色，老師幽默風趣的個 性、就如同日常生活中的同伴一樣融洽好相處，讓我們有許多的歡笑以及樂趣。

在研究所的這段時間內，很榮幸的可以和 ICE 哥、紅月以及小巨人學長們一起研 究、努力，並適時指出研究中的缺失並且幫助我，當然還有一起用力玩樂，讓我真正 認識了你們，當然還有幫了我許多忙的新隆。以及同在實驗室裡的阿達、禹仲和允善 各位幫助，也真的很高興可以在研究所生活中認識這群朋友們。

最後，我很感激我的家人，在我的後面默默的支持者我，不論是實質上的還是心 靈上的幫助，都讓我可以無慮的完成漫長的學業路程，扶持者我走至人生另一階段的 開始，這份恩情將永記在我心中，感謝你們。最後再一次謝謝所有的人，因為你們，

我才會有如此多采多姿的生活。

目錄

摘要 ... I Abstract ... II 致謝 ... III 目錄 ... IV 表目錄 ... VI 圖目錄 ... VII

第一章 緒論 ... 1

1.1 研究背景與動機 ... 1

1.2 研究問題描述 ... 2

1.3 研究目的 ... 3

1.4 論文架構 ... 3

第二章 相關文獻與技術探討 ... 5

2.1 導覽系統 ... 5

2.2 情境感知 ... 7

2.3 個人化技術 ... 9

2.4 數位實體系統(Cyber-physical Systems, CPS) ... 12

第三章 研究方法 ... 14

3.1 研究架構 ... 14

3.2 展場節點設定 ... 16

3.3 個人化的展場資訊提供 ... 17

3.4 導覽路徑產生方法 ... 19

3.5 數位實體 ... 27

第四章 系統開發 ... 30

4.1 系統架構 ... 31

4.2 系統範例實作 ... 37

第五章 系統實驗與分析 ... 48

5.1 模擬實驗 ... 48

5.2 實驗結果分析與探討 ... 52

5.3 整體系統架構比較 ... 54

第六章 結論與未來展望 ... 55

參考文獻 ... 57

表目錄

表 2-1 個人化技術比較 ... 10

表 2-2 數體系統應用領域 ... 13

表 3-1 用戶行為的程度 ... 17

表 3-2 UPM 運作的範例 ... 18

表 3-3 UPM 結果 ... 18

表 3-4 UMP 參數表 ... 19

表 3-5 路徑規劃適用性比較表 ... 19

表 3-6 A*演算法與 DIJKSTRA’S 演算法比較表[7] ... 24

表 4-1 伺服端開發環境 ... 31

表 4-2 客戶端開發環境 ... 31

表 4-3 伺服端主要服務列表 ... 35

表 5-1 數體概念導覽與傳統導覽比較 ... 53

表 5-2 系統程式特點表 ... 54

圖目錄

圖 2-1 UPM 準確性實驗結果 1[19] ... 11

圖 2-2 UPM 準確性實驗結果 2[19] ... 12

圖 3-1 人、環境與資訊三方互動 ... 15

圖 3-2 A*演算法範例 ... 21

圖 3-3 各鄰近節點之評估值 ... 22

圖 3-4 選擇下一迭代之起點 ... 23

圖 3-5 以 A*演算法規劃之路徑 ... 23

圖 3-6 終端與伺服器連線示意圖 ... 28

圖 3-7 連線流程示意圖 ... 28

圖 4-1 系統架構圖 ... 32

圖 4-2 情境要素 ... 33

圖 4-3 展場區域劃分示意圖 ... 33

圖 4-4 電腦系統區細分圖 ... 33

圖 4-5 系統實驗工作流程(WORKFLOW)-使用者 ... 36

圖 4-6 系統實驗工作流程(WORKFLOW)-管理者 ... 37

圖 4-7 註冊畫面 ... 38

圖 4-8 登入畫面 ... 38

圖 4-9 展場地圖資訊 ... 38

圖 4-10 細部地圖資訊 ... 38

圖 4-11 原 A*路徑圖 ... 39

圖 4-12 個人喜好 A*路徑圖 ... 39

圖 4-13 同好搜尋介面 ... 40

圖 4-14 同好搜尋結果 ... 40

圖 4-15 受邀者回復邀請 ... 40

圖 4-16 邀請者得到回應 ... 40

圖 4-17 周邊資訊服務 ... 41

圖 4-18 購物清單 ... 41

圖 4-19 品牌搜索 ... 41

圖 4-20 晶片名搜索 ... 41

圖 4-21 標示搜索地圖 ... 42

圖 4-22 搜索物路徑規劃 ... 42

圖 4-23 伺服端主頁面 ... 43

圖 4-24 展場監控模擬 ... 43

圖 4-25 伺服端路徑規畫 ... 44

圖 4-26 人員搜尋頁面 ... 45

圖 4-27 傳送資訊 ... 45

圖 4-28 終端接收資訊 ... 45

圖 4-29 社群聊天室登入頁面 ... 46

圖 4-30 聊天室頁面 ... 46

圖 4-31 使用者互動頁面 ... 46

圖 4-32 終端問答頁面 ... 46

圖 5-1 最短路徑比較 ... 50

圖 5-2 使用者行走時間 ... 50

圖 5-3 演算法執行時間 ... 51

圖 5-4 路徑規劃滿意調查 ... 52

圖 5-5 路徑規劃使用者觀感 ... 52

第一章 緒論

隨著時代的進步，科技日新月異，行動裝置運算的能力大幅提升與無線網路的迅 速發展，使用者可以藉由行動裝置，並運用網路服務與後端系統之整合，達到資訊交 流的目的，但如何實現實體世界與虛擬世界之間的雙向互動，仍然是目前所需要克服 的問題。

在 1.1 節說明本論文的研究背景與動機，1.2 節說明本論文研究的問題，1.3 節說 明其研究目的，1.4 節介紹本論文的章節架構。

1.1 研究背景與動機

當第一次進入展場取得的第一份相關資料就是展區的平面圖簡介，其內容主要是 介紹場地與各展覽區域的位置。當參觀者拿到此導覽資訊時，首先就要面對的問題就 是『現在的位置在哪裡？』，並開始尋找自己有興趣的展覽區域。主辦單位雖然會在 每個出入口設置標示及公告，但是仍然會有參觀者會發生迷路的狀況。因為展覽場地 常有標示不清、空間配置不當等會讓參觀者迷路的因素，所以如果有一套行動系統可 以明確告知參觀者的所在位置，並且給予適當的參觀路線，不僅參觀者可以即時獲得 相關的位置資訊，並可藉由系統的輔助，減少迷路的發生。

在展覽的導覽資料方面，依據導覽的性質不同可以分為主動式(如服務人員詢問) 與被動式(如導覽手冊、標示系統及公告系統等)兩種，這兩種導覽的方式都各有其優 缺點，主動式導覽是工作人員對參觀者進行展場的介紹，參觀者也可以詢問工作人員，

以達到導覽的目的。雖然符合參觀者的需求，但因為工作人員有限，服務時間與品質 也因此受到限制；被動式的導覽是由資料的方式呈現，所展示出來的展場內容有限，

無法依據現場的狀況作動態的變更，且資訊多以文字圖片說明，需耗費較多的時間閱 讀及理解。於是本論文嘗試設計出適合展場環境下的資訊輔助系統，且結合 Web Service 將同樣的展場資料顯示於各種不同的行動裝置平台上，不但能完全達到資訊 電子化的目標，也增加了傳統導覽方法所沒有的互動性，並且在本系統中建置高互動 性的介面，導入個人化的概念，針對每個參觀者的喜好，提供適時適地的展場資訊，

給予適當的導覽路徑，除了可滿足個人的喜好外，也能更有效率參觀展場。

1.2 研究問題描述

在無線網路發展越趨成熟的狀況下，已有許多人隨時隨地的利用行動裝置（如手 機、PDA、Smart phone、筆記型電腦等）上網取得所需要的資訊。目前有愈來愈多的 博物館、美術館等都在進行行動導覽系統的建置與開發，行動裝置對與展場導覽來說 也扮演了一項重要的角色，因為整個系統服務都是以參觀者為中心的運作模式，而本 研究以電腦展覽為研究主題，了解使用者對於展場個人數位導覽系統的想法。

綜合上所述，本研究有下列三個重點：

1. 個人化：整個系統服務都是以參觀者為中心的運作模式，因此要如何針對參觀者 的喜好，提供適當的資訊和服務，是一個值得探討的問題。

2. 展場導覽與即時資訊提供：在展場中會有許多事件的發生，如特賣活動、展場表 演、人潮擁擠等，如何及時提供相關資訊，並依據這些事件，調整導覽路徑。

3. 高互動的介面：透過高互動的介面，展現個人化與展場及時的目標的功能。

1.3 研究目的

本篇論文的主要研究目是希望建構一套具高互動的個人化的智能導覽系統，除了 提供主動式便利的服務外，也包含被動式的資訊閱覽。本系統是以情境感知為基礎的 資訊整合系統，透過使用者介面端與後端系統之運用，讓使用者不需要浪費過多的時 間來過濾不必要的資訊，就可以即時取得符合需求的服務與資訊。

在本篇論文中，我們建立一個電腦展覽的虛擬環境，其中我們利用 RFID 設備來 架設我們的展場，以 RFID 作為情境擷取的感測器，配合行動裝置與其上的感應器去 得知當時情境的資訊如：時間、地點、人數…等等，配合網路資訊、後端資料庫與行 動裝置上的個人喜好設定形成基本的情境資訊，再透過個人化模組提供給各式各樣的 行動終端使用者最恰當的服務訊息，依據情境擷取到使用者的相關資訊進而回饋到系 統的服務機制。此系統具備情境感知、路徑規劃、與社群聊天等多項功能，給予使用 者智能化展覽環境。

1.4 論文架構

本論文中一共分為六章。第一章將針對研究的背景、動機、問題及研究目的，說 明我們的研究為何要研究此論文。第二章為論文相關技術與文獻探討，我們會針對本 篇論文中所提及的相關技術與研究，依序探討說明。第三章為研究方法，此章節為本 論文的重點，說明我們研究當中所提出的研究方法加以說明。第四章為系統開發，以 Microsoft Visual Studio 為主要開發平台，開發出我們所提出的系統，分別針對終端使 用者與後端管理人員兩者不同的身分提供個別化的服務並且應用在電腦展覽環境中。

第五章為系統實驗與分析，來驗證我們提出的機制與建構的系統，針對實驗的效果及 執行效率加以探討。第六章為結論與未來展望，針對本篇論文作總結，並探討未來的 研究方向。

第二章 相關文獻與技術探討

在本章節中，將概述本篇論文會涉及到的一些知識與技術，從「導覽系統」開始，

說明導覽的意義與展場導覽的相關說明，接下來介紹「情境感知」相關知識和個人化 技術，最後說明「數位實體」的概念，藉由本章節可以更進一步了解導覽系統、情境 感知、個人化技術與數位實體的知識背景。而在第二章中，整理出本研究參考相關的 文獻，在 2.1 節中簡介導覽系統的相關知識；2.2 節中說明現有的情境感知的應用；

在 2.3 節中簡介個人化技術的相關知識；最後，2.4 節則是簡單的說明一下數位實體 的概念。

2.1 導覽系統

2.1.1 導覽

根據許多研究，導覽之定義綜合歸納可得出：(1)導覽是一種溝通過程、(2)導覽 是服務參觀者的方式、(3)導覽具有教育性[8]；(4)導覽是引導參觀者的眼睛去看值得 看的事物與面向，並且同時解釋其可看性與意義，其目的在於引起迴響，讓參觀者充 分明白解說的內容且有愉悅的感受[3]；(5)導覽是介於作品與參觀者之間的溝通，是 配合展示品而舉辦的各種解說活動，期望能協助參觀者提升參觀經驗，以達到寓教於 樂的目的[10]。

透過以上研究所述，導覽是展品與參觀者之間的溝通媒介，以輔助的方式幫助參 觀者瀏覽展覽，引導參觀者對於展品產生觀察、了解其背景原由及隱含在背後更深層

的意義，以獲得豐富的訊息。導覽的類型有多種形式，約略可分成四 類[2]：

1. 人員導覽：包含一般性的博物館職員導覽、志工導覽、專家導覽、導遊導覽…等 2. 文字導覽：包含展示說明板、展場手冊與說明折頁等

3. 聲音導覽：包含一般語音導覽、MP3 以及近年興起的手機語音導覽 4. 多媒體導覽：包含視聽媒體、電腦多媒體、PDA、全球網際網路等

這四種導覽最大的目的在於透過其所屬的特性，呈現展品的導覽內容，藉以激發 參觀者的認知，進而主動探求展示品相關資訊，達到最佳的成效。

2.1.2 展場導覽

展場導覽具有其特殊性，除了導覽展品內容外，還需要考慮到參觀者的購物行為，

[13]研究中提出參觀者在進行購買行為時喜歡四處走動，享受進入展場發現商品、觸 碰商品並與人交際的感覺且購買商品時無法明確描述自己真正的需求，直到他們在實 體展區觀看許多商品資訊後才有自己的商品偏好。

在行動環境下參觀者導覽輔助，主要可以被歸納為兩個方向：(1)支援參觀者找 尋適合的展區，(2)支援參觀者於展區內購物輔助。在參觀過程中容易因為某些事件 如產品廣告、促銷折扣、活動表演等因素，影響參觀者改變參觀路徑，代表著展場導 覽需具有機動性，行動導覽其重要性就在此產生了，依照傳統紙本導覽手冊有兩項缺 點：(1)篇幅有限，無法涵蓋所有商品資訊，因為每個參觀者都有不同的資訊需求，

若欲滿足所有參觀者，則會因為內容龐雜造成參觀者攜帶的問題，與資訊搜尋的困難。

(2)查詢索引不便，即使參觀者知道所欲查詢的物品屬於何種分類，但是查詢過程依

然是冗長乏味亦無效率的。然而，使用行動導覽不僅能夠減少傳統紙本導覽的攜帶與 篇幅問題，更能以多樣化的呈現方式與實體空間和展品相結合，提供更容易、更直覺 的使用方式，而不論是何種組合形態，其目的皆為提升參觀者的參觀經驗與增強展覽 效果。

2.2 情境感知

情境感知（Context awareness）的觀念最早由美國國防部提出，主要是運用 GPS 定 位技術進行位置的運算後，提供相關的資訊。[16]在 1999 年的研究指出，所謂情境 感知的技術就是依情境中任何地方的使用者提供與任務需求有關的資訊或服務。[22]

的研究表示，情境感知主要將使用者所需的資訊，依使用者當時所處之地理環境，並 透過輔助行動載具或是感應器協助，給予使用者適切的資訊。情境感知的任務在於使 用者與系統的互動過程中，當系統有能力分析週遭環境的人、事、時、地、物，以及 使用者和系統本身時，即可稱此系統具有情境感知的能力[16]。

情境感知概念主要是將使用者所需的資訊，依照不同的使用者需求或所處的情況，

傳送到使用者可以使用的地點[16]。當使用者走到任何的位置，屬於個人的資訊就會 出現在該位置。使用者可以透過感應器（Sensor）或行動設備的協助，取得當時所需 要的資訊服務。情境感知的相關應用通常是建立無線的網路環境上，透過無線網路可 以讓使用者不被侷限在固定的空間裡。有關在情境感知運算中的情境因素（Contexts）， 之前的研究定義為地點、鄰近的人及物件、或它們所改變的情形[22]；或是認定為使 用者的情境[17]、應用程式環境的狀態[25]，或是以應用程式的組態設定為定義[21]。

[23]的研究指出，情境感知中的行為分為：

 主動式情境感知（Active context awareness）：當系統接收到了使用者當時的情境 因素後，會主動依據當時情境因素改變系統所提供的服務。

 被動式情境感知（Passive context awareness）：為使用者主動為自己所感 興趣之情境因素提出要求，系統再依使用者的要求提供任務資訊。

在[16]研究中，將情境定義為『與使用者及應用程式之間互動有關的任何資訊』。

其中，這些實體資訊又以地點（Location）一項使用次數最多。由此可知，情境感知 服務其實最主要是針對位置環境因素來進行運用。例如：[27]等人使用情境模式 (Context model)描述情境並且獲取情境資訊，提供使用者適當的內容，該系統以知識 架構為基礎來描述情境，並以使用者與內容兩個觀點來定義情境資訊，該研究使用 GPS 和 RFID 來獲取使用者的位置資訊為基礎提供適當的內容給使用者。所以，在 情境感知的環境，具有以下的特點：

 具備對使用者的情境感知(Context aware)或位置感知(Location aware)的能力，即 使用者個人的情況或周圍環境的狀況可被系統所感應。

 可主動地在正確的時間及地點提供正確的個人化協助，其分析的資料內容包括真 實世界中個人與環境的狀況、使用者的基本資料(Profile)。

 讓系統使用無間隙，即使用者不會因為位置上的移動而中斷使用。.

位置感知則是情境感知最為廣泛的應用，位置感知服務會根據使用者所在的位置，

提供使用者所需的即時資訊或服務，又依照引發的方式的不同分為使用者需求及觸發 式[1]：

 使用者需求（User-request）：使用者主動向位置感知服務的系統提出要求，以取 得相關資訊。

 觸發式（Triggered）：系統預先設定好某些條件，例如到達某一特定地點時，或 是在某個時間點等，系統會主動啟動服務將資訊送給使用者。

2.3 個人化技術

使用者藉由行動終端設備（如手機、PDA、Smart phone、筆記型電腦等）並透過 無線通訊的方式擷取資訊、交易、購物都可視為行動電子商務。由於本論文情境是協 助客戶展場購物導覽，所以也具有了電子商務的特性，[9]研究中則綜合諸多學者的 觀點，統整行動商務所具備的七大特性詳述如下，我們將針對個人化加以探討。

1. 無所不在：商務的進行不受時間與地點的限制。

2. 個人化：行動裝置是屬於個人用品，根據其喜好與用途設定。

3. 具彈性：用戶可在任何情況來使用服務，便於利用在任一空閒時間來完成操作。

4. 傳播功能(Dissemination)：散播行動資訊給群體用戶，或經篩選對用戶做市場區 隔。

5. 便利性：易於攜帶搭配不受時間、空間限制的通訊特性，提高用戶的便利。

6. 地點性(Localization)：服務端可偵測用戶的所在位置，並提供其位置的相關資訊 與服務。

7. 協調性：意謂外勤人員可透過裝置指派任務，並充分掌握調度分派的最佳性。如：

展場工作人員佈署方面的分派。

在情境感知環境中個人化的技術扮演的一項重要的角色，因為在行動商務的發展 過程之中，最普遍的應用莫過於個人化行動裝置(手機、PDA…等)，使用者將是最直 接應用行動商務的客戶，因此要如何提供給客戶喜好的資訊、以及相關的服務，就得 透過一些機制來達到每位使用者擁有屬於自己的個人喜好資訊或服務， 目前常見的 個人化技術可以分為五類：

1. 以規則為主的過濾法(Rule-based filtering)

2. 以合作為主的過濾法(Collaborative-based filtering) 3. 學習代理人技術(Learning-agent technology) 4. 以內容為主的過濾法(Content-based filtering ) 5. 以限制條件為主的過濾法(Constraint-based filtering)

整理如表 2-1：

表 2-1 個人化技術比較

個人化技術 個人化資料來源

以規則為主的過濾法 只有使用者

以合作為主的過濾法 具有與使用者相同偏好的人

學習代理人技術 只有使用者

以內容為主的過濾法 只有使用者

以限制條件為主的過濾法 只有使用者

例如 Netflix 公司，在網路上所舉辦比賽，提供大量使用者對觀賞過的電影評鑑 資料，通常以合作的方式，作為推薦的知名範例。另外以販賣各式商品的亞馬遜網站 (Amazon)對使用者的購買記錄作為依據，針對使用者做個人化的產品推薦。這些都是 藉由資料探勘技術依據使用者的不同，搭配先前所尋找出之不同類型使用者的喜好，

進而對於新進使用者進行個人化的服務。

但是這些物件對物件(Item-to-Item) 的個人化推薦技術，並不包括針對使用者使 用行為進行分析，因此在本篇論文中我們參考權重加權法與電子商務網站中具有代表 性的用戶行為模式與各項行為的喜好值程度，利用使用者個人的偏好、註冊的資訊以 及使用者的行為形成使用者喜好矩陣(User Preference Matrix，UPM)，來記錄與追蹤 每位使用者對各種類型服務的喜好變化[6][11]。

並且從[19]中得知喜好度的權重參數設定，會影響 UPM 的準確性，發現納入”

Query and dislike ”行為模式的統計，反而會降低 UPM 的準確度，因為只有極少數

的用戶會有” Query and dislike ”的行為模式，所以” Query and dislike ”的權重 設為零或負值。在喜好度權重參數部分(Query and like, Purchase, Query and no change, Browse, Query and dislike)分別有四種設定模式：

1. Small Variation Weight distribution without Dislike behavior (SVW): +2 , +1.5 , +1 , +0.5 , 0

2. Large Variation Weight distribution without Dislike behavior (LVW): +12 , +6 , +9 , +3 , 0

3. Small Variation Weight distribution with Dislike behavior (SVWD): +2 , +1.5 , +1 , +0.5 , -2

4. Large Variation Weight distribution with Dislike behavior (LVWD): +12 , +6 , +9 , +3 , -12

並依據兩組實驗評估，分別由 10 至 1000 人次、進行固定 100 次的商務網站訪查 的 UPM 準確性，結果如圖 2-1，以及固定 100 人次、進行 10 至 1000 次的商務網站 訪查的 UPM 準確性，結果如圖 2-2，由實驗結果可以得知，採用 Large Variation Weight distribution without Dislike behavior (LVW) 來當作喜好度權重參數顯得最為適當，又 尤其在經過 1000 次的網頁探訪統計後，UPM 更可以達到接近 99%的超高準確性。

圖 2-1 UPM 準確性實驗結果 1[19]

圖 2-2 UPM 準確性實驗結果 2[19]

2.4 數位實體系統(Cyber-physical Systems, CPS)

數位世界與實體世界(我們生活的世界)間資訊的相互轉換和交流存在著嚴重的 差距，資訊的交流往往都只有單向。數位實體系統(Cyber-physical Systems)的興起，

使從前未曾想過的跨越現實與虛擬密切雙向互動的現代化的服務得以實現[20]，它是 一種連結數位系統和實體設備的整合技術，透過計算設備、感應器、控制器、伺服器、

人機介面、以及實體環境元件等所組成，「數位系統監測與控制實體設備，而實體設 備通常也藉由著回饋機制影響數位系統」[24]。

數體系統是由嵌入式系統所演化而來，嵌入式系統已發展發展在各種不同的領域，

如航空、汽車、能源、醫療、製造業、交通運輸、娛樂和消費類電子產品等。但是嵌 入式系統的重點著重於如何在有限的資源裡達到更多的計算效能，並不是把焦點放在 數位和實體之間的聯繫，數體系統的考量重點將更加全面，經由網路進而與本身以外 的物件或實體環境互動，透過即時偵測及理解實體環境的條件及狀態後，產生最適當 的方式以提供實體世界的服務[26]，表 2-2 例舉出應用在各領域的數體系統。數體系 統的重點之一是情境獲取。利用無所不在的計算的技術，可以將實際空間轉換成主動

的智能計算環境，無論在何時何地電腦都能提供服務給人們。由於數位實體是在周圍 的環境中自動獲取和處理資訊，因此，應用程式範圍內的服務不僅包括使用者輸入的 資訊，而且還包括從這些資訊中衍生出的訊息。

預計在今後科技的發展，日益增近的資訊科學將改善虛擬和實體之間的聯繫，大 大的加強了數體系統的各項特性如協同性、重組性、延展性、發展性、可靠性、安全 性和可用性，其中的協同性強調數位系統與實體環境的密切雙向互動，而重組性、延 展性及發展性則是藉由系統的一般化、彈性化和模組化而達成[12]。

表 2-2 數體系統應用領域

領域 說明

交通 空中交通管理：有效的利用空域。

汽車：路線導航、車輛監控

探測 透過網路有效的管理自主車探測

智慧家庭控制系統 在住宅、辦公室透過統一的整合控制達到節能，便 利的操作如:空調、照明、遠端監測…等。

醫療與生物醫學

電子病歷：病歷在任何服務點。

家庭護理：監測和控制。醫療：機械手臂顯微外科 手術(遠程指導)。

第三章 研究方法

在本章中，是本篇論文最主要的部分，將會說明在論文中所設計的系統細節，包 括了系統架構、展點節點設定、以及導覽路徑產生方法，設計服務達到終端使用者與 後端管理者資訊雙向溝通等等核心觀念，讓大家能夠充分了解了本篇論文所提出的研 究與方法。

3.1 研究架構

本篇論文研究主要目標為，設計出能作為使用者展場導覽的行動裝置系統， 有 別於傳統的導覽系統，本系統是將數位實體系統概念導入展場導覽中，使用者利用行 動裝置上的 RFID 感測器擷取環境中的情境資訊，由於使用者本身與展場環境都佈有 RFID Tag，每一個 RFID Tag 內都有一組 ID，且每一組 ID 都具有唯一性，藉此利用 個別獨立的 RFID Tag 分別攜帶各種情境的關鍵資訊，也就是說每一個 Tag 都可以扮 演各種我們預先模擬好可能的情境，使用者透過行動裝置上的應用程式介面，與後端 管理者互動，根據使用者的情況與環境提供不同 Web Service 給使用者使用並且驅動 行動裝置，達到人、環境與資訊三方互動[15]，關係如圖 3-1。其中本研究將重點放 置在路徑規劃方面，路徑規劃一直沒有辦法以單一種演算法來精確尋找出滿足使用者 需求之路徑，還需要兼顧搜尋時間與環境附加資訊等因素。由於 A*演算法具有執行 時間短及以評估公式搜尋等優點，因此本論文以 A*演算法加以改良，以改良的評估 公式評估鄰近節點時，選擇符合個人喜好且較接近最短路徑之節點。

圖 3-1 人、環境與資訊三方互動

根據上面的系統設計簡介，以及第二章節的相關文件與技術後，大略可以分析出 我們的系統架構中需要那些重要的技術：

1. 情境感知：是指在使用者與系統的互動過程中，當系統有能力分析週遭環境的人、

事、時、地、物，以及使用者和系統本身時，即可稱該系統具有情境感知的能力 [16]。例如，如果手機可以擁有關於它自己存在的位置、和參與活動方面的知識，

如：當出席在音樂會裡，手機都會採用震動方式。

2. 情境定位：因為必須給予使用者適當的服務、首先條件就是必須確定該使用者的 位置，所以位置資訊在情境資訊中是相當重要的一樣訊息，有了位置就可以提供 更詳盡的服務。

3. 網路服務：由於市面上的行動裝置平台並非一致，所以我們提供一個具有跨平台 的網路服務技術，而不用擔心終端用戶的程式平台而須重新撰寫另一套專屬該平 台的網路服務系統，不但可以大幅減輕服務開發者的負擔，也可以達到服務程式

人與資訊互動

環境與資訊互動

時間

位置

物

人與環境互動

人、資訊、環境互動整合

實體

虛擬

角色

重複使用的理念。

4. 個人化技術：本系統是以使用者為中心進行運作與推理，因此如何提供使用者所 喜好的資訊、以及相關性的服務，就必須透過一些機制或是技術來達到每位使用 者都擁有屬於自己合適的服務與資訊。

5. 路徑規劃：內建有場地空間配置與規劃路徑；當使用者點選導覽介面後，動態導 覽雛形系統，除了顯示商家以及路徑相關資訊之外，在 RFID 技術的輔助下，進 行路徑辨識帶領使用者到達指定位置。此外，為了達到規劃路徑最佳化之目的，

在路徑規劃過程中，將引進 A*演算法 ，讓使用者能更快速的到達目的地，以 節省時間。

3.2 展場節點設定

由於本研究將導入即時動態資訊至展場導覽的路徑規劃，並考慮當使用者查詢時，

即時動態資訊乃會隨著時間而不同，故在每次使用者查詢時，將會根據展場內活動事 件如：特賣活動、展場表演…等事件，以及節點內的人數飽和度限制，進行即時動態 資訊之讀取，以便提供準確的引導路徑。

本研究將直接影響導引路徑的參數，詳述如下：

 P：目前展場節點之飽和率。代表目前展場節點的人數飽和百分比，此為動態參 數，由目前展場節點人數除以限制人數。

 S：人數限制飽和率。由於每個展點均有人數容忍上限，為了容納未經導引而進 入展場節點之參觀者，需要預留空間，而且當展場節點人數到達一定比例時，行 經此展場節點必定影響行進速度，因此我們設定了人數限制飽和率，以最大容納 人數乘以限制飽和率為人數限制條件，在展場節點的人數到達此人數限制條件時，

則不再導引參觀者進入或行經此展場節點，S∈[0,1]

 D：活動方向性權重。做為目前該展場節點的方向性權重。

 A：個人喜好權重。依照參觀者先前所填入的喜好資訊和行為模式，對於每個展 場節點填入權重。

 G：起始點到目前展點 N 的最小成本

 H：是目前展點 N 到終點的最小成本，通常以兩點的直線距離為代表。

以上敘述的 6 個參數，是整個導引演算法中主要考量的因素。本研究嘗試以路 徑長短與時間花費為主要考量，改良 A*演算法提出一套「個人化導引演算法」。下面 一節將會對演算法做詳細的介紹。

3.3 個人化的展場資訊提供

為提供個人化的展場資訊，我們採用[19]中所提到的 UPM，UPM 為 n × t 的矩 陣，n 為使用者編號，t 為商品編號，UPM 透過使用者的行為來進行運作，使用者行 為如表 3-1 所敘，以一個例子來說明 UPM 的運行，假設 UMP 的商品為”流行”、”財 經”、”動漫”、”休閒”，且起始值都為 0，透過表 3-2 所描述的動作我們可以得到使用 者-1 的興趣排序為：休閒 > 流行 > 動漫 > 財經，如表 3-3。

表 3-1 用戶行為的程度

客戶行為 喜好值 行為描述

喜歡 +4 使用者指示出他喜歡的商品

購買 +3 使用者購買商品

查詢 +2 使用者查詢商品

瀏覽 +1 使用者瀏覽商品

無 0 使用者沒有改變任何自己的喜好資訊 不喜歡 -4 使用者指示出他不喜歡的商品

表 3-2 UPM 運作的範例

使用者-1

UPM 運作

註冊 瀏覽財經類資訊 指示出不喜歡財經類

瀏覽動漫類資訊 查詢休閒類資訊 瀏覽流行類資訊 指示出喜好休閒類

瀏覽流行類資訊 購買流行類商品

並新增客戶-1 的喜好度欄位 W12 = W12 + 1 = 1 W12 = W12 - 4 = -3 W13 = W13 + 1 = 1 W14 = W14 + 2 = 2 W11 = W11 + 1 = 1 W14 = W14 + 4 = 6 W11 = W11 + 1 = 2 W11 = W11 + 3 = 5 表 3-3 UPM 結果

項目(t)

UID(n)

流行 財經 動漫 休閒

使用者-1 5 -3 1 6

使用者-2 4 0 13 5

使用者-3 3 11 0 8

因此在本篇論文中我們利用使用者喜好矩陣(User Preference Matrix，UPM)，來 記錄與追蹤每位使用者的喜好變化並且參考在[6]中提出喜好度的權重參數進行符合 展場的個人化設計；使用者在使用展場周邊資訊服務的時候，網路服務會依據使用者 的喜好度進行資訊的排序，將使用者較感興趣的資訊優先提供給使用者，且本論文的 喜好度系統中加入了使用者行為模式的偵測方法，採用主動式的收集使用者喜好行為 模式，加以追蹤修正使用者的喜好度。

依據 UMP 與使用者行為模式，透過使用者註冊會員之後與進行系統操作時，所 執行的查詢服務、瀏覽資訊以及使用者到訪的展點次數來追蹤行用者行為，設計一套 使用者喜好公式，透過此方法可以自動收集與判斷使用者的行為，並可以動態的調整 使用者喜好的機制系統，並以具有高精準度的(LVW)當作喜好度公式中的權重值：

“Query and like” = +12, “Purchase” = +9, “Query and no change” = +6, “Browse” = +3 and “Query and dislike” = 0，詳細的公式及參數意義請參閱公式 2.1 與表 3-4：

UP_ii = 12 × ql + 9 × qn + 6 × p + 3 × k (2.1) 表 3-4 UMP 參數表

意義 變數名

查詢並喜好 ql (Query and like) 查詢並無喜好 qn (Query and no change)

展品查詢次數 k

展點的到訪次數 P

個人喜好度 UP_i

使用者 ID i

服務 ID j

3.4 導覽路徑產生方法

根據下表 3-5[7]，現有的導引演算法皆有各自的優點，對於行動裝置的種種限制，

針對｢資源限制｣、｢動態參數｣和｢及時運算｣特性進行比較，由表得知，啟發式演算法 為較佳的選擇。

表 3-5 路徑規劃適用性比較表

適用性 資源限制 動態參數 及時運算

線性規劃 ○ ╳ ╳

動態規劃 ○ △ △

啟發式演算 ○ ○ ○

萬用啟發式演算 ○ ○ △

(○代表適用性佳；△代表適用性普通；╳代表不適用)

最簡單易懂的啟發式演算法是貪婪演算法(Greedy Algorithm)，在每次選取時，以 目前狀況最佳的解作為優先選取，此方法廣泛應用在解決實際問題上，例如用來尋找 最短路徑的 Dijkstra’s 演算法，此方法是以貪婪法則尋求整體的最佳解，由起點對於 其餘每一點做循序搜索，在每一階段尋求新頂點，所以效率上比 A*演算法慢了不少；

A*演算法也屬於貪婪演算法之一，只要起點與終點之間有路徑存在，則保證搜尋出 最少花費成本之路徑，並有搜尋範圍較小及執行時間短之優點[4][14][18]，因此本論 文採用 A*演算法作為在展場行動設備路徑規劃的依據。

3.4.1 A*演算法說明

A*演算法概念，產生出從起點到終點之路徑，將起點之鄰近節點放入 OPEN 陣 列中，從 OPEN 陣列中以啟發式評估函數公式計算出各個鄰近節點之，選擇最小節 點為下一迭代起點，重覆迭代至搜尋終點。A*啟發式評估函數其公式如下。

F(n) = G(n) + H(n) (3.2)

其中， G(n)是起點到 n 之間的最小成本，H(n)是 n 到終點之間所估算的最小成 本，通常以曼哈頓距離為代表。A*演算法之演算過程如下：

舉一個簡單的例子，圖 3-2 是 A*演算法起始狀態，綠色方塊為起始點，紅色方 塊為終點，藍色方塊代表障礙物，以 A*演算法進行起點到終點的路徑規劃，在這個 例子裡，令水平或垂直移動成本是 10，對角線方向成本是 14。因為沿對角線的距離 是沿水平或垂直移動代價的開根號 2，或者約 1.414 倍。為了簡化，我們取用 10 和 14 的近似值，可以使電腦運算得更快，增其效率。

 從開啟列表（open list）中挑最小節點出來，假如 open list 是空值，代 表起點到終點之間並無任何路徑，則演算法結束。假如挑出來的點是 終點，演算法由樹狀結構 T 中重建從起點到終點之間的路徑並回傳，

結束演算法。

 若挑選出來的節點不是終點且未搜尋過，則將節點 n 存入 T 中，並將 節點 n 的鄰近節點放入 open list 中。

 若挑選出節點是已搜尋過，則演算法跳過此節點，再從 open list 中挑 出次小 F(n)節點。

 重覆以上的步驟，至搜尋出終點為止。

依照上述步驟一，以起點鄰近方格為搜尋範圍，將各個鄰近方格以公式(2.2)計算 出評估值，並標示於每個鄰近方塊內，F 值為鄰近方格左上角， G 值為鄰近方格左 下角， H 值為鄰近方格右下角，如圖 3-3 所示。

圖 3-3 各鄰近節點之評估值

選擇最小之鄰近方格為下一迭代之起點，選擇起點之右方方格為下一迭代之起點，

當進行鄰近方格搜尋時，發現鄰近方格為障礙物無法前進，而回到上一迭代選擇次小 方格，選擇起點之右下角之方向為下一迭代之起點，並進行重覆搜尋評估步驟。第一 次迭代後情況如圖 3-4 所示，經由重覆搜尋步驟，圖 3-5 為以 A*演算法規劃之路 徑。

圖 3-4 選擇下一迭代之起點

圖 3-5 以 A*演算法規劃之路徑

路徑規劃一直沒有辦法以單一種演算法來精確尋找出滿足使用者需求之路徑，更 何況尚需兼顧搜尋時間。若使用 Dijkstra’s 演算法是對地圖進行完全搜尋，雖然是最 短路徑，但是所要花費的時間相對較高且必須考量手持式設備的效能問題。相對於 Dijkstra’s 演算法如表 3-4，A*演算法具有執行時間短及以搜尋節點少等優點，因此本

論文以 A*演算法加以改良，以改良的評估公式評估鄰近節點，選擇客製化後較趨近 於最短路徑的節點，雖然規劃出來的路徑不一定比 A*演算法更趨近於最短路徑，但 是所規劃出來的路徑比 A*演算法較符合個人的需求。

為了使本論文演算法能夠在展場環境規劃出符合個人需求的路徑，因此本論文將 個人喜好加入啟發式評估公式中，使選擇鄰近節點時考慮距離短且符合個人喜好之路 徑，以規劃客製化之路徑。A*演算法以啟發式評估公式，以距離為評估因素選擇較 靠近終點之鄰近節點，A*演算法啟發式評估公式中， H（n）函數為從節點 n 移動到 終點的評估移動成本，多數都是以兩點之間的距離為評估值，但這將使規劃出路徑陷 入距離迷思，本論文之路徑規劃應用於展場導覽，除了需兼顧最短路徑外，還必須符 合使用者的喜好。

表 3-6 A*演算法與 Dijkstra’s 演算法比較表[7]

演算法 項目

Dijkstra’s 演算法 A*演算法

執行速度 慢 快

搜尋節點 多 少

搜尋結果 最短路徑 趨近最短路徑

3.4.2 個人化導覽路徑

路徑規劃除了要兼顧搜尋時間與環境資訊因素外，尚需兼顧使用者的個人喜好，

尋找出滿足使用者需求的路徑。由於 A*演算法具有執行時間短及以評估公式搜尋等

優點，因此本論文以 A*演算法加以改良，提出『個人化權重方法』，在選擇鄰近節 點時，加入喜好度權重，用來作為客製化路徑引導的依據，而其概念為日常生活中，

我們常常要到達一個路徑未知地點時，行駛方向是朝向終點前進，如遇到喜愛的景點 時，會先到此景點遊覽，再尋找往終點確切位置。

例如：

我們從台北出發要前往台南麻豆遊玩，行經中部縣市遇到喜愛的景點時，會先行 到此景點瀏覽，之後再前往台南縣，最後再規劃如何到達麻豆，都會依循往目的地的 方向移動，選擇相近之鄰近節點。

本論文將規劃行進路線較短之路徑於展場環境中，將距離與個人喜好權重化，並 加入啟發式評估公式中。A*演算法啟發式評估公式為F(n) = G(n) + H(n)，原先 A*

演算法啟發式評估公式已先將距離因素加入，因此本論文加入個人喜好的因素，透過 公式計算出喜好度權重，經過正規化後與 F(n)相除，使喜好度權重愈高時，F(n)值為 較小，反之喜好度權重愈低時，F(n)值則為較大。

 UP_ii：喜好度

 A(n)：經過正規化的喜好度權重

 G(n)：起點至節點 n 之距離

 H(n)：節點 n 至終點之距離

A(n) = {

UP_ii

10 , UP_ii > 0, j 是使得 Max(|W(n)|)＜1 的最小整數

0.001, UP_ii ≤ 0, 趨近於零的常數

F(n) = (G(n)+H(n))

A(n)

3.4.3 因應展場事件導覽

路徑規劃在添加個人喜好之後，對於展場上各種事件也須一併考量如特賣活動、

表演活動和人潮擁擠…等，對於特殊事件依照特性分為導引前往與規避導引兩種，如 Show girl 表演、特賣活動歸類於導引前往，人潮擁擠歸類於規避導引。

針對兩種不同類型的導引，將對評估函式作出些許修正，原先 A*演算法啟發式 評估公式為F(n) = G(n) + H(n)，可分為兩部份來看，一為從起點至節點 n 之部份，

二為節點 n 至終點部份，原先 A*演算法評估公式已先將距離因素加入，因此本論文 將加入人潮因素與特殊事件因素，如同於 A*演算法，改良後的啟發式評估公式很明 顯的也只是找出一個最佳解，不一定是最短路徑。

由於本論文演算法是以選擇鄰近節點為搜尋範圍，因此在規劃行走時間少的路徑 時，將面臨距離與節點行走速率之間選擇，故選擇距離近之節點或是節點行走速率將 是一大挑戰。實際上，必需考量距離與時速之間平衡取捨，在壅塞環境中，尤其又像 是電腦展等熱門展覽，熱門展點一時之間湧入大量人潮造成移動緩慢困難，若路徑規 劃選擇以最短距離為導航路徑且剛好熱門展點又在其規畫路徑上，將使到達終點時間 大大延長，反之以速率為主，將選擇速率最快為導航路徑，但是卻規劃出路徑距離超 出使用者可接受範圍。

以展場來說，影響步行速率的最大因素就是人潮，從資料庫查詢得知展點人數 Nu，並且依據展點的人數限制 Ls相除得知展場節點人數之飽和率 P(n)，所以我們將 展場節點人數飽和率做為影響步行速度的依據，將 P(n)與 G(n)相乘，使人數愈少時，

G(n)值為較小，反之人數愈多時，G(n)值則為較大；另一方面，在展場內隨時都有活

動發生，在做規畫路徑時必須把此因素考慮進去，因此本論文提出「活動方向性判別」， 選擇鄰近節點時，加入活動方向性因素判別，不是強制規畫路徑時一定要去活動展點，

而是用來逐步導引至活動展點，與公式(3.2)相比多增加 P(n)、D(n)，D(n)為活動方向 性權重，以起點為座標原點，將起點 S 與終點 E 連為一線為SE̅̅̅，計算SE̅̅̅ 與起點至活 動點所形成角度為θ，將θ分別代入公式1 −^180−θ_180+θ ，計算出活動方向性權重 D(n)，由 公式(3.3)進行鄰近節點評估，將求得最小值節點設為下一個迭代起點。

 P(n)：目前展場節點之飽和率 Nu÷Ls。N_u為展場人數；L_s為展場限制人數

 D(n)：活動方向性權重

P(n) =Nu Ls

D(n) = 1 −180 − θ 180 + θ

F(n) =D(n)×(G(n)×P(n)+H(n))

A(n)

3.5 數位實體

目前應用在許多領域的行動導覽的掌上型個人電腦 -個人數位助理(Personal Digital Assistant , PDA)是屬於可移動式終端裝置，其移動性與便利性高，透過智慧型 的人機使用者介面和無線通訊功能並以數位化的方式顯示文字、影像與聲音等資訊，

對展場而言，在參觀過程中能使用圖示以及手動操作藉由上述的方式來來強化個人的 參觀經驗且隨著 PDA 功能的硬體與功能擴增，對於展場的多媒體導覽有較大的影響 趨勢。本系統藉由 PDA 引入數體概念，讓終端(PDA)與伺服器端間以無線之方式進 行連接，如圖 3-6 所示。連結後透過使用者介面達成互動的目的，首先要做的就是使 用者連線部份的建立。

圖 3-6 終端與伺服器連線示意圖

本系統分為伺服端與使用者端兩部份，使用者端則是指定伺服端 IP 位置進行連 線，我們以登入系統的連線流程進行說明，如圖所示，啟動伺服端時，會先開啟一個 TcpListener 以監聽客戶端連線，在成功開啟伺服端後，使用者便可進行連線到伺服 端，此部份是使用 TcpClient 來與伺服端的 TcpListener 進行連線，確立連線後，使 用者端使用非同步方式接收由伺服端傳回的訊息，使用者端便可利用此連線傳送登入 資料至伺服端，伺服端收到客戶端的登入資料後，將客戶端資料記起來，完成了使用 者連線的動作。

圖 3-7 連線流程示意圖

當使用者與伺服器建立連線時，以 PDA 為基礎設計活動並進行參觀導覽，與導 覽過程中 PDA 提供資訊交流的平台，促進參觀者與數位空間中的展覽相關主題進行

使 用 者 端

伺 服 器 端

嘗試連線 接受連線 傳送登入帳號 接受帳號完成登入

互動。且透過伺服端展場內偵測到展區場內人數統計作為引導人潮的依據，伺服端亦 可透過裝置指派任務給外勤人員，並充分掌握調度分派的最佳性。如：展場工作人員 佈署方面的分派。

在參觀之前可先透過系統介面登記個人的基本資訊、喜好，展場伺服器便可規劃 將適合的導覽動線資料，顯示在 PDA 上推薦給使用者，且亦可透過伺服端傳送的指 令不同，使終端(PDA)做出相對應的動作，如從最簡單的文字顯示到發出警示音、播 放音樂和影片來強化伺服端與終端的互動，例如:在實體展場展示商品相關圖片與簡 介，之後以 PDA 進行有獎問答的活動。

除此之外，依據 UPM 個人喜好度，增加同好搜尋邀請，在實體環境下透過同好 尋找－找尋有意願且適合的購物同好。使用者在實體環境中購物時，對於不熟悉的商 品通常希望能有有經驗的購物同好給予更多的商品資訊，針對購物過程中有爭議之商 品進行討論並制定最終的購物決策。因此本研究希望能提供使用者透過個人喜好度比 對的方式實作同好相互邀情，達到即時的討論機制幫助使用者能立即彙整所蒐集的商 品資訊並進一步執行討論來制定較佳的購物決策。

第四章 系統開發

在這一章中，我們將會利用在第三章裡所提供出來的概念，以電腦展場的環境當 作情境資訊範例，來實作出我們的系統。在 4.1 節中，我們說明是如何設計、佈署情 境感知系統架構的環境，並且建構展場後端的相關網路服務給 API 端呼叫引用。在 4.2 節採用客戶逛展場的範例來實作為我們的系統情境主軸，設計各種項目、類型、

喜好資訊給客戶查詢。在 4.3 節中我們會有系統的執行與結果畫面作展現。

在本篇論文中，系統後端所使用的開發環境主要分為伺服端，客戶端與網路服務，

整個系統以 Microsoft Visual Studio 2008 為伺服端與客戶端的主要開發工具，並且為 行動手持式 HP PDA 配備了一組主動式 RFID CF Reader 和數個主動式 RFID Tag，配 合 Windows Mobile 5 進行模擬測試，並搭配使用 Microsoft SQL Server 2005 資料庫，

詳細資料如表 4-1、表 4-2 所示。我們利用 Windows Server 2003 當作主要伺服端的 開發環境，並且在電腦上建立許多網路服務，而這一些網路服務使用不同語言所建構 而成，透過 IIS 6.0 來發佈網路服務[5]，藉此來實驗網路服務的相容性與跨平台性；

客戶端則是使用一般電腦所使用的作業系統 Window XP 為開發環境。

表 4-1 伺服端開發環境

表 4-2 客戶端開發環境

PC 硬體

CPU Intel Core2 Quad CPU 2.4GHz 記憶體 2GB - DDR 667

網路卡 Realtek Gigabit Ethernet PC 軟體 作業系統 Windows XP 企業版

開發平台 Microsoft Visual Studio 2008

PDA 軟體

作業系統 Windows Mobile 5 Professional 開發平台 Visual Studio 2008

開發語言 C#

4.1 系統架構

在系統架構中，我們依據第三章中分析所必須具備技術，分別使用情境感知、情 境定位、網路服務、路徑規劃與個人化技術等技術組成並協調，整體架構圖如圖 4-1。

硬體

CPU Intel Xeon ,3.2GHz 主機板 Asus NCCH-DL 記憶體 2GB DDR

網路卡 Intel(R) PRO/1000 CT

軟體

作業系統 Windows Server 2003, Enterprise Edition 開發平台 Microsoft Visual Studio 2008

開發程式語言 C#、VB

資料庫 Microsoft SQL Server 2005

圖 4-1 系統架構圖

我們所設計的系統主要是應用在電腦展場的情境，透過我們的系統，可以讓使用 者隨意在此空間內手持 PDA 隨意走動，並在每一個區域內提供本區相關的訊息服務 給使用者查看使用。而各區域會提供哪些周邊訊息服務，其中細分的項目也會在 4.2.1 小節詳細說明。應另外在系統功能方面上，包括了各類型的查詢服務、以及服務組合 的應用，都在 4.2.2 小節會加以細說。

4.1.1 電腦展場情境資訊

圖 4-2 情境要素

我們將展場情境劃分為三大要素，時間、角色和位置，由於情境資源是大量且複 雜如，若一次就把大量的資訊丟給使用者，不但會造成使用者必須花費額外的時間處 理挑選自己所需的資訊，也會增加系統不必要的負擔，所以在將資訊給使用者之前要 經過一定篩選，因此我們模擬展場的佈局擺設，將展場劃分回六大區域，分別為：電 腦周邊區、數位娛樂區、軟體區、儲存裝置區、電腦系統區如圖，為了能夠提供具有 個人化的服務，所以我們又將每個主要區塊細分成多種品牌的商品、以便利使用者在 喜好選擇的排序，例如在電腦系統區我們依廠牌劃分如圖。

圖 4-3 展場區域劃分示意圖 圖 4-4 電腦系統區細分圖

4.1.2 系統功能

我們的系統功能上，包括有展場人數統計、活動通知、社群聊天室、個人資訊註 冊、展場地圖、定位諮詢、商品資訊、個人化服務、路徑規劃等服務功能，這些功能 本身也就是 Web Service。藉由系統提供的各項資訊服務介面讓使用者自行查詢、瀏 覽、購買各類商品，再根據所在用戶位置的情境參數、UPM 的喜好度，篩選出用戶 可能喜歡的訊息。商品搜尋服務功能，可以讓使用者自行輸入想要查詢商品的名稱、

品牌名稱、規格等資訊來搜尋，並可以透過定位系統一並顯示出商品所在位置，方便 尋找，除此之外還提供用戶身分的不同而有不一樣的應用程式介面以及不相同的服務 還有店員專用的盤點系統服務等等。在社群聊天室，透過社群的力量達到相對應的輔 助功能，包括資訊分享、商品優劣評估等輔助，以補足幫助使用者在瀏覽過程中能即 時找尋合適的賞品，並分享更多的商品資訊來。而伺服端可透過不同的服務搭配達成 單一服務所達不到的功能如表，例如在人數控管方面透過地圖諮詢與人數統計，伺服 端可以通知展場內的場務人員引導人潮過多的展區將人潮引領到別的區域。在展場引 導功能，透過人物定位與產品資訊得知物品所在位置使用 A*最短路徑規劃出最短路 徑，基於使用者的喜好規劃出來的路徑也會有所不同，本論文將演算法加以改良，添 加入個人喜好以符合客製化的需求。

表 4-3 伺服端主要服務列表

組合功能 服務

人數控管 地圖資訊

人數統計

人員尋找 地圖資訊

人物定位

活動訊息 地圖資訊

廠商活動

展場規劃

地圖資訊 產品資訊 人物定位

4.1.3 系統架構流程

使用者在開始使用本系統時必須先登入本系統，或者進行第一次登入的註冊服務，

此服務將會新建此使用者的個人資料以及根據使用者註冊時所自行選擇的喜好商品 來設定此使用者的 UPM 初始化喜好度，進入至情境系統主頁面後，使用者將可以自 行選擇各種所需的服務，在使用者周邊商品查詢服務時，系統還會根據此使用者 UPM 資料庫的商品喜好度進行商品的排序，將使用者較為喜歡的商品資訊優先提供給客戶，

而在各項服務資訊後端還有『用戶行為模式判斷及記錄服務』此服務將會自動追蹤用 戶的所有行為模式，並將合理的行為經由 LVW 喜好度權重參數累計至用戶的 UPM，

藉此達成動態的用戶興趣追蹤以及興趣修正服務。

圖 4-5 系統實驗工作流程(Workflow)-使用者

因為在伺服端不必擔心效能問題，所以都以功能導向，管理者進入管理者介面後，

首先呼叫人數統計，顯示各展區的人數，以便管理者調度展區內的人手疏導人潮或是 清潔人員的調度，管理者也可自行選擇各種所需的服務，觀看展場實際情況的展場監 控，可提供最短路徑，也可以依據使用者身上的 RFID Tag 進行查詢定位，管理者也 可以透過傳送指令的方式，影響使用者身上的 PDA，可進行文字問答，音樂撥放，

影片撥放等動作。

開始

系統主頁面

情境資料庫

人員搜尋 功能選擇

展場監控

社群聊天室 人數統計

路徑導引

定位服務 簡易互動(文字、音

效)

圖 4-6 系統實驗工作流程(Workflow)-管理者

4.2 系統範例實作

本節將會利用圖案方式，展現出我們的實驗以及實作的結果畫面，分成客戶的使 用介面，以及展現個人化的服務，及員工特有服務功能介紹…等等。

4.2.1 客戶端介面

圖 4-7 的功能主要是給客戶端作為註冊的服務，讓使用者登入並且判斷使用者登 入身分，除了填寫個人基本資料外，還有商品喜好的選擇，若已經註冊過的用戶，則 只需要通過帳號及密碼的驗證就可登入系統；圖 4-8 則是登入系統後的畫面、並在下 方提供展場前十大銷售最佳排行榜商品資訊、供給使用者參考。

圖 4-7 註冊畫面 圖 4-8 登入畫面

圖 4-9 展場地圖資訊 圖 4-10 細部地圖資訊

圖 4-9 為本展場情境架構的地圖資訊模式，一開始顯示整個展場地圖，再透過定 位系統，得知用戶所在的位置將用戶顯示在地圖的相對位置上面，點選路徑規劃再顯 示小範圍地圖資訊如圖 4-10。

原本的 A*演算法雖然是最接近最短路徑如圖 4-11，但卻沒有考慮到使用者的個 人喜好，透過本論文改良的 A*演算法，加入考慮使用者的個人喜好後，顯示符合該 使用者的最短路徑如圖 4-12。

圖 4-11 原 A*路徑圖 圖 4-12 個人喜好 A*路徑圖

圖 4-13 同好搜尋介面 圖 4-14 同好搜尋結果

透過個人喜好度比對的方式，搜尋出使用者個人喜好度相似的同好如圖 4-13，

寄送邀請如圖 4-14 希望達到即時互動討論商品資訊，協助購物決策。

圖 4-15 受邀者回復邀請 圖 4-16 邀請者得到回應

透過即時的詢問回答使用者是否同意幫助同好，同一時間邀請者也會收到訊息得 知邀請是否有成功，如圖 4-15、圖 4-16。

圖 4-17 則是提供給使用者所在位置周邊相關商品的資訊服務，但可能因為兩個 人對商品喜好度的不同，所以在顯示商品資訊給使用者的時候會作喜好度的排序，讓 使用者可以優先查看到有關自己比較感興趣的商品。圖 4-18 展示用戶對想購買的商 品可以直接加入到購物清單內，並且能夠配合使用線上付款等機制服務。

圖 4-17 周邊資訊服務 圖 4-18 購物清單

圖 4-19 品牌搜索 圖 4-20 晶片名搜索

圖 4-19、及圖 4-20 展示提供使用者搜尋商品的服務，並且可以輸入品牌名稱、

處理器、以及顯示晶片作為查詢依據。

圖 4-21 顯示如果搜尋到商品，還可以透過定位服務，顯示出你所尋找的商品在 地圖那個位置(紅點代表商品)，並且配合路徑規劃功能，讓使用者迅速找到所要的商 品如圖 4-22。

4.2.1 伺服端介面

圖 4-21 標示搜索地圖 圖 4-22 搜索物路徑規劃

伺服端的主畫面如圖 4-23，一開始顯示各個展區的人數統計，並以百分的比形 式表示於主頁面上，讓管理者判斷展場人手的調動，配合右邊五個功能完善管理。圖 4-24 是展場監控功能，讓管理者透過影像得知展場的最新情況，掌控展場情況。

圖 4-23 伺服端主頁面 圖 4-24 展場監控模擬

圖 4-25 為本展場情境架構的路徑引導介面，透過起始端與終點端的點選規劃出 最短路徑，並且顯示展場內不能通行的路徑節點並且說明其原因，讓無法使用終端程 式的使用者可以至服務台詢問相關問題。

圖 4-25 伺服端路徑規畫

圖 4-26 人員搜尋頁面

圖 4-26 為人員尋找，輸入帳號或者姓名，搜尋成功後顯示該搜尋者的詳細資料 與目前處於何位置，並且配合地圖引導功能顯示其詳細位置，點選搜尋者可直接傳送 訊息給遠端的使用者如圖 4-27、圖 4-28。

圖 4-27 傳送資訊 圖 4-28 終端接收資訊

圖 4-29 為社群聊天室的登入畫面，透過此介面直接跟使用者作溝通並可與眾多 使用者廣播資訊或與單一使用者密語對話如圖 4-30。

圖 4-31 為使用者互動介面，透過此頁面提供展區人員列表並且以訊息、鈴聲、與互 動問答的方式達到簡易的互動效果，如圖 4-32 終端使用者觸發問答頁面，使用者回

圖 4-29 社群聊天室登入頁面 圖 4-30 聊天室頁面

圖 4-31 使用者互動頁面 圖 4-32 終端問答頁面

答問題後回傳給伺服器端。

第五章 系統實驗與分析

本論文的實驗重點為第四章所介紹的系統範例實作中的路徑導引系統，我們將模 擬搜尋最短路徑、行走時間並且比較系統執行效能，比較本論文演算法、亂數選取法 及 A*演算法於模擬展場環境中所規劃出最短路徑，證明本論文演算法所規劃的路徑 趨近 A*演算法最短路徑且行走時間優於 A*演算法；並且透過問卷調查，藉由調查使 用者對本系統的個人化導引路徑的滿意度，來評估個人化導引的使用性與成效是否滿 足使用者的個人喜好。模擬系統是在 Microsoft Windows Server 2003 作業系統、Intel Xeon ,3.2GHz CPU 及 2 GB RAM 的電腦環境中執行，以 C#程式語言設計。

 在 5.1 節中將會模擬使用者操作路徑規劃系統服務所花費的時間，以及透過 模擬的結果與問卷調查，進而分析系統規劃路徑的效果。

 在 5.2 節分析與討論中，我們將分析討論系統服務的實驗結果。

 在 5.3 節將會分析採用 Web Service 架構系統的執行效能優點。

5.1 模擬實驗

本論文將改良後 A*演算法應用於模擬展場環境中尋找出行走時間少之路徑，因 此本論文演算法必需具備尋找最短路徑，以便選擇最佳路徑，本實驗透過兩個指標進 行驗證分析，分別是「演算法運算時間」與「參觀者行走時間」。「演算法運算時間」

著重在演算法執行效率；「參觀者行走時間」則是加上人潮因素避免距離迷思選擇出 最佳路徑。藉由使用者在不同展點下喜好度不同、人數飽和度不同的因素作模擬測試，

比較出 A*演算法、亂數選取法與本論文演算法的優缺點，對本研究提出之演算法加 以改進。將亂數選取法列入實驗評比中，其原因是一般參觀者在瀏覽像電腦展場這種

開放性的展場時，當下可能無明顯的目的或喜好，多以隨興、隨機的方式參觀所以並 未有明確的路線規劃，因此本實驗考量實際環境的狀況認為亂數選取法為一般參觀者 在展場的狀況，認為有列入實驗評比的必要性。在實驗過後，記錄的結果包含「演算 法執行時間」、「路徑導引長度」和「路徑行走時間」。對參觀者來說，由兩項指標可 瞭解導覽路徑機制是否有效，一是到達感興趣的展點的時間是愈短愈好，另一是對路 徑的滿意度；以下兩小節，分別介紹實驗與問卷調查的結果。5.1.1 節為針對路徑長 短變化之實驗結果，5.1.2 節為實際使用路徑規劃服務後的問卷調查。

5.1.1 實驗之數據統計

在實驗中，我們測試 A*演算法、亂數選取法與本論文演算法導引演算法的效果，

各進行實驗次數 100 次，每次皆以亂數產生當時使用者所在的地點與使用者要前往 的展點，當執行完三種演算法各 100 次時進行統計。

實驗步驟如下：

步驟一：以隨機方式產生出使用者所在的地點、及前往的展點與節點上人數。

步驟二：使用 A*演算法、亂數選取法與本論文演算法，搜尋出由步驟一所產生出實 驗中的最短路徑。

步驟三：記錄 A*演算法、亂數選取法與本論文演算法，所搜尋出最短路徑。

步驟四：檢查是否達成實驗滿足條件，若達成，則進行數據統計，反之，回至 步驟一。

當執行完三種演算法各 100 次時進行統計，圖 5.1、圖 5.2 與圖 5.3 分別為路徑 長短、行走時間、執行時間的實驗分析圖，在「路徑長短」部分由實驗結果可看出，

以路徑長短來比較，A*演算法最好；本論文演算法次之；亂數選取法最差。雖然 A*

演算法效果最佳，但大多數的情況下，本論文的演算法路徑都近似 A*演算法，而且

本論文演算法產生比 A*演算法差之情況，若要徹底解決此問題，則必需搜尋所有路 徑或是判斷整張地圖中最短路徑應該位於地圖何處附近，但此就喪失我們利用 A*演 算法快速搜尋與產生出趨近於最短路徑的概念；「行走時間」是一個評估值，在每個 展點系統都有預設行走時間，系統預設為 5 個單位時間，依據展場節點飽和率的不同 可增加 1~10 個單位時間，來評估使用者根據導覽路徑是否有減少其行走時間，從實 驗分析圖發現若是以行走時間比較，本論文演算法是優於 A*演算法與亂數選取法；

若以執行時間快慢排序為：A*演算法＞本論文演算法＞亂數選取法，在執行時間方 面本論文演算法比 A*演算法來的長，但在搜尋結果比較時發現，證明本論文演算法 是增加少許執行時間，但可規劃出行走時間短的較佳路徑。

圖 5-1 最短路徑比較

圖 5-2 使用者行走時間