随着普适计算环境和智能空间的快速发展,上下文感知计算作为其重要子领域,需要能适应高度动态异构的计算环境,同时要求所有在智能空间中的实体(例如设备,服务和代理)都必须能感知它们所处的上下文环境,并对变化的上下文做出及时、有效的反应,以用户为中心。然而,介于当前智能空间中所感知的原始上下文所具有的单一、低层、不稳定、不精确等特点,如何甄别有效的上下文,如何利用上下文推理出用户的意图和状态成为研究的关键问题。而且随着用户对上下文信息共享的需求日益繁多,如何有效且量化地实现其中不确定性的知识信息关联成为当今研究的又一热点。本文着重针对以上这些问题展开研究与实践工作,在智能汽车空间上下文建模中引入本体论,使得系统中真正意义上的知识重用和共享也成为可能。同时提出了一种以不确定性上下文推理机制驱动的本体映射方法,来处理智能汽车空间领域内的异构信息的通信共享。在不确定性推理机制中我们选用了基于数学概率的动态贝叶斯网络和隐马尔科夫模型方法来进行上下文的推理计算,尽可能保证系统的可靠性、准确性与高效性,满足用户的服务需求。以下是本文的主要工作：首先,基于本体对智能汽车空间进行上下文建模,使用OWL语言来描述,同时为满足一个统一,规范的推理本体来进行上下文推理,采用本体映射方法来适应智能汽车空间上下文不确定信息的推理以及满足推理方法的数学结构。其次,本文为了解决不确定性和不完整性问题,提出了动态贝叶斯网络和隐马尔科夫模型为主的不确定上下文推理机制,以数学概率结合驾驶员身体状态来构建推理方法,进行智能汽车空间内的上下文推理。最后,从应用角度出发,把本体映射方法与不确定上下文推理机制结合应用到智能汽车空间中的驾驶员身体状态识别,并对实验数据与应用效果进行分析,验证系统能感知上下文的变化并进行准确的状态识别,提醒驾驶员以保证安全的驾驶行为。