上下文感知计算的特点是通过对表征实体状态(物理状态、社会状态)的各种上下文信息的感知、推理与管理,建立面向实体的统一的上下文语境。上下文感知计算的目标是在上下文语境的基础上,通过上下文推理与决策,建立以实体为中心,根据实体的各种上下文变化,自动作出各种适当反应(动作)的智能应用。目前的上下文信息应用中,对上下文信息的处理多采用事件触发的面向对象模式。而上下文应用是一种典型的知识应用,这些知识不仅包括不断变化的环境上下文信息,还包括为提高系统的智能性而不断增加的各种客观知识。对象模式下,系统的结构和能处理的知识多在设计阶段就已完成,几乎不能随着环境的变化而变化。因此面向对象的模式很难适应上下文应用有关上下文的知识不断累积的特点。而这样的知识累积,正是不断提高上下文应用系统智能性的关键。本文针对这一问题,采取了一种基于ECA(事件-控制-动作)的规则模式来分析上下文感知系统的行为模式,即按照规则,建立相关规则库。上下文感知系统是知识系统,构建的规则库类似于专家系统的规则库。本文从知识系统的本质出发来建立上下文感知系统的控制机制,从不断累积的上下文感知信息中有效地提高系统的智能性。本文采用基于标准的Reaction RuleML作为实际的上下文推理规则描述语言,建立上下文感知规则系统。规则系统的执行是需要规则引擎支持,规则引擎同时是知识系统的推理核心。随着专家系统等知识系统的迅速发展,目前已有多种可用的规则引擎,通过比较这些引擎的优缺点及适用性,最终选用jDrew规则引擎来执行规则。在分布式网络环境中的实际应用,本文根据ECA上下文规则处理模式,基于Web Services分布式软件体系结构建立了适用于分布式环境的上下文感知系统体系结构,并解决了其中的核心实现问题:jDrew的Web services封装和基于WS-Eventing的上下文事件的传递。研究分析了如何通过WS–Eventing传递来的上下文事件触发jDrew进行规则推理。并通过实验测试了在Web services环境中的jDrew处理效率,具有较好的性能。本文的研究成果在上下文感知应用领域中(移动感知应用、智能空间应用等),将有一定应用前景。