(点击放大图像)

　　正如上文所说，某些上下文元素是可以立即标准化的(因为他们已经实现了标准化)，而另一些无法立即标准化(因为他们是特定于用例的)。为了了解某个Thing与另一个Thing之间能否进行通信，需要他们对于某种通信标准达成一致。出于这个原因，我们需要引入上下文情境模式(Schema)。上下文情境模式将以上下文的方式定义某个物的能力。

　　你可以进一步扩展这个上下文模型，定义某种所有的Thing都必须具备的“标准功能”，以及需要由每种Thing自行定义的“额外功能”，例如 Z-Wave 标准的做法。

　　与上下文模型类似，你也可以定义一个行为模型，该模型将定义Thing可以触发的行为(例如打开一个窗口，或是拍摄一张图片)。行为必须由上下文信息(例如某个上下文情境)和已定义的目标的组合所触发。目标通常由规则引擎中的规则进行描述(例如 IF temperature > 25* THEN open window)。当某个上下文情境具体对应到某个Thing之后，这个Thing就需要根据它的已定义目标(即规则)评估是否要触发某个行为。根据用例的不同，与某个Thing对应的上下文、行为与目标模型的复杂度也有所不同。有些Thing只会使用行为的信息，而不会发布上下文信息，而其他Thing则会发布上下文信息(甚至是目标)，让其他Thing进行使用。

　　现在，我们已经理解了上下文感知计算在IoT世界中所扮演的角色，接下来我们可以讨论这个参考IoT分层架构(简称“RILA”)的定义了。在IoT的语境中，RILA将连接Thing、设备与用户，正如下图所示。

　　(点击放大图像)

　　RILA包含6个层，除了这6个层之外，还有两个“横切面层”，他们将影响其他所有层。这两个层即“安全层”与“管理层”。

　　让我们来看一看RILA中的每个层与其中的组件。我们将从最底层(设备集成层)开始，随后逐步向上层推进。

　　设备集成层(Device Integration Layer)负责连接所有不同的设备类型、获取设备的测量数据，并(在设备层面上)实现行为的通信。可以将这一层视为一种能够讲多种不同语言的翻译器。传感器与标识的输出取决于他们所实现的协议，而制动器的输入同样由他们所实现的协议所定义。