Z2.06.2Static and dynamic context设计研究
静态情境如位置变化慢，动态情境如活动变化快
别名: 情境变化速率 · context dynamics · 快变与慢变情境
概念解释
情境的另一个分型轴是变化速率。慢变情境——家的位置、户型、成员结构、作息大框架——数月不变，采一次能用很久；快变情境——当前活动、在场者、正在进行的话题——分钟级刷新，上一次的判断很快作废。位置这个词本身就横跨两端：家在哪是慢变量，人现在在哪是快变量。
这条分型的用途是给系统定采样与更新策略：慢维度低频采样、结果可以缓存长用；快维度高频采样、低延迟处理。速率与策略错配是环境计算系统里常见的隐性浪费与隐性过时的共同来源。
机制
为什么速率决定策略？因为两条成本曲线的方向相反：
- 对慢维度做高频采样，纯浪费——每小时确认一次户型，能耗与带宽花在「什么都没变」上。这类维度的正确姿势是低频轮询加事件触发（搬家才重新测量）。
- 对快维度做低频采样或长缓存，则是拿过时数据当现状用——五分钟前的「正在看电视」对决定现在要不要打扰毫无价值。快维度必须跟随变化本身：事件驱动、短窗口、判定即消费。
活动识别研究里的经典权衡就是这个逻辑的工程化身：识别窗口拉长，判断更准，但结论更旧；窗口缩短，结论新鲜，但错误率上升。窗口选在哪，取决于那个维度的变化速率允许多大的延迟。
怎么研究
- 活动识别文献提供了速率-延迟权衡的直接测量框架：同一批传感数据用不同窗口长度训练与识别，画出准确率-延迟曲线，曲线拐点给出该活动的合理窗口。
- 情境感知系统的评测常做维度稳定性画像：对每个候选维度统计变化间隔分布（多久变一次），分布的众数直接决定该维度该走轮询还是事件驱动。
- 泛用的验证做法：把系统的采样策略与实测变化间隔做对照，标记「采样频率远高于变化频率」（浪费）与「缓存时长远长于变化间隔」（过时）两类错配。
方法论注意点：变化间隔要在真实家庭里测，不能拿实验室剧本测——剧本里的活动切换是编排出来的，节奏系统性偏快，会高估所有维度的动态性。
边界
- 快慢不是维度的固有属性，是维度对应用的属性。「人在家」对安防告警是秒级快变量，对内容推荐是小时级慢变量。速率定级必须相对「这个判断要支撑什么动作」来做，脱离用途谈快慢没有意义。
- 慢维度也会突变。 搬家、离婚、装修让「最慢」的维度一夜翻转。纯时间驱动的慢维度策略（每年更新一次）漏掉突变，需要叠加事件触发器。
- 家用设备的功率约束会反转策略：电池供电的传感器出于省电被逼低频采样，但它监测的可能是快维度——这时错配不是设计失误而是硬件预算的妥协，识别出来后要么换供电方式，要么接受过时。
怎么落地
- 给每个情境维度标更新策略三选一：事件驱动（快维度）、低频轮询（慢维度）、事件触发重测（慢维度的突变兜底）。没有标注的维度不允许进自动化条件。
- 快维度走订阅-推送：变化即推送，无变化不占带宽；慢维度走查表：本地缓存，超期才校验。
- 验证办法：导出各维度的「最后确认时间」分布与实际变化间隔比对，两张图叠在一起看——采样节奏贴着变化节奏走即合格，两侧的空隙就是浪费与过时。