RFID数据流上多目标复杂事件检测

已有的RFID复杂事件处理技术主要关注于单个RFID对象的复杂事件检测和优化技术.实际上,很多RFID应用中往往需要同时检测多个同类型关联目标的复杂事件序列.研究了多个关联的RFID对象的复杂事件处理问题.通过扩展的事件语言和算子的语义以支持同类型多个RFID目标复杂事件查询的定义.通过模式的变换规则,将RFID应用中存在的各种非线性多目标复杂事件模式转换成线性模式,以便各种多目标模式在一个统一的框架下检测.提出了基于自动机NFAb2的多目标复杂事件检测模型和多目标复杂事件检测算法.通过在多目标检测算法中使用关键节点下压和同位置约束置后优化策略,大大减少了单个类型上无用实例的数目和不同类型间模式匹配的搜索空间.与SASE算法的实验比较表明算法的正确性和高效性.     

基于动态概率路径事件模型的RFID数据填补算法

RFID 数据采集过程中漏读现象频频发生,降低了RFID(radio frequency identification)应用中查询结果的准确性.目前解决漏读问题的算法主要是以RFID 原始读数为粒度,并基于标签自身历史读数进行窗口平滑,这种作法会填补许多与查询无关的冗余数据,并且在多逻辑区域参与的复杂应用中,填补准确率较差.为解决上述问题,首次将RFID数据从数据层抽象到逻辑区域层作为处理的粒度,提出3 种基于动态概率路径事件模型的数据填补算法,通过挖掘已知的区域事件的顺序相关性来对后续发生的事件进行判断     

多维度的RFID复杂事件处理优化算法研究

复杂事件处理是RFID领域的一项关键技术,然而当前复杂事件技术处理的原始事件是建立在Tag ID相同的情况,且只能含有单一属性.针对当前算法研究的局限性,现提出多维度RFID复杂事件处理优化算法(SIMOA).将复杂事件处理从原始的Tag ID相同情况扩展到通用的关系运算模型上,并通过将中间结果网状传递的方法,减少了状态更新冗余,极大的提高了复杂事件的处理性能.此外,编写了仿真程序进行了相关的对比实验,验证了算法的有效性.     

分布式RFID复杂事件处理技术的研究

目前RFID复杂事件处理技术的研究主要针对集中式的处理。集中式RFID复杂事件处理技术对于海量RFID数据的处理具有很多局限性,主要表现为网络通讯代价高和处理效率低。针对集中式RFID复杂事件处理存在的问题,本文研究了分布式环境下RFID复杂事件处理的关键算法,采用一种Pull(抽取)类型的数据通讯模型来降低通讯代价,在此基础上提出了两种分布式的RFID复杂事件处理算法。实验结果表明,本文提出的分布式RFID复杂事件处理算法比集中式复杂事件处理算法更有效。     

基于有色网的RFID复杂事件检测模型的研究与分析*

摘 要: 复杂事件处理技术是射频识别数据管理的有效技术之一,越来越受到业界的广泛关注。针对RFID数据的特性以及目前几种复杂事件检测模型的不足,在原有基于Petri网模型的基础上,通过扩展和改进提出了一种基于有色网的RFID事件检测网EDN,对事件操作符进行了形式化和图形化的描述,建立了复杂事件表达式的层次结构模型,并分析了复杂事件表达式中的冲突算法,给出了RFID事件的资源回收机制,提高了RFID事件的处理能力。通过实验证明了该模型的正确性和有效性。     

一种改进的查询树RFID标签防碰撞算法

RFID技术是一种非接触式的自动识别技术。随着RFID标签的大规模应用,标签的碰撞问题严重影响了RFID系统的性能,而防碰撞算法是解决该问题的关键。基于查询树防碰撞算法查询次数多的特点,文中提出了一种混合查询树防碰撞算法( HQT)。该算法结合动态二叉查询树和四叉查询树的优点,根据标签返回的碰撞信息动态地选择二叉查询树和四叉查询树的询问机制,提高了标签的识别效率,同时减少了阅读器识别标签所需的通信量。仿真结果表明,其吞吐率提高到59%左右。该算法能够提高系统的整体性能,特别是当标签数目多、标签ID位数长时,优势更加明显。     

RFID复杂事件检测方法的研究和改进

复杂事件处理（CEP）是一个新兴的技术领域,用于处理大量的简单事件,并从其中整理出有价值的事件。RFID事件和传统事件相比具有海量、时间性和空间性、数据不准确等特征。针对RFID事件的相关特征进行研究,建立一个可扩展的基于规则的RFID复杂事件处理系统是非常必要的。从复杂事件的描述模型、处理框架、上下文语义、检测方法等方面总结了国内外RFID复杂事件处理的研究现状,分析了目前的研究存在的不足,并且针对SASE的复杂事件算法存在的三点不足进行了改进。实验证明相关的改进对简单数据集是有效的。     

一种RFID复杂事件语义分析方法研究

复杂事件处理技术是射频识别技术（Radio Frequency Identification,RFID）应用中的重要技术。现有的RFID复杂事件处理模型,例如基于petri网的模型、基于树的模型、基于图的模型、基于自动机的模型,并不能十分有效地解决复杂的RFID应用问题,具体地说,RFID复杂事件的语义分析方面缺乏进一步的研究。针对上述问题,提出了一种RFID复杂事件语义分析方法。该方法,借鉴编译原理中的语义分析技术,为事件增添定义了继承属性和综合属性,同时按照事件之间的关系,定义了三种语义模式,最后通过一个语义解析算法,解析出了特定模式组合的语义信息。实验证实,该方法取得了比较理想的效果。     

基于复杂事件处理技术的RFID系统数据分析

数据处理技术是射频识别技术(RadioFrequencyIdentification,RFID)中的关键技术之一,也是近年来RFID领域研究的热点。该文采用复杂事件处理技术对RFID系统中的大量分散数据进行分析处理,用多层视图、事件过虑器、事件总结器、事件之间的关系等技术对大量数据在不同层次进行分析,得到优化的分析结果。     

基于事件共享机制的物联网复杂事件处理方法

针对物联网(IOT)复杂事件查询处理过程中的重复查询、存储和处理的问题,提出了事件共享机制(ESM)。首先,为了实现复杂事件的查询与检测,给出了物联网语义事件定义及事件操作符的语义描述;其次,从公共子查询的定义、公共内部查询结构的设计以及事件资源的共享三个角度对物联网事件共享机制展开研究,通过查询表达式的重写、有向无环图(DAG)的构建,以及在结点上使用改进的Continuous参数上下文对事件流进行处理,实现公共子事件查询、存储和处理的共享;最后,构建了基于事件共享机制的语义形式化查询计划处理模型(SFQPM),该模型可自动对查询表达式和查询谓词进行处理,实现复杂事件检测和处理的自动化。仿真结果表明,与基于二叉树(BTree)的处理方法进行对比,所提出的SFQPM具有较高的处理效率和可靠性,实现了复杂事件检测与中间结果共享机制的有机统一,提高了系统的处理效率。最后通过案例研究验证了所提出算法的有效性和可行性。     

面向RFID数据处理的复杂事件模式匹配方法

RFID数据具有不确定性,复杂事件处理技术将RFID数据看作不同类型的事件,从事件流中检测符合特定匹配模式的复杂事件。概率事件流分为多项概率事件流和单项概率事件流;针对多项概率事件流,提出NFA-MMG模式匹配方法,亦即使用多个有向无环图结合自动机实现模式匹配。针对单项概率事件流,提出NFA-Tree模式匹配方法,亦即使用匹配树结合自动机实现模式匹配;并提出改进的NFA-Tree方法,即基于概率阈值进行过滤,提高结果过滤效率。实验结果验证了上述模式匹配方法的性能优势。     

TMS-RFID: Temporal management of large-scale RFID applications

In coming years, there will be billions of RFID tags living in the world tagging almost everything for tracking and identification purposes. This phenomenon will impose a new challenge not only to the network capacity but also to the scalability of event processing of RFID applications. Since most RFID applications are time sensitive, we propose a notion of Time To Live (TTL), representing the period of time that an RFID event can legally live in an RFID data management system, to manage various temporal event patterns. TTL is critical in the “Internet of Things” for handling a tremendous amount of partial event-tracking results. Also, TTL can be used to provide prompt responses to time-critical events so that the RFID data streams can be handled timely. We divide TTL into four categories according to the general event-handling patterns. Moreover, to extract event sequence from an unordered event stream correctly and handle TTL constrained event sequence effectively, we design a new data structure, namely Double Level Sequence Instance List (DLSIList), to record intermediate stages of event sequences. On the basis of this, an RFID data management system, namely Temporal Management System over RFID data streams (TMS-RFID), has been developed. This system can be constructed as a stand-alone middleware component to manage temporal event patterns. We demonstrate the effectiveness of TMS-RFID on extracting complex temporal event patterns through a detailed performance study using a range of high-speed data streams and various queries. The results show that TMS-RFID has a very high throughput, namely 170,000–870,000 events per second for different highly complex continuous queries. Moreover, the experiments also show that the main structure to record the intermediate stages in TMS-RFID does not increase exponentially with the number of events. These results demonstrate that TMS-RFID not only supports high processing speeds, but is also highly scalable.     

RFID供应链系统中的在线复杂事件检测方法

在实际的供应链系统中,物品通常会被包装起来流通,检测最低包装层级物品的标签代价高昂。现有的在线和离线的无线射频识别(radio frequency identification,RFID)复杂事件检测方法中都假定可以检测到每一个最低包装层级的标签,不支持含有多种包装层级数据的RFID数据流上的复杂事件检测。根据部署有RFID的供应链系统产生的RFID数据流的特点,提出了一种新的复杂事件检测方法。采用区间编码离线保存物品的包装关系,通过在线数据和离线数据结合来完成复杂事件检测,对不同类型的复杂事件采用不同的检测策略以提高复杂事件检测效率。实验证明该方法能够有效地支持供应链系统中的复杂事件检测,并具有较好的性能。     

RFID复杂事件处理技术

随着RFID技术的发展,RFID应用正无所不在。通过对RFID数据的深入处理和分析,可以发现更复杂的复合事件和隐含知识,从而有效地支持事件监控、事件预警等先进应用。由于RFID的特殊性,依靠现有的主动数据库技术和数据流管理技术难以实现高效的RFID事件检测和处理。分析了RFID数据的特点,归纳和总结了RFID复杂事件处理的最新技术,讨论了一些亟待解决的新问题,主要有RFID数据清洗方法、以数据为中心的检测技术、以事件为中心的检测技术,以及复杂事件处理系统等,并对今后的研究重点进行了展望。     

基于CEP的RFID数据处理模型研究

RFID数据处理技术是近年来射频识别技术应用研究的热点。本文针对RFID数据的特点以及目前RFID数据处理技术的不足,探讨了将复杂事件处理（CEP）技术应用于RFID数据处理的具体技术问题,提出一种基于CEP的RFID数据处理模型,重点对高速缓存cache、事件滤波器以及复杂事件构建器等关键技术进行了研究,对该处理模型的应用进行了讨论。     

Supporting real-time supply chain decisions based on RFID data streams

While RFID technology has been widely praised for its ability to streamline supply chain processes, little attention has been given to its unique data capturing characteristics to support real-time decision making. Being able to efficiently perform complex real-time analysis on top of RFID event streams is a key challenge for modern applications. This provides management with a novel data analysis mechanism to allow better, tactical, on time, well-informed decisions. The two main issues in RFID data management (RFDM) concern expressibility (how to simply and concisely express stream queries) and performance (how to efficiently evaluate stream queries). In this paper we claim that a spreadsheet-like query model, where formulation is done in a column-wise fashion, can express intuitively a large class of useful and practical RFDM queries. We propose a simple SQL extension to do that and show how these queries can be evaluated efficiently. We finally discuss a prototype called COSTES (COntinuous SpreadsheeT-likE computations), which implements our SQL extensions and evaluation algorithms. Presentation takes place within the context of two representative RFID applications, namely shelf availability and in-store sales promotions.     

原始RFID数据流上复杂事件处理研究

一般的RFID复杂事件检测是建立在经过数据清洗的数据模型上,但RFID数据清洗往往代价较高且目的单一,更为影响效率的是其数据清洗步骤和复杂事件处理步骤需要扫描数据流两次.针对这些问题,提出直接在原始RFID数据流上进行复杂事件处理,将数据清洗步骤与复杂事件处理步骤相结合的方法,并设计出了集成此方法的复杂事件处理引擎架构,最后编程实现了上述架构的处理引擎.通过大量对比实验分析验证了该方法的正确性与高效性.     

RFID复杂事件处理关键技术的研究与改进

RFID复杂事件处理是一个新兴的技术领域,它用来处理大量的简单事件,并从中整理出有价值的事件。RFID事件和传统的事件相比较具有海量性、空间性和时间性、数据不准确性等特征。文中在分析RFID数据特点的基础上,对RFID复杂事件处理的关键技术进行研究和改进,主要介绍RFID数据的清洗和事件检测技术。对于RFID数据清洗部分,提出了多层次过滤的方法使得到的数据更接近真实情况,而事件检测方面则提出了局部检测和全局检测相结合的方法对相关数据进行检测以得到更有意义的数据供上层应用使用。最后,对RFID复杂事件处理的发展趋势做出展望。     

在线-离线数据流上复杂事件检测

随着数据采集和处理技术的发展,在物联网对象跟踪、网络监控、金融预测、电信消费模式等领域中进行事件检测显得越发重要.事件检测在一次扫描数据流的假设下完成,数据流在被处理完后丢弃.事实上,很多应用场景中,历史数据流因含有丰富的信息而不能简单丢弃,且一些事件检测查询需要同时在实时和历史数据流上进行.鉴于已有复杂事件检测很少考虑同时在实时-历史数据流上进行模式匹配,作者研究了在线-离线数据流上复杂事件检测的关键问题.主要工作如下:(1)针对滑动窗口内产生的大量模式匹配中间结果,提出利用时态关系和时空关系管理中间结果的方法 TPM和STPM.STPM以中间结果的时态和状态信息为权值对中间结果进行管理,将最近的、最有可能更新状态的中间结果置于内存,极大地减少了中间结果的读取操作代价.(2)给出了基于选择度的在线-离线复杂事件检测优化算法;(3)给出了算法的复杂性分析和代价模型;(4)在基于时空关系的中间结果管理模型下,在一个在线-离线复杂事件检测原型系统中进行实验,对多个参数(子窗口大小,选择度,匹配率,命中率)进行了算法对比分析.实验结果充分验证了所提出的算法的可行性和高效性.