（管理科学与工程专业论文）基于着色Petri网的RFID事件检测建模与仿真研究.pdf

国防科学技术大学研究生院硕+ 学位论文 摘要 信息化条件下现代战争的“高技术、高速度、高强度 的特点要求我军必须 建立精确高效的军事管理与后勤保障体系。充分利用射频识别系统主动识读、远 距离识读、批量识读、穿透性识读等优势，可实现我军装备、人员及物资的动态 感知、跟踪和监控，推动军事管理与后勤保障向科技密集型、效能型转变。本文 从军用射频识别中间件的需求出发，将复杂事件处理技术与军用射频识别中间件 技术相结合，从对射频识别中间件系统关键技术研究的角度出发，建立了一种基 于着色p e t r i 网的射频识别事件检测模型，并对该模型适用性进行了仿真评估研究， 以此为射频识别中间件的研制提供技术支持。本文主要完成以下几项工作： 1 ) 通过对现有r f i d 中间件系统的分析与研究，提出了一种既对r f i d 原始 数据进行过滤与处理，又对r f i d 基本事件进行复杂事件检测的r f i d 中间件设计 思路，以求更好地为r f i d 应用系统提供服务与支持。 2 ) 通过r f i d 应用系统对中间件的数据需求分析，采用分层建模思想，建立 了基于三层结构的r f i d 事件检测模型，并对模型的各个层次进行了分析与设计。 3 ) 通过对r f i d 原始数据特点的分析，有针对性地提出了对r f i d 原始数据 进行数据过滤的算法。 4 ) 根据r f i d 基本事件数据的特点，将复杂事件处理技术应用于r f i d 事件 检测过程，提出了将r f i d 基本事件聚合成为复杂事件的事件检测算法。 5 ) 根据已建立的r f i d 事件检测概念模型，利用着色p c t r i 网建模仿真工具 c p nt o o l s 建立了相应的c p n 模型，并在此基础上进行了仿真分析与研究。 论文最后以一个物资仓库的货物入库过程为例，对模型进行了基于着色p c t r i 网的建模仿真与分析，从而验证了r f i d 事件检测模型的适用性。 主题词：射频识别；中间件；事件检测模型；着色p e t r i 网；复杂事件处理 第i 页 国防科学技术大学研究生院硕+ 学位论文 a b s t r a c t t h em o d e r ni n f o r m a t i o nw a r f a r e ，w i t ht h ec h a r a c t e r i s t i c sa sh i 曲t e c h ，h i g hs p e e d ， 1 1 i g hs t r e n g t h r e q u i r e so u ra r m yt oe s t a b l i s ha ne x a c ta n de f f e c t i v em i l i t a r ym a n a g e m e n t a n dl o g i s t i c ss y s t e m t a k i n gt h ef u l la d v a n t a g eo fr a d i of r e q u e n c yi d e n t i f i c a t i o n ( r f i d ) s y s t e m ，w h i c hh a st h ei n h e r e n ta d v a n t a g eo fa c t i v er e a d i n g ，f a rd i s t a n c er e a d i n g , b a t c h r e a d i n g ，p e n e t r a b i l i t yr e a d i n g ，c a nr e a l i z e t h e d y n a m i ca p p e r c e i v i n g ，t r a c k i n g , m o n i t o r i n go f0 1 1 1 a r m y se q u i p m e n t ，p e r s o na n dm a t e r i a l t 1 1 i st h e s i ss t a r t i n gf r o mt h e r e q u i r e m e n to fm i l i t a r yr f i dm i d d l e w a r ej o i n st h ec o m p l e xe v e n tp r o c e s s i n g ( c e p ) t e c h n o l o g ya n dm i l i t a r yr f i dm i d d l e w a r et e c h n o l o g yt o g e t h e r f r o mt h ea n g l eo f r e s e a r c h i n go nt h ek e yt e c h n o l o g yo fr f i dm i d d l e w a r e ，ar f i de v e n td e t e c t i o nb a s e d o nc o l o r e dp e t r in e tm o d e li se s t a b l i s h e da n dt h er e s e a r c h i n go ns i m u l a t i o nu s i n gt h e m o d e li sd o n ei nt h i st h e s i s ，w h i c ho f f e r i n gt e c h n o l o g i c a ls u p p o r tf o rt h ed e v e l o p m e n t o fr f i dm i d d l e w a r e t h em a i nw o r k so ft h i st h e s i sa r el i s t e da sf o l l o w ： 1 ) t h r o u g ht h ea n a l y s i sa n dr e s e a r c ho ft h er f i dm i d d l e w a r es y s t e mi ne x i s t e n c e , am i l i t a r ym i d d l e w a r ed e s i g np l a ni sp r o p o s e di nt h i st h e s i sw h i c hi sn o to n l yf i l t e r i n g a n dp r o c e s s i n gt h er f i dr a wd a t ab u ta l s od o i n gc o m p l e xe v e n td e t e c t i n gw i t ht h e r f i dp r i m i t i v ee v e n t s ，w h i c hm a k e st h er f i dm i d d l e w a r es y s t e mo f f e rb e t t e rs u p p o r t a n ds e r v i c et oa p p l i c a t i o ns y s t e m 2 ) t h r o u g ht h ea n a l y s i so ft h ed a t ar e q u i r e m e n tf r o mr f i da p p l i c a t i o ns y s t e ma n d a d o p t i o no f t h eh i e r a r c h yt h o u g h t ，ar f i de v e n td e t e c t i o nm o d e lb a s e do nt h r e el a y e r e d a r c h i t e c t u r ei se s t a b l i s h e da n da n a l y s i sa n dd e s i g ni sd o n eo nt h em o d e li nt h i st h e s i s 3 ) t h r o u g ht h ea n a l y s i st h ec h a r a c t e r i s t i c so fr f i dr a wd a t a , ar f i dr a wd a t a f i l t e r i n ga r i t h m e t i ci sp u tf o r w a r di nt h i st h e s i s 4 ) b a s e do nt h ec h a r a c t e r i s t i c so fr f i dp r i m i t i v ed a t a , ac o m p l e xe v e n td e t e c t i o n a r i t h m e t i cw h i c hd e t e c t st h ec o m p l e xe v e n t sf r o mr f i dp r i m i t i v ee v e n t si sp r o p o s e di n t h i st h e s i s 5 ) b a s e do nt h ee s t a b l i s h e dc o n c e p tm o d e lo ft h er f i de v e n td e t e c t i o n , ac p n m o d e lu s i n gt h ec o l o r e dp e t r in e tm o d e l i n ga n ds i m u l a t i o nt o o lc p nt o o l si s e s t a b l i s h e da n dt h es i m u l a t i o na n a l y s i sa n dr e s e a r c hi sd o n ei nt h i st h e s i s a ne x a m p l eo fg o o d se n t e ri n t om a t e r i a lw a r e h o u s ei st a k e ni nt h ee n do ft h i s t h e s i s am o d e lu s i n gt h ec o l o r e dp e t r in e ti se s t a b l i s h e da n dt h es i m u l a t i o na n da n a l y s i s o nt h em o d e li sd o n e ，w h i c hv a l i d a t e st h ea p p l i c a b i l i t yo ft h er f i de v e n td e t e c t i o n m o d e l k e yw o r d s ：r a d i of r e q u e n c yi d e n t i f i c a t i o n 。m i d d l e w a r e ，e v e n td e t e c t i o n m o d e l ，c o l o r e dp e t r in e t ，c o m p l e xe v e n tp r o c e s s i n g 第i i 页 国防科学技术大学研究生院硕十学位论文 表目录 表3 1事件检测模型顶层模型中各库所说明3 1 表3 2 事件检测模型顶层模型中各变迁说明3 2 表3 3 事件检测模型各着色集定义及含义3 2 表3 4 事件检测模型数据处理层c p n 模型中各库所说明3 4 表3 5 事件检测模型数据处理层c p n 模型中各变迁说明3 5 表3 6 非自然发生事件处理的c p n 模型中各库所说明3 9 表3 7 非自然发生事件处理的c p n 模型中各变迁说明。3 9 表4 1物资仓库货物入库的c p n 模型中各库所的说明。4 9 表4 2 物资仓库货物入库的c p n 模型中各变迁的说明4 9 第1 u 页 国防科学技术大学研究生院硕十学位论文 图1 1 图2 1 图2 2 图2 3 图2 4 图2 5 图2 6 图2 7 图2 8 图2 9 图2 1 0 图2 11 图2 1 2 图3 1 图3 2 图3 3 图3 4 图3 5 图3 6 图3 7 图3 8 ( a ) 图3 8 ( b ) 图3 8 ( c ) 图3 8 ( d ) 图3 8 ( 0 图3 8 ( 0 图3 9 图3 1 0 0 ) 图3 1 0 ( b ) 图3 1 1 图3 1 2 0 ) 图目录 射频识别系统组成结构1 模型的时间定义1o 事件检测顶层结构模型1 2 事件检测基本规则定义1 3 事件检测规则定义t i m e s ( a ，刀) 1 3 事件检测规则示例1 4 数据处理层数据处理算法流程：1 5 重复冗余过滤算法1 6 标签码过滤算法17 r f i d 事件检测模型事件处理层与外部关系l8 事件处理层组成结构及处理流程l8 事件检测处理流程2 2 事件检测算法2 3 着色p e t r i 网建模仿真工具c p nt o o l s 2 8 顺序执行的c p n 模型2 9 并行执行的c p n 模型2 9 选择执行的c p n 模型2 9 条件执行的c p n 模型3 0 循环执行的c p n 模型3 0 事件检测模型的顶层c p n 模型3 1 事件检测规则模型巨= n o t ( a ，) 3 3 事件检测规则模型易= s e q ( a 2 ，垦) 3 3 事件检测规则模型历= a n d ( a , ，b ) 3 3 事件检测规则模型目= 锨( 4 ，日) 3 4 事件检测规则模型忍= 死嗒( 4 ，咒) 3 4 事件检测规则模型色= r a t t a n ( & ，乃一3 4 事件检测模型数据处理层c p n 模型3 5 非自然发生事件处理的c p n 模型( 操作符s e q ) 3 8 非自然发生事件处理的c p n 模型( 操作符a n d ) 3 9 3 6 节示例2 的状态空间图4 2 状态空间分析报告( 一) 4 4 第页 国防科学技术大学研究生院硕士学位论文 图3 1 2 ( b ) 图3 1 2 ( c ) 图3 1 2 ( d ) 图4 1 图4 2 图4 3 图4 4 图4 5 状态空l 、日j 分析报告( 二) 4 5 状态空间分析报告( 三) 4 5 状态空间分析报告( 四) 4 6 物资仓库模型示意图4 7 物资仓库货物入库的c p n 模型4 8 货物入库模型状态空间图5 1 货物入库模型状态m 。，的运行环境51 货物入库模型状态空间分析报告5 2 第v 页 独创性声明 本人声明所呈交的学位论文是我本人在导师指导下进行的研究工作及取得 的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含 其他人已经发表和撰写过的研究成果，也不包含为获得国防科学技术大学或其它 教育机构的学位或证书而使用过的材料与我一同工作的同志对本研究所做的任 何贡献均已在论文中作了明确的说明并表示谢意。 学位论文题目 学位论文作者 学位论文版权使用授权书 本人完全了解国防科学技术大学有关保留、使用学位论文的规定。本人授权 国防科学技术大学可以保留并向国家有关部门或机构送交论文的复印件和电子 文档，允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据 库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文 ( 保密学位论文在解密后适用本授权书。) 学位论文题目 学位论文作者 作者指导教师 国防科学技术大学研究生院硕十学位论文 第一章绪论 现代信息化战争具有“高技术、高速度、高强度 的特点，这就要求我军必 须建立精确高效的军事管理与后勤保障体系。而充分利用射频识别系统主动识读、 远距离识读、批量识读、穿透性识读等优势，就可实现对我军装备、人员及物资 的动态感知、跟踪和监控，突破军事物流信息难以纵向贯通、横向关联的信息化 建设“瓶颈 ，达到“业务流”、“信息流”和“物流 的高度统一，推动军事 管理与后勤保障向科技密集型、效能型转变。 1 1 研究背景 射频识别( r a d i of r e q u e n c yi d e n t i f i c a t i o n ，r f i d ) 技术起源于第二次世界大战 期间的敌我识别系统，是一种基于射频原理的非接触式自动识别技术【l 】。r f i d 技 术以无线通信技术和大规模集成电路技术为核心【2 】，利用射频信号及其空间耦合传 输特性，实现对贴有r f i d 标签的物品的自动识别【3 】。它可以对静止或移动的目标 进行识别，并高效地获取目标信息数据，通过与网络技术的进一步结合，还可以 实现全球范围内的目标跟踪与信息共享 4 1 。 作为一项具有广阔应用前景的技术，r f i d 产品近年来已被广泛应用于经济、 社会、国防等众多领域，特别是在物流与供应链管理、防伪与安全控制、生产管 理与控制等方面发挥了重要的作用，并提升了现代服务业、生产制造、商业流通、 交通运输、医疗卫生、军事、邮政、烟草、煤炭等行业的管理效率和商业价值【5 1 。 射频识别系统一般由电子标签、数据采集设备、r f i d 中间件和应用系统组成，如 图1 1 所示，其中r f i d 中间件在整个射频识别系统中起着衔接底层与上层应用的 桥梁纽带作用1 6 。 ；豳，掌妻 ：圈皇0 二 i卟”： i ： 卜 ! 圈一 ：豳k 耋； 由早标答 数据采集设备 应用系统 图1 1射频识别系统组成结构 第1 页 国防科学技术大学研究生院硕十学位论文 r f i d 中i 日j 件是一种消除平台( 如硬件、操作系统) 和应用程序之i 日j 异构性的 软件系统f 7 1 ，通过接口为上层应用提供统一的资源访问方式，实现对r f i d 数据采 集设备( 如读写器) 采集的标签事件数据的过滤和处理，达到从纷繁复杂的r f i d 原始数据中检测出应用系统关心的、具有丰富语义信息的r f i d 复杂事件【8 】的目的， 从而减少从数据采集设备上传到应用系统的巨量原始数据，增加r f i d 数据的信息 量，提高系统的效率【9 1 ，更充分发挥中间件作为r f i d 系统神经中枢【1 0 】的作用。 在r f i d 中间件系统中，如何对海量的原始事件数据进行过滤处理和提高事件 数据的可用性的问题是中间件系统设计与实现的关键技术之一。在众多数据处理 的方法中，复杂事件处理( c o m p l e xe v e n tp r o c e s s i n g ，c e p ，也称为复合事件处理， c o m p o s i t ee v e n tp r o c e s s i n g ，下文中将不作区别) 技术脱颖而出，成为r f i d 事件 数据处理的有效方法【l 。 复杂事件处理技术是一种用于构建和管理信息系统的有效技术【1 2 1 。它把待处 理的信息定义为事件，允许用户指定自己所关心的事件，例如底层网络数据传输 事件，或者上层管理系统的操作事件。这些事件的定义取决于用户的角色和观察 角度。事件数据间还具有各种各样的关系，多个简单事件可以组成复杂事件，多 个复杂事件又能组成更复杂的事件。采用复杂事件处理技术可以灵活地处理事件 间的复杂关系，为不同的用户需求提供不同事件意义的挖掘。 以上所述复杂事件处理技术目前主要应用于主动数据库的复杂事件检测中， 在r f i d 系统中应用还不多。由于r f i d 数据相对于主动数据库数据具有其自身的 特点，因此，只是将应用于主动数据库中的复杂事件检测直接移植到r f i d 中间件 系统中是不够的，应根据r f i d 数据的特点，寻找新的方法来实现对r f i d 数据的 处理，以满足r f i d 系统的应用需求。r f i d 复杂事件处理相对于主动数据库事件 处理的不同特点主要有： 1 ) r f i d 事件处理要求的语义更复杂，数据量更大，原始的基本事件数据不 准确程度更高： 2 ) r f i d 事件数据的时序限制、数值限制等约束大量存在； 3 ) 对于某些r f i d 事件检测的情况，存在对未发生事件的事件检测需要； 4 ) 由于r f i d 读写器部署分散等原因，存在r f i d 中间件获得的r f i d 原始事 件数据时间戳乱序的现象； 5 ) 在r f i d 系统中，要求更多的针对实时事件的事件检测； 6 ) 对于同一r f i d 事件数据流，可能同时有大量不同的查询和分析需要处理 等。 目前，将复杂事件处理技术应用到i 讧i d 系统的研究还不多见，所面i 临的问题 很多，包括如何实时地对巨量的r f i d 原始事件数据进行处理，如何对读写器多读、 第2 页 国防科学技术大学研究生院硕十学位论文 漏读和脏数据进行数据过滤与清洗，如何从海量的r f i d 原始数据中检测出应用系 统关心的复杂事件，如何充分挖掘r f i d 数据所包含的有用信息，如何在中间件的 设计中为应用系统提供更好的数据服务与支持等，都成为亟待研究和解决的课题。 鉴于此，本文从r f i d 中间件的设计角度出发，根据r f i d 数据的特点，将复杂事 件处理技术与r f i d 中间件系统设计相结合，提出一种r f i d 事件检测模型，并利 用着色p e t r i 网对其进行建模仿真与分析，以求对上述问题加以研究和解决。 1 2 国内外研究现状 1 2 1r f i d 事件检测技术 现代事件处理技术起源于上世纪9 0 年代初期，当时加利福尼亚州科技学院的 m a n ic h a n d y ，剑桥大学的j o h nb a t e s 和斯坦福大学的d a v i dl u c k h a m 都在分别进 行独立的学术研究。这些研究的焦点是开发一种处理事件流的方法，检测在时间 或空间上存在限制的复杂事件序列。2 0 0 0 年，发布了最早的两个可商业运用的复 杂事件处理技术产品：由c h a n d y 领导开发的i s p h e r e s 1 3 】和b a t e s 与g i l e sn e l s o n 共同开发的a p a m a t l 4 】。与此同时，学术机构也在积极开展广泛的研究。斯坦福大 学成立了s t r e a m ”】丽目组，麻省理工学院、布朗大学、布兰迪斯大学也合作成 立a u r o r a 1 6 】研究团队。2 0 0 2 年，l u c k h a m 发表了第一本关于复杂事件处理的书籍： t h ep o w e ro fe v e n t s ：a ni n t r o d u c t i o nt oc o m p l e xe v e n tp r o c e s s i n gi nd i s t r i b u t e d e n t e r p r i s e s t e m s ，该书全面系统的论述了复杂事件处理的技术。2 0 0 3 年，另外两 个商业化的产品诞生，即来自于s t r e a m 项目的c o r a l 8 t 1 。7 】和a u r o r a 项目的 s t r c l 锄心a s e 【”】。之后，无论是在学术研究领域还是商业领域又相继涌现出大量的技 术产品。大学研究中比较具有代表性的有加州大学伯克利分校的t e l e g r a p h c q ”】。 商业产品有a p t s o r 2 0 1 ，b e as y s t e m s 和e s p e r t e c h 2 1 1 。 r f i d 技术在发展的初期是为了识别物品、计算数目，如在物流配送系统中统 计入库出库的物品数目【2 2 1 ，在门禁安检系统中，快速准确识别和统计出入人数【2 3 1 。 随着r f i d 技术研究的逐渐深入，r f i d 技术慢慢开始被应用到如事件监控等更高 级的应用中。r f i d 数据采集设备采集的r f i d 原始事件数据只包含物品简单信息， 通过对这些r f i d 事件数据进行诸如过滤分组、模式匹配、异常发现、关联分析等 智能推理手段，可以检测出具有高级语义的r f i d 复杂事件。 目前，复杂事件处理技术的研究目的一是对大规模数据间复杂关系的处理， 二是具有实时处理的能力，这也正是r f i d 中间件所要进行的主要工作。因此，将 复杂事件处理技术应用于r f i d 中间件系统，应用于r f i d 事件检测过程也就顺理 成章了。 第3 页 国防科学技术大学研究生院硕十学位论文 目f i i ，r f i d 事件检测技术主要分为两类：一是以数据为中心的方法，二是以 事件为中心的方法【2 4 】。 1 ) 以数据为中心的事件检测方法 以数据为中心的方法是r f i d 系统最早采用的方法。主要是采用传统的数据库 技术，对r f i d 数据进行建模，在数据库管理系统( d b m s ) 基础上进行事件检测， 代表系统有s i m e n s 公司的r f i d 中间件系统【2 5 1 。s i m e n s 的i 心d 中间件系统提出 了面向时态的实体关系( e r ) 模型( d r e r ) ，不仅能描述r f i d 数据的特征，还 能表达业务逻辑，并支持基于分片的存储，具有可伸缩性。基于规则框架提供自 动的r f i d 数据过滤、转换和检测，生成高层次的语义数据，在数据库基础之上， 利用规则进行检测，获得应用系统关心的具有更高层次语义的数据。 2 ) 以事件为中心的事件检测方法 以事件为中心的方法是基于数据源而不是基于数据库对事件进行建模，对事 件直接进行处理，以获得较高的效率和处理更复杂的事件。以事件为中心的方法 的核心问题是事件检测，即高效地从多个简单的r f i d 基本事件中检测出具有高级 语义或应用系统关心的复杂事件，包括考虑各种事件之间的限制。在一些应用中， 有时还需要继续对复杂事件进行更高级别的事件检测，以生成具有更高层次语义 的复杂事件。 r f i d 以数据为中心事件检测方法的突出优点就是简单，它是对一般e r 模型 的简单扩展，仅仅增添与特定的时间相关的动态联系，这样就能够表达具体事件 的状态和历史，获取数据模型的基本业务逻辑，可以有效地支持跟踪和定位等复 杂的查询请求，可以对历史数据进行调阅。但是，r f i d 应用一般要求从高速、海 量的在线事件数据中快速地得到上层应用系统关心的事件数据，所以，以采用数 据为中心的方法构建的系统由于性能的限制，只适合于进行历史数据的查询或在 线监控低速的事件，不适合对高速的、海量的事件进行连续快速的查询。因此， 为了解决上述问题，便引入了以事件为中心的事件检测方法。目前，以事件为中 心的方法是主要的r f i d 事件检测方法。 以事件为中心方法的r f i d 事件检测技术目前已有的研究，多为关注低层数据 过滤和数据采集。e u g e n ew u 等【2 3 】提出一种基于查询计划的事件处理方法，同时 提供一组性能优化策略，但是没有关注复杂层次的复杂事件检测，而且其提出的 事件操作符在复杂事件表达式中只允许使用一次，限制了表达复杂业务逻辑的能 力。f u s h e n gw a n g 掣2 6 】给出了一种基于规则的r f i d 事件处理机制，定义了r f i d 事件类型，r f i d 事件、规则定义规范等基础问题，提供一种基于图的事件检测算 法，但是只关注e p c 事件，而且对多层次的复合事件定义缺乏指导，未对如何将 复杂事件处理技术应用于r f i d 数据处理进行具体分析。sg a t z i u 等【2 7 】是基于基本 第4 页 国防科学技术大学研究生院硕十学位论文 p e t r i 网来进行事件检测的相关工作，但是只给出了网定义，没有给出事件检测网 的构造规则，而且基于事件表达式所产生的网结构比较复杂。e s p e r 2 8 】是一个开源 的复杂事件处理引擎，用类s q l 语言来表达复合事件，使用有限状态自动机进行 复合事件检测，p r e s 的复杂事件处理框架参考了e s p e r 的架构。杨清等【2 9 】针对超 市进货实例讨论了复杂事件处理技术数据处理的原理，但没有提出有效的规范方 法。 1 2 2r f i d 事件检测建模技术 在目前的研究中，以事件为中心的r f i d 事件检测建模技术主要有3 种：基于 有限自动机的模型、基于匹配树的模型、基于有向图的模型。 1 ) 有限自动机模型。o d e t 3 0 l 是最早提出使用自动机模型进行事件检测的系统。 根据应用系统提供的规则，当一个参与事件检测的基本事件到达时，自动机就会 状态跃迁，当自动机跃迁到规则规定的状态时，就说明事件检测完成了。但是， 简单的自动机模型在匹配过某个基本事件后是无法重新访问该事件的，于是，就 要引入额外数据结构来保存时间或数据值的信息，也可以在跃迁谓词中加入时间 或数据的条件，这就构成了扩展的自动机模型。 2 ) 匹配树模型。基于匹配树的技术通过匹配树的结构实现复杂事件的检测工 作。其方法是：以基本事件作为匹配树的叶节点，各个层次的复杂事件为匹配树 的中间节点，如果到达根节点，则说明事件检测成功。r e a d y 3 l 】系统使用了这种 技术。 3 ) 有向图模型。与匹配树的方法相同，有向图使用的是有向无环图来实现复 杂事件的检测工作的。在有向图模型中，结点表示对基本事件的描述，边表示事 件检测的规则。节点通过对配送事件的引用进行标记，除了用边表示事件检测规 则，节点也带有相应的规则，对应某结点的事件发生，结点规则也会触发。e v e t 3 2 】 系统采用的就是这种模型。 由以上分析可以看出，基于有限自动机的模型在事件检测仅仅能够检测按照 顺序到达的基本事件，而基于匹配树或有向图的事件检测又没有考虑到匹配基本 事件的顺序或时序关系。因此，需要对已有的r f i d 事件检测建模技术进行改进或 提出新的方法来解决上述建模技术无法实现的功能。 正因如此，有人提出使用p e t r i 网对r f i d 基本事件进行检测。p e t r i 网是1 9 6 2 年由德国科学家c a p e t r i 在其博士学位论文c o m m u n i c a t i o nw i t h 彳“幻加口3 3 1 中首 次提出的，经过多年的发展，p e t r i 网理论和应用得到了不断的充实和完善。p e t r i 网能够简洁地描述系统的动态特性( 并发、同步、冲突等) 和系统中的资源及约 束条件，并有相应的分析方法( 可达树分析、不变量分析以及图论等相关的分析 第5 页 国防科学技术大学研究生院硕十学位论文 理论) ，同时具有图形化表达方式，易于理解和描述【3 4 1 。在r f i d 事件检测模型的 建立过程中，以p c t r i 网的输入库所结点为基本事件，输出库所结点为检测后的复 杂事件。通过输入令牌( t o k e n ) ，计算变迁守卫函数，当最后一个库所结点获得 令牌后，就说明事件检测成功。其中复杂事件的增量检测可以通过p c t r i 网中标记 的库所来描述的。s a m o s 3 5 】就采用了这种模型 但是，由于基本p c t r i 网模型在网的规模上是以指数规律递增的，尽管模型可 能有界，但往往其计算要求难以承受【3 6 1 。继续从事p e t r i 网理论研究的专家们开始 扩充p c t r i 网模型，于是有人提出了着色p e t r i 网( c o l o r e dp c t r in e t ，c p n ) 【3 7 】。着 色p c t r i 网是具有层次性的高级p c t r i 网，它扩展了基本p e t r i 网的特性，通过对库 所和令牌加以着色类型的标定来表示系统中不同类型的资源；同时每个库所都与 特定的着色集( c o l o r e ds e t ) 绑定，表示该库所中只能存放相应颜色的令牌【3 引。在 弧上和变迁上存在着条件表达式和函数，说明弧的权值和颜色属性以及变迁触发 的约束条件。 与基本p c a i 网一样，c p n 执行过程中每一步的标识也用一个n 维向量来表示， 只是向量中的每一坐标不再仅仅是相应库所中令牌的个数，而是一个既描述令牌 数量也指出令牌的着色类型的复集( m u l t is e t ) 表达式。c p n 被认为是基于网络 的复杂系统建模和分析的最佳工具之一，用它建立的模型是可执行的，可以进行 动态仿真。因此，相对基本p c t r i 网来说，c p n 的具有三个最基本和重要的特性【3 9 】： 1 ) 令牌可以是任意复杂的数据结构类型，这使得c p n 的令牌表达能力大大 加强； 2 ) 变迁和弧的描述能力的增强，使网络的表达复杂度大大简化； 3 ) 模型整体具有层次结构，可以从整体到局部，由粗到精的将系统层次化， 逐步细化，突出重点，使模型建立的过程更符合建模者的思路。 正因着色p c t r i 网的这些优良特性才使之成为r f i d 事件检测优良的建模工具。 r f i d 事件检测过程需要根据r f i d 数据的特点对事件数据进行分类处理，包括对 原始数据、基本事件数据和复杂事件数据等的分类处理，令牌着色的概念正好满 足事件数据分类的要求；在事件检测过程中的各检测规则的复杂性使得检测模型 可能具有很高的复杂性，所以，要求在模型的建立过程能够尽量简化，而着色p c t r i ， 网的地变迁和弧的增强的描述能力正好满足上述需要；而r f i d 事件检测模型的层 次性要求同样使用着色p c t r i 网可以得到有效的解决。 1 3 论文的主要工作和组织结构 本文通过对i u d 中间件系统的论述，说明了r f i d 中间件在整个r f i d 系统 中的重要地位和作用，而r f i d 事件检测技术又是r f i d 中间件系统的关键技术之 第6 页 国防科学技术大学研究生院硕十学位论文 一，因此本文从i 强i d 中间件设计的角度出发，对r f i d 事件检测技术进行研究。 根据r f i d 系统的特点，本文设计了一种r f i d 复杂事件检测模型，并基于着色p e t r i 网建立了可用于仿真的c p n 模型，并进行了分析，最后以一个物资仓库货物入库 为例，给出了上述模型的一个示例。 全文共分为五章。 第一章论述论文的研究背景，概述了目前有关r f i d 事件检测技术的研究工 作，之后对r f i d 事件检测建模技术进行了说明，最后给出本文主要内容。 第二章研究并建立了r f i d 事件检测概念模型，采用层次化建模思想，设计 r f i d 事件检测模型由规则定义层、数据处理层和事件处理层三个层次组成，并对 各个层次中的关键技术与算法进行了详细阐述。 第三章从作为r f i d 事件检测建模工具的角度概述了着色p e t r i 网的基础理论， 并对着色p e t r i 网的建模仿真工具c p nt o o l s 进行了介绍。之后，根据建立的r f i d 事件检测概念模型，建立了基于着色p e t r i 网的仿真模型，提出了对模型进行仿真 分析的方法。 第四章以物资仓库货物入库为例，研究了r f i d 事件检测模型在仓储领域的应 用，并利用c p nt o o l s 建立了仿真模型，对模型进行了仿真分析研究。 第五章结束语，总结了本文的研究工作和成果，并对下一步的研究工作进行 简要讨论。 第7 页 国防科学技术大学研究生院硕+ 学位论文 第二章r f i d 事件检测概念模型 根据r f i d 事件数据的特点和r f i d 事件检测的基本功能需求，将复杂事件处 理技术应用于r f i d 中间件系统，建立r f i d 事件检测概念模型是解决r f i d 复杂 事件处理问题的有效途径，本章即为此开展研究。 2 1 功能需求 r f i d 中间件系统，担负着对数据采集设备获取的原始事件数据进行去重除错 处理，并根据应用系统的需要，将原始事件数据转化为语义丰富的复杂事件，按 要求的形式返回给应用系统的重任。在这个过程，r f i d 中间件事件处理模块需要 完成以下功能： 1 ) 事件的分类 在r f i d 系统中，事件包括系统产生的消息，系统状态的改变，任务的开始和 结束等。事件在形式上类似于消息，如都包含数据，不同之处在于事件直接指示 了某些行为的发生。事件根据观察角度不同有多种分类方法。根据事件语义的聚 合程度不同，事件可以分为简单事件和复杂事件。从分层的角度划分，事件又可 分为底层事件和高层事件，底层事件是系统产生的实际事件；高层事件是由用户 自定义的，从低层事件映射而成的复杂事件，复杂事件包含了更多的语义信息。 从系统响应的角度来划分，事件可以分为常规事件、异常事件等。因此，在r f i d 中间件系统接收到原始事件数据时，需要根据一定的分类方式对其进行分类，以 方便对其进一步的处理，为上层应用提供更为有效的服务与支持。 2 ) 事件过滤 事件过滤是对r f l d 数据采集设备产生的巨量原始事件数据进行冗余、重复和 错误数据的清除，其目标在于减小原始事件数据的数量，提高事件数据的利用率， 降低上层系统的数据处理负担。r f i d 事件过滤可归结为一些特定操作，如计数、 重复冗余清除、错误剔除等。 3 ) 事件存储 事件存储是指采用高效地数据存储方法，对系统运行过程以及由数据采集设 备获得的事件数据进行快速的存储，以便在以后对历史事件数据进行查询和调用。 为此要求在r f i d 中间件系统中设置存储模块，以保存相关的历史事件数据。 4 ) 规则定义 规则定义是指将应用系统对事件数据的要求转化为中间件系统对事件进行处 理所遵循规则的过程。这是整个事件检测过程中的关键环节，只有按照应用系统 第8 页 国防科学技术大学研究生院硕十学位论文 的要求处理得到的事件数据d 是有意义的。因此，需要在r f i d 中问件中设置规则 转换和定义模块，以完成上述应用要求。 5 ) 事件挖掘 事件挖掘是基于事件之间的时间、空间和因果关系以及事件的属性信息，利 用形式化的模式语言，从大规模的事件数据集合中提取出事件模式的过程。这个 过程所发现的事件模式是事件聚合和事件检测的基础。事件挖掘是数据挖掘在复 杂事件处理研究领域的延伸。在r f i d 中间件的设计中，为了为上层应用系统提供 更好的事件数据的服务与支持，需要在r f i d 中间件系统中对事件数据进行挖掘， 从中获得具有更高语义层次的事件数据，为应用系统进行下一步的决策提供依据。 6 ) 事件检测 事件检测是指根据应用系统事件处理规则，从基本事件集合中提取并生成复 杂事件的过程。所获得的复杂事件具有更丰富的语义信息，易于被应用系统所理 解和使用。这也是r f i d 中间件系统重要的目的之一，即从巨量的原始事件数据中 提取出应用系统关心的复杂事件，为应用系统进行更高层次的处理提供数据支持。 2 2 模型相关概念定义 为便于对下文建立的r f i d 事件检测模型的理解，归纳参考 1 1 1 2 】 2 3 】 2 5 】【2 6 】【2 7 】等文献，现将下文所涉及的相关概念进行定义。 2 - 2 1 事件定义 定义2 1事件( e v e n t ) 是指系统中有意义的变化【l l 】，比如：对象状态的改 变、r f i d 原始事件数据的读取等。事件类型以大写字母表示，如事件类型彳，事 件类型b ，事件类型的实例用相应的小写字母表示，如事件类型彳的实例用a 表示。 在对于某一类事件进行描述时，用大写字母来表示事件，如事件e 。 定义2 2 基本事件( p r i m i t i v ee v e n t ) 或原始事件：是指系统最小的、原子性 的有意义的变化【l2 1 。原子性是指这种有意义的变化要么完全发生，要么根本就不 发生。通常基本事件是瞬时的，表示为： ( 2 1 ) 其中r d 表示数据采集设备( 如读写器) 标识，o d 表示物品对象标识， t i m e s t a m p 则表示标签被数据采集设备识读的时间。 定义2 3 基本数据流事件：由r f i d 数据采集设备产生，并以数据流形式上 传给中间件系统的事件类型【2 3 1 。基本数据流事件是数据过滤和信息提取的原始事 件数据。数据流查询与复杂事件处理机制存在着很多相似性，可以使用复杂事件 机制来处理数据流的查询。为此