面向位置服务的不确定性RFID时空信息查询技术的研究

With the development of Internet of Things(IOT), RFID arouses a lot attention in the field of industry and academia as the key technology. AS one of the most valuable applications in RFID , location-based services have a broad application field. For the reason of radio-frequency interference, object movement and scene monitoring, RFID could not ensure accurate positioning. Therefore, lots of uncertain spatial-temporal information stream would be generated. Since demands for RFID location-based services are much more complex and various, there would be a great challenge for the spatial-temporal query in RFID. At present, the studies are relatively lack about the RFID spatial-temporal information model, spatial-temporal query and optimization. To provide the deep-seated RFID location-based services, this project focuses on the general query technology for the RFID spatial-temporal information according to the characteristic of RFID data. They include: uncertain RFID spatial-temporal information model, trajectory query for the moving objects, k-NN query, dynamical group query for the monitoring objects and spatial inclusion-relation query. Meanwhile, a prototype system for the uncertain RFID spatial-temporal information query would be designed and developed based on the above technologies. The effort would provide efficient technical support for the location-based services in RFID.

随着物联网等技术的发展，作为关键的支撑技术之一，RFID受到国内外学术界和产业界的广泛关注。位置服务是RFID技术最有价值的应用之一，具有广阔的应用前景，但RFID本身并不是一种精确的定位设备，由于射频干扰、对象移动以及监控场景等原因，形成了大量不确定性时空信息流；同时，RFID空间中基于位置服务的要求日益复杂和多样化，使得RFID时空查询面临许多新的挑战。目前针对不确定性RFID时空信息建模、时空查询与优化技术的研究较为缺乏。本课题结合RFID数据的特点，面向深层次的RFID位置服务，深入研究RFID时空信息的综合查询技术，主要包括：不确定性RFID时空信息建模，移动对象轨迹查询、轨迹分析、k-NN查询、监控对象动态小组查询和空间包含关系查询，并结合以上技术，实现一个不确定性RFID时空查询原型系统。该成果将对RFID空间内的位置服务提供有效的技术支持。

无线射频识别技术（Radio Frequency Identification，简称RFID）在医疗、交通、安全等方面有着广泛的应用。本项目分析了RFID数据的特点，着重研究了RFID 时空信息模型及时空查询优化技术。本项目主要研究内容及成果包括：（1）面向不确定源数据和异构时空的模型研究，①多模态感知数据，对数据从三个维度进行评价并根据任意精度选择数据源；②平滑性敏感的近似曲线精度恢复技术，利用energy-efficient算法，使获取的数据与实际的偏差最小；③基于岭回归的数据填补技术，算法在考虑数据相关性的同时，解决了ELM前馈神经网络中存在的复共线性问题；④海量RFID数据的存储与索引技术，采用基于包含关系和复合哈弗曼编码技术，对数据进行二次压缩和存储。（2）移动模式发现和轨迹查询，①提出基于ELM分类的轨迹分析方法；②移动对象轨迹模式挖据，判断不同的周期序列模式，形成具有参考意义的联通序列模式；③RFID流数据的模式挖掘，针对RFID流数据提出序列矩阵和频繁序列树的挖掘方法；④RFID序列数据的频繁模式挖掘，提出基于异常模式挖掘的早期预测机制（3）面向复杂空间的RFID K-NN查询，①面向时间不确定的事件流K-NN查询技术，基于原子事件发生时间不确定的特性，提出高效的时间不确定事件流嵌套查询的处理方法和缓存算法；②移动对象密度查询技术，提出基于隐Markov模型对对象进行预测，并进行密度统计。（4）RFID动态小组查询和空间包含关系查询，①基于非精确数据的包含关系查询，提出了THS-TVGPMI_INFER算法，并将点互信息创新性地应用到包含关系查询中。②基于RFID的对象关系识别技术，利用SMRUF算法对RFID对象数据进行清洗，并进一步采用SPIRE算法解决RFID小组关系识别问题。（5）原型系统，①实现了一个支持轨迹分析的RFID仿真系统，解决了RFID设备的仿真部署和仿真实验问题；②以快递行业为背景实现了一个基于RFID技术的快递分拣系统。（6）此外我们还在基于位置服务的好友推荐技术，驾驶员疲劳检测技术以及社交网络中个性化区域推荐技术等方向做了一些探索研究。上述研究成果，我们发表了14篇学术论文，申请发明专利1项。参与国内外的学术交流，培养了20多名研究生。希望这些成果为今后的实际应用推广奠定坚实的基础。

内容获取失败，请点击重试