RFID數據管理要求
    結合兩個國家示范項目的實踐經驗, 我們?yōu)橐粋€有效的RFID數據管理系統定義了若干關鍵要求。需要注意的是, 一條 EPCIS 記錄中的傳統日志是一個隨機事件流,數據流存在于該公司的所有EPCIS記錄中。由于供應鏈(如FM. CG供應鏈)的運營是面向全球的, 于是 EPCglobal 的核心服務被用于數據分享而EPCIS的使用, 可實現所有地點發(fā)生的事件數據的分享和交換。成功的關鍵效在于恰當地構建 RFID 數據以支持這些服務。

1、 RFID 數據質量
     RFID數據管理的整個過程以數據為中心。由于RFID設備可能會產生錯誤。增加了 RFID 數據的預處理和清洗流程的難度。相比其他傳統關系的數據, RFID數據具有以下獨特的特征。
   1)原始數據元組結構簡單:RFID數據元組結構為(EPC, 時間, 地點)。一個RFID元組代表著某一物品對象的時間和空間信息。給定應用的元組是唯一的。
   2)隱含語義:同一個EPC編號在不同 RFID元組中的語義可能不同。例如, 同一超市內, 不同時間或地點閱讀的同一個EPC, 讀取的數據可能代表不同的事件背景, 如店鋪盜竊、結賬離開或物品在貨架上。
   3)重復讀數或漏讀:貼有 RFID 標簽的物品因被同一閱讀器反復讀數多次或不能被閱讀器正確讀取, 導致數據的錯誤多讀或錯誤漏讀。
   4)噪聲和不一致性:對RFID數據質量而言, 對指定 RFID標記物品的路徑追蹤是要解決的首要問題。RFID 數據序列可能是錯亂的, 或讀數不一致(例如, 在相同時間、不同地點讀取/發(fā)現同一個EPC)。在特定時間內, 對指定的一組物品的位置跟蹤是一個難題。在RFID的應用中, 由于貼有RFID 標簽的物品被大型集裝箱、貨車、船舶和托盤等交通工具進行批量運輸, 因此多個RFID標簽標記物品被一起讀取。那么如何有效、高效地處理和管理這些讀取數據成為一個難題。理解批處理與物品之間的
關系是實現時間和空間這兩個維度跟蹤的關鍵。要野(NDP項目中, 全球EPCIS 都開發(fā)了訂單修正功能, 能夠成功讀取EPCs, 并建立與特定運輸工具內運載的集裝箱或貨盤之間的鏈接。
    結果表明, 當貨物通過Metcash 倉庫出 入口時, 并不能達到100%的識讀率。但是, 由于所有物品被全部打包并強制執(zhí)行登記, 因此對全球EPCIS而言, 可利用一些成功的讀數將丟失的EPC與裝運訂單聯系起來。某船只運載了13件貨物, 并且都在貨位挑選程序中進行了登記。在倉庫出入口閱讀點處, 除貨盤標簽iteam 13 和產品標簽iteam“5之外, 其他的標簽至部被成功識讀, 并利用訂單整合功能將成功的讀數修正為一個裝運訂單。相比GRAI標簽可能出現的讀數而言, SGTIN標簽成功識讀可能性更大。各表明, 一些數據處理規(guī)則應該支持處理數據, 例如, 對RFDD 數據質量不準確的數據進行修正。

2、 亂序事件流(UnES)

      序列和序列長度是處理復雜事件的兩個重要特征。然而, 通常情況下到達事件的順序可能與物理世界中發(fā)生的事件順序不一致。我們以NDP中的一個實例進谷
舉例說明。事件的 EPC 記錄為 urn: epc:id:sgtin. 0041333. 141501. 27900731。緊跟其后是揀選貨位和包裝中心處的記錄信息, 該物品在倉庫出入口處被記錄了3次。這此事件都在短時間內(4分鐘以內)發(fā)生。人們不禁會問:實際發(fā)生了什么? 該貨物是人庫還是出庫? 發(fā)生時間為11:44:20的事件記錄是否意味著貨物在該時刻被裝運離開現場? 發(fā)生在 19/06/2006 的最后 一個事件和下一個事件之間的中間時刻, EPC到底發(fā)生了什么變化?
    說明了一種現象, 即亂序事件流(UnES)。UnES 可能由網絡路由延遲導致, 也可能是由于一個標簽被多個閱讀器同時閱讀時的任意記錄選擇引起的, 這與因特網通信過程中數據包無序到達系統應用層的情形類似。UnES就是對那些亂序到達系統的事件記錄進行管理。目前, 解決UnES問題的方法有兩種。一種方法是假設錄入系統的事件記錄的順序與其在物理世界發(fā)生的順序是一致的, 通過這種假設可以簡單忽略 UnES問題, 如SASE。另一種方法是根據提取復雜事件模型之前的事件時間戳, 如 Cayuga, 使用 Srivastava 和 Widom 提出的方法對事件數據進行整理和分類。然而, 這兩種方法都存在缺點。對于第一種方法, 由于RFID讀寫器分布廣之且存在一定的時延, 事件記錄被存人 RFID 系統的順序不能總是與這些事件發(fā)生的先后順序相一致。此外, RFID 標簽可被不同的閱讀器同時閱讀, 但是閱讀器可能在不同的時間將這些原始事件發(fā)送至系統。同時, 即使事件記錄被送至系統后, 它們可能還需要在不同的進程中排隊等候。顯然, 對大多數RFID應用而言, 忽視 UnES問題是不切實際的。第二種方法要求事件記錄進入系統的時間點必須不超過界定的時間延遲范圍。同時, 該方法利用同一時間延遲界限處理所有的應用。如果系統同時處理多個應用, 那么單一的界定范圍就不足以應對所有輸入數據造成的綜合影響。

3、 大規(guī)模復雜事件的追蹤
     通常, 一個RFID閱讀器的一次讀數被認為是一個原始事件。閱讀設備的廣泛 部署將產生大量的事件。為檢測與終端用戶應用相對應的語義層復雜事件, 需要對這些原始事件進行過濾和關聯處理。而復雜事件則是對輸入的原始事件的一組連續(xù)查詢。在復雜事件的處理過程中, 所有新輸人的原始事件需要記錄在序列構建的結構中進行存儲。但問題是, 當原始事件輸入系統的速度比復雜事件的中間狀態(tài)輸入系統內存的速度快時, 如何有效檢索所有復雜事件的中間狀態(tài)。

      RFID事件管理系統應具備對復雜事件的處理功能。Franklin 等人提出了 HiFi系統結構。HiFi沿著樹形結構的網絡在不同時間和地點上聚合事件。Mansouri-Sa-
mani和Sloman等人也充分考慮了時間約束限制。然而, 這些時間受限的管理系統不適用于特殊的 RFID 事件模式, 如在事件間隔或否定事件(即不可能發(fā)生的事件)間隔上具有時間約束的事件序列。此外, Brenna等人提出了 Cayuga 系統處理發(fā)布/訂購系統中的復雜事件。Cayuga 語言與 RFID 數據管理系統所要求的語言表達類似。它可以處理多種類型的復雜事件, 包括 Kleene 閉包模式序列。然而, Ca-yuga 不支持兩個連續(xù)事件之間的時間間隔的限制。
4、基于流數據的模式識別
      根據系統要求, 在EPCIS中, 不同實施方案的過濾規(guī)則是不相同的。EPCIS 可根據其中的過濾規(guī)則忽略規(guī)定時間窗口內的相同標簽的信息。通過設置“忽略”時間窗口, 可降低標簽被漏讀的概率, 而時間窗口長度的設置對盡可能多地捕獲標簽至關重要。如果時間窗口設置得太長, EPCIS 可能會忽略對很多標簽的識讀并嚴重影響識讀速度。如果時間窗口設置得太短, 將產生多個事件記錄。為保證捕獲標簽的概率, 項目組決定減少“忽略”時間。
    在NDP項目實踐期間, 項目組對不同的窗口時間值進行了反復實驗。不采用 過濾規(guī)則的情況下, 在1s內最多能對一個標簽(周圍有100個標簽)記錄18個閱讀事件。對EPC 數據流的研究發(fā)現, 同一標簽在同一秒內被多次讀數, 即同一標簽的兩個讀數事件發(fā)生的時間間隔為零。這個過程不會對數據的記錄過程造成較大
影響, 但對已經處理過的數據不利。
     因此, 基于RFID數據管理系統的查詢, 應能夠識別復雜事件模式。給定查詢條件下的查詢輸出結果為對應事件的事件模式。查詢的執(zhí)行過程是對網絡上的 RFID 數據流進行搜索。事件模式有多種表示形式, 如聯合、關聯、集群、序列事件, 或原始事件之間的依賴關系。RFID 數據流的模式識別主要有以下性質:
    1)數據處理的速度必須比數據的到達速度快。因此, 模式識別算法只對數據進行一次掃描。復雜事件模式的構造必須穩(wěn)定, 以避免重復掃描舊數據。
    2)為保證事件處理過程中事件模式的統計意義, 必須有足夠多的數據。
    3)算法必須能夠應對模式的變化-一發(fā)現的模式可能會隨時間的變化而改變。換句話講, 確定的模式才是真正的模式。因此, 系統必須能夠不斷地監(jiān)視數據流的變化。