基于車聯(lián)網(wǎng)的RFID路徑數(shù)據(jù)壓縮及頻繁模式挖掘.pdf

1、RFID無線射頻識別技術(shù),利用射頻通信實(shí)現(xiàn)非接觸式自動(dòng)識別,可以在運(yùn)動(dòng)過程中快速、高效、安全的識讀和存儲物體信息。車聯(lián)網(wǎng)是RFID的一個(gè)應(yīng)用方面,裝載在車輛上的電子標(biāo)簽被無線射頻RFID識別后提取出車輛的靜動(dòng)態(tài)屬性信息,并對信息進(jìn)行分析利用。對提取出的RFID路徑數(shù)據(jù)進(jìn)行壓縮可以減少存儲數(shù)據(jù)的空間,對 RFID路徑數(shù)據(jù)進(jìn)行頻繁模式挖掘可以了解車輛移動(dòng)的路線狀況以及移動(dòng)的趨勢,輔助相關(guān)的決策過程,便于進(jìn)行交通規(guī)劃設(shè)計(jì)等。
　　在RF

2、ID路徑數(shù)據(jù)壓縮方面,由于RFID路徑數(shù)據(jù)的時(shí)空特性,以路徑數(shù)據(jù)的EPC碼作為鍵值從地點(diǎn)和時(shí)間維度兩方面整合路徑信息。對RFID路徑數(shù)據(jù)的位置信息壓縮時(shí),將可擴(kuò)展標(biāo)記語言中的重復(fù)分配素?cái)?shù)編碼方法MBPrime應(yīng)用到RFID路徑編碼中,是在PrimeLabel編碼方法的基礎(chǔ)上對素?cái)?shù)分配策略進(jìn)行了改進(jìn),每條路徑的編碼可以用該路徑上的最后一個(gè)位置的編碼來表示。對RFID數(shù)據(jù)整體路徑信息壓縮時(shí),提出了一種基于字典壓縮的R-LZW算法,該算法對閾

3、值判斷方法進(jìn)行了改進(jìn)。
　　在RFID路徑頻繁模式挖掘方面,提出兩種方法。第一種是在CloSpan閉序列算法基礎(chǔ)上提出的PathMining算法,對路徑數(shù)據(jù)庫以深度優(yōu)先順序構(gòu)造出可以反映頻繁模式搜索空間的語法序列樹LST,在構(gòu)造序列樹的過程中合并等價(jià)的子樹并刪除候選集合中的非閉合序列完成對LST的剪枝,可以減少不必要的搜索,以適應(yīng)對RFID路徑的頻繁模式挖掘。第二種是通過數(shù)據(jù)流滑動(dòng)窗口挖掘閉序列模式,在IST反序列概念上提出一種

4、ICR-Tree結(jié)構(gòu),該結(jié)構(gòu)通過判斷節(jié)點(diǎn)類型確定路徑是否頻繁,引入二級哈希索引結(jié)構(gòu)對路徑進(jìn)行閉包檢查。并在優(yōu)化算法時(shí)利用衰減因子動(dòng)態(tài)調(diào)整最小支持度,使ICR-Stream算法能夠更加高效的從滑動(dòng)窗口中挖掘出閉序列模式。
　　本文使用模擬數(shù)據(jù)對算法進(jìn)行驗(yàn)證,通過實(shí)驗(yàn)驗(yàn)證了 MBPrime編碼方法能高效的完成對RFID路徑數(shù)據(jù)中位置信息的編碼處理和R-LZW能夠?qū)β窂降娜啃畔⑦M(jìn)行壓縮存儲。在路徑頻繁模式挖掘中 PathMining算