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

2、ID路徑數(shù)據(jù)壓縮方面,由于RFID路徑數(shù)據(jù)的時空特性,以路徑數(shù)據(jù)的EPC碼作為鍵值從地點和時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,將可擴展標記語言中的重復(fù)分配素數(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)上對素數(shù)分配策略進行了改進,每條路徑的編碼可以用該路徑上的最后一個位置的編碼來表示。對RFID數(shù)據(jù)整體路徑信息壓縮時,提出了一種基于字典壓縮的R-LZW算法,該算法對閾

3、值判斷方法進行了改進。
　　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)對路徑進行閉包檢查。并在優(yōu)化算法時利用衰減因子動態(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)對算法進行驗證,通過實驗驗證了 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行壓縮存儲。在路徑頻繁模式挖掘中 PathMining算