论文部分内容阅读
语义物联网作为较新的研究领域是对物联网的一个扩展,其特点是在使用语义技术消除数据异构的基础上,能结合丰富的知识进行语义查询、推理。传感器网络作为语义物联网的基础设施,实时、持续地产生高度动态的数据,为了能良好地表达和处理这种动态数据,RDF流数据以及相应的RDF流处理技术被提出。目前的RDF流处理大多是在扩展了 SPARQL查询的基础上对RDF流数据进行持续地查询处理,但如何在RDF流数据查询的基础上分析、识别其中蕴含的时间、因果关系,即以事件驱动的角度进行更高层次地处理还较少涉及,本文主要针对这一问题进行研究。本文阐述了已有的RDF流处理技术和基于RDF流处理技术的语义复杂事件处理方法,在此基础上,首先提出了基于RDF流的复杂事件处理框架RCEP。然后对RCEP中使用到的事件本体进行建模,在建模过程中考虑了事件模式的特点,并结合使用了现有的SSN本体,使得构建的事件本体具有良好地可表达性;在用户自定义事件过程中,根据用户的设置和传感器本体中的元数据选择合适的传感器;在RDF流处理上,选择Sparkwave作为RDF流处理工具,针对其RETE网络结构不够优化这一问题进行改进,即在RETE网络构建过程中根据事件模式的子图的过滤能力这一因素决定其在RETE网络中的连接顺序,以此达到减少连接比较次数和内存占用的目的。在Sparkwave的RDF流推理过程中,为减少推理所用时间,根据事件模式选择性地从本体中加载背景知识。最后对RCEP的各个模块依据文中提出的方法进行设计与实现。为了验证本文中提出的方法对Sparkwave的改进效果,对比分析了改进后的Sparkwave和原Sparkwave在吞吐量和内存占用上的情况。实验证明,使用本文改进的Sparkwave能够有效地适用于复杂事件的检测。