CN102932962A

CN102932962A - 用于仓库监控的数据融合的wsn和rfid异构网络

Info

Publication number: CN102932962A
Application number: CN2012104010658A
Authority: CN
Inventors: 陈力军; 杨阳; 莫志刚
Original assignee: Nanjing University
Current assignee: Nanjing University
Priority date: 2012-10-22
Filing date: 2012-10-22
Publication date: 2013-02-13

Abstract

本发明提出了一种用于仓库监控的数据融合的WSN和RFID异构网络。通过建立一种动态的数据模型，该数据模型可以实现将RFID的设备识别能力和WSN的环境感知能力充分结合，完整的展现仓库环境下物体的状况。首先将仓库的物理空间划分成若干区域，每个区域标上特定的标示符，然后在需要监控的物体上贴上RFID标签，并在其周围部署若干Sensor节点，这样通过物理空间上的联系定义逻辑上的联系。通过建立若干数据库，这些数据库可以完整的描述数据管理需求，并且在数据库中引入了若干动态属性使得数据库具有动态特性。本发明实现了RFID和传感器网络在无硬件改变条件下的融合，充分的将RFID的设备识别能力和WSN的环境感知能力结合起来。

Description

用于仓库监控的数据融合的WSN和RFID异构网络

技术领域：

本发明涉及无线传感器（WSN）网络和射频识别（RFID）网络的融合的方芳芳，具体说是一种用于仓库监控的WSN和RFID异构网络融合方法，用集中式的方法解决了两种网络的联合信息查询功能。

背景技术：

异构网络的融合技术是物联网的一个重要的研究课题。近几年这个问题得到了人们越来越多的重视。其中WSN和RFID的融合问题更是一个热门课题。也是一个非常重要的课题。目前WSN和RFID的融合问题一共有四种方式。第一种方式是在RFID标签上加入传感器的一些感测功能，RFID标签数据和传感器数据的传输都用的是RFID的传输协议和机制。例如Class 1 Generation 2 UHF就是这种机制（EPCglobal, “Class 1 Generation 2 UHF Air Interface Protocol Standard,” Version 1.0.9, 2005.）。协议指定了标签内存中哪些地方是用于存放感知数据的。阅读器从读到的数据中提取出感知数据。第二种方式是将RFID标签和传感器集成。和第一种方式不同的是在这种方式中，***将RFID集成在传感器内，所有的传感器都有RFID标签的功能，也就是说所有的RFID都有相互之间的通信功能。明显比第一种灵活性更大。但是问题也很明显，RFID标签的成本急剧增加。CoBIs标签用的就是这种方式（J. Collins, BP Tests RFID Sensor Network at U.K.Plant, http://www.rfidjournal.com/article/articleview/2443/1/1/ 21 June 2006.）。每个标签上集成了各种传感器，成为一个“超级标签”。这些标签相互之间可以形成一个Ad-Hoc网络。第三种方式是在RFID阅读器上集成RF收发器，使得RFID阅读器可以直接和传感器节点、其他无线装置进行通信。在论文（C. Englund, and H. Wallin, “RFID in Wireless Sensor Network,” Technical Report, Department of Signals and Systems, CHALMERS UNIVERSITY OF TECHNOLOGY, Sweden, April 2004.）中，作者就提出了这样的设想，将一个RFID阅读器和一个RF收发器连接，并且这个收发器具有路由功能，这样通过阅读器之间的通信，以及阅读器与传感器节点之间的通信，可以实现数据的融合。最后一种方法是一种通过软件的方法建立RFID和传感器节点的联系。在论文（L. Zhang, and Z. Wang, “Integration of RFID into Wireless Sensor Networks: Architectures, Opportunities and Challenging Problems”, Proceedings of the Fifth International Conference on Grid and Cooperative Computing Workshops (GCCW'06), 2006.）中，作者将整个网络分成3层，第一层成为smart station，这一层的设备没有能量限制，包括RFID阅读器，数据处理器和网络接口。第二层和第三层的就是普通的RFID标签和传感器节点。Smart station负责将第二层和第三层的数据收集后存放到smart station, smart station将数据通过互联网传送到用户的客户端。

以上这四种方法总的来说前两种实现了真正的 RFID和传感器网络之间的通信，但是一个严重的缺陷就是太昂贵。第四种完全通过一个集中式的服务器建立RFID和传感器节点的通信。第三种方法算是一种折中，也需要对硬件进行些微的改动。随着物联网的发展，传感器和RFID标签必定要进行大范围的应用，在这样的情况下，成本就是一个必须考虑的问题。以上RFID和传感器节点的融合技术各有优劣，第四种方法无疑是最便宜的方法，但需要在软件方面有所创新，目前虽有一些这方面的成果，但是都是针对某些特定需求进行的设计。我们以仓库管理作为研究场景，对这种方法进行了全方位的探索和研究，特别是RFID和传感器的软通信进行了研究，取得了***的成果。我们的创新表现在两个方面，第一，我们将WSN和RFID网络结合起来设计了一个完整的***，在该***中，无线传感器网络的环境感知能力和RFID的物体识别能力完美的结合在了一起。在以前的***中虽然有类似的仓储监控***，但能将两者融合应用的***很少，大多是侧重某一方面，我们的***是真正的能做到了解到每一个物品的当前状态。第二，我们的融合方法将对硬件的要求降到了最低，没有必要对RFID和传感器节点进行任何硬件改变，只需要依据一定的逻辑建立各种联系，最终通过软通信，我们就可以做出许多查询应用。

发明内容：

本发明所要解决的问题，在于克服现有技术存在的缺陷，提供一种用于仓库监控的数据融合的WSN和RFID异构网络。将WSN和RFID网络结合起来设计了一个完整的***，在该***中，无线传感器网络的环境感知能力和RFID的物体识别能力结合在了一起。

本发明一种用于仓库监控的数据融合的WSN和RFID异构网络，其特征是：所述WSN和RFID异构网络的整体架构如下：

根据仓库的实际物理空间布局和自己想要实现的监控效果，将物理空间划分成若干区域，在各区域中部署RFID阅读器和传感器（Sensor）节点；传感器采集的数据通过无线传输到ARM大节点； ARM大节点通过无线局域网和数据收集终端相连；数据采集终端通过Internet和服务器相连；仓库中的每一个货物均贴有RFID标签；所有货物均以RFID EPC为关键字存储在数据库中；RFID标签和RFID阅读器通信，RFID阅读器通过无线或有线的方式和一个PC相连，并通过该PC将采集到数据放入服务器的数据库中；

建立若干数据表，所述数据表包括实体数据表和实体关系数据表，实体数据表是Reader表，Sensor表，Location表等，实体关系数据表反映实体之间的关系，比如反映RFID阅读器位置的readerlocation表（RFID阅读器和位置关系对应表）、反映RFID标签位置的itemlocation表（RFID标签和位置关系对应表）表等。通过数据表将所有的位置数据和他们之间的关联关系存入表中，形成数据关系网络；

通过上面的步骤后，形成的数据模型还是一个静态的数据模型，因为没有动态的元素，无法了解到网络的实时信息，所以我们引入一些有关时间的动态状态。加入描述时间的时间戳状态Tstart和Tend，还有为了限制数据冗余的Smin，Smax状态，用他们来限制重复数据存入数据库；通过这些动态状态，我们可以将整个数据模型变成一个动态的实时的模型。

本发明相对于现有技术所具有的有益效果，第一，将WSN和RFID网络结合起来设计了一个完整的***，在该***中，无线传感器网络的环境感知能力和RFID的物体识别能力结合在了一起。在以前的***中虽然有类似的仓储监控***，但能将两者融合应用的***很少，大多是侧重某一方面，我们的***是真正的能做到了解到每一个物品的当前状态。第二，我们的融合方法将对硬件的要求降到了最低，没有必要对RFID和传感器节点进行任何硬件改变，只需要依据一定的逻辑建立各种联系，最终通过软通信，我们就可以做出许多查询应用。

附图说明

图1是本发明用于仓库监控的数据融合的WSN和RFID异构网络整体架构示意图。

图2是本发明RFID与传感器网络融合ER图。

图3是拓扑形成算法流程图。

图4是拓扑形成算法界面展示效果图。

具体实施方式

下面结合附图和实施例对本发明做详细说明。

本发明要实现用于仓库监控的WSN和RFID网络的数据融合。这是一个综合问题，我们首先要对网络结构进行设计；其次对数据融合的逻辑进行设计；最后就是对于客户端数据展示算法的设计。

为了对仓库进行全方位的监控，我们需要有一个网络的整体架构。我们设计的网络架构（如图1所示）：

根据仓库的实际物理空间布局和自己想要实现的监控效果，我们将物理空间划分成若干区域。布局时要根据物体的大小，划分区间的大小合理地部署RFID和Sensor节点（即部署若干RFID阅读器和传感器）。这样我们就可以通过物理空间上的联系建立数据逻辑关系上的联系。

传感器采集的数据通过无线传输到ARM大节点。大节点我们采用的ARM9开发板，该开发板通过串口和一个传感器的sink节点相连。Sink节点收集到数据后将数据传到ARM开发板（ARM大节点）上。ARM开发板通过无线局域网和一个数据收集终端相连。数据采集终端通过Internet和服务器相连。在整个仓库里，我们连接了若干RFID阅读器，阅读器的布置能覆盖整个仓库为宜。我们为仓库中的每一个货物贴上RFID标签，并且对整个仓库按照一定的逻辑或者按照RFID阅读器的布局进行分区。这样所有的货物就可以以RFID EPC为关键字存储在数据库中，并且可以知道某个物品的大致位置。RFID标签和RFID阅读器通信，RFID阅读器通过无线有线的方式和一个PC相连，并通过该PC将采集到数据放入中心服务器的数据库中。

在部署中，需要注意以下几个问题：第一，为了便于对RFID标签和RFID阅读器进行定位，需要对部署的区域进行划分和编号，并且在数据库中定义这些区域的编号和他们所对应的描述信息。第二，需要对RFID标签和传感器节点进行合理部署，是为RFID tag和Sensor节点根据其在空间上的联系建立逻辑连接，便于对RFID tag标识的物体进行状态的检测。

（1）对RFID和传感器网络的数据融合方法进行设计。

对网络进行了合理的部署后，我们就可以进行我们数据管理层面的设计了。RFID具有强大的物体标识能力却没有环境感知能力，而Sensor正好相反，我们需要建立一个有效的动态数据模型能充分的利用两者之间的优势，能有效地检测事物以及事物的转换。

在本项目建立的数据模型中：有以下基本实体：

Reader	记录RFID阅读器编号、名称、描述
		Sensor	记录WSN节点编号、名称、描述
Location	记录位置信息（位置地点编号、名称、描述）
		Item	记录标签信息（标签号、分类信息、标签标识物体描述）
Action	记录节点感知数据的类型（编号、描述）

基于以上基本实体：产生了实体间的关系：

readerlocation	记录RFID读写器所处的位置信息
		itemlocation	记录RFID标签所处的位置信息
observation	记录读写器读取标签的情况
		itemsensor	记录标签和节点的绑定情况（某些应用场景需要同时使用RFID标签和节点）
measurement	记录节点感知数据的情况

根据以上基本实体和关系，我们可以建立一个数据模型来对节点数据和标签数据进行管理，然而这样的模型还无法体现出动态的特性，很难满足仓库环境中不断变化的事物，所以我们必须加入动态的元素。为此我们做了以下改进。第一，引进时间参数，具体有1）静态的时间戳我们记为T，它代表某次事件发生的准确时间，如某次measurement事件发生的具体时间Ta。 2）动态的时间戳Tstart，Tend。在一次状态变化的关系中，我们用Tstart、Tend这两个参数来表示时间的起始值和结束值。通过[Tstart，Tend]这样一个区间，我们可以清楚的知道该事件什么时候开始，什么时候结束。第二，我们引进了许多事物发生时的状态信息参数，具体有1）静态参数S：我们用S来记录某次事件发生时附带的状态信息，比如感知环境信息时的具体数值（温度、湿度、加速度等）。2）动态参数Smin，Smax。如果状态信息在某个时间段内是不断变化的，我们就不能只记录起始值和结束值，但是如果我们把每一次变化的结果都进行记录的话，这就导致数据量大量增加（尤其对于某些间隔很短的变化），影响存储和查询的效率。在实际的应用中，我们往往不需要知道这个时间段内的所有值，只需知道它的变化范围即可。因此我们使用Smin，Smax来界定该状态信息的变化范围，从而减少数据存储量，提高查询效率。

结合上面所描述的数据模型，我们可以用一个E-R图清晰地表述我们的模型（见图2）。图中的圆形形状代表了表中的一些动态的状态信息。Tstart和Tend表中的起始时间和截至时间。T代表时间，S代表状态信息。Smax，Smin是我们为了对冗余数据进行过滤而设定的两个参数，只要数据在Smin和Smax之间，我们就不予保存，在这两个数值之外，我们才保存，这样能极大地节省了存储空间。通过这些动态的状态信息我们可以得到一个能够全面反映物理空间环境状况的实时监控***。

借助上面的数据模型，我们可以有效地实现物品跟踪，查询和监控。典型的例子有：

1.物品追踪

1）物品跟踪记录查询

查找item_epc为“001”的物品的位置历史记录：

Q1:SELECT loc_number FROM Item_Location

WHERE (item_epc = 001)

2）物品丢失记录查询：

假设知道某物品的item_epc('002')，需要查找该物品最近一次出现的位置：

Q2:SELECT loc_number, t_start, t_end FROM Item_Location

WHERE (item_epc = 002) AND (t_start =

(SELECT MAX(t_start) AS Expr1 FROM Item_Location AS a

WHERE (item_epc = 002)))

对于某位置'l001'，在前一位置'l002'和某时刻'20120906'，物品完好，查询在'l001'哪些物品可能丢失：

Q3:SELECT item_epc FROM Item_Location AS b

WHERE (loc_number = 'l001') AND (item_epc NOT IN

(SELECT item_epc FROM Item_Location AS a

WHERE (loc_number = 'l002') AND (20120906 <= t_start)))

3）物品识别

查询某个物品'002'是否从'l003'处取出来：

Q4:SELECT * FROM Item_Location

WHERE (loc_number = 'l003') AND (item_epc = 002)

2.物品状态监控

1）物品某个特定点的状态查询

查询物体'003'在位置'l001'时的温度范围：

Q5:SELECT Smin, Smax FROM Item_Location

WHERE (loc_number = 'l001') AND (item_epc = 003)

2）物品某个范围段内的状态查询

查询在时间段[20120903,20120908]存放在'l001'处的物体：

Q6:SELECT item_epc FROM Item_Location

WHERE (loc_number = 'l001') AND ('20120903' <= t_start) AND (t_end <= '20120908')

查询'l001'里温度超过25摄氏度的物体：

Q7:SELECT item_epc FROM Item_Location

WHERE (loc_number = 'l001') AND (Smax >= 25)

3）数据的时间聚集

查询时间段[20120801,20120930]内有多少物体放进了'l001'：

Q8:SELECT COUNT(item_epc) FROM Item_Location

WHERE (loc_number = 'l001') AND ('20120801' <= t_start) AND (t_end <= '20120930')

以上SQL查询语句均已在数据库上进行验证

通过这样的数据模型，我们实现了WSN和RFID网络的融合，不仅大大的利用了两种网络的优势，而且克服了以前方法代价过大的弊病。

网络部署和数据模型建立后，需要把我们的结果呈现给用户，因此我们做了客户端。采用了拓扑数据动态获取，动态呈现技术。由于传感器网络的自组织特点，网络拓扑必然会经常发生变化。本发明***能适应这种变化，每次的拓扑图都是网络的当前最新拓扑图。当用户点击客户端的拓扑信息查看按钮，程序就会请求获取当前最新的拓扑信息。采用负载平衡的CTP路由协议（BCTP协议），是CTP改进的路由协议，在这种协议里，传感器节点最终组织成一个树形结构。所以客户端这边要生成一个树形的网络拓扑需要对接收到的原始数据结构进行解析。服务器端传送过来的原始数据如下所示：

struct topology

{

int type; //消息代码，用于客户端与服务器间通信用

int parent; //父节点号

int id; //本节点ID

};

从上面的原始数据，我们显然是得不到一颗完整的树形拓扑，我们需要对它进行解析。通过Hashtable<Integer, Vector<Integer>>型的变量，用key保存parent，用Vector<Integer>保存所有的子节点，这样我们就可以得到所有的<parent, vector<child>>二元组。然后通过数据结构Queue将所有的节点画在面板上。基本算法流程图3所示。按照本算法最后的效果如图4所示。

Claims

1.一种用于仓库监控的数据融合的WSN和RFID异构网络，其特征是：所述WSN和RFID异构网络的整体架构如下：

根据仓库的实际物理空间布局和自己想要实现的监控效果，将物理空间划分成若干区域，在各区域中部署RFID阅读器和传感器节点；传感器采集的数据通过无线传输到ARM大节点； ARM大节点通过无线局域网和数据收集终端相连；数据采集终端通过Internet和服务器相连；仓库中的每一个货物均贴有RFID标签；所有货物均以RFID EPC为关键字存储在数据库中；RFID标签和RFID阅读器通信，RFID阅读器通过无线或有线的方式和一个PC相连，并通过该PC将采集到数据放入服务器的数据库中；

建立若干数据表，所述数据表包括实体数据表和实体关系数据表，实体数据表包括Reader表、Sensor表、Location表，实体关系数据表反映实体之间的关系，包括反映RFID阅读器位置的readerlocation、反映RFID标签位置的itemlocation表；通过数据表将所有货物的位置数据和他们之间的关联关系存入表中，形成数据关系网络；

加入描述时间的时间戳状态Tstart、Tend和限制数据冗余的Smin、Smax状态，用以限制重复数据存入数据库；通过这些动态状态，可以将整个数据模型变成一个动态的实时的模型。