專利名稱：一種可級聯(lián)的復雜事件處理引擎及列車檢修自動記錄方法
技術(shù)領(lǐng)域：
本發(fā)明屬于復雜事件處理(CEP)技術(shù)領(lǐng)域，尤其是一種可級聯(lián)的復雜事件處理引擎及列車檢修自動記錄方法，該列車檢修自動記錄方法的核心是可級聯(lián)的復雜事件處理引擎，為鐵路系統(tǒng)列車自動化檢修過程提供幫助，可以在無人值守的情況下，自動記錄列車檢修狀態(tài)，提高效率。
背景技術(shù)：
復雜事件處理(CEP)技術(shù)是一種基于事件流的，用于管理信息和構(gòu)建信息系統(tǒng)的新興技術(shù)，將不同系統(tǒng)產(chǎn)生的大規(guī)模、實時數(shù)據(jù)看作不同類型并來自不同事件源的事件，從中發(fā)現(xiàn)復雜的事件模式，幫助企業(yè)在實時環(huán)境中識別威脅、發(fā)現(xiàn)機會，讓企業(yè)能夠即時決策，實現(xiàn)自動化智能操作。不同系統(tǒng)內(nèi)部產(chǎn)生的大規(guī)模事件往往形成事件流，事件表示某一時間發(fā)生了某種情況，單獨的看待流中每一個事件，并不能得到業(yè)務(wù)價值，然而在特定上下文情況下，同時關(guān)注多個事件，可以得到有意義的復雜事件。比如，時態(tài)關(guān)聯(lián)表達事件之間的時序關(guān)系，空間關(guān)聯(lián)表達事件發(fā)展的軌跡，時空共同表達與對象有關(guān)的事件的變化過程， 復雜事件處理技術(shù)就是利用事件屬性之間的關(guān)聯(lián)，通過匹配規(guī)則或代數(shù)操作不斷過濾連續(xù)到達的事件流，來發(fā)現(xiàn)復雜事件。事件流處理關(guān)注事件的實時特性及事件間的時序關(guān)系，傳統(tǒng)的關(guān)系數(shù)據(jù)庫先存儲后查詢的處理方法不能有效地處理流數(shù)據(jù)，形成應(yīng)用系統(tǒng)處理數(shù)據(jù)的瓶頸，因此基于流的復雜事件處理技術(shù)備受關(guān)注。復雜事件處理技術(shù)適用于需要將許多實時數(shù)據(jù)聚集在一起作出響應(yīng)的業(yè)務(wù)場景，涉及的最重要的方面是①復合事件模式的描述和被觀察事件的定義，以供檢測時識別。②事件間關(guān)聯(lián)關(guān)系的識別機制，及在此基礎(chǔ)上確定復雜事件的發(fā)生。復雜事件處理(CEP)技術(shù)發(fā)展迅速，用途廣泛，可以用于交通監(jiān)控、股票交易市場、物流網(wǎng)等多種領(lǐng)域。但是當前復雜事件處理技術(shù)并沒有應(yīng)用在列車檢修出入庫系統(tǒng)中， 也沒有形成統(tǒng)一成熟的技術(shù)標準。目前，記錄列車檢修出入庫狀態(tài)主要采用人工記錄的方式，由工作人員對列車的出入庫狀態(tài)、檢修狀態(tài)進行記錄，耗時費力，容易出錯。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服傳統(tǒng)人工記錄方式所帶來的耗時費力、容易出錯的缺點， 提供了一種可級聯(lián)的復雜事件處理引擎及列車檢修自動記錄方法，該方法能夠?qū)⒍鄠€基本的復雜事件處理引擎以級聯(lián)的形式組成一個復合的復雜事件處理引擎，接收不同的事件源，針對某種特定的檢測規(guī)則最大限度發(fā)揮每個引擎的處理能力，同時能夠在分布式環(huán)境中發(fā)揮復雜事件處理的作用，提高服務(wù)效率。本發(fā)明的目的是通過以下技術(shù)方案來解決的這種可級聯(lián)的復雜事件處理引擎能夠接收底層原始事件，對用戶所提交的查詢規(guī)則生成相應(yīng)的查詢計劃，按照查詢計劃對原始事件進行檢測，將生成的復雜事件報告給上層應(yīng)用；該引擎包括事件預處理模塊、事件壓縮模塊、事件調(diào)度模塊和事件檢測模塊；
所述事件預處理模塊的作用是去除無效事件，平滑和過濾事件，以消除事件序列的錯誤轉(zhuǎn)換。通過借鑒傳統(tǒng)基于SQL查詢模型的ESP數(shù)據(jù)預處理機制，本系統(tǒng)采用管道設(shè)計模式依次對事件進行采集、平滑、過濾、合并、仲裁和格式化。所述事件壓縮模塊通過對事件流本身特點的分析，采用無損壓縮算法，通過建立一個字符串表，用較短的代碼來表示較長的字符串來實現(xiàn)壓縮。通過對事件壓縮減小了在網(wǎng)絡(luò)傳輸中的數(shù)據(jù)量，節(jié)省了帶寬以及傳送延遲。所述事件調(diào)度模塊采用動態(tài)事件優(yōu)先級策略和基于優(yōu)先級的搶占式事件調(diào)度策略，按照事件優(yōu)先級模型為原始事件分配優(yōu)先級，并動態(tài)調(diào)整事件的優(yōu)先級；所述事件檢測模塊集成了奧普拉、葉子和Esper三種不同的檢測模型；所述奧普拉是基于有限狀態(tài)自動機的方法來檢測復雜事件；所述葉子是基于樹的算法來檢測復雜事件；集成的這三種不同的檢測模型，能夠單獨使用或者按照任意的方式進行級聯(lián)。本發(fā)明提出一種基于以上復雜事件處理引擎的列車檢修自動記錄方法，包括以下步驟1)啟動可級聯(lián)的復雜事件處理引擎；2)由用戶選擇二級級聯(lián)的方式，對事件檢測模塊所集成的三個檢測模型進行配置，包括配置接收事件流的端口，發(fā)送復雜事件的地址以及檢測規(guī)則；所述的二級級聯(lián)的方式為由Esper檢測列車入庫和正在檢修兩個復雜事件，由奧普拉檢修列車出庫事件，葉子作為級聯(lián)引擎中的第二級，接收 per和奧普拉檢測到的復雜事件作為輸入事件流，來檢測最終的復雜事件-列車檢修完成，然后將事件報告給上層；3)配置完成后，當代表列車當前狀態(tài)的事件流到達可級聯(lián)的復雜事件處理引擎時，可級聯(lián)的復雜事件處理引擎按照步驟幻中的配置，處理所接收的事件流，以檢測列車入庫、出庫、檢修中和檢修完成的復雜事件，如果引擎成功檢測到所要求的復雜事件，則繼續(xù)步驟4)，如果沒有檢測到，則繼續(xù)對輸入事件流進行檢測；4)將檢測到的復雜事件即列車檢修完成事件輸出，從而完成列車檢修的記錄。上述代表列車當前狀態(tài)的事件流的采集是通過無線射頻技術(shù)實現(xiàn)。上述無線射頻技術(shù)是在列車上設(shè)有RFID標簽，在檢修站設(shè)有RFID標簽讀寫裝置， 所述RFID標簽讀寫裝置將采集到的數(shù)據(jù)傳送給復雜事件處理引擎。本發(fā)明具有以下有益效果由于本發(fā)明的可級聯(lián)的復雜事件處理引擎集成了奧普拉、葉子和Esper三種不同的檢測模型，而該三種不同的檢測模型的特點和性能各異，用戶可以根據(jù)檢測規(guī)則的類型選擇不同的檢測模型或者檢測模型的組合進行檢測，有效提高了檢測效率和靈活性。本發(fā)明的基于可級聯(lián)的復雜事件處理引擎的列車檢修自動記錄方法克服了傳統(tǒng)人工記錄方法所帶來的費時費力、容易出錯的缺點，可以在無人值守的情況下自動檢測列車的各種狀態(tài)，有利于及時對列車進行故障維修，省時省力，不易出錯，使用和配置過程簡單易用。


圖1是可級聯(lián)的復雜事件處理引擎的框架；
圖2是可級聯(lián)的復雜事件處理引擎的結(jié)構(gòu)圖；圖3是可級聯(lián)的復雜事件處理引擎所集成的三種檢測模型；圖4是本發(fā)明的工作流程圖；圖5是本發(fā)明中檢測模型進行級聯(lián)的拓撲結(jié)構(gòu)圖。
具體實施例方式下面結(jié)合附圖對本發(fā)明作進一步說明?？杉壜?lián)的復雜事件處理引擎將不同系統(tǒng)產(chǎn)生的大規(guī)模、實時數(shù)據(jù)看作不同類型并來自不同事件源的事件，從中發(fā)現(xiàn)復雜的事件模式，幫助企業(yè)在實時環(huán)境中識別威脅、發(fā)現(xiàn)機會，讓企業(yè)能夠即時決策，實現(xiàn)自動化智能操作。它能夠接收海量的底層原始事件，對用戶所提交的查詢規(guī)則生成相應(yīng)的查詢計劃，按照查詢計劃對原始事件進行檢測，將生成的復雜事件報告給上層應(yīng)用。該引擎包括事件預處理模塊、事件壓縮模塊、事件調(diào)度模塊和事件檢測模塊，如圖1。其中，事件預處理模塊將引擎所接收到的各種不同類型的原始事件流轉(zhuǎn)換為引擎所能處理的統(tǒng)一類型.其作用是去除無效事件，平滑和過濾事件，以消除事件序列的錯誤轉(zhuǎn)換。通過借鑒傳統(tǒng)基于SQL查詢模型的數(shù)據(jù)預處理機制，本系統(tǒng)采用管道設(shè)計模式依次對事件進行采集、平滑、過濾、合并、仲裁和格式化。事件壓縮模塊通過對事件流本身特點的分析，采用無損壓縮算法，通過建立一個字符串表，用較短的代碼來表示較長的字符串來實現(xiàn)壓縮。通過對事件壓縮減小了在網(wǎng)絡(luò)傳輸中的數(shù)據(jù)量，節(jié)省了帶寬以及傳送延遲。事件壓縮模塊負責對接收到的事件進行解壓， 以及對引擎輸出的復雜事件進行壓縮。事件調(diào)度模塊采用動態(tài)事件優(yōu)先級策略和基于優(yōu)先級的搶占式事件調(diào)度策略，按照事件優(yōu)先級模型為原始事件分配優(yōu)先級，并動態(tài)調(diào)整事件的優(yōu)先級。本引擎利用原始事件的等待時間及采集原始事件的RFID讀寫器信號的強弱兩個因素為事件動態(tài)分配優(yōu)先級。原始事件等待的時間越長，優(yōu)先級就越高，事件等待的時間為當前時間減去事件產(chǎn)生的時間。采集原始事件的RFID讀寫器信號越強，相應(yīng)地，原始事件的優(yōu)先級就越高。事件預處理模塊、事件壓縮模塊、事件檢測模塊、事件調(diào)度模塊之間的相互關(guān)系如圖2所示。系統(tǒng)所接收的輸入事件流，可以是JavaBean類型、XML類型或者Map類型的事件。由事件壓縮模塊對原始事件流進行解壓，然后傳送給事件預處理模塊。由事件預處理模塊對不同類型的原始事件進行預處理，并轉(zhuǎn)換成統(tǒng)一類型的事件之后傳送給事件調(diào)度模塊。事件調(diào)度模塊根據(jù)優(yōu)先級模型給事件分配優(yōu)先級之后傳遞給事件檢測模塊。由事件檢測模塊根據(jù)用戶定義的查詢規(guī)則，對輸入事件流進行查詢，以檢測復雜事件。然后由事件壓縮模塊對產(chǎn)生的復雜事件進行壓縮之后，輸出到用戶指定的地址上。事件檢測模塊集成了奧普拉(Aurora)、葉子(Leafage)和Esper三種不同的檢測模型，如圖3。這三種檢測模型實現(xiàn)的算法不同，性能和使用方法以及檢測語言各異。其中Aurora是基于有限狀態(tài)自動機的方法來檢測復雜事件，它將用戶定義的檢測規(guī)則解析成有限狀態(tài)自動機，利用狀態(tài)的遷移來檢測復雜事件，適合檢測序列事件。同時，它定義了一個自己的檢測語言，使用簡單。Aurora使用事件的發(fā)生時間進行檢測，因此它能夠處理亂序事件。
Leafage是基于樹的算法來檢測復雜事件，它將用戶定義的檢測規(guī)則解析成樹的形式，原始事件是樹的葉子，復雜事件是樹根，從葉子節(jié)點開始對原始事件進行匹配，逐層上報，直到匹配到根節(jié)點時就說明檢測到了復雜事件。它使用XML來定義自己的檢測規(guī)則， 對于用戶來說，只要熟悉XML，就能非常容易的寫出自己的檢測規(guī)則。Leafage同樣使用事件的發(fā)生時間進行檢測，因此它也能夠處理亂序事件。 Esper是一個第三方的開源的復雜事件檢測模型，同樣被封裝在我們的復雜事件處理引擎中。Esper定義了自己的檢測語言，叫做事件處理語言(EPL)，EPL是一種類結(jié)構(gòu)化查詢語言(SQL)語言，功能強大。Esper是使用接收到原始事件的時間進行檢測的，因此它不能處理亂序事件。該復雜事件處理引擎所集成的這三種不同的檢測模型，不僅可以單獨使用，而且可以以任意的方式進行級聯(lián)，將一個檢測模型所檢測的復雜事件遞交給下一個檢測模型作為它的原始事件進行進一步地檢測。通過該引擎所提供的應(yīng)用程序接口，用戶可以很方便地實現(xiàn)檢測模型的級聯(lián)。本發(fā)明提出的一種基于以上復雜事件處理引擎的列車檢修自動記錄方法，包括以下步驟，如圖4 1)啟動可級聯(lián)的復雜事件處理引擎；2)由用戶選擇二級級聯(lián)的方式，對事件檢測模塊所集成的三個檢測模型進行配置，包括配置接收事件流的端口，發(fā)送復雜事件的地址以及檢測規(guī)則；所述的二級級聯(lián)的方式為由Esper檢測列車入庫和正在檢修兩個復雜事件，由奧普拉檢修列車出庫事件，葉子作為級聯(lián)引擎中的第二級，接收Esper和奧普拉檢測到的復雜事件作為輸入事件流，來檢測最終的復雜事件_列車檢修完成，然后將事件報告給上層；3)附有RFID標簽的列車進入檢修站后，由檢修站中設(shè)有的RFID標簽閱讀器對標簽的位置進行采集，將采集到的數(shù)據(jù)發(fā)送給可級聯(lián)的復雜事件處理引擎。該引擎按照步驟 2)中的配置，處理所接收的事件流，以檢測列車入庫、出庫、檢修中和檢修完成等復雜事件， 如果引擎成功檢測到所要求的復雜事件，則繼續(xù)步驟4)，如果沒有檢測到，則繼續(xù)對輸入事件流進行檢測；4)將檢測到的復雜事件即列車檢修完成事件輸出，從而完成列車檢修的記錄。本發(fā)明工作流程中步驟2配置的基本檢測模型之間的級聯(lián)方式如圖5所示。為了實現(xiàn)這種級聯(lián)方式，其中需要對該復雜事件處理弓I擎配置的內(nèi)容有1)首先，對于該引擎所集成的檢測模型Esper，需要配置a)接收事件源的端口，用于接收列車入庫過程中由RFID讀寫器所捕獲的原始事件流；b)接收事件源的端口 2，用于接收列車檢修過程中由RFID讀寫器所捕獲的原始事件流；c)發(fā)送復雜事件的地址，在Esper檢測到所要求的復雜事件時，將產(chǎn)生的復雜事件發(fā)送到指定的地址。依據(jù)圖5中所描述的級聯(lián)方式，該地址應(yīng)該是葉子接收事件源的地址；d)檢測復雜事件的規(guī)則，包括檢測入庫事件的規(guī)則以及檢測檢修中事件的規(guī)則。
2)對于可級聯(lián)的復雜事件處理引擎所集成的檢測模型奧普拉，需要配置a)接收事件源的端口，用于接收列車出庫過程中由RFID讀寫器所捕獲的原始事件流；b)發(fā)送復雜事件的地址，在奧普拉檢測到所要求的復雜事件時，將產(chǎn)生的復雜事件發(fā)送到指定的地址。依據(jù)圖5中所描述的級聯(lián)方式，該地址應(yīng)該是葉子接收事件源的地址； c)檢測規(guī)則，這里指的是檢測列車出庫事件的規(guī)則。3)對于可級聯(lián)的復雜事件處理引擎所集成的檢測模型葉子，需要配置a)接收事件源的端口，用于接收Esper和奧普拉所檢測到的復雜事件作為事件源，其中，為了能夠?qū)崿F(xiàn)級聯(lián)，Esper和奧普拉發(fā)送復雜事件的地址應(yīng)該就是葉子所在的地址及監(jiān)聽的端口；b)發(fā)送復雜事件的地址，在葉子檢測到最終的復雜事件一檢修完成事件時，將這個復雜事件發(fā)送到這個地址，從而報告給上層應(yīng)用。c)檢測規(guī)則，這里指的是檢測檢修完成事件的規(guī)則。
權(quán)利要求
1.一種可級聯(lián)的復雜事件處理引擎，其特征在于，所述復雜事件處理引擎能夠接收底層原始事件，對用戶所提交的查詢規(guī)則生成相應(yīng)的查詢計劃，按照查詢計劃對原始事件進行檢測，將生成的復雜事件報告給上層應(yīng)用；該引擎包括事件預處理模塊、事件壓縮模塊、 事件調(diào)度模塊和事件檢測模塊；所述事件預處理模塊將引擎所接收到的各種不同類型的原始事件流轉(zhuǎn)換為引擎所能處理的統(tǒng)一類型；所述事件壓縮模塊采用無損壓縮算法，通過建立一個字符串表，用短的代碼來表示長的字符串來實現(xiàn)對事件流的壓縮；所述事件調(diào)度模塊采用動態(tài)事件優(yōu)先級策略和基于優(yōu)先級的搶占式事件調(diào)度策略，按照事件優(yōu)先級模型為原始事件分配優(yōu)先級，并動態(tài)調(diào)整事件的優(yōu)先級；所述事件檢測模塊集成了奧普拉、葉子和Esper三種不同的檢測模型；所述奧普拉是基于有限狀態(tài)自動機的方法來檢測復雜事件；所述葉子是基于樹的算法來檢測復雜事件； 集成的這三種不同的檢測模型，能夠單獨使用或者按照任意的方式進行級聯(lián)。
2.根據(jù)權(quán)利要求1所述的可級聯(lián)的復雜事件處理引擎，其特征在于，所述事件預處理模塊還采用管道設(shè)計模式依次對事件進行采集、平滑、過濾、合并、仲裁和格式化。
3.一種基于權(quán)利要求1可級聯(lián)的復雜事件處理引擎的列車檢修自動記錄方法，其特征在于，包括以下步驟1)啟動可級聯(lián)的復雜事件處理引擎；2)由用戶選擇二級級聯(lián)的方式，對事件檢測模塊所集成的三個檢測模型進行配置，包括配置接收事件流的端口，發(fā)送復雜事件的地址以及檢測規(guī)則；所述的二級級聯(lián)的方式為由Esper檢測列車入庫和正在檢修兩個復雜事件，由奧普拉檢修列車出庫事件，葉子作為級聯(lián)引擎中的第二級，接收hper和奧普拉檢測到的復雜事件作為輸入事件流，來檢測最終的復雜事件-列車檢修完成，然后將事件報告給上層；3)配置完成后，當代表列車當前狀態(tài)的事件流到達可級聯(lián)的復雜事件處理引擎時，可級聯(lián)的復雜事件處理引擎按照步驟幻中的配置，處理所接收的事件流，以檢測列車入庫、 出庫、檢修中和檢修完成的復雜事件，如果引擎成功檢測到所要求的復雜事件，則繼續(xù)步驟 4)，如果沒有檢測到，則繼續(xù)對輸入事件流進行檢測；4)將檢測到的復雜事件即列車檢修完成事件輸出，從而完成列車檢修的記錄。
4.根據(jù)權(quán)利要求3所述的列車檢修自動記錄方法，其特征在于，所述代表列車當前狀態(tài)的事件流的采集是通過無線射頻技術(shù)實現(xiàn)。
5.根據(jù)權(quán)利要求4所述的列車檢修自動記錄方法，其特征在于，所述無線射頻技術(shù)是在列車上設(shè)有RFID標簽，在檢修站設(shè)有RFID標簽讀寫裝置，所述RFID標簽讀寫裝置將采集到的數(shù)據(jù)傳送給復雜事件處理弓I擎。
全文摘要
一種可級聯(lián)的復雜事件處理引擎及列車檢修自動記錄方法，所述復雜事件處理引擎能夠接收底層原始事件，對用戶所提交的查詢規(guī)則生成相應(yīng)的查詢計劃，按照查詢計劃對原始事件進行檢測，將生成的復雜事件報告給上層應(yīng)用；該引擎包括事件預處理模塊、事件壓縮模塊、事件調(diào)度模塊和事件檢測模塊。本發(fā)明的基于可級聯(lián)的復雜事件處理引擎的列車檢修自動記錄方法克服了傳統(tǒng)人工記錄方法所帶來的費時費力、容易出錯的缺點，可以在無人值守的情況下自動檢測列車的各種狀態(tài)，有利于及時對列車進行故障維修，省時省力，不易出錯，使用和配置過程簡單易用。
文檔編號G06K17/00GK102156799SQ201110009619
公開日2011年8月17日 申請日期2011年1月17日 優(yōu)先權(quán)日2011年1月17日
發(fā)明者何暉, 侯衛(wèi)鳳, 侯迪, 劉硯清, 常曉佳, 張丹, 段爭爭, 陳娟, 陶斌, 鮑軍鵬, 齊勇 申請人:西安交通大學