基于射频识别的供应链路径构建方法

摘要

本发明公开了一种基于射频识别的供应链路径构建方法，主要解决现有技术不能满足实际供应链大规模数据处理需要的问题。其实现步骤是：(1)获取射频识别的原始数据；(2)对原始数据进行去重和乱序处理；(3)在事件序列中取抽样序列，并对抽样序列进行路径构建；(4)取观察序列中的一个eb事件，不断找搜索点，使最终的搜索点在目标区间内，构建观察序列的一条路径；(5)对观察序列中的其它eb事件，重复步骤(4)，直到构建出观察序列的所有路径；(6)重复步骤(3)～步骤(5)，完成整个事件序列的路径构建。本发明能对大规模数据构建供应链路，满足实际供应链大规模数据处理的需要，可用于对货物运输的跟踪。

权利要求

1.一种基于射频识别的大规模数据处理供应链路径构建方法，包括如下步骤：

1)使用射频识别RFID阅读器读取RFID标签获得原始数据；

2)对原始数据进行去重和乱序处理：

2a)阅读器每阅读一个RFID标签就得到一个具有时间属性的原始事件，由所有的原始事件组成的序列构成原始事件序列，称为第一个事件序列；

2b)新建空白事件序列，称为第二个事件序列；

2c)判断第一个事件序列是否为空以及是否遇到外部暂停或终止命令，如果第一个事件序列不为空且未遇到外部命令，则转到步骤2d)，否则终止退出，此时的第二个事件序列即为经过去重和乱序处理得到的最终事件序列；

2d)从第一个事件序列取出一个事件，在第二个事件序列中查询是否已经存在该取出的事件，如果已经存在则抛弃该事件，然后重复步骤2d)，否则执行步骤2e)；

2e)将步骤2d)中从第一个事件序列取出的事件按时间属性值有序插入到第二个事件序列中，转到步骤2c)；

3)按如下步骤对经过去重和乱序处理后的数据进行路径构建：

3a)只针对供应链某一运输环节，不同地点的RFID阅读器读取同一货物的标签时产生两类事件，分别为ea事件和eb事件，即从步骤(2)得到的事件序列只含有ea和eb两类事件，将该事件看作为构成路径的结点；

3b)从事件序列中抽取一段事件序列，即抽样序列，找出抽样序列里的所有eb事件，假设这些事件的个数为n，即被抽出的事件为 i＝1，…，n，找出与eb事件对应的ea事件：i＝1，…，n，把 和 事件对应的结点连接起来形成抽样序列的路径；

3c)计算出货物运输时间Ti(a→b)，运输时间的平均值 ea与eb事件的间隔Li(a→b)，距离调整因子 和事件发生的平均速率Li(a→b)＝Posbi-Posai <3>其中 代表第i个eb事件的发生时间， 代表第i个ea事件的发生时间， 代表第n个ea事件的发生时间， 代表第1个ea事件的发生时间，Posbi代表第i个eb事件在事件序列中的位置，Posai代表第i个ea事件在事件序列中的位置，Posan代表第n个ea事件在事件序列中的位置，Posa1代表第1个ea事件在事件序列中的位置；

3d)取抽样序列右端的一段事件序列，即观察序列，找出观察序列里的所有eb事件，假设这些事件的个数为m个，取一个eb事件，计算该eb事件对应的ea事件的理论发生时间T′a：其中Tb为eb事件的发生时间， 为货物运输时间的平均值；

3e)新建位置指针p，令p指向eb事件所在的位置，将指针p逆事件序列方向移动个位置，指向新的搜索位置s0；

3f) 选 取 ea 事 件 的 时 间 调 整 因 子 Tδ，10ms ≤ Tδ ≤ 100ms，如 果则在此范围内可搜索到ea事件，然后形成观察序列的一条路径，其中T′a为理论时间， 为搜索位置s0对应事件的发生时间， 所处区间[T′a-Tδ，T′a+Tδ]称为目标区间，区间两端分别称为左端子和右端子；

3g)如果 则选择新的距离调整因子 并将指针p按照事件序列方

向移动 个位置，指向新的搜索位置s1，距离调整因子 由式<7>求得，其中 为下取整符号，T′a为理论时间，Tδ为ea事件在时间上的调整因子， 为位置s0对应事件的发生时间， 为事件发生的平均速率；

3h)如果 则选择新的距离调整因子 并将指针p按照逆事件序列

方向移动 个位置，指向新的搜索位置s1，距离调整因子 由式<8>求得，其中 为下取整符号，T′a为理论时间，Tδ为ea事件在时间上的调整因子， 为位置s0对应事件的发生时间， 为事件发生的平均速率；

3i)对于步骤3g)或步骤3h)得到的新的搜索位置s1，如果其发生时间 落在目标区间内，则在此范围内可搜索到ea事件，然后形成观察序列的一条路径，否则执行步骤3g)或步骤3h)不断求出新的搜索点，直到该搜索点的发生时间，落入目标区间内，在目标区间内搜索ea事件，然后形成观察序列的一条路径；

3j)标记已形成路径的事件，开始对观察序列中其它eb事件搜索路径，重复步骤3d)～步骤3i)，直到找出观察序列内所有eb事件对应的ea事件，连接观察序列中每个eb事件及其对应的ea事件的结点形成观察序列的路径；

3k)对于抽样序列和观察序列右侧的事件序列，重复步骤3b)～步骤3j)，直到完成整个事件序列的路径构建。

说明书

基于射频识别的供应链路径构建方法

技术领域

[0001] 本发明属于射频识别技术领域，特别是一种供应链路径构建方法，可用于对货物运输的跟踪。

背景技术

[0002] 目前我国供应链各环节的劳动力成本和设备成本都远远低于发达国家，而整个供应链业务过程的综合成本却大大高于发达国家，其主要原因，就是供应链各环节信息化程度低，造成库存大，运力浪费。

[0003] 面对日趋激烈的全球竞争环境，企业急需利用信息技术将企业内部管理拓展至供应链整合，从采购、生产制造、包装/装卸、仓储、运输、配送/分销、销售到服务，供应链上的业务环节和流程环环相扣，相辅相成而又相互制约。在供应链运作时，企业必须实时、精确地了解和掌握整个供应链上的物流、信息流和资金流的流向和变化。射频识别RFID技术为我们提供了快速、准确地数据采集输入的有效手段，能充分解决目前物流行业中存中的问题，从而建立敏捷而高效的供应链物流系统。RFID所能应用和发挥效应的主要包括：节约人工成本、信息集成更准确、同步计划更有效、增加工作流的协同程度、全新的商业环境。

[0004] 因此，在供应链中采用RFID是供应链管理的发展要求，实际上，由于RFID技术所具备的显著优势，只要有使用数据识别和数据收集的地方，就有RFID技术的用武之地。RFID技术可以为供应链中各个环节提供更新到每分钟的信息，使整个供应链管理变成一个完全透明的快速反应体系，即实现从产品设计，原材料采购，半成品与产成品的生产制造、存储、配送分销、运输，一直到零售，甚至售后服务等的实时监控，随时随地准确的获取诸如种类、制造商、序列号、颜色、尺寸、数量、生产日期、生产地点、到达地以及接收者等产品相关信息，较好的满足了供应链对信息获取和信息处理的需求，极大的提高了自动化程度，大幅度的降低了出错率，显著的提高了供应链的透明度，从而节省了供应链的管理成本。

[0005] 虽然我国供应链中的配送业、零售业、仓储运输业呈现出良好的发展势头，但供应链管理的实施仍然面临着很大的困难，最关键的问题是信息采集，例如货物的跟踪和信息共享、供应链物流管理软件等。目前供应链物流管理系统中普遍采用的信息标识跟踪技术是条码技术，条码技术的种种不足，如1次只读1个条码、数据量有限、环境适应性差、同样商品具有相同的条码等，限制了供应链效率的提高。RFID技术的优势可以弥补条形码等技术的不足，但是RFID技术本身并不具有数据处理能力。特别是供应链中出现的海量数据，普通方法根本无法处理，而先进的复杂事件处理技术能较好地解决这些问题。然而，构建供应链路径是供应链过程中最为复杂的复杂事件，因为货物需要经历完整的供应链才能构成最终路径，时间周期较长，导致产生的数据量巨大。因此，目前并没有很好的构建供应链路径的方法。Eugene Wu等人提出了一种复杂事件处理机制SASE，并给出了适用于一般情况的通用模块，即可以完成从事件序列中查找子序列的功能，该功能可以实现路径的构建，该方法虽然比较简单，但该方法由于没有考虑到实际数据的复杂性，而是直接的使用理想数据，不能很好的符合实际情况，因而其实现的功能有限，仅仅适用于较小规模的数据的路径构建，而不能满足实际供应链大规模数据处理的需要。

发明内容

[0006] 本发明的目的在于克服上述已有技术的不足，提出了基于射频识别RFID的供应链路径构建方法，以扩展构建路径的相关数据，满足实际供应链大规模数据处理的需要。

[0007] 为实现上述目的，本发明提出如下两种技术方案：

[0008] 一.基于射频识别的小规模数据处理供应链路径构建方法，包括如下步骤：

[0009] (1)使用射频识别RFID阅读器读取RFID标签获得原始数据；

[0010] (2)对原始数据进行去重和乱序处理：

[0011] (2a)阅读器每阅读一个RFID标签就得到一个具有时间属性的原始事件，由所有的原始事件组成的序列构成原始事件序列，称为第一个事件序列；

[0012] (2b)新建空白事件序列，称为第二个事件序列；

[0013] (2c)判断第一个事件序列是否为空以及是否遇到外部暂停或终止命令，如果第一个事件序列不为空且未遇到外部命令，则转到步骤2d)，否则终止退出，此时的第二个事件序列即为经过去重和乱序处理得到的最终事件序列；

[0014] (2d)从第一个事件序列取出一个事件，在第二个事件序列中查询是否已经存在该取出的事件，如果已经存在则抛弃该事件，然后重复步骤(2d)，否则执行步骤(2e)；

[0015] (2e)将步骤(2d)中从第一个事件序列取出的事件按时间属性值有序插入到第二个事件序列中，转到步骤(2c)；

[0016] (3)对经过去重和乱序处理后的数据进行路径构建：

[0017] (3a)将步骤(2)得到的事件序列中的每个事件都看作为结点，把同一标签在供应链各个环节产生的事件对应的结点连接起来形成一条路径，该路径的起始结点为首结点，末尾结点为尾结点；

[0018] (3b)在事件序列上按顺序进行扫描，当扫描到的事件对应的结点为尾结点时，记录该点的位置，然后开始倒序扫描寻找同一标签产生的其它事件，这些事件对应的结点依次为次尾结点，再次尾结点，直到找出首结点，得到一条由首结点指向尾结点的路径，将该路径上的所有结点对应的事件标记为已读，下次扫描时直接跳过这些事件；

[0019] (3c)从步骤(3b)记录的对应结点为尾结点的事件处，顺序扫描事件序列，如果事件对应的结点为尾结点，则重复步骤(3b)，否则继续顺序扫描，直到扫描到事件序列的尾端，结束退出。

[0020] 二.基于射频识别的大规模数据处理供应链路径构建方法，包括如下步骤：

[0021] 1)使用射频识别RFID阅读器读取RFID标签获得原始数据；

[0022] 2)对原始数据进行去重和乱序处理：

[0023] 2a)阅读器每阅读一个RFID标签就得到一个具有时间属性的原始事件，由所有的原始事件组成的序列构成原始事件序列，称为第一个事件序列；

[0024] 2b)新建空白事件序列，称为第二个事件序列；

[0025] 2c)判断第一个事件序列是否为空以及是否遇到外部暂停或终止命令，如果第一个事件序列不为空且未遇到外部命令，则转到步骤2d)，否则终止退出，此时的第二个事件序列即为经过去重和乱序处理得到的最终事件序列；

[0026] 2d)从第一个事件序列取出一个事件，在第二个事件序列中查询是否已经存在该取出的事件，如果已经存在则抛弃该事件，然后重复步骤2d)，否则执行步骤2e)；

[0027] 2e)将步骤2d)中从第一个事件序列取出的事件按时间属性值有序插入到第二个事件序列中，转到步骤2c)；

[0028] 3)按如下步骤对经过去重和乱序处理后的数据进行路径构建：

[0029] 3a)只针对供应链某一运输环节，不同地点的RFID阅读器读取同一货物的标签时产生两类事件，分别为ea事件和eb事件，即从步骤2)得到的事件序列只含有ea和eb两类事件，将该事件看作为构成路径的结点；

[0030] 3b)从事件序列中抽取一段事件序列，即抽样序列，找出抽样序列里的所有eb事件，假设这些事件的个数为n，即被抽出的事件为 i＝l，L，n，找出与eb事件对应的ea事件： i＝l，L，n，把 和 事件对应的结点连接起来形成抽样序列的路径；

[0031] 3c)计算出货物运输时间Ti(a→b)，运输时间的平均值 ea与eb事件的间隔Li(a→b)，距离调整因子 和事件发生的平均速率

[0032] <1>

[0033] <2>

[0034] Li(a→b)＝Posbi-Posai <3>

[0035] <4>

[0036] <5>

[0037] 其中 代表第i个eb事件的发生时间， 代表第i个ea事件的发生时间， 代表第n个ea事件的发生时间， 代表第1个ea事件的发生时间，Posbi代表第i个eb事件在事件序列中的位置，Posai代表第i个ea事件在事件序列中的位置，Posan代表第n个ea事件在事件序列中的位置，Posa1代表第1个ea事件在事件序列中的位置；

[0038] 3d)取抽样序列右端的一段事件序列，即观察序列，找出观察序列里的所有eb事件，假设这些事件的个数为m个，取一个eb事件，计算该eb事件对应的ea事件的理论发生时间T′a：

[0039] <6>

[0040] 其中Tb为eb事件的发生时间， 为货物运输时间的平均值；

[0041] 3e)新建位置指针p，令p指向eb事件所在的位置，将指针p逆事件序列方向移动个位置，指向新的搜索位置s0；

[0042] 3f)选 取ea 事 件 的 时 间 调 整 因 子 Tδ，10ms ≤ Tδ≤ 100ms，如 果则在此范围内可搜索到ea事件，然后形成观察序列的一条路径，其中T′a为理论时间， 为搜索位置s0对应事件的发生时间， 所处区间[T′a-Tδ，T′a+Tδ]称为目标区间，区间两端分别称为左端子和右端子；

[0043] 3g)如果 则选择新的距离调整因子 并将指针p按照事件序列方向移动 个位置，指向新的搜索位置s1，距离调整因子 由式<7>求得，[0044] <7>

[0045] 其中 为下取整符号，T′a为理论时间，Tδ为ea事件在时间上的调整因子， 为位置s0对应事件的发生时间， 为事件发生的平均速率；

[0046] 3h)如果 则选择新的距离调整因子 并将指针p按照逆事件序列方向移动 个位置，指向新的搜索位置s1，距离调整因子 由式<8>求得，[0047] <8>

[0048] 其中 为下取整符号，T′a为理论时间，Tδ为ea事件在时间上的调整因子， 为位置s0对应事件的发生时间， 为事件发生的平均速率；

[0049] 3i)对于步骤3g)或步骤3h)得到的新的搜索位置s1，如果其发生时间 落在目标区间内，则在此范围内可搜索到ea事件，然后形成观察序列的一条路径，否则与s0点类似，如步骤3g)或步骤3h)不断求出新的搜索点，直到该搜索点的发生时间，落入目标区间内，在目标区间内搜索ea事件，然后形成观察序列的一条路径；

[0050] 3j)标记已形成路径的事件，开始对观察序列中其它eb事件搜索路径，重复步骤3d)～步骤3i)，直到找出观察序列内所有eb事件对应的ea事件，连接观察序列中每个eb事件及其对应的ea事件的结点形成观察序列的路径；

[0051] 3k)对于抽样序列和观察序列右侧的事件序列，重复步骤3b)～步骤3j)，直到完成整个事件序列的路径构建。

[0052] 本发明与现有的技术相比具有以下优点：

[0053] 1、本发明在构建路径之前加入了去重和乱序处理操作，符合实际数据处理的需要。

[0054] 2、本发明提出两种技术方案，分别针对小规模和大规模的数据进行处理，可以自动构建供应链中产生的所有可能的路径，最终可满足实际供应链大规模数据处理的需要，可以追溯货物的整个运输过程，方便判断在运输过程中是否有异常或窜货事件的发生，以及可以追溯货物的原产地。

附图说明

[0055] 图1是本发明基于射频识别的小规模数据处理路径构建方法流程图；

[0056] 图2是本发明基于射频识别的大规模数据处理路径构建方法流程图；

[0057] 图3是本发明的去重乱序处理操作实现流程图；

[0058] 图4是本发明对经过去重乱序处理操作的小规模数据路径构建方法的仿真实验结果图；

[0059] 图5是本发明对理想数据利用大规模数据路径构建方法的仿真实验结果图。

具体实施方式

[0060] 参照图1，本发明基于射频识别的小规模数据处理供应链路径构建方法，包括如下步骤：

[0061] 步骤1：使用射频识别RFID阅读器读取RFID标签获得原始数据，原始数据包括标签epc码，阅读器id码，读取时间t，位置locationid。

[0062] 步骤2：对原始数据进行去重和乱序处理，去重处理主要是为了解决标签epc码重复阅读问题，乱序处理主要是为了解决标签的读取时间与形成事件序列的时间乱序问题，参照图3，其具体实现步骤包括如下：

[0063] (2a)阅读器每阅读一个RFID标签就得到一个具有时间属性的原始事件，由所有的原始事件组成的序列构成原始事件序列，称为第一个事件序列；

[0064] (2b)新建空白事件序列，称为第二个事件序列；

[0065] (2c)判断第一个事件序列是否为空以及是否遇到外部暂停或终止命令，如果第一个事件序列不为空且未遇到外部命令，则转到步骤(2d)，否则终止退出，此时的第二个事件序列即为经过去重和乱序处理得到的最终事件序列；

[0066] (2d)从第一个事件序列取出一个事件，在第二个事件序列中查询是否已经存在该取出的事件，如果已经存在则抛弃该事件，然后重复步骤(2d)，否则执行步骤(2e)；

[0067] (2e)将步骤(2d)中从第一个事件序列取出的事件按时间属性值有序插入到第二个事件序列中，转到步骤(2c)。

[0068] 步骤3：对经过去重和乱序处理后的数据进行路径构建，主要针对小规模数据，其具体实现步骤包括如下：

[0069] (3a)将步骤2得到的事件序列中的每个事件都看作为结点，把同一标签在供应链各个环节产生的事件对应的结点连接起来形成一条路径，该路径的起始结点为首结点，末尾结点为尾结点；

[0070] (3b)在事件序列上按顺序进行扫描，当扫描到的事件对应的结点为尾结点时，记录该点的位置，然后开始倒序扫描寻找同一标签产生的其它事件，这些事件对应的结点依次为次尾结点，再次尾结点，直到找出首结点，得到一条由首结点指向尾结点的路径，将该路径上的所有结点对应的事件标记为已读，下次扫描时直接跳过这些事件；

[0071] (3c)从步骤(3b)记录的对应结点为尾结点的事件处，顺序扫描事件序列，如果事件对应的结点为尾结点，则重复步骤(3b)，否则继续顺序扫描，直到扫描到事件序列的尾端，结束退出。

[0072] 参照图2，本发明的基于射频识别的大规模数据处理供应链路径构建方法，包括如下步骤：

[0073] 步骤一：使用射频识别RFID阅读器读取RFID标签获得原始数据，原始数据包括标签epc码，阅读器id码，读取时间t，位置locationid；

[0074] 步骤2：对原始数据进行去重和乱序处理，去重处理主要是为了解决标签epc码重复阅读问题，乱序处理主要是为了解决标签的读取时间与形成事件序列的时间乱序问题，参照图3，其具体实现步骤包括如下：

[0075] 2a)阅读器每阅读一个RFID标签就得到一个具有时间属性的原始事件，由所有的原始事件组成的序列构成原始事件序列，称为第一个事件序列；

[0076] 2b)新建空白事件序列，称为第二个事件序列；

[0077] 2c)判断第一个事件序列是否为空以及是否遇到外部暂停或终止命令，如果第一个事件序列不为空且未遇到外部命令，则转到步骤2d)，否则终止退出，此时的第二个事件序列即为经过去重和乱序处理得到的最终事件序列；

[0078] 2d)从第一个事件序列取出一个事件，在第二个事件序列中查询是否已经存在该取出的事件，如果已经存在则抛弃该事件，然后重复步骤2d)，否则执行步骤2e)；

[0079] 2e)将步骤2d)中从第一个事件序列取出的事件按时间属性值有序插入到第二个事件序列中，转到步骤2c)；

[0080] 步骤3：对经过去重和乱序处理后的数据进行路径构建，主要针对大规模数据，其具体实现步骤包括如下：

[0081] 3a)只针对供应链某一运输环节，不同地点的RFID阅读器读取同一货物的标签时产生两类事件，分别为ea事件和eb事件，即从步骤(2)得到的事件序列只含有ea和eb两类事件，将该事件看作为构成路径的结点；

[0082] 3b)从事件序列中抽取一段事件序列，即抽样序列，找出抽样序列里的所有eb事件，假设这些事件的个数为n，即被抽出的事件为 i＝l，L，n，找出与eb事件对应的ea事件： i＝l，L，n，把 和 事件对应的结点连接起来形成抽样序列的路径；

[0083] 3c)计算出货物运输时间Ti(a→b)，运输时间的平均值 ea与eb事件的间隔Li(a→b)，距离调整因子 和事件发生的平均速率

[0084] <1>

[0085] <2>

[0086] Li(a→b)＝Posbi-Posai <3>

[0087] <4>

[0088] <5>

[0089] 其中 代表第i个eb事件的发生时间， 代表第i个ea事件的发生时间， 代表第n个ea事件的发生时间， 代表第1个ea事件的发生时间，Posbi代表第i个eb事件在事件序列中的位置，Posai代表第i个ea事件在事件序列中的位置，Posan代表第n个ea事件在事件序列中的位置，Posa1代表第1个ea事件在事件序列中的位置；

[0090] 3d)取抽样序列右端的一段事件序列，即观察序列，找出观察序列里的所有eb事件，假设这些事件的个数为m个，取一个eb事件，计算该eb事件对应的ea事件的理论发生时间T′a：

[0091]

[0092] 其中Tb为eb事件的发生时间， 为货物运输时间的平均值；

[0093] 3e)新建位置指针p，令p指向eb事件所在的位置，其坐标为Posb，将指针p逆事件序列方向移动 个位置，指向新的搜索位置s0，s0的坐标newpos0为

[0094] <7>

[0095] 3f)选 取ea 事 件 的 时 间 调 整 因 子 Tδ，10ms ≤ Tδ≤ 100ms，如 果则在此范围内可搜索到ea事件，然后形成观察序列的一条路径，其中T′a为理论时间， 为搜索位置s0对应事件的发生时间， 所处区间[T′a-Tδ，T′a+Tδ]称为目标区间，区间两端分别称为左端子和右端子；

[0096] 3g)如果 则选择新的距离调整因子 并将指针p按照事件序列方向移动 个位置，指向新的搜索位置s1，距离调整因子 由式<8>求得，[0097] <8>

[0098] 其中 为下取整符号，T′a为理论时间，Tδ为ea事件在时间上的调整因子， 为位置s0对应事件的发生时间， 为事件发生的平均速率；

[0099] 3h)如果 则选择新的距离调整因子 并将指针p按照逆事件序列方向移动 个位置，指向新的搜索位置s1，距离调整因子 由式<9>求得，[0100] <9>

[0101] 其中 为下取整符号，T′a为理论时间，Tδ为ea事件在时间上的调整因子， 为位置s0对应事件的发生时间， 为事件发生的平均速率；

[0102] 3i)对于步骤3g)或步骤3h)得到的新的搜索位置s1，如果其发生时间 落在目标区间内，则在此范围内可搜索到ea事件，然后形成观察序列的一条路径，否则与s0点类似，如步骤3g)或步骤3h)不断求出新的搜索点，直到该搜索点的发生时间，落入目标区间内，在目标区间内搜索ea事件，然后形成观察序列的一条路径；

[0103] 3j)标记已形成路径的事件，开始对观察序列中其它eb事件搜索路径，重复步骤3d)～步骤3i)，直到找出观察序列内所有eb事件对应的ea事件，连接观察序列中每个eb事件及其对应的ea事件的结点形成观察序列的路径；

[0104] 3k)对于抽样序列和观察序列右侧的事件序列，重复步骤3b)～步骤3j)，直到完成整个事件序列的路径构建。

[0105] 本发明的效果可以通过以下仿真实验进一步说明：

[0106] 仿真实验1

[0107] 1.1)仿真实验目的

[0108] 设计了一组实验用来说明去重、乱序处理操作对基于射频识别的小规模数据处理供应链路径构建方法的影响；

[0109] 1.2)仿真实验内容

[0110] 实验的运行环境：处理器Intel core E6550，主频2.33GHz，内存1.99GB。仿真工具：visual C++6.0。

[0111] 假设事件序列中包含ea，eb和ec 3种事件，事件类型服从zipf分布。事件属性包括：包括标签epc，事件发生的时间t，事件发生位置locationid。

[0112] 仿真实验1，分为进行去重和乱序处理的路径构建实验和不进行去重和乱序处理的路径构建实验2种情况。对于每种情况，事件规模，即事件序列总长采取1万到10万个，步长为1万个。对10个不同的事件规模进行测试，每个事件规模独立运行10次求平均值。

[0113] 1.3)仿真结果分析

[0114] 对于仿真实验1，其仿真结果如图4，该图4中蓝色的曲线为未去重和乱序处理情况，红色代表去重和乱序处理的情况。当事件规模是10万个时，由图4可以计算出未去重和乱序处理情况每秒处理数据为666条，可形成路径222条，而去重和乱序处理情况每秒处理数据1000条，可形成路径333条。原因是去重操作减少了找到冗余路径的可能，所以可以提高模块处理的速度。

[0115] 对于乱序处理，如某物体应该经过的路径为Nodea→Nodeb→Nodec，但实际采集到的事件序列可能以ea，ec，eb的顺序存在，这样在处理时就会漏检测Nodea→Nodeb→Nodec这条路径，所以对于乱序的处理保证了检测路径的正确性。

[0116] 仿真实验2

[0117] 2.1)仿真实验目的

[0118] 设计了一组实验用来说明基于射频识别的大规模数据处理供应链路径构建方法的性能。

[0119] 2.2)仿真实验内容

[0120] 实验的运行环境：处理器Intel core E6550，主频2.33GHz，内存1.99GB。仿真工具：visual C++6.0。

[0121] 对于仿真实验2，实验开始由理想事件发生器生成ea事件和eb事件，将事件按时间戳顺序有序插入到事件序列中，总共生成1万个ea事件和1万个eb事件，将事件流输入处理模块处理。以1万为步长，直到生成10万个ea事件和10万个eb事件，对10个不同的事件规模测试，每个事件规模独立运行10次求平均值。

[0122] 2.3)仿真结果分析

[0123] 对于仿真实验2，实验结果参照图5。从图5中可以求出即使在事件规模为10万个的地方，处理速度也可以达到每秒3000条，即每秒可以得出3000条路径。

[0124] 本发明在构建路径之前加入了去重和乱序处理操作，符合实际数据处理的需要。

[0125] 本发明提出两种技术方案，分别针对小规模和大规模的数据进行处理，可以自动构建供应链中产生的所有可能的路径，最终可满足实际供应链大规模数据处理的需要，可以追溯货物的整个运输过程，方便判断在运输过程中是否有异常或窜货事件的发生，以及可以追溯货物的原产地。