ZigBee生活輔助系統(tǒng)中的一種數(shù)據(jù)處理方法

梅敏杰，沈蘇彬

(南京郵電大學(xué) 物聯(lián)網(wǎng)學(xué)院，江蘇 南京 210003)

0 引 言

近年來，隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展，智能家居已成為一種必然趨勢(shì)而深入人們的生活。此外，因社會(huì)老齡化的加劇，針對(duì)亟待解決的獨(dú)居老人問題[1]，國(guó)內(nèi)外研究人員設(shè)計(jì)了一系列的老年人生活輔助系統(tǒng)。生活輔助系統(tǒng)為老年人的生活添加一系列的智能化服務(wù)，提高其獨(dú)自生活的能力，并減少他們?cè)诩抑斜豢醋o(hù)的需求。例如在家中安置傳感器，向看護(hù)人員報(bào)告他們的生活狀況和規(guī)律。隨著通信、傳感和處理技術(shù)的飛速發(fā)展，以及老年人口增長(zhǎng)和相應(yīng)看護(hù)費(fèi)用的增加，這種智能化的技術(shù)得到了更加廣泛的應(yīng)用。

ZigBee[2]是一種低功耗、低復(fù)雜度、短距離的無線傳感網(wǎng)絡(luò)技術(shù)，采用IEEE802.15.4標(biāo)準(zhǔn)。其中，IEEE802.15.4定義了物理層和媒體介質(zhì)訪問層。ZigBee聯(lián)盟在此基礎(chǔ)上定義了網(wǎng)絡(luò)層和應(yīng)用層。

從技術(shù)層面講，盡管ZigBee相關(guān)技術(shù)正趨于成熟，但隨著更加深層次的應(yīng)用，也存在著急需解決的問題。由于對(duì)老年人生活觀察需從一個(gè)較為全面的角度進(jìn)行，室內(nèi)環(huán)境和室外環(huán)境的不同，單一的傳感器難以滿足需要[3]。如在通過老人攜帶的傳感器檢測(cè)老人是否有異常的身體和生理狀態(tài)時(shí)，其準(zhǔn)確度會(huì)受到老人所處環(huán)境的干擾，如氣溫，天氣，交通，運(yùn)動(dòng)和移動(dòng)狀態(tài)，導(dǎo)致傳感器對(duì)危險(xiǎn)情況的誤判。而如果將大量傳感器分布到環(huán)境中去，如住處，交通工具和鍛煉場(chǎng)地，大量數(shù)據(jù)就需要被傳遞，并且在遠(yuǎn)程看護(hù)端集中處理，增大了網(wǎng)絡(luò)和遠(yuǎn)程看護(hù)端的工作壓力。所以，就需要考慮將相關(guān)任務(wù)由許多傳感器群組共同完成，并且群組的傳感器需長(zhǎng)時(shí)間保持工作狀態(tài)。在這種情況下，所有傳感器將所采集到的數(shù)據(jù)傳遞給看護(hù)者進(jìn)行集中處理，勢(shì)必造成網(wǎng)絡(luò)負(fù)載和遠(yuǎn)程看護(hù)的工作負(fù)擔(dān)加重。

文中研究通過傳感器群組采集大量環(huán)境相關(guān)的數(shù)據(jù)時(shí)，如何盡可能減輕遠(yuǎn)程看護(hù)者工作量、占用較小網(wǎng)絡(luò)資源，快速有效地對(duì)數(shù)據(jù)進(jìn)行處理，并發(fā)現(xiàn)異常情況。

為了保證網(wǎng)絡(luò)傳輸數(shù)據(jù)的有效性和傳輸數(shù)據(jù)的及時(shí)性，提出了一種新型的數(shù)據(jù)處理架構(gòu)。首先提出了通過危險(xiǎn)系數(shù)函數(shù)來量化ZigBee生活輔助系統(tǒng)數(shù)據(jù)分析結(jié)果的思想。通過合理設(shè)計(jì)數(shù)據(jù)處理架構(gòu)的存儲(chǔ)空間和無效數(shù)據(jù)過濾機(jī)制，為危險(xiǎn)系數(shù)函數(shù)提供了有效的輸入;與此同時(shí)，通過分類器[4]，簡(jiǎn)化了危險(xiǎn)系數(shù)函數(shù)的輸入;并且提出危險(xiǎn)系數(shù)警戒值的概念，為量化的函數(shù)輸出提供了衡量的依據(jù)。

然后將RVNS[5](reduced variable neighborhood search，簡(jiǎn)化變鄰域搜索)算法應(yīng)用到傳感器群組的數(shù)據(jù)分析中，提出了VAR(a variant algorithm of RVNS，簡(jiǎn)化變鄰域搜索的變體算法)，試圖為大數(shù)據(jù)集的實(shí)時(shí)快速處理提供可行的解決方案。通常，RVNS用于求解組合優(yōu)化問題，并且擁有固定的終止條件[5]，而文中根據(jù)危險(xiǎn)系數(shù)函數(shù)，在VAR中為RVNS設(shè)定了新的終止條件。

1 相關(guān)技術(shù)分析

VNS[6](variable neighborhood search，變鄰域搜索)是一種典型的元啟發(fā)式算法，常用于組合優(yōu)化問題。VNS基本思想包括兩部分：構(gòu)造可以系統(tǒng)變化的鄰域和局部最優(yōu)解搜索。其優(yōu)點(diǎn)在于通過求解局部最優(yōu)解使得計(jì)算量減少；同時(shí)，由于存在可以系統(tǒng)變化的鄰域，VNS有效避免了求解全局最優(yōu)解時(shí)因陷入局部混亂而導(dǎo)致最終結(jié)果不理想的情況。

在RVNS中，存在一個(gè)包含所有可能解的解空間S={x1,x2,…,xn}，且初始解x將在該解空間中產(chǎn)生。對(duì)于優(yōu)化問題，如果(任意)x*∈S滿足f(x*)≥f(x)，解x*將被認(rèn)為是新的可行全局最優(yōu)解，其中f(x)為目標(biāo)函數(shù)。相應(yīng)的，對(duì)于一個(gè)全局最優(yōu)解x，就會(huì)有一個(gè)以x為基礎(chǔ)的鄰域結(jié)構(gòu)N(x)。就像x∈S一樣，N(x)是解空間S的子集，即N(x)包含于S。其中，具體的鄰域結(jié)構(gòu)記為Nk(k的值在1到kmax間波動(dòng))，其中k代表整個(gè)鄰域結(jié)構(gòu)被劃分為k個(gè)鄰域。特別的，當(dāng)x是一個(gè)合適的全局最優(yōu)解時(shí)，這k個(gè)鄰域被稱為Nk(x)。通過一系列的矩陣函數(shù)，Nk會(huì)根據(jù)x進(jìn)而組織不同的鄰域結(jié)構(gòu)。

VNS在鄰域中會(huì)調(diào)用相關(guān)的子函數(shù)進(jìn)行局部搜索，進(jìn)而獲得最優(yōu)解，這將導(dǎo)致計(jì)算量的增大[7]。而RVNS通過選取隨機(jī)點(diǎn)作為局部最優(yōu)解，簡(jiǎn)化了這個(gè)機(jī)制?；赗VNS多元啟發(fā)算法，一般用于選址路徑問題?，F(xiàn)將RVNS運(yùn)用到ZigBee傳感數(shù)據(jù)的分析和選擇中，是一次新的嘗試。通過RVNS對(duì)傳感器群組采集到的數(shù)據(jù)進(jìn)行批量分析，可以在環(huán)境參數(shù)較為復(fù)雜和數(shù)據(jù)量較為龐大的情況下，較快地獲得可疑危險(xiǎn)環(huán)境的相關(guān)數(shù)據(jù)。

2 數(shù)據(jù)處理架構(gòu)

數(shù)據(jù)處理架構(gòu)見圖1，可以分為3層，即數(shù)據(jù)收集層、數(shù)據(jù)過濾層和數(shù)據(jù)分析層。

圖1 數(shù)據(jù)處理架構(gòu)

在數(shù)據(jù)收集層，本地服務(wù)器將接收和存儲(chǔ)相關(guān)傳感器采集到的數(shù)據(jù)。數(shù)據(jù)過濾層將根據(jù)VAR的輸入要求，對(duì)采集的數(shù)據(jù)進(jìn)行處理，便于VAR后續(xù)的分析和處理。在數(shù)據(jù)分析層，將采用VAR，通過重構(gòu)鄰域?qū)@些數(shù)據(jù)進(jìn)行分析。

VAR將把一個(gè)較復(fù)雜的危險(xiǎn)系數(shù)函數(shù)視為效用函數(shù)，根據(jù)這個(gè)危險(xiǎn)系數(shù)函數(shù)求解出相應(yīng)的危險(xiǎn)系數(shù)。如果其危險(xiǎn)系數(shù)高出警戒值，將會(huì)向遠(yuǎn)程看護(hù)端發(fā)出報(bào)警信號(hào)，并提供該結(jié)果(危險(xiǎn)系數(shù))相對(duì)應(yīng)的詳細(xì)的數(shù)據(jù)。在此，VAR可以在傳感器群組采集到的數(shù)據(jù)量較大，危險(xiǎn)函數(shù)較為復(fù)雜的情況下，利用RVNS在求解局部最優(yōu)解時(shí)選取隨機(jī)點(diǎn)的特點(diǎn)，提高數(shù)據(jù)的分析效率。

2.1 數(shù)據(jù)接收層

生活輔助系統(tǒng)的監(jiān)控環(huán)境采取分布式傳感器群組架構(gòu)，即將許多傳感器分布在老年人活動(dòng)的環(huán)境中。這些傳感器采集到的數(shù)據(jù)將通過本地網(wǎng)絡(luò)匯聚到本地服務(wù)器進(jìn)行分析[8]。值得注意的是，這里的本地服務(wù)器與遠(yuǎn)程看護(hù)端不同，它可以被看作一個(gè)能與遠(yuǎn)程看護(hù)端實(shí)時(shí)通信，受遠(yuǎn)程看護(hù)端控制，且能被遠(yuǎn)程看護(hù)端訪問的存儲(chǔ)和計(jì)算系統(tǒng)。

生活輔助系統(tǒng)的傳感器可以分為兩類。一類以便攜式傳感器為主，稱之為主傳感器[9]。此類傳感器由老年人隨身攜帶，主要用于隨時(shí)隨地監(jiān)控老年人的各項(xiàng)身體指標(biāo)以及老年人是否有異?；顒?dòng)，例如行動(dòng)速度突然變快或變慢，或傳感器高度突然發(fā)生明顯變化等。

另一類傳感器主要分布在老年人?；顒?dòng)的環(huán)境中，稱之為輔助傳感器[10]。此類傳感器因安置地點(diǎn)不同會(huì)被以不同的環(huán)境參數(shù)初始化，其特點(diǎn)是不會(huì)隨時(shí)觀察老年人的生活狀態(tài)，而是當(dāng)老年人處在此環(huán)境下時(shí)，才會(huì)記錄有意義的傳感數(shù)據(jù)。

數(shù)據(jù)接收層的數(shù)據(jù)接收和本地存儲(chǔ)過程中，主傳感器和輔助傳感器每隔一定的時(shí)間間隔，就會(huì)向本地服務(wù)器發(fā)送最近采集到的數(shù)據(jù)。在傳感器向本地服務(wù)器傳送有意義的數(shù)據(jù)的同時(shí)，還會(huì)為該組數(shù)據(jù)賦予一個(gè)時(shí)間戳。時(shí)間戳的作用是為本地服務(wù)器在接收到這些數(shù)據(jù)時(shí)提供排序的依據(jù)。

本地服務(wù)器緩存的結(jié)構(gòu)可以視為經(jīng)過兩次劃分的類二維數(shù)組結(jié)構(gòu)。第一次劃分可以看作把完整的緩存分為存儲(chǔ)不同時(shí)間段數(shù)據(jù)的存儲(chǔ)區(qū)域。如緩存總共能存儲(chǔ)1天的數(shù)據(jù)，則第一次劃分會(huì)將其按照4個(gè)小時(shí)所接受到的數(shù)據(jù)量分為不同的時(shí)間段。第二次劃分則會(huì)在每個(gè)時(shí)間段內(nèi)根據(jù)時(shí)間單元?jiǎng)澐殖霾煌拇鎯?chǔ)槽位，每個(gè)槽位存儲(chǔ)一個(gè)時(shí)間單元內(nèi)收集到的數(shù)據(jù)。如在上述以4個(gè)小時(shí)劃分的時(shí)間段內(nèi)再以1分鐘為時(shí)間單元，劃分出存儲(chǔ)槽位。

上述兩類傳感器均與本地服務(wù)器通過ZigBee網(wǎng)絡(luò)建立連接。這些ZigBee連接除了在傳遞傳感數(shù)據(jù)的時(shí)候被使用外，還用于同步整個(gè)系統(tǒng)的時(shí)間等工作。在數(shù)據(jù)收集階段和數(shù)據(jù)過濾階段，由于網(wǎng)絡(luò)因素，數(shù)據(jù)并不是按照采集的順序到達(dá)的。其接收順序與時(shí)間戳順序存在明顯差別。這時(shí)，數(shù)據(jù)收集層會(huì)根據(jù)數(shù)據(jù)組內(nèi)的時(shí)間戳，將接收到的數(shù)據(jù)按照采集的時(shí)間戳順序重新排序，并放入相應(yīng)的槽位中。槽位是物理內(nèi)存中一塊連續(xù)的空間，按順序存儲(chǔ)。每一個(gè)槽位會(huì)為每一個(gè)傳感器相應(yīng)地開辟一塊存儲(chǔ)空間，緩存中，許多這樣的槽位組成一個(gè)區(qū)位，而整個(gè)緩存由若干個(gè)區(qū)位組成。

過濾器是一個(gè)功能實(shí)體，可以根據(jù)參數(shù)矩陣中具有代表性的數(shù)據(jù)到相關(guān)數(shù)據(jù)集中進(jìn)行查找，確定有效范圍，并根據(jù)此有效范圍對(duì)變量矩陣中的數(shù)據(jù)進(jìn)行校驗(yàn)，排除誤差較大的數(shù)據(jù)。被存儲(chǔ)的數(shù)據(jù)通過過濾器之后，再經(jīng)過分類器對(duì)數(shù)據(jù)進(jìn)行分類，分離出一部分靜態(tài)數(shù)據(jù)存入數(shù)據(jù)庫(kù)中。

傳感數(shù)據(jù)被傳遞到本地服務(wù)器時(shí)，由于每次傳遞的路徑不可能完全相同，所以這些傳感數(shù)據(jù)并非總是按照時(shí)間順序到達(dá)本地服務(wù)器。一旦這些數(shù)據(jù)被本地服務(wù)器接收，它們首先會(huì)根據(jù)時(shí)間戳指示的順序存入相應(yīng)的緩存區(qū)域，即擁有同樣時(shí)間戳的數(shù)據(jù)會(huì)被存入相同的槽位，且時(shí)間戳上時(shí)間早的會(huì)被存入靠前的槽位。在每個(gè)槽位內(nèi)部，會(huì)為每個(gè)傳感器所對(duì)應(yīng)勘測(cè)的不同數(shù)據(jù)分配一段存儲(chǔ)空間。當(dāng)一個(gè)槽位中所需的所有傳感數(shù)據(jù)均已經(jīng)被接收時(shí)，則表明該槽位已經(jīng)具備了進(jìn)入數(shù)據(jù)過濾層的條件。

此外，當(dāng)所有緩存空間幾乎被傳感數(shù)據(jù)占滿后，一部分緩存中存儲(chǔ)的數(shù)據(jù)必須被丟棄，以便接收新的傳感數(shù)據(jù)。文中采用的緩存清理機(jī)制是將緩存中最早的一個(gè)時(shí)間段內(nèi)的所有數(shù)據(jù)移動(dòng)到本地服務(wù)器的數(shù)據(jù)庫(kù)中，以方便必要時(shí)的查找和調(diào)用。

2.2 數(shù)據(jù)過濾層

根據(jù)前文描述，本地服務(wù)器緩存的每個(gè)槽位內(nèi)部又針對(duì)每個(gè)傳感器所采集的不同數(shù)據(jù)被劃分成若干個(gè)獨(dú)立的內(nèi)存空間。經(jīng)過數(shù)據(jù)收集層，相應(yīng)的數(shù)據(jù)已經(jīng)被存入緩存中。其中，主傳感器采集的傳感數(shù)據(jù)形成危險(xiǎn)系數(shù)函數(shù)的自變量矩陣，記為：

其中，i表示i組主傳感器的傳感數(shù)據(jù)，1,2,…,n表示同一組在不同采集時(shí)間點(diǎn)采集到的傳感數(shù)據(jù)。同時(shí)，輔助傳感器采集到的傳感數(shù)據(jù)會(huì)形成參數(shù)矩陣，記為：

其中，j表示j組由不同的輔助傳感器采集到的傳感數(shù)據(jù)，1,2,…,n表示同一組在不同采集時(shí)間點(diǎn)采集到的傳感數(shù)據(jù)。如果將自變量矩陣S和參數(shù)矩陣P進(jìn)行組合，就可以得到危險(xiǎn)系數(shù)函數(shù)的輸入，共由i+j個(gè)在同一時(shí)間點(diǎn)采集到的傳感數(shù)據(jù)組成。

當(dāng)數(shù)據(jù)整合完成之后，需要意識(shí)到，只可能在理想狀況中才能保證所有采集數(shù)據(jù)百分之百的準(zhǔn)確度。在實(shí)際情況中，輸入集合中可能會(huì)參雜一些由于網(wǎng)絡(luò)原因而導(dǎo)致錯(cuò)誤的數(shù)據(jù)。對(duì)于這些數(shù)據(jù)，如果只進(jìn)行獨(dú)立的分析可能難以分辨出其是否有效，因此，文中在這里添加了一個(gè)過濾器，對(duì)數(shù)據(jù)的準(zhǔn)確度進(jìn)行判斷。同時(shí)，引入一個(gè)相關(guān)數(shù)據(jù)集，作為數(shù)據(jù)準(zhǔn)確度判斷的依據(jù)。

相關(guān)數(shù)據(jù)集存有大量主傳感器和輔助傳感器所采集到的歷史數(shù)據(jù)，其維護(hù)和更新由遠(yuǎn)程看護(hù)端完成。如圖2中的過濾層所示，過濾器將某一時(shí)刻的數(shù)據(jù)集中，選取有代表性的場(chǎng)景參數(shù)，并依據(jù)這些場(chǎng)景參數(shù)，在相關(guān)數(shù)據(jù)集中尋找該場(chǎng)景下的數(shù)據(jù)有效范圍。根據(jù)這個(gè)范圍，進(jìn)入自變量矩陣尋找所采集到的數(shù)據(jù)是否在這個(gè)有效范圍內(nèi)。通過這個(gè)過濾器，可以在一定程度上避免無效數(shù)據(jù)對(duì)結(jié)果造成的干擾。

圖2 數(shù)據(jù)過濾層

同時(shí)，在實(shí)際應(yīng)用中，傳感器在傳回相關(guān)傳感數(shù)據(jù)的同時(shí)，還會(huì)回饋一些反映自身工作狀態(tài)的數(shù)據(jù)。因此，數(shù)據(jù)采集層采集到的數(shù)據(jù)就可以分為反映傳感器自身工作狀態(tài)的靜態(tài)數(shù)據(jù)和反映老人生活狀態(tài)的動(dòng)態(tài)數(shù)據(jù)流。如果將這兩種數(shù)據(jù)都當(dāng)作危險(xiǎn)系數(shù)函數(shù)的輸入而長(zhǎng)時(shí)間的保存在緩存中，一方面會(huì)提高危險(xiǎn)系數(shù)函數(shù)的復(fù)雜度，另一方面還會(huì)占據(jù)緩存空間。

為了解決這一問題，在這里設(shè)計(jì)了一個(gè)分類器，經(jīng)過過濾器過濾后的有效數(shù)據(jù)將進(jìn)入分類器進(jìn)行分類。分類器包含了靜態(tài)數(shù)據(jù)特征庫(kù)，數(shù)據(jù)流特征庫(kù)和學(xué)習(xí)機(jī)制。通過將數(shù)據(jù)與特征庫(kù)進(jìn)行對(duì)比，靜態(tài)數(shù)據(jù)和數(shù)據(jù)流得以區(qū)分。對(duì)于靜態(tài)數(shù)據(jù)，分類器會(huì)將其直接從緩存中移入數(shù)據(jù)庫(kù)，作為日后維護(hù)的數(shù)據(jù)源，同時(shí)釋放其占用的緩存。而數(shù)據(jù)流將繼續(xù)存儲(chǔ)在緩存中，作為危險(xiǎn)系數(shù)函數(shù)的輸入。其中，來自主傳感器的自變量矩陣S將被作為VAR的解空間，而來自輔助傳感器的參數(shù)矩陣P將為解空間提供相應(yīng)的參數(shù)。除此之外，由于學(xué)習(xí)機(jī)制的存在，特征庫(kù)的數(shù)據(jù)可以根據(jù)情況被實(shí)時(shí)更新，以持續(xù)獲得更加準(zhǔn)確的分類結(jié)果。

在此基礎(chǔ)上，數(shù)據(jù)過濾層將參考相關(guān)數(shù)據(jù)集，根據(jù)主傳感器的某一組數(shù)據(jù)的取值，為解空間進(jìn)行等級(jí)劃分。由于所有解空間的數(shù)據(jù)都會(huì)被視為VAR效用函數(shù)的輸入，所以算法的準(zhǔn)確度并不會(huì)由于選劃分等級(jí)的依據(jù)不同而產(chǎn)生變化。利用相關(guān)數(shù)據(jù)集中該組數(shù)據(jù)的最大值和最小值，就可以進(jìn)行等級(jí)的劃分。則每個(gè)等級(jí)的數(shù)據(jù)集的上下限分別為：

其中，x表示當(dāng)前等級(jí)數(shù)，總等級(jí)數(shù)為X，M和N為數(shù)據(jù)集的上限和下限，L(x)min和L(x)max分別表示當(dāng)前等級(jí)數(shù)據(jù)集的下限和上限。

因此，每當(dāng)緩存中的一個(gè)槽位存入相應(yīng)的數(shù)據(jù)，這些數(shù)據(jù)就會(huì)被劃分進(jìn)一個(gè)相應(yīng)的等級(jí)，而這種等級(jí)劃分將會(huì)作為構(gòu)造鄰域或重構(gòu)鄰域時(shí)的依據(jù)。

2.3 數(shù)據(jù)分析層

本節(jié)將描述VAR如何進(jìn)行數(shù)據(jù)的分析。首先，分析了危險(xiǎn)系數(shù)函數(shù)的設(shè)計(jì)思想；之后，將詳細(xì)討論VAR如何進(jìn)行數(shù)據(jù)分析，以及相關(guān)細(xì)節(jié)環(huán)節(jié)的設(shè)計(jì)；最后進(jìn)行仿真實(shí)驗(yàn)。

2.3.1 危險(xiǎn)系數(shù)函數(shù)

危險(xiǎn)系數(shù)函數(shù)是一個(gè)以主傳感器的傳感數(shù)據(jù)為自變量，輔助傳感器的傳感數(shù)據(jù)為參數(shù)的反映老年人在某種環(huán)境下的某個(gè)動(dòng)作、行為或生理狀態(tài)的危險(xiǎn)程度的復(fù)雜函數(shù)體，記為：

R=f(x1,x2,…,xi|p1,p2,…,pj)

其中，x1,x2,…,xi表示某一時(shí)間點(diǎn)i個(gè)主傳感器采集到的傳感數(shù)據(jù)，p1,p2,…,pj表示相應(yīng)時(shí)間點(diǎn)輔助傳感器采集到的傳感數(shù)據(jù)。兩者組合成危險(xiǎn)系數(shù)函數(shù)的輸入。

危險(xiǎn)系數(shù)函數(shù)的設(shè)計(jì)依據(jù)是醫(yī)學(xué)臨床數(shù)據(jù)和不同環(huán)境中各個(gè)元素的作用。其設(shè)計(jì)的核心思想是利用輔助傳感器所收集到的環(huán)境參數(shù)確定環(huán)境對(duì)主傳感器所收集到的數(shù)據(jù)的影響，并且在這種情況下，對(duì)主傳感器所收集到的數(shù)據(jù)進(jìn)行評(píng)判[11]。

危險(xiǎn)系數(shù)函數(shù)輸出是一個(gè)閾值，當(dāng)閾值越大時(shí)，老人相應(yīng)狀態(tài)的危險(xiǎn)程度越高。當(dāng)危險(xiǎn)系數(shù)增大到一定程度時(shí)，就會(huì)向遠(yuǎn)程看護(hù)者報(bào)警。稱發(fā)出報(bào)警信號(hào)的界限為危險(xiǎn)系數(shù)警戒值，記為Rth。例如，如果閾值的范圍是[0，100]，危險(xiǎn)系數(shù)警戒值Rth是90，那么由函數(shù)計(jì)算出的閾值在[0，90]的范圍內(nèi)時(shí)，認(rèn)為老人處于正常的生活狀態(tài)，而當(dāng)閾值大于90時(shí)，將認(rèn)為老人處于危險(xiǎn)狀態(tài)，向遠(yuǎn)程看護(hù)者報(bào)警。

在數(shù)據(jù)處理架構(gòu)中，危險(xiǎn)系數(shù)函數(shù)將被作為VAR的效用函數(shù)。因?yàn)槲ｋU(xiǎn)系數(shù)函數(shù)本身較為復(fù)雜，而主傳感器所收集的數(shù)據(jù)又需要經(jīng)過此函數(shù)才能得出最終的危險(xiǎn)系數(shù)推斷，所以選擇一個(gè)合適的算法對(duì)數(shù)據(jù)進(jìn)行此類較為復(fù)雜的計(jì)算分析就顯得非常重要。文中利用RVNS隨機(jī)選取局部最優(yōu)解和鄰域的重構(gòu)，在保證準(zhǔn)確度的前提下，提高了分析的效率。

2.3.2 VAR算法

當(dāng)對(duì)原始數(shù)據(jù)的等級(jí)劃分結(jié)束后，VAR會(huì)根據(jù)當(dāng)前全局最優(yōu)解，為RVNS劃分鄰域。具體的說，系統(tǒng)會(huì)隨機(jī)從解空間S中選取初始全局最優(yōu)解(當(dāng)前全局最優(yōu)解)，即某一時(shí)間點(diǎn)主傳感器采集到的數(shù)據(jù){x1,x2,…,xi}，記這個(gè)集合為X。根據(jù)X所在的等級(jí)，記為L(zhǎng)(p)(p∈[1,max])，和其他數(shù)據(jù)相應(yīng)的等級(jí)，構(gòu)造出的鄰域結(jié)構(gòu)為N(X)。如果第i個(gè)采集時(shí)間點(diǎn)所得到的相應(yīng)數(shù)據(jù)所屬等級(jí)為L(zhǎng)(q)(q∈[1,max])，則該組數(shù)據(jù)將被歸入Nk(X)，其中

k=|L(q)-L(p)|

在每一輪RVNS開始前，緩存中的每一組數(shù)據(jù)都會(huì)根據(jù)初始全局最優(yōu)解(當(dāng)前全局最優(yōu)解)X劃分進(jìn)入相應(yīng)的鄰域，且初始全局最優(yōu)解經(jīng)過危險(xiǎn)系數(shù)函數(shù)運(yùn)算后得出的危險(xiǎn)系數(shù)將被記錄。當(dāng)新的一輪RVNS開始后，隨機(jī)從第1個(gè)鄰域N1(X)中選取一組局部最優(yōu)解X'，并記錄X'相關(guān)數(shù)據(jù)經(jīng)危險(xiǎn)系數(shù)函數(shù)運(yùn)算后得到的危險(xiǎn)系數(shù)。如果有X'得出的危險(xiǎn)系數(shù)高于由X得出的危險(xiǎn)系數(shù)，則認(rèn)為X'的相關(guān)數(shù)據(jù)記錄的老年人的生活狀態(tài)或生活環(huán)境，更需要被關(guān)注。此時(shí)，當(dāng)前全局最優(yōu)解X會(huì)被當(dāng)前局部最優(yōu)解X'取代，并在下一輪RVNS開始前，根據(jù)新的全局最優(yōu)解重構(gòu)鄰域。特別的，當(dāng)這個(gè)危險(xiǎn)系數(shù)達(dá)到或超過危險(xiǎn)系數(shù)警戒值時(shí)，表明需要引起遠(yuǎn)程看護(hù)端的足夠重視，系統(tǒng)將會(huì)立即通過公共網(wǎng)絡(luò)向遠(yuǎn)程看護(hù)端報(bào)警。反之，如果由當(dāng)前局部最優(yōu)解X'得出的危險(xiǎn)系數(shù)的值小于當(dāng)前全局最優(yōu)解，則會(huì)進(jìn)入下一個(gè)鄰域繼續(xù)搜索。

RVNS選擇分析的過程與根據(jù)時(shí)間順序進(jìn)行數(shù)據(jù)分析的思想不同。RVNS所選擇的數(shù)據(jù)組并不是按照本地服務(wù)器接收數(shù)據(jù)的順序，而是從可以系統(tǒng)變化的鄰域中隨機(jī)選取[12]。在這種情況下，當(dāng)計(jì)算相當(dāng)復(fù)雜時(shí)，有更大的機(jī)會(huì)發(fā)現(xiàn)最新的危險(xiǎn)情況。也正是由于數(shù)據(jù)的選取存在一定的隨機(jī)性，導(dǎo)致有一定的概率會(huì)無法在一輪RVNS分析中就選擇到表示可疑危險(xiǎn)情況數(shù)據(jù)組。

2.3.3 仿真實(shí)驗(yàn)和結(jié)果分析

本節(jié)通過仿真將VAR的性能與FIFO[13]做了對(duì)比。在模擬中，選取了UCI(University of California Irvine)機(jī)器學(xué)習(xí)庫(kù)中被認(rèn)為心律失常的心率數(shù)據(jù)，并以此作為級(jí)別劃分的依據(jù)。為老人行為設(shè)置了兩個(gè)場(chǎng)景：室內(nèi)家庭和室外操場(chǎng)。在這兩個(gè)場(chǎng)景中部署多個(gè)傳感器，來檢測(cè)不同的環(huán)境因素，如溫度、濕度等。VAR的危險(xiǎn)系數(shù)函數(shù)返回一個(gè)閾值，閾值范圍為[1,100],危險(xiǎn)閾值則為90。

本節(jié)共進(jìn)行了兩組對(duì)比仿真。第一組中，在不同的時(shí)間點(diǎn)采集從仿真開始到該時(shí)間點(diǎn)為止所分析出的最大危險(xiǎn)系數(shù)，即危險(xiǎn)系數(shù)函數(shù)的輸出。在該組仿真中，每組數(shù)據(jù)的分析需要花費(fèi)5至10秒鐘，采集時(shí)間點(diǎn)分別為100 s，200 s，300 s，400 s，500 s，600 s，700 s，800 s，900 s，1 000 s，1 100 s，1 200 s。仿真結(jié)果如圖3所示。

圖3 危險(xiǎn)系數(shù)與運(yùn)行時(shí)間

在第二組中，改變每組數(shù)據(jù)的平均分析時(shí)間，觀察數(shù)據(jù)在被分析前的等待時(shí)間。在該組仿真中，每組數(shù)據(jù)的平均處理時(shí)間為5 s～12 s。仿真結(jié)果如圖4所示。

圖4 平均等待時(shí)間與平均處理時(shí)間

從圖3和圖4中可以看出，VAR能在更短的時(shí)間內(nèi)分析出較高的危險(xiǎn)系數(shù)，并且其數(shù)據(jù)等待處理的時(shí)間較短。

由于數(shù)據(jù)處理量較大，其處理時(shí)間大于數(shù)據(jù)到達(dá)間隔[14]。在這種情況下，傳統(tǒng)的FIFO隊(duì)列中的數(shù)據(jù)將越來越多，導(dǎo)致數(shù)據(jù)在被處理前的等待時(shí)間變長(zhǎng)，平均處理時(shí)間增長(zhǎng)較快。而在VAR中，由于數(shù)據(jù)經(jīng)過鄰域重新組織，當(dāng)數(shù)據(jù)采集量增大，平均處理時(shí)間增加平緩：相比于FIFO隊(duì)列，能在更短時(shí)間內(nèi)分析出危險(xiǎn)數(shù)據(jù)，縮短了數(shù)據(jù)的平均等待時(shí)間。

3 結(jié)束語(yǔ)

為了應(yīng)對(duì)未來ZigBee生活輔助系統(tǒng)中大量數(shù)據(jù)的快速分析和處理以及造成的網(wǎng)絡(luò)負(fù)載加重等問題，提出了一種新型的數(shù)據(jù)處理架構(gòu)。此數(shù)據(jù)處理架構(gòu)能在數(shù)據(jù)量較大，計(jì)算較為復(fù)雜的情況下，快速地分析和選擇異常數(shù)據(jù)。同時(shí)，將RVNS引入到數(shù)據(jù)分析和處理領(lǐng)域，通過改變傳統(tǒng)的RVNS終止條件，設(shè)計(jì)一個(gè)適合生活輔助系統(tǒng)遠(yuǎn)程看護(hù)應(yīng)用的數(shù)據(jù)分析算法VAR。在以后的研究中，將重點(diǎn)關(guān)注危險(xiǎn)系數(shù)函數(shù)的設(shè)計(jì)，如何能在保證準(zhǔn)確率的基礎(chǔ)上簡(jiǎn)化危險(xiǎn)系數(shù)函數(shù)。