一种用于智能建筑的事件建模和检测管理系统

技术领域

本发明涉及计算机技术，智能建筑、事件检测技术领域，特别涉及一种用于智能建筑的事件建模和检测管理系统。

背景技术

智能建筑起源于上世纪80年代的美国，指的是一座拥有先进的电信、楼宇管理和数据网络服务，为居民提供共享服务的建筑。近几十年来，随着互联网的普及、硬件和物联网解决方案的涌现和软件技术提升，智能建筑获得了丰富复杂的含义，现代建筑管理系统通过集成多样化的模块，允许系统通过传感器动态控制多个信息，以做出提高建筑性能的智能决策。

但是如何过滤和处理来自当前建筑环境的数据，提取有效信息并被处理以指导用户做出正确决策是智能建筑领域一直存在的问题。在这种情况下，出现了不同的策略和方法来处理和解释从MSN(Multimedia Sensor Network，多媒体传感器网络)中获得的数据，如本体论、知识图表、RDF(Resource Description Framework，资源描述框架)等，这些方案虽然促进了用户、系统、应用程序和社区之间数据的定义、处理和重用，但都没有对标量数据、多媒体传感器数据及其底层的检测原子事件等做进一步的拓展。

在智能建筑领域，现有技术是通过物联网实现情境感知，让用户能和室内室外环境交互并管理。管理智能建筑的方法可分为深度学习和本体论方法。深度学习通过卷积神经网络分析与室内和室外温度相关的上下文信息、历史数据集及房间内的人数，根据用户个性化实现智能建筑。本体论方法主要用来管理智能建筑中的能源效率，通过上下文感知，实现在不同情况下的模拟。

在传感器网络建模领域中，研究都是旨在提出一个传感器网络建模的数据模型，开发用于传感器网络建模的本体，以建模一个标量传感器网络。但是，这种本体并不包含任何指定用于建模MSN的基础设施和从中收集的数据的概念或特性，也不支持原子或复杂的事件建模。之后的多媒体数据建模，能对多媒体数据进行语义建模和检索，提供索引和表示的方法。然而，它们不能用于对传感器网络基础设施或事件进行建模，只能用于模拟由静态多媒体传感器或移动传感器产生的多媒体数据。目前流行的复杂事件建模和检测技术，主要关注流数据库上下文，为用户提供一种表示事件的语言，包括基于事件-条件-行动ECA的语言、基于SQL的语言和逻辑语言。主要局限性在于可能使用用户没有语言句法背景，硬学习曲线比较陡峭。

发明内容

本发明的目的旨在至少解决所述技术缺陷之一。

为此，本发明的目的在于提出一种用于智能建筑的事件建模和检测管理系统，可提高智能建筑管理效率、精准识别智能建筑中的事件类型和自动化执行对应解决方案。

为了实现上述目的，本发明的实施例提供一种用于智能建筑的事件建模和检测管理系统，包括：EMiD语言解释器、存储数据库、数据预处理器和事件处理引擎，其中，

所述EMiD语言解释器用于基于物联网系统，获取所述智能建筑中的传感器数据，并结合MSSN-Onto(Multimedia Semantic Sensor Network，多媒体语义传感器网络)，本体(Ontology)提供的定义传感器和事件的语言对所述传感器数据进行处理，以对所述智能建筑中的传感器及其位置特征信息进行建模和定义覆盖的区域，并将处理后的传感器数据发送至所述存储数据库；

所述存储数据库基于M2SSN Onto结构进行数据存储，用于存储智能建筑中传感器的位置信息、传感器网络信息、传感器测量信息、传感器相应事件条件及事件发生信息；

所述数据预处理器用于接收来自物联网系统的传感器数据和来自所述存储数据库的传感器位置信息，采用本体论作为数据管理工具，将每种类型传感器指定特定的处理引擎，收集数据中的信息，利用上下文维度树集成本体论的数据分析并为本体论管理的信息提供上下文感知，贝叶斯网络通过有向无环图模型DAG表示随机变量之间的依赖关系，得到包含依赖节点和独立节点的约束集以表示上下文数据，实现对不同情况下的传感器事件的模拟；

所述事件处理引擎用于检测事件，其中事件是在存储库和本体中预先定义，检测过程在每次接收到来自所述数据预处理器的传感器的测量值时自动运行，允许集成各类传感器的多媒体测量处理引擎，并分离每个传感器发送的信息，其依赖于缓存内存中用于检测和处理事件的结构，以实现报告和相应操作的微服务；当检测到了事件发生，则缓存该发生的事件，并对与该事件相关的活动的微服务进行调用执行，并生成记录事件发生情况的检测报告，存储至所述存储数据库中。

进一步，采用HTTP或HTTPS协议处理网络传感器之间的通信，使用语言自带的URL地址和端点系统，结合所属网络的标识符和传输信息传感器的国际化资源标识符IRI，在不损失每个实例的唯一性的前提下设置通用端点，由传感器收集测量值并定期将不同格式的测量值发送到可用的端点，创建一个连续的传入数据流到所述EMiD语言解释器中进行处理。

进一步，所述存储数据库以RDF三元组的格式对数据进行存储，并遵循M2SSN Onto结构，通过RDFl ib工具进行查询处理RDF格式的信息。

进一步，所述数据预处理器对接收来自物联网系统的实时观测的传感器数据和来自所述存储数据库的传感器位置信息进行预处理，并将处理后的结果发送到系统中，并为每种类型的传感器生成端点URL。

进一步，所述数据预处理器将每种类型传感器指定特定的处理引擎，将每种类型传感器的特定预处理器结合在一起，将与其位置相关联的测量结果，提取出位置坐标，由移动传感器的位置引擎处理，允许根据传感器类型分别流动信息，传感器通过由传感器的IRI和相应端点的地址组成的URL地址向物联网系统发送测量数据，并进一步分发至EMiD语言解释器、存储数据库和事件处理引擎。

进一步，所述事件处理引擎内置有事件缓存系统，所述事件缓存系统设有一个作为缓存的内存区域，用于存储原子事件和复杂事件；其中，先执行所述原子事件的检测，再执行所述复杂事件的检测。

进一步，所述事件处理引擎执行原子事件的检测，包括：所述时间处理引擎接收来自所述数据预处理器的传感器的测量值，并根据从存储数据库获取的预先的定义的事件进行分析，得到每个事件的发生条件，每个所述原子事件均与单个传感器相互联，并至少有一个事件条件通过EMiD语言定义为函数；每当接收到相关传感器的测量值时，则就进行操作评估，判断该传感器的测量值是否符合相应的事件发生条件，如果符合则判断为一个事件的发生。

进一步，所述事件处理引擎执行复杂事件的检测，包括：在执行完原子事件的检测后，根据操作评估结果继续执行复杂事件的检测，负责递归验证复杂事件，复杂事件检测需要验证作为复杂事件一部分的事件对，采用所述事件缓存系统实现；如果在这个级别记录了两个事件的发生，则将复杂事件记录添加到缓存系统中或者复杂事件的生命周期被重置，以确保复杂事件至少存在到组成它们的事件的最后一次检测为止；如果在缓存内存中没有注册复杂事件的任何依赖项，则按照相同的策略跟踪该事件的依赖项；在检测并响应事件之后，将存储在动作定义存储数据库中定义的信息，以便用于实现历史查询。

进一步，所述事件处理引擎在对所述原子事件进行操作评估后，根据操作评估结果结合预先定义的动作，进行本地计算。

进一步，所述事件处理引擎还用于对事件进行预测，将预测结果返回给管理员，以执行增加管理业务建筑能力的操作。

根据本发明实施例的用于智能建筑的事件建模和检测管理系统，具有以下有益效果：

(1)本发明使用基于物联网系统的数据，结合MSSN-Onto多媒体语义传感器网络本体进行拓展，用于建模标量和多媒体传感器数据表示，并通过设计的事件检测系统，检测原子和复杂事件，针对处理后的数据进行推理预测，提供改进特定环境管理的建议，以支持用户管理智能建筑。

(2)本发明可以提高智能建筑管理效率、精准识别智能建筑中的事件类型和自动化执行对应解决方案，从而使得大规模智能建筑的管理易于实现，具有良好的市场前景。

(3)本发明可以显著提高智能建筑系统的管理能力，提升楼宇的“智能化”、“智慧化”，降低物业管理风险及运营成本，应用前景、发展空间和市场价值巨大。

(4)本发明可以实际应用于办公楼智能化系统改造项目，广泛应用于智能建筑管理与运营等场景。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明实施例的用于智能建筑的事件建模和检测管理系统的结构图；

图2为根据本发明实施例的EMiD方法架构示意图；

图3为根据本发明实施例的事件检测和缓存结构示意图。

具体实施方式

下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

本发明提出一种用于智能建筑的事件建模和检测管理系统，基于基于物联网系统的数据，提出了一个事件建模和检测框架，结合MSSN-Onto多媒体语义传感器网络本体，用于建模标量和多媒体传感器数据表示和检测原子和复杂事件，以提供管理建议。下面对MSSN-Onto多媒体语义传感器网络本体进行说明。语义传感器网络(Semantic SensorNetwork，SSN)，MSSN(Multimedia Semantic Sensor Network，多媒体语义传感器网络)，使用语义WEB中的本体(Ontology)对物联网环境中的数据进行语义标注形成以RDF形式表示的三元组知识。

如图1和图2所示，本发明实施例的用于智能建筑的事件建模和检测管理系统，包括：EMiD语言解释器100、存储数据库200、数据预处理器300和事件处理引擎400。

具体的，EMiD语言解释器100用于基于物联网系统，获取智能建筑中的传感器数据，并结合MSSN-Onto提供的定义传感器和事件的语言对传感器数据进行处理，以对智能建筑中的传感器及其位置特征信息进行建模和定义覆盖的区域，并将处理后的传感器数据发送至存储数据库200。

采用HTTP或HTTPS协议处理网络传感器之间的通信，使用语言自带的URL地址和端点系统，结合所属网络的标识符和传输信息传感器的IRI(国际化资源标识符，Internationalized Resource Identifier)，在不损失每个实例的唯一性的前提下设置通用端点，由传感器收集测量值并定期将不同格式的测量值发送到可用的端点，创建一个连续的传入数据流到EMiD语言解释器100中进行处理。

EMiD语言解释器100基于MSSN-Onto提供的一种定义传感器和事件的语言，对其进行了扩展，允许对移动传感器及其位置特征进行建模和定义覆盖的区域。举个例子，为了划分由地理坐标点表示的覆盖区域，添加了一个指令，目的是生成点并将其与位置区域相关联，插入顶点如下所示：

vertex_iri用于识别要创建的顶点，这组点被指定为一对值，随后，需要将这些顶点与想要定义的位置区域关联起来，定义的指令负责将mssn:Location的实例关联到分隔该区域的顶点，以便在需要观测时确定移动传感器的位置。将顶点与位置关联，如下所示：

location_iri是需要定界的位置的标识符。之后，这些指令会被转换为JSON和SPARQL格式。

存储数据库200基于M2SSN Onto结构进行数据存储，用于存储智能建筑中传感器的位置信息、传感器网络信息、传感器测量信息、传感器相应事件条件及事件发生信息。

在本发明的实施例中，存储数据库200以RDF三元组的格式对数据进行存储，并遵循M2SSN Onto结构，通过RDFlib工具进行查询处理RDF格式的信息。RDFlib工具为python上的一个第三方工具包。

由于存储数据库200基于M2SSN Onto结构存储数据，从而可以保存与传感器的动态位置及其相应事件相关的信息。

数据预处理器300用于接收来自物联网系统的传感器数据和来自存储数据库200的传感器位置信息，采用本体论作为数据管理工具，将每种类型传感器指定特定的处理引擎，收集数据中的信息，利用上下文维度树集成本体论的数据分析并为本体论管理的信息提供上下文感知，贝叶斯网络通过有向无环图模型DAG表示随机变量之间的依赖关系，得到包含依赖节点和独立节点的约束集以表示上下文数据，实现对不同情况下的传感器事件的模拟。

参考图2，数据预处理器300可以接收来自温度传感器的温度数据、摄像头的图像数据和智能手机的移动传感数据等传来的物联网数据。需要说明的是，数据预处理器300接收到的数据不限于上述举例，还可以包括其他传感器数据，在此不再赘述。

具体的，数据预处理器300对接收来自物联网系统的实时观测的传感器数据和来自存储数据库200的传感器位置信息进行预处理，并将处理后的结果发送的本发明提供的系统中，并为每种类型的传感器生成端点URL。即，传感器将观测数据实时发送到系统，信息通过数据预处理器，将处理后的结果数据发送到本专利提出的统中，并为每种类型的传感器生成端点URL。

数据预处理器300将每种类型传感器指定特定的处理引擎，将每种类型传感器的特定预处理器结合在一起，将与其位置相关联的测量结果，提取出位置坐标，由移动传感器的位置引擎处理，允许根据传感器类型分别流动信息，传感器通过由传感器的IRI和相应端点的地址组成的URL地址向物联网系统发送测量数据，并进一步分发至EMiD语言解释器100、存储数据库200和事件处理引擎400。其中，移动传感器例如可以位于智能手机内，传感器能够根据自身的能力获得事件发生位置。

数据预处理器300一般通过三种图方法即本体论、上下文维度树和贝叶斯网络来处理数据和构建约束。

(1)本体论是一种旨在从收集的数据中管理知识的工具，其由机器和人之间的“共享词汇”组成，数据通过基本概念及其属性进行描述，概念通过边缘连接来描述层次结构或语义，公式如G

(2)上下文维度树感知集成了本体的数据分析，上下文中包含了有助于描述实体情况的信息，这些信息可以影响用户与系统交互的方式。具体上下文的识别需要定义为5W+1H的方法，然后由根F

(3)贝叶斯网络是一个有向无环图，表示随机变量之间的依赖关系G

事件处理引擎400用于检测事件，其中事件是在存储库和本体中预先定义，检测过程在每次接收到来自数据预处理器300的传感器的测量值时自动运行。它基于一个信息通道系统，允许集成各类传感器的多媒体测量处理引擎，并分离每个传感器发送的信息，其依赖于缓存内存中用于检测和处理事件的结构，以实现报告和相应操作的微服务；当检测到了事件发生，则缓存该发生的事件，并对与该事件相关的活动的微服务进行调用执行，并生成记录事件发生情况的检测报告，存储至存储数据库200中。

在实时检测事件的过程中，为了加快速度，需要实现部分情况的自动化，即如果某些需要立即反应的事件发生，系统就会采取行动。对应的解决方法是让存储在存储库中的定义、传感器和系统端点之间的通信通道及事件处理引擎400协同工作。每个事件都发生在一个给定的时刻，这个时刻在处理触发其发生的度量时被记录下来，然后在缓存中创建相应记录来存储这个检测。检测事件使用了时空操作符重叠，来让系统确定两个事件在时空上下文中是否相关。

计算重叠算子的算法过程如下所述：在时间0检测到event1的发生，事件具有一个LifeTime(LT,生命周期)，在此期间它会保留在缓存中，交给用户决定。算法询问event1是否与其他事件一致，例如时间1处的event2，event1与event2重叠。然后，由于事件停止，两条记录都从缓存中释放，直到检测到独立于event1的另一个事件的发生。

参考图3所示，事件处理引擎400内置有事件缓存系统，事件缓存系统设有一个作为缓存的内存区域，用于存储原子事件和复杂事件。其中，先执行原子事件的检测，再执行复杂事件的检测。Django中的缓存库用于管理系统缓存，该策略是为每个关联事件及其关联LT创建唯一的缓存记录。复杂事件的处理引擎通过缓存运行的方式由隐式形成事件之间关系的结构定义，类似于不一定平衡的二叉树。这种结构是由重叠操作符的二值化产生的，重叠操作符隐式地将高复杂度事件即父节点的依赖性定义为仅仅两个被认为是低复杂度的事件即子节点，叶节点对应于原子事件的发生。然后，每个上层节点对应于复杂事件，依赖关系是它们的子事件，因为这些节点又可以拥有对应于复杂事件的子节点，所以在复杂事件节点间创建了一个层次结构，来让事件结构转换为平衡的二叉树、黑红树等。

事件处理引擎400执行原子事件的检测，包括：时间处理引擎接收来自数据预处理器300的传感器的测量值，并根据从存储数据库200获取的预先的定义的事件进行分析，得到每个事件的发生条件，每个原子事件均与单个传感器相互联，并至少有一个事件条件通过EMiD语言定义为函数。每当接收到相关传感器的测量值时，就会对此功能进行评估，判断该传感器的测量值是否符合相应的事件发生条件，如果符合条件，则被认为是一个事件的发生。

例如，数据预处理器300接收到的传感器测量值包括：图像数据、温度数据和烟雾数据，分别根据对应的事件发生条件进行判断，是否发生事件。图像数据采用面部检测事件条件进行判断，实现面部识别。温度数据采用高温事件条件判断，是否出现高温预警事件。烟雾数据采用烟雾事件条件判断，是否出现烟雾预警事件。

下面以高温事件条件为例进行说明：如果温度传感器在函数中定义的条件大于35，每次系统接收到温度传感器的测量值时，则用条件测量值≥35来计算这个值。如果满足条件，高温事件的发生就会保存在缓存系统中。

事件处理引擎400执行复杂事件的检测，包括：在执行完原子事件的检测后，根据操作评估结果继续执行复杂事件的检测，负责递归验证复杂事件，这个流程与正常检测事件并执行的流程是并行执行的。复杂事件检测需要验证作为复杂事件一部分的事件对，采用事件缓存系统实现。如果在这个级别记录了两个事件的发生，则将复杂事件记录添加到缓存系统中或者复杂事件的生命周期LT被重置，以确保复杂事件至少存在到组成它们的事件的最后一次检测为止。如果在缓存内存中没有注册复杂事件的任何依赖项，则按照相同的策略跟踪该事件的依赖项；在检测并响应事件之后，将存储在动作定义存储数据库中定义的信息，以便用于实现历史查询。事件处理引擎400还用于对事件进行预测，将预测结果返回给管理员，以执行增加管理业务建筑能力的操作。

事件处理引擎400在对原子事件进行操作评估后，根据操作评估结果结合预先定义的动作，进行本地计算。

每个事件都发生在一个给定的时刻，这个时刻在处理触发其发生的度量时被记录下来，然后在缓存中创建相应记录来存储这个检测。检测事件使用了时空操作符重叠，来让系统确定两个事件在时空上下文中是否相关。实际就是拿当前的事件条件、操作评估，和动作定义存储数据库中历史数据做比较，如果都在可接受误差范围内，默认数据库中的之前的动作为有效动作，进行本地计算。

综上，在EMiD的实现上，使用HTTP或HTTPS协议处理网络传感器之间的通信，使用语言自带的URL和端点系统，其可以结合所属网络的标识符和传输信息传感器的IRI，在不损失每个实例的唯一性的前提下设置通用端点。传感器负责收集和定期将不同格式的测量值发送到可用的端点，并创建一个连续的传入数据流到EMiD中进行处理。整个操作流从存储库开始，对应存储格式为RDF三元组，遵循M2SSNOnto的结构，通过RDFli进行查询处理RDF格式的信息。传感器将观测数据实时发送到系统，信息通过数据预处理器300，将处理后的结果数据发送到EMiD中，并为每种类型的传感器生成端点URL。

本体中指出每个传感器的特定处理引擎，并允许根据传感器类型分别流动信息。传感器通过由传感器的IRI和相应端点的地址组成的URL向系统发送测量数据，系统在接收数据后会将数据分发到框架的其他模块。在视图中，提取每个度量的必要信息，并将其发送到处理引擎以处理事件。然后，移动传感器的定位引擎会检测到事件的位置，如果发生了事件检测，则缓存该发生的事件，并对与该事件相关的活动的微服务进行调用执行。最后，发出报告并把发生情况的记录存储在存储库中。

根据本发明实施例的用于智能建筑的事件建模和检测管理系统，具有以下有益效果：

(1)本发明使用基于物联网系统的数据，结合MSSN-Onto多媒体语义传感器网络本体进行拓展，用于建模标量和多媒体传感器数据表示，并通过设计的事件检测系统，检测原子和复杂事件，针对处理后的数据进行推理预测，提供改进特定环境管理的建议，以支持用户管理智能建筑。

(2)本发明可以提高智能建筑管理效率、精准识别智能建筑中的事件类型和自动化执行对应解决方案，从而使得大规模智能建筑的管理易于实现，具有良好的市场前景。

(3)本发明可以显著提高智能建筑系统的管理能力，提升楼宇的“智能化”、“智慧化”，降低物业管理风险及运营成本，应用前景、发展空间和市场价值巨大。

(4)本发明可以实际应用于办公楼智能化系统改造项目，广泛应用于智能建筑管理与运营等场景。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。