面向三峡升船机监控传感网络的复合事件检测研究*

雷　鸣　魏峻岩

(武汉数字工程研究所　武汉　430205)

面向三峡升船机监控传感网络的复合事件检测研究*

雷鸣魏峻岩

(武汉数字工程研究所武汉430205)

摘要在三峡升船机监控传感网络中，数据的高速传输和有效解析对运行监控是非常重要的。然而，传统数据库在数据处理方面存在许多不足。论文针对这些不足，在充分考虑传感器数据的基础上探讨了一种科学有效的升船机传感监控网络模型，并提出了升船机监控的复合事件检测方法，旨在初步探讨传感器网络和复合事件检测方法在升船机监控系统的实用性，最后以船舶上行过程检测和监控性能实验证明了其数据处理的优越性。

关键词三峡; 升船机; 监控传感网络; 复合事件检测; 数据处理

Class NumberU642

1引言

三峡升船机是客货轮和特种船舶快速过坝的通道，与双线五级船闸联合运行，加大枢纽的航运通过能力和保障枢纽通航质量，是打造长江“黄金水道”的标志性工程。

但是，在升船机的安装和维护过程中，随时都可能遭遇各种危险情况。比如钢丝绳拉力过大，水位偏差过大，油泵温度过高等故障都有可能引发灾难性的后果。升船机是大坝通航主体设备，安全运行成为了其首要目标，寻找一种科学、精准的监控手段显得尤为重要。

传统的升船机监控系统通常需要铺设大量的传输介质，耗时长，人工成本高。并且硬件线路易于老化，容易导致通信异常，后期更换和维护成本更高。特别是升船机各设备紧密相联，牵一发而动全身，运行过程出不得半点差错。因此，对危险事故的预测以及监控显得尤为重要。

无线传感器网络是由大量随机布设的，无数有无线通信和计算能力的微型传感器以多跳通信的方式构成的自组织网络系统，并可以实施全天候实施精准的监控。它的如下特点可以很好解决上述问题：1)灵活性强。非常适合一些急、险、偏的应用场合。2)经济性好。无线传感器网络利用无线通信技术降低了系统成本。3)精细度高。可以获取非常高的信息告知精度，从而发现危险发生的潜在因素。

但是大量的传感器会产生大量的数据，并且会对上层的监控网络造成负荷，这些数据并不能有效预测危险事故。因此需要一种机制实时处理大量数据，并挖掘数据之间的潜在关系，提高系统对危险事故的相应处理能力。那么，如何挖掘传感器数据之间的潜在关系和有用信息成为传感器数据处理研究的焦点。复合事件检测方法是一种有效的数据处理方法，其基本思想是从大量纷繁复杂的数据中挖掘数据之间的时间、空间等关系，并提取出有用的信息。

升船机监控传感网络的研究在国内外尚属空白，但是在工业控制系统已经开展了广泛的研究。H. Guo[2]等利用无线传感网络实现对油气设备的安全监控。Kunicina[3]等为电力系统的远程监控设计了无线传感器网络的解决方案。Eagle[4]等则探讨了工业无线传感器网络的安全协议。Nagarajan[5]等为自动化系统的无线传感器网络的电力供应作了优化。A. El Kouche[7]等探讨了无线传感器网络在油气开采的严酷环境的应用。C. Salvatore[8]等研究了工业监控系统中的无线传感器和RFID的联合应用。K. Mikhaylov[9]等在真实的工业环境中研究了无线传感器网络在各频段的通信状况。M. Bertocco[10]等人提出工业传感器网络的的实验参数，以提高传感器网络在工业中的实用性。

本文提出了基于无线传感器网络的三峡升船机监控系统架构，结合复合事件检测技术实现对升船机监控数据的有效抽取，并通过实验验证了复合事件检测方法在传感监控网络中的适用性。

2三峡升船机监控传感网络系统结构

传统的三峡升船机计算机监控系统分为下层网和上层网。下层网采用光纤双环网连接各种机构设备和传感器，采集数据和控制设备动作。上层网络的两台IO服务器位于下层环网中，集中控制设备，并收集各种设备的数据。上层网除了两台IO服务器，还有各种工作站，为用户提供终端服务。构建这样一个网络，耗时长，工作量巨大。并且为了保障控制的高效性，网络中不允许有大量的数据流量，以防止网络拥塞。

本文在无线传感器网络的基础上提出了三峡升船机传感监控网络系统结构。该网络主要用于采集底层设备的数据，并不发布控制命令，以弥补现有系统的不足。监控传感网络系统与原有的传统系统互为独立系统。传统的系统只发布控制命令，而无线传感器网络则主要分布式采集数据，互不干扰。该系统可作为无线传感器网络在升船机自动化控制系统的一种尝试。如下图1所示。

图1　升船机无线传感器网络监控系统结构

升船机无线传感器网络监控系统三层体系结构，详细描述如下：

•物理层：由随机布设的传感器构成。传感器随机布设在升船机各个区域，收集水位、温度、压力等各种监控数据。一定范围的传感器构成传感器簇，范围内的核心传感器作为簇头，接收该范围的各种传感器的采集数据。

•网络层：由各个传感器簇的簇头构成。簇头之间采用多跳的路由协议传输数据，距离基站较远的簇头会经由其他簇头的传输数据至基站。

•应用层：由客户端与数据服务器构成的局域网。数据服务器接受来自通信基站的数据，然后再将数据分发给各个终端，或者由终端订阅查询。

3升船机传感监控网络复合事件检测方法

3.1原子事件和复合事件的表示方式

传感器底层的传感器数量众多，由于其多变、灵活的网络体系结构，往往会造成数据冗余，部分数据丢失，所以为了保证传感数据精准和高效性，本文结合RCEDA[1]算法提出了适用于升船机一种复合事件检测方法，用于过滤、聚合底层的传感器网络数据。

升船机传感监控网络复合事件由原则事件按照一定的规则组成。而规则是由构建事件组成的。事件构建器主要分为时间和非时间的。非时间构造符主要是构建因果、空间等关系，时间构造符主要是构造时间先后顺序发生的事件。

原子事件通常来源于传感器的原始数据值。原子事件根据数据类型和来源不同可以分成许多类型。原子事件有如下属性：

group(sensorid)：采集相同目标数据的一组传感器。

type(state)：根据传感器类型的不同，可以定义不同的原子事件类型。比如type(‘50m’)=’waterlevel’,type(‘9F65FG23’)=’laptop’。

那么，原子事件的表示方法：

E=Observation(id,s,t)，group(id)=‘g1‘ ,type(s)=’temperature’。

上面的含义表示传感器组g1在时间t采集某一范围内的温度数据。

除了原子事件以外，构成复合事件还需要事件构建器有机联结各个原子事件。时间构建器用符号表示主要有以下几种。

•OR(∨)：事件E1和E2的或运算，当E1和E2两者至少有一个发生时，(E1∨E2)发生。

•AND(∧)：事件E1和E2的且运算，当E1和E2两者都发生时，(E1∧E2)发生。

•NOT(￢)：事件E的否运算，如果事件E的实例在一定时间范围内发生，(￢E)发生。主要用于伪事件的检测。

•SEQ(;)：事件E1和E2的序列。当E1先发生，E2后发生时，(E1;E2)发生。

•TSEQ(:)：两个事件E1和E2的间隔约束序列。当E1已经发生，并且E1和E2发生的时间间隔为[Tl,Tu]。

•SEQ+(;+)：SEQ(;)的周期性运算，表示一个事件类型E的多次发生。

•TSEQ+(;+)：TSEQ+(E，Tl，Tu)的周期性元素。表示在时间间隔在[Tl,Tu]内，检测到事件E多次发生。

复合事件由原子事件和构建器组成。原子事件存在着空间、时间等联系，那么复合事件表示方法为事件和事件关系的集合，描述如下：

E=(E1，E2，E3，E4，…，En，M)

M为构建器。

3.2复合事件的检测方法

在复合事件的检测方法研究中，ECA规则和Snoop系统[6]最为常见。Fusheng[1]等在此基础上研究的RCEDA检测方法及算法只适用于RFID应用，具有一定的局限性。本文根据升船机监控传感网络的特点，改进了RCEDA检测算法，使之适合升船机复合事件的检测。

原子事件和事件构建器，以及复合事件可以很方便用二叉树描述。原子事件和构建器表示叶子节点，时间约束表示父节点。从二叉树至底向上遍历，即可完成对复合事件的检测。图2是事件的二叉树表示。

图2　事件的图形描述

在大量的原子事件中，主要是通过事件约束和特定规则解析出更高语义的数据，复合事件检测方法详细描述如下：

第一步：构建每个复合事件的事件图形。事件的图形表示为Ti，叶子节点代表原子事件，内部节点代表规则或者时间约束。

第二步：传递时间约束。对于每个事件图形，因为父节点的时间约束总比子节点的时间约束复杂的多，所以时间约束从子节点往父节点传递。

最后，合并子二叉树，形成集合以构成森林G，可以有效避免重复多次检测事件。

3.3升船机复合事件检测算法

在应用层，用户的需求是多种多样的，普通的复合事件算法是很难适于用升船机复合事件的检测。本文针对船舶上行流程设计了特定的复合事件的检测算法，以此证明复合事件检测方法在升船机的可用性。

目前的船舶进入船厢事件是使用传感器检测遮挡物来探测的，探测结果是很不准确，并且只能检测到船舶进入到船厢。同时不准确的结果导致了整个上行流程的中断，甚至常常需要人工肉眼去判断，耗时耗力。

如图3所示，在船厢与上游的衔接闸室，简称为上闸室，也可称为上游航道。船舶正在开往船厢，传感器A会检测到船舶，并记录下时间和船舶信息。随后，当船舶完全进入船厢后，会被传感器B读检测到。那么，船舶进厢事件可用到上文描述的方法作如下表示：

TSEQ(TSEQ+(E1,tl1,tl2);E2,tl2,tu2)

E1=observation(rA,O1,t1),group(rA)=’rA’E2=observation(rB,o2,t2)，group(rB)=’rB’

图3中上游航道有两艘船舶正在驶向船厢，接着船舶就会进入船厢。很显然，前面一艘船舶会先进入船厢，提升至高程水位。剩下的船舶将等待下次进船厢。在传统的数据库中，只能记录多个探头探测到船舶的时间，而无法解析出船舶通过升船机的整个流程以及更加有意义的数据。

在传统的事件检测中是采用自底向上的检测方式，但是在传感器应用中，这种方式是不合适的。因为在实际的升船机应用中，很多事件并不是自发能检测到的，需要通过精确的查询才能完成。对于自发事件，一旦有了启动因子，则可以直接检测到。那么对于非自发事件，除非精确查询，是很难发现的。所以本文沿用了Fusheng[1]提出的伪事件查询。

在伪事件的基础上，根据升船机的实际情况，设计了升船机船舶上行事件的算法，以下简称为SCEDA(Ship-lifting complex event detection algorithm)。如下所示：

1DeclareE=E1^E2

2DeclareE3=￢E2

3Foreachincominge1

4If(type(e1) =’ship’)

5SendOrder(’open’)

6Thenif(E3)

7THEN

8GENERATE_PSEUDO_NODE(E2)

9SendOrder(’close’)

10LetE2bethetargeteventofe3

11Lettime_startbethecreationtimeofe3

12Lettime_endbethecreationtimeofe3

13EList←QUERY_INTERVAL_NODE(e2,Lettime_start,Lettime_start)

14ThenInsertintoship_table(time,ship_id,ship)- - -(3)

15If(type(e2)=’ship’)

16SendOrder(’open’)

17ThenSendOrder(’open’)

18While(E)detectionisover

4实验分析

实验从SCEDA算法的处理性能和语义解析能力两方面分析，分别说明复合事件检测技术在处理升船机海量数据的高效性能和适用性

4.1性能实验

在实际升船机应用中监控点数多达上万个，传统的数据采集服务器和存储服务器往往不堪重负。并且，监控范围之广，监控精度之高非当前服务器可以承受。该实验模拟了升船机监控的巨大数据流,对比评估SCEDA算法和传统的SQL查询效率。

实验在HP ProLiant DL388p Gen8服务器上运行，服务器cpu型号为 Xeon E5-2603，共两颗，内存为16G。

图4　实验结果

图4表明SCEDA算法具有良好的处理性能。当事件数量较少时，SQL和SCEDA时，复合事件检测方法并没有明显优势。事件数量达到10000条后，SCEDA的高效处理性能开始凸显，SQL的处理性能开始明显下降。很明显，SCEDA算法在大量数据的高效处理上有着明显优势。

4.2语义解析实验

该实验将船舶过升船机模拟为以下几个过程。水位最低出的航道为下游部位。船舶先进入下游航道，随后即将进入船厢。船厢分为船厢底部、船厢中部、船厢顶部。船舶在船厢上行过程中先后经过船厢底部、船厢中部、船厢顶部。最后，船舶进入上游航道，完成整个上行过程。

图5　上行过程示意图

实验在Java环境中运行，我们利用Java Swing的对象来表示如图5所示的位置布局和物体。当船舶移动到不同位置，运行在后台的事件检测算法即可检测到不同的事件发生。

经过事件检测算法处理后，实验得到如图6的事件信息。

图6　语义解析结果

实验的结果充分体现了事件检测的语义解析功能。通过使船在不同的部位之间移动，记录船舶在每个位置的时间，最后通过复合事件算法检测出更复杂的语义事件存入数据库，得到的结果更加直观明了，而且大大节约了存储空间。

5结论

本文充分结合了传感器网络提出了三峡升船机的传感监控网络结构，以及复合事件检测方法，并设计了SCEDA算法。实验证明了复合事件检测技术的大数据高效处理能力和良好的语义解析功能，并验证了复合事件检测方法在升船机监控传感网络的应用优势。然而，目前的实验原型系统处理数据较少，信息量不大，信息融合度不够高，在实际的生产环境中还无法应用。以后的研究将会致力于传感器监控系统的设计，以及多源传感器的数据融合，提高当前系统的实用性。

参 考 文 献

[1] Fusheng W, Shaorong L,Peiya L. Complex RFID event processing[J]. The VLDB Journal，2009(18):913-931.

[2] H. Guo , Z. Sun. Channel and Energy Modeling for Self-Contained Wireless Sensor Networks in Oil Reservoirs [J]. IEEE Transactions on Wireless Communications,2014,13(4):2258-2269.

[3] Kunicina N, Zabasta A, Kondratjevs K. Sensor networking for improving of reliability indicator by electric Power Utilities[C]//56th International Scientific Conference on. Riga: IEEE,2015:1-4.

[4] Eagle S.J, Hancke G.P, Silva B.J. Wireless sensor networks for safety protocols in the industry [C]// IEEE AFRICON 2015. Addis Ababa: IEEE,2015:1-9.

[5] Nagarajan R, Dhanasekaran R. Optimization of power in Wireless Industrial Automation Networks [C]//Communications and Signal Processing (ICCSP)，Melmaruvathur:IEEE,2015:680-684.

[6] Chakravarthy S, Mishra D. Snoop: an expressive event specification language for active databases[J]. Data & Knowledge Engineering,1993,(14):1-36.

[7] A. El Kouche, L. Al-Awami. WSN application in the harsh industrial environment of the oil sands[C]//Wireless Communications and Mobile Computing Conference (IWCMC)，Istanbul:IEEE,2011:613-618.

[8] C. Salvatore, S. Bocchino. WSN and RFID integrated solution for advanced safety systems in industrial plants[C]//Software, Telecommunications and Computer Networks，Split:IEEE,2012:1-5.

[9] K. Mikhaylov ,J. Tervonen. Wireless Sensor Networks in industrial environment: Real-life evaluation results [C]//Future Internet Communications，Vilnius:IEEE,2012:1-7.

[10] M. Bertocco, G. Gamba. Experimental Characterization of Wireless Sensor Networks for Industrial Applications[J].IEEE Transactions on Instrumentation and Measurement，2008,57(8):1537-1546.

Complex Event Detection Scheme for Ship-lifting Surveillance Sensor Networks of the Three Gorges Project

LEI MingWEI Junyan

(Wuhan Digital Engineering Institute, Wuhan430205)

AbstractThe efficiency of data-processing play a very important role in ship-lifting surveillance sensor networks of the Three Gorges Project. However, there are many problems in database. On the characteristic of sensor data and these problems, a model of complex event detection for ship-board surveillance sensor networks is presented in this paper .A complex event detection scheme is discussed, whose applicability for ship-lifting surveillance sensor networks is discussed. In the end, a case study for the proposed model and algorithm is discussed in detail, which proves the superiority of data processing.

Key Wordsthe three gorges project, ship-lifting, surveillance sensor networks, complex event detection, data processing

*收稿日期：2015年12月17日,修回日期：2016年1月27日

作者简介：雷鸣,男,硕士,研究方向：通航设备控制系统数据处理研究。魏峻岩,男,高级工程师,研究方向：通航设备计算机监控系统。

中图分类号U642

DOI：10.3969/j.issn.1672-9730.2016.06.030