面向物联网异构感知的突发事件实时信息主动处理关键技术研究

本项目首先提出面向"复杂物联网"应急感知的未来突发事件（如抗震救灾）应用场景。为了实现该科学场景，本项目建立突发事件实时数据处理模型(IOTEAP)，对这些物联网环境下海量、异构、实时的感知数据进行发现、共享、数据分析及传播。提出该模型体系结构和工作流程，然后围绕支撑模型的关键技术，重点从两方面科学问题展开研究：物联网环境下对多模异构系统数据融合计算，包括基于Ontology的相似性测度模型研究、融合量子计算及蛙跳思想的二阶段聚类分析、异地订阅主动发现研究等；物联网环境下对大规模、实时感知数据主动处理，包括高效Hedge自动机理论证明、生成算法、优化算法以及订阅模型的动态建立等。本项目将搭建物联网感知信息主动处理实验原型，从而实现对物联网异构子系统的发现、互联及协作处理，为突发事件提供监控分析及决策支持。本项目对"复杂物联网"协同计算给出了解决方案，该研究对国家安全与经济发展具有重要意义。

根据提出的面向"复杂物联网"应急感知的未来突发事件（如抗震救灾）应用场景，本项目建立突发事件实时数据处理模型(IOTEAP)，对这些物联网环境下海量、异构、实时的感知数据进行发现、共享、数据分析及传播。提出该模型体系结构和工作流程，并重点从两方面科学问题展开研究：物联网环境下对多模异构系统数据融合计算，包括传感器网络数据路由及融合计算、基于Ontology的相似性测度模型研究、基于柯西不等式的量子计算蛙跳订阅推荐算法等；物联网环境下对大规模、实时感知数据主动处理，提出基于后缀树自动机过滤匹配算法PTAfilter。该算法利用树自动机技术，引入后缀思想，采用无秩树自动机的自底向上push模式方法，处理含有子孙轴和不确定元素复杂结构的订阅请求，能够有效减少数据处理过程中大量相同转移的中间状态，避免了状态集的重复计算。仿真实验结果表明在表达能力、效率、处理不确定因素的能力及扩展性等方面，提出的算法均优于Yfilter、POSfilter等算法。另外，除了采用matlab及NS2仿真计算外，还设计、开发了30个节点的WSN实际节点实验平台，搭建物联网感知信息主动处理实验原型，从而实现对物联网异构子系统的发现、互联及协作处理，为突发事件提供监控分析及决策支持。本项目对"复杂物联网"协同计算给出了解决方案，还可应用于移动互联网、车联网等应用场景。