RFID感知技术在服装门店中的应用

引言

随着科学技术的发展，普适计算的概念和物联网概念逐渐成为人们熟知的话题。传感器技术的不断发展，使得设备也越来越智能化。智能化的设备连接网络，组成了一个庞大的计算网络。智能感知与分析系统也逐渐成为热门的研究领域。随着生活水平的提高，人们对服装的要求和品位不断提高，服装商店的竞争也越来越激烈。这就使得那些能够追踪人们具体服饰喜好的，比如流行服饰的颜色、材质、类型的服装商店，才能在竞争中脱颖而出。现在服装商店都是连锁的居多，它们不仅需要知道本地的流行元素，还需要知道其他地方的流行元素，来改进服装的库存分配，以改进销售量，从而获取更大的利润。虽然服装商店可以通过销售记录来得到这些数据，但这些都只是静态的数据，不能完全反映或追踪所有信息。针对上述问题，本文提出了一种基于 RCMIDAA 模型的智能感知与分析系统来追踪最新的服装流行元素。该系统主要通过人们试衣行为记录和对销售记录的分析来获得更全面、更准确的信息。

1 基于 RFID 的上下文感知

我们使用的 UHF 频段 RFID 标签具有 96 b 可用的 EPC唯一编码，96 b 的 TID 信息有 64 b 的 USER 用户区。因此，根据标签信息就可以可靠地获得简单的上下文消息。

上下文信息的提供是上下文感知系统的核心内容。RFID阅读器得到的标签信息是简单上下文信息，然后通过过滤和模式匹配，转化为更高一级且具有一定语义的高级上下文信息。

上下文信息通常伴随着动作的产生而产生，用于指示某一动作的发生。动作是模型的基本工作单位，包括完成动作数据的上下文消息集合，并以上下文信息形式在应用程序或服务之间传输及驱动高层业务完成。上下文信息驱动的模型如图 1所示。其中上下文信息序列 <c1,c2> 触发 Action1，上下文信息序列 <c3,c4,c5> 触发 Action2。

一个上下文信息可能会引起下游的若干个动作发生，该动作可能是人，应用程序、活动的业务流程、数据仓库或自发的代理组件等。我们称 RFID 阅读器检测到的事件为简单上下文信息，它所包含的语义信息非常有限。而实际应用系统则更多关注高层复杂语义信息。要获取这些信息，应对简单上下文消息施加一定的规则，形成高级上下文消息。

图1 上下文信息序列触发动作图

上下文信息感知主要完成以下工作：过滤信息、实时处理、挖掘隐含信息等，同时它也依赖于上层规则。

过滤信息的意义在于 RFID 读写器系统会产生大量的冗余数据和海量数据。据统计，沃尔玛三天之内就会产生超过美国国家图书馆所包含的全部数据的数据量。同时，RFID 读写器读取的数据可能包含大量的冗余数据。主要原因有：一台读写器可能读取同一标签多次 ；读写器在相邻两个读写周期内读取不同的标签列表可能包含相同的标签。如此大的数据量直接发送显然是不合理的，直接发送必将引起网络的拥塞。

实时处理要求上下文信息处理模块能够更高精度地获得所读取的标签信息。RFID 读写器通过发射射频信号并接收反射信号来捕获 RFID 标签对象。这些持续不断到达的数据可以看作数据流。一般情况下，必须对这些数据流进行实时处理，否则将丢失有用的信息。

挖掘隐含的信息。RFID 系统中的很多服务都是由采集到的原始上下文信息触发的。原始的上下文信息与上层应用逻辑存在着密切关系。

2 系统模型

上下文感知项目和框架主要有以下几种 ：第一种，也是最早的上下文感知项目，这是上世纪 90 年代初 Olvetti 实验室开发的 Active Bage 项目，该项目当时主要应用于办公大楼的电话转接系统。

第二 种 是 ROME 模 型。 这是斯 坦福大学 Andrew C.Huang 提出的基于上下文触发的事务模型。其中终端设备可感应上下文环境，若满足触发的条件，则触发相应的动作。它采用简单的三层架构，其架构图如图 2 所示。该架构包括单元管理层、触发事务管理层和前端显示。单元管理层主要接收 PDA、AutoPC 等发送过来的上下文信息，触发事务管理层则根据相关触发条件触发动作，前端显示触发动作的结果。

第三种是美国佐治亚工学院提出的Context Toolkit 模型。该模型采用面向对象的方式描述上下文，将每种上下文都建模成一个类。这个模型中有 Widgets、Server 和 Interpreter 三个类型的对象。Widges主要是获取上下文，为应用程序提供借口；上下文 Server 用来提供聚合所有上下文信息，转为上层应用程序提供感兴趣的信息。上下文Interpreter对上下文信息进行解释，统一上下文信息格式，或者产生新的上下文信息。这个框架系统是跨平台的，不同对象可以通过 XML 和 HTTP 进行通信。

图 2 ROME 模型结构图

第四种是基于本体的 CoBrA 和 SOCAM 项目。它们都采用集中模式管理，并在服务器中进行上下文信息的计算和管理，响应对上下文应用的请求。Service-Oriented Context-awareMiddleware(SOCAM) 是客户 / 服务器型的系统框架，由 GuTao[8] 等人在 2004 年提出。该框架可高效地支持上下文的获取、发现、解释和访问等，支持快速的移动应用，整个框架主要包含上下文提供者、上下文解释器、上下文数据库、上下文感知服务和服务定位服务等部分。相较于 CoBrA，SOCAM 还是面向服务架构的，具有标准开发、松散耦合等特点。

RFID 技术具有高识别率、可追溯、唯一标识等特点 ；而上下文感知技术是研究如何有效利用上下文信息的一种新的计算模式。Web Service 技术则可提供一套标准的协议，用于沟通不同平台、编程语言和组件模型中的不同类型系统之间的通信，它具有分布性、松散耦合、异构型等特点。它打破了软件应用、网站和各种设备之间的不兼容的状态，可实现基于 Web 无缝集成的目标。这三者的技术结合是实现本系统的最佳方式。基于上述模型，本文提出了一种如图 3 所示的 RCMDIAA 模型。

图 3 RCMDIAA 模型

在图 3 所示的 RCMDIAA 模型中，Web Service 层隔离了智能感知层与智能分析层，Web Service 层与智能感知层和智能分析层之间的通信都是通过以XML规范编码的SOAP消息进行的。

3 系统实现

本系统主要分为三个层次。第一层是智能感知层，实现的是 RFID上下文信息驱动的智能试衣行为动作流。第二层是 Web Service，用于对接收到的 SOAP 消息进行处理。WebService 层可接收两类 SOAP 消息 ：一类是下层的智能试衣记录的动作流，另一类是智能试衣记录分析的请求。第三层是智能分析，主要是 Web Service 对返回的盘存数据和智能试衣记录的显示，可用以分析最新的服装流行元素。

本文的重点在于智能感知层的智能试衣行为的识别。通过装在固定位置的阅读器读取服装上的 UHF 标签来实现试衣行为的检测。智能试衣行为需要用到三个表 readedHash、sySendHash 以及保存的未发送的 TID 标签信息和 QDateTime信息的 sy.xml 文件。

试衣行为识别流程如下：首先实时读取标签数据，同时写入到 readedHash 表中。如果没有读得任何标签信息，则判断试衣发送哈希表readedHash是否为空。如readedHash为空，则判断 sy.xml 文件是否为空，若不为空，则发送试衣 SOAP消息，发送成功后删除 sy.xml 中发送成功的 TID 信息和时间信息。如 readedHash 不为空，再判断 readedHash 中的 TID是否在 sySendHash 中。如果 TID 不在 sySendHash 中，则把对应 TID 和读得 TID 的平均时间写入 sySendHash 中，同时清空 readedHash 表中相关 TID 的信息 ；readedHash 不为空，判断 readedHash 中的 TID 是 否在 sySendHash 中， 如果在sySendHash 中，再比较对应 sySendHash 对应的平均时间减去sySendHash 中的时间间隔是否小于 t1。如果是，则表明是与上次相同的上下文试衣信息，更新 sySendHash 中的对应 TID时间为 readedHash 中的 TID 对应的平均时间 ；readedHash 不为空，再判断 readedHash 中的 TID 是否在 sySendHash 中，如果在 sySendHash 中，则比较对应 sySendHash 对应的平均时间减去 sySendHash 中的时间间隔是否大于 t1，再判断时间间隔是否大于 t2。如果是，则触发一个智能试衣行为，并发送 SOAP 消息 (TID 信息和 sySendHash 对应的平均时间 ) 给Web Service 层，发送成功后删除 sySendHash 中对应的 TID和时间信息，若发送不成功，则把 TID 信息和 sySendHash 对应的平均时间放入 sy.xml 文件中。

4 测试结果

表 1 所列是本系统感知层的测试结果。

由表 1 所列的感知层测试结果可以发现，试衣行为记录能够正常工作，而且智能感知层已经过滤了大量冗余的标签信息，可以完成所要实现的功能。图 4 所示是本系统中的智能试衣行为分析运行结果。通过对智能试衣行为的分析可以得到最近服装的流行趋势。

图 4 智能试衣行为分析系统运行结果

5 结 语

通过对销售记录与试衣记录的分析，可以预测得到的结果：首先，如果试衣记录很多，销售记录却很少，说明服装设计让人不满意，需要重点分析原因。其次，如果试衣次数很多，销售记录也很多，说明服装很受欢迎。还有，如果试衣次数很少，销售记录却很多，说明服装很流行。另外，如果试衣次数和销售记录都很少，说明服装虽然让人不满意，但是还是有固定的消费人群。

实际上，由本智能试衣行为分析运行结果分析，本实验得到的结论是 ：在 2012 年 3月10 到 2012 年 4 月 20 日中，蓝色和黑色的服装最受欢迎，绿色的服装最不受人欢迎。可见，选择不同时期的试衣记录，可以为智能服装店提供更多流行元素的信息，从而分配服装库存，增加销售量来提高利润。

20210914_613f86d5eec53__RFID感知技术在服装门店中的应用