智能环境下基于边缘设备规则推理的数据预部署研究

摘要

在现有的规则推理机制下,大量的传感器数据导致的过大规则匹配期间的实时特征计算量降低了推理实时性,同时边缘设备受限的内存资源难以应对如此庞大的数据量.为此,本文设计了数据预部署方案(Data Pre-De⁃ployment Scheme,DPDS).利用规则解析与预处理模块解析规则集得到的规则网络和轻量级特征表(Light-weight Char⁃acteristic Table,LCT),该方案无需进行实时特征计算,使推理效率和实时性得到显著提高,并大大降低了规则匹配期间的内存占用量.实验表明,即使在规则、数据规模很大的情况下,DPDS仍然具有较高的时间效率和空间效率.