摘要
在现有的物联网(IoT)服务及业务流程管理(BPM)系统研究的基础上,提出一种面向主动式BPM的IoT服务动态绑定方法.首先,该方法构建了从时序序列中学习情境信息及IoT服务绑定规律的模型,并预测可绑定的IoT服务列表.该模型基于双向门控循环单元(Bi-GRU)搭建编码器解码器结构网络模型,引入注意力机制,通过优化神经网络结构提取时序数据依赖关系,从而通过该预测模型提升BPM系统的主动性.其次,将用户任务与边界非中断事件相结合实现IoT服务动态绑定活动,该活动通过集成上述预测模型和IoT服务动态切换及多IoT服务并行运行架构实现BPM系统在运行时动态绑定IoT服务.实现面向主动式BPM的基于情境感知的IoT服务动态绑定系统,基于液化天然气(LNG)危化品海上运输安全监管场景进行案例分析,对系统中预测模型的性能进行了定量的实验评价.经过对比,提出的预测模型在多项指标中均优于其他模型.案例分析和实验结果验证了方法的有效性.
基金项目
国家自然科学基金重点项目(61832004)
国家自然科学基金国际(地区)合作与交流项目(62061136006)
维普
万方数据