CN102004944A - 使用自动化物件跟踪实现与陈列图相符 - Google Patents

Abstract

本发明公开使用自动化物件跟踪实现与陈列图相符。可以确定指定与第一位置相关联的物件类型的物件的陈列图，并且可以从与第一位置相关联的第一接收器以及与第二位置相关联的第二接收器接收针对所述物件类型的物件的物件读取事件。可以确定与第一接收器相关联的物件读取事件的第一计数，并且可以确定与第二接收器相关联的物件读取事件的第二计数。可以对第一计数和第二计数应用聚类算法，以确定与物件的第一子集对应的第一聚类和与物件的第二子集对应的第二聚类。然后，针对每个聚类，可以确定其中包含的物件读取事件是否指示相应的物件子集存在于第二位置并且与所述陈列图不符。

Description

使用自动化物件跟踪实现与陈列图相符

技术领域

本描述涉及用于与陈列图相符(planogram compliance)的物件跟踪。

背景技术

射频识别(RFID)是提供对一个或更多个物件的存在、位置或移动的检测的物件跟踪技术的一个示例。例如，可以为单个物件提供一个RFID标签，当该物件和相关联的RFID标签在相应的RFID读取器的规定近程(proximity)内时，该RFID标签可以自动被该RFID读取器检测到，其中，所述近程是基于RFID读取器的读取范围来规定的。因此，RFID和类似的物件跟踪技术通常提供执行物件跟踪的方式，可能对被跟踪物件的定位(在读取范围内)或方位没有要求。因此已知这样的RFID跟踪技术在各种各样的情景中提供方便的物件跟踪，包括：例如，零售或仓库环境内的库存管理、医院或其它诊所环境内患者和/或药品/药物的跟踪、图书馆或博物馆内书籍和其他介质的管理，以及许多其它已知的用途。

陈列图(planogram)通常是指在预先定义的位置或地理区域内物件的布局或定位的规划或其它规范。例如，在诸如杂货店之类的零售环境中，在该杂货店内可能存在许多通道，每个通道包括许多陈列架(shelf)。因此，特定通道的陈列图可以指定第一陈列架上至少第一产品类型的物件和第二陈列架上至少第二产品类型的物件的布置。已知这样的陈列图是用于增加销售额、管理库存以及确保期望的物件被正确放置以便例如使利润或其它参数最优化的有效工具。然而，实践当中，陈列图可能难以实施，因为物件可能被客户、雇员或其它用户放错地方。此外，可能知道这样的陈列图在某些环境中变化迅速，比如，当杂货店或其它零售环境响应于季节变化而更新陈列图时。

发明内容

根据本发明的一个一般方面，一种包括记录在计算机可读记录介质上的指令的系统可以包括：陈列图读取器，其被配置为确定指定与第一位置相关联的物件类型的物件的陈列图；事件处理器，其被配置为从与第一位置相关联的第一接收器以及从与第二位置相关联的第二接收器接收针对所述物件类型的物件的物件读取事件；以及聚类分析器，其被配置为对与第一接收器相关联的物件读取事件的第一计数和与第二接收器相关联的物件读取事件的第二计数应用聚类算法，从而确定与物件的第一子集对应的第一聚类和与物件的第二子集对应的第二聚类。结果管理器可以被配置为针对每个聚类确定其中包含的物件读取事件是否指示相应的物件子集存在于第二位置并且与所述陈列图不符。

根据本发明的另一一般方面，可以确定指定与第一位置相关联的物件类型的物件的陈列图。可以从与第一位置相关联的第一接收器以及与第二位置相关联的第二接收器接收针对所述物件类型的物件的物件读取事件。可以确定与第一接收器相关联的物件读取事件的第一计数，并且可以确定与第二接收器相关联的物件读取事件的第二计数。可以对第一计数和第二计数应用聚类算法，以确定与物件的第一子集对应的第一聚类和与物件的第二子集对应的第二聚类。然后，针对每个聚类，可以确定其中包含的物件读取事件是否指示相应的物件子集存在于第二位置并且与所述陈列图不符。

根据本发明的另一方面，一种计算机程序产品，所述计算机程序产品被有形地体现在计算机可读记录介质上并且包括可执行代码，该代码在被执行时被配置为导致数据处理装置执行以下步骤：确定指定与第一位置相关联的物件类型的物件的陈列图；从与第一位置相关联的第一接收器以及与第二位置相关联的第二接收器接收针对所述物件类型的物件的物件读取事件；确定与第一接收器相关联的物件读取事件的第一计数；确定与第二接收器相关联的物件读取事件的第二计数；对第一计数和第二计数应用聚类算法，以确定与物件的第一子集对应的第一聚类和与物件的第二子集对应的第二聚类；以及针对每个聚类确定其中包含的物件读取事件是否指示相应的物件子集存在于第二位置并且与所述陈列图不符。

在附图和下面的描述中陈述的一个或更多个实现方式的细节。从所述描述和附图中以及从权利要求书中，其它特征将会更明显。

附图说明

图1是用于管理与陈列图相符的系统100的框图。

图2是图示图1的系统的示例操作的流程图。

图3A和图3B是图示图1的与陈列图相符管理器的操作的图。

图4A和图4B图示说明图1的聚类分析器的功能和操作的示例的图。

图5是图1的系统的附加示例操作的流程图。

具体实施方式

鉴于上述内容，RFID和类似物件跟踪技术可能有潜力实现或推动与陈列图相符。例如，在以上示例中，RFID读取器可以被用于检测各种产品类型的物件的存在，用于与适当的陈列图相比较。例如，第一RFID读取器可以被放置在第一陈列架上并且被配置为具有足够检测到放置在第一陈列架上的物件的读取范围。类似地，第二RFID读取器可以被放置在第二陈列架上并且被配置为具有足够检测到放置在第二陈列架上的物件的读取范围。这样，来自RFID读取器的读取(reading)可以容易地与相应的陈列架相关联。然后，对被放错位置的物件的检测可以由适当的人员来做出响应以便符合所述适当的陈列图(例如，将被放错位置的物件从错误陈列架移动到正确陈列架)。

然而，实践中可能出现这样的情况：RFID或其它类似物件跟踪技术可能没有提供足够的精度以保持期望的与陈列图相符的程度。例如，在以上示例中，可能出现这样的情况：第一陈列架上的RFID读取器可能没有检测到实际上在第一陈列架上的物件，和/或可能检测到第二陈列架上的物件，因此错误地指示第一陈列架上的该物件的位置。由于这些和相关困难，使用RFID或其它物件跟踪技术可能难以将与陈列图相符实施到足够或期望的精确程度。

图1是用于保持与陈列图相符的系统100的框图。在图1中，与陈列图相符管理器102与第一位置104和第二位置106相关联。在图1的示例中，假设正在实行陈列图，其规定第一位置104与可以包括特定物件104a、104b、104c和104d的第一物件类型相关联。同时，该陈列图还可以规定第二位置106与可以包括特定物件106a、106b、106c和106d的第二物件类型相关联。由此，在图1的示例中，根据该陈列图，与陈列图相符管理器102可以被配置为确保适当数量的物件104a-104d被安放在第一位置104，同时确保适当数量的物件106a-106d被安放在第二位置106。

如上面所提到的，为了实施这样的与陈列图相符，第一接收器108被图示为与第一位置104相关联，而第二接收器110被图示为与第二位置106相关联。在图1的示例中，第一接收器108和第二接收器110被图示为与RFID读取器112相关联，并且因此可以分别包括第一RFID天线和第二RFID天线。当然，这只是一个示例，并且也可以使用其它物件跟踪技术，包括：例如，基于红外通信的技术、蓝牙或其它无线通信、或其它物件跟踪技术。

在图1中，假设第一接收器108被配置为具有被设计为大到足以检测到第一位置104处的物件但是并未大到足以检测到第二位置106处的物件的读取范围。类似地，第二接收器110可以被配置为具有足够检测到第二位置106处的物件的读取范围，但是并不具有足够检测到第一位置104处的物件的读取范围。更具体来说，在图1的示例中，使用中的物件跟踪技术包括RFID技术，其中假定物件104a-104d和物件106a-106d中的每一个都配备有RFID标签，并且第一接收器108和第二接收器110包括至少RFID天线和被配置为被动或主动读取存储在这样的RFID标签上的任何信息的关联电路。在这样的情况中，第一接收器108和第二接收器110的读取范围可以例如通过适当地安放每个接收器108/110和/或通过为接收器108/110中的每一个设置适当的功率电平(power level)来配置。

然后，RFID读取器112可以被配置为以物件读取事件的形式接收第一接收器108和第二接收器110检测到的信息，所述物件读取事件对应于接收器108、110中的每一个在一个或更多个预先定义的时段内检测到具有RFID标签的物件104a-104d和物件106a-106d中的一个物件的存在的次数。由此，在图1的系统100中，RFID读取器112可以被配置为推断或假设由第一接收器108检测到的任何物件实际上位于第一位置104，而第二接收器110检测到的任何物件实际上位于第二位置106。

然而，现实中，可能发生这样的情况：第一接收器108和第二接收器110(或者物件104a-104d和物件106a-106d的各种RFID标签)的精确度、可靠性和操作特性不足以保证这个期望的结果。例如，接收器108、110的实际读取范围可能由于许多已知原因而变化，所述原因包括：例如，第一位置104和/或第二位置106附近的环境条件，所述环境条件可能提高或降低与读取范围的程度相关联的条件。

例如，第一接收器108的读取范围可能处于某个环境条件下或者由于第一接收器108的功率波动，而可能扩大到使第一接收器108能够检测到第二位置106处的物件。在此情况中，RFID读取器112会错误地推断出第一接收器108检测到所有物件都位于第一位置104处，尽管事实上物件中的至少一个位于第二位置106处。

此外，可能发生这样的情况：物件104a-104c中的一个或更多个没有被第一接收器108正确读取。也就是，即使第一接收器108的读取范围以期望和已配置的方式起作用，也会发生这样的情况：第一接收器108未能识别或读取实际上在第一位置处的一个或更多个物件104a-104c。例如，还是由于第一位置104处的环境条件和/或与物件104a-104c的成分或包装相关联的材料，在区域内可能存在有害的干扰或阻碍，这妨碍了物件104a-104c中的一个或更多个物件的检测。在此情况中，第一接收器108会向RFID读取器112少报物件104a-104c的计数。

此外，可能发生这样的情况：由于各种各样的原因，第一位置104处的物件104a-104d和第二位置106处的物件106a-106d在任何时刻实际上相对于陈列图被错误地安放。例如，客户可能从第一位置104拿走物件104d，用于检查，然后将该物件104d错误地返还到第二位置106处，例如，可能将物件104d安放到附近的陈列架上，而没有安放在正确的陈列架上。在其它示例中，雇员可能没有正确地根据陈列图来贮存物件。在这些和其他示例中，可能出现这样的情况：相应位置处的接收器检测到错误安放的物件，由此，RFID读取器可以被配置为将这样的读取与陈列图相比较并且根据陈列图确定这样的物件没有正确地安放(例如，第二接收器110可能检测到物件104d并且确定物件104d被放错位置)。

然而，从以上讨论可以意识到：第一接收器108和第二接收器110在分别正确地检测仅仅出现在第一位置104和第二位置106的那些物件方面的能力的实际现实和限制(limitation)暗示了这种根据陈列图确定放错位置的物件的精确度和可靠性也将被降低、减小或折衷。给出几个例子，可能会发生这样的情况：第一接收器108检测到第二位置106处的物件106c，在该情况中，RFID 112可以推断出物件106c位于第一位置104，这是不正确的。在另一示例中，第一接收器108可以检测到被错误地安放在第二位置106处的物件104d，以至于RFID读取器112根据陈列图可能错误地推断出物件104d实际上被正确地安放。此外，如已经提到的，第一接收器108可能没有检测到实际上安放在第一位置104处的物件104a-104c或物件106d中的任何一个，在该情况中，RFID读取器112将没有足够的信息来正确地确定与陈列图相符的当前程度或状态。

因此，在图1中，与陈列图相符管理器102被配置为接收第一接收器108和第二接收器110确定的所有物件读取事件，并且被配置为确定与第一位置104和第二位置106相关联的相应陈列图，并且然后向物件读取事件应用聚类(clustering)算法以便确定哪个物件(如果有的话)被放错位置，并且还确定正确安放的物件，从而随时间迅速并且精确地确定与陈列图相符的程度。这样，可以获得与陈列图相符的各种优点，包括，例如，改进的库存管理、更高的效率、更高的安全性、减少的偷窃以及更高的利润率。

将会意识到，在图1的示例中，图示了一种配置，其中，第一接收器108和第二接收器110被图示为与第一位置和第二位置106在一起，如所描述的，并且向公共RFID读取器112报告。这样的配置仅仅是一个示例，并且本领域普通技术人员可以理解，许多其它配置将是等同的。例如，多个RFID读取器可以被安放在相应的位置。而且，这样的RFID读取器和/或关联的接收器可以是移动的(例如，手持的或者重新定位的)并且可以与第一位置104和第二位置106中的每一个相关联，但是仅仅是临时的，例如，在获取读取期间。

还是在图1的示例中，RFID读取器112被图示为与RFID中间件114和关联的中间件数据库116通信。例如，尽管图1的示例仅图示了单一RFID读取器和关联位置104、106，可以意识到在给定位置中大量这样的读取器和接收器可以运行，因此RFID中间件114和关联的中间件数据库116可以用于聚集并且收集来自这样的多个读取器和接收器的信息。

例如，在杂货店环境中，一个或更多个RFID读取器和关联的读取器可能位于杂货店内的多个通道中的每个通道的每个陈列架上。然后，RFID中间件114可以被安放在杂货店的中央或其它位置并且被配置为聚集来自该杂货店的所有通道的所有读取器的信息。在另一示例中，在医院，RFID读取器和/或接收器可以被分布在患者房间内，因此RFID中间件114的组件可以被安放在医院的每层楼的一个或更多个位置处。

再有，在图1的示例中，企业资源规划系统(ERP)118连同关联的ERP数据库120一起被示出。这样的ERP系统的特征和特性是公知的，包括，例如，确定企业的资源是否被以最佳和高效的方式部署。例如，在当前示例中，ERP系统118可以跟踪企业的各种不同位置处与陈列图相符的程度，并且可以相应地部署资源。例如，可以确定企业的第一零售位置/商店处与陈列图相符的程度低于其他零售位置/商店，在该情况中，额外的雇员可以被部署在该第一零售位置/商店，以试图提高与陈列图相符的程度，或者出于同样的目的在该位置组织额外的培训。当然，ERP系统118仅仅是一个示例，并且可以按照期望和/或根据系统100的设置来使用其他后端应用，包括，例如，客户关系管理(CRM)应用、库存管理应用、医院或图书馆管理应用或任何其它期望的/关联的应用。

如上面所提到的，图1图示了一个示例，其中与陈列图相符管理器102与RFID读取器112和/或RFID读取器112的部分相关联。然而，可以意识到，与陈列图相符管理器102的部分或全部可以与图1的一个或更多个其它部件或其它未图示的部件相关联，或者与图1的一个或更多个其它部件的部分或其它未图示的部件的部分相关联。例如，与陈列图相符管理器102的部分或全部可以在一个或更多个RFID中间件114或关联的数据库116上运行，或者可以在ERP系统118或关联的数据库120上运行。

然而，在图1的特定示例中，与陈列图相符管理器102被图示为与RFID读取器112或RFID读取器112的部分相关联。这样，与陈列图相符管理器102可以包括事件处理器122，其被配置为接收来自第一接收器108和第二接收器110或者与第一接收器108和第二接收器110相关联的物件读取事件。例如，RFID读取器112可以(通过RFID中间件114和/或ERP系统118)被配置为在预先确定的时段内执行多次读取。例如，RFID读取器112可以被配置为在营业日的每小时使用接收器108、110获取一次10分钟的读取。在其它示例中，所述读取可以响应于某个事件，比如来自系统100的操作者的信号，或者响应于某个其它检测到的事件，而取得。各种类型的这样的读取方法及其关联的特征/优点在本领域是公知的。

与陈列图相符管理器102也被图示为包含或者可以访问相关陈列图124，相关陈列图124包括定义第一位置104和第二位置106处的物件的适当定位的陈列图。例如，这样的陈列图可以定义多个物件类型以及在每个位置要包括的每个这样的物件类型的物件的数目。通常，术语物件可以指可以装备有相应的RFID标签或者与相应的RFID标签相关联的任何物件，或者无论采用什么物件跟踪技术都可以检测到的物件。举几个例子，这样的物件可以包括待售的物件、制造工厂中正被构造的物件、医院中的药品、图书馆中的书籍、或者甚至人类(例如，监狱中的囚犯或医院中的患者)。因此，特定物件类型的物件一般可以具有相似的物理特性，并且因此相对于给定类型的物件跟踪技术可以具有相似的检测模式。

在更加详细/特定示例中，在杂货店或其它零售环境中，这样的物件类型可以对应于产品或产品类型，因此物件对应于给定物件类型的待售物件。在图1的简化示例中，可以假设该陈列图指定第一位置104处的第一物件类型，因此物件104a-104d代表此物件类型的物件。类似地，该陈列图可以指定与第二位置106相关联的物件类型，因此物件106a-106d代表这样的第二物件类型的物件。举几个具体的示例，在杂货店环境中，第一位置的物件类型可以被指定为可乐(Coke)，而第二位置的物件类型可以被指定为健怡可乐(Diet Coke)。在医院环境中，第一位置104的物件类型可以是第一药品类型，而第二位置106的物件类型可以代表第二药品类型，因此在此示例中，104a-104d和106a-106d中的物件代表相应药品类型的独自的容器。在另一示例中，在图书馆环境中，第一位置(例如，书架)可以与作为第一类别的图书馆书籍的物件类型相关联，而第二位置可以与作为第二类型的书籍的类别(例如，与历史小说相对比的科幻小说)相关联。

尽管图1图示了其中对于每个位置仅仅指定了单一物件类型的简化示例，但是可以意识到，事实上对于每个位置可以指定多个物件类型，并且在给定位置上这些物件类型相互的关系和定位也可以由该陈列图来指定(例如，三个不同物件类型可以分别为指定为位于陈列架的左、中和右位置)。此外，陈列图可以指定在每个位置应当存在的每个物件类型的物件的最小数目，以便检测到低于此最小值的物件的数目可以被用于触发再次贮存(restock)命令。类似地，该陈列图可以指定每个位置处的每个物件类型的物件的最大数目，以便如果该最大数目被超过(例如，由于在该位置已经发生过完整贮存之后客户再次放置物件，或由于雇员过多贮存)，则再次采取动作以返回到与陈列图相符。

如以上所提到的，可能发生这样的情况：接收器108、110接收到的物件的读取可能发生相对较大的变化，例如在取得读取的一个或更多个预先规定的时段期间。读取的这种变化可能反映或者可能没有反映第一位置104和第二位置106处的物件的真实情况。例如，如以上所提到的，接收器108、110的读取范围在一天的过程中或者在发生读取的其他时间单元中可能发生变化(例如，可能增大或减小)。在其它示例中，各个物件可能被稍微不同地安放在它们各自的位置，因此基于这样的定位的变化(例如，可能被放在支撑杆后面，因此避开检测)，在不同的时间可能被检测到或可能没有被检测到。

在其它示例中，可能发生这样的情况：变化和读取对应于物件的实际移动。例如，物件104a可能在一天的第一部分被精确地检测到，并且可能在该天的剩余部分被客户买走并且之后没有被检测到。因此，可能难以确定没有检测到物件104a是由于以上提到的接收器108、110的缺陷还是由于因被买走或被移动而导致104a真的不在。

同时，物件104d可能在一天的第一部分中被精确地检测到，并且可能被客户检查并且被错误地返还到第二位置106，并且之后被接收器108、110之一或二者检测到。而且，这个示例中的物件104d今后不太可能被买走或被选择(因为它处于一个意想不到/非期望的位置)，因此，第二接收器110可能收集到关于物件104d的大量物件读取事件，因为该物件随着时间的过去(即，在第二接收器110进行大量读取期间)一直留在单一位置上。

结果，被读取的特定物件在读取时段的过程中可能经历读取次数的大量变化。这种变化和读取的特定示例以下参照图3A和图3B来图示和讨论。然而，通常，可以意识到，与陈列图相符管理器102的低通过滤器126可以被用于减少读取的这种变化。也就是说，众所周知低通过滤器允许低于某个截止点的频率通过，或者根据某个过滤器特性允许频率通过，并且衰减、减少或去除如此规定的界限以上的频率。在当前示例中，例如，如果特定物件在一天的过程中被读取了数百次，那么低通过滤器126可以被应用到这些物件读取事件，以有效地减少这种事件的数目，如以下更详细地解释的。

因此，随着时间的过去可能会发生这样的情况：来自第一接收器108和第二接收器110以及可能是许多其它接收器的物件读取事件在RFID读取器112处被接收到并且被报告给与陈列图相符管理器102。然后，陈列图读取器128可以从对应于来自事件处理器122的特定的一组或更多组物件读取事件(可能经过低通过滤器126过滤)的陈列图124中确定一个适当的陈列图。也就是，如以上所规定的，陈列图读取器128可以被配置为确定规定与特定位置(例如，第一位置104和第二位置106)相关联的特定物件类型的物件和特性的特定陈列图。

然后，聚类分析器130可以被配置为使用对与特定接收器相关联并因此(名义上或表面上)与特定位置相关联的这些物件读取事件的第一计数，以及对与不同的接收器相关联并因此与不同的(即，第二)位置(名义上或表面上)相关联的物件读取事件的第二计数。例如，在图1的示例中，聚类分析器130可能接收所有过滤出的物件读取事件并且确定这些过滤出的物件读取事件中的哪些与第一接收器108相关联，并因此(正确或不正确地)与第一位置104相关联。类似地，聚类分析器130可以被配置为查看过滤出的物件读取事件并且确定和计数与第二接收器110相关联并因此(正确或不正确地)与第二位置106相关联的这些物件读取事件。

换言之，聚类分析器130接收从第一接收器108和第二接收器110二者接收的一组物件读取事件，并且聚类分析器130还从陈列图读取器128获知该陈列图打算把哪个物件类型与特定接收器相关联并因此与特定位置相关联。因此，聚类分析器130能够针对每个物件读取事件以及每个关联的物件确定该物件类型的物件是否被特定接收器(或者被接收器108、110二者)读取。

例如，如果聚类分析器130检测到来自第一接收器的与物件104c和/或104d相关联的物件读取事件，然后聚类分析器130借助陈列图读取器128可以确定物件104c和104d二者都被对的、正确的或预期的接收器读取。实践中，如以上所提到的，这样的确定可能或未必指示与陈列图相符，因为相对于该陈列图物件104c被正确地安放而物件104d被错误地安放。类似的评论适用于物件106c和106d，因为这些物件都可以被第二接收器110检测到，即使根据陈列图它们当中只有物件106c被正确地安放。此外，还可能发生这样的情况：第一接收器108错误地检测到物件106c并且相应地生成物件读取事件，而第二接收器110可能错误地检测到物件104c。在这样的情况中，再一次，似乎物件104c/106c被错误地安放，而事实上物件104c/106d被正确地安放而仅仅是被第一接收器108/第二接收器110错误地检测到。

为了解决这些和其他困难并且确保与陈列图相符，聚类分析器130可以被配置为执行对物件读取事件的第一计数，其中，与第一接收器相关联的物件读取事件的子集被计数，并且类似地可以执行对物件读取事件的整个集合的第二计数以确定与第二接收器110相关联的物件读取事件的子集。然后，聚类分析器130可以将物件读取事件中的每一个分类为被正确的(至少是名义上的)接收器检测到或者被不正确的接收器检测到，并且可以将这些计数相互关联并且运行聚类算法以定义物件读取事件的整个集合的两个聚类(cluster)。然后，结果管理器132可以被配置为将聚类分析器130的输出与陈列图读取器128进行比较，以便根据陈列图确定所述聚类之一或它们二者代表被正确安放的物件还是放错位置的物件。

例如，如以下详细描述并且参照图3A、3B和图4A、4B所图示的，聚类分析器130可以被配置为对每个物件被预期的或预测的接收器读取的次数进行计数，并且将该计数与同一物件被非预期的或非预测的接收器读取的次数相对比而绘成图。然后，聚类算法可以被应用到这样的图以定义以上提到的聚类。作为术语，可以意识到对于“对的”、“正确的”、“预期的”、“预测的”或类似术语的任何引用是指物件类型的物件和被根据陈列图与该物件类型(及其位置)相关联的特定接收器检测到之间的关联关系，即使检测到的特定物件可能实际上相对于陈列图被错误地安放。

在图1中，相符(compliance)分析器134被配置为随着时间的过去跟踪聚类分析器130和结果管理器132的结果，从而分析随着时间的过去与陈列图相符的程度。例如，相符分析器134可以检测/提供关于商店雇员在向陈列架再次贮存或者使位置104、106与陈列图相符方面的响应程度的信息。这样，如上所述，例如，ERP系统118或其它后端应用可以被提供有这样的能力：检测保持与陈列图相符所需的劳动强度和资源二者以及该企业位置在以最佳方式应对这种与陈列图不符情况的有效性(或缺乏有效性)。

举几个具体的示例，相符分析器134可以针对零售位置的每个通道或其它部分记录与陈列图不符的出现。定期地，相符分析器134可以将每个通道当前的相符程度与一个或更多个过去的相符程度进行比较。相符分析器134因此可以检测特定的相符/不符的程度，并且/或者检测随着时间的过去相符程度改善或相符程度变差的趋势或模式。

最后，在图1的示例中，图示了图形用户接口(GUI)136，其可以允许用户和系统100的与陈列图相符管理器102以及这样的其它组件交互。例如，可能发生这样的情况：GUI 136被提供在雇员的位置并且可以提供可视指示，当被结果管理器132通知与陈列图不符时输出或警告所述与陈列图不符。例如，在以上的零售(例如，杂货店)示例中，这样的GUI 136可以提供图示杂货店的通道以及所检测到的与陈列图不符的位置的可视指示符的可视地图。GUI 136也可以被用于输出相符分析器134的结果，以查看陈列图本身，或者便利系统100的使用，如这里所描述的和/或如将会很明显的。

在图1的示例中，与陈列图相符管理器102和RFID读取器112相关联，GUI 136和与陈列图相符管理器102相关联。然而，实践中，如上所提到的，与陈列图相符管理器102可以全部或部分地与组件112-120中的任何一个相关联或位于组件112-120中的任何一个。类似地，GUI 136可以与组件112-120中的任何一个相关联。例如，GUI 136实际上可以代表多个GUI或多个GUI的屏幕，其中的一些或全部可以与组件112-120中的一个或更多个相关联。GUI 136也可以代表与组件112-120中的一个或更多个相关联的其他标准的GUI，其已经被修改以便实现与陈列图相符管理器102的功能，或者可以代表独占地和与陈列图相符管理器102相关联的完全独立的GUI。

在图1的示例中，如本领域技术人员将会意识到的，如在此以下更详细地描述的，可以意识到各种组件102、112-120可以与相关计算机硬件和/或软件相关联。例如，RFID读取器112、RFID中间件114和/或ERP系统118可以使用一个或更多个计算设备来运行并且因此可以代表这样的计算设备的众所周知的硬件，包括：例如，关联的处理器、存储器、显示器、电源和其他已知的硬件部件。如果使用多个计算设备，则可以意识到这些计算设备可以相互远离，并且可以使用私有或公共网络(例如，企业范围的内联网或公共的互联网)来连接。

图2是图示图1的系统100的操作的流程图200。在图2的示例中，图示了操作202-212。操作202-212被顺序地示出在图2的示例中，但是可以被理解为全部或部分地以重叠或并行的方式操作，或者以与图2示出的顺序不同的顺序操作，除非另有说明。

在图2的示例中，可以确定指定与第一位置相关联的物件类型的物件的陈列图(202)。例如，陈列图读取器128可以确定与第一位置104相关联的特定物件类型的陈列图指定的物件104a-104d，并且可以指定与第二位置106相关联的特定物件类型的物件106a-106d。

从与第一位置相关联的第一接收器和与第二位置相关联的第二接收器接收针对所述物件类型的物件的物件读取事件(204)。例如，事件处理器122可以经由RFID读取器112从与第一位置104相关联的第一接收器108和与第二位置106相关联的第二接收器110接收物件读取事件。

可以确定对与第一接收器相关联的物件读取事件的第一计数(206)。例如，聚类分析器130可以执行对物件读取事件的子集的第一计数，其中所计数的物件读取事件与第一接收器108相关联。如以上所提到的，对来自第一接收器108的物件读取事件的这种计数可能正确地或错误地识别在读取时实际位于第一位置104的所有物件。不过，一般来说，当针对所选择的与第一位置相关联的单个物件类型的物件执行时，这些与第一接收器相关联的物件读取事件代表来自预期的/预测的接收器的物件读取事件。

可以确定对与第二接收器相关联的物件读取事件的第二计数(208)。例如，聚类分析器130可以确定对与第二接收器110相关联的(被第二接收器110接收的)物件读取事件的单独子集的第二计数。另外，这样的物件读取事件可能真实地指示或未必真实地指示在第二位置相应物件的存在，并且可能代表或未必代表第二位置处的这些物件的全部或完整的表示。不过，一般来说，当针对所选择的与第一位置相关联的单个物件类型的物件执行时，这些与第二接收器相关联的物件读取事件代表来自非预期的/非预测的接收器的物件读取事件。

聚类算法可以被应用到第一计数和第二计数以确定对应于物件的第一子集的第一聚类和对应于物件的第二子集的第二聚类(210)。例如，聚类分析器130可以将针对特定物件(例如，物件104c或104d)的与错误、非计划的、非预知的或未预料到的接收器(在此，第二接收器110)相关联的物件读取事件与针对同一物件(即，物件104c或物件104d)的其中该物件被正确的、预料中的、预知的或其它另外指定的读取器(在此，第一接收器108)读取的物件读取事件相对比地绘成图。换言之，物件104c可能被第一接收器108读取并且因此被视为正确或预知的物件读取事件。然而，物件104被可能被第二接收器110读取并且因此可以被归类为不正确的或未预料到的物件读取事件。如以上所提到的，各个物件读取事件可能对应于或未必对应于特定物件相对于陈列图的实际相符或不相符。

然而，如在此详细解释的，聚类算法的应用提供了从这些在其它方面不明确的物件读取事件中确定给定物件实际上是否被放错位置的能力。也就是，指定的聚类可以被用于提供这样的指示：来自相应接收器108、110的想要的或预期的读取实际上是否反映真实情况，并且因此特定物件根据陈列图被正确地还是错误地安放。

对于每个聚类，可以确定其中包含的物件读取事件是否指示相应的物件子集存在于第二位置并且因此确定是否与陈列图不相符(212)。例如，结果管理器132可以检查由聚类算法确定的第一聚类和第二聚类以确定所述聚类之一或它们二者是对应于正确安放的物件还是放错位置的物件，并且之后可以例如使用图1的GUI 136向用户输出与陈列图相符或不相符的相应指示。

图3A和图3B是阐释图1的与陈列图相符管理器102的操作的图(graph)。在图3A中，图示这样的示例，其中，物件104a-104d和物件106a-106d由与陈列图相符管理器102计数并且另外评估，以准备用于以上提到的或以下在图4A或4B中更详细地图示的聚类分析器130在确定第一聚类和第二聚类中的操作，或者与以上提到的或以下在图4A或4B中更详细地图示的聚类分析器130在确定第一聚类和第二聚类中的操作相关联。

具体来说，图3A图示在一天的过程中RFID读取器112和关联的接收器108、110执行的多个读取的结果。例如，如以上所提到的，接收器108、110可以被配置为在一天的过程中每小时一次在十分钟窗口中执行读取并且生成相应的物件读取事件。当然，这样的配置仅仅是示例，并且如本领域技术人员将意识到的，读取的次数、范围或类型可以按照期望的方式执行。

在图3A的示例中，如所提到的，假设物件104a-104d与第一物件类型相关联，而物件106a-106d与第二物件类型相关联。因此，图3图示在一天的过程中与每个物件相关联的计数。如图3A的图注所示，图中划阴影线的部分对应于与用于某物件类型的预期RFID天线相关联的物件读取事件，而未划阴影线的部分对应于与非预期的RFID接收器相关联的读取。

例如，参考物件104a，图中的部分302被图示为划了阴影线并且因此对应于与第一(预期的)接收器108接收的与物件104a相关联的读取事件的数目或计数。同时，部分304被图示为未划阴影线并且代表与错误的或非预期的接收器(在该情况中，第二接收器110)相关联的读取事件的迭加计数(stacked counting)。换言之，如以上解释的，系统100被配置为已经被安放在第一位置104的物件104a应当被作为正确/对的RFID读取器的第一接收器108读取并且检测到。事实上，图3A图示物件104a被正确的RFID接收器108检测的次数占多数，但是也被错误的/非预期的接收器110检测到(具体地，如部分304所示)。

类似的，但是相反，根据陈列图，图1中的物件104d事实上被错误地安放在第二位置。因此，图3A的曲线图中的部分306图示与第一位置104相关联的物件类型的物件104d有时也被对的/预期的接收器108读取到，尽管事实上物件104d其实处于错误的位置(在该情况中，第二位置106)。此外，如可以预期的，位于第二位置106的物件104d被非预期的接收器读取与被预期的接收器108读取相比要频繁得多。

类似的观察可以针对第一物件类型的剩余物件104b和104c中的每一个以及第二物件类型的物件106a-106d进行。可以观察到与正确安放的物件相比，诸如物件104d或物件106d的放错位置的物件被较频繁地检测到，这是可以预期的，因为事实上放错位置的物件被限定在非预期的位置并且因此不太可能被潜在的用户(例如，零售环境中的潜在的客户或购买者)识别出来。

图3B图示第二个图，其在构思上与图3A的示例相似，但是表示了更大数目的物件类型A-E并且被选择用于阐释其中根据关联的陈列图没有物件被放错位置或者被从其预期的位置移走的情景。因此，图3B图示了RFID读取器112和关联的接收器108、110的可能经历的变化的程度。也就是，例如，物件类型A的物件表明被错误/非预期的RFID接收器读取多次，尽管，如所提到的，在整个读取时间内所有物件事实上被正确地安放并且在任何时候都没有被安放在与错误/非预期的RFID天线相关联的位置上。同时，图3B中的物件类型B的物件说明几乎所有物件读取事件事实上都是从正确的/预期的RFID接收器接收的，而只有很少数目的物件读取事件与错误/非预期的RFID天线相关联。

可以意识到这样将各种物件分组成相关联的物件类型可以利用这样的事实：同一物件类型的物件趋向于具有相同的物理特性并且因此趋向于遵循比较相似的读取模式(pattern)，即，被正确/预期的RFID接收器读取的分布或次数与被错误/非预期的RFID接收器读取的次数相对比。同时，不同物件类型的物件相互之间可能表现出的极大的变化。例如，正如所描述的，在这点上，物件类型A的物件表现出极大的变化，而物件类型B的物件表现出非常小的变化。

因此，图3B阐明了难以正确地确定物件的位置的示例性原因，例如，因为各种物件被错误的接收器识别到比被正确的天线识别到更频繁(产品A)。此外，物件在某个间隔期间被识别到的次数可能变化相当大(例如，产品D)，因为人们知道RFID天线具有“盲区(blind spot)”，在盲区中，RFID标签可能很难或不可能被识别到。

图3A和图3B图示了利用图1的低通过滤器126的所得到的益处。具体来说，从图3A和图3B可以观察到，正如所提到的，对于特定的RFID接收器，各种物件和物件类型被检测到的频率存在很大变化。通过应用低通过滤器，这样的变化可以被减小，并且较高频率和较大值的计数可以被减小，从而在物件和物件类型中存在较小的变化。

在示例实现方式中，低通过滤器126可以被配置为实现基于平方根的传递函数。有利的是，基于平方根的传递函数的截止特性导致较高频率或较大值的计数被相当大地减小，而较低频率和较小值的计数并未被一个因子大幅度减小。通常，依赖平方根传递函数的低通过滤器是众所周知的，并且因此这里不进行更详细的讨论。此外，显而易见，存在许多其它类型的低通过滤器，并且本领域技术人员可以设计和使用许多其它类型的低通过滤器。

图4A和图4B图示了说明图1的聚类分析器130的功能和操作的图。在图4A的示例中，图示了在构思上与图3A的图和图1中图示的示例一致的图。具体来说，如在图1和图3A中，使用三角形类似地标记和图示与物件104a-104d相关联的物件读取事件，而用正方形类似地标记和图示与物件106a-106d相关联的物件读取事件。

图4A图示图1的聚类分析器130可以使用对与第一接收器108相关联的物件读取事件的第一计数来沿图的X轴绘出相应物件的位置，同时使用对与第二接收器相关联的物件读取事件的第二计数来沿图的Y轴绘出相应物件的位置。也就是，如图所示，图4A的X轴对应于对于每个物件类型被对的/预期的天线读取的次数或计数，并因此对应于图3A的条形图中划阴影线的部分。同时，图4A的Y轴对应于对于每个物件类型被错误的/非预期的天线读取的次数，并因此对应于图3A的条形图中堆叠的未划阴影线的部分。

举一个具体的示例，已经参照图3A和图1图示和讨论的物件104a被假设为正确地安放在第一位置104，因此被正确的/预期的第一接收器108计数的次数占多数，并且因此位于沿X轴比沿Y轴远的位置。可以注意到，沿X轴和Y轴图示的值比沿图3A的Y轴图示的计数的数目小，这是因为聚类分析器130使用来自低通过滤器126的经过滤的值而不是相对于图3A图示的由事件处理器122接收的计数的绝对值。图4A表示这样的经过滤的(被减少的)值的概念并且不一定阐释以上提到的平方根低通过滤器的使用。

在另一具体示例中，在图1中被图示为被错误地安放在第二位置106的物件104d在图3A和图4A中都被图示为被错误/非预期的RFID天线110相当频繁地计数，并且因此位于沿图4A的Y轴比沿X轴远得多的位置。

换言之，对于物件104a，图3A中的部分302与对物件104a的物件读取事件的计数沿图4A的X轴的定位相关联，而图3A的堆叠部分304与沿图4A的Y轴的放置位置相关联。类似地，对于物件104d，图3A中的部分306与物件104d沿图4A的X轴的放置位置相关联，而图3A中的部分308与物件104d沿图4A的Y轴的放置位置相关联。

在图4A中，图4A中的对角线，如这里所图示的，提供了对于特定物件平均来看被错误/非预期的天线读取是否比被正确的/预期的天线读取更频繁的近似测量或指示。也就是，对角线以上的物件通常被错误/非预期的天线检测到，而对角线下面绘出的物件通常更频繁地被对的/预期的天线检测到。

聚类分析器130因此可以通过向图4A的图应用聚类算法以获得第一聚类402和第二聚类404，来分析所绘出的采用对各种物件和物件读取事件的计数的各种物件和物件读取事件的表示。这样聚类算法本身是已知的，并且其各种变形对本领域技术人员来说是显而易见的。一般来说，这样的聚类算法被设计为检查图项(graph item)的另外完全不同(disparate)的分组，并且将所述项中的每一个分配到一个、两个或更多个聚类。

例如，被称为K-means算法的聚类算法被设计为在绘出项(graphed item)的分布范围(distribution)内识别两个聚类。操作中，K-means算法通常可以通过在图(比如，图4A中的图)内选择一个随机位置，然后确定所有绘出项到所选择的随机位置的距离。然后，距随机选择的位置最近的一个或更多个绘出项被视为一个聚类，然后可以计算这个聚类的中心。上述操作然后可以被重复以用于第二聚类，然后作为一个整体迭代地重复，直到这两个聚类稳定为止。

在聚类算法的另一示例中，期望最大化(EM)聚类算法可以被实现。EM算法在概念上与K-means算法类似，但是使用概率来表示特定聚类中的绘出项的潜在成员。换言之，与K-means算法相比较，EM算法不是将绘出项分配到特定聚类，而是赋以与特定绘出项是否可以或应当被包括在特定聚类中相关联的概率。因此，例如，特定绘出项被赋以被包括在第一聚类中的概率80％并且被赋以被包括在第二聚类中的概率20％。这样的软边界相对于K-means算法的固定边界可能产生改善的结果，因为，例如，这样的方法可以允许绘出项被更容易地分配到其他聚类，并且可以避免所选择的不合适的初始条件导致不可接受的结果的情形。

更一般地来说，已知EM算法用于找到符合给定数据集合的基础分布(underlying distribution)的参数的最大似然估值。其在基础分布是正态分布时特别有用，因为存在最接近形式的估计量。因此，EM算法可以被较为快速地计算。如以上提到的，EM算法以对该分布的参数的估值开始，并且迭代地改进所述估值。在每次迭代中，EM算法首先估计该分布的期望值(E步骤)，然后重新估计该分布的参数以使它们的似然最大化(M步骤)。在图1-4的示例中，EM算法可以被配置为找到两个聚类，一个放错位置的物件的聚类和一个被安放在符合陈列图的它们的正确位置的物件的聚类，比如图4A中的聚类402和404。

在这点上，从本发明描述中可以意识到，可能存在这样的情况：其中所有物件都被放错位置或者每一个物件被放错位置，因此两个聚类可以都代表放错位置的物件，或者两个聚类可以都代表放置在符合陈列图的正确位置的物件。如下所述，在每个聚类中与正确和/或错误的接收器108、110相关联的物件读取事件的平均值可以被用于判定一个聚类代表放错位置的物件还是两个聚类二者都代表放错位置的物件。例如，在图4A中，物件104d、106d平均被非预期的接收器/天线读取得更频繁，而物件104a-104c和物件106a-106d平均被预期的接收器/天线读取得更频繁。因此，结果管理器132可以确定第一聚类402与符合陈列图的物件相关联，而第二聚类404包含不符合陈列图的物件。

图4B图示图4A中的图的第二示例。图4B具体考虑零售环境中的物件，在该环境中可能发生物件被移动、拿走或添加的情况。例如，物件可以被出售给顾客或者被从它们相应的位置拿走。在其它示例中，这样被售出或拿走的物件可以由零售店的人员来补充。

图4B图示其中对售出物件进行补充并且根据相应陈列图知道25％的物件被放错位置的示例。在图4B中，根据陈列图以及图4B的图注，划阴影线的圆圈代表被安放在正确/预期位置的物件，而没有阴影的圆圈代表放错位置的物件。

在图4B中，每个圆圈的大小在图4B的图中代表具有相同X和Y坐标的物件的数目。换言之，如果对一个物件类型的第一物件和第二物件的物件读取事件的计数的绘图导致重叠地放置了相应的图形表示，则这样的情形可以通过增大所绘出的物件表示的尺寸来表示。

如上面所提到的，EM算法可以被用于在图4B中的每个所确定的聚类的数据上拟合两个正态分布。如所图示的，安放在正确/预期位置上的物件示出了较小次数的RFID读取(对大约12次读取的平均)，因为在补充时段由于销售而不断地改变物件。同时，放错位置的物件被更频繁地读取，因此它们没有被售出。平均来看，放错位置的物件在它们当前位置被读取接近44次。图1的低通过滤器126的应用可以被用于减小这个较大的正确安放的物件和放错位置的物件的读取次数的差。

在应用EM算法时，基于图4B预期放错位置的物件的一个聚类，其中物件平均大约44次读取来自非正确位置，而平均大约8次读取来自正确位置。而且，正确安放的物件的聚类示出平均不到1次读取来自非正确位置，而接近12次读取来自正确位置。

图4A和图4B没有具体图示与图4A的402和404对应的两个聚类的名称，但是这样的聚类的存在可以从图4B中容易地观察出来。在这点上，可以意识到，图4A和图4B图示了其中数据被明显地隔离成2个分离的聚类的简化示例，并且EM算法可以完全按照预期容易地识别出聚类，即，在物件位置中识别各种物件时不提供错误的负值和错误的正值。在更复杂或隔离不明显的示例中，与大多数或所有针对使用诸如RFID的物件跟踪技术实现与陈列图相符的方法相比，EM算法或其它聚类算法在识别放错位置的物件方面仍然可以提供较高的精确程度。此外，如上所述，所描述的方法可以被非常快速且持续地使用，并且可以大规模或小规模地提供与陈列图相符的精确程度。

图5是图示图1的系统100的操作的更详细的示例的流程图500。在图5的示例中，可以确定包括指定的物件类型的物件的计划位置(plan location)的陈列图(502)。例如，如所述，图1的陈列图读取器可以被配置为确定将第一物件类型的物件104a-104d的位置指定在第一位置104的相应陈列图，并且可以被用于确定第二位置106处的第二物件类型的物件106a-106d的位置。可以从所有相关RFID接收器接收并且确定与所确定的陈列图相关联的所有物件的物件读取事件(504)。例如，事件处理器122可以从RFID读取器112接收所有物件读取事件，而不考虑物件读取事件是否与给定物件类型相关联，和/或源自第一接收器108还是第二接收器110。因此，如上所述，源自第一接收器108和第二接收器110的物件读取事件的整个集合可以包括第一接收器108和第二接收器110对在对应位置的所有物件的读取，以及每个接收器108、110对实际上位于与其他接收器相关联的位置的物件的读取。

然后可以选择第一物件类型(506)，例如，通过聚类分析器130和/或通过结果管理器132，从而包括与陈列图相符管理器102的系统100可以对于陈列图的所有相关物件类型重复此过程。例如，与第一位置104相关联的物件104a-104d的物件类型可以首先被选择。然后，与所选择的物件相关联的计划的、正确的或预期的位置可以被确定(508)。例如，聚类分析器130和/或结果管理器132可以考虑由陈列图读取器128获取的陈列图，以确定与第一位置104相关联的物件类型的物件104a-104d的预期位置可以与其相关联并且可以因此预期被第一接收器108读取。

然后可以选择所选择的物件类型的物件(510)。然后可以对与预期的/计划的/正确的位置相关联的物件读取事件进行计数(512)，并且也可以对与非预期的/非计划的/错误的或不正确的位置相关联的物件读取事件进行计数(514)。例如，如已经描述的，为了选择物件104a(510)，可以对图3A的物件读取事件302进行计数(512)，其将物件104a与计划的或正确的位置104和关联RFID读取器108相关联。同时，可以对图3A的物件读取事件304进行计数(514)，其与在不正确的或非预期的第二位置106处的第二RFID接收器110的读取相关联。换言之，物件104a可以被预期的第一RFID接收器108多次正确地检测到，并且被非预期的第二RFID接收器110检测到某个可推测的较小的次数，尽管事实上物件104a其实正确地安放在第一位置104。

然后可以将如此选择和计数的物件添加到所定义的相关联的物件类型的集合(516)。例如，聚类分析器130可以将如此计数的关联的物件读取事件分配在如图3所示的与第一物件类型A的物件相关联的组内。如果还有剩余的要被计数的任何物件，则可以相应地选择下一个物件(510)。例如，聚类分析器130可以选择作为要被计数的下一个物件的物件104d。然后，该重复过程可以通过在向相应物件类型集合添加物件104d之前对如图3A中所示的物件读取事件306和如图3A中所示的物件读取事件308进行计数来继续(512-516)。

当特定物件类型的物件再也没有剩余时，则聚类分析器130可以确定整体上是否还存在与陈列图相关联但是还没有被针对是否与陈列图相符进行分类的任何剩余物件类型(520)。例如，聚类分析器130可以参考来自陈列图读取器128的陈列图并且可以确定与第二位置106相关联的物件类型的物件106a-106d可能还没有被针对是否与陈列图相符进行分析，并且可以因此可以在继续进行之前重复以上的迭代过程和操作(506-518)。也就是，一旦再也没有物件类型剩余(520)，则聚类分析器130可以开始针对所选择的物件类型来选择如此构造的物件类型集合中的一个(522)。然后，在图5的示例中，低通过滤器126可以被应用(524)，从而例如减小物件类型的物件之间的变化和读取，如上面已经描述的。

然后可以构造经过滤的物件读取事件的图(526)。例如，聚类分析器130可以创建诸如图4A和图4B中的图的图，其中，与正确或预期的RFID接收器相关联的物件读取事件沿X轴放置，而与不正确或非预期的RFID接收器相关联的物件读取事件沿Y轴放置.

然后，聚类分析器130可以应用诸如K-means算法或EM算法的聚类算法来确定第一聚类和第二聚类(528)。如以上所提到的，可以考虑到，根据陈列图，针对是否与陈列图相符进行分析的各种物件可能都被正确地安放或者可能都被放错位置。因此，结果管理器132可以参考来自陈列图读取器128的陈列图和/或另外确定每个聚类平均来看被在错误或非预期的位置上读取得更频繁，还是平均来看被在对的或预期的位置上读取得更频繁(530)。

如果一个聚类平均来看被在错误的位置上读取得更频繁，则其中包含的物件读取事件和关联的物件可以被确定为被放错位置，从而可以输出(532)放错位置的物件的列表，该列表根据陈列图将第一聚类和/或第二聚类识别为与这些放错位置的物件相关联。例如，如以上所提到的，结果管理器132可以使用GUI 136来输出这样的放错位置的物件的列表，例如，通过提供图示位置104、106的地图和/或图形化地图示哪个位置正发生与陈列图不符的情况，并且关于与陈列图不符的所有其它附加程度的细节都可能期望被提供。

如果还有任何物件类型剩余(534)，则图5的流程图500的操作可以继续(522-532)，直到没有这样的物件类型剩余(534)，在该点上该过程结束(536)。例如，操作512-532可以继续针对与第一位置104相关联的物件类型的物件104a-104d进行，然后针对与第二位置106相关联的物件类型的物件106a-106d迭代地重复这样的操作。

下面的算法1图示了用于以以上描述的方式确定与被多于一个的RFID接收器/读取器识别到的RFID标签相关联的物件的实际位置的示例实现方式。如以上所提到的，算法1的根据在于相同物件类型的物件可以表现出相似的读取模式。在算法1的示例中，考虑的下面的情况：物件类型对应于产品类型，例如，诸如杂货店的零售环境中待售物件的品牌或分类。在该情况中，如上所述，可以最初对针对每个位置和针对每个物件的物件读取事件的数目进行计数。由于这样的物件读取事件可能产生不可预测的和变化的物件集合，因此读取的次数可能表现出极大的变化，并且因此可以受益于将值集中在较小间隔的段(small interval period)中。然后，可以对特定物件类型的所有物件应用诸如K-means算法或EM算法的聚类算法，由此可以根据相应的陈列图确定哪些这样的聚类(如果有的话)代表放错位置的物件。

1.input lists ItemEvents，Products

2.MisplacedItems＝{}

3.for all(product p ∈Products)do

4.  P＝{}

5.  loc＝getLocation(p，Products)

6.for all(item i ∈ItemEvents)do

7.  eventR＝countEventsFrom(loc)

8.  eventW＝countEventsFrom(-loc)

9.  P＝P∪{(i，eventR，eventW)}

10.end for

11.P＝lowpassFilter(P)

12.CreateClusters(P_i)

13.for all(clusterP_i)do

14.  if(P_i.mean(eventW)＞P_i.mean(eventR))then

15.    MisplacedItems＝MisplacedItems∪P_i

16.  end if

17. end for

18.end for

19.output MisplacedItems

算法1

算法1使用两个数据结构。具体来说，第一数据结构“ItemEvents”(物件事件)表示具有所有陈述哪个物件被哪个RFID接收器识别到的物件读取事件的列表。第二输入数据结构被表示为“Products”(产品)，其表示产品/产品类型以及它们的根据陈列图的计划位置的列表。

算法1因此在第3行开始在所有现有的产品/产品类型上迭代。也就是，首先，在第5行使用产品的数据结构/列表来确定每个产品类型的计划位置。对于每个物件，计划/预期的位置处的物件读取事件的数目(EventR)被计数，并且错误的/非预期的位置处的读取的次数(EventW)被计数。于是，该物件可以被添加到属于产品类型P的物件集合p中(第6-9行)。

之后在算法1中，在第11行，应用低通过滤器来使每个物件的EventR、EventW的值集中在较小的间隔。在第12行应用聚类算法来创建i个聚类，即，P_i。然后，在算法1中，即在该算法的第13-17行通过检查是否平均来看该聚类被在错误/非预期的位置上读取得更频繁，来确定该聚类代表放错位置的物件。在对所有产品类型进行迭代之后，算法1返回放错位置的物件的集合。

如上所述，图1的系统100及其关联的或替代的实现方式和操作提供了克服诸如RFID的物件跟踪技术的物理和其它约束的能力。因此，系统100及其关联的或替代的实现方式规定最好将RFID数据集成在后端系统中以提供实时分析，用于即时过程控制和其它应用，所述即时过程控制包括如上所述的与陈列图相符，以及关联的过程，比如为了增加利润率而进行的客户数据的数据挖掘。

这里描述的各种技术的实施方式可以实施在数字电子电路中，或者实施在计算机硬件、固件、软件或它们的组合中。实施方式可以实施为计算机程序产品，即有形地体现在信息载体中，例如体现在机器可读存储设备中或者在传播的信号中的计算机程序，以供数据处理装置运行，或者控制数据处理装置的操作，所述数据处理装置例如可编程处理器、计算机、或多个计算机。计算机程序，例如上面描述的计算机程序，可以用任何形式的编程语言编写，包括汇编语言或解释语言，并且，它可以被以任何形式部署，包括作为独立的程序或者作为模块、组件、子程序或其他适于在计算环境中使用的单元。计算机程序可以被部署成在一个计算机上或在位于一个地点或跨过多个地点分布并被通信网络互连起来的多个计算机上运行。

方法步骤可以被一个或更多可编程处理器执行，所述可编程处理器运行计算机程序，以通过对输入数据操作和产生输出来执行功能。方法步骤还可以被专用逻辑电路执行，或者装置可以被实施为专用逻辑电路，所述专用逻辑电路例如FPGA(现场可编程门阵列)或ASIC(专用集成电路)。

作为例子，适于执行计算机程序的处理器包括通用和专用微处理器，以及任何类型的数字计算机的任意一个或更多个处理器。一般来说，处理器将从只读存储器或随机访问存储器接收指令和数据，或者从两者都接收指令和数据。计算机的部件可以包括至少一个用于执行指令的处理器，和用于储存指令和数据的一个或更多个存储器设备。一般来说，计算机还可以包括一个或更多个用于存储数据的海量储存设备，或者被可操作地连接以从一个或更多个用于存储数据的海量储存设备接收数据，或把数据传送到海量储存设备，或者二者皆有，所述海量储存设备例如：磁盘、磁光盘或光盘。适于具体实施计算机程序指令和数据的信息载体包括所有形式的非易失性存储器，作为例子，包括半导体存储器设备，例如：EPROM、EEPROM和快闪存储器设备、磁盘，例如内置硬盘或可移动盘、磁光盘和CD-ROM以及DVD-ROM盘。处理器和存储器可以被专用逻辑电路补充，或被包含在专用逻辑电路中。

为了提供和用户的交互，实施方式可以在具有显示设备和键盘以及指示设备的计算机上实施，显示设备例如阴极射线管(CRT)或液晶显示器(LCD)监视器，用于向用户显示信息，键盘和指示设备例如鼠标或跟踪球，用户利用它们可以提供到计算机的输入。其他种类的设备也可以被用来提供和用户的交互；例如，提供给用户的反馈可以是任何形式的感觉反馈，例如视觉反馈、听觉反馈或触觉反馈，并且，来自用户的输入可以被以任何形式接收，包括声音、语音或触觉输入。

实施方式可以被在包括后端组件或包括中间件组件或包括前端组件的计算系统中实施，或者在这些后端组件、中间件组件、前端组件的任意组合中实施，后端组件例如数据服务器，中间件组件例如应用服务器，前端组件例如具有图形用户接口，或Web浏览器的客户端计算机，通过图形用户界面或Web浏览器，用户可以和实施工具进行交互。组件可以利用数字数据通信的任何形式或介质来互连，数字数据通信介质例如通信网络。通信网络的例子包括：局域网(LAN)和广域网(WAN)，例如因特网。

虽然如这里所描述的那样已经示出了所描述的实施方式的某些特征，但是本领域技术人员现在将会想到很多修改、替换，变化或等同物。因此，要理解，所附权利要求旨在覆盖落在这些实施例的范围内的所有这样的修改和改变。

Claims (20)

1.一种包括记录在计算机可读记录介质上的指令的系统，该系统包括：

陈列图读取器，其被配置为确定指定与第一位置相关联的物件类型的物件的陈列图；

事件处理器，其被配置为从与第一位置相关联的第一接收器以及从与第二位置相关联的第二接收器接收针对所述物件类型的物件的物件读取事件；

聚类分析器，其被配置为对与第一接收器相关联的物件读取事件的第一计数和与第二接收器相关联的物件读取事件的第二计数应用聚类算法，从而确定与物件的第一子集对应的第一聚类和与物件的第二子集对应的第二聚类；以及

结果管理器，其被配置为针对每个聚类确定其中包含的物件读取事件是否指示相应的物件子集存在于第二位置并且与所述陈列图不符。

2.根据权利要求1所述的系统，其中陈列图读取器被配置为将所述陈列图确定为：指定包括所述物件类型在内的多个物件类型，以及对于包括至少第一位置和第二位置在内的多个位置，指定所述多个物件类型及其物件中的每一个的相应位置。

3.根据权利要求1所述的系统，其中事件处理器被配置为从分别包括第一射频识别RFID天线和第二RFID天线的第一接收器和第二接收器接收物件读取事件。

4.根据权利要求1所述的系统，其中第一位置和第二位置分别代表第一陈列架和第二陈列架。

5.根据权利要求1所述的系统，其中物件读取事件包括当所述物件类型的物件中的第一物件位于第一位置中时从第二接收器接收的针对该第一物件的物件读取事件，并且其中物件读取事件包括当所述物件类型的物件中的第一物件位于第二位置中时从第一接收器接收的针对该第一物件的物件读取事件。

6.根据权利要求1所述的系统，其中事件处理器被配置为在至少一个预先定义的时段期间接收物件读取事件，在所述至少一个预先定义的时段期间，第一接收器和第二接收器被激活以获取对所述物件类型的物件中的至少一些的多个读取。

7.根据权利要求6所述的系统，其中聚类分析器被配置为：在所述至少一个预先定义的时段中的相应一个时段内针对物件读取事件和关联的物件，确定在所述第一计数中每个物件被第一接收器读取的第一次数以及在所述第二计数中每个物件被第二接收器读取的第二次数，并且被配置为针对每个物件提供第一次数与第二次数相对比的图。

8.根据权利要求1所述的系统，包括低通过滤器，其被配置为：从事件处理器接收物件读取事件，对所述物件读取事件应用低通过滤，并且将过滤后的物件读取事件转发给聚类分析器，以便在确定第一计数和第二计数时使用该过滤后的物件读取事件。

9.根据权利要求1所述的系统，其中结果管理器被配置为：对于每个聚类，确定其中包含的物件读取事件是否指示相应的物件子集存在于第一位置并且与陈列图相符。

10.根据权利要求1所述的系统，其中结果管理器被配置为：确定第二聚类的物件平均被通过陈列图未预期到的第二接收器读取是否比被通过陈列图预期的第一接收器读取更频繁，并且基于此确定与陈列图不符。

11.根据权利要求1所述的系统，其中结果管理器被配置为：基于对相应的物件子集存在于第二位置的确定，输出与陈列图不符的警告。

12.根据权利要求1所述的系统，包括相符管理器，其被配置为从事件处理器接收之后获取的物件读取事件，并且将所述之后获取的物件读取事件与对每个聚类的物件的相应子集与陈列图不符的确定相比较，以便随时间跟踪与陈列图相符。

13.一种计算机实现的方法，包括：

确定指定与第一位置相关联的物件类型的物件的陈列图；

从与第一位置相关联的第一接收器以及与第二位置相关联的第二接收器接收针对所述物件类型的物件的物件读取事件；

确定与第一接收器相关联的物件读取事件的第一计数；

确定与第二接收器相关联的物件读取事件的第二计数；

对第一计数和第二计数应用聚类算法，以确定与物件的第一子集对应的第一聚类和与物件的第二子集对应的第二聚类；以及

针对每个聚类确定其中包含的物件读取事件是否指示相应的物件子集存在于第二位置并且与所述陈列图不符。

14.根据权利要求13所述的方法，其中从第一接收器和第二接收器接收物件读取事件包括：分别从第一射频识别RFID天线和第二RFID天线接收物件读取事件。

15.根据权利要求13所述的方法，其中接收物件读取事件包括：在至少一个预先定义的时段内接收物件读取事件，在所述至少一个预先定义的时段期间，第一接收器和第二接收器被激活以获取对所述物件类型的物件中的至少一些的多个读取。

16.根据权利要求15所述的方法，其中应用聚类算法包括：

在所述至少一个预先定义的时段中的相应一个时段内针对物件读取事件和关联的物件，确定在所述第一计数中每个物件被第一接收器读取的第一次数以及在所述第二计数中每个物件被第二接收器读取的第二次数，并且

针对每个物件提供第一次数与第二次数相对比的图。

17.根据权利要求13所述的方法，其中确定第一计数和第二计数包括：

对所述物件读取事件应用低通过滤以获得过滤后的物件读取事件，以便在确定第一计数和第二计数时使用该过滤后的物件读取事件。

18.一种计算机程序产品，所述计算机程序产品被有形地体现在计算机可读记录介质上并且包括可执行代码，该代码在被执行时被配置为导致数据处理装置执行以下步骤：

确定指定与第一位置相关联的物件类型的物件的陈列图；

从与第一位置相关联的第一接收器以及与第二位置相关联的第二接收器接收针对所述物件类型的物件的物件读取事件；

确定与第一接收器相关联的物件读取事件的第一计数；

确定与第二接收器相关联的物件读取事件的第二计数；

对第一计数和第二计数应用聚类算法，以确定与物件的第一子集对应的第一聚类和与物件的第二子集对应的第二聚类；以及

针对每个聚类确定其中包含的物件读取事件是否指示相应的物件子集存在于第二位置并且与所述陈列图不符。

19.根据权利要求18所述的计算机程序产品，其中第一接收器和第二接收器包括分别第一射频识别RFID天线和第二RFID天线。

20.根据权利要求18所述的计算机程序产品，其中所述可执行代码在被执行时被配置为导致所述数据处理装置执行以下步骤：

对所述物件读取事件应用低通过滤以获得过滤后的物件读取事件，以便在确定第一计数和第二计数时使用该过滤后的物件读取事件。

Images