摘 要：交通數(shù)據(jù)的有效性分析和檢驗是提高智能交通系統(tǒng)應(yīng)用效率的重要基礎(chǔ)之一。本文針對RFID匹配數(shù)據(jù)，結(jié)合南京市建成的RFID交通數(shù)據(jù)采集平臺，系統(tǒng)進行了RFID匹配數(shù)據(jù)有效性分析，并提出了基于統(tǒng)計技術(shù)的RFID匹配數(shù)據(jù)有效性檢驗方法。算例表明提出的方法可檢測出異常RFID匹配數(shù)據(jù)。

關(guān)鍵詞：RFID匹配數(shù)據(jù)；異常數(shù)據(jù)；數(shù)據(jù)有效性析；檢驗

1 背景

城市化和機動化的迅猛發(fā)展，使得城市機動保有量日漸增加，隨之而來的是城市范圍內(nèi)的交通擁堵現(xiàn)象，降低了城市交通系統(tǒng)的運行效率，嚴重影響了城市居民的日常工作和生活。為了應(yīng)對城市交通擁堵問題，基于先進技術(shù)應(yīng)用的城市智能交通系統(tǒng)建設(shè)得到了廣泛的關(guān)注，發(fā)展迅猛。如結(jié)合2008年北京奧運會建立了北京奧運智能交通管理與服務(wù)綜合系統(tǒng)；結(jié)合2010年上海世博會建立了上海世博智能交通技術(shù)綜合集成系統(tǒng)；結(jié)合2010年廣州亞運會建立了廣州亞運智能交通系統(tǒng)及應(yīng)用，一方面為上述重大體育比賽或文化盛會的順利完成發(fā)揮了保障和支撐作用，另一方面，又形成了一系列的解決我國城市交通擁堵的研究成果和技術(shù)解決方案。

和傳統(tǒng)的交通系統(tǒng)相比，廣泛的交通信息采集和處理是智能交通系統(tǒng)獨有的特點。在智能交通系統(tǒng)建設(shè)過程中，已經(jīng)有一系列的交通檢測技術(shù)得到了應(yīng)用，如傳統(tǒng)的磁感應(yīng)線圈技術(shù)、微波檢測技術(shù)、視頻檢測技術(shù)等，并在城市智能交通系統(tǒng)的建設(shè)領(lǐng)域獲得了廣泛的應(yīng)用。隨著信息采集和處理技術(shù)的進一步發(fā)展，當前以RFID（Radio Frequency Identification）技術(shù)為典型代表的基于物聯(lián)網(wǎng)技術(shù)的城市交通信息采集技術(shù)日益發(fā)展，并已經(jīng)在一些城市得到了應(yīng)用，如南京已經(jīng)建成的基于RFID技術(shù)的城市交通信息采集平臺，可以采集到每一輛車的通行信息和特征信息，形成了海量的交通數(shù)據(jù)庫，奠定了交通分析和信息挖掘的基礎(chǔ)。

然而隨著信息處理技術(shù)的不斷發(fā)展，城市交通系統(tǒng)領(lǐng)域雖然已經(jīng)相繼建立了大量的信息系統(tǒng)，積累了海量的交通數(shù)據(jù)，但是很多系統(tǒng)出現(xiàn)了“數(shù)據(jù)豐富，信息貧乏”現(xiàn)象，數(shù)據(jù)質(zhì)量不高是原因之一，主要表現(xiàn)在交通數(shù)據(jù)庫中存在相當數(shù)據(jù)的錯誤數(shù)據(jù)、缺失數(shù)據(jù)和可疑數(shù)據(jù)等三類問題[1-2]。為了應(yīng)對上述數(shù)據(jù)質(zhì)量問題，數(shù)據(jù)有效性檢驗技術(shù)應(yīng)運而生。本文以目前領(lǐng)先的交通數(shù)據(jù)采集技術(shù)RFID技術(shù)為研究對象，分析RFID匹配數(shù)據(jù)的有效性，并提出基于統(tǒng)計技術(shù)的RFID匹配數(shù)據(jù)有效性檢驗方法，以為后續(xù)的RFID數(shù)據(jù)挖掘和分析提供數(shù)據(jù)支撐。

2 交通數(shù)據(jù)采集和有效性檢驗綜述

2.1 交通數(shù)據(jù)采集方法

城市交通運行狀態(tài)的實時采集技術(shù)，或城市交通運行狀態(tài)的實時感知技術(shù)是構(gòu)建有效的城市智能交通系統(tǒng)的基礎(chǔ)。常用的道路交通狀態(tài)采集方法如下所述。

⑴感應(yīng)線圈。感應(yīng)線圈是一種常用的道路斷面交通數(shù)據(jù)采集技術(shù)，其原理是通過預(yù)埋在道路面層下的感應(yīng)線圈感知通過的車輛，并計算交通狀態(tài)數(shù)據(jù)，主要包括斷面流量，交通流斷面速度，占有率，其優(yōu)點是技術(shù)成熟，成本較低，可以探測到所有經(jīng)過感應(yīng)線圈的車輛數(shù)據(jù)，缺點是須埋入路面，維護困難，受自然和車輛影響較大；并當車輛擁堵嚴重時，檢測精度下降。

⑵微波檢測器。微波檢測器是一種常用的道路斷面交通數(shù)據(jù)采集技術(shù)，其原理是通過車輛的反射回波分析進行車輛檢測，優(yōu)點是在路側(cè)安裝，不影響路面，維護方便，在車流較為均勻穩(wěn)定時準確度較高，缺點是在擁堵路段或者車流不穩(wěn)定路段檢測精度較低，特別是在有大車遮擋時檢測效果不理想。

⑶視頻檢測器。視頻檢測器是一種常用的道路斷面交通數(shù)據(jù)采集技術(shù)，其原理是通過視頻攝像機作為傳感器采集交通視頻，并在視頻采集范圍內(nèi)設(shè)置虛擬檢測區(qū)，通過視頻背景值的變化來檢測車輛，優(yōu)點是路側(cè)安裝，不影響路面，價格便宜，缺點是易受惡劣天氣、燈光和陰影等環(huán)境的影響。

⑷浮動車。浮動車是一種常用的路段交通數(shù)據(jù)采集技術(shù)，其原理是通過在車輛上配置位置檢測器如GPS等，實時檢測車輛的行駛軌跡，并計算路段交通狀態(tài)數(shù)據(jù)，其優(yōu)點是交通數(shù)據(jù)準確，可以直接計算路段交通數(shù)據(jù)，缺點是交通數(shù)據(jù)采集樣本受到檢測車輛的限制，難以構(gòu)建整體交通狀態(tài)數(shù)據(jù)庫。

⑸車牌匹配。車牌匹配是一種基于圖像處理的路段交通數(shù)據(jù)采集技術(shù)，其原理是通過視頻檢測等技術(shù)，在路段兩端進行車輛車牌特征匹配，從而獲取路段交通狀態(tài)數(shù)據(jù)，其優(yōu)點是可以獲得較多的路段交通狀態(tài)數(shù)據(jù)，一旦匹配成功，數(shù)據(jù)準確度較高，同樣，其缺點是車牌匹配受到車牌檢測技術(shù)限制很大，在復(fù)雜交通環(huán)境下難以實現(xiàn)有效的車牌識別及匹配。

上述傳統(tǒng)的交通數(shù)據(jù)采集技術(shù)側(cè)重于對交通流信息的采集，對單個車輛信息的關(guān)注整體上來說不高；雖然個別方法如車牌匹配技術(shù)考慮到了車輛的識別信息，但上述識別信息受到圖像處理技術(shù)和復(fù)雜交通環(huán)境的限制，仍需采用更加先進的技術(shù)加以完善和提高。物聯(lián)網(wǎng)技術(shù)，特別是以RFID技術(shù)為代表的車輛網(wǎng)技術(shù)發(fā)展，為單一車輛特征數(shù)據(jù)的采集奠定了技術(shù)基礎(chǔ)，使得車輛信息和車流信息的綜合采集成為了可能，為實現(xiàn)道路交通系統(tǒng)的綜合感知提供了前提。

2.2 交通數(shù)據(jù)有效性檢驗

數(shù)據(jù)檢驗技術(shù)最早出現(xiàn)在美國，初期主要是針對全美社會保險號，取得了良好的效果。在交通數(shù)據(jù)有效性檢驗領(lǐng)域，由于交通數(shù)據(jù)采集方法的限制，主要是針對基于線圈的交通數(shù)據(jù)，常用的檢驗方法主要包括邏輯檢驗方法，閾值檢驗方法，基于交通流理論的檢驗方法，綜合檢驗方法等[3-6]。邏輯檢驗方法是檢測交通數(shù)據(jù)中的一些明顯的邏輯性錯誤，如數(shù)據(jù)采集時間漂移、重復(fù)記錄等，可以通過人工觀測的方法實施。閾值檢驗方法是常用的一種數(shù)據(jù)有效性檢驗方法，其主要的原理是根據(jù)歷史交通數(shù)據(jù)資料、經(jīng)驗公式或者交通流的基本理論，確定交通流參數(shù)的可能的取值范圍，如流量、占有率或者速度等，并根據(jù)上述確定的范圍的采集到的相應(yīng)交通流參數(shù)進行檢驗，認為落在預(yù)定范圍的交通流數(shù)據(jù)是可疑的。這個方法簡單易行，但是閾值的確定往往受到多種因素的影響，在不同的情況下需要進行特定的研究?；诮煌骼碚摰臋z驗方法的基本原理是交通參數(shù)之間應(yīng)當滿足交通流理論的規(guī)定性，如交通流量、密度和速度的三參數(shù)模型等，在出現(xiàn)不滿足上述交通流模型的情況時，所采集到的交通流數(shù)據(jù)是可疑的。綜合檢測方法是將閾值檢測和交通流理論檢測等方法綜合應(yīng)用，以尋找交通流數(shù)據(jù)樣本中的更加隱蔽的可疑數(shù)據(jù)，常用的如最大密度法和平均有效車長法等。

在RFID數(shù)據(jù)有效性檢驗方面，當前的主要研究內(nèi)容是針對RFID的原始數(shù)據(jù)流進行有效性檢驗，主要方法有滑動窗口方法[7]、時序關(guān)系法[8]、自適應(yīng)時間閾值法[9]等，然而在基于RFID技術(shù)的交通數(shù)據(jù)有效性檢驗方面還處在初級的階段，研究成果并不多見。

3 RFID技術(shù)與RFID匹配數(shù)據(jù)

3.1 RFID技術(shù)

無線射頻識別技術(shù)（簡稱RFID）是一種非接觸式自動識別技術(shù)，其基本原理是利用射頻信號或空間耦合（電感或電磁耦合）的傳輸特性，實現(xiàn)對物體或商品的自動識別，被廣泛應(yīng)用于物流、供應(yīng)鏈、動物和車輛識別、門禁系統(tǒng)、圖書管理、自動收費和生產(chǎn)制造等領(lǐng)域。RFID射頻自動識別技術(shù)由電子標簽（Tag）、閱讀器（Reader）和數(shù)據(jù)交換與管理系統(tǒng)（Processor）三大部分組成。當攜帶電子標簽的物體在距離0～10米的范圍內(nèi)接近閱讀器時，閱讀器內(nèi)部控制系統(tǒng)控制閱讀器發(fā)出微波查詢信號；安裝在物體表面的電子標簽收到閱讀器的查詢信號后，將此信號與標簽中的數(shù)據(jù)信息合成一體反射回電子標簽讀出裝置，反射回的微波合成信號已攜帶有電子標簽數(shù)據(jù)信息，閱讀器接收到電子標簽反射回的微波合成信號后，經(jīng)閱讀器內(nèi)部微處理器處理后即可將電子標簽貯存的識別代碼等信息分離讀取出，進一步傳輸?shù)綌?shù)據(jù)交換和管理系統(tǒng)存儲，也可以通過相應(yīng)接口導(dǎo)出至數(shù)據(jù)庫進行第二層面的處理。

RFID技術(shù)最大的優(yōu)點在于非接觸，在完成識別工作時無需人工干預(yù)，適用于自動化系統(tǒng)，概括起來，RFID技術(shù)具有以下特點：1）識別精度高，可快速準確的識別物體，2）采用無線電射頻，可以繞開障礙物，并透過外部材料讀取數(shù)據(jù)，可工作于惡劣的環(huán)境中，3）可以同時對多個物體進行識讀，4）儲存的信息量大且信息可加密保存，是一般條形碼存貯信息量的幾十倍，甚至上百倍。

3.2 RFID匹配數(shù)據(jù)

RFID原始數(shù)據(jù)包括每輛裝有RFID標簽的車輛通過各RFID基站的過車數(shù)據(jù)，包括通過該基站的時間和RFID標簽中存儲的準確的車輛信息，如車牌等。利用傳輸系統(tǒng)將讀寫器采集到的車輛信息傳回到交通信息中心后，基于RFID基站采集到過車車牌號和車輛通過時刻，針對任意一組和路網(wǎng)相匹配的RFID基站對，可以匹配得到每一輛車通過該RFID基站對的平均行程車速，此類由相鄰基站匹配而得到的數(shù)據(jù)稱為匹配數(shù)據(jù)。值得說明的是，在RFID匹配數(shù)據(jù)的計算過程中，RFID基站對的構(gòu)建是基礎(chǔ)，必須考慮到路網(wǎng)的幾何拓撲結(jié)構(gòu)，在進行車流方向分析的基礎(chǔ)上，形成以RFID基站對為基礎(chǔ)的完備的RFID基站網(wǎng)絡(luò)。

可以看出，上述RFID匹配數(shù)據(jù)的計算是基于RFID技術(shù)的交通數(shù)據(jù)采集系統(tǒng)中的關(guān)鍵環(huán)節(jié)之一，其匹配數(shù)據(jù)直接體現(xiàn)了每一車輛的行駛狀態(tài)信息，為進行進一步的數(shù)據(jù)處理、獲得其他交通數(shù)據(jù)參數(shù)奠定了基礎(chǔ)。在上述過程中，由于交通路網(wǎng)和交通駕駛行為的復(fù)雜性，RFID匹配數(shù)據(jù)往往也存在和傳統(tǒng)交通數(shù)據(jù)采集方法相類的數(shù)據(jù)質(zhì)量問題，需要加以分析和檢驗，提高RFID匹配數(shù)據(jù)的有效性和質(zhì)量。

4 RFID匹配數(shù)據(jù)有效性分析和檢驗

如上所述，高質(zhì)量的交通流數(shù)據(jù)是智能運輸系統(tǒng)得以實現(xiàn)預(yù)期功能的基礎(chǔ)。RFID技術(shù)作為在智能交通數(shù)據(jù)采集技術(shù)的最新發(fā)展，具有快速獲得大量車輛信息的特點，其中RFID匹配數(shù)據(jù)是其中最為基礎(chǔ)和重要的數(shù)據(jù)。為了提高RFID匹配數(shù)據(jù)的質(zhì)量，有必要對RFID匹配數(shù)據(jù)進行有效性分析和檢驗，以提高數(shù)據(jù)集質(zhì)量，奠定后續(xù)數(shù)據(jù)挖掘和分析的基礎(chǔ)。以下以南京市建設(shè)的基于RFID技術(shù)的交通系統(tǒng)采集平臺為對象進行RFID匹配數(shù)據(jù)的有效性分析和檢驗。

4.1 RFID匹配數(shù)據(jù)分析

⑴數(shù)據(jù)選擇。RFID匹配數(shù)據(jù)的選擇包括RFID基站對的選擇和分析時段的選擇，如下所述。

1）選取基站對：根據(jù)基站所在道路的不同類型和交通狀況，選取RFID樣本基站對。路段類型主要選取主干道、次干道和支路3類，交通情況選取擁堵、交通量較大、自由流3種情況，則共選取3*3=9種情況下的基站對，各選取5個基站對，共45個基站對。在選取時要注意選取有視頻的基站對，以對比查看道路交通狀況。

2）選取時間段：選取高峰、平峰、夜間三種情況的時間段共2小時，如7：30-8：00，14：00-14：30，1：00-1：30。

⑵實例分析。在選定數(shù)據(jù)的基礎(chǔ)上，采用如下步驟進行數(shù)據(jù)的分析，即調(diào)取每個RFID基站對在某一時間段內(nèi)各匹配數(shù)據(jù)經(jīng)過起終點基站的時刻數(shù)據(jù)，逐個查看其時間差t，若t<0，一定是錯誤數(shù)據(jù)，否則利用該子路段長度計算得到該車輛的行程車速并與交通狀況進行對比，如果車速與交通狀況矛盾，則存在可疑。如下給出兩個典型的分析實例。

1）繞路導(dǎo)致行程車速為負值。分析發(fā)現(xiàn)在RFID基站對（6117，6115）在2012/10/23日14：00-14：20內(nèi)的過車數(shù)據(jù)中，“蘇0001”的行程車速為負值，明顯是錯誤數(shù)據(jù)（為保護駕駛?cè)穗[私，本文對車輛牌照信息加以隱藏處理，下同）。追蹤該車在當日17：30-17：50的過車路徑情況如下圖1所示，可以看出，該車輛依次經(jīng)過RFID基站6117和6115后，因兩次調(diào)頭，又經(jīng)過了RFID基站6116，并再次經(jīng)過了RFID基站6117，在數(shù)據(jù)匹配時，由于RFID基站檢測技術(shù)在路段上基站檢測范圍外的檢測和跟蹤盲點，將通過RFID基站6115的時間和第二次經(jīng)過RFID基站6117的時間進行了匹配，導(dǎo)致了行程車速為負的情況。

2）繞路導(dǎo)致行程車速過小。基站對（6024，6026）在2012/10/23日17：30-17：50的過車數(shù)據(jù)中的速度分布如圖2。通過視頻跟蹤發(fā)現(xiàn)當時該基站對間路段的交通狀況為輕微擁堵，大部分數(shù)據(jù)是與交通狀況相符的，但有3個小于10km/h的速度值與其他的數(shù)據(jù)相比偏小，需進一步分析。

選取最小值，即牌號為“蘇0002”的車輛的行程車速5.76km/h進行分析，追蹤該車牌在當日17：30-17：50的過車路徑情況如下圖3，可以發(fā)現(xiàn)該車輛在經(jīng)過起點基站6024后，又經(jīng)過了另外兩個站點后才經(jīng)過終點基站6026，存在繞路的情況，導(dǎo)致其經(jīng)過基站對（6024，6026）的行程車速偏小，不能很好的代表該路段的交通狀況，需要檢驗處理。

⑶總結(jié)。在進行大量實證數(shù)據(jù)分析的基礎(chǔ)上，總結(jié)形成RFID匹配數(shù)據(jù)異常數(shù)據(jù)分析總結(jié)表如表1。

4.2 基于統(tǒng)計的匹配數(shù)據(jù)檢測

在大量RFID匹配數(shù)據(jù)分析的基礎(chǔ)上，提出基于統(tǒng)計分析的匹配數(shù)據(jù)有效性檢驗方法，實現(xiàn)對RFID匹配數(shù)據(jù)的有效性檢驗。

⑴算法原理。由于交通流的漸變特性，在固定時間段內(nèi)道路上的車輛車速分布相對連續(xù)，這也就說明匹配車速的分布不可能在短時間內(nèi)出現(xiàn)大幅度的偏差，針對這種狀況可以采用統(tǒng)計的方法對匹配車速進行有效性檢驗。根據(jù)RFID匹配數(shù)據(jù)的連續(xù)性特征，提出利用統(tǒng)計分布模型對匹配車速進行有效性檢驗，針對RFID基站對在固定時間段內(nèi)采集到的車輛車速計算其均值μ和方差σ，并假設(shè)上訴車輛車速符合正態(tài)分布，所以根據(jù)正態(tài)分布的性質(zhì)，構(gòu)建（μ-2σ，μ+2σ）區(qū)間作為有效的RFID匹配數(shù)據(jù)范圍，其中95%的RFID匹配數(shù)據(jù)將落在該區(qū)間內(nèi)，而將落在該區(qū)間之外的RFID匹配數(shù)據(jù)作為可疑的數(shù)據(jù)加以處理。除此之外，考慮到城市交通速度的可能范圍，選取120km/h作為城市交通流速度的上限。綜上所述，基于統(tǒng)計技術(shù)的RFID匹配數(shù)據(jù)有效性檢驗步驟如下：

1）獲取RFID原始數(shù)據(jù)。2）選定某一時間段和RFID基站對，獲取RFID匹配數(shù)據(jù)，計算車輛的行程車速。3）計算RFID匹配數(shù)據(jù)的行程車速的均值μ和方差σ。4）根據(jù)均值μ和方差σ確定閾值。5）根據(jù)閾值，檢驗該時間段內(nèi)該RFID匹配數(shù)據(jù)的有效性：若v1<0或v1>120km/h，則v1屬于錯誤數(shù)據(jù)；若μ-2σ< v1<μ+2σ，則v1屬于正常數(shù)據(jù)；否則，v1屬于可疑數(shù)據(jù)。

⑵算例。以基站對（6095，6096）的17：59：00-18：00：00時間段內(nèi)RFID匹配車速作為樣本進行檢驗實例分析。在選定的基站對和時間范圍內(nèi)，共有9個速度樣本如表2。

根據(jù)表2數(shù)據(jù)計算出匹配車速的均值μ=34.64km/h，方差σ=13.91km/h，從而得到該時段匹配車速的閾值范圍為（6.82km/h，62.46km/h），并根據(jù)該范圍篩選出車牌蘇0010的匹配車速為異常數(shù)據(jù)。通過對該路段在該時間段內(nèi)的視頻觀察，可以發(fā)現(xiàn)該路段交通流在高峰時段17：30：00至18：30：00間緩慢前進，車速穩(wěn)定在較低水平，不可能出現(xiàn)大幅度的跳躍，確認蘇0010的匹配車速為異常數(shù)據(jù)，驗證了算法的有效性。

5 結(jié)論

以RFID技術(shù)為典型代表的物聯(lián)網(wǎng)技術(shù)將提高智能交通系統(tǒng)的數(shù)據(jù)采集效率，構(gòu)建海量的交通數(shù)據(jù)庫。然而，上述數(shù)據(jù)庫的有效分析和信息挖掘要求RFID數(shù)據(jù)具有較高的質(zhì)量。本文在闡述相關(guān)的交通數(shù)據(jù)采集和有效性分析方法的基礎(chǔ)上，針對RFID匹配數(shù)據(jù)，結(jié)合南京市建成的RFID交通數(shù)據(jù)采集平臺數(shù)據(jù)，系統(tǒng)進行了RFID匹配數(shù)據(jù)的有效性分析，發(fā)現(xiàn)各類RFID匹配數(shù)據(jù)異?，F(xiàn)象，并結(jié)合現(xiàn)場視頻深入分析了異常的原因；同時，在進行RFID匹配數(shù)據(jù)有效性分析的基礎(chǔ)上，利用統(tǒng)計技術(shù)提供了一種RFID匹配數(shù)據(jù)有效性判別方法，并給出了實際的算例，結(jié)果表明，所提出的有效性算法可以檢測異常的RFID匹配數(shù)據(jù)。

交通數(shù)據(jù)的有效性分析和檢驗是提高智能交通系統(tǒng)應(yīng)用效率的重要基礎(chǔ)之一。在RFID交通數(shù)據(jù)采集技術(shù)領(lǐng)域，由于RFID交通采集技術(shù)的應(yīng)用尚不廣泛，在該方向的研究還處在起始階段，本文的研究成果將推動該領(lǐng)域的研究發(fā)展。

致謝

本研究受到國家科技支撐計劃課題No.2011BAK21B01《南京城市綜合智能交通系統(tǒng)關(guān)鍵技術(shù)研究及應(yīng)用示范》資助。

[參考文獻]

[1]耿彥斌，于雷，趙慧.ITS 數(shù)據(jù)質(zhì)量控制技術(shù)及應(yīng)用研究[J].中國安全科學學報，2005，15（1）： 82-87.

[2]王曉原，張敬磊，吳芳.交通流數(shù)據(jù)清洗規(guī)則研究[J].計算機工程，2011，37（20）：191-193.

[3]秦玲，郭艷梅.吳鵬.斷面交通檢測數(shù)據(jù)檢驗及預(yù)處理關(guān)鍵技術(shù)研究[J].公路交通科技，2006（11）：39-41.

[4]Turochy R.E and Smith B.L.New procedure for detector data screening in traffic management systems[J].Transportation Research Record，2000，No.1727：127-131.

[5]Jacobson L.N.，Nihan N .L.and Bender J.D.Detecting erroneous loop detector data in a freeway traffic management system[J].Transportation Research Record，1990，1287：151-166.

[6]Chen C.，Kwon J.，Rice J.，et al.Detecting errors and imputing missing data for single-loop surveillance systems [J].Transportation Research Record，2003，No.1855：160-167.

[7]周興強.RFID數(shù)據(jù)流清洗技術(shù)及其系統(tǒng)實現(xiàn)[D].大連海事大學，2011，5：1-8.

[8]王霞，玄麗娟，夏秀峰.基于時序關(guān)系的RFID不確定數(shù)據(jù)清洗算法[J]. 遼寧大學學報，2012，39（2）：159-161.

[9]潘偉杰，李少波，許吉斌.自適應(yīng)時間閾值的RFID數(shù)據(jù)清洗算法[J]，制造業(yè)自動化，2012，34（7）：24-27.