蔣遂平　張帆　李楊　陳頌

摘 要：結合智能交通系統體系框架和RFID應用系統架構，提出了一種基于射頻識別的電子車證系統架構，并根據電子車證應用需求，在架構中引入了數據融合、實時事件檢測和數據分析等技術。該架構可實現交通流數據的實時采集、可靠傳輸和智能處理。同時通過實際電子車證系統的實施，證明了該架構的可行性。

關鍵詞：射頻識別；智能交通；體系框架；中間件

中圖分類號：TP182 文獻標識碼：A 文章編號：2095-1302（2014）10-00-04

0 引 言

射頻識別（RFID）具有遠距識別、多目標識別、運動目標識別等特點，廣泛應用于智能交通領域[1，2]。其中，由于被動式超高頻RFID的電子標簽不需要電池，成本低廉、維護方便，已被基于RFID的電子車證系統廣泛采用。

電子車證是RFID在智能交通領域的一種典型應用。在電子車證系統中，包含RFID電子標簽的電子車證通常安裝在車輛的前擋風玻璃上，電子標簽包含車輛的號牌等信息；包含讀寫器及天線的數據采集設備安裝在道路上方或停車場的出入口處。當車輛經過讀寫器天線作用區(qū)域時，車輛上的電子車證被讀寫器識別，電子標簽包含的信息被讀寫器讀取，這些信息可以被數據采集設備傳送到后臺系統進行進一步處理。

本文根據電子車證系統項目開發(fā)經驗，結合智能交通系統體系框架和RFID應用系統架構，設計了一種電子車證系統。本文將首先描述電子車證系統的架構設計，然后描述各個子系統的設計，隨后給出架構的實現情況，最后是結論和未來的工作。

1 系統架構設計

電子車證系統屬于RFID的智能交通應用，因此其架構設計應考慮結合智能交通系統架構和RFID應用系統架構的特點。

根據智能交通體系框架設計理論[3]，電子車牌系統的架構主要包括從用戶服務、邏輯架構和物理架構等方面描述系統。其中，用戶服務描述系統對外提供的服務及服務領域；邏輯架構描述系統內部組成元素及組成元素之間的數據交換關系，物理架構則描述系統內部組成元素之間的通信連接關系。

在電子車證系統中，其服務領域為交通管理，提供的服務主要為實時的交通流信息服務和非實時的交通流分析和數據挖掘服務。

從RFID應用系統的角度，RFID包括對象標識、數據采集、RFID中間件和應用系統等4個層次[4]。在電子車證中，整個系統在邏輯上由5部分組成，包括車證發(fā)行子系統、電子車證（對象標識）、數據采集子系統、數據整合子系統（RFID中間件）、業(yè)務應用子系統，其頂層邏輯架構如圖1所示。其中，車證發(fā)行子系統實現對電子車證從初始化、發(fā)行、使用到作廢等全生命周期的管理；電子車證攜帶車輛的號牌等信息；數據采集子系統利用RFID和基于圖像的車牌等手段，實現對運動車輛和靜止車輛信息的采集；數據整合子系統利用RFID中間件技術、數據倉庫技術和數據挖掘技術，管理分布在道路各處的數據采集設備的管理，實現多種采集手段采集到的數據的融合，并進行實時事件檢測以及交通流數據分析和挖掘，將交通流數據轉化為交通流信息；業(yè)務應用子系統則用于支持各種具體的車輛管理業(yè)務。

圖1 電子車證系統的頂層邏輯架構

根據電子車證系統各個組件的分布情況，電子車證系統的物理架構分為車載的電子車證、路側的數據采集、后端系統等3個部分。其中，后端系統包括車證發(fā)行、數據整合和業(yè)務應用。電子車證系統的頂層物理架構如圖2所示。車證發(fā)行子系統、數據整合子系統和業(yè)務應用子系統通過交通管理部門的內部計算機網絡進行互聯，數據采集子系統通過電信部門的3G網絡和交通管理部門的接入平臺，將采集到的交通流數據傳輸到交通管理部門的內部網絡中。車證發(fā)行子系統和數據采集子系統則通過射頻識別的空中接口協議，與電子車證進行交互，識別電子車證，向電子車證寫入信息或讀取電子車證中的信息。其中的接入平臺由路由器、防火墻、入侵檢測系統和代理服務器等組成，實現內部網絡和外部3G網絡之間的隔離。

圖2 電子車證系統的頂層物理架構

2 子系統設計

2.1 電子車證

本電子車證系統的主要功能是標識車輛的身份。該電子車證系統采用符合ISO/IEC18000-6C（EPC C1G2）國際標準的電子標簽，條件成熟時，將采用符合GB/T29768-2013國家標準的電子標簽。這兩種標準的被動式超高頻電子標簽，不帶電池，由讀寫器提供能量，成本低廉、維護方便。

電子標簽的存儲區(qū)分為保留區(qū)、EPC區(qū)、TID區(qū)和用戶區(qū)，其中，保留區(qū)主要存儲各種密碼，只能寫入，不能讀??；EPC區(qū)存儲物品的標識，可以寫入和讀取，大部分電子標簽的EPC區(qū)存儲容量為96 b；TID區(qū)存儲標簽生產廠商在標簽出廠時寫入唯一標識符，包括廠商標識符和序列號，TID區(qū)只能讀取，不能寫入；用戶區(qū)存儲物品的額外信息，用戶區(qū)的存儲容量從0到64 kb不等，常見的是512 b。

根據空中接口協議，電子標簽被識別時，首先返回給讀寫器的數據是存儲在EPC區(qū)中的數據，為讀取TID區(qū)和用戶區(qū)中的數據，需要讀寫器再發(fā)送讀取指令。因此，EPC區(qū)中的讀取速度最快。對于電子車證應用，通常要求在車輛高速運動下也能識別車輛，這樣，車輛的號牌等數據應該存儲在EPC區(qū)中，其他數據應存儲在用戶區(qū)中，這可以保證車輛速度在180 km/h的情況下，也能被正確識別。

電子車證的安全性主要包括數據私密性、數據完整性和車證真實性等[5]。為保證EPC區(qū)和用戶區(qū)中數據的私密性，可以采用對稱分組加密算法，在數據寫入標簽前，加密數據，并在數據從標簽讀取后，解密數據。為保證數據的完整性，可以在加密數據的同時，生成消息驗證碼（Message Authentication Code，MAC），與數據一起存儲。同時，對EPO區(qū)和用戶區(qū)增加訪問密碼（寫保護密碼）。數據加密密鑰和訪問密碼都可以利用標簽的TID分散主密鑰得到。電子車證的真實性由兩個措施來保證：電子標簽采用防拆卸的陶瓷封裝方式，后臺系統監(jiān)控電子車證在各個采集點處出現情況。

2.2 車證發(fā)行子系統

車證發(fā)行子系統的功能比較簡單，主要實現電子車證生命周期管理，包括標簽的初始化、寫入車輛信息、電子車證的掛失解掛、電子車證報廢等管理。

2.3 數據采集子系統

電子車證數據采集分為3種采集方式。其中固定式采集，試講采集設備安裝在道路上方，實現對高度運動車輛的識別；而移動式采集，則將采集設備安裝在車輛上、停車場出入口、或臨時安裝在路測，主要實現對低速運動車輛的識別；手持式采集，是管理人員利用手持式采集設備實現對靜止車輛的識別。

由于數據采集設備與后臺通過廣域網連接，為防止網絡中斷丟失數據，需要數據采集設備具有本地存儲功能和一定的處理能力。因此，固定式采集設備和移動式采集設備采用工控機加RFID讀寫模塊的方式，手持式采集設備采用手持計算機加讀寫模塊的方式。

根據應用要求，固定式采集設備又分為RFID數據采集設備和綜合數據采集設備兩類。一臺RFID數據采集設備配備一個RFID讀寫器、2～4個天線，可采集2～4個車道上的電子車證。一臺綜合采集設備配備一個RFID讀寫器、2個天線、2臺圖像/視頻采集設備，天線的作用范圍與圖像/視頻采集設備的作用范圍盡量保持一致，由于實現了車輛電子車證和車牌的識別和融合，從而具有一定的取證功能。RFID采集設備的軟件結構如圖3所示，綜合采集設備的軟件結構如圖4所示。

圖3 RFID采集設備的軟件結構

圖4 綜合采集設備的軟件結構

RFID采集設備軟件分為設備控制、數據過濾和數據傳輸等3個模塊。設備控制模塊的功能是設置讀寫器參數，控制讀寫器識別電子標簽、讀取電子標簽中的數據。數據過濾模塊實現簡單的消除重復讀取的功能，根據設置，刪除一段時間內重復讀取到的電子標簽數據，同時，利用讀取到的重復數據，計算交通擁擠程度，以充分利用RFID數據的價值。數據傳輸模塊負責與后臺數據整合的通信接入部分的交互，向后臺傳輸采集到電子車證信息和交通擁擠程度，同時接收后臺傳輸的讀寫器配置命令，配置讀寫器參數，實現讀寫器固件、數據采集軟件本身的在線升級。數據傳輸模塊實現了讀寫器的適配功能，允許電子車證系統中存在多種廠商的讀寫器，只需要數據傳輸模塊和后臺之間的通信協議符合系統規(guī)定的要求即可。

綜合采集設備軟件分為5個模塊：RFID設備控制、RFID數據過濾、車牌識別、數據融合和數據傳輸。設備控制、數據過濾和數據傳輸等3個模塊的功能與RFID采集設備軟件對應模塊相同。車牌識別模塊用于控制圖像/視頻采集，并識別圖像中的車牌，保存包含車牌的圖像。數據融合模塊將車牌識別的結果和RFID數據采集的結果融合，以車牌識別的結果為基準，對于時刻t識別到的車牌，在電子車證中尋找采集時間在t±Δt內與這個車牌匹配的車牌，作為融合結果，將車牌和電子車證關聯，否則認為出現車牌誤識或RFID漏識，無法融合。

2.4 數據整合子系統

數據整合子系統采用RFID中間件的思想設計。RFID中間件是介于讀寫器和應用系統之間的軟件系統[6-8]。RFID中間件的主要功能包括：屏蔽各種讀寫器之間的差異，為應用系統訪問、配置和管理讀寫器提供統一的接口；對讀寫器采集到的與標簽有關的事件和數據進行過濾、匯集和計算，減少從讀寫器傳送到應用系統的海量原始數據；面向不同的應用，提供統一的服務接口，實現應用的透明操作。

由于上述RFID中間件的功能主要針對物流供應鏈的RFID應用。在電子車證系統中，備識別的車輛移動速度較快，在讀寫器天線的作用范圍內不會同時出現多個車輛。因此，電子車證中間件的數據過濾功能要求不高，而對實時事件檢測和數據分析的功能要求較高。

根據應用對電子車證系統中間件的需求，我們將屏蔽讀寫器差異的讀寫器適配功能、部分數據過濾功能、數據處理功能和數據融合功能從數據整合系統移動到數據采集子系統，以減輕數據整合子系統的負載。在數據整合子系統中，我們增加了實時事件檢測功能、數據分析功能和數據挖掘功能。數據整合子系統的結構如圖5所示。

在圖5中，數據整合子系統主要由8個模塊組成，并通過4個接口與其他子系統交互。數據采集子系統通過TCP接口，與數據傳輸模塊進行數據交換；用戶通過Web接口，與配置管理模塊進行交互，配置數據采集設備的工作參數，查看數據采集設備工作狀態(tài)，并配置事件檢測規(guī)則；業(yè)務應用通過TCP接口，從實時數據管理模塊獲取實時數據和實時事件；業(yè)務應用通過Web Service接口，獲取歷史數據和歷史事件，并調用數據整合子系統的數據分析和數據挖掘模塊，對歷史數據和事件進行分析和挖掘。

圖5 數據整合子系統結構

根據電子車證應用需求，事件檢測模塊主要檢測的實時事件包括：超速、套牌、車輛行駛異常、違規(guī)行駛。所謂超速就是同一個車牌連續(xù)出現在兩個不同數據采集點的時間之差小于規(guī)定的時間差。所謂套牌就是同一車牌連續(xù)出現在兩個不同數據采集點的時間之差小于在物理上可能的時間差，這通常是由于一輛車使用了偽造的車牌或電子車證。車輛行駛異常指的是指定的車輛在規(guī)定的時間內沒有被數據采集點檢測到。違規(guī)行駛是指某些車輛在規(guī)定的時間內，行駛到不允許出現的數據采集點。事件檢測將原始的（車牌，地點，時間）數據，轉換為（車牌，地點，時間，事件）信息，使得交通管理人員能根據檢測到的事件，及時采取措施，調節(jié)交通流，提高道路利用效率。

在對交通流事件進行分析和挖掘前，需要原始數據進行去重、補漏和分段。如果同意車牌由于停留在一個采集點被重復采集多次，則只需要保留第一次和最后一次的采集數據，其他重復數據被刪除。如果同一車牌連續(xù)經過A、B兩個采集點，但沒有被A、B之間的車輛必須經過的C點采集到，則需要補上這個車輛經過C 的數據。如果同一車牌連續(xù)經過A、B兩個采集點的時間遠遠大于A、B兩點的正常行駛時間，則認為車輛在A、B之間進行了停留，這個車輛的序列數據在A、B兩點之間斷開，形成兩個序列。

對電子車證系統的交通流數據的分析采用RFID數據倉庫的方式[9]，電子車證在采集點處的停留事實表（車牌，地點，起始時間，停留時間）和在兩個采集點之間的遷移事實表（車牌，地點1，地點2，起始時間，遷移用時間），根據各個維度的信息的概念層次，分析各個時段、各種車輛類型在各個采集點或區(qū)域的流量和平均行駛時間情況。

對于電子車證的交通流數據的數據挖掘主要包括頻繁路徑挖掘[8]和軌跡分析[10]。熱點路徑分析、將各個車輛的數據按照時間順序排列，分段形成行駛序列。發(fā)現某個或某類車輛頻繁出現的路徑序列或子序列，可以了解各類車輛頻繁行駛的路徑，了解車輛行駛狀況和有關趨勢。通過軌跡分類，可以了解交通流的匯聚和分散情況。數據挖掘的結果可以輔助交通管理部門分析交通擁擠原因，輔助道路規(guī)劃部門改善道路規(guī)劃。

3 系統實現

本文所提出的電子車證系統架構已經在兩個大型體育賽事的電子車證系統、一個特種車輛監(jiān)控系統等多個實際項目中實現。其中一個大型體育賽事的電子車證系統中，涉及約2萬輛機動車、32個固定式采集斷面（一個斷面是道路的一個方向，安裝有1～2臺采集設備）、14個移動采集點、90個手持采集設備。圖6給出了2臺固定式采集設備安裝在道路一個斷面上方的情景，圖7所示是固定式采集設備安裝在橋梁上的情景。

圖6 安裝在道路一個斷面 圖7 安裝在橋梁上的

上方的2臺固定式采集設備 固定式采集設備

圖8給出了數據分析模塊對固定式采集設備采集到的賽事車輛流量的分析結果。圖8（a）給出了賽事車輛在一個月內各日的交通流量分布，圖8（b）給出了某個采集斷面在一個月內各日的交通流量分布可以看出，在賽事期間的12日～22日，采集到的電子車證數目較多。圖8（c）給出了賽事車輛在一個月內各個時段交通流量分布，圖8（d）給出了某個采集斷面在一個月內各個時段交通流量分布?？梢钥闯觯诿咳?～4時，道路上的賽事車輛較少，一個月內累計流量不到1 000輛次；而在8～10時、15～19時道路上的賽事車輛較多。

5 結 語

本文結合智能交通系統體系框架和RFID中間件思想，設計了一種電子車證系統的架構，實現了對交通流數據的實時采集、可靠傳輸和智能處理。多個電子車證項目的實施驗證了所提出的架構的可行性。

（a）賽事車輛在一個月內各日的交通流量分布

（b）某個采集斷面在一個月內各日的交通流量分布

（c） 賽事車輛在一個月內各個時段交通流量分布

（d）某個采集斷面在一個月內各個時段交通流量分布

圖8 賽事車輛流量的分析結果

隨著電子車證系統規(guī)模的擴大，系統中涉及的車輛數目和采集點數目不斷增加，系統的數據量也急劇擴大，這對數據整合子系統的處理能力提出了挑戰(zhàn)。我們正在研究將數據整合子系統作為一種軟件服務（SaaS），向各種應用系統提供數據服務[12]，以利用云計算的強大處理能力和可伸縮性，來解決電子車證系統規(guī)模急劇擴大帶來的問題。

參考文獻

[1]鄒力. 物聯網與智能交通[M]. 北京：電子工業(yè)出版社，2012.

[2]張浩，李曉娜. 基于RFID技術的城市聯網智能停車系統[J]. 物聯網技術，2013，3（6）：14-16.

[3]張可，劉浩，劉冬梅，等. 智能交通系統體系框架構建方法與應用[M]. 北京：人民交通出版社，2012

[4]張智文. 射頻識別技術理論與實踐[M]. 北京：中國科學技術出版社，2008.

[5]張之津. 智能卡安全設計[M]. 北京：電子工業(yè)出版社，2010.

[6]鐘惠安. RFID技術運作的神經中樞—RFID中間件[J]. Electronics Commerce Pilot，2004，6（2）：16-19.

[7]廖國瓊. RFID實時中間件技術[M]. 成都：西南交通大學出版社，2010.

[8] Ahmed N， Ramachandran U. RFID Mideleware Systems： A Comparative Analysis[M]. Ranasinghe D C et al （eds） Unique Radio Innovation for the 21st Century， 2010：257-278.

[9] Gonzalez H， Han JiaWei， Li XiaoLei， and Klabjan D. Warehousing and analyzing Massive RFID Data Sets[C]. In： Int. Conf. on Advance Data Mining and Its Applications， XiAn， China， Aug. 2006：126-134.

[10] Li XiaoLei， Han JiaWei， Lee Jae-Gil， and Gonzalez Hector. Traffic Density-Based Discovery of Hot Routes in Road Networks. Papadias D， Zhang D， and Kollios G（eds）.LNCS， 2007，4605：441-459.

[11] Wang JianYong and Han JiaWei. BIDE： Efficient Mining of Frequent Closed Sequences[C]. In： Proc. 2004 Int. Conf. on Data Engineering， 2004：57-63.

[12] Muller J et al. RFID middleware as a Service – Enabling Small and Medium Sized Enterprise to Participate in the EPCnetwork[J]. IEEE， 2009：2040-2043.

對電子車證系統的交通流數據的分析采用RFID數據倉庫的方式[9]，電子車證在采集點處的停留事實表（車牌，地點，起始時間，停留時間）和在兩個采集點之間的遷移事實表（車牌，地點1，地點2，起始時間，遷移用時間），根據各個維度的信息的概念層次，分析各個時段、各種車輛類型在各個采集點或區(qū)域的流量和平均行駛時間情況。

對于電子車證的交通流數據的數據挖掘主要包括頻繁路徑挖掘[8]和軌跡分析[10]。熱點路徑分析、將各個車輛的數據按照時間順序排列，分段形成行駛序列。發(fā)現某個或某類車輛頻繁出現的路徑序列或子序列，可以了解各類車輛頻繁行駛的路徑，了解車輛行駛狀況和有關趨勢。通過軌跡分類，可以了解交通流的匯聚和分散情況。數據挖掘的結果可以輔助交通管理部門分析交通擁擠原因，輔助道路規(guī)劃部門改善道路規(guī)劃。

3 系統實現

本文所提出的電子車證系統架構已經在兩個大型體育賽事的電子車證系統、一個特種車輛監(jiān)控系統等多個實際項目中實現。其中一個大型體育賽事的電子車證系統中，涉及約2萬輛機動車、32個固定式采集斷面（一個斷面是道路的一個方向，安裝有1～2臺采集設備）、14個移動采集點、90個手持采集設備。圖6給出了2臺固定式采集設備安裝在道路一個斷面上方的情景，圖7所示是固定式采集設備安裝在橋梁上的情景。

圖6 安裝在道路一個斷面 圖7 安裝在橋梁上的

上方的2臺固定式采集設備 固定式采集設備

圖8給出了數據分析模塊對固定式采集設備采集到的賽事車輛流量的分析結果。圖8（a）給出了賽事車輛在一個月內各日的交通流量分布，圖8（b）給出了某個采集斷面在一個月內各日的交通流量分布可以看出，在賽事期間的12日～22日，采集到的電子車證數目較多。圖8（c）給出了賽事車輛在一個月內各個時段交通流量分布，圖8（d）給出了某個采集斷面在一個月內各個時段交通流量分布?？梢钥闯觯诿咳?～4時，道路上的賽事車輛較少，一個月內累計流量不到1 000輛次；而在8～10時、15～19時道路上的賽事車輛較多。

5 結 語

本文結合智能交通系統體系框架和RFID中間件思想，設計了一種電子車證系統的架構，實現了對交通流數據的實時采集、可靠傳輸和智能處理。多個電子車證項目的實施驗證了所提出的架構的可行性。

（a）賽事車輛在一個月內各日的交通流量分布

（b）某個采集斷面在一個月內各日的交通流量分布

（c） 賽事車輛在一個月內各個時段交通流量分布

（d）某個采集斷面在一個月內各個時段交通流量分布

圖8 賽事車輛流量的分析結果

隨著電子車證系統規(guī)模的擴大，系統中涉及的車輛數目和采集點數目不斷增加，系統的數據量也急劇擴大，這對數據整合子系統的處理能力提出了挑戰(zhàn)。我們正在研究將數據整合子系統作為一種軟件服務（SaaS），向各種應用系統提供數據服務[12]，以利用云計算的強大處理能力和可伸縮性，來解決電子車證系統規(guī)模急劇擴大帶來的問題。

參考文獻

[1]鄒力. 物聯網與智能交通[M]. 北京：電子工業(yè)出版社，2012.

[2]張浩，李曉娜. 基于RFID技術的城市聯網智能停車系統[J]. 物聯網技術，2013，3（6）：14-16.

[3]張可，劉浩，劉冬梅，等. 智能交通系統體系框架構建方法與應用[M]. 北京：人民交通出版社，2012

[4]張智文. 射頻識別技術理論與實踐[M]. 北京：中國科學技術出版社，2008.

[5]張之津. 智能卡安全設計[M]. 北京：電子工業(yè)出版社，2010.

[6]鐘惠安. RFID技術運作的神經中樞—RFID中間件[J]. Electronics Commerce Pilot，2004，6（2）：16-19.

[7]廖國瓊. RFID實時中間件技術[M]. 成都：西南交通大學出版社，2010.

[8] Ahmed N， Ramachandran U. RFID Mideleware Systems： A Comparative Analysis[M]. Ranasinghe D C et al （eds） Unique Radio Innovation for the 21st Century， 2010：257-278.

[9] Gonzalez H， Han JiaWei， Li XiaoLei， and Klabjan D. Warehousing and analyzing Massive RFID Data Sets[C]. In： Int. Conf. on Advance Data Mining and Its Applications， XiAn， China， Aug. 2006：126-134.

[10] Li XiaoLei， Han JiaWei， Lee Jae-Gil， and Gonzalez Hector. Traffic Density-Based Discovery of Hot Routes in Road Networks. Papadias D， Zhang D， and Kollios G（eds）.LNCS， 2007，4605：441-459.

[11] Wang JianYong and Han JiaWei. BIDE： Efficient Mining of Frequent Closed Sequences[C]. In： Proc. 2004 Int. Conf. on Data Engineering， 2004：57-63.

[12] Muller J et al. RFID middleware as a Service – Enabling Small and Medium Sized Enterprise to Participate in the EPCnetwork[J]. IEEE， 2009：2040-2043.

對電子車證系統的交通流數據的分析采用RFID數據倉庫的方式[9]，電子車證在采集點處的停留事實表（車牌，地點，起始時間，停留時間）和在兩個采集點之間的遷移事實表（車牌，地點1，地點2，起始時間，遷移用時間），根據各個維度的信息的概念層次，分析各個時段、各種車輛類型在各個采集點或區(qū)域的流量和平均行駛時間情況。

對于電子車證的交通流數據的數據挖掘主要包括頻繁路徑挖掘[8]和軌跡分析[10]。熱點路徑分析、將各個車輛的數據按照時間順序排列，分段形成行駛序列。發(fā)現某個或某類車輛頻繁出現的路徑序列或子序列，可以了解各類車輛頻繁行駛的路徑，了解車輛行駛狀況和有關趨勢。通過軌跡分類，可以了解交通流的匯聚和分散情況。數據挖掘的結果可以輔助交通管理部門分析交通擁擠原因，輔助道路規(guī)劃部門改善道路規(guī)劃。

3 系統實現

本文所提出的電子車證系統架構已經在兩個大型體育賽事的電子車證系統、一個特種車輛監(jiān)控系統等多個實際項目中實現。其中一個大型體育賽事的電子車證系統中，涉及約2萬輛機動車、32個固定式采集斷面（一個斷面是道路的一個方向，安裝有1～2臺采集設備）、14個移動采集點、90個手持采集設備。圖6給出了2臺固定式采集設備安裝在道路一個斷面上方的情景，圖7所示是固定式采集設備安裝在橋梁上的情景。

圖6 安裝在道路一個斷面 圖7 安裝在橋梁上的

上方的2臺固定式采集設備 固定式采集設備

圖8給出了數據分析模塊對固定式采集設備采集到的賽事車輛流量的分析結果。圖8（a）給出了賽事車輛在一個月內各日的交通流量分布，圖8（b）給出了某個采集斷面在一個月內各日的交通流量分布可以看出，在賽事期間的12日～22日，采集到的電子車證數目較多。圖8（c）給出了賽事車輛在一個月內各個時段交通流量分布，圖8（d）給出了某個采集斷面在一個月內各個時段交通流量分布?？梢钥闯?，在每日3～4時，道路上的賽事車輛較少，一個月內累計流量不到1 000輛次；而在8～10時、15～19時道路上的賽事車輛較多。

5 結 語

本文結合智能交通系統體系框架和RFID中間件思想，設計了一種電子車證系統的架構，實現了對交通流數據的實時采集、可靠傳輸和智能處理。多個電子車證項目的實施驗證了所提出的架構的可行性。

（a）賽事車輛在一個月內各日的交通流量分布

（b）某個采集斷面在一個月內各日的交通流量分布

（c） 賽事車輛在一個月內各個時段交通流量分布

（d）某個采集斷面在一個月內各個時段交通流量分布

圖8 賽事車輛流量的分析結果

隨著電子車證系統規(guī)模的擴大，系統中涉及的車輛數目和采集點數目不斷增加，系統的數據量也急劇擴大，這對數據整合子系統的處理能力提出了挑戰(zhàn)。我們正在研究將數據整合子系統作為一種軟件服務（SaaS），向各種應用系統提供數據服務[12]，以利用云計算的強大處理能力和可伸縮性，來解決電子車證系統規(guī)模急劇擴大帶來的問題。

參考文獻

[1]鄒力. 物聯網與智能交通[M]. 北京：電子工業(yè)出版社，2012.

[2]張浩，李曉娜. 基于RFID技術的城市聯網智能停車系統[J]. 物聯網技術，2013，3（6）：14-16.

[3]張可，劉浩，劉冬梅，等. 智能交通系統體系框架構建方法與應用[M]. 北京：人民交通出版社，2012

[4]張智文. 射頻識別技術理論與實踐[M]. 北京：中國科學技術出版社，2008.

[5]張之津. 智能卡安全設計[M]. 北京：電子工業(yè)出版社，2010.

[6]鐘惠安. RFID技術運作的神經中樞—RFID中間件[J]. Electronics Commerce Pilot，2004，6（2）：16-19.

[7]廖國瓊. RFID實時中間件技術[M]. 成都：西南交通大學出版社，2010.

[8] Ahmed N， Ramachandran U. RFID Mideleware Systems： A Comparative Analysis[M]. Ranasinghe D C et al （eds） Unique Radio Innovation for the 21st Century， 2010：257-278.

[9] Gonzalez H， Han JiaWei， Li XiaoLei， and Klabjan D. Warehousing and analyzing Massive RFID Data Sets[C]. In： Int. Conf. on Advance Data Mining and Its Applications， XiAn， China， Aug. 2006：126-134.

[10] Li XiaoLei， Han JiaWei， Lee Jae-Gil， and Gonzalez Hector. Traffic Density-Based Discovery of Hot Routes in Road Networks. Papadias D， Zhang D， and Kollios G（eds）.LNCS， 2007，4605：441-459.

[11] Wang JianYong and Han JiaWei. BIDE： Efficient Mining of Frequent Closed Sequences[C]. In： Proc. 2004 Int. Conf. on Data Engineering， 2004：57-63.

[12] Muller J et al. RFID middleware as a Service – Enabling Small and Medium Sized Enterprise to Participate in the EPCnetwork[J]. IEEE， 2009：2040-2043.