基于無線射頻網的電動自行車管理系統(tǒng)研究

鄢團軍

摘要：無線射頻技術識別技術近幾年在各領域得到廣泛應用，該文提出利用無線射頻技術構建覆蓋城域的監(jiān)控網，監(jiān)管城市內日常通勤電動自行車，并詳細闡述電動自行車管理系統(tǒng)的功能，軟件設計，及各應用子系統(tǒng)相互關系，同時給出車輛運行軌跡相似度的計算方法。

關鍵詞：無線射頻網；電動自行車；管理；防盜

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2018）12-0042-03

Abstract： Radio frequency identification technology has been used in various fields widely in recent years. This article processes to use radio frequency technology to construct a monitoring network covering metropolitan areas for supervising electric bicycles. The functions， software design， and relationship of subsystem in this system are described. It also gives the algorithm of the similarity of electric bicycle trajectories.

Key words：radio frequency network； electric bicycle； management； anti-theft

1 背景

電動自動車以其便捷，環(huán)保，經濟性，一經問世，便迅速得到廣大民眾的青睞，成為廣大市民首選的出行方式。隨著電動自行車的興起，也出現(xiàn)了許多管理上的難題，大量電動自行車超過國家標準，駕駛人不遵守交通規(guī)則，逆行，撞紅燈，引起諸多交通事故。電動自行車作為可移動財產，其安全性也是廣大車主所關心的問題，加強與完善城市公共安全管理工作迫在眉睫。為了破解城市電動自行車面臨的困局，應用射頻傳感技術、物聯(lián)網技術、云計算技術、下一代通信技術在內的新一代信息技術，將人和數據與各種事物以不同方式連入網絡，使城市變得更易于被感知，城市資源更易于被充分整合，在此基礎上實現(xiàn)對城市的電動自行車精細化和智能化管理， 彌補傳統(tǒng)管理中的不足和缺陷，實現(xiàn)城市的可持續(xù)發(fā)展。

射頻識別即RFID（Radio Frequency Identification）技術，是自動識別技術在無線電技術方面的具體應用與發(fā)展，利用射頻信號通過空間耦合實現(xiàn)無接觸信息傳遞，并通過所傳遞的信息達到識別目標的技術[1]，無需識別系統(tǒng)與特定目標之間建立機械或光學接觸，該技術已被廣泛應用于安防、倉儲、物流、追溯、防偽、旅游、醫(yī)療、教育等不同領域。在城市道路管理中得到廣泛運用[2]，如：公交一卡通，公共交通管理與調度，電子不停車收費， 智能停車場，公共自行車。運用RFID對安裝有電子標簽的電動自行車，進行身份識別和自動檢測，掌握城市的電動自行車流動和人員流動狀況，追蹤電動自行車的運動軌跡，對治理電動自行通行亂象及丟失問題，具有重大現(xiàn)實意義。

2 系統(tǒng)概述

2.1 RFID系統(tǒng)組成

射頻識別系統(tǒng)由，射頻標簽、讀寫器及應用系統(tǒng)三部分組成[3]，射頻標簽由天線和芯片組成，電子芯片含有唯一識別編號（ID），一般具有一定存儲數據的扇區(qū)和空間。讀寫器根據相應的空中接口協(xié)議對射頻標簽進行讀取，寫入標簽的信息，對射頻標簽的唯一識別碼進行識別，及其它安全相關操作。讀寫器通過網絡與應用系統(tǒng)通信，與應用系統(tǒng)協(xié)同完成數據的解碼，識別與數據管理。讀寫器一般根據可移動性，分成固定式和手持式。

2.2 無線射頻網

無線定位技術分成基于終端的定位技術和基于網絡的定位技術[4]，基于網絡的定位技術是指利用射頻信號測量和估計信號強度，借助一定的定位算法來確定射頻標簽的相對位置。由于信號容易受環(huán)境的影響和干擾，尤其在在城市道路上，各種類型車輛，人流來往頻繁，更是難以通過信號強度和距離的變化來對目標進行精準定位[5]。定位數據的采集頻率按照地圖的匹配算法分成高采集軌跡匹配算法和低采樣軌跡匹配算法，前者計算成本高，但有著更高的準確度，低采樣軌跡數據稀疏，很難獲得更高的準確度。在路網環(huán)境下的車輛運行軌跡而言，路口被當作是軌跡分段的劃分點[6]，一段沒有分岔的道路是一段軌跡分段的最小單位，該系統(tǒng)采用基于路網的關鍵點采樣，通過控制有源RFID讀寫器（后文稱基站）的采集范圍，一方面基站與基站間采集范圍不重疊，另一方面道路路口不留信號死角。如圖1所示，若目標O經過路口A，被基站d1采集，系統(tǒng)認為O的位置在A附近，然后被基站d3采集到，則可認為O的基于一段行動軌跡為從A到C。

電動自行車（后文稱車輛）附著射頻標簽，該射頻標簽的編號成為該車輛身份唯一標識，車輛進入到射頻網后，系統(tǒng)可以對車輛進行定位和記錄車輛移動軌跡。

一般基于有源RFID運行方向判斷方法是時差法[7]，即通過兩個基站對同一車輛讀取的時間順序來判斷運動方向。也可以利用定向基站，對車輛進出讀寫區(qū)域的事件進行提取，然后通過事件間的邏輯順序來判斷車輛運動方向[8]，上述兩種方法均需要至少兩個基站，那么即使在較短的道路上都必須有兩個基站，才能完成運動方向判斷，這樣增加了構建射頻網的基礎設備投入成本，并且方向的判斷需要經過服務器對數據進行綜合計算才能得出結論，在車流量較大的時候，計算時效性差。該系統(tǒng)采用一個基站配備兩支定向天線，基站對采集到的數據按天線和時間順序計算即可完成對車輛運行是否在存逆行進行判斷。

手持式讀寫器也是無線射頻網的重要組成部分，由于手持式讀寫器具有攜帶方便，讀取距離短的特點，該設備主要用于尋找失竊車輛，或者在執(zhí)勤時和利用該設備檢查車輛的合法性。如圖2。

3 軟件系統(tǒng)總體架構

一般城區(qū)繁華地段車輛數目巨大，日常通勤時間比較集中，比如上下班時間，基站在繁忙時間采集數據量巨大，要求系統(tǒng)具備較好的流式數據處理能力。該系統(tǒng)采用松耦合架構，用格式化的數據流將各子系統(tǒng)關聯(lián)起來，由于該系統(tǒng)對數據吞吐速率要求高，按照功能的獨立性、關聯(lián)性對服務功能進行粒度更細的劃分。

首先接入服務器將采集數據作簡單分析整理后，發(fā)送給kafka消息集群，kafka是分布式發(fā)布-訂閱消息系統(tǒng)[9]，數據分析存儲等子系統(tǒng)從kafka集群中獲取數據后，進行業(yè)務計算，然后將計算結果存入到數據庫系統(tǒng)和大數據系統(tǒng)。該系統(tǒng)具有良好的可擴展性，隨著系統(tǒng)升級，計算模型的增加新的分析服務或者擴展增值應用，可以很方便地支持，并且不會對原有系統(tǒng)產生影響，或者作很簡單改造。系統(tǒng)各部件數據流向如圖3所示。

4 軟件系統(tǒng)組成

4.1 基礎信息管理

基礎信息管理系統(tǒng)，主要涉及到系統(tǒng)運行的基礎資料錄入，包括基站的空間位置，經緯坐標，車主簡要信息，車輛的車架號，標簽號，車輛照片等基本信息。

4.2 移動端應用

車主是手機APP系統(tǒng)的主要用戶，車主可以查看自己騎行的軌跡，以及當前車輛所在的位置。車主也可以了解當前非機動車道路繁忙情況，自行選擇空閑道路通勤，避免因為道路擁擠，增加騎行風險，改善通勤體驗。當車輛丟失時，車主通過APP對自己名下車輛進行掛失，然后到公安機關報案，系統(tǒng)對掛失車輛自動布控。當車輛停靠時，車主可對車輛進行虛擬上鎖，當車輛被移動過路口時，系統(tǒng)能及時進行被盜風險預警。

4.3 數據采集接入服務

基站接入服務，一方面與基站通信，接入基站傳來的實時采集數據，另一方面需要對基站的運行狀態(tài)進行管理，基站當前是否在線，收集前端設備故障代碼，對基站進行遠程升級及對基站射頻參數等進行配置。對于采集的標簽數據，融合采集點的信息后進行簡單的分析計算后形成具有意義的采集記錄，寫入kafka消息中間件。

4.4 數據存儲服務

采集記錄是該系統(tǒng)的基石，是所有衍生服務智能分析的基礎，該系統(tǒng)將所有的采集記錄，寫入hdfs，永久保存。

4.5 告警服務

報警服務器是該系統(tǒng)的核心功能之一，也是社會價值的體現(xiàn)之處。當布控的車輛出現(xiàn)在基站采集范圍中時，報警服器立即發(fā)警報，系統(tǒng)對該車輛運行軌跡進行監(jiān)測，配合原有安防攝像頭，鎖定車輛位置。另外用戶通過APP里對車輛進行虛擬上鎖后，如果車輛位置發(fā)生變化，告警服務器通過推送，告知車主車輛存在被盜風險，如果車主距離車輛較近，可以人為對車輛的被盜事件進行阻止，降低車輛的被盜風險。

4.6 研判分析服務

根據基站采集的數據，逆向生成車輛的運行軌跡；在時間區(qū)域內對軌跡進行聚類，分析城市道路的繁忙時間段及繁忙程度，分析城市道路熱點路線；對布控的車輛運行軌跡在時間區(qū)間內進行軌跡匹配，輔助排查嫌疑人；根據定向基站上傳的采集數據，判斷電動自行車在道路上的行走方向，推斷出電動自行車是否存在逆向行駛，對逆向行駛次數進行統(tǒng)計。

5 軌跡匹配

在城市道路環(huán)境下，軌跡數據離不開道路，這兩者必然匹配。理論上車輛移動產生的軌跡數據根據采集頻率，會產生大量的位置點數據， 由于相鄰的位置點冗余度較大， 需要對對原始的軌跡進行近似化表示[10] ，一方面不影響挖掘效果，另一方面提升計算的執(zhí)行效率。本系統(tǒng)將軌跡點序列根據道路實際情況，近似地用線段序列來表示。

6 結束語

該系統(tǒng)運用有源RFID技術，構建射頻網，管控網內所有的電動自行車，實現(xiàn)車輛被盜及時發(fā)現(xiàn)，及時尋回。系統(tǒng)通過對車主在通勤中違章情況，進行善意提示，逐步提高車主交通安全意識?？傮w來講，該系統(tǒng)對于建設智慧城市，提升城市公共服務質量具有較為深遠意義。

后期若引入視頻監(jiān)控聯(lián)動抓拍功能，更加便于抓捕車輛盜竊人員。車主活動軌跡是重要數據資源，如何利用大數據分析技術，發(fā)現(xiàn)其更多有價值信息，再利用這些信息來服務廣大市民是該系統(tǒng)將來需要重點研究的課題。

參考文獻：

[1] 劉強， 崔莉， 陳海明. 物聯(lián)網關鍵技術與應用[J]. 計算機科學， 2010（6）： 1-4.

[2] 郭軍. RFID技術在城市道路交通管理中的應用[J]. 交通建設與管理， 2009（8）： 84-86.

[3] 余立建， 王茜， 李文仲. 物聯(lián)網/無線傳感網實踐與實驗[M]. 成都： 西南交通大學出版社， 2010： 228.

[4] 賈青， 劉乃安， 朱明華. 無線局域網定位技術研究[J]. 無線通信技術， 2004（3）： 33-37.

[5] 李麗， 周彥偉， 吳振強. 無線網絡定位技術研究[J]. 計算機技術與發(fā)展， 2011（10）： 59-62.

[6] 成亞雄. 車輛軌跡的數據分析與研究[D]. 武漢： 武漢理工大學， 2015.

[7] Kadir H A. Tracking student movement using active RFID[C]. Proceedings of the 9th WSEAS international Conference on Applications of Computer Engineering. ACE 10， 2010： 41-45.

[8] 喻劍， 楊衛(wèi). 基于有RFID的運動方向判斷[J]. 科學技術與工程， 2011（11）： 8031-8035.

[9] Abhishek Sharma. Apache Kafka： Next Generation Distributed Messaging System[EB/OL]. https：//www.infoq.com/articles/apache-kafka.

[10] 吉根林， 趙斌. 時空軌跡大數據模式挖掘研究進展[J]. 數據采集與處理， 2015， 30（1）： 47-58.