基于无线射频网的电动自行车管理系统研究

鄢团军

摘要：无线射频技术识别技术近几年在各领域得到广泛应用，该文提出利用无线射频技术构建覆盖城域的监控网，监管城市内日常通勤电动自行车，并详细阐述电动自行车管理系统的功能，软件设计，及各应用子系统相互关系，同时给出车辆运行轨迹相似度的计算方法。

关键词：无线射频网；电动自行车；管理；防盗

中图分类号：TP311 文献标识码：A 文章编号：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

电动自动车以其便捷，环保，经济性，一经问世，便迅速得到广大民众的青睐，成为广大市民首选的出行方式。随着电动自行车的兴起，也出现了许多管理上的难题，大量电动自行车超过国家标准，驾驶人不遵守交通规则，逆行，撞红灯，引起诸多交通事故。电动自行车作为可移动财产，其安全性也是广大车主所关心的问题，加强与完善城市公共安全管理工作迫在眉睫。为了破解城市电动自行车面临的困局，应用射频传感技术、物联网技术、云计算技术、下一代通信技术在内的新一代信息技术，将人和数据与各种事物以不同方式连入网络，使城市变得更易于被感知，城市资源更易于被充分整合，在此基础上实现对城市的电动自行车精细化和智能化管理， 弥补传统管理中的不足和缺陷，实现城市的可持续发展。

射频识别即RFID（Radio Frequency Identification）技术，是自动识别技术在无线电技术方面的具体应用与发展，利用射频信号通过空间耦合实现无接触信息传递，并通过所传递的信息达到识别目标的技术[1]，无需识别系统与特定目标之间建立机械或光学接触，该技术已被广泛应用于安防、仓储、物流、追溯、防伪、旅游、医疗、教育等不同领域。在城市道路管理中得到广泛运用[2]，如：公交一卡通，公共交通管理与调度，电子不停车收费， 智能停车场，公共自行车。运用RFID对安装有电子标签的电动自行车，进行身份识别和自动检测，掌握城市的电动自行车流动和人员流动状况，追踪电动自行车的运动轨迹，对治理电动自行通行乱象及丢失问题，具有重大现实意义。

2 系统概述

2.1 RFID系统组成

射频识别系统由，射频标签、读写器及应用系统三部分组成[3]，射频标签由天线和芯片组成，电子芯片含有唯一识别编号（ID），一般具有一定存储数据的扇区和空间。读写器根据相应的空中接口协议对射频标签进行读取，写入标签的信息，对射频标签的唯一识别码进行识别，及其它安全相关操作。读写器通过网络与应用系统通信，与应用系统协同完成数据的解码，识别与数据管理。读写器一般根据可移动性，分成固定式和手持式。

2.2 无线射频网

无线定位技术分成基于终端的定位技术和基于网络的定位技术[4]，基于网络的定位技术是指利用射频信号测量和估计信号强度，借助一定的定位算法来确定射频标签的相对位置。由于信号容易受环境的影响和干扰，尤其在在城市道路上，各种类型车辆，人流来往频繁，更是难以通过信号强度和距离的变化来对目标进行精准定位[5]。定位数据的采集频率按照地图的匹配算法分成高采集轨迹匹配算法和低采样轨迹匹配算法，前者计算成本高，但有着更高的准确度，低采样轨迹数据稀疏，很难获得更高的准确度。在路网环境下的车辆运行轨迹而言，路口被当作是轨迹分段的划分点[6]，一段没有分岔的道路是一段轨迹分段的最小单位，该系统采用基于路网的关键点采样，通过控制有源RFID读写器（后文称基站）的采集范围，一方面基站与基站间采集范围不重叠，另一方面道路路口不留信号死角。如图1所示，若目标O经过路口A，被基站d1采集，系统认为O的位置在A附近，然后被基站d3采集到，则可认为O的基于一段行动轨迹为从A到C。

电动自行车（后文称车辆）附着射频标签，该射频标签的编号成为该车辆身份唯一标识，车辆进入到射频网后，系统可以对车辆进行定位和记录车辆移动轨迹。

一般基于有源RFID運行方向判断方法是时差法[7]，即通过两个基站对同一车辆读取的时间顺序来判断运动方向。也可以利用定向基站，对车辆进出读写区域的事件进行提取，然后通过事件间的逻辑顺序来判断车辆运动方向[8]，上述两种方法均需要至少两个基站，那么即使在较短的道路上都必须有两个基站，才能完成运动方向判断，这样增加了构建射频网的基础设备投入成本，并且方向的判断需要经过服务器对数据进行综合计算才能得出结论，在车流量较大的时候，计算时效性差。该系统采用一个基站配备两支定向天线，基站对采集到的数据按天线和时间顺序计算即可完成对车辆运行是否在存逆行进行判断。

手持式读写器也是无线射频网的重要组成部分，由于手持式读写器具有携带方便，读取距离短的特点，该设备主要用于寻找失窃车辆，或者在执勤时和利用该设备检查车辆的合法性。如图2。

3 软件系统总体架构

一般城区繁华地段车辆数目巨大，日常通勤时间比较集中，比如上下班时间，基站在繁忙时间采集数据量巨大，要求系统具备较好的流式数据处理能力。该系统采用松耦合架构，用格式化的数据流将各子系统关联起来，由于该系统对数据吞吐速率要求高，按照功能的独立性、关联性对服务功能进行粒度更细的划分。

首先接入服务器将采集数据作简单分析整理后，发送给kafka消息集群，kafka是分布式发布-订阅消息系统[9]，数据分析存储等子系统从kafka集群中获取数据后，进行业务计算，然后将计算结果存入到数据库系统和大数据系统。该系统具有良好的可扩展性，随着系统升级，计算模型的增加新的分析服务或者扩展增值应用，可以很方便地支持，并且不会对原有系统产生影响，或者作很简单改造。系统各部件数据流向如图3所示。

4 软件系统组成

4.1 基础信息管理

基础信息管理系统，主要涉及到系统运行的基础资料录入，包括基站的空间位置，经纬坐标，车主简要信息，车辆的车架号，标签号，车辆照片等基本信息。

4.2 移动端应用

车主是手机APP系统的主要用户，车主可以查看自己骑行的轨迹，以及当前车辆所在的位置。车主也可以了解当前非机动车道路繁忙情况，自行选择空闲道路通勤，避免因为道路拥挤，增加骑行风险，改善通勤体验。当车辆丢失时，车主通过APP对自己名下车辆进行挂失，然后到公安机关报案，系统对挂失车辆自动布控。当车辆停靠时，车主可对车辆进行虚拟上锁，当车辆被移动过路口时，系统能及时进行被盗风险预警。

4.3 数据采集接入服务

基站接入服务，一方面与基站通信，接入基站传来的实时采集数据，另一方面需要对基站的运行状态进行管理，基站当前是否在线，收集前端设备故障代码，对基站进行远程升级及对基站射频参数等进行配置。对于采集的标签数据，融合采集点的信息后进行简单的分析计算后形成具有意义的采集记录，写入kafka消息中间件。

4.4 数据存储服务

采集记录是该系统的基石，是所有衍生服务智能分析的基础，该系统将所有的采集记录，写入hdfs，永久保存。

4.5 告警服务

报警服务器是该系统的核心功能之一，也是社会价值的体现之处。当布控的车辆出现在基站采集范围中时，报警服器立即发警报，系统对该车辆运行轨迹进行监测，配合原有安防摄像头，锁定车辆位置。另外用户通过APP里对车辆进行虚拟上锁后，如果车辆位置发生变化，告警服务器通过推送，告知车主车辆存在被盗风险，如果车主距离车辆较近，可以人为对车辆的被盗事件进行阻止，降低车辆的被盗风险。

4.6 研判分析服务

根据基站采集的数据，逆向生成车辆的运行轨迹；在时间区域内对轨迹进行聚类，分析城市道路的繁忙时间段及繁忙程度，分析城市道路热点路线；对布控的车辆运行轨迹在时间区间内进行轨迹匹配，辅助排查嫌疑人；根据定向基站上传的采集数据，判断电动自行车在道路上的行走方向，推断出电动自行车是否存在逆向行驶，对逆向行驶次数进行统计。

5 轨迹匹配

在城市道路环境下，轨迹数据离不开道路，这两者必然匹配。理论上车辆移动产生的轨迹数据根据采集频率，会产生大量的位置点数据， 由于相邻的位置点冗余度较大， 需要对对原始的轨迹进行近似化表示[10] ，一方面不影响挖掘效果，另一方面提升计算的执行效率。本系统将轨迹点序列根据道路实际情况，近似地用线段序列来表示。

6 结束语

该系统运用有源RFID技术，构建射频网，管控网内所有的电动自行车，实现车辆被盗及时发现，及时寻回。系统通过对车主在通勤中违章情况，进行善意提示，逐步提高车主交通安全意识。总体来讲，该系统对于建设智慧城市，提升城市公共服务质量具有较为深远意义。

后期若引入视频监控联动抓拍功能，更加便于抓捕车辆盗窃人员。车主活动轨迹是重要数据资源，如何利用大数据分析技术，发现其更多有价值信息，再利用这些信息来服务广大市民是该系统将来需要重点研究的课题。

参考文献：

[1] 刘强， 崔莉， 陈海明. 物联网关键技术与应用[J]. 计算机科学， 2010（6）： 1-4.

[2] 郭军. RFID技术在城市道路交通管理中的应用[J]. 交通建设与管理， 2009（8）： 84-86.

[3] 余立建， 王茜， 李文仲. 物联网/无线传感网实践与实验[M]. 成都： 西南交通大学出版社， 2010： 228.

[4] 贾青， 刘乃安， 朱明华. 无线局域网定位技术研究[J]. 无线通信技术， 2004（3）： 33-37.

[5] 李丽， 周彦伟， 吴振强. 无线网络定位技术研究[J]. 计算机技术与发展， 2011（10）： 59-62.

[6] 成亚雄. 车辆轨迹的数据分析与研究[D]. 武汉： 武汉理工大学， 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， 杨卫. 基于有RFID的运动方向判断[J]. 科学技术与工程， 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， 赵斌. 时空轨迹大数据模式挖掘研究进展[J]. 数据采集与处理， 2015， 30（1）： 47-58.