基于射频识别的电子车证系统设计(3)

　　图5 数据整合子系统结构

　　根据电子车证应用需求，事件检测模块主要检测的实时事件包括：超速、套牌、车辆行驶异常、违规行驶。所谓超速就是同一个车牌连续出现在两个不同数据采集点的时间之差小于规定的时间差。所谓套牌就是同一车牌连续出现在两个不同数据采集点的时间之差小于在物理上可能的时间差，这通常是由于一辆车使用了伪造的车牌或电子车证。车辆行驶异常指的是指定的车辆在规定的时间内没有被数据采集点检测到。违规行驶是指某些车辆在规定的时间内，行驶到不允许出现的数据采集点。事件检测将原始的（车牌，地点，时间）数据，转换为（车牌，地点，时间，事件）信息，使得交通管理人员能根据检测到的事件，及时采取措施，调节交通流，提高道路利用效率。

　　在对交通流事件进行分析和挖掘前，需要原始数据进行去重、补漏和分段。如果同意车牌由于停留在一个采集点被重复采集多次，则只需要保留第一次和最后一次的采集数据，其他重复数据被删除。如果同一车牌连续经过A、B两个采集点，但没有被A、B之间的车辆必须经过的C点采集到，则需要补上这个车辆经过C 的数据。如果同一车牌连续经过A、B两个采集点的时间远远大于A、B两点的正常行驶时间，则认为车辆在A、B之间进行了停留，这个车辆的序列数据在A、B两点之间断开，形成两个序列。

　　对电子车证系统的交通流数据的分析采用RFID数据仓库的方式[9]，电子车证在采集点处的停留事实表（车牌，地点，起始时间，停留时间）和在两个采集点之间的迁移事实表（车牌，地点1，地点2，起始时间，迁移用时间），根据各个维度的信息的概念层次，分析各个时段、各种车辆类型在各个采集点或区域的流量和平均行驶时间情况。

　　对于电子车证的交通流数据的数据挖掘主要包括频繁路径挖掘[8]和轨迹分析[10]。热点路径分析、将各个车辆的数据按照时间顺序排列，分段形成行驶序列。发现某个或某类车辆频繁出现的路径序列或子序列，可以了解各类车辆频繁行驶的路径，了解车辆行驶状况和有关趋势。通过轨迹分类，可以了解交通流的汇聚和分散情况。数据挖掘的结果可以辅助交通管理部门分析交通拥挤原因，辅助道路规划部门改善道路规划。

　　3 系统实现

　　本文所提出的电子车证系统架构已经在两个大型体育赛事的电子车证系统、一个特种车辆监控系统等多个实际项目中实现。其中一个大型体育赛事的电子车证系统中，涉及约2万辆机动车、32个固定式采集断面（一个断面是道路的一个方向，安装有1～2台采集设备）、14个移动采集点、90个手持采集设备。图6给出了2台固定式采集设备安装在道路一个断面上方的情景，图7所示是固定式采集设备安装在桥梁上的情景。

　　图6 安装在道路一个断面 图7 安装在桥梁上的

　　上方的2台固定式采集设备 固定式采集设备

　　图8给出了数据分析模块对固定式采集设备采集到的赛事车辆流量的分析结果。图8（a）给出了赛事车辆在一个月内各日的交通流量分布，图8（b）给出了某个采集断面在一个月内各日的交通流量分布可以看出，在赛事期间的12日～22日，采集到的电子车证数目较多。图8（c）给出了赛事车辆在一个月内各个时段交通流量分布，图8（d）给出了某个采集断面在一个月内各个时段交通流量分布。可以看出，在每日3～4时，道路上的赛事车辆较少，一个月内累计流量不到1 000辆次；而在8～10时、15～19时道路上的赛事车辆较多。

　　5 结 语

　　本文结合智能交通系统体系框架和RFID中间件思想，设计了一种电子车证系统的架构，实现了对交通流数据的实时采集、可靠传输和智能处理。多个电子车证项目的实施验证了所提出的架构的可行性。

　　（a）赛事车辆在一个月内各日的交通流量分布

　　（b）某个采集断面在一个月内各日的交通流量分布

　　（c） 赛事车辆在一个月内各个时段交通流量分布

　　（d）某个采集断面在一个月内各个时段交通流量分布

　　图8 赛事车辆流量的分析结果

　　随着电子车证系统规模的扩大，系统中涉及的车辆数目和采集点数目不断增加，系统的数据量也急剧扩大，这对数据整合子系统的处理能力提出了挑战。我们正在研究将数据整合子系统作为一种软件服务（SaaS），向各种应用系统提供数据服务[12]，以利用云计算的强大处理能力和可伸缩性，来解决电子车证系统规模急剧扩大带来的问题。

　　参考文献