CN104318781B - 基于rfid技术的行程速度获取方法 - Google Patents

Abstract

本发明公开了一种适用于基于RFID技术的行程速度获取方法，通过对RFID基站采集到的原始数据进行处理，得到自然路段在某时间段内的平均行程速度。具体步骤如下：首先，进行基站匹配形成基站对，建立RFID基站网络；其次，将原始数据按照一定的匹配算法转化为匹配数据，得到车辆通过目标基站对对应子路段的行程速度；然后，选定时间汇集度，通过对匹配车辆的行程速度进行加权平均，得到子路段平均行程车速；最后，将子路段匹配到自然路段上，基站将自然路段分为几个部分，先后分别以子路段流量和自然路段各部分长度为权值，加权平均得到自然路段各部分和自然路段的平均行程速度。

Description

基于RFID技术的行程速度获取方法

技术领域

本发明涉及到一种基于RFID(RadioFrequencyIdentification，无线射频识别)技术的行程速度获取方法，属于交通工程中ITS(IntelligentTransportationSystem，智能交通***)领域。

背景技术

ITS是为了解决现代城市的交通问题，如道路堵塞、事故频发、定位跟踪、收费、罚款和环境污染等一系列问题而产生的，它在己有的基础设施基础上，利用先进的信息技术、通信技术、控制技术、传感器技术和***综合技术，通过***集成将道路、驾驶员和车辆有机地结合在一起，利用对车辆、驾驶员和道路实时信息采集来达到充分利用交通资源的目的。

交通数据采集是ITS中最重要的环节，是交通管理、交通控制与预测、交通引导、交通指挥及交通信息服务等交通应用的基础。交通信息的实时采集与处理是智能交通***实现快速、有效的交通控制与管理、信息服务的保证。交通数据采集主要是动态交通数据的采集，采集方法可分为人工法和自动法，自动采集技术的主要特点是完全依靠采集设备，包括硬件和软件自动感知道路使用者的通过或存在，实现对交通流信息的全方位、实时的采集，其优势则是能够长期、全面、较精确地采集到道路交通流信息。所以，自动采集技术被广泛的应用于动态交通信息的采集过程中。随着RFID技术和通信技术的不断发展和成熟，RFID技术已经广泛应用于社会各行各业，在此背景下，基于RFID的交通信息采集技术应运而生。与传统交通信息采集技术相比，由于RFID采集技术的机理不同，传统的数据采集和处理方法需要做出相应的调整，以适应实际***的需求。

传统的交通数据采集技术如磁频、波频、视频和红外线等检测器可以检测到车辆是否通过检测点，并通过汇集车辆的通过数据形成交通状态参数，如交通流量、交通流断面速度或者交通流占有率等。基于这些交通流参数，可以利用交通流理论分析推理各交通检测点间以及交通路网上的交通状态。需要指出的是，在上述检测和交通状态分析过程中，各检测点处的检测设备是独立工作的，且各检测点处所获得的数据可以直接映射为实际路网模型中在该检测点处的交通状态。从而简化了原始数据的解释过程。

而对于基于RFID技术的交通状态采集而言，RFID采集技术的机理不同。根据RFID技术，当具有RFID标签的车辆通过RFID检测基站时，RFID数据采集***不仅能够检测到车辆的通过信息，而且能够通过对车载RFID标签的读取和识别，获得通过车辆的身份特征，这是区别RFID***和其他传统的数据采集***的重要标志。RFID技术获得的车辆通过特征使得必须将相应的基站匹配形成基站对，由匹配数据计算得到行程车速，即通过计算车辆经过两个基站的时间差得到行程时间，进而计算行程车速。这也使得建立RFID基站网络成为基于RFID技术的交通数据采集和分析***的必要步骤之一。

因此，研究适合基于RFID技术的交通数据采集技术的数据处理方法是必要的。

发明内容

技术问题：本发明的提供了一种能够将RFID采集到的原始数据转化为交通参数，可操作性强的基于RFID技术的行程速度获取方法。

技术方案：本发明的基于RFID技术的行程速度获取方法，包括以下步骤：

步骤1)首先确定RFID基站经纬度，在地图上标定基站位置，然后建立由所有基站对构成的基站对网络，所述基站对的确定方法为：将实际的路网几何结构中顺车流连续通过的两个RFID基站作为一个基站对，所述两个RFID基站的间距不超过2000米，且两者之间的交叉口个数不超过一个；

步骤2)首先将RFID基站采集到的原始数据转化为匹配数据，即基于所述基站对网络对通过车辆进行车牌匹配，具体方法为：统计每个基站对通过车辆的车牌信息，从而根据所述车牌信息确定基站对的匹配车辆及其通过该基站对起点和终点的时间所述匹配车辆为通过基站对起点和终点的车辆；

然后计算各匹配车辆通过基站对起点和终点的时间差，即行程时间，进而计算得到匹配车辆在基站对间的行程速度；

步骤3)根据应用选取时间汇集度，即确定多长时间进行一次平均速度的计算，然后将时间划分成用以计算平均速度的时间段，根据下式计算选定时间段内匹配车辆在子路段的平均行程速度单位为km/h：

$\stackrel{\‾}{v_{\mathrm{sub}}}=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\frac{t_i{v}_i}{t}$

式中：t_i为匹配车辆i在子路段上行驶的时间落在选定时间段内的时间长度，单位为s，所述子路段为基站对起点基站到终点基站间的道路；v_i为所述步骤2)中得到的匹配车辆在基站对间的行程速度，单位为km/h；n为选定时间段内通过该子路段的匹配车辆数；t为子路段上所有t_i之和，单位为s，即：

$t=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{t}_i.$

本发明方法的优选方案中，还包括v步骤4)，具体流程为：首先将子路段匹配到自然路段，即以RFID基站为分割点对自然路段进行划分，然后在划分得到的自然路段各部分上，以该部分检测到的子路段交通量为权值，对子路段的平均行程速度进行加权平均，得到该部分的平均行程速度；最后以自然路段各部分的长度为权值，对自然路段各部分的平均行程车速进行加权平均，得到自然路段的平均行程车速。

有益效果：与现有技术相比，本发明的优点在于：

1、本发明充分考虑到了基于RFID技术的交通数据采集机理和RFID基站采集到的原始数据特征，在对具体数据进行处理前，建立基站网络是后续处理的基础，这保证了通过基站对车辆数较大，即样本量大，比之其他交通数据移动监测技术，据此计算得到的路段平均行程速度更能反映道路真实状况。

2、根据行程速度的定义，将原始数据转化为匹配数据，得到匹配车辆通过起点基站和终点基站间道路的真实行程时间，进而得到每辆车的行程速度，能直接获得真实的行程速度是本方法与传统车辆检测器的行程速度估计方法相比的最大优点。

3、在计算子路段平均行程速度时考虑到了时间汇集度的概念，保证了其理论正确性，可根据不同应用需要选择不同时间汇集度，提高了方法适用性。

4、分别用子路段交通量和自然路段各部分道路长度为权值的加权平均算法，从理论上保证了自然路段的平均行程速度可以很好的反映该路段上的真实交通情况。

5、本发明计算方法简单明了，没有过于复杂的算法，方法易实现，可操作性强；还可以根据具体情况选择更简单的替代方法，也可添加数据清洗等步骤以满足更多的需求，适用性广，扩展性强。

附图说明

图1为基站网络示意图。

图2原始数据与匹配数据重要属性示意图。

图3原始数据到匹配数据的匹配算法流程图。

图4匹配车牌在子路段上行驶时间落在目标时间段的长度计算示意图。

图5为子路段平均行程车速的计算流程图。

图6为子路段与自然路段匹配示意图。

图7为本发明的总体流程图。

具体实施方式

现结合实施例和说明书附图对本发明作进一步描述。

本发明的基于RFID技术的行程速度获取方法，目的是通过对RFID基站采集到的原始数据进行处理，得到路段的平均行程车速。本方法主要分为三步：首先建立RFID基站网络；其次将原始数据转化为匹配数据；最后用匹配数据计算子路段的平均行程车速，子路段是指基站对起点基站与终点基站间的道路。

本发明方法的优选方案中，在计算得到子路段的平均行程车速基础上，还增加了将子路段的平均行程车速转化为自然路段平均行程车速的步骤，自然路段是指交叉口之间的路段，本文所指交叉口不包括与支路及其以下等级道路相交的交叉口。

下面以转化为自然路段平均行程车速的优选实施例来详细介绍本发明具体步骤。

步骤1：建立RFID基站网络

(1)确定基站经纬度，在地图上标定基站的位置，获取所有的RFID基站信息表，基站信息包括基站编号、基站名称、基站类型、经度、纬度；

(2)针对每一个RFID基站：

a)获得其在地图上的定位；

b)根据路网几何结构，通过地图搜索，顺着车流方向，人工查询并判断该基站的所有相邻的下游基站，找到以该RFID基站为起点的所有RFID基站对为止；

c)针对每一个RFID基站对，获取该基站对的属性特征，包括基站对编号、起点基站、终点基站、子路段长度、是否有交叉口、路段名称(按照交通流向命名，可考虑与后续应用对应)、路段特征(按照交通流向命名，主干道、次干道等)等属性数据；

d)剔除交叉口数目大于1或者基站对道路长度大于2km的基站对；

(3)针对所有的RFID基站，重复上述步骤(2)，找出所有的基站对；

(4)形成RFID基站序列，完成RFID基站对表，作为后续工作处理的基础，基站对表的主要属性有基站对编号、基站对名称、起点基站编号、交叉口编号、终点基站名称、起点基站类型、终点基站类型、基站对对应子路段长度、路段等级。

如附图1中，交叉口的每个进口道和出口道都设有基站点，A～H是基站编号，带箭头的曲线是交通流方向，基站对的编号规则为“起点基站编号+终点基站编号”，根据路网结构和交通流方向，按照步骤1可以得到，附图1中的基站对有AB、AD、AF，CF、CH、CD，EB、EH、EF，GB、GD、GH。

步骤2：将原始数据转化为匹配数据，计算车辆的行程速度

原始数据的属性主要包括记录序号、基站编号、车道编号、开始读卡时间、结束读卡时间、标签编号、标签类型、车牌颜色、车牌号、车型、车身颜色、环保等级。车牌颜色和车牌号共同称为车牌信息，是一辆车的唯一标识。匹配数据的主要属性有基站对编号、车牌颜色、车牌号、经过起点基站的时间、经过终点基站的时间，经过计算可得到行程时间和行程速度。原始数据与匹配数据的重要属性如附图2所示。

将原始数据转化为匹配数据的匹配算法具体步骤如下，流程图如附图3所示。

(1)选择同一段时间内起点和终点基站的原始数据，并分别按照车辆通过时间排序；

(2)依次选取一条起点基站的原始数据，按顺序与终点基站的每一条原始数据进行对比，如果找到车牌信息相同且通过终点基站的时间减去通过起点基站时间之差大于0小于10分钟，则匹配成功，记录下匹配信息，反之匹配失败；

(3)对所有起点基站原始数据进行上一步操作，最后得到该基站对该时间段的所有匹配数据，并计算各车辆的行程时间和行程速度，行程时间是车辆通过终点和起点基站时间的差，行程速度等于子路段长度除以行程时间。

步骤3：计算子路段平均行程速度

在计算子路段平均行程速度前，应对匹配数据进行清洗，保证匹配数据的行程速度具有准确性和有效性。

要计算平均速度，必须先确定时间汇集度。使用时间汇集度的相关算法计算子路段平均行程速度的方法可以分为理论的计算方法(即对历史数据的计算方法)和对实时数据的计算方法两种。对实时数据的计算方法是根据理论的计算方法结合实际应用中的具体情况稍作改变得到的。两种方法的计算流程基本相同，只是对实时数据处理的方法丢掉了一部分无法得到的数据，下面具体介绍理论的计算方法，即针对历史数据的基站对平均行程速度的计算，流程图如附图5所示。

(1)首先，确定时间汇集度T，确定目标基站对和目标时间段。

如附图4中所示：

a)图中横轴为距离，001、002是RFID基站，交通流方向为001至002，该基站对编号为001_002；带箭头的直线分别为4辆在T₀₂至T₀₃时间段内通过基站对001_002的车辆(Veh1、Veh2、Veh3和Veh4)的部分行驶轨迹，没有箭头的一端为目标时间段的起始时刻T₀₂，有箭头的一端为目标时间段的终止时刻T₀₃。

b)图中坐标轴为时间，被T₀₁、T₀₂、T₀₃和T₀₄划分为时间间隔为汇集度T的时间段；

c)图中横坐标为时间，纵坐标为距离，横坐标被划分为时间段，纵坐标标定了基站的位置。

附图4中的图(a)、图(b)和图(c)是为了更便于理解，分别用一维和二维的图形表现同一个问题，其中的数据都是对应的，如(a)、(b)和(c)图中的Veh1即是指同一辆车。

现选取计算T₀₂到T₀₃时间段内的起点基站为001终点基站为002的基站对001_002的平均行程速度为例。

(2)然后，计算各车辆在子路段上行驶的时间落在选定时间段内的时间长度。

在附图4中，Veh1、Veh2、Veh3和Veh4是四辆在T₀₂至T₀₃时间段通过基站对001_002的车辆，T₁、T₃、T₅和T₇是车辆经过起点基站的时间，T₂、T₄、T₆和T₈是车辆经过终点基站的时间，v₁、v₂、v₃和v₄为这四辆车在此子路段上的行程速度。

车辆通过基站对的情况按时间划分可分为四种情况：

a)车辆在选定时间段起点时刻前经过起点基站进入子路段，在选定时间段终点时刻前经过终点基站离开子路段，如附图4中的Veh1；

b)车辆经过起终点基站的时间都在选定时间段内，如附图3中的Veh2；

c)车辆经过起点基站的时间在选定时间段内，经过终点基站的时间在选定时间段终点时刻后，如附图4中的Veh3；

d)车辆经过起终点基站的时间都在选定时间段外，如附图4中的Veh4。

分别计算各车辆在子路段上行驶的时间落在选定时间段内的时间长度t_i，i＝1,2,3···如附图4(b)中的t₁＝T₂-T₀₂，t₂＝T₄-T₃，t₃＝T₀₃-T₅，t₄＝T₀₃-T₀₂。

(3)最后，以t_i为权值对各车辆的行程速度进行加权平均，得到子路段的平均行程速度。

如附图4中，基站对001_002在T₀₂至T₀₃时间段内的平均行程车速

$t=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{t}_i$

$\stackrel{\‾}{v_{\mathrm{sub}}}=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\frac{t_i{v}_i}{t}$

式中：t_i——车辆i在子路段上行驶的时间落在选定时间段内的时间长度，所述子路段为基站对起点基站到终点基站间的道路，单位为s；t——各匹配车辆在子路段上行驶的时间落在选定时间段内的时间之和，单位为s；v_i——各匹配车辆行程速度，单位为km/h，行程速度等于子路段长度除以行程时间；——子路段平均行程车速，单位为km/h；n——选定时间段内通过该子路段的车辆数，本例中n＝4。

上面介绍了理论的子路段平均行程速度的计算方法，但在现实应用中，常常要考虑实时性，下面介绍针对实时数据的子路段实时平均行程速度的计算方法。

在上述理论的计算方法中，将匹配数据分为了4种情况，在对历史数据的计算时，这4种情况的匹配数据都是可以得到的，因此可以直接采用理论的计算方法。但是，在实际应用中，为考虑数据的实时性，必须在目标时间段的终点时刻立即计算平均速度，此时，某些目标车辆还未通过终点基站，无法进行匹配和计算。如附图4中计算T₀₂至T₀₃时间段的平均速度，则须在T₀₃时刻就进行计算，但Veh3和Veh4在T₀₃时刻时，还未到达终点基站002，因此该数据无法通过步骤2中的匹配算法得到，也无法参与计算。因此，在计算实时数据时，理论计算方法中的4种情况的匹配数据中有两种数据是无法得到的，为了更好的应用于实际中实时数据的计算，必须对理论算法进行部分改动。

附图4中，Veh3和Veh4所代表的这两种情况的匹配车辆的数据在T03时是无法得到的，因此不予考虑，仅对Veh1和Veh2所代表的两种情况的匹配数据进行加权平均，用于计算子路段平均行程速度。

除考虑的匹配数据的情况仅为其中两种以外，子路段平均速度实时计算中的方法和理论的方法相同。

在实际应用中，对准确度要求不是特别高时，可采用更简单的替代方法计算子路段的平均行程速度。

在确定时间汇集度并确定时间段时，可不用考虑车辆通过基站对的具体情况，简化为仅根据车辆通过起点基站的时间、通过终点基站的时间或者是通过起点和终点基站的中间时刻来判断该条匹配数据属于哪个时间段。例如所有通过终点基站时间为16:**(**是指任意数)的匹配数据在统计时都认为该车辆属于16点-17点时间段内。在计算平均行程速度时，就不用考虑加权，直接计算该时间段内的匹配车辆行程速度的算术平均值。为提高数据质量，还可用一些算法剔除匹配数据中行程速度与平均值偏差较大的数据。

步骤4：将子路段与自然路段进行匹配，计算自然路段的平均行程车速

(1)基站将自然路段划分为一个或几个部分，测量每个部分的长度，并将子路段与自然路段进行匹配，得到自然路段各部分及其相对应的基站对序列。如附图6中a和b为自然节点(即交叉口)，选取由南向北的行车方向，路段ab为一个自然路段，现要计算ba在某时间内的平均行程车速。A～H是基站，则该自然路段对应的基站对序列为AD/BD/CD，DE，EF/GF/HF；每个基站对在目标时间段内的平均行程车速和匹配数据个数分别为v_AD、q_AD，v_BD、q_BD，···v_HF、q_HF，这些数据都可经过前面的步骤得到，现认为已知。基站将该自然路段分为了Seg1、Seg2和Seg3三部分。

(2)以各对应基站对在该时间段的流量(即匹配数据条数)为权值对基站对平均行程速度进行加权平均，得到自然路段各部分的平均行程速度。如附图6中：

Seg1的平均行程车速的计算公式如下：

q₁＝q_AD+q_BD+q_CD

$\stackrel{\‾}{v_{\mathrm{seg}1}}=\frac{q_{\mathrm{AD}}*v_{\mathrm{AD}}}{q_1}+\frac{q_{\mathrm{BD}}*v_{\mathrm{BD}}}{q_1}+\frac{q_{\mathrm{CD}}*v_{\mathrm{CD}}}{q_1}$

Seg2的平均行程车速

Seg3的平均行程车速的计算公式如下：

q₃＝q_EF+q_EG+q_EH

$\stackrel{\‾}{v_{\mathrm{seg}3}}=\frac{q_{\mathrm{EF}}*v_{\mathrm{EF}}}{q_3}+\frac{q_{\mathrm{EG}}*v_{\mathrm{EG}}}{q_3}+\frac{q_{\mathrm{EH}}*v_{\mathrm{EH}}}{q_3}$

(3)以自然路段各部分的长度(如附图6中的l₁、l₂和l₃)为权值对各部分的平均行程速度进行加权平均，得到自然路段的平均行程速度。如附图6中自然路段ab的平均行程速度

$\stackrel{\‾}{v_{\mathrm{ba}}}=\frac{l_1*\stackrel{\‾}{v_{\mathrm{seg}1}}+l_2*\stackrel{\‾}{v_{\mathrm{seg}2}}+l_3*\stackrel{\‾}{v_{\mathrm{seg}3}}}{l_1+l_2+l_3}.$

实际应用中，为了计算更简单方便，可将自然路段各部分对应的子路段平均行程速度算术平均值、流量最大子路段的行程速度或者速度值最大的子路段的行程速度作为该部分平均行程速度；在根据自然路段各部分平均行程速度计算自然路段平均行程速度时，也可同样不考虑权值，用自然路段各部分平均行程速度的算术平均值、长度最长部分的平均行程速度或速度最大部分的平均行程速度作为该自然路段的平均行程速度。例如，可直接把在该自然路段上流量最大、落在路段上长度最长的子路段的平均行程速度作为自然路段的平均行程速度。

上述实施例仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和等同替换，这些对本发明权利要求进行改进和等同替换后的技术方案，均落入本发明的保护范围。

Claims (1)

1.一种基于RFID技术的行程速度获取方法，其特征在于，该方法包括以下步骤：

步骤1)首先确定RFID基站经纬度，在地图上标定基站位置，然后建立由所有基站对构成的基站对网络，所述基站对的确定方法为：将实际的路网几何结构中顺车流连续通过的两个RFID基站作为一个基站对，所述两个RFID基站的间距不超过2000米，且两个RFID基站之间的交叉口个数不超过一个；

步骤2)首先将RFID基站采集到的原始数据转化为匹配数据，即基于所述基站对网络对通过车辆进行车牌匹配，具体方法为：统计每个基站对通过车辆的车牌信息，从而根据所述车牌信息确定基站对的匹配车辆及其通过该基站对起点和终点的时间，所述匹配车辆为通过基站对起点和终点的车辆；

然后计算各匹配车辆通过基站对起点和终点的时间差，即行程时间，进而计算得到匹配车辆在基站对间的行程速度；

步骤3)根据应用选取时间汇集度，即确定多长时间进行一次平均速度的计算，然后将时间划分成用以计算平均速度的时间段，根据下式计算选定时间段内匹配车辆在子路段的平均行程速度单位为km/h：

式中：t_i为匹配车辆i在子路段上行驶的时间落在选定时间段内的时间长度，单位为s，所述子路段为基站对起点基站到终点基站间的道路；v_i为所述步骤2)中得到的匹配车辆在基站对间的行程速度，单位为km/h；n为选定时间段内通过该子路段的匹配车辆数；t为子路段上所有t_i之和，单位为s，即：

$t=\underset{i=1}{\overset{n}{\Σ}}{t}_i;$

步骤4)，具体流程为：

首先将子路段匹配到自然路段，即以RFID基站为分割点对自然路段进行划分，然后在划分得到的自然路段各部分上，以该部分检测到的子路段交通量为权值，对子路段的平均行程速度进行加权平均，得到该部分的平均行程速度；最后以自然路段各部分的长度为权值，对自然路段各部分的平均行程速度进行加权平均，得到自然路段的平均行程车速。