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。

图1 基站信号范围及部署节点示意图

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。

点伴随关系是指在时刻，OM在时刻进入到基站属于有效伴随点,记作

同时我们将微课资源库申报了苏州国际教育园课程共享第4批自建课程“PS大家秀”并通过评审，目前该课程已经在高校邦在线课程网站上线且形成了相应配套微课资源，苏州高等职业技术学校14、15级400多名学生已经选修，学生在使用过程中只要扫描二维码即可在线浏览微课，课后可进行复习与测试。学生在学习过程中对该课程给予了较高的评价，同时我们也根据学生学习的反馈意见不断对课程进行改进与更新。

图2 无线射频网总体架构图

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。

图3 系统组成

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

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。

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

基站传回的数据均为标签ID值，在某一时间区间△t内基站采集的标签集O(Δt,di)={o0t0,o1t1,o2t2,,...ontn},其中△t为[t0,tn],按标签进行分类排序，映射到标签空间后得到标签的在某一时间区间△t内按进入的时间先后顺序采集的基站集合么标签 在△t时间段时的运行轨迹是通过的基站的有序集合

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。

1）我院不合理处方问题主要集中在临床诊断与用药不符。原因分析：存在人情处方，患者只是单纯性为了开药，医师未重视临床诊断的重要性。其次，某些医师超说明书用药，既与临床医师的用药习惯[11]、法律意识和用药风险意识有关；也受患者因素的影响，同时也与医院对处方的管理力度不足有关。

4.6 研判分析服务

对于两个标签的运行轨迹的相似度函数表示为

5 轨迹匹配

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。

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。

和过来人聊天，她总会嘱咐孕产妇们在孕期要多活动活动，否则顺产比较费劲。可是以往人们总觉得怀孕后就不适宜再做运动了，应该在家静养，以免动了所谓的“胎气”。其实不然，孕期适当地锻炼有利于分娩的顺利进行，是安全有益的。

假设 在△t时间段内轨迹为有序集合在△t时间段内轨迹为有序集合

当马老师给我描述李之恒家里多穷，他是多么努力，多么有出息的时候，我走神了。如果现在叫我去努力回忆李之恒是个什么样的人，我眼前浮现的形象却是我大学一个室友的模样。

一般基于有源RFID运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。

轨迹相似度是指两个标签 和Om在一定的时间范围运行轨迹的相似程度，在的运行轨迹 和OM的运行轨迹中，满足的基站的个数 ，轨迹 和DM中并集基站个数据为 ,则标签 和OM在一定的时间范围运行轨迹的相似度为：

一个标签对于轨迹中的任意一点有两种状态，出现，或者不出现，我们定义函数：

点伴随函数定义为：

从表15知，p=0.000<0.01，回归模型非常显著.但是从表16中看到，系数b1，b2，b3，b4相应的显著性概率均大于0.05，所以没有一个变量在模型中是重要变量，因此需要对变量进行筛选，采用逐步回归法重新建立回归模型.方法是在前面四步的基础上，增加：

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。

给定已知车辆的轨迹{d0,d1,d2,...dn}，查询与其伴随车辆算法表示如下：

定义空集合S为map，O为车辆ID，n为记数；

计算轨迹中元素个数为Length;

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。

德伐日太太跟他年龄相近，是个壮实的女人，一双机警的眼睛似乎很少望着什么东西。她的大手上戴满了戒指，五官粗大，却安详沉静。她那神态叫人相信她所经管的帐目决不会有任何差错。她对寒冷很敏感，所以用裘皮裹得严严实实，还用一条色彩鲜亮的大围巾缠在头上，只露出了两个大耳环。毛线就在她面前，她却放着没织，只是一手托着胳膊，一手拿着根牙签剔牙［1］38。

给定伴随轨迹判断阈值k;

取基站di采集的标签集 O(Δt,di),其中△t为 [tiθ,ti+ θ]

将集合S中记数n除以Length即为S中各标签与给定车辆的轨迹相似度。当相似度大于k，认为该车辆与给定车辆的轨迹具有伴随关系。

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。

用Origin进行统计与分析，并绘制图表进行直观比较。采用SPSS软件对各样品的指标总酸、亚硝酸盐、过氧化值进行皮尔斯相关性分析。

综上所述，城市道路工程中的排水问题与人们的日常生活息息相关，作为一项系统性工程，雨水箱涵施工技术需要将各个方面的因素全面考虑其中。在实际施工过程中根据工程情况，严格按照施工标准和要求设计及施工注意事项，从而对各个环节的质量进行有效控制，使整体的工程质量得到有效保障，城市道路工程建设得到更加长远的发展。

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] 喻剑,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.