基于射频识别的电子车证系统设计

蒋遂平　张帆　李杨　陈颂

摘 要：结合智能交通系统体系框架和RFID应用系统架构，提出了一种基于射频识别的电子车证系统架构，并根据电子车证应用需求，在架构中引入了数据融合、实时事件检测和数据分析等技术。该架构可实现交通流数据的实时采集、可靠传输和智能处理。同时通过实际电子车证系统的实施，证明了该架构的可行性。

关键词：射频识别；智能交通；体系框架；中间件

中图分类号：TP182 文献标识码：A 文章编号：2095-1302（2014）10-00-04

0 引 言

射频识别（RFID）具有远距识别、多目标识别、运动目标识别等特点，广泛应用于智能交通领域[1，2]。其中，由于被动式超高频RFID的电子标签不需要电池，成本低廉、维护方便，已被基于RFID的电子车证系统广泛采用。

电子车证是RFID在智能交通领域的一种典型应用。在电子车证系统中，包含RFID电子标签的电子车证通常安装在车辆的前挡风玻璃上，电子标签包含车辆的号牌等信息；包含读写器及天线的数据采集设备安装在道路上方或停车场的出入口处。当车辆经过读写器天线作用区域时，车辆上的电子车证被读写器识别，电子标签包含的信息被读写器读取，这些信息可以被数据采集设备传送到后台系统进行进一步处理。

本文根据电子车证系统项目开发经验，结合智能交通系统体系框架和RFID应用系统架构，设计了一种电子车证系统。本文将首先描述电子车证系统的架构设计，然后描述各个子系统的设计，随后给出架构的实现情况，最后是结论和未来的工作。

1 系统架构设计

电子车证系统属于RFID的智能交通应用，因此其架构设计应考虑结合智能交通系统架构和RFID应用系统架构的特点。

根据智能交通体系框架设计理论[3]，电子车牌系统的架构主要包括从用户服务、逻辑架构和物理架构等方面描述系统。其中，用户服务描述系统对外提供的服务及服务领域；逻辑架构描述系统内部组成元素及组成元素之间的数据交换关系，物理架构则描述系统内部组成元素之间的通信连接关系。

在电子车证系统中，其服务领域为交通管理，提供的服务主要为实时的交通流信息服务和非实时的交通流分析和数据挖掘服务。

从RFID应用系统的角度，RFID包括对象标识、数据采集、RFID中间件和应用系统等4个层次[4]。在电子车证中，整个系统在逻辑上由5部分组成，包括车证发行子系统、电子车证（对象标识）、数据采集子系统、数据整合子系统（RFID中间件）、业务应用子系统，其顶层逻辑架构如图1所示。其中，车证发行子系统实现对电子车证从初始化、发行、使用到作废等全生命周期的管理；电子车证携带车辆的号牌等信息；数据采集子系统利用RFID和基于图像的车牌等手段，实现对运动车辆和静止车辆信息的采集；数据整合子系统利用RFID中间件技术、数据仓库技术和数据挖掘技术，管理分布在道路各处的数据采集设备的管理，实现多种采集手段采集到的数据的融合，并进行实时事件检测以及交通流数据分析和挖掘，将交通流数据转化为交通流信息；业务应用子系统则用于支持各种具体的车辆管理业务。

图1 电子车证系统的顶层逻辑架构

根据电子车证系统各个组件的分布情况，电子车证系统的物理架构分为车载的电子车证、路侧的数据采集、后端系统等3个部分。其中，后端系统包括车证发行、数据整合和业务应用。电子车证系统的顶层物理架构如图2所示。车证发行子系统、数据整合子系统和业务应用子系统通过交通管理部门的内部计算机网络进行互联，数据采集子系统通过电信部门的3G网络和交通管理部门的接入平台，将采集到的交通流数据传输到交通管理部门的内部网络中。车证发行子系统和数据采集子系统则通过射频识别的空中接口协议，与电子车证进行交互，识别电子车证，向电子车证写入信息或读取电子车证中的信息。其中的接入平台由路由器、防火墙、入侵检测系统和代理服务器等组成，实现内部网络和外部3G网络之间的隔离。

图2 电子车证系统的顶层物理架构

2 子系统设计

2.1 电子车证

本电子车证系统的主要功能是标识车辆的身份。该电子车证系统采用符合ISO/IEC18000-6C（EPC C1G2）国际标准的电子标签，条件成熟时，将采用符合GB/T29768-2013国家标准的电子标签。这两种标准的被动式超高频电子标签，不带电池，由读写器提供能量，成本低廉、维护方便。

电子标签的存储区分为保留区、EPC区、TID区和用户区，其中，保留区主要存储各种密码，只能写入，不能读取；EPC区存储物品的标识，可以写入和读取，大部分电子标签的EPC区存储容量为96 b；TID区存储标签生产厂商在标签出厂时写入唯一标识符，包括厂商标识符和序列号，TID区只能读取，不能写入；用户区存储物品的额外信息，用户区的存储容量从0到64 kb不等，常见的是512 b。

根据空中接口协议，电子标签被识别时，首先返回给读写器的数据是存储在EPC区中的数据，为读取TID区和用户区中的数据，需要读写器再发送读取指令。因此，EPC区中的读取速度最快。对于电子车证应用，通常要求在车辆高速运动下也能识别车辆，这样，车辆的号牌等数据应该存储在EPC区中，其他数据应存储在用户区中，这可以保证车辆速度在180 km/h的情况下，也能被正确识别。

电子车证的安全性主要包括数据私密性、数据完整性和车证真实性等[5]。为保证EPC区和用户区中数据的私密性，可以采用对称分组加密算法，在数据写入标签前，加密数据，并在数据从标签读取后，解密数据。为保证数据的完整性，可以在加密数据的同时，生成消息验证码（Message Authentication Code，MAC），与数据一起存储。同时，对EPO区和用户区增加访问密码（写保护密码）。数据加密密钥和访问密码都可以利用标签的TID分散主密钥得到。电子车证的真实性由两个措施来保证：电子标签采用防拆卸的陶瓷封装方式，后台系统监控电子车证在各个采集点处出现情况。

2.2 车证发行子系统

车证发行子系统的功能比较简单，主要实现电子车证生命周期管理，包括标签的初始化、写入车辆信息、电子车证的挂失解挂、电子车证报废等管理。

2.3 数据采集子系统

电子车证数据采集分为3种采集方式。其中固定式采集，试讲采集设备安装在道路上方，实现对高度运动车辆的识别；而移动式采集，则将采集设备安装在车辆上、停车场出入口、或临时安装在路测，主要实现对低速运动车辆的识别；手持式采集，是管理人员利用手持式采集设备实现对静止车辆的识别。

由于数据采集设备与后台通过广域网连接，为防止网络中断丢失数据，需要数据采集设备具有本地存储功能和一定的处理能力。因此，固定式采集设备和移动式采集设备采用工控机加RFID读写模块的方式，手持式采集设备采用手持计算机加读写模块的方式。

根据应用要求，固定式采集设备又分为RFID数据采集设备和综合数据采集设备两类。一台RFID数据采集设备配备一个RFID读写器、2～4个天线，可采集2～4个车道上的电子车证。一台综合采集设备配备一个RFID读写器、2个天线、2台图像/视频采集设备，天线的作用范围与图像/视频采集设备的作用范围尽量保持一致，由于实现了车辆电子车证和车牌的识别和融合，从而具有一定的取证功能。RFID采集设备的软件结构如图3所示，综合采集设备的软件结构如图4所示。

图3 RFID采集设备的软件结构

图4 综合采集设备的软件结构

RFID采集设备软件分为设备控制、数据过滤和数据传输等3个模块。设备控制模块的功能是设置读写器参数，控制读写器识别电子标签、读取电子标签中的数据。数据过滤模块实现简单的消除重复读取的功能，根据设置，删除一段时间内重复读取到的电子标签数据，同时，利用读取到的重复数据，计算交通拥挤程度，以充分利用RFID数据的价值。数据传输模块负责与后台数据整合的通信接入部分的交互，向后台传输采集到电子车证信息和交通拥挤程度，同时接收后台传输的读写器配置命令，配置读写器参数，实现读写器固件、数据采集软件本身的在线升级。数据传输模块实现了读写器的适配功能，允许电子车证系统中存在多种厂商的读写器，只需要数据传输模块和后台之间的通信协议符合系统规定的要求即可。

综合采集设备软件分为5个模块：RFID设备控制、RFID数据过滤、车牌识别、数据融合和数据传输。设备控制、数据过滤和数据传输等3个模块的功能与RFID采集设备软件对应模块相同。车牌识别模块用于控制图像/视频采集，并识别图像中的车牌，保存包含车牌的图像。数据融合模块将车牌识别的结果和RFID数据采集的结果融合，以车牌识别的结果为基准，对于时刻t识别到的车牌，在电子车证中寻找采集时间在t±Δt内与这个车牌匹配的车牌，作为融合结果，将车牌和电子车证关联，否则认为出现车牌误识或RFID漏识，无法融合。

2.4 数据整合子系统

数据整合子系统采用RFID中间件的思想设计。RFID中间件是介于读写器和应用系统之间的软件系统[6-8]。RFID中间件的主要功能包括：屏蔽各种读写器之间的差异，为应用系统访问、配置和管理读写器提供统一的接口；对读写器采集到的与标签有关的事件和数据进行过滤、汇集和计算，减少从读写器传送到应用系统的海量原始数据；面向不同的应用，提供统一的服务接口，实现应用的透明操作。

由于上述RFID中间件的功能主要针对物流供应链的RFID应用。在电子车证系统中，备识别的车辆移动速度较快，在读写器天线的作用范围内不会同时出现多个车辆。因此，电子车证中间件的数据过滤功能要求不高，而对实时事件检测和数据分析的功能要求较高。

根据应用对电子车证系统中间件的需求，我们将屏蔽读写器差异的读写器适配功能、部分数据过滤功能、数据处理功能和数据融合功能从数据整合系统移动到数据采集子系统，以减轻数据整合子系统的负载。在数据整合子系统中，我们增加了实时事件检测功能、数据分析功能和数据挖掘功能。数据整合子系统的结构如图5所示。

在图5中，数据整合子系统主要由8个模块组成，并通过4个接口与其他子系统交互。数据采集子系统通过TCP接口，与数据传输模块进行数据交换；用户通过Web接口，与配置管理模块进行交互，配置数据采集设备的工作参数，查看数据采集设备工作状态，并配置事件检测规则；业务应用通过TCP接口，从实时数据管理模块获取实时数据和实时事件；业务应用通过Web Service接口，获取历史数据和历史事件，并调用数据整合子系统的数据分析和数据挖掘模块，对历史数据和事件进行分析和挖掘。

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

[1]邹力. 物联网与智能交通[M]. 北京：电子工业出版社，2012.

[2]张浩，李晓娜. 基于RFID技术的城市联网智能停车系统[J]. 物联网技术，2013，3（6）：14-16.

[3]张可，刘浩，刘冬梅，等. 智能交通系统体系框架构建方法与应用[M]. 北京：人民交通出版社，2012

[4]张智文. 射频识别技术理论与实践[M]. 北京：中国科学技术出版社，2008.

[5]张之津. 智能卡安全设计[M]. 北京：电子工业出版社，2010.

[6]钟惠安. RFID技术运作的神经中枢—RFID中间件[J]. Electronics Commerce Pilot，2004，6（2）：16-19.

[7]廖国琼. RFID实时中间件技术[M]. 成都：西南交通大学出版社，2010.

[8] Ahmed N， Ramachandran U. RFID Mideleware Systems： A Comparative Analysis[M]. Ranasinghe D C et al （eds） Unique Radio Innovation for the 21st Century， 2010：257-278.

[9] Gonzalez H， Han JiaWei， Li XiaoLei， and Klabjan D. Warehousing and analyzing Massive RFID Data Sets[C]. In： Int. Conf. on Advance Data Mining and Its Applications， XiAn， China， Aug. 2006：126-134.

[10] Li XiaoLei， Han JiaWei， Lee Jae-Gil， and Gonzalez Hector. Traffic Density-Based Discovery of Hot Routes in Road Networks. Papadias D， Zhang D， and Kollios G（eds）.LNCS， 2007，4605：441-459.

[11] Wang JianYong and Han JiaWei. BIDE： Efficient Mining of Frequent Closed Sequences[C]. In： Proc. 2004 Int. Conf. on Data Engineering， 2004：57-63.

[12] Muller J et al. RFID middleware as a Service – Enabling Small and Medium Sized Enterprise to Participate in the EPCnetwork[J]. IEEE， 2009：2040-2043.

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

[1]邹力. 物联网与智能交通[M]. 北京：电子工业出版社，2012.

[2]张浩，李晓娜. 基于RFID技术的城市联网智能停车系统[J]. 物联网技术，2013，3（6）：14-16.

[3]张可，刘浩，刘冬梅，等. 智能交通系统体系框架构建方法与应用[M]. 北京：人民交通出版社，2012

[4]张智文. 射频识别技术理论与实践[M]. 北京：中国科学技术出版社，2008.

[5]张之津. 智能卡安全设计[M]. 北京：电子工业出版社，2010.

[6]钟惠安. RFID技术运作的神经中枢—RFID中间件[J]. Electronics Commerce Pilot，2004，6（2）：16-19.

[7]廖国琼. RFID实时中间件技术[M]. 成都：西南交通大学出版社，2010.

[8] Ahmed N， Ramachandran U. RFID Mideleware Systems： A Comparative Analysis[M]. Ranasinghe D C et al （eds） Unique Radio Innovation for the 21st Century， 2010：257-278.

[9] Gonzalez H， Han JiaWei， Li XiaoLei， and Klabjan D. Warehousing and analyzing Massive RFID Data Sets[C]. In： Int. Conf. on Advance Data Mining and Its Applications， XiAn， China， Aug. 2006：126-134.

[10] Li XiaoLei， Han JiaWei， Lee Jae-Gil， and Gonzalez Hector. Traffic Density-Based Discovery of Hot Routes in Road Networks. Papadias D， Zhang D， and Kollios G（eds）.LNCS， 2007，4605：441-459.

[11] Wang JianYong and Han JiaWei. BIDE： Efficient Mining of Frequent Closed Sequences[C]. In： Proc. 2004 Int. Conf. on Data Engineering， 2004：57-63.

[12] Muller J et al. RFID middleware as a Service – Enabling Small and Medium Sized Enterprise to Participate in the EPCnetwork[J]. IEEE， 2009：2040-2043.

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

[1]邹力. 物联网与智能交通[M]. 北京：电子工业出版社，2012.

[2]张浩，李晓娜. 基于RFID技术的城市联网智能停车系统[J]. 物联网技术，2013，3（6）：14-16.

[3]张可，刘浩，刘冬梅，等. 智能交通系统体系框架构建方法与应用[M]. 北京：人民交通出版社，2012

[4]张智文. 射频识别技术理论与实践[M]. 北京：中国科学技术出版社，2008.

[5]张之津. 智能卡安全设计[M]. 北京：电子工业出版社，2010.

[6]钟惠安. RFID技术运作的神经中枢—RFID中间件[J]. Electronics Commerce Pilot，2004，6（2）：16-19.

[7]廖国琼. RFID实时中间件技术[M]. 成都：西南交通大学出版社，2010.

[8] Ahmed N， Ramachandran U. RFID Mideleware Systems： A Comparative Analysis[M]. Ranasinghe D C et al （eds） Unique Radio Innovation for the 21st Century， 2010：257-278.

[9] Gonzalez H， Han JiaWei， Li XiaoLei， and Klabjan D. Warehousing and analyzing Massive RFID Data Sets[C]. In： Int. Conf. on Advance Data Mining and Its Applications， XiAn， China， Aug. 2006：126-134.

[10] Li XiaoLei， Han JiaWei， Lee Jae-Gil， and Gonzalez Hector. Traffic Density-Based Discovery of Hot Routes in Road Networks. Papadias D， Zhang D， and Kollios G（eds）.LNCS， 2007，4605：441-459.

[11] Wang JianYong and Han JiaWei. BIDE： Efficient Mining of Frequent Closed Sequences[C]. In： Proc. 2004 Int. Conf. on Data Engineering， 2004：57-63.

[12] Muller J et al. RFID middleware as a Service – Enabling Small and Medium Sized Enterprise to Participate in the EPCnetwork[J]. IEEE， 2009：2040-2043.