物联网技术 2021年 / 第1期
智能处理与应用
Intelligent Processing and Application
1120 引 言
在交通管理中，面向非机动车的管控
，由于违法行为复杂、管控对象多样，一直是老大难问题。近年来，受互联网发展影响，快递物流行业及餐饮业外卖配送业务的迅速发展，非机动车尤其是电动自行车由于其经济、轻便的特点，成为大多数配送人员的首选。由于缺乏有效管控，由电动自行车违法导致的事故逐年增长。受制于电动自行 车体量巨大及管理力度不足的现状，目前针对电动自行车的交通管理多为交警现场执法，缺少对于电动自行车交通管理的智能化检测手段。
1 设计目标
利用射频识别技术等一系列物联网技术，规范化电动自行车信息化管理，实现电动自行车的信息登记及城市范围轨迹定位。同时，在城市道路卡口，利用交通智能纠章算法，分析判断电动自行车的车牌信息及交通违规行为，并通过抓拍违法过程图片、视频，完整地描述违法发生的全过程，为后续的违法处罚提供违法佐证材料，从而有效治理电动自行车的违法行为。 2 系统设计
2.1 系统架构
前端设备包含电动自行车射频标签（一体化车牌）、射频、道路抓拍设备、信号灯检测器，如图1所示，实现车辆信息识别、驾驶行为判断、违法取证等功能。通过4G/以太网等传输网络实现前端设备与后端管理平台的数据通
信，后端管理平台实现违法审核、车辆定位、数据统计等功能。本文主要叙述前端系统设计，后端管理平台的设计不做介绍。
图1 系统架构
2.2 设计原理
RFID 即无线射频识别，从供电方式上分为无源RFID 、有源RFID 两类。无源RFID ，射频标签通过接收射频传输来的信号，获取能量来对自身短暂供电，从而完成此次信息交换，标签成本低，使用寿命长。有源RFID ，射频标签通过电池供电，主动向射频发送信号，标签成本高，使用寿命较短。
社交游戏制作
RFID 工作频率分为低频（125 kHz ）、高频（13.56 MHz ）、超高频（840～960 MHz ）和微波（2.4 GHz ）四类。其中低频、高频、超高频的功耗很小，一般为无源标签；微波的功耗较大，一般为有源标签。从通信距离上比较，低频和高频的距离在2 m 以内，超高频的距离可以到20 m ，微波由于是有源标签，可以到100 m 甚至更远的距离。从读能力上比较，低频和高频不适合多标签的读取，超高频和微波可以在几秒内实现上百个标签的采集。
综上分析，在电动自行车交通治理这样的场景应用下，射频标签的数量庞大，车辆使用的年限较长，车辆识别的距离较远，单个覆盖范围内车辆数量较多，因此选用无源超高频RFID 技术是最合适的。
基于超高频RFID 的电动自行车交通治理系统设计
傅晨韬，王 斌
（中电海康-浙江海康科技有限公司，浙江 杭州 311100）
摘 要：
电动自行车是老百姓出行代步的主要交通工具之一，是城市交通治理的一个重要组成部分。目前对于机动车的交通治理有较多的解决方案，然而对于非机动车尤其是电动自行车的交通治理，还没有系统
性的成熟方案。文中采用超高频RFID 技术设计的系统具有电动自行车的车辆数据采集及违章行为检测的功能，可以系统化地实现违章闭环管理，有效地规范电动自行车的驾驶行为，将安全事故消灭在萌芽阶段。
关键词：
RFID ；超高频；电动自行车；智能纠章；物联网；交通治理中图分类号：TP273 文献标识码：A 文章编号：
2095-1302（2021）01-0112-03DOI ：10.16667/j.issn.2095-1302.2021.01.033
收稿日期：2020-08-09 修回日期：2020-09-10
2021年 / 第1期 物联网技术
智能处理与应用
Intelligent Processing and Application
113
2.3 智能纠章2.
3.1 闯红灯检测
闯红灯场景如图2所示，在路口非机动车道上方安装射频，覆盖共计4个方向8个非机动车道。每个射频信号覆盖范围为非机动车道路口实线范围，射频将读取到经过的射频电子车牌信息，并配合信号灯检测器与道路监控，实现电动自行车闯红灯行为的智能化分析判断。具体实现如下：
当电动自行车经过任意2个射频时，系统根据射频的方位及信号采集时间可判断电动自行车在路口的行驶过程，并根据该过程发生时间内信号灯红绿变化情况进行违章行为判断。
图2 闯红灯场景
以1点为例，当南北方向为红灯，东西方向为绿灯时，电动自行车的各种行动轨迹及判断结果见表1所列。
表1 闯红灯行为检测
序 号红绿灯情况
车辆行动轨迹（数据采集时序）判断结果1南北方向为红灯射频1→2正常2射频1→3闯红灯3射频1→4闯红灯4射频1→5闯红灯5射频1→6
闯红灯6射频1→7正常7
射频1→8
正常
该场景下，为保证数据分析结果的时效性，路口部署的各个射频需要数据同步，组建本地局域网，
保障本地通信畅通。本场景建议选择在标准十字路口，射频安装可借助已有卡口杆件安装或单独立杆，信号灯检测器通过RS 485与射频进行通信。2.3.2 逆向行驶检测
逆向行驶场景如图3所示，在单向直行非机动车道上方
安装射频，射频信号覆盖单个非机动车道。射频将读取到经过的射频电子车牌信息，并记录经过时间T 。通过不同射频读取到的车牌信号及时间点先后顺序，判断电动自行车的行驶方向，辅助道路监控设备，实现电动自行车逆向行驶行为的智能化分析判断。具体实现如下：
图3中，当车辆经过射频A 为时间T A ，经过射频B 为时间T B ，正常行驶方向为A 到B 方向，T A 应早于T B ，因此当T A 晚于T B 时，系统将判断车辆为逆向行驶。本场景建议选择在单向直行非机动车道上，射频安装可借助已有卡口杆件安装或单独立杆
。
图3 逆向行驶场景
2.3.3 超速行驶检测
血竭提取物超速行驶场景如图4所示，在单向直行非机动车道上方安装射频，射频信号覆盖单个非机动车道。射频将读取到经过的射频电子车牌信息，并记录经过时间T 。
通过不同射频之间的距离，以及读取到的车牌信号及时间点，判断电动自行车的平均行驶速度，辅助道路监控设备，实现电动自行车超速行驶行为的智能化分析判断。具体实现如下：
图4中，当车辆经过射频A 为时间T A ，经过射频
B 为时间T B ，射频A 与射频B 之间距离为L ，车辆平均速度为V =L /(T B -T A )。当V 大于电动自行车允许的行驶速度时，系统将判断车辆为超速行驶。本场景建议选择在单向直行非机动车道上，射频安装可借助已有卡口杆件安装或单独立杆。
图4 超速行驶场景
2.3.4 占用机动车道检测
占用机动车道场景如图5所示，在机动车道上方安装射频，射频信号覆盖单个机动车道。射频将读取到经过的射频电子车牌信息，辅助道路监控设备，实现电动自行车占用机动车道的智能化分析判断。具体实现如下：
正常情况下，机动车道上的射频是读取不到在非机
智能处理与应用
Intelligent Processing and Application
114
动车道上行驶的射频电子车牌的。当该射频读取到某个
车牌后，并且在一段时间T内能多次读取到，则可判断为车
辆占用机动车道行驶。射频安装可借助已有卡口杆件安
装或单独立杆。
图5 占用机动车道场景
3 系统使用
（1）系统化实现电动自行车交通违章电子化检测，结合
视频取证，对被发现违章行为的车主进行、短信警示和
教育、等，形成电动自行车交通治理的闭环。
（2）感知电动自行车在城市中的实时通行数据，实现城
市全域电动自行车信息、在途车辆信息、路口交通路况、活
动规律的动态数据展示，为城市电动自行车的城市治理提供
有效的数据支撑。
（3）实现特殊行业（外卖、快递）全监管，外卖和快递
行业从业人员，日常使用电动自行车非常频繁，而且外卖和
快递人员本身人员流动快，骑行速度和交通违章意识相对淡
薄，加强对这些行业的监管能有效地从治安、交通治理多方
面得到有效改善。
4 结语
本文针对城市电动自行车管理的痛点和难点，设计基于
超高频RFID的电动自行车交通治理系统。该系统采用射频
识别电动自行车牌信息，并通过智能纠章算法实现电动
胀锚螺栓自行车违法行为的检测。文中所设计的系统已广泛应用于全
国多个城市的电动自行车管理中，为城市的交通治理提供更
好的保障。
参考文献
权重计算方法[1]工业和信息化部.电动自行车安全技术规范：GB 17761—
跨越障碍物
2018[S].北京：中国标准出版社，2018.
[2]王文峰，耿力，冯敬，等.信息技术自动识别和数据采集技术词
汇第3部分：射频识别：GB/T 29261.3—2012[S].北京：中国标
准出版社，2012.
[3]陆锌渤.浅谈射频识别技术[J].中国新通信，2018，20（1）：67-
68.
[4]刘凯，杨登辉，齐国强，等.基于有源RFID的非机动车逆行检
测系统设计[J].智能物联技术，2018，1（2）：38-41.
[5]王晓辉.浅谈RFID技术在交通行业中的应用[J].北方交通，
2013，21（12）：71-73.
[6]李军，何婷婷，陈柯.超高频RFID标准和测试技术演进[J].国
外电子测量技术，2015，34（9）：13-16.
[7] F INKENZELLER Klaus，吴晓峰，陈大才.射频识别技术[M].北
京：电子工业出版社，2006.
[8]龙燕.基于RFID技术的出租车专用车位识别与管理系统设计与
实现[D].成都：电子科技大学，2018.
[9]张建奇，张亚军，陶怡，等.超高频RFID车辆管理控制器设计[J].
自动化技术与应用，2016，35（1）：50-55.
消防支架[10]赵欣.基于RFID技术的边防部队车辆管理系统的设计与实现[D].
西安：西安电子科技大学，2015.
作者简介：傅晨韬（1984—），男，浙江杭州人，本科，工程师，主要研究领域为电梯物联网应用、智慧工地物联网应用、城市级目标物定位、警用物联网应用、RFID技术、物联网技术等。
[8]汪言康，周建平，许燕，等.基于物联网的温室大棚智能监控系
统研究[J].机床与液压，2019，47（17）：103-107.
[9] A NTHONY S D，DAUM J. Application of ZigBee-based internet
of things technology to demand response in smart grids [J]. IFAC
PapersOnLine，2018，51（28）：43-48.
[10]朱超.基于物联网的温室大棚远程环境监测系统[D].南京：南
京信息工程大学，2019.
[11]牛萍娟，程峥，田海涛，等.基于多网融合和节点定位技术的无
线温室智能监控系统的设计[J].江苏农业科学，2019，47（14）：
239-243.
作者简介：杨明（1982—），男，硕士，主要研究方向为计算机网络技术、物联网技术。
杨建国（1963—），男，硕士，主要研究方向为传感技术、物联网技术。
宋杨（1974—），男，硕士，主要研究方向为软件技术、嵌入式技术。
强承魁（1978—），男，博士，主要研究方向为农业产品安全、现代农业技术。
（上接第111页）
物联网技术2021年 / 第1期
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议