大規(guī)模RFID標(biāo)簽數(shù)量估算研究
Tag Estimation in Large-scale RFID System

1.59萬字 33頁 原創(chuàng)作品，已通過查重系統(tǒng)


摘 要 隨著生活水平的提升，如今家庭用車越來越普遍，在為人們出行提供方便的同時，也導(dǎo)致了很嚴(yán)重的交通問題。正當(dāng)我們迫切的需要改變現(xiàn)有的交通方式，智能交通就應(yīng)運而生了。作為智能交通重要的參與者，車聯(lián)網(wǎng)系統(tǒng)在智能交通方面發(fā)揮著很重要的作用，本文通過RFID標(biāo)簽數(shù)量估算方法來提高車聯(lián)網(wǎng)系統(tǒng)的整體性能。
我們的目標(biāo)是通過路邊設(shè)備RSU(Road-Side Unit)和車載設(shè)備OBU(On-Board Unit)之間的交流來估計出車輛的數(shù)量，進(jìn)而對交通情況做出評估，一方面反饋給交通管理部門，便于交通管理部門更加高效的管理交通情況；另一方面反饋給車主，車主可以選擇更加高效省時的交通方案。在下面的標(biāo)簽估計模型中，路邊設(shè)備RSU(Road-Side Unit)就是RFID系統(tǒng)中識別器，車載設(shè)備OBU(On-Board Unit)就是一個個獨立的標(biāo)簽。
本文RFID標(biāo)簽估計模型的主要思想基于隨機(jī)算法，利用第二個非空槽位置與第一個非空槽位置之差來估計RFID標(biāo)簽的數(shù)量。第一步推導(dǎo)出第二個非空槽位置與第一個非空槽位置之差的期望值和RFID標(biāo)簽數(shù)量之間的數(shù)學(xué)關(guān)系式。第二步是保證一定的準(zhǔn)確率和效率，分為三個小部分：第一部分利用第二個非空槽位置與第一個非空槽位置之差的方差來確定采集數(shù)據(jù)的重復(fù)次數(shù)，第二部分通過最小化運行時間確定頁面大小，第三部分為了提高整體效率，根據(jù)RFID標(biāo)簽集實際情況，利用bayes公式提出調(diào)整標(biāo)簽上界的方法。
最后我們用matlab工具模擬標(biāo)簽隨機(jī)選擇槽的過程，記錄并整合數(shù)據(jù)，來測試本算法的性能。將其與之前所提出的FNEB算法相比較，發(fā)現(xiàn)本算法在3個方面優(yōu)于FNEB算法：（1）準(zhǔn)確率方面：本模型的偏差率是0.01數(shù)量級，而FNEB算法偏差率是0.1數(shù)量級；（2）效率方面：FNEB算法的估計時間為本模型估計時間的1.5倍左右，即本模型的效率是FNEB算法的1.5倍；（3）在應(yīng)用范圍上，F(xiàn)NEB算法不能用于第一個槽不為空的情況，但本模型也可以用于這種情況。

關(guān)鍵詞 RFID標(biāo)簽 隨機(jī)算法 bayes公式