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(wàn)字 33頁(yè) 原創(chuàng)作品，已通過(guò)查重系統(tǒng)


摘 要 隨著生活水平的提升，如今家庭用車(chē)越來(lái)越普遍，在為人們出行提供方便的同時(shí)，也導(dǎo)致了很?chē)?yán)重的交通問(wèn)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(yùn)而生了。作為智能交通重要的參與者，車(chē)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(guò)RFID標(biāo)簽數(shù)量估算方法來(lái)提高車(chē)聯(lián)網(wǎng)系統(tǒng)的整體性能。
我們的目標(biāo)是通過(guò)路邊設(shè)備RSU(Road-Side Unit)和車(chē)載設(shè)備OBU(On-Board Unit)之間的交流來(lái)估計(jì)出車(chē)輛的數(shù)量，進(jìn)而對(duì)交通情況做出評(píng)估，一方面反饋給交通管理部門(mén)，便于交通管理部門(mén)更加高效的管理交通情況；另一方面反饋給車(chē)主，車(chē)主可以選擇更加高效省時(shí)的交通方案。在下面的標(biāo)簽估計(jì)模型中，路邊設(shè)備RSU(Road-Side Unit)就是RFID系統(tǒng)中識(shí)別器，車(chē)載設(shè)備OBU(On-Board Unit)就是一個(gè)個(gè)獨(dú)立的標(biāo)簽。
本文RFID標(biāo)簽估計(jì)模型的主要思想基于隨機(jī)算法，利用第二個(gè)非空槽位置與第一個(gè)非空槽位置之差來(lái)估計(jì)RFID標(biāo)簽的數(shù)量。第一步推導(dǎo)出第二個(gè)非空槽位置與第一個(gè)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(gè)小部分：第一部分利用第二個(gè)非空槽位置與第一個(gè)非空槽位置之差的方差來(lái)確定采集數(shù)據(jù)的重復(fù)次數(shù)，第二部分通過(guò)最小化運(yùn)行時(shí)間確定頁(yè)面大小，第三部分為了提高整體效率，根據(jù)RFID標(biāo)簽集實(shí)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(guò)程，記錄并整合數(shù)據(jù)，來(lái)測(cè)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(gè)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(jí)，而FNEB算法偏差率是0.1數(shù)量級(jí)；（2）效率方面：FNEB算法的估計(jì)時(shí)間為本模型估計(jì)時(shí)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(gè)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