大规模rfid标签数量估算研究.docx

大规模RFID标签数量估算研究
Tag Estimation in Large-scale RFID System

1.59万字 33页 原创作品，已通过查重系统


摘 要 随着生活水平的提升，如今家庭用车越来越普遍，在为人们出行提供方便的同时，也导致了很严重的交通问题。正当我们迫切的需要改变现有的交通方式，智能交通就应运而生了。作为智能交通重要的参与者，车联网系统在智能交通方面发挥着很重要的作用，本文通过RFID标签数量估算方法来提高车联网系统的整体性能。
我们的目标是通过路边设备RSU(Road-Side Unit)和车载设备OBU(On-Board Unit)之间的交流来估计出车辆的数量，进而对交通情况做出评估，一方面反馈给交通管理部门，便于交通管理部门更加高效的管理交通情况；另一方面反馈给车主，车主可以选择更加高效省时的交通方案。在下面的标签估计模型中，路边设备RSU(Road-Side Unit)就是RFID系统中识别器，车载设备OBU(On-Board Unit)就是一个个独立的标签。
本文RFID标签估计模型的主要思想基于随机算法，利用第二个非空槽位置与第一个非空槽位置之差来估计RFID标签的数量。第一步推导出第二个非空槽位置与第一个非空槽位置之差的期望值和RFID标签数量之间的数学关系式。第二步是保证一定的准确率和效率，分为三个小部分：第一部分利用第二个非空槽位置与第一个非空槽位置之差的方差来确定采集数据的重复次数，第二部分通过最小化运行时间确定页面大小，第三部分为了提高整体效率，根据RFID标签集实际情况，利用bayes公式提出调整标签上界的方法。
最后我们用matlab工具模拟标签随机选择槽的过程，记录并整合数据，来测试本算法的性能。将其与之前所提出的FNEB算法相比较，发现本算法在3个方面优于FNEB算法：（1）准确率方面：本模型的偏差率是0.01数量级，而FNEB算法偏差率是0.1数量级；（2）效率方面：FNEB算法的估计时间为本模型估计时间的1.5倍左右，即本模型的效率是FNEB算法的1.5倍；（3）在应用范围上，FNEB算法不能用于第一个槽不为空的情况，但本模型也可以用于这种情况。

关键词 RFID标签 随机算法 bayes公式