徐鸣 邱卫东
上海交通大学
摘要：对车位感知方案的研究可以使停车场管理员能够实时了解整个停车场的车位状态从而指导车辆泊车，方便停车场管理员管理的同时节省车主找寻车位的时间。车位感知即在某种传输媒介的协助下，智能感知某车位上的车位状态，并通过计算机通信技术，使停车场管理员能够实时掌握整个停车系统中各车位状态的一种技术。本文对车位感知方案进行研究，并提出基于RFID的微波感知方案。
关键词：RFID；车位感知；方案
1各车位感知方案对比
目前，停车场车位感知方案很多，主要依据传输媒介的不同而分为以下五个大类：超声波感知方案、视频感知方案和微波感知方案。
超声波感知方案体积较小，容易安装，使用寿命较长，不过超声波受外界气流、温度等影响较大，另外，超声波感知方案是将超声波发射接收装置均置于车顶上方，利用接收超声波反射信号强度，检测发射装置与地面或车顶距离感知车位状态的，若车顶有弧度、或是敞蓬车等，容易使得接收装置接收不到反射信号从而造成误判。
视频感知方案的图像带有非常丰富的视频信息，停车场管理人员可以根据视频资源作监控等其他用途，且视频感知方案硬件装置如摄像头等容易安装，不过视频感知受昼夜晴雨等天气环境影响较大，且感知的准确率与摄像头的安放位置有较大关系。
微波感知方案能够适应恶劣的气候环境，受环境因素影响小；同时发射功率较小；接收装置可以侧向感知多个泊车位。但它的劣势是非车辆物体经过感知区域时可能产生干扰，不过此劣势是超声波感知方案、甚至视频感知方案、地磁感知方案等几大感知方案的共同缺点。
2基于RFID的微波感知方案
2.1侧向车位感知模型
基于2.4G有源RFID信号的微波感知方案的一大主要优势即可以感知侧向车位状态，使用侧向感知的模型来减少读写器的使用量，从而达到节省成本的目的。
侧向感知模型即使用一个读写器来同时接收来自多个车位的多个RFID标签发送的信号数据，即一个读写器不仅能感知正对的一个车位的车位状态，同时能对侧向车位的车位状态进行感知，侧向车位感知模型示意图如图1所示，容易知道，对于读写器接收到的各RFID标签的信号强度值RSSI需要进行一定的预处理，才能确定各标签对应车位的车位状态。
图1侧向车位感知模型示意图
对于侧向感知模型需要确定车位状态判决门限和标签数与读写器数的比值两个重要参数。对于侧向感知模型需要确定车位状态判决门限和标签数与读写器数的比值两个重要参数。
（1）车位状态判决门限
对于一个应用侧向感知模型的读写器，它管辖多个RFID标签（与车位——对应），由于每个RFID标签的距离不同，读写器接收的信号强度值RSSI也不尽相同。需要定义统一的能够判定各车位状态的RSSI门限，即车位状态判决门限。在读写器预处理模块中，将RSSI值高过车位状态判决门限的对应车位（RFID标签）判定为无车；将RSSI值低于车位状态判决门限的对应车位（RFID标签）判定为有车。
（2）标签数与读写器数比值
在实际中，读写器的价格（包括预处理模块以及车位状态发送模块等）远高于RFID标签的价格。由于RFID标签与车位对应，故在保证车位状态感知准确的前提下，标签数与读写器数比值越高，整个车位感知系统成本越低。本文使用如下的定理来确定以上两个参数值：
（3）侧位感知模型参数确定定理
根据收到的最近车位有车时RSSI下限及最远车位无车时RSSI上限，利用夹逼定理联合确定。
本文采用工作频率为2.475GHz，发射功率为3dBm的有源电子标签HAC-ADS及HAC-ADM读写器进行多组实际测试，其测试数据均值如下所示：
表1 有源RFID信号RSSI值測试数据
测试数据均值2m3m4m5m6m7m……
无遮挡-68dBm-70dBm74dBm-78dBm-80dBm-80dBm……
有遮挡-80dBm-82dBm-84dBm-88dBm-90dBm-93dBm……
在实际中，本文将RFID标签置于车位中心部分，读写器位于车位前方。根据表1实测数据及定理1，我国停车场车位大小约为2.5-3m×5-6m，设定感知网关读写器架设高度约为2.5-3m，最近车位读写器与RFID标签之间水平距离约为1.5-2m，根据勾股定理，最近车位读写器与RFED标签之间距离。
S≈sqrt（1.82+2.82）≈3.3m
再根据表1数据估计，最近车位有车时RSSI下限约为-83dBm~-82dBm，而标签读写器距离7m时，读写器RSSI值约-83dBm，已小于最近车位有车时RSSI下限，即利用侧向车位感知模型无法区分出7m以外的车辆无车状态与最近车位的有车状态，即不能准确感知到7m以外的车位的无车状态。再根据车位大小约为2.5~3niX5?6m，易求得一个读写器最多可以管辖三个车位，即使用1个读写器对应3个RFID标签的标签/读写器比值，一个接收器管辖三个车位即最远车位对应RFID标签与接收器之间距离
SSmax≈sqrt（32+32+2.82）≈5.1m
再由表3-1可得出，最远车位无车时接收器RSSI约为78dBm，而最近车位有车时RSSI约为-82.5dBm。故本文设定车位状态判决门限为-80dBm。
对于某一读写器，若其接收到的对应于其管辖范围内的RFID标签的信号强度值大于-80dBm，则判定相应车位无车；若其接收到的对应于其管辖范围内的RFID标签的信号强度值小于-80dBin，则判定相应车位有车。
至此，侧向车位感知模型构建完成，本文使用-80dBm的判决门限1：3的读写器/RFID标签比值，使用设计实现的车位感知网关进行大量数据，结果表明，其感知准确率在99%以上。
2.2协同感知模型
2.2.1两级协同感知模型
（1）两级协同感知模型
即使用两个读写器协同接收RFED标签RSSI值，并根据RSSI值共同判定车位状态的车位感知模型，其示意图如图3-3所示：
图2 两个读写器协同感知模塑示意图
在图2的示意图中省略了对应于每个标签的车位。从示意图中得知，在两级协同感知时，并非所有RFID标签都是靠两个读写器协同感知来判定车位状态的。二级协同感知完全保留了单一读写器的侧向车位感知模型，而对于新加入模型的标签才使用两个读写器协同感知的方式进行处理。在图2中，对于读写器A，标签1、标签2、标签3完全使用侧向车位感知模型；对于读写器B，标签7、标签8、标签9也同样使用侧向车位感知模型，只有对于新加入协同感知模型的标签4、标签5、标签6等使用协同感知的方式。
对于使用协同感知的标签，根据侧向车位感知模型可知，任一读写器接收信号强度值RSSI都肯定低于定义1中的车位状态判决门限，所以对于新加入的标签，若使用一个读写器的侧向感知模型，无论有车无车状态，都会被感知为有车。如果两个读写器协同感知时，即能够区分出有车无车状态。
（2）第二级判决门限
第二级判决门限的作用是判定在两级协同感知模型中新加入的标签对应车位的车位状态。对于这些标签，任一读写器接收信号强度值RSSI都应低于定义1中的判决门限（下称为第一判决门限），则可得出第二级判决门限低于第一级判决门限。同理，对于两级感知模型也需要确定两个重要参数，第二级判决门限和标签/读写器比值，有如下定理。
（3）二级协同感知模型参数确定定理
第一判决门限外最近车位有车时的标签RSSI值< 第二判决门限 < 可能的最远车位无车时标签RSSI值。
根据上述确定定理，可以确定第二级判决门限，从而可以确定标签/读写器比值。另外，对于新加入二级协同感知模型的车位，有如下车位状态判定定理
（4）车位状态判决定理
如果两个读写器接收到的信号强度值RSSI均高于第二判决门限，则认定该标签对应车位无车；反之，则有车。
对于表1，继续加大测试距离，得到如下的表2：
表2 有源RFID信号RSSI值测试数据
测试数据均值7m8m9m10m11m12m
无遮挡-83dBm-85dBm-88dBm-91dBm-94dBm-97dBm
有遮挡-93dBm-936dBm-98dBm-101dBm-104dBm-107dBm
根据二级协同感知模型参数确定定理定理首先计算第一判决门限外最近车位有车时的标签RSSI值。第一判决门限外最近车位，即读写器侧向第二个车位，由立体几何知识计算该车位上RFID标签与读写器距离。
S≈sqrt（62+32+2.82）≈7.3m
由表3-2，估计得出该车位有车时RSSI值约为-94dBm。再由表3-2得知，可能的最远车位距离应在llm以内，有数学知识计算该车位为侧向第X号车位.
X≈sqrt（112-2.82-32）/3=3
其中[X]表示对X向下取整
即两级判决模型可以在两个读写器中加入两个车位（侧向第2个车位、侧向第3个车位）进一步计算侧向第3车位RFID标签与读写器距离
S ≈sqrt（92 + 32 + 2.82）≈ 9.9m
即读写器接收到该RFID标签无车时的RSSI值约为-91dBm，而侧向第2个车位有遮挡时RSSI值约为-94dBm，选取第二级判决门限值为-92.5dBm
由数学知识可以得知，两级协同感知时RFID标签/读写器比值接近5：1，与侧向车位模型相比增长显著，对成本带来的改善明显。
至此，两级协同感知模型构建完成。同理，采用上述计算得出的在两读写器中插入两个车位的RFID标签/读写器比值，-92.5dBm的第二级判决门限，采用第四章中设计的车位感知网关测试。由于两级协同感知模型时RSSI值仍较大，且读写器接收信号较少，还不会造成读写器接收灵敏度不够或RFID信号碰撞等干扰，其测试准确率仍可达到95%以上。
下面使用类比的方法建立n级协同感知模型。
2.2.2 n级协同感知模型
（1）n级协同感知模型
n级协同感知模型是使用n个读写器协同感知RFID标签RSSI值，并根据RSSI值共同判定车位状态的模型。
（2）第k级判决门
协同感知模型的判决门限个数与接收器个数相同，若有n个接收器同时协同接收，则需要有n个判决门限来判定车位状态。且它们中有如下关系约束：第n级判决门限<第n-1级判决门限<...<第k级判决门限<...<第二级判决门限<第一级判决门限
即判决门限级别越大，门限值就越低。
特别的，第一级判决门限，即上述侧向车位感知模型中的车位状态判决门限。
此外，对于有k个接收器协同接收的感知模型，若加入第k+1个接收器协同接收时，前k级判决门限值均保持不变。
在两级感知模型的构建过程中，由于读写器数量较少，采用以读写器为中心的分析方法分析构建即可，但对于n级协同感知模型，再使用以读写器为中心的分析方法会使分析过程不易理解，故本文考虑使用以RFID标签为中心的发射模型来构建。对于理想RFID标签，由式（3-4）可知，其发射信号模型是球面模型，以其为中心的任一球面上信号大小是固定的，故有以下对应于RFID标签的判决区定义。
（3）RFID标签判决区
第k级（k>2）判决区是指以某一 RFID标签为球心，以第k-1级判决门限值对应的接收距离为内环半径，以第k级判决门限值对应的接收距离为外环半径的球环。特别的，第1级判决区即以某一RFID标签为球心，以第一级判决门限对应的接收距离为半径的球。
图3 RFID标签判决区平面图
图3所示是一个发送器的前四级判决区的平面示意图。由上述定义可知，判决区的概念是对某一 RFID标签而言的，而不是对整个区域而言的，更不是对读写器而言的，两个RFID标签的判决区之间没有任何联系。
另外，从上述定义还可以得知，第k级判决区内环半径即第k-1级判决区外环半径。故有如下定理帮助确定各级判决门限和各级判决区外环半径。
（4）判决门限和判决区外环半径确定定理
使用如下夹逼定理确定各级判决门限
当MAX｛第k级判决区内任一点有车占用时的接收强度｝和MIN｛第k级判决区内任一点无车占用时的接收强度｝极限逼近时，有MAX｛第k级判决区内任一点有车占用时的接收强度}<第k级判决门限<MIN｛第k级判决区内任一点无车占用时的接收强度｝
显然，对连续区域内求最值的问题无法直接求解，需要寻求其他等价变形。判决门限和判决区外环确定定理可以有以下等价变形。
当第k级判决区内环有车占用时的接收强度和第k级判决区外环无车占用时的接收强度逼近时，有第k级判决区内环有车占用时的接收强度<第k级判决门限<第k级判决区外环无车占用时的接收强度。
到此，已经基本定义了的n级感知模型的基本概念，也确定了 n级感知模型的一些重要参数，现在需要定义如何从n级感知模型中的所有n个读写器接收信号强度值RSSI确定属于该n级感知模型中的所有RFID标签对应车位的车位状态。
（5）n级协同感知模型车位状态判定定理
对使用n个读写器协同接收的感知模型，考察所有读写器，有以下车位状态判定定理。
若有1个读写器对某RFID标签发送信号的接收值RSSI高于第一级判决门限，则对应车位无车；若有2个读写器对某RFID标签发送信号的接收值RSSI高于第二级判决门限且低于第一级判决门限，则对应车位无车；若有3个读写器对某RFID标签发送信号的接收值RSSI高于第三级判决门限且低于第二级判决门限，则对应车位无车；若有n个读写器对某RFID标签发送信号的接收值RSSI高于第n级判决门限且低于第n-1级判决门限，则对应车位无车；若不满足上述情况，则判定该发送器对应车位有车。
当然，虽然上述n级协同感知模型的车位状态判定定理到此处才提出，但这是从侧向车位感知模型过渡到协同感知模型的设计第一步，是构建n级协同感知模型的前提，是上述所有定义的基础和奠基石。本文就是从利用多个读写器、多级判决门限协同感知的思想开始，才逐步构建出上述n级协同感知模型的。
至此，由n个接收器协同接收的感知模型及其车位检测方法已经全部构建完成。由于20%左右的误判率已造成车位感知实用性大打折扣，故下面考虑研究车位感知领域的RFID信号防碰撞算法。
3.结论
通过对比各车位感知方案的优劣，采用了以有源RFID信号为传输媒介，利用接收信号强度值RSSI感知车位状态的微波车位感知方案，简述基于RFID的微波感知的工作原理，并从侧向车位感知模型出发，设计构建了能“多发多收”的协同感知模型，具有一定实用价值
参考文献：
[1] 陈德航，温丽.基于无线通讯的多区域停车场系统设计[J].制造业自动化.2012（08）
[2] 蓝小亮.学校智能停车场系统设计[J].科技风.2011（20）
[3] 胡宝剑.远距离智能停车场系统停车计时功能的设计与实现[J].河南科技.2013（09）
[4] 甘勇，徐珂，贾春利，郭倩倩.基于ZigBee的智能停车场系统的设计与实现[J].郑州轻工业学院学报（自然科学版）.2013（02）
论文作者:徐鸣,邱卫东
论文发表刊物:《基层建设》2016年3期
论文发表时间:2016/5/31
标签：车位论文; 门限论文; 判决论文; 标签论文; 读写器论文; 模型论文; 状态论文; 《基层建设》2016年3期论文;