基于RFID的貨物行為姿態(tài)檢測方法

王紹丹，王宜懷，劉 鍇

(蘇州大學(xué) 計算機科學(xué)與技術(shù)學(xué)院，江蘇 蘇州 215000)

基于RFID的貨物行為姿態(tài)檢測方法

王紹丹，王宜懷，劉 鍇

(蘇州大學(xué) 計算機科學(xué)與技術(shù)學(xué)院，江蘇 蘇州 215000)

通過對射頻識別(Radio Frequency Identification，RFID)在物流領(lǐng)域廣泛應(yīng)用現(xiàn)狀及前景的分析，提出一種基于RFID的貨物行為姿態(tài)檢測方法。首先采用基于信號強度的加權(quán)質(zhì)心定位算法對貨物附著標簽進行三維定位；然后擴充時間維度，獲得姿態(tài)數(shù)據(jù)；最后，采用決策樹分類方法對姿態(tài)數(shù)據(jù)進行劃分，判斷貨物的異常行為。通過實驗驗證,該方法能夠以極小的附加成本開銷實現(xiàn)在途貨物的行為姿態(tài)檢測，具有較高的檢測精度和實際應(yīng)用價值。

貨物姿態(tài)檢測；射頻識別；質(zhì)心定位；特征分析

0 引言

貨物行為姿態(tài)監(jiān)測是對在途貨物的位置、行為進行跟蹤，在途貨物相對于運輸工具應(yīng)當(dāng)以平衡穩(wěn)定的姿勢保持相對靜止的狀態(tài)。貨物行為姿態(tài)變化的種類較為簡單，包括平衡、碰撞、翻轉(zhuǎn)、平移、晃動。一旦貨物出現(xiàn)非平衡狀態(tài)的姿態(tài)改變，都可能引起貨物損失甚至危險事故[1]。及時監(jiān)測及記錄這些貨物行為的姿態(tài)信息就尤為重要，可以第一時間提醒運輸者是否需要調(diào)整貨物姿態(tài)或更換平坦路段，挽救損失。

而綜合目前物流監(jiān)控領(lǐng)域的研究現(xiàn)狀，對貨物運輸途中行為姿態(tài)的跟蹤，國內(nèi)外均有研究。孫玉硯等人[2]提出了一種基于無線傳感器網(wǎng)絡(luò)和GIS(Geographic Information System)的智能物流追蹤系統(tǒng)，提出了一種基于三維加速度傳感器的貨物行為姿態(tài)檢測算法。該方法能檢測到運輸過程中貨物的異常行為。但是，該方法利用三維加速度傳感器進行測算，其成本較高，且在貨物包裝上放置加速度傳感器不具有實用價值。

而對于其他運動物體，尤其是人類行為姿態(tài)的檢測，已有較多研究，曹麗等人[3]通過在筆桿上安裝加速度和角速度傳感器，并利用三種卡爾曼濾波觀測模型對比測算結(jié)果，給出一種筆桿的運動姿態(tài)檢測方法。Yang Xue[4], Kratz S[5]等人也都分別利用加速度傳感器進行人體運動和手勢的姿態(tài)檢測。

可以看出，利用加速度傳感器配合分類算法能夠較為精確地檢測出物體姿態(tài)，但是對于貨物行為姿態(tài)檢測來說，貨物在運輸過程中的常態(tài)是相對于車廂靜止，突發(fā)的異常姿態(tài)也是由于運輸工具或道路的異常導(dǎo)致的，而足夠引起人們關(guān)心的行為占比更是較少。因此，在貨物包裝上附加三維加速度傳感器成本較高，且不具有拓展性和實用性。

無線射頻識別(Radio Frequency Identification，RFID)是一種非接觸式自動識別技術(shù)，利用無線射頻信號實現(xiàn)數(shù)據(jù)傳輸和檢索。其快速、非接觸、體積小、可重復(fù)存取數(shù)據(jù)的出色表現(xiàn)，使其在產(chǎn)品質(zhì)量追溯系統(tǒng)、物流可視化管理系統(tǒng)、智能化物流配送系統(tǒng)等物流領(lǐng)域得到了廣泛的應(yīng)用[6]。

本文設(shè)計了一種基于RFID的貨物行為姿態(tài)檢測方法。首先提出一種改進的定位方法，在連續(xù)的時間段內(nèi)對貨物所粘貼標簽進行三維定位，建立貨物三維姿態(tài)向量，其次利用本文提出的分類方法對姿態(tài)數(shù)據(jù)進行分類，判定貨物異常行為。該方法能夠以較小的附加成本實現(xiàn)在途貨物的異常行為姿態(tài)檢測，減少硬件復(fù)雜度，降低硬件布置成本，提高在途貨物姿態(tài)檢測精度。

1 RFID系統(tǒng)信道模型

RFID的接收信號強度(Radio Signal Strength Information，RSSI)是指讀寫器通過測量自身接收到的信號強度所給出的指示值。不同的模型[7]對測距結(jié)果影響顯著，考慮到貨物所處集裝箱等容器的類室內(nèi)場景，本文選擇室內(nèi)實際環(huán)境一般遵循的對數(shù)距離路徑損耗模型[8]進行表示：

(1)

式中P(d)的單位是dBm,表示讀寫器與標簽之間距離為d時的路徑損耗；P(d0)表示近參考距離d0時的路徑損耗；n為路徑損耗因子，表明路徑損耗隨距離增長的速率，該值與環(huán)境相關(guān)，工程上會給出不同材料的路徑損耗因子,也可以采取實驗測量擬合曲線獲得;Xσ表示標準偏差為σ、均值為0的正態(tài)隨機變量。

信號的發(fā)射功率為PT,則有式(2)：

P(d)=PT-RSSI(d)

(2)

其中RSSI(d)為距離為d時的信號接收功率。

因此，路徑距離損耗模型換算成接收信號強度RSSI的形式為：

(3)

由此可以得到在該傳播模型下，距離d與接收信號強度RSSI(d)的關(guān)系為：

(4)

2 RFID姿態(tài)檢測算法

2.1 基于信號強度的加權(quán)質(zhì)心定位

目前研究的三維定位算法主要是以二維定位算法為基礎(chǔ)，擴充維數(shù)形成新的三維定位方法[9]。目前較為主流的三維定位算法是在二維的加權(quán)質(zhì)心定位的基礎(chǔ)上進行擴充的[10-11]。在二維加權(quán)質(zhì)心定位算法中，以三個已知位置讀寫器A(xa,ya),B(xb,yb),C(xc,yc)為圓心，以所測信號強度推導(dǎo)的距離值d1,d2,d3為半徑，在理想情況下，距離的估計值等于實際值，則三圓將交于一點，但實際環(huán)境中，由于噪聲的存在，測得的信號強度偏小，估計值往往大于實際值，因此三圓相交形成如圖1所示的一個區(qū)域。

在該模型下，可以將以三圓交點為頂點的三角形的質(zhì)心M作為實際點o的估計值。

圖1 三角形質(zhì)心定位算法

類似地擴充到三維空間，若已知位置的非同一平面的四個錨節(jié)點坐標為A(xa,ya,za),B(xb,yb,zb),C(xc,yc,zc)，D(xd,yd,zd)，d1,d2,d3,d4分別為待測標簽到四個錨節(jié)點的估計距離，首先計算四個球體的交點坐標。

其中，交點E的計算方法為：

(5)

而在傳統(tǒng)三角形質(zhì)心定位算法中，沒有反映出讀寫器節(jié)點到標簽的影響力大小，因此，本文設(shè)計了基于信號強度的加權(quán)質(zhì)心定位算法，信號強度越大，說明兩點間距離越近，越具有可信度。利用信號強度作為加權(quán)因子體現(xiàn)四個讀寫器節(jié)點對標簽位置的影響大小，提高定位精度。計算方法如下：

若四個讀寫器節(jié)點的坐標分別為A(xa,ya,za),B(xb,yb,zb),C(xc,yc,zc)，D(xd,yd,zd)，待測標簽的信號強度分別為RSSI1，RSSI2，RSSI3，RSSI4，根據(jù)距離信號模型獲得與待測標簽的距離分別為d1，d2，d3，d4。

通過式(5)可以計算四個估計的標簽位置，即四面體四個頂點的坐標，E(xe,ye,ze),F(xf,yf,zf)，G(xg,yg,zg)，H(xh,yh,zh)。則待測標簽的坐標為：

(6)

2.2 三維姿態(tài)向量

引入時間維度，在連續(xù)的時間間隔上檢測待測標簽的位置。若RFID采樣率為H，極短時間內(nèi)標簽發(fā)生狀態(tài)位移可看作勻速運動速度為v，則一個采樣周期內(nèi)標簽移動距離為v/H。因采樣頻率遠大于v，因此，可以認為在連續(xù)幾次的采樣內(nèi)，標簽位置不變。故可以對連續(xù)的T至T+t0(t0為一個較小的時間間隔)時間范圍內(nèi)的采樣進行中位值平均濾波，以獲得較為準確的采樣信號。

設(shè)計初始向量和瞬時姿態(tài)向量。初始向量(TagID,NodeID,RSSI,T)，通過讀寫器直接記錄標簽唯一EPC碼TagID，讀寫器節(jié)點編號NodeID，信號強度RSSI以及當(dāng)前系統(tǒng)時間T；通過信道模型和定位算法計算瞬時姿態(tài)向量(TagID,dx,dy,dz,ax,ay,az,T)，dx,dy,dz為T時刻下待測標簽的三維坐標，ax,ay,az為T時刻下三個方向上瞬時加速度，通過位置坐標與時間量計算獲得。

設(shè)計一個滑動時間窗，時間窗長度為len，步長為1，對被檢測姿態(tài)向量數(shù)據(jù)進行提取，計算Tstart到Tend時間內(nèi)三個方向上的位移、加速度方差。綜合分析瞬時姿態(tài)向量和時間窗內(nèi)數(shù)據(jù)的統(tǒng)計特征及其相互關(guān)系，以獲得較為準確的貨物行為判別效果。

2.3 分類算法

根據(jù)姿態(tài)向量構(gòu)造分類決策樹，因碰撞行為的發(fā)生必然有其余三種異常行為作為前提，因此，樹的葉子節(jié)點組成除碰撞之外的貨物行為特征集合。如圖2所示，首先以最明顯的判別特征位移作為根節(jié)點，判別標準若max(Sx,Sy,Sz)>ST，則表示在時間窗內(nèi)，X、Y、Z三個方向上位移的最大值是否大于閾值ST;若小于該閾值，則判定貨物為平衡狀態(tài)。

圖2 分類決策樹

若在某一方向或幾個方向上的位移大于閾值，則需要對標簽的加速度進行計算和判定，若時間窗內(nèi)加速度最大值大于閾值即max(ax,ay,az)>aT，則判定為翻倒。

否則，判斷在時間窗內(nèi)加速度波動程度，即對加速度方差進行判定，若任意方向加速度方差最大值小于閾值VT，說明在該時間段內(nèi)加速度波動較小，判定貨物移動。若任意方向加速度變化較大，則判定為晃動行為。

從貨物出現(xiàn)異常行為開始，對接下來一個時間窗Tstart到Tend時間內(nèi)的加速度數(shù)據(jù)進行分析，當(dāng)某一方向上加速度波動較大，即方差max(V(ax),V(ay),V(az))>RT時，判定貨物發(fā)生碰撞行為。若該時間窗內(nèi)未發(fā)生撞擊而仍為異常狀態(tài)，則繼續(xù)對下一個時間窗進行撞擊分析，直到檢測到撞擊行為或者在連續(xù)n個時間窗內(nèi)均被判定為穩(wěn)定狀態(tài)。

3 實驗驗證和結(jié)果分析

3.1 硬件環(huán)境搭建

本文設(shè)計了一套集裝箱內(nèi)貨物姿態(tài)檢測的簡化模型，選擇了識別距離在1 m的超高頻RFID讀寫器KLM900模塊與超高頻不干膠標簽(48 mm×22 mm)。讀寫器工作頻率為840～960 MHz，使用TTL-RS232接口，串口波特率為115 200 b/s，采樣頻率為33 Hz。

3.2 RFID信號衰減驗證

在簡單空曠的實驗場地，針對所選型號的讀寫器與RFID標簽進行信號衰減實驗，利用中位值平均濾波法，降低RSSI誤差值，建立信號強度與距離的關(guān)系模型，并對模型擬合程度進行測試，圖3為預(yù)估數(shù)據(jù)和實際數(shù)據(jù)的比較值。

圖3 RSSI與距離關(guān)系曲線圖

實驗結(jié)果表明，經(jīng)過濾波后的模型在有效測量范圍內(nèi)擬合程度較好，可以利用該模型建立RSSI與距離的關(guān)系，以進行后續(xù)實驗。

3.3 實驗結(jié)果分析

為方便收集不同行為下貨物的姿態(tài)數(shù)據(jù)，實驗設(shè)計在一個厚重的物塊頂部粘貼一個RFID標簽，模擬貨物，利用一個紙箱模擬貨物集裝箱，在紙箱底面一邊中點及其對邊的兩個頂點分別放置三個讀寫器，在紙箱頂部中心放置一個讀寫器，貨箱處于靜止狀態(tài)。

模擬貨物在運輸過程中可能發(fā)生的四種異常行為，對物塊(貨物)施加不同的動作，使物塊發(fā)生不同幅度的翻倒、撞擊、晃動、移動四種行為各30次，充分模擬實際運輸過程中可能發(fā)生的情況。記錄貨物行為、開始時間和結(jié)束時間。采集讀寫器信號強度及對應(yīng)時間并通過串口上傳至PC中，進行貨物行為姿態(tài)的檢測。算法中參數(shù)設(shè)置為：len=10,aT=3g，VT=1.5，ST=0.1 m，RT=10。

對實驗數(shù)據(jù)進行檢測分類后，得到如表1所示的檢測結(jié)果。

表1 貨物異常行為實驗檢測結(jié)果

從實驗檢測結(jié)果分析，簡單貨物姿態(tài)檢測的平均正確率能達到94.2%，較大幅度的翻倒行為基本可以100%被正確檢測。但輕微幅度的移動和晃動行為可能被忽略或誤判，輕微的撞擊可能被誤判為晃動。從總體來看這四類異常行為檢測的正確率都能達到86%以上，基本滿足貨物姿態(tài)檢測的需求。

4 結(jié)論

本文提出基于RFID的貨物行為姿態(tài)檢測方法，利用RFID信號強度，間接實現(xiàn)在途貨物的行為姿態(tài)檢測的需求。比起采用較高成本的加速度傳感器，本方法采用目前已經(jīng)在物流信息化中大規(guī)模使用的RFID標簽，標簽成本遠遠低于加速度傳感器，且不影響RFID標簽數(shù)據(jù)讀寫的自有功能。成本較高的讀寫器為一次性投入，總體設(shè)計具有良好的應(yīng)用前景，有效提高物流信息化和智能化水平。

[1] 袁開福,龍良珠.家電物流企業(yè)貨物破損控制問題分析[J].對外經(jīng)貿(mào)實務(wù)，2011(6):84-86.

[2] 孫玉硯，楊紅，劉卓華，等. 基于無線傳感器網(wǎng)絡(luò)的智能物流跟蹤系統(tǒng)[J]. 計算機研究與發(fā)展，2011，48(S2):343-349.

[3] 曹麗，劉揚，劉偉. 利用加速度計和角速度儀的筆桿運動姿態(tài)檢測[J]. 儀器儀表學(xué)報，2008，29(4):831-835.

[4] Yang Xue, Jin Lianwen. A naturalistic 3D acceleration-based activity dataset & benchmark evaluations[C]. International Conference on Systems Man and Cybernetics(SMC), 2010:4081-4085.

[5] KRATZ S, ROHS M. The $3 recognizer: simple 3D gesture recognition on mobile devices[C]. International Conference on Intelligent User Interfaces, 2010, Hong Kong, China, 2010:419-420.

[6] UCKELMANN D. Quantifying the value of RFID and the EPCglobal architecture framework in logistics[M]. Springer Publishing Company, Incorporated, 2012.

[7] 朱明輝, 張會清. 基于RSSI的室內(nèi)測距模型的研究[J]. 傳感器與微系統(tǒng), 2010, 29(8):19-22.

[8] KATIRCIOGLU O, ISEL H, CEYLAN O, et al. Comparing ray tracing, free space path loss and logarithmic distance path loss models in success of indoor localization with RSSI[C]. Telecommunications Forum, 2011:313-316.

[9] 王長征, 湯文亮, 徐燕. 無線傳感器網(wǎng)絡(luò)中四面體三維質(zhì)心定位算法[J]. 傳感器與微系統(tǒng), 2012, 31(8):141-143.

[10] 梁小滿, 姜小奇, 李英玲. 無線傳感器網(wǎng)絡(luò)節(jié)點的三維質(zhì)心定位算法研究[J]. 通信技術(shù), 2009, 42(2):121-123.

[11] 陳瑞鑫, 鄒傳云. 有源RFID定位系統(tǒng)設(shè)計與實現(xiàn)[J]. 電子技術(shù)應(yīng)用, 2010,36(10):114-116.

A detection method of cargo attitude based on RFID

Wang Shaodan, Wang Yihuai, Liu Kai

(School of Computer Science and Technology, Soochow University, Suzhou 215000, China)

Through the analysis of the application status and prospect of Radio Frequency Identification (RFID) in logistics field, a kind of behavior and attitude detection method based on RFID is proposed. First of all, the weighted centroid localization algorithm based on signal strength was adopted to locate the three-dimensional positioning of goods attached label. Then attitude data was obtained after extend the time dimension. Finally, decision tree classification method was used to divide the attitude data, to determine the abnormal behavior of the goods. Experiment verification shows that the method is able to detect the behavior of cargo in transit with minimal costs, with high accuracy and practicality.

cargo attitude detection; radio frequency identification; centroid localization; characteristics analysis

TP274; TP391.4

A

10.19358/j.issn.1674- 7720.2017.16.004

王紹丹，王宜懷，劉鍇.基于RFID的貨物行為姿態(tài)檢測方法[J].微型機與應(yīng)用，2017,36(16)：11-14,18.

2017-02-28)

王紹丹(1991-)，女，碩士研究生，主要研究方向：無線傳感網(wǎng)、RFID技術(shù)、物流信息技術(shù)。

王宜懷(1962-)，男，博士，教授，主要研究方向：嵌入式系統(tǒng)、傳感網(wǎng)與智能控制技術(shù)。

劉鍇(1991-)，男，碩士研究生，主要研究方向：嵌入式系統(tǒng)、電機控制系統(tǒng)。