基于RFID的集装箱及货物的基础数据采集电度表防爆开关苇板机快开制粒机Kf

基于RFID的集装箱及货物的基础数据采集研究

集装箱运输是交通运输过程中的一个重要的运输环节。近年来，集装箱运输过程中的集装箱及其货物的实时(或准实时)可视锁边机化的跟踪、管理和调度问题成为人们关注的重点。传统的集装箱跟踪、管理和调度大都是基于图像识别技术 以及手工录入数据的方式实现的。利用摄像头将集装箱的相关信息传送到处理节点，完成对集装箱箱号的识别与管理；而货物的跟踪和调度则是由人工进行非实时的数据录入，其跟踪、管理和调度通过查询数据库的方式来实现。这种方法识别速度较慢、差错率高并且不能实现实时(准实时)跟踪。为了解决上述问题，本文提出了在集装箱运输管理系统中，利用RFID技术采集集装箱及其货物的信息，并对集装箱运输过程中所需采集的基础数据进行了分析和分类，并根据分类提出了利用中间件实现的前端数据采集的方案；本文还进一步研究了RFID技术在集装箱数据采集过程中所遇到的数据碰撞、数据冗余以及数据安全问题，并给出了相应的解决方案。

关键词：集装箱跟踪、货物跟踪、RFID、基础数据采集

1.引言

在现代化物流中，为减少生产和仓储成本，提出了零库存( Just in Time)的概念[1]。它是由日本丰田汽车公司首先创立并且推行的先进生产方式，也叫“丰田生产方式”、“准时制生产（JIT）”，其核心思想是按照用户的订货要求，以必要的原料、在必要的时间和地点生产出必要的产品。由于零库存减少了制造过程中的种种浪费，提高了效率，同时又使系统增强了对客户订货的应变能力，因此被视为当今制造业中最理想且最具有生命力的生产系统之一。

集装箱运输是货物运输中的一种重要的方式，在国民经济中占有重要的地位。集装箱运输作为物流过程的重要一部分，为实现防水墙零库存(Just in Time)的运输方式，就要求能对集装箱在运输过程中的各种环节进行跟踪、管理及调度。目前，国内常用的方法主要是通过管理信息系统，利用数据库技术以及人工确认运输工具的位置来实现的[4][5][6]。传统方法的主要问题是： (1)集装箱箱号识别采用人工确认或者视频图像识别技术，由于箱号的污损，不可避免地会造成对箱号的误判，造成信息的不准确。(2)部分基础数据人工录入，因此数据延时较长，并且准确性也难以得到保证。

RFID技术是一种极具生命力的技术，它的出现将改变人工采集数据的方式，提高工作效率。RFID是一种采用无线射频方式通信的技术，可以实现运动过程中的快速、高效、安全的信息识读和存储，正因为如此，它在很多方面得到了广泛地应用[2][3]。本文针对集装箱运输的跟踪、管理和调度问题，提出了利用RFID进行前端数据采集的框架结构，并针对应用中的关键问题提出解决方案。本文其他部分内容安排如下：第二部分针对集装箱运输过程中所需要采集的数据进行了分类，并且提出了具体的数据采集方案；第三部分研究了所提出方案中的关键问题及解决方案，并对各种方案进行了分析和比较。在结论部分，提出了进一步研究的方向和系统实施的标准化问题。

本文的贡献在于(1)分析并分类了集装箱跟踪、管理和调度中的信息；(2)针对信息分类提出了数据采集的方案；(3)针对实施过程中的关键问题，提出了解决方案。

2.基于RFID的集装箱基础数据移印油墨获取框架-FDC

目前RFID Tag主要有两种类型：有源和无源型两种，无源RFID Tag不需要电池供电，但通常其识读距离受到限制；有源RFID Tag一般采用电池供电，使用寿命可达年，并且可以实现远距离地识读，有源RFID Tag 和Reader的结合可以有效地运用在集装箱跟踪、管理和调度中。本文所提出的方案是基于长距离RFID，这种Tag和Reader的研制者主要有美国的Savi。

集装箱跟踪、管理和调度的信息分为两大类：位置信息(L)以及集装箱和货物状态信息(S)。位置信息分为大范围实时位置信息和小范围位置信息。大范围位置信息是指集装箱在运输过程中动态的位置信息并按时间进行表达，这种信息一般通过GPS(全球卫星定位系统)或TMIS(铁路管理信息系统)可以得到有效地解决，这一问题不属于本文的讨论范围，可以参考[7][8]。小范围位置信息是指在某一个具体的范围内(如集装箱堆场、货物集散地等)的集装箱位置信息，包括出入门时间、集装箱静态位置信息(如集装箱的堆放区域、在堆放区域中的三维位置等等)。

状态信息包括：集装箱的分类信息、集装箱内的货物信息、集装箱装卸作业信息、到达地信息、出发地信息、到达时间、集装箱维护信息等等。货物状态信息分为两个部分：固定信息和动态可变信息。固定信息主要是集装箱包括传统上漆工艺的上、下游工序分类信息(如编号、种类、所属公司等)以及维护管理信息(如集装箱生产厂、维护日期、报废日期等等)。动态信息是某次运输过程中的特定信息，如货物的种类、无线天线到达地、出发地、到达时间、某地装卸货物信息(本文将这种信息定义为聚合和反聚合信息)等等。

小范围的动态位置以及状态信息的获取方法如图1 所示。在该结构中采用三个基本元件：标签(Tag)、地标(Signpost)和识读器(Reader)，通常识读器和地标的位置是固定的，而标签的位置是随集装箱的位置而动态改变的。

标签和识读器之间的有效读取距离可达100m，识读器可以在高速运动(120km/h)中实现识读标签。安装在集装箱上的标签是一种高频、有源标签，标签平时工作模式为睡眠模式，只有进入读写区域时，才由地标触发标签将标签中的信息传送给识读器；或者由识读器向标签写入相应的信息。这种方式可以有效地节省Tag的能量，研究表明[9]：这种类型的Tag可以工作十年之久。

针对小范围内的位置信息，有静态位置和动态位置。动态位置(如出入门以及在某个区域内移动时的位置)信息的采集比较简单，当集装箱在移动过程中进入某个Reader区域后，Reader就能感知到附着在集装箱上Tag，从而可以根据Reader的位置来确定集装箱的位置。而静态位置中主要是获取平面坐标位置和三维坐标位置(为了节约空间，集装箱一般都采用堆叠方式摆放)。平面坐标位置获取和三维坐标位置获取可以参考[10]中提出的方案得到解决。

状态信息可以通过识读器写入到标签中，除聚合和反聚合外的信息可以很方便地写入到标签中。聚合和反聚合过程由于其本身的过程和采用的技术不同而有所差异和复杂。聚合过程是指装载货物的过程；反聚合过程中就是货物从集装箱中卸载的过程。由于要保证集装箱标签中的信息、数据服务器中针对某个集箱装的货物信息以及集装箱中实际货物三者的一致性，就必须要采取一些措施来保证聚合和反聚合过程的一致性。目前主要有两种技术可以解决：RFID和条码技术。而一般采用的都是RFID和条码技术相结合的方法。

聚合过程如图2所示，利用条码技术对物品进行包装，然后，将包装箱上加上Tag或条码，再将加上Tag或条码的包装箱放入到集装箱，并在集装箱上加上有源Tag。在聚合过程中，利用条码和RFID Tag混用的方式。无论是聚合过程还是反聚合过程中，都必须要对聚合货物进行正确性(一致性PEEK复合材料可减轻飞机重量)验证，以防止货物装卸错误。一旦发现错误，可以通过告警系统向操作人员进行告警。在具体实施时，可以通过条码识读器和RFID识读器将每个货物装载的信息通过有线或无线的方式送至Data Server，再由Data Server比较装入的货物信息和集装箱的基础信息(如到达站、出发站、到达时间等)，通过比较，确认无误后，再向标签写入本次操作的数据。为了确保信息的正确性，Data Server也可以向操作员的手持设备发送确认信息，在得到操作人员的确认后再向标签写入数据。

聚合和反聚合操作对于拼箱操作是十分重要的，拼箱是将多个客户货物拼装在一个箱内，很容易将一箱中的货物错装至另一箱，导致货物丢失或错误提交的情况。利用聚合和反聚合操作可以有效地解决这一问题。

因此，基于上述考虑，前端数据采集系统(也称前端区域数据中心)，采用中间件实现，其内部结构如图3所示。主要完成数据的采集、过滤、区域数据中心与现有管理信息系统之间的通信、区域数据中心与RFID Reader之间的通信、数据格式的转换、以及信息安全等主要功能，并可以兼容多种RFID Reader以及条码阅读器。通过这个中心可以向装箱运输管理信息系统提供有关集装箱及其货物等基础数据。

本数据转换模块是专门用来对采集到的数据进行数据格式转换的，以保证与现有系统的兼容性。前端区域数据中心还可以兼容各种数据采集设备的数据格式，针对不同种类的数据设备，可以方便地进行数据采集。RFID的区域数据中心采用中间件的方法实现，可以容易地结合到现有集装箱运输管理系统中，根据应用系统的需要可靠、准确、安全的提供基础数据。$分页符$

C实施中的关键问题及解决方案

基于RFID的FDC中数据的准确性和可靠性主要受以下三个因素的影响：数据碰撞[11]、数据冗余以及数据安全[12]等。

本系统主要从两个方面来解决问题：(1)通过RFID的硬件设备来解决数据碰撞和数据安全问题；(2)通过中间件来解决数据冗余和数据传输的安全问题。

数据碰撞是指在识读器识别区域内有多个射频信号同时到达，它将同时响应识读器的命令而向识读器发送信号，引起信道争用的问题，信号相互干扰，导致识读器不能正确识别电子标签中的数据，即发生了碰撞(Collision)。

数据碰撞主要有两种类型：标签(Tag)冲突和识读器(Read但目前er)冲突[13]。

针对标签冲突，现有的解决方案主要采取时域法，通常有两大类：确定性算法和不确定性算法[14]。在不确定性算法中，标签随机产生应答时间。很多不确定性算法都是基于Aloha算法[13]的。确定性算法是读写器通过搜索标签的唯一的ID来选择不同标签来应答。二进制树搜索法[15]是最简单的确定性算法。

针对识