智能交通系统的核心技术范文

导语：如何才能写好一篇智能交通系统的核心技术，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

关键词：智能交通系统； 多传感器信息融合； MPEG-7； 视频语义描述

中图分类号：TN911-34； TP391 文献标识码：A 文章编号：1004-373X(2011)24-0082-05

Semantic Description of Intelligent Traffic Information Based on Multi-sensor Information Fusion

ZHU Jian1,2, CAO Hong-bing2, XU Hua-an2, LIU Hai-tao1,2

(1. Shanghai Institute of Microsystem and Information Technology, CAS, Shanghai 200050, China;

2. Wuxi SensingNet Industrialization Research Institute, Wuxi 214135, China)

Abstract： Considering the problems that when cameras are used to acquire traffic information their performance may be affected by environment and the information acquired is incomplete, a multi-sensor information fusion framework for intelligent transportation system (ITS) is proposed to fuse information gathered by different kinds of traffic sensors and cameras. On the other side, because the amount of information acquired by cameras is huge and most of the data is concerned with low-level visual information, a semantic description framework is proposed to describe the traffic information coming from traffic sensors and cameras for information retrieval of users. The results of experiments show that the fusion of the information collected by multiple sensors can improve the information acquisition accuracy and the semantic description for traffic video information can provide immense convenience for users to retrieve their interested information.

Keywords： intelligent transportation system (ITS); multi-sensor information fusion; MPEG-7; video semantic description

收稿日期：2011-08-26

基金项目：国家重点基础研究发展计划资助(2011CB302901)；国家重大科技专项：面向民用机场周界防入侵监视的新一代传感器网络研发与应用验证(2010ZX03006-004)

0 引 言

摄像头作为监控、采集交通信息的有效手段被广泛应用于智能交通系统中。然而摄像头由于其光学特性极易受到周围环境的干扰，例如强光照射、雨雪雾等恶劣的气候条件都会对摄像头的正常工作产生很大的影响，因而仅仅通过摄像头这一单一信息采集手段获得的交通信息往往是不够完整的，有时甚至是不可靠的。另外摄像头采集到的视频信息，信息量庞大，毫无结构性［1］，用户如果希望在如此海量信息中检索感兴趣的内容，例如用户想查看某段黑色轿车闯红灯的视频，目前通常的做法是一帧帧地线性浏览整个视频，显然这个过程效率极其低下。

基于以上问题，本文首先提出了一个多传感器信息融合框架，通过将摄像头采集到的视频信息与多种智能交通传感器采集到的信息进行融合以弥补摄像头作为单一信息采集手段的不足。然后在此基础上提出了一个对摄像头所采集的视频信息和智能交通传感器信息进行语义描述的框架，为用户对交通信息进行高效检索提供铺垫。

1 智能交通多传感器信息检测与融合

1.1 多传感器信息融合理论

多传感器信息融合理论最早应用于军事领域，这一方面的研究首先起始于1973年的美国［2］。20世纪80年代，随着传感器技术的进步，多传感器信息融合理论开始飞速发展，其在非军事领域的应用也大规模展开，工业控制系统、智能交通、气象监测、资源探测、医疗诊断等多个领域都在朝着多传感器方向发展［2］。国内多传感器信息融合的研究也于20世纪90年代达到，涌现了诸多理论和工程实践成果［2］。

多传感器信息融合就是充分利用多个传感器的资源，通过对多种传感器信息按照某优化规则进行组合处理，有效地提高各个传感器信息之间的互补性，同时剔除不必要的冗余信息，提高整个系统的有效性。多传感器信息融合按照信息处理层次可分为数据层信息融合、特征层信息融合、决策层信息融合。其中决策层信息融合是根据各个传感器系统的判决进行优化推理，做出最终的决策，灵活性高，通信负荷小，无需传感器之间同质，但同时也对观测信息的预处理提出了很高的要求［3］。

1.2 智能交通多传感器信息融合框架

智能交通传感器种类繁多，功能各异。针对应用场景以及结合前期的工程实践，选择磁敏传感器、压电式传感器、微波雷达、RFID作为获取交通信息的传感器，这4种传感器所采集的交通信息如表1所示。

此外，整个交通状态会受到周围环境的影响，因而需要根据环境变化调节多传感器信息融合的策略，从而降低环境变化所带来的影响。

到目前为止，需要进行信息融合的传感器包括摄像头、磁敏传感器、压电式传感器、微波雷达、RFID。这5种传感器彼此异质，原始观测数据结构、内容差异巨大，例如摄像头采集的是二维视频信号，磁敏传感器却输出一维模拟信号，而压电式传感器则输出模拟脉冲信号。因此考虑在决策级对这几种传感器信息进行融合。每个传感器节点对采集到的信息进行分析处理，其结果与视频信息处理结果进行决策级融合，整个融合过程同时会受到气象、光照条件的影响。多传感器信息融合框架如图1所示。

2 智能交通信息的语义描述

随着多媒体技术的迅速发展，视频信息量也呈现出爆炸性增长趋势。面对如此海量的数据，用户更关注如何才能高效地检索到自己所感兴趣的信息，即如何实现基于内容的视频信息查询(Content-Based Visual Queries,CBVQ)。这一问题已引起了研究者的广泛兴趣，一些原型系统相继问世，如IBM的QBIC系统［4］，哥伦比亚大学的Webseek系统［5］，清华大学的TV-FI系统等［6］。

图1 智能交通多传感器信息融合框架传统视频分析技术是对底层视觉信息进行分析处理，如颜色、纹理、轮廓。而用户往往是从高层语义的角度理解整个视频内容，例如某段视频出现了什么物体、发生了什么事情。这之间不可避免地存在着语义鸿沟(Semantic gaps)［7］。要实现视频内容查询，首先需要在底层视觉信息和高层语义之间搭建起一座桥梁。目前学术界对于该问题的研究工作已广泛开展起来，其中比较著名的是运动图像专家组提出的MPEG-7标准，即多媒体内容描述接口(Multimedia Content Description Interface)。MPEG-7标准的目标就是定义一套灵活的可扩展的描述框架。该框架能够对多媒体内容提供高效的、准确的并且具有互操作特性的语义描述，以便于进一步对多媒体信息内容进行语义检索［8］。MPEG-7对以下内容标准化：描述符(Descriptors)、描述方案(Description Schemes)、描述定义语言(Description Definition Language)。其中描述定义语言基于XML语言，允许对描述符和描述方案进行灵活地定义和描述，并且具有极强的可扩展性［9］。

基于MPEG-7标准，提出智能交通信息语义描述框架，描述的信息包括摄像头采集的视频信息和智能交通传感器信息。总体框架如图2所示。

下面将阐述语义描述框架的各个组成成分：

2.1 Video_metadata

Video_metadata主要是对每一帧视频做一般性描述，分为视觉元数据(Visual_metadata)和语义元数据(Semantic_metadata)。这部分数据并不包含视频内容本身。视觉元数据主要包括格式、大小、分辨率、颜色深度、压缩方式，语义元数据主要包括文本标注、时间、地点、该视频帧编号(Frame NO.)。

例如某一帧视频的Visual_metadata描述如下：

AVI

320*240

RGB8bit

M-JPEG

图2 智能交通信息语义描述框架2.2 Traffic_sensor_metadata

Traffic_sensor_metadata主要描述的是该路段所布设的智能交通传感器的信息，包括布设了哪些传感器，该传感器所处的位置，传感器的功能。这部分描述也不包含视频本身的信息。加入这部分描述是为了将多传感器的信息内容整合起来，便于用户查询整个系统的信息。

例如对于磁敏传感器信息描述如下：

Magnetic

Speed＼Flow＼Occupancy

2.3 Video_DS

Video_DS是对摄像头采集到的某一帧视频信息进行语义描述，这部分是整个语义描述框架的核心，直接影响到用户的信息检索。这部分的主要任务就是描述视频中所出现的交通对象和视频中出现的交通事件。其中Video_object_set表示的是视频中所出现的所有交通对象的集合。在每一帧视频中，提取的交通对象分为4类：车辆（各种机动车和非机动车）、行人、道路（单行道、双行道、左拐车道、右拐车道）、交通标识（车道线、停车线、交通信号灯）。

Video_object_set中每个元素称为Video_object，即交通对象。每个Video_object同时具有视觉特征(Visual Feature)和语义特征(Semantic Features)［10］。每类对象的视觉特征和语义特征如表2所示。

Video_event_set表示的是视频事件集，这些事件包括车辆直行驶过、车辆左拐、车辆右拐、闯红灯、变道、违章停车、行人走过等交通事件，每个事件被赋予一个ID。Object_node引用Video_object_set中的元素Video_object，这样就避免了对象的重复定义。Object_relation表示的是对象(Video_object)之间的关系，这些关系通常如表3所示［10］。

对于每件交通事件将其描述成对象之间的关系。例如对于闯红灯事件，涉及到的对象即为行驶中的车辆、变为红灯的交通信号灯和停车线，车和停车线之间的关系就是车越过停车线(Crosses)。对于违章停车事件，涉及到对象为某个不能停车的车道和静止的车辆，它们之间的关系即为方位关系，即这辆车位于该车道之上(Top of)。

Sensor_status是当有交通事件出现时，相关的智能交通传感器的检测信息，当用户需要读取传感器的信息时，可以直接读出。这里的Traffic_sensor_node也需要引用Traffic_sensor_metadata中的Traffic_sensor，避免传感器的重复定义。

2.4 Traffic_environment部分

这部分主要描述的是摄像头监控范围内的整个交通环境信息，包括该区域的天气气候情况、光照条件、该路段的总体交通信息。

3 智能交通多传感器信息融合框架模型仿真

在此以车速检测为例，对多种智能交通传感器和摄像头进行决策级融合，以验证多传感器信息融合框架的有效性。假设对于某一辆驶过的汽车，磁敏传感器检测到的车速为v1（单位：km/h），压电式传感器检测到的车速为v2（单位：km/h），微波雷达检测到的车速为v3（单位：km/h），摄像头检测到的车速为v4（单位：km/h），真实的车速为v（单位：km/h），则每个传感器检测车速的误差为：Δv1=v1－v

(1)

Δv2=v2－v

(2)

Δv3=v3－v

(3)

Δv4=v4－v

(4) 根据工程实践，磁敏传感器、摄像头检测结果误差的均值和方差都比较大，而微波雷达和压电式传感器则相对比较精确。假设误差Δv1,Δv2,Δv3,Δv4分别满足近似正态分布，且：Δv1~N(4,9)

(5)

Δv2~N(2,4)

(6)

Δv3~N(1,4)

(7)

Δv4~N(3,9)

(8) 对4种传感器检测的结果进行融合，这里采用加权平均的模型对检测结果进行融合。4种传感器所对应的加权系数分别为w1,w2,w3,w4，且：w1+w2+w3+w4=4

(9)则融合结果为：

vf=w1×v1+w2×v2+w3×v3+w4×v44

(10)

融合误差:Δvf=vf－v

(11) 将式(1)~(4)，(9)，(10)代入式(11)，得：Δvf=w1×Δv1+w2×Δv2+w3×Δv3+w4×Δv44

(12) 因为Δv1,Δv2,Δv3,Δv4独立，所以Δvf也满足正态分布，对以上过程进行仿真，结果如图3所示。

从图3中可以看出，经过融合，融合结果的误差Δvf的均值较小，动态范围也大幅度减小，因而多传感器信息融合能有效提高系统的检测精度。

图3 Δv1,Δv2,Δv3,Δv4,Δvf概率分布4 智能交通视频语义描述实例

本文的基于智能交通信息语义描述框架对摄像头采集到的某一帧视频发生的事件进行描述，该帧如图4所示。

图4 摄像头采集到的一帧交通视频数据该帧视频发生的事件是一辆黑色轿车正驶过人为所画的一条虚拟的蓝线。将黑色轿车和虚拟的蓝色线条分别看作一个对象(Video_object)，对于黑色轿车的特征描述如下：

Black

92

73

Vehicle

Car

对于蓝线的特征描述如下:

Blue

Traffic signs

Stop line

对于黑色轿车驶过蓝线这一事件描述如下：

Crosses

显然，基于提出的智能交通信息语义描述框架，能够将图4中的视频信息从语义的角度描述出来，并可以同时生成相应的文本文件。将这些视频信息描述结果存入数据库中，极大方便了用户从语义的角度对视频信息进行查询。

5 结 语

本文首先提出了智能交通多传感器信息融合的框架，并通过信息融合模型仿真验证了该框架的有效性，结果表明经过多传感器信息融合，系统交通信息检测精度得到有效提高。之后在此基础上参考MPEG-7标准提出了智能交通信息语义描述框架。该框架能够描述从底层视觉特征到高层语义特征的多层视频信息，弥补语义鸿沟，最终方便用户对海量视频信息检索，最后用一个交通视频语义描述实例证实了这一点。后续将根据各种智能交通传感器信息结构特点对信息融合模型展开进一步研究，同时进一步提高智能交通信息语义描述框架的扩展性和兼容性，将更多的交通信息纳入到整个描述框架中来。

参 考 文 献

［1］ 熊华.视频内容结构化技术研究与实现［D］.长沙：国防科学技术大学，2001.

［2］ 何友，王国宏，彭应宁，等.多传感器信息融合及应用［M］.北京：电子工业出版社，2007.

［3］ HALL D L, LLINAS J. An introduction to multi-sensor data fusion [C ]//Proceedings of the 1998 IEEE International Symposium on Circuits and Systems. USA: IEEE, 1998, 6: 537-540.

［4］ FLICKNER M, SAWHNEY H, NIBLACK W, et al. Query by image and video content: the QBIC system [J ]. IEEE Computer, 1995, 28: 23-32.

［5］ SMITH J R, SHIH-FU Chang. Visually searching the Web for content [J ]. IEEE Multimedia, 1997, 4 (3): 12-20.

［6］ HUANG Jian, ZHAO Li, YANG Shi-qiang. TVFind (TM): an MPEG-7-based video management system over Internet [C ]// Proceedings of SPIE 4676, Storage and Retrieval for Media Databases. San Jose, CA, USA: SPIE, 2002: 336-346.

［7］ ZHAO Rong, GROSKY W I. Narrowing the semantic gap-improved text-based Web document retrieval using visual features [J ]. IEEE Transactions on Multimedia, 2002, 4 (2): 189-200.

［8］ SIKORA T. The MPEG-7 visual standard for content description-an overview [J ]. IEEE Transactions on Circuits and Systems for Video Technology, 2001, 11 (6): 696-702.

［9］ SHIH-FU Chang, SIKORA T, PURL A. Overview of the MPEG-7 standard [J ]. IEEE Transactions on Circuits and Systems for Video Technology, 2001,11 (6): 688-695.

篇2

关键词：云计算；交通运输；智能化

近年来，随着经济的快速发展，工业化进程的加快和汽车数量的急剧增长，道路里程的增加速度和汽车数量的增长速度严重失衡，交通问题日益严峻。智能交通系统(Intelligent Transportation System，简称ITS)作为电子信息技术与交通运输融合的产物，是解决城市交通拥堵、改善行车安全性、提高车辆运行效率的最佳途径之一。智能交通系统(ITS)是交通行业发展的新趋势，而实时交通信息处理是智能交通系统研究的核心内容之一。如何对海量的交通信息的采集、处理、分析、挖掘和利用，将是智能交通信息服务的关键问题。“云计算”技术的发展，对推动交通运输智能化发展起到了极为重要的推动作用。

一、云计算概念及原理

云计算(Cloud Computing)是近年来发展起来的一种新的基于互联网的计算形态，体现了一种全新概念的信息服务模式。云计算的核心思想，是将大量用网络连接的计算资源统一管理和调度，构成一个计算资源池向用户提供按需服务。云计算的基本原理是，通过使计算分布在大量的分布式计算机上，而非本地计算机或远程服务器中,从而充分发挥现代高速信息网络和强大的计算机信息处理能力。它的的核心技术包括：编程模型、海量数据分布存储技术，海量数据管理技术、虚拟化技术和云计算平台管理技术。

二、交通运输智能化

交通运输智能化就是智能交通系统（ITS）在日常交通运输中的运用。中国智能交通系统体系框架研究报告中对ITS做出了如下定义：在较完善的基础设施（包括道路、港口、机场和通信）之上，将先进的信息技术、通信技术、控制技术、传感技术和系统融合技术有效地集成并应用于地面运输系统，从而建立起大范围发挥作用的，实时、准确、高效的运输系统。研究ITS的目的就在于将先进的计算机和通信技术与传统的交通运输技术相融合，通过对交通信息进行采集、加工、，实现人、车、路之间的信息共享、协同合作，减少交通拥堵和交通事故，降低交通能源消耗和交通污染，建立起一个现代综合高效的交通物流服务系统。ITS强调的是运输设备的系统性、信息交流的交互性、以及服务的广泛性。交通信息服务是ITS平台的核心内容。目前，我国都会级城市的交通信息服务系统的基础建设已初步形成，但普遍面临着如何整合利用海量交通信息服务于交通管理和出行的问题。

三、云计算对交通智能化的推动

智能交通系统平台应用，主要用于承载交通运行指挥系统、公众出行信息服务系统、道路交通综合调控系统、交通运输管理系统、交通综合检测系统、交通管理与应急仿真决策支持系统等六大系统所用的数据。其所用数据涉及交通运输各个领域，极为庞大、繁杂，处理非常困难。云计算技术以其自动化IT资源调度和快速部署以及优异的扩展性等优势，成为解决这一问题的重要技术手段。

通过建设云计算数据中心可充分承载交通业务数据，将各种服务、能力等信息作为一种资源池通过结构化的优化，实现交通数据共享交换，并满通业务支撑、决策支持需求，从根本上解决交通信息数据统一存储、共享和业务支撑的难题，形成交通信息决策支持体系。

篇3

关键词：数字图像处理 智能交通系统 视频监控系统

数字图像处理技术从广义上可以看作是各种图像加工技术的总称，是从20世纪60年代以来随着计算机技术和VLSI的发展而产生、发展和不断成熟起来的一个新兴技术领域。数字图像处理技术在智能交通系统ITS领域中占有很重要的地位，具有广阔的应用前景。融合了计算机视觉与模式识别技术的视频监控系统是智能交通系统的重要组成部分，它可用于交通流量的检测；交通控制与诱导；机场、港口、小区的车辆管理；不停车自动收费；公共停车场安全防盗管理等。本文将着重阐述视频监控系统中所应用到的数字图像处理技术，并阐述多目标检测跟踪的研究现状及存在的问题。

1.智能交通系统概述

智能交通系统是在较完善的道路设施，将先进的电子技术、信息技术（IT）、人工智能（AI）、地理信息（GIS）、影像、计算机技术、有线/无线通信、传感器技术和系统工程技术集成运用于地面运输的实际需求，建立起全方位、实时准确、高效的地面交通系统，能对各种交通方式进行现代化、科学化的智能管理。主要应用于交通信息服务系统、交通管理系统、公共交通系统、车辆控制系统、货运管理系统、电子收费系统、紧急救援系统等。

2.数字图像处理技术

数字图形处理技术包括利用计算机和其他电子设备完成的一系列工作，如图像采集、获取、编码、存储和传输；图像的合成和产生；图像的显示、绘制和输出；图像变换、增强、恢复和重建；图像的分类、表示和识别等等。另外图像处理技术还包括为完成上述功能而进行的硬件和系统的设计及制作等方面的技术。数字图像处理处理的目的主要有三个方面：

（1）对图像灰度做某种变换，增强其中的有用信息，抑制无用信息，使图像在视在质量提高，以便于人眼观察、理解或计算机对其作进一步的处理。这种处理技术主要有图像增强，图像复原和图编码。

（2）用某种特殊手段提取、描述和分析图像中所包含的某些特征或特殊的信息，主要目的是便于计算机对图像作进一步的分析和理解，经常作为模式识别、计算机视觉等的预处理。这类图像处理技术包括图像分割、图像识别、特征提取等。

（3）图像数据的压缩，以便于图像的存储和传输。数字图像处理技术在智能交通中的应用数字图像处理技术在ITS领域中具有极其广阔的应用，例如交通监视、交通统计等等。

3.视频监控系统多目标检测跟踪的研究

智能视频监控的关键是对包含运动日标的图像序列进行分析处理，其核心技术就是场景中动目标的检测、跟踪、识别和进一步的行为分析及事件检测。

运动检测的目的是从序列图像中将变化区域从背景图像中提取出来。运动区域的有效分割对于目标分类、跟踪和行为理解等后期处理是非常重要的。

3.1背景减除

背景减除方法是目前运动分割中最常用的一种方法，它是利用当前图像与背景图像的差分来检测出运动区域的一种技术。它一般能够提供最完全的特征数据，但对于动态场景的变化，如光照和外来无关事件的干扰等特别敏感。最简单的背景模型是时间平均图像，目前许多研究工作都致力于开发不同的背景模型，以期减少动态场景变化对于运动分割的影响。

3.2时间差分

时间差分方法是在连续图像序列中的两个或三个相邻帧间采用基于像素的时间差分然后阈值化来提取出图像中的运动区域。

3.3光流

基于光流方法的运动检测采用了运动目标随时间变化的光流特性，如Meyer16等通过计算位移向量光流场来初始化基于轮廓的跟踪算法，从而有效地提取和跟踪运动目标。该方法的优点是在摄像机运动存在的前提下也能检测出独立的运动目标。然而，大多数的光流计算方法相当复杂，且抗噪性能差，如果没有特别的硬件装置则不能被应用于全帧视频流的实时处理。

3.4动能量法

运动能量法是把连续图像看作由二维空域加上时间维构成的三维空间，计算空时梯度，运动对象经过位置的象素空时梯度一致性高，梯度能量大，这种特性可以用于运动对象检测。运动能量法适合于复杂变化的环境，能消除背景中振动的象素，使按某一方向运动的对象更加突出的显示出来，但运动能量法分割出对象不够精确，而且方法过于复杂，不利于实现。目标跟踪等价于在连续的图像帧闻创建基于位置、速度、形状、纹理、色彩等有关特征的对应匹配问题。

3.4.1基于模型的跟踪

基于模型的方法通常将运动目标用一特定的模型表达。例如，传统的人体表达方法有如下三种：a.线图法（Stick Figure）：该表达方法将身体的各个部分以直线来近似，例如Karaulova|221建立了人体运动学的分层模型。b.二维轮廓（2.DContour）： 该人体表达方法的使用直接与人体在图像中的投影有关。 c.立体模型（Volumetric Model）：它是利用广义锥台、椭圆柱、球等三维模型来描述人体椭圆柱体模型来表达人体结构，坐标系统的原点被定位在躯干的中心，目的是想利用该模型产生人的行走的三维描述。

3.4.2基于区域的跟踪

基于区域的跟踪方法目前已有较多的应用。基于区域跟踪的难点是处理运动目标的影子和遮挡，这或许可利用彩色信息以及阴影区域缺乏纹理的性质来加以解决，如McKenna等首先利用色彩和梯度信息建立自适应的背景模型，有效地消除了影子的影响：然后，跟踪过程在区域、人、人群三个抽象级别上执行，在遮挡情况下也能够较好地完成多人的跟踪。

3.4.3基于活动轮廓的跟踪

基于活动轮廓的跟踪思想是利用封闭的曲线轮廓来表达运动目标，并且该轮廓能够自动连续地更新。

3.4.4基于特征的跟踪

基于特征的跟踪包括特征的提取和特征的匹配两个过程。在跟踪过程中若两人出现相互遮挡时，只要质心的速度能被区分开来，跟踪仍能被成功地执行；该方的优点是实现简单，并能利用人体运动来解决遮挡问题，但是它仅仅考虑了平移运动，如果结合纹理、彩色及形状等特征可能会进一步提高跟踪的鲁棒性。

4.结语

数字图像处理技术已经成为ITS领域的最主要技术之一。在图像处理硬件方面，虽然相关硬件技术发展很快，仍应加强图像处理专用硬件的研制。在图像处理软件方面，为了解决检测和识别的多义性问题，应该研究适应性更强的鲁棒算法。总之，随着计算机技术的飞速发展，面向ITS的数字图像处理技术将有很大的发展空间。

参考文献：

[1]陈利.车牌识别系统中的字符分割技术研究[J]；电脑知识与技术；2008年34期

篇4

中国智能交通行业信息化

突出贡献企业奖

易华录公司以自有的软硬件技术创新、企业诚信推动城市智能交通应用技术发展，为公安与智能交通行业提供项目规划与咨询、核心技术与产品开发、工程实施与项目管理、人员培训等全方位的技术服务，与全国各地政府建立了密切的合作关系，在智能交通领域树立了良好的口碑，并通过不断增强企业的核心竞争力和创新能力，描绘“行业先锋、百年企业”的发展蓝图。

北京易华录信息技术股份有限公司（下文简称易华录）成立于2001年4月，是中国华录集团有限公司旗下的控股子公司，是一家面向智能交通应用，专业从事核心软件开发、数据挖掘与决策支持、智能交通及安防专业产品、系统集成与运营服务的国有控股高新技术企业。公司于2011年5月5日在深交所上市，现有员工近500人，己为全国140多个交通管理部门提供了智能交通技术服务。

央企优势

易华录拥有央企控股的企业背景，其控股方中国华录集团是国务院国资委管理的中央企业，享受国家对试点企业投资、项目审批、进出口贸易、融资、技术开发等方面的一系列特殊优惠政策。中国华录集团拥有强大的资金、技术、研发实力，始终名列国家电子百强企业前30名。

公司的主要核心领导均长期耕耘智能交通行业，具有丰富的专业知识和行业经验，对行业的整体背景和发展趋势有着深入的研究和独到的见解，结合时代走向，以“智能交通、人文交通、绿色交通”为企业使命，坚持“尊重人、培养人、依靠人、满足人”的企业理念，使易华录不断发展、壮大，向着“行业先锋，百年企业”的目标不断迈进。

技术优势

易华录在应用现代科技的基础上组建了易华录智能交通技术研究院。它是行业内最大规模的企业级智能交通技术研究院，依托200多人的研发团队，已取得129项软件著作权，涵盖交通信号控制、数字化视频监控、交通流数据采集、交通诱导等领域，率先在国内公安交通指挥中心集成系统中实现了指挥调度智能化、网络化、桌面化；它设计的指挥中心系统集成规范，将公安交通指挥中心集成联动体系应用推上了崭新的高度；它开发的城市智能交通系统管理平台，推动了中国智能交通产业标准化的发展进程。

品牌与服务优势

到目前为止，易华录已为全国100多个城市提供了技术服务，其核心产品“公安交通指挥中心集成平台”在全国的市场占有率高居行业第一，在城市智能交通领域树立了良好的企业信誉。

篇5

关键词： 车牌识别； 模板匹配； 神经网络； 车牌跟踪； DirectShow滤镜

中图分类号： TN964?34 文献标识码： A 文章编号： 1004?373X（2013）10?0090?04

0 引 言

智能交通系统（Intelligent Transportation System，TSI）是目前世界各国竞相研究和开发的热点。它结合了最新的信息捕获、传输、处理、自动控制、模式识别等技术，目标是使用计算机更加有效与科学地管理与监控交通。在智能交通系统中，车牌的跟踪识别占有重要的地位。因为车牌是区分车辆的重要依据，对于管理与调度车辆具有重大意义。

1 车牌的跟踪识别的整体结构

本系统采用DirectShow的滤镜Filter，编译生成一个.ax文件，用regsvr32进行系统注册；利用DirectShow的功能，可以接收视频流，并进行跟踪与识别。整体结构如图1所示，可分为3大部分：

（1）用DirectShow实现视频播放，设计了一个DirectShow Filter，用于从播放的视频流中截取视频帧。

（2）车牌跟踪，用于在视频帧中找到车牌的位置，并截取出来。

（3）文字识别。使用（2）提取的车牌灰度图像，识别出车牌上的文字。

2 车牌的跟踪识别的算法

2.1 中值滤波和边沿检测

2.3 文字识别

车牌文字识别常用方法是提取文字的一定特征，然后使用分类器进行识别。主要包括参数化与非参数化两类方法[5]，分类器多选择使用神经网络，如SVM[6?7]、BP和BM算法[10?11]等。

3 系统实现

3.1 视频截取滤镜的实现

DirectShow提供了一个专门用于视频截取的接口IMediaDet[5]，可简单实现视频图像的提取。本系统直接从CTransInPlaceFilter继承子类，设计一种通用DirectShow Filter，处理各种格式的图像。设车牌跟踪部分系统的入口为DoProcess模板函数，当DirectShow Filter得到一帧图像后，将调用此函数进行处理，并在CTransInPlaceFilter：：Transform中通过IMediaSample来确定剪辑格式，给出具体类型格式，DoProcess就可统一处理各种格式的RGB图像信息，且由于模板函数在编译中静态生成各种类型对应的处理函数，因此可使用内联进一步提高效率。由于实际车牌识别不需要逐帧处理，可把视频的跟踪与识别部分放在一个新线程中，采用跳帧处理，提取视频帧，达到车牌图像提取。

3.2 临界值选取算法

首先将一个灰度图像转化为一个单色图像即图像二值化。单色图像结构简单，易于处理，占用的内存和处理资源少。并保留了系统需要的最基本的信息。

3.3 字符切割和识别

本文直接采用将所有像素点作为BP神经网络的输入的方案，训练3个神经网络，分别用于识别数字、字母及表示省份的几个汉字。然后将字符缩放为10×10大小，输入神经网络进行训练，训练样本应尽可能选择有代表性的，可大幅度地提高识别率。

4 结 语

本系统在无障碍的情况下，实现了高速视频帧截取、预处理、车牌跟踪、临界值选取算法和文字识别，车牌识别率和跟踪成功率在95%以上，并在实际测试中取得了不错的效果，在高速公路等车辆检测方面具有较大的应用价值。

参考文献

[1] HUANG T S. Two?dimensional digital signal processing II： transforms and median filters [M]. [S.l.]： Springer?Verlag， 1981.

[2] WEISS B. Fast median and bilateral filtering [C]// International Conference on Computer Graphics and Interactive Techniques. USA： SIGGRAPH， 2006： 11?15.

[3] PERREAULT Simon， HEBERT Patrick. Median filtering in constant time [J]. IEEE Transactions on Image Processing， 2007， 16（9）： 2389?2394.

[4] TANAKA Y， KANAYAMA K， SUGIMURA H. Travel?time data provision system using vehicle license number recognition devices [C]// Proceedings of ′92 Symposium on Intelligent Vehicles. Detroit， MI， USA： SIV， 1992： 353?358.

[5] FU Jian?xin， HUANG Lian?fen， YAO Yan. Application of BP neural network in wireless network security evaluation [C]// Proceedings of 2010 IEEE International Conference on Wireless Communications， Networking and Information Security. Beijing， China： IEEE， 2010： 592?596.

[6] 王晓光，王晓华.一种基于SVM的车牌汉字的有效识别方法[J].计算机工程与应用，2004，24（7）：208?222.

[7] 余棉水，黎绍发.基于边缘与SVM的车牌自动定位与提取[J].计算机工程与应用，2003，23（10）：31?33.

[8] COWELL J R. Syntactic pattern recognizer for vehicle identification numbers [J]. Image and Vision Computing， 1995（13）： 13?19.

[9] JAIN R， KASTURI R， SCHUNCK B G. Machine vision [M].

[S.l.]： [s.n.]， 2003： 76?86.

[10] 王志伟，平玲娣，陆敏锋.高效字符匹配算法的研究[J].计算机工程与应用，2010，30（1）：28?31.

[11] BOYER R S， MOORE J S. A fast string searching algorithm [J]. Communications of the ACM， 1977， 20（10）： 762?772.

篇6

关键词：云计算；交通领域；智能交通

DOI:10.16184/prg.2016.02.027

目前，我国交通行业已经进入到信息化转型的关键阶段，在该阶段，我国交通行业表现的最为突出的特征即为信息化处理。云计算作为基于网络实现的一种大规模数据计算方式，通过在交通行业中应用云计算技术，对于推动交通信息产业化发展具有重要作用。

1云计算技术

1.1云计算概述

云计算是一种基于互联网实现的大规模数据计算方式，通过这种计算方式，能够按照实际需求将共享的各类资源和信息提供给计算机和其他设备[1]。这些资源来自一个共享的、能够按需配置的资源池，并且能够快速获取和释放这些资源。云计算的核心思想是将大量通过网络连接到一起的计算资源进行统一的管理和调度，从而构成一个计算资源池，以按照需求向用户提供服务。云计算通过使用分布式计算方式将大量的计算工作分布到多个计算机上，而非本地计算机或者远程服务器中独立运行，相关行业数据中心的运行更加接近互联网，这也使相关部门能够将资源切换到需要的应用上，根据实际需求对计算机和存储系统进行访问。云计算应用的思想是将资源整合到一起，从而提高用户访问的便利性。

1.2云的交付模式及核心技术

云计算采用面向服务的架构，根据交付模式的不同，可以将云计算分为基础设施服务、平台即服务以及软件即服务3类[2]，图1给出了云计算的交付模式和云服务的分层结构。云计算的核心技术主要包括分布式存储技术、海量数据的管理技术以及虚拟化技术等。

2交通领域对云计算的需求

2.1掌控实时交通信息

随着现代城市化进程的不断推进，城市交通管理工作涉及的信息量越来越大，一个覆盖城市所有交通的信息系统需要同时进行计算的交通元数据量非常大，而当前的信息系统在软硬件性能上都很难达到这些数据的处理要求。而通过云计算技术的分布式存储和计算方式，可以将这些数据的处理同时交由多个虚拟机来完成，使得系统的处理能力大幅度提升，从而为实时交通信息系统的建设提供了可行性。

2.2实时交通管理措施

交通管理部门政策措施的制定需要以交通信息的采集和挖掘分析结果为依据。但是当前系统对数据的采集和挖掘分析缺乏普遍性和时效性，比如交通流量信息、拥堵情况等。对这些信息的采集和挖掘分析均涉及到大规模数据的处理，现有系统很难满足这种性能要求，对此，通过云计算技术的应用，能够充分采集和挖掘各方面的交通数据，更好地为交通管理措施的制定提供数据支持。

2.3交通运动动态预测

交通管理方案的合理制定需要结合城市实际交通运行情况，从而准确预测一定时间范围内交通的发展动态。交通发展动态预测过程涉及到大量数据的计算，而且需要较高的实时性，同时，时段不同时，所涉及的数据量也存在较大差异。针对这种情况，现有的普通服务器和小型PC机很难实现对区域路网交通动态数据高效计算，而且计算成本相对较高。而通过云计算的分布式计算方式，可以根据交通动态变化需求，进行计算单元的实时分配，从而充分利用计算资源，在保证计算效率的同时具有较高的经济性。

2.4具备良好的扩展性

随着现代智能交通管理系统的飞速发展，各个子系统通常会根据实际需求分阶段进行开发，考虑到系统中各类资源的共享调用，系统需要提供丰富的接口提高扩展性能，以此实现对资源的充分利用，控制开发成本的投入。通过对交通行业信息资源的全面整合，实现资源共享，同时提高系统的运行效率，确保各个子系统的各项服务能够得到全面、准确、及时的数据支持。云计算技术通过虚拟化技术和分布式技术的结合，实现了对大规模数据的高效计算、动态负载均衡，同时还提供了良好的扩展性及软件冗余机制，这些功能为云计算技术在交通领域的应用提供了重要的支持。云计算技术作为一项新兴的分布式计算技术，在推出之后在计算机领域得到了广泛的重视和快速的发展。交通领域引入云计算技术来为交通管理工作提供服务，已经成为了交通管理工作发展的必然趋势。

3云计算在交通领域的应用

3.1基于GPS的浮动车交通信息云

交通信息云是以网络为桥梁，将数据处理中心、虚拟机和车载GPS共同组合起来所构建的交通信息云计算基础设施[3]。基于GPS的浮动车交通信息云通过对安装有车载GPS的浮动车在行驶过程中的位置、方向和速度等方面的信息进行收集，同时通过地图匹配模型和推测计算方式对收集到的浮动车相关数据进行计算和分析，并将这些数据与城市交通状况进行综合分析，使两者之间建立紧密的关系，最终获取了这些车辆所经过道路的车辆行驶速度以及道路的行车时间等重要的信息，为交通管理方案的制定提供了重要的依据。随着GPS技术的发展，车载GPS能够准确记录车辆的位置和速度信息，因此，交通信息云所收集的浮动车信息准确度较高，有效降低了数据中心进行数据处理和筛选的工作量，大幅度提高系统的性能。通过交通信息云对采集的数据进行分析后，能够将区域车流密度、速度和流向等数据及时反馈给交通管理部门和驾驶员，对于合理引导交通以及行驶路线的合理选择具有重要的作用。

3.2基于云模型的短时交通流量预测

交通流量的预测是指通过云计算数据中心对特定时刻t的交通拥堵、路面行驶状态以及车辆速度等数据进行综合分析之后，对t+Δt时间段的交通流量进行预测，而短时交通流量预测则是指Δt<15min的情况[4]。云计算采用基于正态分布的数字特征，将模糊性和随机性两者有机结合到一起。以当前时段所采集的交通量为例，给出云模型的固定参数，比如下班高峰期与平时的交通流量数据平均量进行对比，可以发现数据差异较大，而下班高峰期的交通流量由于受到前一个时段交通流量的影响，因此，需要以前一个阶段的交通流量为依据对下班高峰期的交通流量进行预测，然和集合云模型的推理，通过循环迭代的方式，当得到足够多的云滴时，停止迭代过程，最终将所有云滴的平均值输出作为预测结果。

3.3最优路径诱导

传统导航系统基本上以最短路径作为最优路径选择方式，但是由于交通参与者的交通行为变化较大加上道路实时拥堵情况的变化，最短路径通常并非最佳路径。此时，需要结合实时交通状况，提供动态的导航服务。最优路径诱导功能通过对实时交通路况信息数据的采集、处理和分析，实现对交通流量的动态预测，能够为导航系统提供充足的支持，但是需要强大的交通信息资源的支撑以及计算平台的兼容，因此，需要以云计算技术为基础来实现。云计算数据中心能够对影响交通状况的多种因素进行综合分析和处理，实现快速准确的交通流量预测，然后通过广播、电子地图等方式将交通状况反馈给驾驶人员，为其选择最优路径提供了重要的依据，能够便于驾驶人员提前避免交通拥堵及事故路段，对于提高整个交通的通信效率，保障通行安全具有重要意义。

3.4交通信号控制

智能交通信号控制系统主要以实时准确的交通流量数据作为控制依据。通过传统的佳通信息数据采集方法，同时结合GPS、RFID等信息采集方式，能够实现准确、快速的数据采集，并且直接利用前端设备实现对各路口的实时交通流量控制。同时，所有采集数据通过网络汇总到运输局中心进行集中分析和处理，为区域交通控制方案的制定提供了重要的数据支持，同时也实现了基于云计算的智能交通信号控制。

4结语

云计算技术在交通领域的应用，能够使交通信息数据得到充分利用，为交通管理提供重要的数据支持，从而制定合理的交通控制方案。通过将云计算资源和交通资源集中到能够共享的云平台中，实现对整个交通系统的整体优化。基于云计算的智能交通系统是一项复杂的系统工程，涉及到城市交通运行管理的各个领域。由于云计算将改变现有系统的架构，基于云计算的交通管理系统需要由政府引导、企业参与、院所支持，以面向需求、面向应用和面向对象的方式进行建设。当前，云计算技术虽然发展较快，但是还存在复杂度较高、服务生命周期不稳定以及安全性等方面的问题。但是相信随着云计算技术的不断完善，云计算技术将为交通领域提供全面可靠的技术支持，引领交通向高度智能化的方向不断前进。

参考文献

[1]石建军.交通信息云计算及其应用研究[J].交通运输系统工程与信息，2011，（01）：179-184.

[2]曾凯.云计算及其在智能交通上的应用[J].现代电信科技，2011，（05）：45-51.

[3]钱哨.（智能交通云）：基于云计算的智能交通系统[J].计算机与现代化，2010，（11）：168-171.

篇7

关键词:车牌识别系统;图像预处理;去噪;二值化

中图分类号:TN911文献标识码:A文章编号:1009-3044(2010)08-1961-02

The Research of License Plate Recognition based on Image Processing

LIU Juan-mei, LIU Ze-ping

(Computer Department, Hunan Institute of Humanities, Science and Technology, Loudi 417000, China)

Abstract: This paper researches on the image pre-processing algorithm of Vehicle License Plate Recognition (VLPR), introduces the significance of the license plate recognition technology, the methods of image noise reduction,binary image and the realization of image pre-processing algorithms in experimental system. Through the test process of image processing, simulation proves that the paper in the image processing on the validity of license plate recognition.

Key words: license plate recognition; image pre-processing; noise reduction; binary image

20世纪80年代以来,随着我国国民经济的迅速增长,机动车的规模与流量大幅增加,随之而来的管理问题也日益严重。因此迫切需要采用高科技手段,对这些违法违章车辆牌照进行登记,车牌识别系统的出现成为了交通管制必不可少的有力武器[1]。它是一个基于数字图像处理和字符识别的智能化交通管理系统,该系统先通过图像采集,再对图像进行处理以 克服图像干扰,改善识别效果,而后进行二值化,归一化等处理,最后进行识别。车牌识别系统使得车辆管理更趋于数字化,网络化,大大提高了交通管理的有效性与方便性。车牌识别系统作为整个智能交通系统的一部分,其重要性不言而喻。

1 车牌识别系统的目标

利用计算机等辅助设备进行的自动汽车牌照自动识别就是在装备了数字摄像设备和计算机信息管理系统等软硬件平台的基础之上,通过对车辆图像的采集,采用先进的图像处理、模式识别和人工智能技术,在图像中找到车牌的位置,提取出组成车牌号码的全部字符图像,再识别出车牌中的文字、字母和数字,最后给出车牌的真实号码。

近年来,智能交通系统(Intelligent Transport Systems)已成为当前交通管理发展的主要方向。作为智能交通系统的重要组成部分,机动车牌自动识别系统可以大大提高车辆管理的工作效率,加快交通管理自动化和智能化的步伐。车牌自动识别系统在停车场收费管理,封闭式居民小区保安管理,高速公路超速自动化监管系统,以及城市交通路口的“电子警察”等方面有着广泛的应用前景[2]。

随着智能交通系统的全面实施,汽车牌照的自动识别技术越来越受到人们的重视。汽车牌照作为汽车的标识具有唯一性,知道了车牌号,车辆的所有信息便一目了然。因此,汽车牌照的自动识别技术在公共安全及交通管理中具有特别重要的实际应用意义。

2 车牌识别系统的工作原理

现在普遍通用的车牌识别系统通常包括两大部分,软件与硬件。其中软件是整个系统的核心部分,车牌识别的核心技术就在于软件。系统一般由车体感应器,彩色摄像机,辅助光源,图像采集与处理器,主控电脑和识别系统软件构成。

系统软件一般先对牌照图像进行滤波、二值化、校正、分割等处理,再进行识别。软件部分由六个主要处理子模块组成,各模块功能为:

① 实时采集模块实现对汽车牌照图像的实时采集,并将采集的图像转换为数字图像存储;

② 车牌搜索及定位模块对数字化后的车牌进行区域目标搜索,并将图像进行灰度翻转统一为“白底黑字”;

③ 车牌分割对定位的车牌区域进行字符分割,将车牌分为7个单一的字符图片(针对普通民用车);

④ 特征提取模块对分割后的图片进行相应的特征描述;

⑤ 分类识别模块根据图片的特征描述将其识别为相应的结果字符串;

⑥ 数据传送输出识别结果字符串到指定的设备上。

本文所做的工作在于前期的图像预处理工作。本次设计着重在于图像识别方面,中心工作都为此而展开,文中没有进行车牌的定位处理,而是采用数码相机直接对牌照进行正面拍照,获取原始车牌图像。之后利用编程对图片进行了大小的调整、彩色图片转化成灰度图片、图片去噪、以及图片二值化等工作。其中,去噪与二值化是关系图像识别率的关键。

3 图像的去噪-中值滤波以及二值化

中值滤波的基本思想是用像素点邻域灰度值的中值来代替该像素点的灰度值,该方法在去除脉冲噪声、椒盐噪声的同时又能保留图像边缘细节,这是因为它不依赖于邻域内那些与典型值差别很大的值.中值滤波器在处理连续图像窗函数时与线性滤波器的工作方式类似,但滤波过程却不再是加权运算[3]。取3*3函数窗,计算以点 [i,j]为中心的函数窗像素中值步骤如下:1) 按强度值大小排列像素点。2) 选择排序像素集的中间值作为点[i,j]的新值.

这一过程如图1所示.一般采用奇数点的邻域来计算中值,但如果像素点数为偶数时,中值就取排序像素中间两点的平均值。

中值滤波在一定条件下,可以克服线性滤波器(如均值滤波等)所带来的图像细节模糊,而且对滤除脉冲干扰即图像扫描噪声最为有效。在实际运算过程中并不需要图像的统计特性,也给计算带来不少方便。但是对一些细节多,特别是线、尖顶等细节多的图像不宜采用中值滤波[4]。

图像的二值化处理就是将图像上的点的灰度置为两个数值,通常为0或255,使整个图像呈现出明显的黑白效果。也就是将256个亮度等级的灰度图像通过适当的门限值选取而获得仍然可以反映图像整体和局部特征的二值化图像[5]。

基于像素数目的直方图阈值分割是本文采用的二值化算法,它的好处在于可以减少直方图的不同形状对二值化效果的影响,其步骤如下:计算直方图,在直方图中由0至255进行累加计算,当像素数目大于某个值时,将当前像素值作为二值化门限[6]。当大于当前像素值的像素点在图像中所占的数量,也就是车牌中背景像素所占的比例称为该副图像的阈值。经过对一些图片的计算,确定该阈值在图像像素数目的60%-80%之间。阈值的取值不同,对二值化的结果影响很大。越小包含越多背景的高光部分,越大损失越多字符像素。

使用这种算法,对于各种条件下拍摄的图片均能较好的进行处理,过亮过暗的照片也能比较清楚地区分背景与字符。经过均值去噪能够消除大部分因为曝光问题而产生的不平滑边缘和噪点,达到了一个较为理想的效果。

4 车牌系统的图像处理及仿真

图片采集作为车牌识别系统设计的第一步,往往十分关键,采集图片的好坏也直接影响到系统的识别率。如同现行通用的电子抄牌系统,也对图片采集有一定的要求,譬如车牌在图片中出现的大概位置以及光照程度等等,都是必须考虑的因素。正基于此,本文实验仿真采集了40多张各不相同的车牌图片,由于光照条件比较好,所摄图像车牌位置比较固定,且图像比较清晰,因此所拍图片全部被接纳作为实验图片,从而也能够更真实地反应车牌识别系统的车牌识别率高低。

图2 车牌原始照片 图3 图片灰度显示 图4 图片处理后二值化显示

5 结束语

本文对车牌识别系统中的图像处理过程进行了研究,通过对图像依次进行灰度转换,去噪,以及二值化的处理,在处理过程中同时均衡采取不同原理,按照从简从优的思想,以获得清晰的车牌号码。仿真实验表明,本文的图像处理过程能满足车牌识别的要求,具有一定的实用性。

参考文献:

[1] 林蔚天.图像处理与汽车牌照识别[J].山东理工大学学报,2007,11(6):46-48.

[2] 孔宏琦.利用中值滤波进行图像处理[J].长安大学学报,2006,3(7):67-68.

[3] 田捷,沙飞,张新生.实用图像分析与处理技术[M].北京:电子工业出版社,1995.

[4] 孙即祥.现代模式识别[M].长沙:国防科技大学出版社,2006.

篇8

目前,各大3G厂商纷纷认识到位置服务这一杀手级业务有着巨大的市场规模和良好的盈利前景,因此加剧了对该业务的市场的争夺,导航电子地图行业风生水起。

世博会助力导航产业

作为世博史上首个导航地图赞助商,高德将携其导航电子地图进入上海世博会,提供世博会所需的多形态、多格式的导航电子地图(包括二维图、三维图、航拍图)及相关位置服务。上海世博会期间,所有世博会指定的导航终端设备里都将装载高德地图。不论是城际间,还是世博园区内,游客都会充分体验到高德地图在道路导航、实时交通、路线规划等方面的便利,能够通过简单的搜索操作快捷地到达目的场馆。此外,高德地图及相关技术还将运用在世博会管理者的指挥调度及其他相关位置服务中。

高德作为国内领先的导航电子地图供应商和位置服务提供商,在车载导航、便携导航、无线位置服务和互联网位置服务领域十分活跃,曾为北京奥运会提供“奥运交通实时路况信息”服务。

城市发展离不开通畅的交通,实时交通信息工具的逐步推广、使用成为导航产业关注的重要话题。目前,北京、上海、广州、深圳已经实现实时交通信息服务。上海世博会期间,实时交通信息服务将有效缓解交通拥堵,实现科技办博、节能环保的目标。

举世瞩目的中国2010年上海世博会,为中国导航技术升级和应用提供了一个巨大舞台,实时导航和信息服务生活的精彩将超出人们的想象。中国导航技术将确保做好世博会期间交通服务工作,创新开展车载信息服务市场营销,协同推进中国导航产业的发展,积极推动导航技术演进,用最先进的导航技术和应用全面服务世博会。

商业模式需要创新

任何产业都需要关注商业模式,不仅仅是技术上的跟进和创新,商业模式的创新也能带来很大的经济效益。随着3G网络的完善,下一代移动互联网离我们的生活越来越近,这使得带有双向通信功能的GPS导航产品将成应用趋势。未来的导航模式将围绕移动互联网的动态信息和与车载终端、手持终端之间的有效互动展开。

目前导航电子地图市场已经进入了快速发展期,由于地图信息的时效性很强,对于无论是车载导航还是便携式导航产品,带双向通信功能的终端产品一定会是未来导航硬件的发展趋势。

对于地图软件厂商来说,目前主要的商业模式是以卖产品和服务为主。不过,新兴的智能交通导航信息平台系统、新媒体运用等先进的运营方式将会极大地提升地图软件市场份额的增长。智能交通系统通过信息提供者、运营商等产业链上的各环节的多方合作,将智能交通信息及时地提供给用户。此外,由于使用GPS的人群是具有一定消费能力的用户,因此,可以针对这些用户进行一些类似于广告信息、搜索等,这也是未来增长的一个热点。

目前,面向个人消费者的移动服务平台已经非常完善,如在线商务服务平台、电子交易平台、打折购物交流平台、餐饮娱乐信息交流平台等。通过整合互联网的相关资源,在线提供导航数字地图等信息服务成为导航服务提供商的重要商业模式。

篇9

［关键词］物联网 核心技术 应用 标准化

物联网是新一代的IT技术，可以应用于许多领域。物联网通过借助网络能够实现物物联通，可以方便识别和管理，达到“智能”的状态。

近年来，物联网概念在国内乃至全球都成为热潮，物联网被称为继计算机、互联网之后世界信息产业第三次浪潮。据专家预测，未来10年内物联网将大规模普及，其产业规模会达到互联网的30倍，是一个万亿元级的高科技产业。

一、概况

1995年，比尔•盖茨在他的《未来之路》中首次提到了物联网的概念，但受当时无线网络、硬件及传感设备等技术的发展的限制，比尔•盖茨的“物联网”概念并未引起太多关注和重视。1999年，美国麻省理工学院（MIT）的自动识别技术中心(Auto-ID Center)首次提出了EPC（Electronic Product Code）系统，再次明确了物联网这一理念。2005年，国际电信联盟正式提出物联网概念。2009年初，美国总统奥巴马就职后将“新能源”和“物联网”列为了整型经济的两大武器，这使物联网再次受到广泛关注。

同时，我国也在加速推进物联网的发展进程。2002年10月，麻省理工学院自动识别中心（MIT Auto-ID Center）在复旦成立分部，正式开启了RFID在我国的研究进程，为我国的物联网发展打下了基础。2009年8月，总理在无锡微纳传感网工程技术研发中心视察时指出，“在国家重大科技专项中，加快推进传感网发展”，“尽快建立中国的传感信息中心，或者叫‘感知中国’中心”，自此，“感知中国”越来越深入人心，备受关注。2010年，物联网成为“两会”的热门话题，“积极推进‘三网’融合，加快物联网的研发应用”也首次写入政府工作报告。

二、概念分析

鉴于对物联网的浓厚兴趣，在研究领域有多种对物联网的定义。这也恰恰证明了对物联网探讨的活跃性。

国际电信联盟（ITU）对物联网的定义最为大家所熟知，即：“无论何时何地对何人，都将实现物物联通”。 欧洲委员会（European Commission）也持有相似观点，在该组织对物联网最新定义中指出“在智能领域中具有可识别的虚拟身份的物品通过智能端口实现与社会、环境及用户的连接和交流”。

在仅基于RFID的方面，CASAGRAS组织给出了一个较好的物联网定义。该组织成员关注于“一个物品可以自动地跟计算机交流，并能做到物物联通，提供对人类有益服务的世界”。

意大利学者Luigi Atzori等从物品、互联网、语义三个不同的出发点总结了物联网的含义，称物联网具有“一框架、多视角”。

另外，从技术角度看“物联网”是“基于标准通信协议唯一可寻址的物品可以相互连接的世界范围内的网络”。 即通过射频识别（RFID）、红外感应器、全球定位系统、激光扫描器等信息传感设备，按约定的协议，把任何物品与互联网连接起来，进行信息交换和通讯，以实现智能化识别、定位、跟踪、监控和管理的一种网络。

三、关键技术

将物联网的概念变得现实可行要依赖诸多支撑技术的集成，其中比较关键的技术包括：射频识别（RFID）技术、传感器技术、智能技术和纳米技术。

1.射频识别（RFID）技术

射频识别（RFID）技术是一类非接触的自动识别技术。通过射频信号自动的识别物品并获取相关信息。RFID技术通过RFID标签来标记物品。该技术的优势在于远距离（读取半径可达数米甚至数十米）、穿透力强（可直接读取包装箱里面物品的信息）、无磨损、非接触、防污染、高效率（可以同时识别多个标签）及信息量大等。RFID技术是物联网最核心的技术之一。

一个典型的RFID系统通常包括RFID标签、阅读器和信息处理系统。当一件带有RFID标签的物品通过特殊的信息阅读器时，标签就会被阅读器激活，标签内的信息就会通过无线电波传输给阅读器和信息处理系统，这样就完成了信息的采集工作。信息处理系统负责控制并根据具体要求适当地处理信息。由于每个RFID标签都会有唯一的识别码，要是标签使用多种数据格式且这些格式互不兼容，在闭环情况下，对企业是毫无用处的，而在开环情况下，使用不同标准的RFID会使产品不具有通用性，对全球化的商品流通有很大危害。因此，为了充分利用RFID技术并在经济全球化的背景下普及商品RFID标签的应用，有必要采用全球统一的标准，这对物联网的快速发展也是相当有利的。

2.传感器技术

传感器负责物联网中的信息采集，是实现“感知”世界的基石，也是实现物联网各种服务和应用的基石。传感器是指对被测物品的某些信息具有感知和探测能力，并能根据转换规则将这些信息转换成相应的有用信号的器件或设备。它们通常由敏感性部件和转换部件组成。如果没有针对原始信息的捕获和转换的准确性和可靠性的测量的传感器，那么所有准确的检测和控制都将无法实现。即使是最先进的计算机，如果没有准确信息和无失真录入，也将不法充分发挥功能。

3.传感器网络

传感器网络在物联网中也扮演着关键角色。事实上，传感器网络可以与RFID系统配合对物品的状态（如位置、温度、运动轨迹等）进行更好地追踪。传感器网络可以增加对既定环境的认知度，继而成为现实世界和数字世界的桥梁。传感器网络可以在诸多应用领域发挥作用，如环境监控、电子医疗、智能交通、军事、制造业监控。

传感器网络由一定数量（该数量可以十分巨大）的以无限多跳模式通信的传感节点组成。通常节点将传感结果报告给一小部分（大多数情况是一个）被称为接收器的特殊节点。近年来，针对传感器网络有大量的科学研究文献，指出了协议栈各层的若干问题。 提出的解决方案的主要目的集中在节能（针对包括传感器网络在内的大多数情景的资源匮乏问题），可扩展性（节点数量可以大幅度增加），可靠性（网络可以用于紧急报警情况），鲁棒性（传感节点的失效可以收敛于某几个原因）。

4.智能技术

智能技术是为了有效地达到某种预期的目的，利用知识所采用的各种方法和手段。通过在物体中植入智能系统，可以使得物体具备一定的智能性，能够主动或被动的实现与用户的沟通，也是物联网的关键技术之一。

智能技术的研究热点包括人工智能（AI）、先进的人机交互技术与系统、智能控制技术与系统和智能信号处理。

5.纳米技术

纳米技术，是研究结构尺寸在O.1-100nm范围内材料的性质和应用。纳米技术的优势（用纳米材料制作的器材重量更轻、硬度更强、寿命更长、维修费更低、设计更方便）则意味着物联网中体积越来越小的物体能够进行交互和连接。伴随着纳米技术和微型机电系统（MEMS）技术的应用，传感器的尺寸在不断变小而准确性却不断提高，同时，传感器的应用领域也因此在不断拓展。

四、应用领域举例

1.智能交通

智能交通系统（ITS）是指将先进的信息技术、数据通讯传输技术、电子控制技术、计算机处理技术等应用于交通运输行业从而形成的一种信息化、智能化、社会化的新型运输系统，它使交通基础设施能发挥最大效能。该技术于上世纪80年代起源于美国，随后各国都积极寻求在这一领域中的发展。

智能交通系统具有以下两个特点：一是着眼于交通信息的广泛应用与服务，二是着眼于提高既有交通设施的运行效率。典型应用是全自动电子收费(Electronic Toll Collection, ETC)又称不停车收费。

2.智慧物流

现在越来越多的汽车、客车、火车以及公路、铁路都安装了传感器、制动器及相关处理设备。公路自身以及被运输的货物都安装了电子标签和传感器，这样可以方便地进行交通控制，传输重要信息，优化运输车辆的运输线路，及时监控被运输货物的状况。

基于RFID和NFC（近距离通信）的实时信息处理技术可以实现对供应链各个节点的实时监控，从商品设计、原材料采购、生产到半成品及成品的运输、仓储、配送和销售，再到退货处理和售后服务。该技术可以实现迅速、及时、准确地获取产品的相关信息，这样企业甚至整个供应链就可以在最短的时间内对复杂多变的市场做出响应。传统企业从收到客户需求到提供满足需求的商品的反应周期约为120天，而运用该技术的先进企业（如沃尔玛、麦德龙）的响应时间只需几天，而且还可以做到零安全库存。此外，ERP的实时端口可以帮助商家为顾客提供更好地商品可获得性信息以及更多产品的总体介绍。

3.智能家居

智能家居可以被定义为一个程序或是一个系统。通过对先进的计算机技术、网络通信技术、集成线路技术及多种与家居生活有关的子系统的应用和集成管理，来使得家居生活更舒适、安全和高效。与传统家居相比，智能家居除了具有传统居住的特征外，还可以提供一系列全方位的信息交换能力来帮助家庭与外界保持联系，对时间进行合理调控，加强家居安全，甚至实现各种能源成本的节省。

分布在家里各处的传感器可以在以下方面使我们的生活更舒适：房间供暖可以根据我们的设定和天气状况进行自动调节，房间照明可以随着时间的改变而改变，实时监控和报警系统可以避免家庭事故的发生，电器设备空闲时可以自动关闭来节约能源。

五、争议问题

尽管许多关键技术使得物联网这一概念变为现实，并成功地应用在一些领域，将来还会有更多更好的应用领域。但物联网仍然需要大量努力进行持续性研究，因为还有很多重要问题未能解决。

1.标准化问题

现在，物联网的相关标准缺乏统一。一些利益相关者争相进行对自己有利的解读，使得政府部门、工业企业和市场各方对物联网的内涵和外延理解不清。这将使政府在对物联网发展的支持方向和力度上产生偏差，对物联网的健康发展产生负面影响。解决措施应从增强各国物联网标准化组织的协调合作入手，围绕物联网的发展需要，积极推动物联网的全球标准化，建立健全相关的标准制定体系。

2.安全和隐私问题

物联网极易受到攻击，原因有以下几个方面。首先，物联网的组件大部分无人参与，容易受到物理攻击。其次，大部分通信是无线的，极易被窃听。再次，大部分物联网组件都具有能源和资源配置低的特点，尤其是一些只需要被动执行的组件，这使得它们无法为支持安全实施复杂的配置方案。

特别是，安全涉及到的问题主要是有关身份认证和资料完整性的。认证难以实现通常是因为认证需要适当的设备和服务器来完成与其它节点恰当的信息交换。在物联网中这种恰当的信息交换无法实现，因为RFID标签所承载的信息量太有限，无法跟相交换的服务器的信息量相匹配。传感器节点也存在类似的问题。

隐私的概念在我们的文明进程中根深蒂固，凡是文明国家都通过立法对隐私加以认可和保护。正如我们所言，对隐私的保护是物联网技术传播过程中一个突出障碍。 人们关注隐私是无可争议的。事实上，物联网中数据的采集、挖掘和提取方法与我们通常意义上认识到的完全不同，期间有相当大量的个人信息会被有意或无意的收集到。因此，对于个人是不可能对个人信息的外泄进行完全控制的。

在某些方面，物联网所代表的环境对个人的隐私的确造成了严重的威胁。传统的互联网隐私问题大部分是由互联网用户引发的，即用户个人扮演的是主动角色；但物联网状态下的隐私问题甚至在一些根本不使用其服务的人身上也会发生。

因此，想要保护个人隐私就要使个人有能力对涉及自身信息的采集进行控制，诸如是谁进行的信息采集，什么时候采集的等等。此外，个人信息的收集只能由通过审批的服务提供商进行，并且只能用于支持用户的认证服务。同时，这些个人信息保存要严格保密，只在必要时使用。

六、结语

本文主要探讨了物联网几个重要的方面，旨在强调已经取得了哪些成果，还有哪些问题需要进一步研究。总的来说，概念分析使我们认识和了解了物联网但其定义却没有规范和统一，现有技术使物联网概念变得可行化却在可扩展性和有效性上无法达到要求，实际应用使物联网更具有现实意义但在实现上和效率上还需要更多的努力。总之，无论学术界还是产业界对物联网的浓厚兴趣推动了物联网在各方面的快速发展，同时也推动了物联网的进一步研究和深化，相信在不远的将来，现有的一些问题将不再成为问题，物联网的发展也必将越来越成熟。

参考文献：

[1]Luigi Atzori, Antonio Iera, Giacomo Morabito, The Internet of Things: A survey, Computer Networks 54 (2010) 2787-2805.

[2]I.F. Akyildiz, W. Su, Y. Sankarasubramaniam, E. Cayirci, Wireless sensor networks: a survey, Computer Networks 38 (4) (2002) 393-422.

[3]赵海霞.物联网关键技术分析与发展探讨[J].中国西部科技，2010(5):25-43.

篇10

物联网是我国信息产业的革命性发展。2009年，我国的RFID产值就达到了85亿元，居全球第三位，仅次于英国和美国。我国将打造全球产业高地。

告诉一个你不知道的“物联网”时代：当司机出现操作失误时汽车会自动报警；公文包会提醒主人忘带了什么东西；衣服会“告诉”洗衣机对颜色和水温的要求；货车超重时，汽车会自动告诉你超载了多少，轻重货怎样搭配；卸货时，一包货物可能会大叫“你扔疼我了”“亲爱的，请你不要太野蛮，可以吗？”司机开车闲扯时，货车会装作老板的声音怒吼“笨蛋，该发车了！”……

什么是物联网？

物联网这个概念，早在1999年就提出来了，当时叫传感网。它是一种网络概念，就是按约定的协议，把任何物品与互联网相连接，以实现智能化识别、定位、跟踪、监控和管理。

物联网是什么？我们经常会说RFID，这只是感知。物联网的价值在于网，而不在于物。如果没有一个庞大的网络体系，不能进行管理和整合，那网络就没有意义。所以，物联网就是“物物相连的互联网”。

1.很多人把传感网、RFID网等技术视为物联网。事实上，所有能够实现自动识别与物物通信的技术，如传感技术、RFID技术、GPS、视频识别、红外、激光、扫描等，都是物联网的某一种应用。

2.很多人把物联网当成互联网的无边无际的无限延伸。实际上，互联网也有广域网和局域网之分，物联网绝不这么简单。

它既可以是互联网向物的延伸，也可以是局域网、专业网。今后的物联网与互联网会有很大不同。它最大的应用空间是：专业网，如智慧物流、智能交通、智能电网等；局域网，如智能小区等。

3.很多人认为物联网是空中楼阁，是目前很难实现的技术。事实上，物联网是实实在在的，很多初级的物联网应用早就在为我们服务。

它用途广泛：遍及智能交通、环境保护、政府工作、公共安全、平安家居、智能消防、工业监测、环境监测、老人护理、个人健康、花卉栽培、水系监测、食品溯源、敌情侦查和情报搜集等多个领域。

物联网的“国际履历”

1990年，施乐公司的网络可乐贩售机，揭开了物联网的神秘面纱。

1999年，物联网的概念形成。

2003年，物联网被誉为“未来改变人们生活的十大技术之首”，国际上掀起第一轮物联网热潮。

2005年，物联网不再只是基于RFID技术的物联网。

2008年，各国政府将目光放在了物联网上。

2009年，奥巴马接受“智慧地球”的概念，将物联网列为振兴经济的重点。

2009年，物联网被正式列为国家五大新兴战略性产业之一，写入“政府工作报告”。

现状及物联网之最

中国物联网产业仍处于概念导入期,清华大学技术创新研究中心一份调查报告预计，到2020年，中国物联网市场规模将超过1万亿元。

物联网市场前景广阔已成共识，但我国尚处于发展初期，应用水平较低，产业规模小，缺乏龙头骨干企业。国内研究机构数量众多，但达到应用水平的还不多，重复性工作居多。物联网产业仍处于概念导入期和产业链的初步形成阶段。

物联网产业链现雏形。目前，我国物联网需要的上游技术和产业都已成熟或基本成熟，如自动控制、信息传感、射频识别等技术，下游的应用也已广泛存在。同时，产业呈现各环节迅速聚合联动之势，如电信运营商、高校、科研机构、传感器企业、系统集成、应用软件开发等。

物联网时代即将来临。未来十年，重点应用领域投资可达4万亿元，产出8万亿元。

2010年9月，《国务院关于加快培育和发展战略性新兴产业的决定》中确定了七大战略性新兴产业，明确将物联网作为新一代信息战略性产业。工信部主办的“2010中国通信产业十大关键词”评选活动中，“物联网”继2009年后,再次入选，名列十大关键词第2位,彰显出其重要的战略地位。

2011年上半年，物联网开始步入政策资金扶持阶段。5月，5亿元的专项基金主要用于物联网技术研发和产业化、标准研究与制订、应用示范与推广、公共服务平台等方面的项目支持。6月，财政部增加了为服务外包、物联网企业提供场所服务的贴息。

技术理论家指出，我国物联网现存在五大问题，短期内，物联网技术不能带来产出的快速增长。这些挑战和制约因素包括：标准规范、核心技术、统筹规划、商业模式、规模应用。

物联网之最――

1.国际标准制定的主导国之一。我国的无线通信网络已经覆盖了城乡，这是实现“物联网”的基础设施。在世界传感网领域，中国与德国、美国、韩国一起，具有国际话语权。

2.国内研究物联网的核心单位：中科院无锡微纳传感网工程技术研发中心。

3. 国内最早的物联网学院：物联网与传感网研究院、物联网学院。2009年成立。

4.我国第一家高校物联网工程学院――物联网工程学院，于2010年成立。

5.首个全国性物联网产业社团组织――物专委，于2010年成立。

6.最大的政策性投入：物联网“十二五”规划出台，产业规模超5000亿元。财政部50亿元物联网专项资金支持，预计5年内发放完毕，共有600多家企业申报。预计到2015年，产业规模将达2000亿元。形成万亿级规模的时间节点预计在“十三五”后期。

7.十大物联网应用重点领域：智能电网、智能交通、智能物流、智能家居、环境与安全检测、工业与自动化控制、医疗健康、精细农牧业、金融与服务业、国防军事；建成50个面向物联网应用的示范工程，5到10个示范城市。

8.主流媒体：《物联网技术》月刊、《物联网世界》杂志、物联网世界――行业门户网站、物联中国、国脉物联网。

问题

1.规模化行业应用不足。国内物联网产业链较为零散，缺乏主导力量，尚未找到清晰的商业模式。物联网的许多相关技术仍在开发测试阶段，离不同系统之间融合、物与物之间普遍链接的远期目标还存在一定差距。

物联网的市场潜力巨大，产业链的任何一个环节都举足轻重。目前，我国物联网产业下游的通信运营商和中游的系统设备商都已是世界级水平，但是，其他环节相对欠缺，初期成本居高不下，产业链的不完善在一定程度上制约了物联网产业的发展。

2.商业模式缺失。我国物联网技术在很多领域开始应用，如铁路、交通、电力、治安、石化、卫生医疗、城市管理……但应用的层次还比较低，多为项目试点、片段应用。同时，这些平行的“行业”信息分散，各自为政，急待形成有效的资源共享。

所谓的商业模式，包括：

客户全部自建模式：典型的代表有电力行业的电力远程监控、水利行业的水文监控、环保行业的污染源监控等。

平台租赁运营模式：GPS车辆定位、视频监控在这个模式下使用得最多，当然也包括通信运营商搭建的公共平台。

广告模式：广告商通过广告收入来支付物联网平台运营费用。由于物联网的物品管理可以做到精细化，因此也越来越成为广告商看好的一个渠道，像出租车、公交车的移动LED(电视)，楼宇、营业厅的移动广告机等。

政府BOT模式：通过政府公共收费系统，实现项目的运营收入来支付相关费用。比较典型的例子就像公共停车位的收费管理，通信运营商搭建停车场管理的平台等。

移动支付模式：客户自建平台，租赁网络，通过现金的佣金补贴相关费用。如银行的移动POS应用，移动支付和一卡通的应用等。

3.地方盲目投资。我国各地政府机构积极开展物联网相关产业发展工作，90%以上的省份都把物联网作为支柱产业，几乎所有一二线城市都在建设或筹建物联网产业园、产业联盟。到2015年，广州、重庆、浙江、江苏等地的物联网产业规模分别将达1000亿元、1000亿元、2000亿元和4000亿元。福建省则提出到2012年实现物联网相关产业产值300亿元。

但是，很多地方将物联网视为短平快项目，着眼于短期拉动GDP增长，热衷于引进组装或简单的集成。还有不少地方盲目投资引进国外系统和设备，一哄而上，学费。在全国范围内，尚未进行统筹规划，各部门之间、地区之间、行业之间的分割情况较为普遍。所以，总的来说，各地政府发展物联网的积极性高涨，但虚火过旺。

尽管很多企业打出物联网概念，但实际上并不具备行业应用前景，这些公司在申请专项补贴时，也会遇到困难。

物联网不是一个小产品，也不是一个小企业可以做出来，它不仅需要技术，更牵涉到各个行业、产业，需要多种力量的整合。因此对于复杂的物联网，国家的产业政策和立法上要走在前面，要制定出适合这个行业发展的政策和法规，政府必须要有专人和专门的机构来研究和协调，才能有真正意义的发展。

4.企业参与热情不高。厦门信达汇聪科技有限公司市场总监温国平说：“物联网行业市场准入门槛较高，目前没有统一标准和实施规范，规模不大的企业技术导入较难，有实力的企业只是在试水阶段，没有形成产业链。”

企业不热情的原因很简单：物联网尚处在孕育发展阶段，往往投入大、风险高、周期长，缺乏用户需求的持久动力，产业化应用成熟度较低。

此外，物联网的兴起，还会引发国家安全、个人隐私、政策法规、技术标准等诸多问题。

应用案例：

1.上海浦东国际机场投入1500万元，率先使用物联网传感器。由于效率高于美国和以色列的防入侵产品，国家民航总局正式发文要求，全国民用机场都要采用国产传感网防入侵系统。至2009年8月，仅浦东机场直接采购传感网产品金额为4000多万元，加上配件共5000万元。若全国近200家民用机场都加装防入侵系统，将产生上百亿的市场规模。

2.济南园博园点亮无线路路灯控制系统。

3.多个城市使用智能交通系统。

4.苏州投用首家高铁物联网应用技术。高铁物联网作为物联网产业中投资规模最大、市场前景最好的产业之一，刷卡购票、手机购票、电话购票等新技术，让旅客轻松进入快速通道。

5.国家电网首座220千伏智能变电站，实现“无人值守和巡检”。

6.广州出现首家手机物联网。预计至2015年，手机物联网市场规模达6847亿元。

发展趋势

1.实际应用。物联网的价值不在于是一个可传感的网络，而在于各个行业参与进来进行应用。不同行业，会有不同的应用，也会有各自不同的要求，这些必须进行深入的研究和有价值的开发。

这些应用开发不能依靠运营商、物联网企业。这是非常难的一步，需要等待时间来解决。等到企业看清楚物联网带来的商业价值，就会主动研发和应用了。

2.宏观效益。物联网一方面可以提高经济效益，大大节约成本；另一方面可以促进全球的经济复苏。目前，美国、欧盟等都在投入巨资，深入研究探索物联网。我国也正在高度关注、重视物联网的研究，工信部正在开展研究，以形成支持物联网发展的政策措施。

“物联网”普及后，将会成为推进经济发展的驱动器，为产业开拓又一个潜力无穷的发展机会，同时，增加大量的就业机会。

3.发展方向。很多行业，未来的发展重点都是物联网，如中国移动等。目前，上海移动已将10万余个芯片装载在出租车、公交车上，形式多样的物联网应用，在各行各业大显神通，确保城市的有序运作。在上海世博会期间，“车务通”全面运用于上海公共交通系统，以最先进的技术保障世博园区周边大流量交通的顺畅；面向物流企业运输管理的“e物流”，将为用户提供实时准确的货况信息、车辆跟踪定位、运输路径选择、物流网络设计与优化等服务，大大提升物流企业综合竞争能力。

4.物联网的两个重要因素。一是规模性，只有具备了规模，才能使物品的智能发挥作用。例如，一个城市有100万辆汽车，如果我们只在1万辆汽车上装上智能系统，就不可能形成一个智能交通系统；二是流动性，物品通常都不是静止的，而是处于运动的状态，必须保持物品在运动状态，甚至高速运动状态下都能随时实现对话。