王菲语录

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇王菲语录范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

王菲语录范文第1篇

王振飞鹤工鹰鸣是荷兰留学归来的建筑师，也是一对默契又互补的“设计夫妻档”王鹿鸣热爱新知，触点广泛，王振飞则有着偏向严谨的完美主义情结，设计被他们“翻译”成一种史其启发意义的，艺术化的形式。在这种“翻译”的过程中，确定的本质产生不确定的多元呈现所带来的启发，是他们所痴迷酌。他们希望这种不确定的启发也可以影响到人们更多的生活方面我们的设计是利用专一的方法论来指导广泛的领域实践。我们一直专注于参数化设计的研究希望可以做得深入并且有所发展，但同时，我们的剖作领域又很宽泛――建筑、艺术、展览设计，等等，我们会以这些不同的身份去贯彻我们的基本理论。我们之所以执着于参数化设计，是由于本身的特性会在设计的过程中产生很多的不确定性而这些不确定的因素常常给我们带来惊喜，这的确是件有趣的事!

我们刚刚为上海的荷兰文化馆做了名为“双倍无限”的展览设计该展览由荷兰van Abbe博物馆与Anhub亚洲联合举办，由一场展览，系列表演，讲座活动以及一本书籍组成。对于展览空间设计，我们也是用参数化设计生成的方式，通过自由的流线形式达到对“无限”的表达。参观者在这样的展览空间中有了更多主动的体验，比如说，小朋友想顺着隔断往上爬，有的人或许觉得舒服，坐着就睡着了……展览方式本身也是展览的重要部分。

我们喜欢关注一些和设计完全不相关的东西，最近比较关注的是旅行和生物学。因为刚刚结束了―次旅行――在欧洲的很多城市中游走，好像出于职业习惯，不停地看建筑，各式各样的建筑。但是，渐渐发现，其实那些我们奉为经典的建筑对城市的影响并不大。反而是城市本身积淀的地理人文更能吸引我们。当然，也有印象深刻的建筑，比如，波尔多音乐厅，OMA的建筑本身提供了一种全新的音乐体验方式，是我们之前所没有体会过的。这样的建筑和空间对人来讲，很有意义。至于生物学，让我们感兴趣的是生物进化中高度智能的体系，这其中的规律和内涵让我们觉得很奇妙!

我们对时尚和潮流的东西，不懂也不热衷。但是会在意使用物件的品质和设计细节。对于品牌反而不太注重。艺术方面，相比较传统的艺术来讲，我们更关注新媒体艺术，因为很多新的媒材的艺术作品鼓励了人们回归场所。比如埃利亚松和马岩松最近合作的作品《感觉即真实》，只有在那个场域中作品才可以成立，并且对于参与其中的每一个人都会产生关联并有所启发。

王菲语录范文第2篇

关键词：无线传感器网络；路由协议；分簇；多跳；能量有效

中图分类号：TP393

文献标志码：A

文章编号：1001-9081（2016）11-3010-06

0 引言

无线传感器网络（Wireless Sensor Network，WSN）是由部署在监测区域内大量的传感器节点组成，通过无线通信方式，监测和收集区域内对象信息的多跳自组织网络系统。随着信息技术的发展，WSN在生物医疗、国防军事、环境检测、抢险救灾、城市管理、智能家居、工农业控制等领域有着广泛的应用前景。无线传感器网络最突出的特点是传感器节点能量有限且不可再生，所以在无线传感器网络中，降低网络能量消耗、延长网络生存周期是面临的重要挑战[1]。

层次路由协议通过分簇在一定程度上延长了无线传感器网路的生存周期。其中低功耗自适应集簇分层（Low Energy Adaptive Clustering Hierarchy， LEACH）[2]协议通过随机选择一小部分节点作为簇头节点并采用周期轮换机制，但由于随机选择簇头节点导致簇头节点分布不合理。此外，在数据传输阶段，簇头节点与汇聚节点直接通信，导致簇头节点的能量消耗过快。吕涛等[3]通过引入簇成员数门限和合并极小簇的方法，避免存在极大簇和极小簇。文献[4]针对LEACH协议频繁地选择簇头节点消耗过多的能量提出了一种基于LEACH的簇头连任协议（cluster head Reappointment protocol based on LEACH， LEACH-R），有效地延长了网络的生存周期。

针对均匀分簇存在簇间能耗不均衡的问题，李成法等[5]提出了一个能量高效的非均匀分簇（Energy-Efficient Uneven Clustering， EEUC）算法。EEUC通过使用非均匀的竞争范围来构造大小不等的簇，使得靠近汇聚点的簇的规模小于远离汇聚点的簇，均衡了簇头节点的能量消耗。尚凤军等[6]提出了分布式能量有效非均匀成簇（Distributed Energy Efficient Unequal Clustering， DEEUC）算法，在选择簇头时，加入了平均能量因子平衡全网节点的剩余能量，并通过调节簇头竞争半径调节簇的大小，在一定程序上缓解了能耗不均衡的问题，但离基站比较近的簇头频繁转发其他簇头发送的数据包，因此消耗更多的能量，使得离基站近的簇头容易死亡，产生“热点”问题。蒋畅江等[7]提出了能量均衡的无线传感器网络非均匀分簇路由（Distributed Energy-Balanced Unequal Clustering routing， DEBUC）协议。DEBUC在选择簇头时，参考候选簇头的剩余能量和邻居节点的剩余能量，采用基于时间的簇头竞争算法，通过控制候选簇头的竞争范围，使得距离基站较近的簇规模较小。数据传输时，簇头节点根据节点剩余能量、簇内通信代价和簇间通信代价，在邻居簇头中选择中继节点作为下一跳； 但存在离基站较远的簇规模过大，节点能量消耗过多的问题。文献[8]中提出了能量有效的LEACH改进协议（Energy Efficient Extended LEACH， EEE LEACH）。EEE LEACH采取分层的思想，在簇头节点之间选取一些主簇头节点。簇内节点将数据发送给簇头节点，簇头节点将融合后的数据发送给距离最小的主簇头节点，主簇头节点将接收的数据包发送给汇聚节点。但是EEE LEACH存在主簇头节点选择不合理以及主簇头节点能量消耗过大的问题，影响网络的生存周期。黄廷辉等[9]提出了基于非均匀分簇的无线传感器网络分层路由协议（Hierarchical Routing Protocol based on Non-uniform Clustering， HRPNC）。HRPNC在分层的基础上改进了DEBUC协议的竞争半径，控制了节点竞争半径的范围，避免了大规模网络中离基站远的节点竞争半径过大的问题。在簇头选择时，HRPNC随机选择一些节点作为候选簇头节点，再依据节点竞争半径选择簇头节点，而节点的基准竞争半径取决于每层的面积和节点数目。由于HRPNC没有考虑节点的能量以及密集程度，存在簇头节点选择不合理的问题。

针对以上一些协议的不足，为了解决簇头节点选取不合理以及能量消耗不均的“热点”问题，本文提出了一个非均等分区的非均匀分簇路由协议（Unequal partition Area Uneven Clustering routing protocol， UAUC）。UAUC通过结合非均等分区以及综合考虑能量因子、距离因子以及密集程度因子选择簇头节点，使簇头节点分布更加合理。在数据传输时，通过构建合理的路径树，均衡节点之间的能量消耗，提高网络的生存周期。

1 网络与能耗模型

1.1 网络模型

本文假设无线传感器网络中所有节点随机分布在一个矩形区域内，网络模型具有以下性质：

1）节点随机均匀地分布在监测区域中。

2）基站位于监测区域底边中点处，且位置固定。

3）基站具有较强的计算能力、存储能力，且能量不受限制。

4）所有节点都具有唯一的标识（ID），能量受限。

5）节点可以通过计算得出当前的剩余能量。

6）节点不具有位置感知能力。

7）节点具有相同的通信能力。

1.2 能耗模型

本文采用与文献[2]中相同的无线通信能耗模型。如图1所示，该模型考虑了无线传输中发射电路发射信号的能耗，功率放大器的能耗以及接收电路中接收信号的能耗。功率放大器的能耗与传输距离d有关：当d

2 基于非均等分区的路由协议UAUC

本文提出的基于非均等分区的路由协议UAUC分成三个阶段：第一阶段，非均等分区阶段；第二阶段，选择簇头节点以及簇的形成阶段；第三阶段，数据传输阶段。

路径树的构建流程如下：

步骤1 开始，节点初始化。

步骤2 簇头节点广播数据包，找到邻居节点，构造出关系图G。

步骤3 根据关系图G，对节点进行分级。与基站可直接通信即图G中与基站Sink直接有边相连的节点定义为一级节点，与一级节点有边相连的节点定义为二级节点，依次确定所有节点的等级。

步骤4 以基站Sink为根，一级节点作为树的第一层节点，二级节点以一级节点作为父节点。当二级节点只与一个一级节点有边相连，则直接选择此一级节点作为父节点；否则在一级节点中选择使WL（i）最大的节点作为父节点，直到所有节点遍历完成。

步骤5 结束。

以图3为例，图3（a）表示一个基站与簇头节点之间的关系图G，0号节点表示基站，1号节点到16号节点表示簇头节点。根据关系图G，可得到节点的等级数。一级节点为：1号节点、2号节点、3号节点和4号节点；二级节点为：5号节点、6号节点、8号节点、9号节点和10号节点；三级节点为：7号节点、11号节点、12号节点、14号节点、15号节点和16号节点；四级节点为：13号节点。一级节点作为路径树的第一层，二级节点作为路径树的第二层，依此类推。根据路径树的构建流程构造出一棵以基站为根节点的路径树，如图3（b）所示。簇头节点依照构建出的路径树，将数据包发送给自己的父节点。

2.4 算法分析

UAUC先将网络进行非均等分区，对每个区域选出合适的簇头节点，其他节点不考虑所在区域直接选择离自己最近的簇头加入成簇。数据传输时，簇内节点将数据包发送给簇头节点，簇头节点将接收到的数据包进行融合，然后按照构建的路径树将数据包发送给自己的父节点，直到将数据包发送给基站。

为了避免簇头节点能量消耗过快死亡，UAUC采用簇头轮换机制。与LEACH协议不同，UAUC协议用区平均能量表示该区域中所有节点的平均能量。当有簇头节点的能量小于所在区域的区平均能量时，对该区域的簇头节点进行重新选取，重新计算该区域中节点的value值，选择value值最大的节点替换原来的节点作为新的簇头节点。避免每轮全部选取新的簇头所消耗的能量和代价。

UAUC的伪代码如下所示，其中：n（i）.AreaNum代表节点n（i）所在的区域号， EnergyAvg（j）代表区域Aj的区平均能量，Nj表示区域Aj的节点数目。

程序前

ClusterHead selection algorithm

For every area Aj

For every node n（i）

If （n（i）.AreaNum==Aj）

Calculate value（i） according Eq（10）；

Else

Continue

End

End

Sort value（i），get the ClusterHead for the Aj；

End

Forming Cluster algorithm

For every ClusterHead（k）

Broadcast ClusterHead-MSG（ID）；

End

For every node n（i）

If n（i） ClusterHead（k）

Receiving all ClusterHead-MSG；

Calculate Distance To ClusterHead d（i，k）；

Select the ClusterHead with min d（i，k）；

Add n（i） to ClusterHead（k） and broadcast the

Join-ClusterHead-MSG（ID）；

End

End

Forwarding Message algorithm

For every node n（i）

If n（i）ClusterHead（k）

Forwarding（msg） to it’s ClusterHead（k）；

Else

Receiving the msg and Data fusion；

And Forwarding（msg） to parentNode in T；

End

End

Cluster head rotation algorithm

For every area Aj

EnergyAvg（j）=∑Nji=1n（i）.energy/Nj；

End

For every ClusterHead（k）

If ClusterHead（k）.Energy

Calculate value（i） in Aj according Eq（10）；

Select max value（i）；

ClusterHead（k）=ClusterHead（i）；

End

End

程序后

性质 UAUC的消息复杂度是O（n）。

证明 基站广播一个数据包，让所有节点计算到基站的距离；假设网络中有n个节点，则广播n个数据包，让所有节点计算密度因子。其中有k个节点被选作为簇头节点，簇头节点广播ClusterHead-MSG消息，宣布自己成为簇头节点。其余n-k个非簇头节点广播Join-ClusterHead-MSG消息，成簇。数据传输阶段，簇头节点广播一个数据包，确定自己的邻居节点。因此UAUC的消息复杂度是：1+n+k+（n-k）+k=2n+k+1，因此UAUC的消息复杂度是O（n）。

3 仿真与实验

为了验证UAUC的性能，本文使用Matlab作为仿真工具，与经典的LEACH协议、DEBUC协议和HRPNC协议进行性能比较，从簇头节点分布、网络生存周期、节点剩余平均能量、节点剩余能量方差和数据包接收量等方面评估本文提出的UAUC协议的性能。实验参数设置如表1所示。

在100m×100m的监测区域上随机部署200个节点，根据式（4）～（9），可得到参数r=20，那么区域数目k=12。

图4显示了LEACH协议、DEBUC协议、HRPNC协议和UAUC协议簇头节点分布对比情况，如图4（a）所示，LEACH协议由于随机选择簇头节点，导致簇头节点分布不合理。如图4（b）所示，DEBUC协议中竞争半径逐渐增大，使得离基站远的簇规模过大，尤其在规模比较大的网络中，容易出现极大簇，影响网络生存周期。如图4（c）所示，HRPNC协议通过改进DEBUC协议的竞争半径，缓解了DEBUC协议中离基站远的簇规模过大的问题，但簇头节点的分布仍存在问题。图4（d）显示了UAUC协议的簇头分布情况。UAUC协议通过对网络进行分区，在每个区域中选择合适的节点作为簇头节点，使得簇头节点分布更加合理。

图5显示了4种算法存活节点数量的变化曲线。从图5中可以看出，UAUC运行到约2000轮时才出现第一个节点死亡，约4200轮时，50%的节点死亡，直到4700轮，节点完全死亡。UAUC算法的网络生存周期相对于LEACH算法、DEBUC算法与HRPNC算法分别提高了88%，12%与17.5%。DEBUC算法仅仅通过节点与基站之间的距离控制簇头节点的分布，而UAUC算法通过非均等分区以及综合考虑多个因素选择簇头节点，使得簇头节点比DEBUC簇头节点分布更加合理，因此提高了网络的生存周期。

图6显示了4种算法节点平均剩余能量的对比曲线。从图6中可以看出，与LEACH算法、DEBUC算法和HRPNC算法相比，UAUC算法的节点剩余能量明显较高。DEBUC算法选择代价函数值最小的邻居节点作为下一跳，但中继节点并不进行数据融合而直接发送数据包，造成数据冗余。UAUC算法通过构建负载均衡路径树实现多跳传输并且进行数据融合，有效地提高了网络的能量效率。

图7显示了4种算法节点剩余能量方差随轮数变化的对比曲线。从图7中可以看出，LEACH协议的节点剩余能量方差最大，DEBUC协议与HRPNC协议的节点剩余能量方差较小，UAUC协议的剩余能量方差最小，且变化不大。表明UAUC协议通过构建合理的路径树实现多跳传输，有效地均衡了网络中节点能量消耗。

图8显示了4种算法数据包接收量的对比曲线。从图8中可以看出，随着仿真轮数的增加，存活节点数量减少，数据包接收量也随之减少。UAUC算法在数据包接收量上较LEACH协议，DEBUC协议以及HRPNC协议分别提高了400%，87.5%与25%。表明UAUC算法通过构建路径树有效地提高了数据包接收量。

4 结语

针对簇头节点分布不合理和节点能量消耗不均衡的问题，本文提出了一个基于非均等分区的路由协议UAUC。通过非均等分区，综合考虑能量因子，距离因子和密集程度因子选择合适的簇头节点，并且基于负载均衡的路径树实现簇间多跳数据传输。通过仿真验证，UAUC算法使得簇头节点分布更加合理，提高能量效率和数据包接收量，均衡能量消耗，延长网络生存周期。但是UAUC协议假设网络中的节点一直不间断地向基站发送数据包，并且该算法在大规模无线传感器网络中性能有所下降。

在今后的工作中，考虑针对大规模无线传感器网络，加入节点睡眠机制，当节点不需要发送和接收数据包时，使节点进入睡眠状态，节约节点的能量消耗；当要发送和接收数据包时，结束睡眠状态，进入活跃状态。怎样制定合理的状态转换机制将是下一步工作。

参考文献：

[1] 洪锋，褚红伟，金宗科，等.无线传感器网络应用系统最新进展综述[J].计算机研究与发展， 2010， 47（S2）：81-87.（HONG F， CHU H W， JIN Z K， et al. Review of recent progress on wireless sensor network applications[J]. Computer Research and Development， 2010， 47（S2）：81-87.）

[2] HEINZELMAN W B， CHANDRAKASAN A P， BALAKRISHNAN H. An application-specific protocol architecture for wireless microsensor networks[J]. IEEE Transactions on Wireless Communications， 2002， 1（4）：660-670.

[3] 吕涛， 朱清新， 张路桥. 一种基于LEACH协议的改进算法[J]. 电子学报， 2011， 39（6）：1405-1409.（LYU T， ZHU Q X， ZHANG L Q. An improved LEACH algorithm in wireless sensor network[J]. Acta Electronica Sinica， 2011， 39（6）：1405-1409.）

[4] LI Y Z， ZHANG A L， LIANG Y Z. Improvement of LEACH protocol for wireless sensor networks[C]// Proceedings of the 3rd International Conference on Instrumentation， Measurement， Computer， Communication and Control. Piscataway， NJ： IEEE， 2013：322-326.

[5] 李成法， 陈贵海， 叶懋，等. 一种基于非均匀分簇的无线传感器网络路由协议[J]. 计算机学报， 2007， 30（1）：27-36.（LI C F， CHEN G H， YE M， et al. An uneven cluster-based routing protocol for wireless sensor networks[J]. Chinese Journal of Computers， 2007， 30（1）：27-36.）

[6] 尚凤军， ABOLHASAN M， WYSOCKI T. 无线传感器网络的分布式能量有效非均匀成簇算法[J].通信学报， 2009， 30（10）：34-43. （SHANG F J， ABOLHASAN M， WYSOCKI T. Distributed energy efficient unequal clustering algorithm for wireless sensor networks[J]. Journal on Communications， 2009， 30（10）：34-43.）

[7] 蒋畅江， 石为人， 唐贤伦，等. 能量均衡的无线传感器网络非均匀分簇路由协议[J]. 软件学报， 2013， 34（5）：1222-1232.（JIANG C J， SHI W R，TANG X L， et al. Energy-balanced unequal clustering routing protocol for wireless sensor networks[J]. Journal of Software， 2013， 34（5）：1222-1232.）

[8] SHARMA M， SHARMA K. An Energy Efficient Extended LEACH （EEE LEACH）[C]// Proceedings of the 2012 International Conference on Communication Systems and Network Technologies. Piscataway， NJ： IEEE， 2012： 377-382.

[9] 黄廷辉， 伊凯， 崔更申，等. 基于非均匀分簇的无线传感器网络分层路由协议[J]. 计算机应用， 2016， 36（1）：66-71.（HUANG T H， YI K， CUI G S， et al. Hierarchical routing protocol based on non-uniform clustering for wireless sensor network[J]. Journal of Computer Applications，2016， 36（1）：66-71.）

[10] RAGHUVANSHI A S， TIWARI S， TRIPATHI R， et al. Optimal number of clusters in wireless sensor networks： an FCM approach[C]// Proceedings of the 2010 International Conference on International Conference on Computer and Communication Technology. Piscataway， NJ： IEEE， 2010：817-823.

[11] SALIM A， OSAMY W， KHEDR A M. IBLEACH： intra-balanced LEACH protocol for wireless sensor networks[J]. Wireless Networks， 2014， 20（6）：1515-1525.

[12] LI B， WANG W J， YIN Q Y， et al. An energy-efficient geographic routing based on cooperative transmission in wireless sensor networks[J]. Sciece China Information Sciences， 2013， 56（7）：1-10.

[13] 孙彦清， 彭舰， 刘唐，等. 基于动态分区的无线传感器网络非均匀成簇路由协议[J]. 通信学报， 2014， 35（1）：198-206.（SUN Y Q， PENG J， LIU T， et al. Uneven clustering routing protocol based on dynamic partition for wireless sensor network[J]. Journal on Communications， 2014， 35（1）：198-206.）

[14] GNAWALI， OMPRAKASH， FONSECA， et al. Collection tree protocol[C]// Proceedings of the 7th ACM Conference on Embedded Networked Sensor Systems. New York： ACM， 2009：1-14.

[15] SALEEM F， MOEEN Y， BEHZAD M， et al. IDDR： improved density controlled divide-and-rule scheme for energy efficient routing in wireless sensor networks[J]. Procedia Computer Science， 2014， 34（7）：212-219.

[16] RAZA W， KHAN I， ARSHAD F， et al. THEEM： threshold-sensitive energy efficient multi-hop routing protocol for WSNs[C]// Proceedings of the 2014 Ninth International Conference on Broadband and Wireless Computing， Communication and Applications. Piscataway， NJ： IEEE， 2014：20-25.

[17] TUNCA C， ISIK S， DONMEZ M Y， et al. Ring routing： an energy-efficient routing protocol for wireless sensor networks with a mobile Sink[J]. IEEE Transactions on Mobile Computing， 2015， 14（9）： 1947-1960.

[18] PANT M， DEY B， NANDI S. A multihop routing protocol for wireless sensor network based on grid clustering[C]// Proceedings of the 2015 Applications and Innovations in Mobile Computing. Piscataway， NJ： IEEE， 2015：137-140.

[19] PEI E， HAN H Z， SUN Z H， et al. LEAUCH： low-energy adaptive uneven clustering hierarchy for cognitive radio sensor network[J]. EURASIP Journal on Wireless Communications & Networking， 2015， 2015（1）：122.

王菲语录范文第3篇

关键词:高速公路;智能交通;收费系统;数据;大数据

中图分类号：TP30; U495文献标识码：A文章编号：1009-3044(2012)15-3752-03

Big Data Background: Studies,Analysis and Forecasts of the Highway Toll System Data

DU Yu-hui1，JIANG Jiao-li2

(1. Guangzhou Newsoft Technology Company Limited, Guangzhou 510101, China; 2. Guangdong Province Agricultural Machinery Test ing Station, Guangzhou 510515, China)

Abstract：This paper analysised the current status of the highway toll system data, for the amount of system data is increasing day by day, the diverse characteristics of the data structure, the Creatively put forward the problems faced by the highway toll system data in the context of big data, And explored the development trend of the future highway toll system data. Discourse of this paper, with a reference value on the future highway toll system data warehouse platform.

Key words：highway; intelligent traffic ; toll system; data; big data

自1988年中国第一条高速公路开始通车运营，到2012年，国内高速公路通车总里程达65000公里，广东省内的高速公路通车里程约为5500公里。高速公路的快速发展，提高了人、财、物等关乎经济发展的资源的快速流通，对中国经济的快速发展起到了重要作用。由于我国从上世纪80年代至今沿用“贷款修路、收费还贷”高速公路建设投资模式，造成高速公路路段、收费站林立。尽管交通部联合其他部委于2011年展开收费公路清理工作，并推进现代化收费系统建设，加快区域合并步伐，保障高速公路的通畅性，然而由于高速公路建设模式及复杂的投资关系，在今后相当长一段时间都难以大规模实现路段合并或撤并收费站。大量收费站的存在会持续相当长一段时间。

自80年代中期以来，随着互联网技术的普及和完善，人们将先进的信息技术、通讯技术、传感技术、控制技术以及计算机技术等有效地集成运用于高速公路收费体系，极大提高了收费和服务效率。同时，歧义路径算法、自由流模型等技术不断成熟完善，为未来高速公路收费体系跨越式发展和区域合并提供了坚实的技术支撑。在各种技术在高速公路有效运用的的背景下，各功能系统产生快速、大量、多样的数据，高性能的高速公路收费体系需要从数据中，快速获得有价值信息，就需依仗高效的数据查询、分析处理功能，也就是面向“大数据”的分析处理技术。对“大数据”的分析相比于传统的数据仓库应用，具有数据量大、查询分析复杂等特点，能提高收费效率，增强服务能力，提升管理的前瞻性，保障高速公路的通畅性，同时降低能源消耗，减轻环境污染。

1高速公路收费系统的现状及存在问题

1.1高速公路收费系统类型

高速公路收费体系的核心业务—收费系统，根据自动化程度的不同可分为人工收费、半自动收费、全自动机械收费、电子不停车收费（ETC）和半自动收费与全自动电子收费相结合的组合式收费等类型[1]。

高速公路收费体系的子系统有：收费站软件系统、路段收费中心软件系统、区域收费中心系统、省联网收费结算中心计算机系统以及业务支持类系统，例如：营运稽查系统、闭路监控系统、音频管理系统、视频管理系统、机电管理维护系统、道路养护系统、运营支持系统、紧急救援系统(EMS)、办公自动化系统（OA）等。

收费站软件系统包括数据通信管理子系统、参数浏览子系统、交接班子系统、报表管理子系统、数据备份与恢复子系统、发票管理子系统、车牌及卡号查询子系统、收费监控子系统、IC卡管理子系统等。

路段收费中心软件系统包括数据通信子系统、参数管理子系统、IC卡管理子系统、报表管理子系统、数据备份和恢复子系统、车牌和卡号查询管理子系统、收费监控子系统、图像稽查子系统、发票管理子系统等。

区域结算中心软件系统包括数据通信子系统、收费数据拆分和结算系统、数据分发系统、数据查询管理系统、人员管理与设置系统、IC卡管理系统；数据库管理系统、网络与系统管理系统、报表系统；安全保障系统等。

省联网收费结算中心计算机软件系统包括密钥管理系统、数据备份与恢复系统、粤通卡初始化系统、粤通卡库存管理系统、帐务管理系统、黑名单管理系统、通信管理系统、后台充值认证系统、交易认证系统、报表统计查询系统等。

1.2高速公路收费系统的现状

2010年l2月由交通运输部、国家发展改革委、财政部联合下发了《关于促进高速公路应用联网电子不停车收费技术的若干意见》，其中明确要求：扩大我国高速公路ETC车道的覆盖率，实现高速公路主要出入口均建有专用的ETC车道；力争到“十二五”期末，全国高速公路ETC平均覆盖率达到60%，ETC车道数达到6000条，ETC用户量达到500万个，非现金支付使用率达到40%。可以预计到ETC收费车道将是今后高速公路收费系统设计中要全面考虑的重点，在执行目前出人口车道数在3人4设置1入1出ETC车道原则外，在交通量较大的收费站可以适当增加ETC收费车道数量，这样即提高通行效率又符合国家政策导向。2011年年中，由交通运输部联合相关部委开展了收费公路整顿清理工作，也揭开了高速公路收费系统不断优化发展的大幕，通过优化高速公路收费方法，推动区域合并不断推进联网收费的区域和层次，满足人民群众对高速公路通畅性、舒适性的要求，与此同时提高通畅性也起到了节能减排等目的，可谓是一举两得。同时根据交通部“十二五”规划，要继续推进高速公路电子不停车收费系统的比例，推进国内联网步伐。

以广东为例，2012年已经着手对省内高速公路区域联网收费工作，并逐步推进高速公路区域合并，减少收费战数目，联网工作和区域合并工作的推进，未来高速公路运营中心将迎来“大数据”时代。广东高速公路联网收费要按照“分步实施、逐步完善”的原则，先在高速公路实施，再推广到其他收费公路。高速公路应按“分区联网、逐步合并”的方针，从区域联网收费逐步发展到跨区域的全省联网收费。

请试想一下：数以千万计的车辆实时通过收费站，不停地产生数据；当你想进行图片稽查、流水查询、信息搜寻等操作时，如何快速定位、检索资料、存取数据、数据交换等。大量、多样、快速的数据给高速公路运营提出了巨大挑战。而这一系列操作均需“大数据”做支撑。“大数据”的显著特征为：“大量化(Volume)、多样化(Variety)和快速化(Velocity)”。当前高速公路运营单位的数据分析与处理越来越不适应这种新的变化。

1.3高速公路收费系统数据存在的问题分析

一方面随着随着企业业务的推进和演变，高速公路车流量和通车里程不断飞跃式增长，同时高速公路信息功能系统不断增多，产生的数据越来越多，种类越来越多，数量越来越大，对存储成本、运用成本、查询成本方面的压力越来越大[2]。

另一方面，企业的领导者能够获取诸多的信息，但是并不代表他能够从信息当中得到的参谋价值，或者这种指导价值是正确的。

一些数据也在清晰地体现这些问题，根据调查，1/3的领导不信任现在的数据分析结果，1/2的领导抱怨没有得到自己需要的信息，83%的信息管理负责人觉得，商业智能（BI）应该成为他们信息规划当中的一部分。以上数据反映的问题实质就是：企业需要获得一种方法去有效地利用好大数据。因此亟需针对“大数据”的技术。

当前高速公路运营单位对数据的关注点还主要集中于收费流水数据的正确性和可追溯性，例如主要关注入口流水与出口流水的一致性、收费金额与车型的一致性、收费结算与通行数量的一致性等，对全局数据的分析处理还远远不够，这成为未来高速公路运营中心提高数据应用和“保畅通、促和谐”的主要矛盾。目前在数据处理方面，高速公路运营中心存在的问题主要有：

1）数据处理技术落后，还停留于总数核对，有问题再细化，没达到自动智能分析处理层次；

2）数据关联性不够，结构化数据与非结构化数据没有关联，一旦出现问题，查找数据非常耗费人力物力；3）数据没有形成数据集市、数据仓库等形式，数据后期应用价值低；

4）数据分析处理落后，导致数据应用匮乏，数据逐步成为各运营单位的负担，既不能丢弃又不能产生价值；

云计算、物联网等甚嚣尘上的概念，无不昭示着未来“大数据”对企业发展所蕴含的潜在价值，无不表明着未来谁掌握了“大数据”，谁就能解决在企业发展过程中各种业务数据增长所带来的痛苦，进而实现快速飞跃发展。

2大数据背景下的高速公路收费系统数据

随着图像、传感技术等新技术在交通领域应用的不断深入，高速公路信息应用技术不断走向纵深；再次，歧义路径算法、自由流模型等技术的完善，将在高速公路收费体系中大规模应用。显然可以预见，未来高速公路将是一个“大数据”引领的智慧科技的时代。更多的传感设备、信息终端接入到网络，由此产生的数据及增长速度将比历史上的任何时期都要多，都要快。高速公路“大数据”时代的脚步悄然而至。目前，国内已经有很多技术研究者在深入研究这一领域，在中国人民大学王珊博导一文“架构大数据：调整、现状与展望”中提到，在大数据的时代背景下，只能对现有数据仓库系统实现方案进行重新审视，通过对并行数据库、MapRe duce、并行数据库和MapReduce技术的混合架构进行评价和归纳对比分析[3]，文章对架构大数据有很深刻的指导意义。

2.1大数据的概念

“大数据”首先是一个现象而不是一种技术。“大”首先是指数据体量(volumes)大，指代大型数据集，一般在10TB规模左右，但在实际应用中，很多企业用户把多个数据集放在一起，已经形成了PB级的数据量;其次是指数据类别(variety)大，数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。从IT角度来看，信息结构类型大致经历了三次浪潮。但是新的浪潮并没取代旧浪潮，它们仍在不断发展，三种数据结构类型一直存在，只是其中一种结构类型往往主导于其他结构：

结构化信息——这种信息可以在关系数据库中找到，多年来一直主导着IT应用。这是关键任务OLTP系统业务所依赖的信息，另外，还可对结构数据库信息进行排序和查询；

半结构化信息——这是IT的第二次浪潮，包括电子邮件，文字处理文件以及大量保存和在网络上的信息。半结构化信息是以内容为基础，可以用于搜索，这也是谷歌存在的理由；

非结构化信息——该信息在本质形式上可认为主要是位映射数据。数据必须处于一种可感知的形式中(诸如可在音频、视频和多媒体文件中被听或被看)。许多大数据都是非结构化的，其庞大规模和复杂性需要高级分析工具来创建或利用一种更易于人们感知和交互的结构。

2.2大数据背景下的高速公路收费系统数据

高速公路收费体系产生的数据内容不仅仅是多，而且结构已发生了极大改变，不是以二维表的规范结构存储。大量的数据是非结构化的办公文档、文本、图片、XML、HTML、各类报表、图片和音频/视频等，并且所有数据是大量且增长迅速的。据相关调查数据显示，企业80%的数据是非结构化或半结构化的，结构化数据仅有20%。并且全球结构化数据增长速度约为32%，而非结构化数据增速高达63%。预计今年非结构化数据占有比例将达到互联网整个数据量的75%以上。面临如此大量的非机构化数据，其移动和修改将耗费大量的人力物力，读取效率也将越来越低。当然这包括了物理存储和逻辑存储软、硬件两个层面。

以广深珠高速公路有限公司为例，高速公路收费系统数据的格式有结构化的数据库数据，非结构化的XML、JPG、音频、视频等格式。在未来路段、区域合并的大背景下，未来高速公路运营单位将进入“大数据”时代。如何在充分信息的情况下，对高速公路车辆进行合理的监控与疏导、控制和事件管理；路政部门可随时掌握车辆的运行情况，进行合理的调度；而运营部门对大数据的有效分析处理以支持交通、收费规划决策、发展战略决策等[4]。

“大数据”包括交易和交互数据集在内的所有数据集，其规模或复杂程度超出了常用技术按照合理的成本和时限捕捉、管理及处理这些数据集的能力，即在一定时间内还是采用传统数据库软件工具对其内容进行抓取、管理和处理的数据集合，未来高速公路

已经完全符合“大数据”的特征[5]。

3大数据背景下高速公路系统的展望

通过对高速公路运营中心大数据的分析处理，可以提高运营单位数据综合应用水平，不断增强数据的价值，为提高高速公路运营提供可靠的决策数据支持，为“保畅通、促和谐”注入新的活力[6]。大数据背景下的高速公路收费系统数据分析优越性有以下几个方面：

1）提高路况管理的有效性：通过对大数据分析处理，不断优化数据处理模式，构建数据自动分析处理模型，提高数据分析的主动性和预警性。例如分析某段高速公路入站车辆与出站车辆，可以模拟出此段高速公路的车流量，分配等级，如果超出此段高速公路承载数量，则进行重点监控与疏导，避免车辆堵塞，做好预警。高速公路相关部门通过数据分析处理和数据挖掘，可以提前预防堵塞现象，通过收费站的疏导缓解某一阶段的通行压力，保障通畅性[7]。

2）增强数据利用率：通过大数据分析处理，建立数据集市和数据仓库，提高结构化数据和非架构化数据关联度，降低数据应用难度，使运营单位在数据方面的负担转化为资源，为后期数据分析处理和应用提供便利。

3）降低运营成本：在经济成本上，通过大数据分析处理技术，充分挖掘数据的价值，减少维护车辆出行使用费用上的支出；在人力成本上，通过大数据分析处理技术，提升管理水平和服务质量，满足人民群众对高速公路的要求。

4结论

本文分析了目前高速公路收费系统的现状、并提出大数据背景下高速公路收费系统数据的问题，及探讨了未来高速公路收费系统发展的趋势。就目前高速公路运营单位对数据分析处理的能力和水平远远不能满足未来数据发展需要的现状，依据在高速公路行业多年的经验，借助最新的大数据分析处理技术的实现方案的研究，对大数据背景下，高速公路收费系统数据分析方向进行了展望，对未来高速公路收费系统数据分析及处理有一定的参考性价值。

参考文献:

[1]杨平芳.先进的交通管理系统的关键理论与方法研究[D].长春:吉林大学，2010.

[2]刘志勇.高速公路交通系统的数据管理控制平台[J].信息与控制，2010(12).

[3]王珊，王会举，覃雄派，等.架构大数据：挑战、现状与展望[J].计算机学报,2011,34(10):1741-1752.

[4]李晶,张莉,杜娟,等.3G网络技术在智能交通系统中的应用[J].吉林交通科技,2010:38-39.

[5]覃雄派,王会举,杜小勇,等.大数据分析RDBMS与MapReduce的竞争与共生[J].软件学报,2012，23(1):32-4.