区间测速与蓝牙和Wi-Fi检测的异同
区间测速一直以来是通过自动车牌识别摄像机（ANPR/ALPR）获取车辆的行驶轨迹。该系统能够计算出过往车辆数目，并成为许多城市处理拥堵和污染的重要工具。然而，车牌识别系统需要高质量的摄像机，且必须具有快速帧速率来捕获车牌图像，让系统能够准确地记录车牌号码。这种摄像机在安装和维护方面往往是比较昂贵的。
如今，随着手机的兴起，尤其是智能手机，汽车免提套件和平板电脑包的广泛使用，用蓝牙和Wi-Fi信号来监测交通流量的可能性越来越大了。虽然不是所有的车辆都有手机发射蓝牙或Wi-Fi信号的功能，但其所占比例还是相当大，据系统供应商说，有效的行程时间数据都可以通过从这些设备来跟踪信号获取。
如，Danisu供应商公司推出的Blip系统，通过试验证明，使用蓝牙和Wi-Fi收集的数据，能像车牌识别系统收集的行程时间信息和拥堵数据一样准确，并且成本非常低。他在丹麦的奥尔堡还做了一个对比实验，在一个双向的四车道道路上，对车牌识别和基于蓝牙的系统进行了比较。把四个车牌识别摄像机安装在道路上，覆盖约4.25公里，并设置了六组交通信号灯。为了进行比较，他们分别在测试路线的任一端安装2个BlipTrack蓝牙传感器。该传感器被安装在同一个位置，充当了两个车牌识别摄像机。
Blip系统首席技术官克里斯滕森说："摄像机的成本比起传感器要多很多，Blip系统只需要一个单一的路边传感器，而基于摄像机的解决方案需要在每个车道都有一个摄像机。这意味着多个摄像头点必须要有更高的安装成本，且安装时道路必须被关闭等等。
传感器感知行人和车辆免提装置携带的智能手机检测蓝牙信号。然而，和车牌识别系统不同的是，携带智能手机的行人，骑自行车者，和乘公交的乘客会经常停下来，司机也会停车或者掉头。为了防止所记录的行驶时间与装置计算出来的实际行程时间有误差，软件使用移动平均值为基础的算法，其中不包括远处介质的传播时间，以显示交通的实际平均速度。
当出现问题和交通拥堵的情况，蓝牙追踪的平均旅行时间将会延长，就像ANPR一样。即使在交通非常慢的情况下，克里斯滕森说，该系统会自动清理数据："我们可以筛选从车辆中得到的数据"。虽然没有详细的细节，但该系统具有很强的稳定性和弹性，并能隔离自行车数据，从而实现自行车和机动车不同的区间速度报告。
在Aalvorg的研究中没有这样的问题，因为道路监控没有涉及到行人道。研究展示的结果，单只使用蓝牙检测出车辆的数量比与车牌识别出来的车辆数量通常低四到五倍。Blip系统显示的有效数据比例足够高，传感器每10分钟记录5到30个完整的信号（入口和出口）。在试验期间的几分钟内，两个系统计算出来的平均旅行时间非常具有代表性，蓝牙数据检测到的主要拥堵状况和ANPR系统一样快。
通过使用组合的WiFi+蓝牙传感器,检测率可以增加至50％左右，这个在美国进行的第二次试验中已经得到了证明。
用蓝牙和Wi-Fi组合传感器，检测率增加
从第二次实验中获得的数据显示，在早高峰，有20％以上的车辆通过无线网络被识别，比起蓝牙，Wi-Fi有一个特别的优势。实验中，样品在五分钟内识别突破30对Wi-Fi点，而蓝牙信号达到数量高峰时，只有大约有一半被识别。另外，Wi-Fi识别中，行人，自行车和静止交通（如公交车站）被排除在外。
"虽然Blip系统在交通量计算中没有形成体系"，该公司销售总监PrebenAndersen说，"但它结合蓝牙和Wi-Fi的传感器能检测到约50％的车辆，而且这个比例会随着智能手机和免提装置的使用日渐普及。"
传感器安装大约需要一小时，数据通过以太网或3G网络传输到一个基于云的主机，硬线布控要保持最低限度，以确保临时的基于蓝牙或Wi-Fi的行程时间测量系统在投入上的可行性。这些都可能被用作，如监测工作区域的交通流量或确定交通灯的最佳配时。这些需要一个便捷的安装点和5W的电力供应，这意味着系统能使用太阳能电池板或电池组合远程或临时提供电力，在道路临时施工过程中也可以用到。然而，克里斯滕森指出，不同于基于图像的区间测速系统的是，基于蓝牙/Wi-Fi的系统不受雪，冰，烟，雾或大雨的影响。
相似之处在于系统的个人检测设备是隐藏的。当蓝牙或Wi-Fi设备进入射程范围内，传感器从检测到的设备地址（使用SHA-256算法）生成一个单向散列码。只有散列码才能被发送至云服务器，并且没有办法扭转散列码去访问原始设备，这意味着数据可以被存储和分发，就不存在数据保护的问题了。它可以收集来自对高速公路和城市延伸距离覆盖大型网络传感器定位的数据。
Andersen说："通过使用SHA256算法，传感器的数据将难以追查到单个设备"。这就避免了或最大限度地减少数据的保护问题。每个传感器配有一个GPS接收机，让位置和时间标记存储散列码。该传感器是免维护的，并能远程配置和重新配置。传输数据覆盖了谷歌地图，非常容易使用。
系统的其他优点包括能够探测和跟踪堵塞的车辆，当车牌被其他车辆挡住而不能被车牌识别摄像机所识别的情况下，传感器可以检测车辆的蓝牙/Wi-Fi设备，车辆在高达每小时200公里的行驶速度都能被检测的到。单个传感器配有三个定向天线，可以测量两个方向通过的车辆。Blip系统不仅有超过96％的检出率，同时能够监视车辆在检测区域内的行驶时间和平均速度。使用单个传感器也能实时监测每个方向车辆的拥堵情况。如果旅行时间超过预先设定的最大值，工作人员便可通过短信，电子邮件或其他方式向交通管理中心发送警报。
执法部门对检测系统的选择
根据Blip系统，即使像十字路口这样需要复杂监控操作系统的，也可通过使用蓝牙和/或Wi-Fi传感器来实现监控，比起传统的牌照自动识别技术，其成本更低。在离十字路口300米处四个方向各安装一个该传感器，系统便可提供12种可能通过的时间安排。这种测试设备对于交通拥堵，事故监测、警告系统，其可做到事半功倍。
"监控两个方向的交通，需要使用四个牌照自识别器，但换做传感器则只需两个，对交管单位来说可节省一笔很大的开支，"安德森说，"安装运行BlipTrack交通监控系统的成本只有牌照自动识别系统的十分之一。"T?rholm克里斯滕森却直言不讳：蓝牙或WI-FI无线检测系统不适合执法部门，也无法做到高精度交通流量计算。
ANPR技术系统供应商，3M交通安全部的技术经理本杰明·沃森博士说道，"对成本进行比较的前提是，我们必须建立等价的技术，进行同比价格的比较。"
在说到车牌自动识别技术的发展时，他虽然认可了蓝牙和无线网络连接跟踪的可行性，一个传感器确实可控制甄别两个方向的交通。但车牌自动识别系统可做到高精度，而现在蓝牙或WI-FI追踪却做不到。沃森博士认为绝大多数应用车牌自动识别技术的都需要其侦查率突破98%，读取率达95%。能够检测外国登记牌照，并适用于各种天气，除非拍照本身被遮。如果运用于JTMS,两大系统侦别率不同影响并不大，但如果选择牌照自动识别系统还有很多其它优势。"牌照自动识别系统结合分类技术可对车的类别、来源（确切的国家、地区）加以区分，这一点对于一些国家的收费和处罚是相当重要的。"沃森说道。
对于常态运行的执法系统，车牌自动识别用来监测时速为每小时140英里的汽车，其准确率错错有余，且相当可靠。沃森博士认为这一应用体现了车牌自动识别技术的另一关键优势-既可用于执法，又可作为民用。除了起到执法作用，还可缓解交通压力，让公共交通更安全。"例如当地政府部门和希望能够共享牌照自动识别数据的组织相联合，就可很好的平摊安装这一系统的花费了。因为这一系统是可以提供其它服务"。沃森说道。
这种典型的嵌入相机技术带有两个摄像头，一个机箱。一个提供关联图像颜色，另一个对牌照进行识别。其可通过HTTP视频将MJpeg传给另外的摄像头。并且不需为了媒体视频而做什么改进，因为颜色识别摄像头本身具有这一功能。虽然质量也许还达不到专门的媒体系统，但用来观察交通拥塞，事故，还是足够的。"摄像头经常拍下牌照，不管出于何种理由，它都引起了人们对隐私问题的关心"沃森道。他的公司的区间测速摄像机，在传输之前，不会发送车牌的"清晰"文字和字符编码，"通信链路也可以被加密的，"他补充道。
系统面临涉及个人隐私的问题
在通信方面，Watson博士说，最新一代的车牌识别设备可以支持以太网3/3.5G，GPRS，基于云计算技术和EDGE无线连接。这样促进了移动应用，并可能减少基础设施和安装成本。
但即使对车牌信息进行加密，车牌识别系统还是可以通过复杂的道路网和长距离固定位置和移动摄像技术跟踪车辆。它可以提供互操作性命令和控制中心，如临时道路工程中需要使用时。
在过去，ANPR系统对环境条件非常敏感。但我们通过改善外壳，氮净化，密封等级达到IP67，克服了这些问题，并扩大了温度范围，现设置在-40?C至+60?C，并与蓝牙/Wi-Fi技术相结合。车牌识别系统可以将各种第三方设备集成，如DSRC/RFID阅读器，称重动态，可变信息标志，车道控制器和收费、停车、售票系统的线圈检测。
Watson博士最后强调说，"新的和新出现的车牌识别技术的灵活性，现在不仅是用来进行图像处理，企业软件的车牌识别数据也能转化为有价值的东西，为智能交通市场作一些决策。
但毫无疑问，蓝牙和Wi-Fi跟踪的结合将符合一些当地部门的需求：它监控车辆的比例较高，提供准确的旅行时间，以及出发地和目的地信息。这种系统可以明显地显示拥堵或交通事故，为携带的智能手机的自行车者和行人测算行程时间。与车牌识别系统不同的是，一旦人们发现被'监视'，他们就会关闭智能手机的蓝牙和Wi-Fi功能。
然而，基于车牌识别的旅行时间系统能提供更多的功能，对于执法部门是极具吸引力的，这就需要在相同的位置安装执法技术或闭路电视。然而，尽管使用加密技术，对于车牌识别技术，在隐私问题上仍然存在一些公众的阻力。(文/国际智能交通译/何丽男刘娟)
注：未经允许，请勿转载，请尊重译者劳动成果。
