主页（http://www.cnwulian.net）：物联网智能交通拥堵判别算法的研究与实现
如图2所示，在实际安装应用中，每个阅读器安装完成后会形成一个固定长度L的RF场，阅读器距离地面的垂直高度为H。为了便于分析，文中需要提取每辆车经过阅读器RF场时标签被扫描到的次数、标签被扫描时系统记录的时间以及对应场强值RSSI，阅读器的阅读周期可以设定为T，即每隔T时间扫描一次。系统设定统计时间周期为t，即每隔时间t进行一次数据采样。根据车辆行驶的特征以及RF场长度相对于行程路程较短的特点，可以假定每辆车经过RF场时是平行车道运动的。
假设在第j个时间周期ti内有n辆车通过RF场，第i辆车经过RF场时被检测到的次数为Ni，标签被扫描的时刻记为tik(k=1，2，…，Ni)，对应的场强值记为RSSIk(k=1，2．…，Ni)。根据文献提出阅读器接收到的场强值与距离关系的经验公式：
联合公式(1)、(2)、(3)、(4)、(5)、(6)计算出某个周期的检测点车流量，地点平均车速以及时间占有率，根据这些参数值并依据下文介绍的判别算法实现交叉路口交通流拥挤信息的判别。
摘要：针对城市道路交叉口的常发性交通拥堵现象，依据RFID检测系统的特点，提出了一种基于物联网前端信息采集技术的交通流检测方法。并且对城市道路交叉口采集到的交通流量相对增量、车辆的时间占有率相对增量以及地点平均车速等信息进行了对比性分析和统计推导，从理论上论证了交通拥挤产生时的交通流特点，然后以此为基础给出了交通拥挤事件出现时的判别准则，构造出相应的拥挤检测指标及判别算法。最后利用Matlab编程再结合实际交通测量数据验证了算法的正确性。
以扬州市文昌路与扬子江路交叉口作为数据采集岗，并以距离停车线150 m的文昌中路上由西向东双车道实际采集到的数据为例，运用图4的检测算法把采集到的交通流数据导入Matlab编写的算法程序，对交通拥挤事件进行判别。具体的计算流程如图5所示。
2)当流量的相对增量小于占有率相对增量时，速度在减小，车流趋于拥挤状态。
程序中的逻辑判断部分代码如下：
系统设定采样周期为t，从t0开始统计，把总采样时间划分为若干个时间段，各个时间段都有相同的时间间隔t，划分形式为[t0，t1]，[t1，t2]，[t2，t3]，…[tn-1，tn]…。设A处的阅读器在第j个时间段内检测的流量和占有率分别用QA(j)和CA(j)来表示，地点平均车速用来表示。为了降低误判率，则路口发生交通拥挤事件的必要条件是：
