一种货物多维度数据分析方法技术

本发明专利技术公开了一种货物多维度数据分析方法，涉及航空物流领域，通过货物分析系统，利用自动读码模块收集条码

【技术实现步骤摘要】
一种货物多维度数据分析方法


[0001]本专利技术涉及航空物流领域，更具体的是涉及一种货物多维度数据分析方法。

技术介绍

[0002]随着全球航空物流业务的迅猛增长，旅客迫切需求高质量物流服务。而目前航空物流平台存在货物处理、货物值机、货物分拣、货物再确认、运单等众多相互隔离的业务系统；航空物流数据又包括货物图像、视频、激光、RFID、 OCR识别、PLC等大量非结构化信息，这导致了航空物流数据的孤岛分布与有机联动的矛盾。
[0003]为实现航空物流在处理速度、业务水平、服务质量上的全面提升，实现海量数据的共享互通，为航空物流业智慧运维打下坚实的数据及知识储备基础，则需要对航空物流进行多维度的数据分析。

技术实现思路

[0004]本专利技术的目的在于：为了解决航空物流数据的孤岛分布与有机联动的矛盾，本专利技术提供一种货物多维度数据分析方法。
[0005]本专利技术为了实现上述目的具体采用以下技术方案：
[0006]一种货物多维度数据分析方法，包括货物自动处理系统、货物分析系统，还包括以下步骤：
[0007]S1
‑
1：货物自动处理系统接收航班信息；
[0008]S1
‑
2：旅客办理托运，或货代办理运货，货物自动处理系统接收货物信息后，根据接收的航班信息，运算输出货物路径图；
[0009]S1
‑
3：货物通过机械传输装置，按照货物路径图向下游输送；
[0010]S1
‑
4：自动读码模块为货物分发货物条码，并将具体条码信息与具体货物一一对应后，将条码
‑
货物信息反馈至货物分析系统；
[0011]S1
‑
5：货物经过安检区域，通过动态安检模块利用安检装置，判断货物是否安全，并将货物
‑
图像信息反馈至货物分析系统，由货物分析系统根据各个货物安全状态，确定货物走向：安全货物向下游输送，异议货物进入待查区；
[0012]S1
‑
6：安全货物进入货物参数采集区域，通过参数采集模块利用各类传感装置，对货物的温度、湿度进行采集，并通过基于BF神经网络模型具有温度补偿功能的装置，并将采集到的货物参数进行检测，将检测结果与具体货物一一对应后，并将货物
‑
参数信息反馈至货物分析系统；
[0013]S1
‑
7：货物进入分拣区域，根据货物路径图，被输送到不同的分拣滑槽或分拣转盘，在航班起飞前适时通过机械传输装置，向航班货舱输送；
[0014]S1
‑
8:货物随航班抵达目的地，在航班停稳后适时通过机械传输装置，向机场货物提取区域输送，货物提取区通过扫码模块利用扫码装置，扫描货物条码，核对条码信息无误后，继续向下输送，待提取；
[0015]S1
‑
9：货物航运流程完毕后，通过风险评估模块，进行风险评估分析，并将货物
‑
评估信息反馈至货物分析系统；
[0016]S1
‑
10：货物分析系统收集条码
‑
货物信息、货物
‑
图像信息、货物
‑
参数信息、货物
‑
评估信息，实现货物多维度数据分析。
[0017]进一步地，所述步骤S1
‑
4中动态安检模块具体实现步骤为：
[0018]S2
‑
1：货物进入安检装置通道，遮挡光电传感器，传感器检测信号被发送至其控制单元，启动X射线发射；
[0019]S2
‑
2：经过光电转换、图像处理，得到高质量的X射线扫描图像；
[0020]S2
‑
3：提取扫描图像中图形特征，经过卷积操作、特征对比，从而预测物体类别，判断货物中是否包含违禁物品；重复此步骤可提高预测精确度；
[0021]S2
‑
4：存储图形特征，标注物体类别、位置信息，得到货物
‑
图像信息反馈至货物分析系统。
[0022]进一步地，所述步骤S1
‑
6中货物参数检测具体实现步骤为：
[0023]S3
‑
1：将数据进行标准化处理，其中，Xi、Pi为标定值，Xi
‑
mi n、Xi
‑
max 为温度传感器输出电压标定的最小值和最大值，Pi
‑
mi n、Pi
‑
max为压力标定的最小值和最大值；
[0024]S3
‑
2：对标准化数据按利用灰色理论GM(1,1)模型对其进行处理，建立等维信息模型；
[0025]S3
‑
3：将数据随机分成验证样本和训练样本；
[0026]S3
‑
4：设计BP神经网络，用训练样本对神经网络进行训练，直至满足精度要求为止；
[0027]S3
‑
5：用验证样本对训练好的神经网络进行验证，如果验证输出与实验结果的误差满足精度要求，认为此时的网络参数合理；若未达到要求，则返回S3
‑
4 对神经网络重新进行训练，直到训练误差及验证误差均满足精度要求为止；
[0028]S3
‑
6：将验证样本训练好的网络进行检验：当训练误差及验证误差均满足精度要求时，神经网络的补偿输出、验证输出及训练输出就会达到补偿的预设要求。
[0029]进一步地，所述步骤S1
‑
9中风险评估模块具体实现步骤为：
[0030]S4
‑
1：设定货物航运风险因素为效率、质量、成本、服务水平和信任，分别为a、b、c、d和e，其五个相对权值的总和为1；
[0031]S4
‑
2：设定货物航运风险维度为市场敏感性、物流网络连通性二个维度；
[0032]S4
‑
3：计算在五个风险因素下的二个风险维度的权值。
[0033]其中，所述步骤S4
‑
3中计算步骤为：
[0034]S5
‑
1：构造风险评估维度和风险因子的判断矩阵，计算每个判断矩阵的最大特征值对应的特征向量，并做归一化处理和一致性检验；若判断矩阵通过一致性检验，转到S5
‑
2；如果判断矩阵没有通过一致性检验，重新进行S5
‑
1；
[0035]S5
‑
2：将特征向量作为网络风险因子的排序向量，得到相对于其他风险评估因子的排序向量；
[0036]S5
‑
3：将所有网络层风险评估因子的相互影响的排序向量组合起来，得到未加权超矩阵；
[0037]S5
‑
4：判断矩阵与未加权超矩阵相乘得到加权超矩阵；
[0038]S5
‑
5：为反映风险评估因子间的依存和反馈关系，对加权超本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种货物多维度数据分析方法，包括货物自动处理系统、货物分析系统，其特征在于，还包括以下步骤：S1
‑
1：货物自动处理系统接收航班信息；S1
‑
2：旅客办理托运，或货代办理运货，货物自动处理系统接收货物信息后，根据接收的航班信息，运算输出货物路径图；S1
‑
3：货物通过机械传输装置，按照货物路径图向下游输送；S1
‑
4：自动读码模块为货物分发货物条码，并将具体条码信息与具体货物一一对应后，将条码
‑
货物信息反馈至货物分析系统；S1
‑
5：货物经过安检区域，通过动态安检模块利用安检装置，判断货物是否安全，并将货物
‑
图像信息反馈至货物分析系统，由货物分析系统根据各个货物安全状态，确定货物走向：安全货物向下游输送，异议货物进入待查区；S1
‑
6：安全货物进入货物参数采集区域，通过参数采集模块利用各类传感装置，对货物的温度、湿度进行采集，并通过基于BF神经网络模型具有温度补偿功能的装置，并将采集到的货物参数进行检测，将检测结果与具体货物一一对应后，并将货物
‑
参数信息反馈至货物分析系统；S1
‑
7：货物进入分拣区域，根据货物路径图，被输送到不同的分拣滑槽或分拣转盘，在航班起飞前适时通过机械传输装置，向航班货舱输送；S1
‑
8:货物随航班抵达目的地，在航班停稳后适时通过机械传输装置，向机场货物提取区域输送，货物提取区通过扫码模块利用扫码装置，扫描货物条码，核对条码信息无误后，继续向下输送，待提取；S1
‑
9：货物航运流程完毕后，通过风险评估模块，进行风险评估分析，并将货物
‑
评估信息反馈至货物分析系统；S1
‑
10：货物分析系统收集条码
‑
货物信息、货物
‑
图像信息、货物
‑
参数信息、货物
‑
评估信息，实现货物多维度数据分析。2.根据权利要求1所述的一种货物多维度数据分析方法，其特征在于，所述步骤S1
‑
4中动态安检模块具体实现步骤为：S2
‑
1：货物进入安检装置通道，遮挡光电传感器，传感器检测信号被发送至其控制单元，启动X射线发射；S2
‑
2：经过光电转换、图像处理，得到高质量的X射线扫描图像；S2
‑
3：提取扫描图像中图形特征，经过卷积操作、特征对比，从而预测物体类别，判断货物中是否包含违禁物品；重复此步骤可提高预测精确度；S2
‑
4：存储图形特征，标注物体类别、位置信息，得到货物
‑
图像信息反馈至货物分析系统。3.根据权利要求1所述的一种货物多维度数据分析方法，其特征在于，所述步骤S1
‑
6中货物参数检测具体实现步骤为：S3
‑

【专利技术属性】
技术研发人员：王福文，陈翼，余海华，喻忠全，林虹秀，刘振，肖小彬，宋洪庆，杨秀清，田麒乐，
申请(专利权)人：民航成都物流技术有限公司，
类型：发明
国别省市：