一种物联网业务处理方法技术

本发明专利技术涉及物联网技术领域，公开了一种物联网业务处理方法，包括：采集物流车在物流运输过程中的实时物流数据信息；根据GPS获取的物流车的历史位置数据计算物流车的当前位置信息；将实时物流数据信息和当前位置信息通过NB

【技术实现步骤摘要】
一种物联网业务处理方法


[0001]本专利技术涉及物联网
，特别涉及一种物联网业务处理方法。

技术介绍

[0002]在高速发展的现代社会中，随着我国对外出口量的增加，传统的物流已无法满足人们的需要，智慧物流应运而生。无论是在物资的制作、储备过程中，还是在物资的运输和出售过程中，智慧物流都能够通过物联网技术发挥其相应的作用。
[0003]在当前的物流业中，最为常见的仍属射频识别和定位技术，此外，随着科技的进步，越来越多的技术将应用于物流业中。例如，通过传感技术监测物流的温度、安全，通过视频识别和不同机器之间的传递进行各环节间的协调合作，以及远程蓝牙传送信息等。
[0004]而随着物流信息化不断发展，物流企业根据自身情况建立了各自的物流信息系统，产生了大量的温湿度、倾斜度、位置等安全数据。然而，这些信息系统相对独立，没有统一的标准，每个企业根据自身情况建立属于自己的信息系统。这致使企业之间、企业与客户之间共享信息时，数据的体系、格式都或多或少的有些差异，导致了在各企业之间存在巨量数据，使得物流物联网中的海量数据的存储、调用和集成成为困难。

技术实现思路

[0005]本专利技术提供了一种物联网业务处理方法，对温湿度等实时物流数据信息和根据GPS定位得到的位置信息采用可扩展语言技术进行转换和集成，以实现物流监测数据的稳定上传，数据的统一、存储和调用。
[0006]本专利技术提供了一种物联网业务处理方法，包括：
[0007]采集物流车在物流运输过程中的实时物流数据信息；其中，所述实时物流数据信息包括温湿度、加速度、光照强度及时间、冲击振动和倾角；
[0008]根据GPS获取的所述物流车的历史位置数据计算所述物流车的当前位置信息，以对所述物流车进行实时定位；
[0009]将所述实时物流数据信息和当前位置信息通过NB
‑
IOT传输至云服务平台；
[0010]基于可扩展标记语言技术将所述实时物流数据信息和当前位置信息从逻辑和或上进行集成，同时进行数据源查询以进行数据的自动更新；
[0011]将集成后的所述实时物流数据信息和当前位置信息存储在数据存储子系统；其中，所述数据子系统可根据查询条件进行筛选并反馈结果；
[0012]根据用户需求指令从所述数据存储子系统中进行数据调用以提取用户所需数据。
[0013]进一步地，所述采集物流车在物流运输过程中的实时物流数据信息的步骤之前，还包括：
[0014]采用减少数据发送的频次和/或基于LZW的数据压缩算法降低数据的发送量；其中，基于LZW的数据压缩算法包括：在编码之前建立一个字典、一个暂存器P、一个暂存器C，在编码中，P表示前一个字符串，C表示正在读取的字符串，P和C相加组合表示拼接字符串；
[0015]读取字符串C，判断拼接字符串P+C是否存在于字典中，若拼接字符串P+C不存在于字典中，则将拼接字符串P+C存入字典并输出P的码字并使P＝C，若拼接字符串P+C存在于字典中，则使P＝P+C。
[0016]进一步地，所述根据GPS获取的所述物流车的历史位置数据计算所述物流车的当前位置信息，以对所述物流车进行实时定位的步骤，包括：
[0017]车载感知终端中的定位模块接收GPS信号，并判断所述GPS信号是否超过设定值；
[0018]若所述GPS信号超过设定阈值，读取GPS模块数据，通过执行数据发送任务将数据发送到云服务平台；
[0019]若所述GPS信号未超过设定阈值或所述GPS信号丢失时，调用惯性定位任务，以信号丢失前GPS模块获取的物流车当前经纬度、航向角、速度初始值，以及三轴加速度和旋转角度数据作为历史位置数据；
[0020]将所述历史位置数据代入到预设改进的卡尔曼滤波算法中实现对车辆的定位；其中，所述三轴加速度和旋转角度数据通过将惯性传感器获得。
[0021]进一步地，所述将所述历史位置数据代入到预设改进的卡尔曼滤波算法中实现对车辆的定位的步骤中，预设改进的卡尔曼滤波算法包括：
[0022]获取前一状态的估计值；其中，所述前一状态的估计值为历史位置数据；
[0023]计算k时刻的状态，其公式为：X(k)＝AX(k
‑
1)+BU(k)+W(k)，Z(k)＝HX(k)+V(k)；其中，X(k)为k时刻的状态，U(k)为k时刻的控制量，A，B分别为系统参数，Z(k)为k时刻得出的测量值，H为参数，W(k)为过程噪声，V(k)为测量噪声。
[0024]通过当前状态的模型分析并预测出下一状态的模型，当前状态的模型取k时刻表示，在k
‑
1时刻的状态模型能预测出当前状态，其公式为：X(k|k
‑
1)＝AX(k
‑
1|k
‑
1)+BU(k)；其中，X(k|k
‑
1)为上一时刻的预测值，X(k
‑
1|k
‑
1)为上一时刻的最优值，U(k)为系统在当前时刻的控制量；
[0025]更新结果后，X(k|k
‑
1)的协方差未显示，当前状态的协方差矩阵为：P(k|k
‑
1)＝AP(k
‑
1|k
‑
1)A
T
+Q；其中，P(k|k
‑
1)是X(k|k
‑
1)状态对应的协方差矩阵，P(k
‑
1|k
‑
1)是X(k
‑
1|k
‑
1)对应的协方差矩阵，A
T
代表A的转置矩阵，Q代表协方差矩阵；
[0026]当前状态的最优化估算值同时受预测值和测量值的影响，以k表示，单一的升高或增减都会影响k的值，具体为：X(k|k)＝X(k|k
‑
1)+Kg(k)(Z(k)
‑
HX(k|k
‑
1))；其中，式中，Kg为卡尔曼增益，其公式为：Kg(k)＝P(k|k
‑
1)HT(HP(k|k
‑
1)H
T
+R)
‑1，其中，X(k|k)为系统在k时刻的最优估算值，受线性离散影响，k时刻系统状态需要时时更新，以此维护卡尔曼滤波器的结束条件；
[0027]协方差矩P(k|k)＝(I
‑
Kg(k)H)P(k|k
‑
1)，在运行结束的过程中所采取的运算方法为自回归运算。
[0028]进一步地，所述基于XML将所述实时物流数据信息和当前位置信息从逻辑和或上进行集成，同时进行数据源查询以进行数据的自动更新的步骤之前，还包括：
[0029]对多个物流车的物流数据信息和当前位置信息进行信息提取，并对提取的信息数据进行预处理；其中，所述预处理包括过滤、分类。
[0030]进一步地，所述基于可扩展标记语言技术将所述实时物流数据信息和当前位置信息从逻辑和或本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物联网业务处理方法，其特征在于，包括：采集物流车在物流运输过程中的实时物流数据信息；其中，所述实时物流数据信息包括温湿度、加速度、光照强度及时间、冲击振动和倾角；根据GPS获取的所述物流车的历史位置数据计算所述物流车的当前位置信息，以对所述物流车进行实时定位；将所述实时物流数据信息和当前位置信息通过NB
‑
IOT传输至云服务平台；基于可扩展标记语言技术将所述实时物流数据信息和当前位置信息从逻辑和或上进行集成，同时进行数据源查询以进行数据的自动更新；将集成后的所述实时物流数据信息和当前位置信息存储在数据存储子系统；其中，所述数据子系统可根据查询条件进行筛选并反馈结果；根据用户需求指令从所述数据存储子系统中进行数据调用以提取用户所需数据。2.根据权利要求1所述的物联网业务处理方法，其特征在于，所述采集物流车在物流运输过程中的实时物流数据信息的步骤之前，还包括：采用减少数据发送的频次和/或基于LZW的数据压缩算法降低数据的发送量；其中，基于LZW的数据压缩算法包括：在编码之前建立一个字典、一个暂存器P、一个暂存器C，在编码中，P表示前一个字符串，C表示正在读取的字符串，P和C相加组合表示拼接字符串；读取字符串C，判断拼接字符串P+C是否存在于字典中，若拼接字符串P+C不存在于字典中，则将拼接字符串P+C存入字典并输出P的码字并使P＝C，若拼接字符串P+C存在于字典中，则使P＝P+C。3.根据权利要求1所述的物联网业务处理方法，其特征在于，所述根据GPS获取的所述物流车的历史位置数据计算所述物流车的当前位置信息，以对所述物流车进行实时定位的步骤，包括：车载感知终端中的定位模块接收GPS信号，并判断所述GPS信号是否超过设定值；若所述GPS信号超过设定阈值，读取GPS模块数据，通过执行数据发送任务将数据发送到云服务平台；若所述GPS信号未超过设定阈值或所述GPS信号丢失时，调用惯性定位任务，以信号丢失前GPS模块获取的物流车当前经纬度、航向角、速度初始值，以及三轴加速度和旋转角度数据作为历史位置数据；将所述历史位置数据代入到预设改进的卡尔曼滤波算法中实现对车辆的定位；其中，所述三轴加速度和旋转角度数据通过将惯性传感器获得。4.根据权利要求3所述的物联网业务处理方法，其特征在于，所述将所述历史位置数据代入到预设改进的卡尔曼滤波算法中实现对车辆的定位的步骤中，预设改进的卡尔曼滤波算法包括：获取前一状态的估计值；其中，所述前一状态的估计值为历史位置数据；计算k时刻的状态，其公式为：X(k)＝AX(k
‑
1)+BU(k)+W(k)，Z(k)＝HX(k)+V(k)；其中，X(k)为k时刻的状态，U(k)为k时刻的控制量，A，B分别为系统参数，Z(k)为k时刻得出的测量值，H为参数，W(k)为过程噪声，V(k)为测量噪声。通过当前状态的模型分析并预测出下一状态的模型，当前状态的模型取k时刻表示，在k
‑
1时刻的状态模型能预测出当前状态，其公式为：X(k|k
‑
1)＝AX(k
‑
1|k
‑
1)+BU(k)；其中，X
(k|k
‑
1)为上一时刻的预测值，X(k
‑
1|k
‑
1)为上一时刻的最优值，U(k)为系统在当前时刻的控制量；更新结果后，X(k|k
‑
1)的协方差...

【专利技术属性】
技术研发人员：彭波，万晓杰，庄晓东，
申请(专利权)人：数通十方深圳数字科技有限公司，
类型：发明
国别省市：