本发明专利技术属于物流监测技术领域，本发明专利技术公开了一种基于智慧物流的实时监测系统；包括：物联网感知模块，用于采集物流环境数据和物品运输数据；数据融合模块，用于将物流环境数据和物品运输数据分别进行预处理，利用预处理后的物流环境数据和物品运输数据构建数据四元组；优化决策模块，基于数据四元组，通过机器学习算法和优化算法获取物流优化方案并输入至物流控制终端。本发明专利技术能够灵活应对物流环境的变化，不断提升物流系统的整体效率。
【技术实现步骤摘要】
本专利技术涉及物流监测，更具体地说，本专利技术涉及一种基于智慧物流的实时监测系统。
技术介绍
1、申请公开号为cn108846612a的专利公开了一种基于物联网的物流信息实时监测方法，包括以下步骤：对所有货品按照存储时间的长短进行划分；设定各类货品到达目的地的时间；获取不同货品种类运输的路径信息，构成运输节点集合；选取公路运输为标准运输并统计到各运输节点的时间；统计实际从出发地到达第1个运输节点的时间，若实际时间大于预计时间，则选取航空运输，否则，选取铁路运输方式；获取货品从第y运输节点到目的地剩余的预计时间，判断剩余的预计时间ts剩是否大于ts空间，若大于，采用航空运输将货品运输至下一节点，若小于，选用铁路运输，直至物流货品在预定的时间内达到目的地；通过运输成本与运输速度相结合，提高了货品运输达到时间的准确性。
2、但是现有的物流监测系统往往缺乏全面性和实时性；通常只关注单一运输数据，无法全面感知复杂多变的物流过程；同时，数据处理和优化决策也脱离实时环境，无法及时响应物流状况的变化，难以满足企业对敏捷运营的需求；其次，现有物流技术在数据融合和分析方面效率较低；数据难以进行有效融合和分析；并缺乏高效的数据索引和查询机制，大规模物流数据的处理和分析效率较低，无法支撑企业对实时决策的需求；并且现有的物流优化方法主要依赖人工经验，难以适应复杂多变的物流环境；无法持续优化物流调度策略，难以最大化物流收益，提高整体运营效率。
3、鉴于此，本专利技术提出一种基于智慧物流的实时监测系统以解决上述问题。
技术实现思路
1、为了克服现有技术的上述缺陷，为实现上述目的，本专利技术提供如下技术方案：一种基于智慧物流的实时监测系统，包括：物联网感知模块，用于采集物流环境数据和物品运输数据；
2、数据融合模块，用于将物流环境数据和物品运输数据分别进行预处理，利用预处理后的物流环境数据和物品运输数据构建数据四元组；
3、优化决策模块，基于数据四元组，通过机器学习算法和优化算法获取物流优化方案并输入至物流控制终端；各个模块之间通过有线和/或无线的方式进行连接，实现模块间的数据传输。
4、进一步地，所述物流环境数据包括温度数据、湿度数据、氧气浓度数据、振动数据、噪声数据和气压数据；
5、所述物品运输数据包括物品id、物品类型、物品数量、物品位置、物品重量、物品体积、上车时间、预计送达时间、运输车辆id和承运人信息。
6、进一步地，所述预处理的方式包括：
7、将物流环境数据和物品运输数据进行初步处理；初步处理的方式包括数据清洗和去噪；
8、将物流环境数据中的每一类型数据作为对应的一个数据流；
9、定义一个滑动时间窗口，滑动时间窗口用于计算初步处理后的数据流之间的交叉相关系数；
10、将所有数据流进行两两成对，对于每对数据流，计算在定义的滑动时间窗口内的交叉相关系数；定义每对数据流中任意一个数据流为参考数据流，另一个为同步数据流；
11、滑动时间窗口将参考数据流固定，将同步数据流在时间上平移，并计算不同时间延迟下的交叉相关系数；
12、根据计算得到的交叉相关系数，确定每对数据流之间最佳的时间延迟；记录每对数据流的最佳的时间延迟；
13、根据得到的最佳的时间延迟，将数据流进行时间对齐；对于每个同步数据流，将其时间戳调整为与参考数据流对齐的时间戳；调整时间戳的方法为向前或向后平移数据点，或者使用插值方法在新的时间戳处估计数据值；
14、预设质量误差阈值；计算对齐后的每对数据流之间的综合误差，将计算得到的综合误差与质量误差阈值进行比较；
15、若综合误差大于质量误差阈值，则对齐后的每对数据流不一致；若对齐后的每对数据流是不一致的则调整滑动时间窗口的大小重新进行对齐；直至综合误差小于或等于质量误差阈值，完成时间对齐。
16、进一步地，所述交叉相关系数的计算公式为：
17、；其中，表示计算数据流和之间在时间延迟的情况下的交叉相关系数；和分别是两个数据流，和分别表示和的均值；和分别表示和的标准差；表示数据流中的第个数据点；表示数据流中的第个数据点；为数据流中数据点的总数；表示数据点的索引；
18、所述综合误差；其中，为数据流中数据点的总数；和分别表示在时间戳处两个对齐后数据流的数据值；为平衡权重系数。
19、进一步地，所述数据四元组的构建方式包括：
20、将预处理后的物流环境数据构建为环境数据三元组et；
21、et={tim，seid，env}；其中，tim表示物流环境数据的时间戳，seid表示采集该物流环境数据的传感器唯一标识符，env表示预处理后的物流环境数据的值；
22、将物品运输数据构建为物品数据三元组it；it={tim1，itid，tra}；其中，tim1表示物品运输数据的时间戳，itid表示物品id，tra表示物品运输数据的具体数据；
23、将环境数据三元组和物品数据三元组进行关联，构建初步数据四元组dt；
24、dt={time，itid，et，it}；其中，time表示数据四元组的生成时间戳；
25、将初步数据四元组赋予多维索引结构，并将赋予了多维索引结构的初步数据四元组进行压缩，得到最终的数据四元组。
26、进一步地，所述将初步数据四元组赋予多维索引结构的方式包括：
27、将时间戳time以及数值属性映射到一维时间轴上，得到对应的数据一维属性；将语义属性映射到高维语义空间中，使用向量表示，得到对应的数据高维属性；
28、根据数据一维属性和数据高维属性构建hilbert r树作为初步数据四元组的多维索引结构。
29、进一步地，所述hilbert r树的构建方式包括：
30、初始化hilbert r树；定义hilbert曲线阶数为n，将高维语义空间划分为2n个小方格；根据hilbert曲线生成算法，递归地构建hilbert曲线，填充整个高维语义空间；每个小方格对应一个唯一的hilbert编码，表示其在hilbert曲线上的位置；
31、对于每个初步数据四元组，提取其数据一维属性和数据高维属性；将数据一维属性量化为离散的数值区间，将数据高维属性转换为高维空间坐标；
32、根据hilbert曲线生成算法，计算得到每个初步数据四元组的hilbert编码；
33、根据初步数据四元组的hilbert编码，将其插入到hilbert r树中；hilbert r树的每个节点对应一个hilbert编码范围[h_min，h_max]；
34、从hilbert r树的根节点开始，递归地比较初步数据四元组的hilbert编码与编码范围，将其插入到对应的子树中；当一个节点的初步数据四元组的数量超过预设的分裂阈值时，对节点进行分裂，生成新的子节点；分裂过程中，将数据四元本文档来自技高网
...
【技术保护点】
1.一种基于智慧物流的实时监测系统，其特征在于，包括：物联网感知模块，用于采集物流环境数据和物品运输数据；
2.根据权利要求1所述的基于智慧物流的实时监测系统，其特征在于，所述物流环境数据包括温度数据、湿度数据、氧气浓度数据、振动数据、噪声数据和气压数据；
3.根据权利要求2所述的基于智慧物流的实时监测系统，其特征在于，所述交叉相关系数的计算公式为：
4.根据权利要求3所述的基于智慧物流的实时监测系统，其特征在于，所述数据四元组的构建方式包括：
5.根据权利要求4所述的基于智慧物流的实时监测系统，其特征在于，所述将初步数据四元组赋予多维索引结构的方式包括：
6.根据权利要求5所述的基于智慧物流的实时监测系统，其特征在于，所述Hilbert R树的构建方式包括：
7.根据权利要求6所述的基于智慧物流的实时监测系统，其特征在于，所述将赋予了多维索引结构的初步数据四元组进行压缩的方式包括：
8.根据权利要求7所述的基于智慧物流的实时监测系统，其特征在于，所述物流优化方案的获取方式包括：
9.根据权利要求8所述的基于智慧物流的实时监测系统，其特征在于，所述使得期望的累积奖励最大的计算公式为：
...
【技术特征摘要】
1.一种基于智慧物流的实时监测系统，其特征在于，包括：物联网感知模块，用于采集物流环境数据和物品运输数据；
2.根据权利要求1所述的基于智慧物流的实时监测系统，其特征在于，所述物流环境数据包括温度数据、湿度数据、氧气浓度数据、振动数据、噪声数据和气压数据；
3.根据权利要求2所述的基于智慧物流的实时监测系统，其特征在于，所述交叉相关系数的计算公式为：
4.根据权利要求3所述的基于智慧物流的实时监测系统，其特征在于，所述数据四元组的构建方式包括：
5.根据权利要求4所述的基于智慧物流的实时监测系统...
【专利技术属性】
技术研发人员：董广明，胡忍，
申请(专利权)人：深圳聚瑞云控科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。