【技术实现步骤摘要】
本专利技术涉及物流运输管理，具体为一种基于人工智能的冷链物流中物品状态预测方法及系统。
技术介绍
1、随着人工智能技术的迅猛发展，供应链物流公司所面临的问题越来越多，尤其在冷链物流运输过程中。冷链运输已被广泛应用以便捷地保障食品的新鲜度和安全性，但是由于缺少对运输过程的监测，导致冷链运输体系仍存在一系列问题。
2、现有中国公开专利技术专利cn117217645a，该方法通过采集预设在冷链周转箱上的传感器采集到的冷链运输数据；每当经过路由节点将所述冷链运输数据传输至物流管理系统，并跟踪管理所述冷链周转箱的位置、状态和使用情况；当检测到所述冷链运输数据出现异常时,优化货物的配送路线和计划；但由于只在经过路由节点时进行传输和分析，预测判断能力不足，具有很大的局限性。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足，本专利技术提供了一种基于人工智能的冷链物流中物品状态预测方法及系统，具备精准预测、实时、高效等优点，解决了由于缺少对运输过程的监测，导致冷链运输体系不完善的问题。
3、(二)技术方案
4、为解决上述由于缺少对运输过程的监测，导致冷链运输体系不完善的技术问题，本专利技术提供如下技术方案：
5、本实施例公开一种基于人工智能的冷链物流中物品状态预测方法，具体包括以下步骤：
6、s1、通过安装的监控设备收集冷链物流中物品的状态数据，并基于收集到的物品的状态数据构建样本集；
7、s2、通过
8、s3、基于得到的处理后的物品的状态数据构建物品状态预测模型；
9、s4、实时收集冷链物流中当前位置信息以及多个目的地位置信息，基于路径规划算法规划路径并计算路径距离以及预测物品到达时间；
10、s5、将得到的预测物品到达时间输入物品状态预测模型，判断物品状态。
11、本专利技术通过安装的监控设备收集冷链物流中物品的状态数据，并构建样本集，同时通过数据处理方式对样本集中的物品的状态数据进行处理，处理完成后，基于得到的处理后的物品的状态数据构建物品状态预测模型，同时实时收集冷链物流中当前位置信息以及多个目的地位置信息，基于路径规划算法规划路径并计算路径距离以及预测物品到达时间，并将得到的预测物品到达时间输入物品状态预测模型，判断物品状态，提高了冷链物流中物品状态预测的准确性。
12、优选地，所述通过安装的监控设备收集冷链物流中物品的状态数据包括：物品数据采集、运输过程速度采集以及物品位移拍摄采集；
13、物品数据采集：对监控设备周边的温度以及物品温度进行数据信息采集；
14、物品位移拍摄采集：设定拍摄采集间隔，并基于设定的拍摄采集间隔对冷链物流运输过程中物品的位移量进行信息收集；
15、运输过程速度采集：实时采集冷链运输过程中车辆速度以及速度的变化量。
16、本专利技术通过对冷链物流中物品进行物品数据采集、运输过程速度采集以及物品位移拍摄采集并汇总的方式实现对物品的状态数据的采集，保证了物品状态数据采集的准确性。
17、优选地，所述通过数据处理方式对样本集中的物品的状态数据进行处理，得到处理后的物品的状态数据包括以下步骤：
18、通过数据标准化方法对样本集中的物品的状态数据进行标准化处理；
19、标准化计算公式如下所示：
20、
21、其中，表示标准化后的样本集中的物品的状态数据，x表示样本集中的物品的状态数据，μ表示样本集中的物品的状态数据均值，σ表示样本集中的物品的状态数据标准差。
22、本专利技术通过数据标准化方法对样本集中的物品的状态数据进行标准化处理，减少了因数据波动导致冷链物流中物品状态预测不准的问题，提高了物品状态数据可靠性。
23、优选地，所述基于得到的处理后的物品的状态数据构建物品状态预测模型包括以下步骤：
24、s31、基于得到的处理后的物品的状态数据构建温度预测模型；
25、s32、基于得到的处理后的物品的状态数据构建物品位移预测模型；
26、s33、设定物品状态预测模型包括温度预测模型和物品位移预测模型。
27、优选地，所述基于得到的处理后的物品的状态数据构建温度预测模型包括以下步骤：
28、基于得到的处理后的物品的状态数据中的监控设备周边的温度以及物品温度构建温度预测模型；
29、
30、其中，t(t)表示物品在t时刻的温度，h表示监控设备周边的温度温度，α表示冷却系数，t0表示物体初始温度，t0表示初始时刻。
31、优选地，所述基于得到的处理后的物品的状态数据构建物品位移预测模型包括以下步骤：
32、基于得到的处理后的物品的状态数据中物品的位移量和运输过程速度构建物品位移预测模型；
33、vt＝vt-1+at；
34、
35、其中，vt表示t时刻的运输过程速度，vt-1表示t-1时的运输过程刻速度，a表示加速度，st表示t时刻物品的预测位移量，s0表示初始时刻位移量，δs表示位移变化量；
36、设定加速度阈值范围，当运输过程中运输车加速度不在设定加速度阈值范围内表示物品侧翻，当运输过程中运输车加速度在设定加速度阈值范围内表示物品完好。
37、本专利技术通过处理后的物品的状态数据构建温度预测模型和物品位移预测模型，同时通过设定阈值范围的方式和实时采集运输过程中运输车加速度的方式判断物品状态，提高了冷链物流中物品状态预测的准确性。
38、优选地，所述实时收集冷链物流中当前位置信息以及多个目的地位置信息，基于路径规划算法规划路径并计算路径距离以及预测物品到达时间包括以下步骤：
39、s41、初始化算法参数，对冷链物流中的位置信息进行染色体编码；
40、s42、基于节约算法获得初始种群；
41、基于节约算法获得初始种群，具体步骤如下；
42、s421、启用饱和式运输计算，记录当前位置信息到多个目的地位置信息所有线路，得到冷链物流中所有饱和路径集合；
43、s422、将s421中的饱和路径集合进行归纳，对饱和路径集合中任意两条路径进行合并，计算合并后形成的新路径，相较于合并前的路径总和有多少节约值，并对节约值进行降序排列；
44、节约值＝合并前路径总和成本-合并后新路径总和成本；
45、进一步地，路径总和成本f计算过程包括如下步骤：
46、路径总和成本f＝运输成本f+运输距离成本；
47、运输成本f计算公式如下所示；
48、f＝cg；
49、其中，f表示运输车的固定成本，c表示每公里运输车固定损耗成本，g表示运输车运输物品过程中行驶的公里数；
50、运输距离成本计本文档来自技高网...
【技术保护点】
1.一种基于人工智能的冷链物流中物品状态预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的冷链物流中物品状态预测方法，其特征在于，所述通过安装的监控设备收集冷链物流中物品的状态数据包括：物品数据采集、运输过程速度采集以及物品位移拍摄采集；
3.根据权利要求1所述的一种基于人工智能的冷链物流中物品状态预测方法，其特征在于，所述通过数据处理方式对样本集中的物品的状态数据进行处理，得到处理后的物品的状态数据包括以下步骤：
4.根据权利要求1所述的一种基于人工智能的冷链物流中物品状态预测方法，其特征在于，所述基于得到的处理后的物品的状态数据构建物品状态预测模型包括以下步骤：
5.根据权利要求4所述的一种基于人工智能的冷链物流中物品状态预测方法，其特征在于，所述基于得到的处理后的物品的状态数据构建温度预测模型包括以下步骤：
6.根据权利要求4所述的一种基于人工智能的冷链物流中物品状态预测方法，其特征在于，所述基于得到的处理后的物品的状态数据构建物品位移预测模型包括以下步骤：
7.根据权利要
8.根据权利要求1所述的一种基于人工智能的冷链物流中物品状态预测方法，其特征在于，所述将得到的预测物品到达时间输入物品状态预测模型，判断物品状态包括以下步骤：
9.一种实现权利要求1-8任一项所述的基于人工智能的冷链物流中物品状态预测方法的系统，其特征在于，包括：数据采集模块、模型构建模块、路径规划模块以及物品状态判断模块；
...【技术特征摘要】
1.一种基于人工智能的冷链物流中物品状态预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的冷链物流中物品状态预测方法，其特征在于，所述通过安装的监控设备收集冷链物流中物品的状态数据包括：物品数据采集、运输过程速度采集以及物品位移拍摄采集；
3.根据权利要求1所述的一种基于人工智能的冷链物流中物品状态预测方法，其特征在于，所述通过数据处理方式对样本集中的物品的状态数据进行处理，得到处理后的物品的状态数据包括以下步骤：
4.根据权利要求1所述的一种基于人工智能的冷链物流中物品状态预测方法，其特征在于，所述基于得到的处理后的物品的状态数据构建物品状态预测模型包括以下步骤：
5.根据权利要求4所述的一种基于人工智能的冷链物流中物品状态预测方法，其特征在于，所述基于得到的处理后的物品的状态数据构...
【专利技术属性】
技术研发人员：王青林，熊兰，宋微，毛大伟，李小涛，张美玉，侯海瑞，陈志然，
申请(专利权)人：北京五环顺通供应链管理有限公司，
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。