CN106774063A - 一种用于货运车辆实时在途监控与预警的方法 - Google Patents

Abstract

本发明公开了一种用于货运车辆实时在途监控与预警的方法，包括如下步骤：1、收集货运安全相关因素并选取实时监控指标，根据影响在途货物安全因素中选取相关指标；2、通过实时监控单元进行实时数据收集；3、通过监控数据处理单元进行数据整理；4、通过计算各指标在不同时刻的比重、各指标的熵值、各指标的差异系数和各指标在不同时刻的权重，从而得到某个时刻的所有指标的总得分；5、通过计算相邻时刻的得分差值的绝对值以及得到的新的数据的均值和标准差得出移动的控制线，并对于超出控制线的时刻发出警报。本发明有利于明确货物受损后的责任追究，及时进行保险处理，确保货主的经济损失最小化，并有针对性的进行货物运输投保。

Description

一种用于货运车辆实时在途监控与预警的方法

技术领域

本发明属于物流信息系统技术领域，特别涉及一种用于货运车辆实时在途监控与预警的方法。

背景技术

在现代物流业中，运输过程中货物的安全问题涉及物流质量、承运人信誉、货主的经济利益、货物受损后的责任追究问题等。目前承运人在货物运输过程中，经常出现所运输货物损坏的情形，给货主以及运输企业带来了很大的财产损失，也使得承运人的信誉度受损。而运输过程中货物安全问题的产生，一部分是由于在运输过程中货物由于温度、湿度等的变化而发生质变；或是在运输过程中由于道路等原因导致货物固定出现问题，或是由于车速等原因导致货物发生移动，使得货物受损；也有一部分是因为驾驶人员违规驾驶及偷窃等导致货物在运输过程中出现安全问题。

发明内容

发明目的：针对现有技术中存在的问题，本发明提供一种用于货运车辆实时在途监控与预警的方法，能够通过实时监控货物运输过程中的货物、车辆，确定本专利涉及的指标：车辆路线偏移量、温度、湿度、重量，以获悉货物在运输过程中的安全状况，实现对货物安全运输全过程的实时监测，并对已受损的货物，分析其受损时间、原因，有利于明确货物受损后的责任追究，及时进行保险处理，确保货主的经济损失最小化,加强对之后货物运输过程中的安全措施等，并有针对性的进行货物运输投保。

技术方案：为解决上述技术问题，本发明提供一种用于货运车辆实时在途监控与预警的方法，包括如下步骤：

步骤一：收集货运安全相关因素并选取实时监控指标，根据影响在途货物安全因素中选取相关指标，确定监控指标为车辆路线偏移量、温度、湿度和重量；

步骤二：对步骤一中选取的监控指标通过实时监控单元进行实时数据收集，其中实时监控收集单元包括通过车内外安装的信息采集传感器；

步骤三：将步骤二中采集到的实时数据通过监控数据处理单元进行数据整理；

步骤四：对步骤三中整理好的数据进行计算，通过计算各指标在不同时刻的比重、各指标的熵值、各指标的差异系数和各指标在不同时刻的权重，从而得到某个时刻的所有指标的总得分；

步骤五：通过计算相邻时刻的得分差值的绝对值以及得到的新的数据的均值和标准差得出移动的控制线，并对于超出控制线的时刻发出警报，起到预警的效果。

进一步的，所述步骤二中的实时数据收集包括记录货物运输开始时各指标的数据和运输过程中获得的实时监测数据，货物运输开始时各指标的数据即T₀时刻的所有指标的值X_oj始；运输过程中获得的实时监测数据，即选取时间间隔相同的时刻T_i(i＝1，2,3...m)，获得的实时监测数据X_ij始(i＝1,2,...m)，并将T_i时刻的各指标的数据X_ij始与T₀时刻的各指标的数据X_oj始相减取绝对值，得到T_i时刻的指标监测数据X_{ij＝|Xij始-Xoj始|}，其中i表示样本数，j表示监控指标。

进一步的，所述步骤三中通过监控数据处理单元对数据进行整理的具体步骤如下：

步骤3.1：对T_i时刻的监测数据正向指标处理，

正向指标是越大越好的指标，对正向指标的处理如下：

其中，X_ij表示T_i时刻的指标监测数据，X_ij'表示T_i时刻监测数据的正向指标。

步骤3.2：对T_i时刻的监测数据逆向指标处理，

逆向指标是越小越好的指标，在所选指标中货物偏移量、车内湿度变化量、车内温度变化量、重量变化量都属于逆向指标，对逆向指标的处理如下：

其中，X_ij表示T_i时刻的指标监测数据，X_ij″表示T_i时刻监测数据的正向指标。

进一步的，所述步骤四中通过计算各指标在不同时刻的比重、各指标的熵值、各指标的差异系数和各指标在不同时刻的权重，从而得到某个时刻的所有指标的总得分的具体步骤如下：

步骤4.1：计算各指标不同时刻的比重方法如下，

或

其中P_ij表示第j项指标下第i个时间点占该指标的比重；

步骤4.2：计算第j项指标的熵值与差异系数

由上面所得的指标的比重来计算第j项指标的熵值，公式如下：

其中k＞0，ln为自然对数，e_j≥0，式中常数k与样本数m有关，一般令k＝1/lnm，则0≤e≤1；

步骤4.3：计算第j项指标的差异系数g_j，

g_j＝1-e_j

对于第j项指标，指标值X_ij的差异越大，对方案评价的作用越大，熵值就越小；

步骤4.4：由计算得到的差异系数求权数W_j，公式如下：

步骤4.5：计算在各时刻下所有指标的综合得分S_i：

进一步的，所述步骤五中：通过计算相邻时刻的得分差值的绝对值X_k＝|S_i+1-S_i|,k＝i以及得到的新的数据的均值和标准差得出移动的控制线的具体步骤如下：

步骤5.1：计算上一步所得的数据的均值和标准差：

均值：

其中表示数据的均值

标准差：

步骤5.2：利用以上计算的均值和标准差，计算移动的控制限：

中心线CL：

上控制线UCL：

下控制线LCL：

注：其中A的取值来源于计量值控制图系数表；

步骤5.3：有步骤5.2的得到的控制线UCL、LCL绘制控制图的控制线，将各时刻下所有指标的综合得分置于控制图中。

步骤5.4：将以上统计量与其对应的控制图的上下控制线对比，，当X_k在上控制线和下控制线之间时，货物安全；若超出，发出预警。

与现有技术相比，本发明通过影响在途货物安全监控系统的众多因素中找出可以实时监测的关键指标，建立在途货物安全监测系统；基于数据分析方法，最终找到货物在运输过程中需要发出预警的时刻，确保在之后的货物运输中货物的安全性；对已经发生货物残损的情况，能以此为依据对货物运输过程中受损的时间和原因进行分析，用于明确货物受损后的责任追究，以及及时对保险的处理，确保货主的经济损失最小化，并加强之后货物运输过程中安全措施等，有针对性的对货物运输过程进行投保。

附图说明

图1为本发明的方法流程图；

图2为实施例中所得出的控制图。

具体实施方式

下面结合附图和具体实施方式，进一步阐明本发明。

如图1所示，在收集了货运安全相关因素后，实施步骤如下：

(1)根据影响在途货物安全因素中选取相关指标，确定本专利涉及的指标：车辆路线偏移量、温度、湿度、重量。

(2)记录货物运输开始时各指标的数据即T₀时刻的所有指标的值X_oj始；运输过程中获得的实时监测数据，选取时间间隔相同的时刻T_i(i＝1，2,3...m)，获得的实时监测数据X_ij始(i＝1,2,...m)，并将T_i时刻的各指标的数据X_ij始与T₀时刻的各指标的数据X_oj始做差，得到T_i时刻的指标监测数据X_ij＝X_ij始-X_oj始，其中i表示样本数，j表示监控指标。

表1各时刻实时监测数据

Xij始	T0	T1	T2	T3	T4	T5	T6	T7	T8	T9	T10
												车内温度(℃)	30	34.5	35	35.3	36	36.8	36.9	37.5	37	36.5	36.4
车内湿度(％RH)	60	65	65	64	66	66	68	66	66	67	65
												车辆路线偏移量	0	0	300	500	780	940	950	550	290	150	0
重量(kg)	4300	4320	4322	4325	4390	4390	4392	4392	4392	4392	4392

表2各时刻监测数据与初始值的差的绝对值

Xij	T1	T2	T3	T4	T5	T6	T7	T8	T9	T10
											车内温度差(℃)	4.5	5	5.3	6	6.8	6.9	7.5	7	6.5	6.4
车内湿度差(％RH)	5	5	4	6	6	8	6	6	7	5
											车辆路线偏移量	0	300	500	780	940	950	550	290	150	0
重量变化量(kg)	20	22	25	90	90	92	92	92	92	92

(3)对i时刻的监测数据进行标准化处理：

其中，正向指标是越大越好的指标，在所选指标中未涉及；逆向指标是越小越好的指标，在所选指标中车辆路线偏移量、车内湿度变化量、车内温度变化量、重量变化量都属于逆向指标。

标准化处理之后的数据如下：

表3标准化后的监测数据

Xij"	T1	T2T3	T4	T5	T6	T7	T8	T9	T10
										车内温度差(℃)	1.000	0.8330.733	0.500	0.233	0.200	0.000	0.167	0.333	0.367
车内湿度差(％RH)	0.750	0.7501.000	0.500	0.500	0.000	0.500	0.500	0.250	0.750
										车辆路线偏移量	1.000	0.6840.474	0.179	0.011	0.000	0.421	0.695	0.842	1.000
重量变化(kg)	1.000	0.9720.931	0.028	0.028	0.000	0.000	0.000	0.000	0.000

(4)计算第j项指标下第i个时间点占该指标的比重：

计算可得各指标在各个时刻所占比重：

表4各指标在各个时刻所占比重

车内温度(℃)	0.229	0.191	0.168	0.115	0.053	0.046	0.000	0.038	0.076	0.084
											车内湿度(％RH)	0.136	0.136	0.182	0.091	0.091	0.000	0.091	0.091	0.045	0.136
车辆路线偏移量	0.188	0.129	0.089	0.034	0.002	0.000	0.079	0.131	0.159	0.188
											重量变化(kg)	0.338	0.329	0.315	0.009	0.009	0.000	0.000	0.000	0.000	0.000

(5)计算第j项指标的熵值与差异系数

①计算第j项指标的熵值，公式如下：

其中k＞0，ln为自然对数，e_j≥0，式中常数k与样本数m有关，一般令k＝1/lnm，则0≤e≤1；

②计算第j项指标的差异系数，公式如下：

g_j＝1-e_j

表5各指标的熵值及差异系数

(6)求权数，公式如下：

经计算的各项指标的权重：

表6各指标权重

指标体系	权重
		车内温度(℃)	0.147
车内湿度(％RH)	0.088
		车辆路线偏移量	0.165
重量变化(kg)	0.600

(7)计算在各时刻所有指标的综合得分：

表7各时刻所有指标的综合得分

(8)找到保证在途货物安全的预警线

①计算相邻时刻的得分差值的绝对值，X_k＝|S_i+1-S_i|,k＝i

表8相邻时刻的得分差值绝对值

	|S2-S1|	|S3-S2|	|S4-S3|	|S5-S4|	|S6-S5|	|S7-S6|	|S8-S7|	|S9-S8|	|S10-S9|
										差值	0.021	0.014	0.208	0.014	0.015	0.014	0.014	0.006	0.014

②计算数据的均值和标准差：

③利用以上计算的均值，计算移动的控制限：

中心线CL：

上控制线UCL：

下控制线LCL：

注：其中A的取值来源于计量值控制图系数表。

(9)将以上统计量与其对应的控制图的上下控制线对比，在T₄-T₃时出现异常值，在T₄时刻发出预警。

以上所述仅为本发明的实施例子而已，并不用于限制本发明。凡在本发明的原则之内，所作的等同替换，均应包含在本发明的保护范围之内。本发明未作详细阐述的内容属于本专业领域技术人员公知的已有技术。

Claims (5)

1.一种用于货运车辆实时在途监控与预警的方法，其特征在于，包括如下步骤：

步骤一：收集货运安全相关因素并选取实时监控指标，根据影响在途货物安全因素中选取相关指标，确定监控指标为车辆路线偏移量、温度、湿度和重量；

步骤二：对步骤一中选取的监控指标通过实时监控单元进行实时数据收集，其中实时监控收集单元包括通过车内外安装的信息采集传感器；

步骤三：将步骤二中采集到的实时数据通过监控数据处理单元进行数据整理；

步骤四：对步骤三中整理好的数据进行计算，通过计算各指标在不同时刻的比重、各指标的熵值、各指标的差异系数和各指标在不同时刻的权重，从而得到某个时刻的所有指标的总得分；

步骤五：通过计算相邻时刻的得分差值的绝对值以及得到的新的数据的均值和标准差得出移动的控制线，并对于超出控制线的时刻发出警报，起到预警的效果。

2.所述步骤二中的实时数据收集包括记录货物运输开始时各指标的数据和运输过程中获得的实时监测数据，货物运输开始时各指标的数据即T₀时刻的所有指标的值X_oj始；运输过程中获得的实时监测数据，即选取时间间隔相同的时刻T_i(i＝1，2,3...m)，获得的实时监测数据X_ij始(i＝1,2,...m)，并将T_i时刻的各指标的数据X_ij始与T₀时刻的各指标的数据X_oj始相减取绝对值，得到T_i时刻的指标监测数据X_ij＝|X_ij始-X_oj始|，其中i表示样本数，j表示监控指标。

3.所述步骤三中通过监控数据处理单元对数据进行整理的具体步骤如下：

步骤3.1：对T_i时刻的监测数据正向指标处理，

正向指标是越大越好的指标，对正向指标的处理如下：

${X_{ij}}^{\′}=\frac{X_{ij}-\min (X_{1j},X_{2j},\mathrm{...},X_{mj})}{\max (X_{1j},X_{2j},\mathrm{...},X_{mj})-\min (X_{1j},X_{2j},\mathrm{...}{X}_{mj})},j=1,2,\mathrm{...},n$

其中，X_ij表示T_i时刻的指标监测数据，X_ij'表示T_i时刻监测数据的正向指标。

步骤3.2：对T_i时刻的监测数据逆向指标处理，

逆向指标是越小越好的指标，在所选指标中车辆路线偏移量、车内湿度变化量、车内温度变化量、重量变化量都属于逆向指标，对逆向指标的处理如下：

${X_{ij}}^{\′\′}=\frac{max(X_{1j},X_{2j},\mathrm{...},X_{mj})-X_{ij}}{max(X_{1j},X_{2j},\mathrm{...},X_{mj})-min(X_{1j},X_{2j},\mathrm{...}{X}_{mj})},j=1,2,\mathrm{...},n$

其中，X_ij表示T_i时刻的指标监测数据，X_ij”表示T_i时刻监测数据的逆向指标。

4.所述步骤四中通过计算各指标在不同时刻的比重、各指标的熵值、各指标的差异系数和各指标在不同时刻的权重，从而得到某个时刻的所有指标的总得分的具体步骤如下：

步骤4.1：计算各指标不同时刻的比重方法如下，

或

其中P_ij表示第j项指标下第i个时间点占该指标的比重；

步骤4.2：计算第j项指标的熵值与差异系数

由上面所得的指标的比重来计算第j项指标的熵值，公式如下：

$e_j=-k.\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{P}_{ij}log\left(P_{ij}\right)$

其中k＞0，ln为自然对数，e_j≥0，式中常数k与样本数m有关，一般令k＝1/lnm，则0≤e≤1；

步骤4.3：计算第j项指标的差异系数g_j，

g_j＝1-e_j

对于第j项指标，指标值X_ij的差异越大，对方案评价的作用越大，熵值就越小；

步骤4.4：由计算得到的差异系数求权数W_j，公式如下：

$W_j=\frac{g_j}{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{g}_j},j=1,2...n$

步骤4.5：计算在各时刻下所有指标的综合得分S_i：

$S_i=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{W}_j\·P_{ij},(i=1,2,...m)$

5.所述步骤五中：通过计算相邻时刻的得分差值的绝对值

X_k＝|S_i+1-S_i|,k＝i以及得到的新的数据的均值和标准差得出移动的控制线的具体步骤如下：

步骤5.1：计算上一步所得的数据的均值和标准差：

均值：

其中表示数据的均值

标准差：

步骤5.2：利用以上计算的均值和标准差，计算移动的控制限：

中心线CL：

上控制线UCL：

下控制线LCL：

注：其中A的取值来源于计量值控制图系数表；

步骤5.3：有步骤5.2的得到的控制线UCL、LCL绘制控制图的控制线，将各时刻下所有指标的综合得分置于控制图中。

步骤5.4：将以上统计量与其对应的控制图的上下控制线对比，当X_k在上控制线和下控制线之间时，货物安全；若超出，发出预警。