CN107343052A - 一种wsn与rfid结合的物流监控系统 - Google Patents

一种wsn与rfid结合的物流监控系统 Download PDF

Info

Publication number
CN107343052A
CN107343052A CN201710613615.5A CN201710613615A CN107343052A CN 107343052 A CN107343052 A CN 107343052A CN 201710613615 A CN201710613615 A CN 201710613615A CN 107343052 A CN107343052 A CN 107343052A
Authority
CN
China
Prior art keywords
node
goods
data
label
rfid
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710613615.5A
Other languages
English (en)
Other versions
CN107343052B (zh
Inventor
王宜怀
陈建明
姚望舒
王绍丹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GUANGDONG GENSHO LOGISTICS Co.,Ltd.
Original Assignee
Suzhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou University filed Critical Suzhou University
Priority to CN201710613615.5A priority Critical patent/CN107343052B/zh
Publication of CN107343052A publication Critical patent/CN107343052A/zh
Application granted granted Critical
Publication of CN107343052B publication Critical patent/CN107343052B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0833—Tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明提出了一种WSN与RFID结合的物流监控系统，包括：远程监控子系统，部署在仓储空间或交通工具之中，包括RFID标签、传感器节点、融合节点以及汇聚节点；RFID标签与传感器节点附着在货物包装上；融合节点包括RFID读写器以及无线节点模块，通过RFID读写器或无线节点模块与所述RFID标签、传感器节点进行数据传输，并且所述融合节点对RFID标签或者传感器节点的数据进行处理；融合节点通过无线传感器网络将数据汇聚至汇聚节点；所述汇聚节点通过无线传感器网络与融合节点通信，并且通过以太网或GPRS与所述地面系统通信；地面子系统，通过以太网或GPRS与外部网络通信，接收汇聚节点上传的信息或者发送信息至汇聚节点。本发明可实现提供了仓储定位和货物在途姿态识别。

Description

一种WSN与RFID结合的物流监控系统
技术领域
本发明涉及信息化物流领域，具体为一种WSN与RFID结合的物流监控系统。
背景技术
物流是供应链的一部分，是为了满足顾客对商品、服务及相关信息的需求从产地到消费地的高效率、低成本流动和存储的需求而进行的规划、实施、控制过程。在物流的主要生产环节当中，装卸、包装、流通加工三个过程大都已机械化、自动化完成，而剩余的仓储和运输过程就成了物流差错的主要来源。物流信息的缺失导致这些问题不能够即时被发现和解决，也不能够在差错发生时记录原因以供事后追溯和规避。
在仓储环节，工厂生产出的成品或商场进购的货品等大都以人工方式按照某种约定的规则进行摆放。而人工方式在进出货时，会遇到很多问题，比如摆放错位、查找困难、摆放不灵活、货架区域浪费等。
在运输环节，以条形码和纸质货运单号为主的标识方式可以在一定程度上实现物流的信息化，但这种信息化更多的只是实现货物的追踪，而不能实现在途货物的实时监控，将货物质量、运输环境和货物本身进行挂钩，以实现货物全过程的追溯和控制。尤其是贵重品和危险品，可能由于不正常的包裹或运输过程造成晃动、撞击或翻倒，由此产生贵重品破损甚至危险品泄漏、爆炸等巨大人员和财产损失。此外，条形码和数字单号需要目视(靠近条形码识别器或在人眼视力范围内)读取，速度慢、易出错，而且只能在运输环节的两端或装卸货前后进行扫码或读码记录，具有较大的局限性，制约出入库等环节的效率。
随着信息技术的不断发展和人们对于货物质量及货物安全的重视，越来越多的物流信息技术受到关注。冷链物流、贵重品物流、仓储定位等棘手问题也出现了新的解决思路。而无线传感器网络(Wireless Sensor Networks,WSN)和射频识别(Radio FrequencyIdentification,RFID)技术以其各自的优点已经在物流领域受到一定的重视。
射频识别技术是一种利用射频通信实现的非接触式自动识别技术(以下简称RFID)。RFID标签具有体积小、容量大、寿命长、可重复使用等特点，可支持快速读写、非可视识别、移动识别、多目标识别、定位及长期跟踪管理。RFID技术与互联网、通讯等技术相结合，可实现全球范围内物品跟踪与信息共享。射频识别系统由电子标签(Tag)、读写器(Reader)以及数据交换和管理系统构成。电子标签由耦合元件及芯片组成，其中包含EEPROM(电可擦除可编程只读存储器)及射频收发等相关电路，通过无线电波与读写器进行通信。标签根据是否自带电源，分为无源标签(被动式)、半有源标签(半被动式)和有源标签(主动式)。无源标签体积小、无需电源、价格低，占据市场主流。而有源标签的反应速度、读写距离等方面要优于无源标签。读写器(也称阅读器、查询器等)由无线收发模块、天线、控制模块及接口电路等部分组成。可以向标签发送指令和数据、对标签进行读写，以此达到对标签信息的识别功能。同时负责建立通信、安全认证、防冲突等过程，负责与管理系统进行通信。数据交换和管理系统用以向读写器发送指令和数据，或通过读写器收集标签中的数据，进行处理。数据可以暂存在读写器中，通过串口或USB等接口与主机相连接，与管理系统进行通信。RFID的基本工作原理较为简单，当标签进入读写器磁场后，接收由读写器发出的射频信号，无源标签产生感应电流并通过感应电流的能量发出存储在芯片中的数据，而主动标签主动发出存储数据，读写器读取到射频信号后进行解码，到数据交换和管理系统中进行数据处理。系统结构图如图1所示。但是，目前国内外对于RFID在仓储物流过程中的应用还较为局限在其标识和记录的能力上。
无线传感器网络(WSN)是由部署在监测区域内大量传感器节点相互通信形成的多跳自组织网络系统，是物联网底层网络的重要技术形式。其目的是协作的感知、采集和处理网络区域覆盖中感知对象的信息，并发送给观察者，协作完成指定的任务。随着传感器技术、无线通信技术、嵌入式应用与微电子技术的日趋成熟，WSN逐渐满足人们对任何环境、时间、地点下获取环境的需求。且因其自组织、部署便捷、高容错性和隐蔽性等技术优势，因此，非常适用于环境监测、医疗护理、军事环境、目标跟踪等领域。无线传感网的主要由传感器节点、汇聚节点和管理节点三个部分构成，体系结构如图2所示。传感器节点具有传感、信号处理和无线通信的功能。节点(本专利中指传感器节点，下同)既是信息包的获取者也是信息包的转发者，形成多跳的自组织网络，将数据发送至汇聚节点。汇聚节点又称网关，可以通过多种方式与外部网络进行行通信，如Internet、卫星或移动通信网络等。大规模的WSN应用可以使用多个网关进行灵活组网。
WSN与RFID均有其各自的技术特长与应用优势，也有其自有缺陷。在现有的技术脉络当中，二者的发展一直是两条平行线，各自的缺点也导致其无法满足社会生活的实际需求。二者的融合是未来发展的趋势，如何在现有研究基础上实现两种技术的融合也是目前技术创新关注的重点。
在大规模仓储环境中，仓储定位问题一直是制约货物盘点和出入库效率的关键问题，而现有的基于RFID的定位算法大都面向较小面积的室内定位，对于以货架为主的大规模仓储环境来讲，需要部署过多数量的RFID锚节点才能实现有效的定位信号覆盖，布线复杂、硬件开销过大。而WSN可以弥补RFID组网及传输能力的不足，增加节点部署的灵活性。因此，如何基于融合WSN与RFID节点的定位方法来提高定位覆盖率、降低节点部署数量以及提升定位精度，具有较高的研究价值。
在物流配送环节，以定位系统和人工检查为主的监控手段无法满足货物实时监控的需求。然而，诸如摄像头的追踪录像监控布线复杂且对光线、视距条件要求较高，并不适合在狭窄的运输货箱中使用。WSN优秀的无线数传能力则非常适合在途货物监控数据的传输，丰富的传感器接口也可提供多样的监控条件。尤其在姿态检测方面，加速度传感器已经多见于手势识别、运动识别等姿态检测方面的研究。随着传感器技术的提高，六轴加速度传感器相比三轴传感器能够提供更为精准的加速度并提供姿态角数据。因此，基于六轴加速度传感器的WSN实现货物行为姿态检测方法，对于货物的实时监控具有重要意义。
纵观整个物流过程，一个完善的、贯穿整个物流过程的监控系统，可以有效监督并记录货物从仓储到运输整个过程中环境信息及货物本身的状态，便于对于可控的环境变量进行跟踪控制以及对损失发生后责任的界定和整改提供依据。而RFID正可以实现贯穿整个货物生命周期的跟踪记录，与此同时，WSN可以实现物流各个环节环境以及货物本身状态数据的采集和反馈控制。因此，研究WSN与RFID相结合的物流监控系统，解决仓储定位问题以及物流配送环节的货物行为检测，对提高出入库效率、减少操作时间、提高物流成本都有着非常重要的意义。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种WSN与RFID结合的物流监控系统。本发明针对物流过程中亟待解决的仓储定位问题和在途货物安全问题，提供了一套监控系统框架，并且提供了仓储定位和货物在途姿态识别的方法。
(二)技术方案
本发明提供的WSN与RFID结合的物流监控系统，其特征在于，包括：
远程监控子系统，部署在仓储空间或交通工具之中，包括：RFID标签、传感器节点、融合节点以及汇聚节点；所述RFID标签与传感器节点附着在货物包装上；所述融合节点包括RFID读写器以及无线节点模块，通过RFID读写器或无线节点模块与所述RFID标签、传感器节点进行数据传输，并且所述融合节点对RFID标签或者传感器节点的数据进行处理；所述融合节点通过无线传感器网络将数据汇聚至汇聚节点；所述汇聚节点通过无线传感器网络与融合节点通信，并且通过以太网或GPRS与所述地面系统通信；
地面子系统，通过以太网或GPRS与外部网络通信，接收汇聚节点上传的信息或者发送信息至汇聚节点。
优选的是，所述融合节点作为锚节点应用于仓储定位；锚节点的RFID读写器与待测标签之间通过信号强度进行测距定位；并且锚节点的无线节点模块通过无线传感器网络对所获得的定位数据进行传输。
优先的是，所述锚节点的无线节点模块还附加环境数据传感器，并且控制RFID读写器读取货物的RFID标签；所述锚节点的无线节点模块通过无线传感器网络将数据上传至二级汇聚节点，再由各个二级汇聚节点上传至一级汇聚节点，由一级汇聚节点上传至所述地面系统。
优选的是，锚节点分为固定位置锚节点以及移动锚节点；所述固定锚节点布置在货架的水平中轴上，每个货架间隔布置若干个固定锚节点，货架被各锚节点的信号全部覆盖；在货架两侧水平支架上各安装一个所述移动锚节点，并且锚节点可以沿着水平支架滑动，移动锚节点的信号覆盖半径大于等于1/2的货架宽度。
优选的是，所述锚节点如下进行仓储定位：
利用所有固定锚节点尝试读取待测标签，实行初步定位，在整个仓储环境中定位到特定货架及该货架的估计区域块；
该货架两侧的移动锚节点同时沿货架一端向另一端移动，若某一侧第一次读到待测标签的信号开始，记录当前信号强度及对应横坐标，若当前时刻信号强度大于前一时刻信号强度，则保留当前时刻下相应数据，若当前时刻小于前一时刻对应信号强度时，回滚到前一时刻并获得稳定的测量值，未读到标签一侧的移动锚节点停止移动或自行归位；
若待测标签被大于等于两个固定锚节点检测到信号，则利用RSSI距离模型，以RSSI值最大的两个固定锚节点和一个移动锚节点产生的到待测标签的3个距离值，执行改进的加权质心定位算法，进行二次定位，获得待测标签的坐标；
若待测标签仅处于单个固定锚节点信号覆盖范围内，利用稳定状态下的移动锚节点产生的距离值和对应横坐标，以及锚节点读写器产生的距离值，进行二次定位，获得待测标签的位置坐标。
优选的是，当应用于在途货物行为姿态检测时，传感器节点附着在货物之上，所述传感器节点包含无线节点模块及一个六轴加速度传感器，所述六轴加速度传感器实时检测货物的三维加速度和三个姿态角，通过A/D转换将采集的模拟加速度信号转换为数字信号，并将数据存放在节点的RAM中，以及执行在途货物行为姿态检测；RFID标签附着在货物上，用于对货物进行标识和物流信息的记录；并且，融合节点包括无线节点模块和与之相连的RFID读写器，用于对标签进行读写，通过读写器获取标签数据进行上传，还用于通过RFID读写器改写标签信息；所述汇聚节点通过无线传感器网络从融合节点获得信息，通过以太网或GPRS与地面系统通信。
优选的是，所述传感器节点如下进行在途货物行为姿态检测：
信号预处理，对获取的三轴加速度和三轴姿态角数据执行平滑滤波，通过设置门限阈值对连续时间上的三轴加速度数据流进行切分，检测出现货物行为的时间窗口；
特征提取，对货物的不同行为进行特征分析，选取代表货物行为的数据特征；
采用决策树分类器对货物行为进行分类。
优选的是，所述采用决策树分类器对货物行为进行分类包括：
利用训练样例建立决策树，设定分类效果好的属性值列表；所述属性值列表包括以下属性：SW，MA，OA，LTA及GC；SW表示是否截取到关键行为的时间窗口；MA为加速度最大值判定；OA为加速度最大偏移量判定；LTA为时间窗内姿态角变化较大；GC为时间窗内姿态角发生重力方向的改变；以上属性值均为布尔值；通过决策树判断各个属性值是否符合，获得对在途货物姿态行为的识别结果。
优选的是，地面系统包括侦听程序与数据库模块、服务器以及人机交互设备；侦听程序是汇聚节点与管理系统交互的通信媒介，用户的人机交互设备通过管理系统对汇聚节点或下级节点的指令会存储在数据库模块中，由侦听程序取出并按照通信格式封装成帧并下发至汇聚节点，汇聚节点在解析之后进行相应指令操作；汇聚节点向上发送的数据也由侦听程序解析并存放在数据库模块中供上层管理系统处理；数据库模块提供汇聚节点、下级节点以及侦听程序的信息状态表，用以存储各通信部分的编号、在离线状态、路由功能开关等数据信息。
(三)有益效果
综上所述，本发明针对物流过程中亟待解决的仓储定位问题和在途货物安全问题提出了相应的解决方案。并在此基础上拓宽至整个仓储配送的物流过程，设计了一套监控系统框架，并且提供了仓储定位和货物在途姿态识别的方法。针对传统的基于RFID的仓储定位方法硬件布线复杂、定位节点数量过大、有效覆盖率低的问题，本发明提供了一种WSN与RFID融合的锚节点，首先，节点的无线数传能力可以直接有效解决布线复杂问题。其次，无需数据线束缚下的定位锚节点可以采取移动的策略，这也为我们寻求减少定位节点个数提供了契机。本发明进而设计了基于移动锚节点的二次定位方法，并提供移动锚节点的停止策略以及基于信号强度的加权质心定位算法，对于以仓储货架为主的大规模仓储区域，能够有效减少所需节点的个数，提高覆盖范围，定位精度和覆盖范围优于传统的三角形质心定位算法，有效降低仓储定位成本。对于在途货物的监控问题，本发明融合的节点结构除了在仓储定位发挥出色表现之外，其WSN自有的丰富的传感器接口可以实现在途货物的多方位监控，尤其是货物行为姿态检测方面，本文对货物的异常行为姿态进行定义和划分，利用加六轴速度传感器获取在途货物的三维加速度数据及姿态角，并提供一种行为姿态的检测算法。方法有效解决货物正常情况下数冗余处理的问题，提供时间检测窗口划分并提取关键数据段；通过对大量实验数据统计特征的分析，对关键数据段设计有效的特征向量建立决策树分类方法，实验证明本方法具有较高的分类精度，能够有效解决在途货物的行为姿态监控问题。
附图说明
图1是现有技术中的射频识别系统结构示意图；
图2是现有技术中的无线传感器网络体系结构示意图；
图3是本发明提供的WSN与RFID结合的物流监控系统总体结构示意图；
图4是本发明提供的锚节点结构示意图；
图5是本发明提供的不同货架区域组网示意图；
图6是本发明提供的锚节点布置方式示意图；
图7是本发明提供的实现待测标签定位的加权质心定位原理示意图；
图8是本发明提供的移动锚节点坐标示意图；
图9是本发明提供的对待测标签进行二次定位的原理示意图；
图10是本发明应用于在途货物行为姿态检测时物流监控系统的结构；
图11是本发明基于六轴加速度传感器的货物行为姿态检测方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图3，本发明提供的WSN与RFID结合的物流监控系统包括：远程监控子系统、地面子系统。
远程监控子系统，部署在仓储空间或交通工具之中，包括：RFID标签、传感器节点、融合节点以及汇聚节点。所述RFID标签与传感器节点附着在货物包装上。传感器节点可以包括加速度传感器、温湿度传感器等多种类型的无线传感器节点。所述融合节点通过RFID读写器或无线节点模块与所述RFID标签、传感器节点进行数据传输，并且所述融合节点对RFID标签或者传感器节点的数据进行处理，执行物流监控。融合节点本身也可以扩展配置多种传感器，以便直接实施环境参数采集，或者连接环境控制系统实施光照、温度等反馈控制。所述融合节点作为无线传感器网络的节点，既是信息的获取者也是信息的转发者，形成多跳的自组织网络，将数据汇聚至汇聚节点。汇聚节点则通过以太网或GPRS与地面系统通信。
地面子系统，固定在特定办公区域，通过以太网或GPRS与外部网络通信，接收汇聚节点上传的信息或者发送信息至汇聚节点。地面系统包括侦听程序与数据库模块、服务器以及人机交互设备(计算机、平板等)。管理员通过人机交互设备对物流监控系统实施监控管理。
上述系统之中，传感器节点、融合节点以及汇聚节点组成本平台的无线传感器网络。无线传感网络的硬件应具有低功耗、可拓展、抗干扰、具有一定数据存储与处理能力、易于二次开发的特点。传感器节点与融合节点主要实现环境数据采集及外设控制，汇聚节点部分要实现感知网络与外部网络的互联，应具备网络接入、通信格式转换、数据转发及处理等基本功能，汇聚节点可以采用多级汇聚节点的形式。因此，本系统选择无线传感器网络技术架构ISMTA(Technology Architecture of"Internet&Smart Manufacturing")的基础上实现设计与开发过程。其中传感器节点、融合节点的无线节点模块部分基于恩智浦的32位超低功耗微控制器MKW01Z128芯片设计，具有射频收发、16位ADC、GPIO、UART、I2C、SPI等功能模块，可接丰富的传感器及其他外设。汇聚节点模块以ISMTA网关为基本原型。ISMTA网关模块GPRS/ETH-WSCN主要负责将节点采集的数据转发至外部网络。考虑到不同应用场景需求，该网关模块可选的提供两种连接模式，GPRS模式和以太网方式，前者以无线数据业务为载体，具有实时在线、按流量计费、易于拓展、传输速率高等优点，适用于本系统在途监控模式；而后者采用以太网的方式，具有极高的数据传输速率和抗干扰性能，且其在低功耗和兼容性方面具有较大优势，适合对架设数据线不敏感、对数据实时性要求较高的场合，因此，极其适合本文仓储监控的场景需求。
无线传感器网络技术架构ISMTA中包含完整的硬件模块驱动程序、侦听程序及通信部分数据库，能够实现整个无线传感器网络的基本通信流程。侦听程序是汇聚节点与管理系统交互的通信媒介，用户通过管理系统对汇聚节点或或下级节点(传感器节点、融合节点)的指令会存储在数据库中，由侦听程序取出并按照通信格式封装成帧并下发至汇聚节点，汇聚节点在解析之后进行相应指令操作。对应的，汇聚节点向上发送的数据也由侦听程序解析并存放在数据库中供上层管理系统处理。通信数据库部分提供汇聚节点、下级节点以及侦听程序的信息状态表，用以存储各通信部分的编号、在离线状态、路由功能开关等数据信息。
融合节点的RFID读写器选择识别距离为1m的超高频RFID读写器模块，在实际运用过程中，可以根据需求，选用更大距离的RFID超高频读写器。读写器与节点融合的工作模式下，该RFID读写器通过串口与融合节点相连。
传感器节点的加速度传感器选择了市面上较为常见的六轴加速度传感器模块，模块采用高精度的陀螺加速度计MPU6050，自带稳压电路，可以兼容3.3V/5V的嵌入式系统，串口输出并保留I2C接口，可以实现底层测量数据访问需求。传感器节点的温湿度传感器选择DHC1型温湿度传感器，温度测量范围为-50℃～60℃，分辨率0.1℃，湿度测量范围(0～100)％RH，分辨率1％RH。可单独作为温湿度测量配套传感器，广泛应用于各类对环境温度、湿度测量数据要求较高的环境下使用。在本系统中，传感器节点或融合节点的无线节点模块部分可通过温湿度采样电路扩展板获得温度和湿度值。
本发明在WSN与RFID融合技术的基础上，针对中小型物流企业和企业自建物流，采用以上物流监控系统框架。对于出入库和运输过程中所涉及的基础信息流动，以及对仓储物流中的仓储定位问题和运输过程中的在途货物安全问题，该系统可以作为有效的监控管理平台。
在以上物流监控系统框架的基础上，当实现仓储定位功能时，具有RFID读写器的融合节点分为两种，分别称之为固定位置锚节点和可沿货架水平滑动的移动锚节点。每种锚节点由作为WSN节点的无线节点模块和与之相连的RFID读写器组成。读写器与待测标签之间通过信号强度进行测距定位，然后通过无线传感器网络对所获得的定位数据进行可靠的传输。此外，无线节点模块可通过附加温度、湿度等传感器，实时检测环境数据，并控制读写器读写标签；作为锚节点的融合节点通过汇聚节点上传数据至服务器，实现货物的状态监控与记录。如图4所示，作为锚节点的融合节点结构具体包括：数据采集单元，包括温度传感器、湿度传感器、加速度传感器等多种类型的传感器以及A/D模块；处理与控制单元，包括应用模块、存储器以及CPU；RFID无线通信单元，包括RFID读写器以及RFID天线；RF无线收发单元，包括RF无线收发模块以及RF天线，从而实现作为WSN节点的数据收发。
如图5所示，WSN可以自组织的形式进行灵活组网，本发明将仓储定位环境划分为一个个紧凑的货架区，货架区以排列整齐的货架为主，货物附着RFID标签，存放于货架之上。货架上布置所述固定锚节点和移动锚节点，利用WSN对不同货架区域按照如图5的方式进行组网，锚节点将所读取的RFID标签信息以及传感器采集的环境数据通过无线传感器网络的通信方式上传给二级汇聚节点，各个二级汇聚节点再上传至一级汇聚节点，由一级汇聚节点通过以太网或GPRS的传输网络上传给地面系统的服务器，实现整个仓储定位环境的搭建。而命令下发时，以服务器——一级汇聚节点——二级汇聚节点——锚节点的路径，下发命令进行节点控制，实现定位等操作。
下面介绍基于移动锚节点实现的货架区货物二次定位方法。对于货架区的货物定位，根据单个货架长度和单个读写器有效的测量范围，将若干固定锚节点按照图6的方式布置在货架水平中轴上，保证货架被射频信号全部覆盖。在货架两侧水平支架上，各布置一个可沿水平支架滑动的移动锚节点。移动锚节点的信号最大覆盖半径应大于等于1/2的货架宽度。即保证两个移动锚节点的有效覆盖范围大于货架宽度。
二次定位方法的步骤包括：
Step 1：利用所有固定锚节点尝试读取待测标签，实行初步定位，在整个仓储环境中定位到特定货架及该货架的估计区域块，然后执行Step 2；
Step 2：该货架两侧的移动锚节点同时沿货架一端向另一端移动，若某一侧第一次读到待测标签的信号开始，记录当前信号强度及对应横坐标，若当前时刻信号强度大于前一时刻信号强度，则保留当前时刻下相应数据，若当前时刻小于前一时刻对应信号强度时，回滚到前一时刻并获得稳定的测量值，未读到标签一侧的移动锚节点停止移动或自行归位；执行Step 3；
Step 3：若待测标签被大于等于两个固定锚节点检测到信号，则利用RSSI距离模型，以RSSI值最大的两个固定锚节点和一个移动锚节点产生的到待测标签的3个距离值，执行改进的加权质心定位算法，进行二次定位，获得待测标签的坐标；否则，即待测标签仅处于单个固定锚节点信号覆盖范围内时，执行Step 4；
Step 4：利用稳定状态下的移动锚节点产生的距离值和对应横坐标，以及固定锚节点读写器产生的距离值，进行二次定位，获得待测标签的位置。
其中，利用RSSI距离模型确定锚节点与待测标签距离值的方法如下：
RFID的接收信号强度是指读写器通过测量自身接收到的信号强度所给出的指示值。不同的模型对测距结果影响显著，本发明选择室内实际环境一般遵循的对数距离路径损耗模型进行表示：
式中P(d)的单位是dBm,表示读写器与标签之间距离值为d时的路径损耗；P(d0)表示近参考距离d0时的路径损耗；n为路径损耗因子，表明路径损耗随距离增长的速率，该值与环境相关，工程上会给出不同材料的路径损耗因子,也可以采取实验测量拟合曲线获得；Xσ表示标准偏差为σ，均值为0的正态随机变量。
信号的发射功率为PT,则有式(2),其中RSSI(d)为距离为d时的信号接收功率：
P(d)＝PT-RSSI(d) (1)
综合式(1)，(2)可将路径距离损耗模型换算成接收信号强度RSSI的形式为：
由此可以得到在该传播模型下，距离值d与接收信号强度RSSI(d)的为：
其中d0表示近参考距离，RSSI(d0)，RSSI(d)为距离为d0、d时的信号接收功率，Xσ表示标准偏差为σ。
在步骤Step 3当中，获得RSSI值最大的两个固定锚节点和一个移动锚节点产生的到待测标签的3个距离之后，所执行改进的加权质心定位算法如下：
参见图7，若两个固定锚节点及移动锚节点的坐标分别为A(xa,ya)，B(xb,yb)，Move(xmove,ymove)，与待测标签的信号强度分别为RSSI1，RSSI2，RSSImove，根据距离信号模型获得与待测标签的距离分别为d1，d2，dMove。通过式(5)可以计算三个估计的标签位置，即图7三角形三个顶点的坐标，D(xd,yd)，E(xe,ye),F(xf,yf)。其中，图7中交点D的计算方法为：
同理可计算出另外两个交点E，F，公式如下：
图7中交点E的计算方法为：
图7中交点F的计算方法为：
那么，则待测标签的坐标为：
此方法相比于三边测量定位方法，具有更高的精确度。
在步骤S4中，利用稳定状态下的移动锚节点产生的距离值和对应横坐标，以及固定锚节点读写器产生的距离值，对待测标签进行二次定位，具体如下：
如图8，以货架水平滑动轴为X轴，以与该滑动轴相邻左边为Y轴，建立二维坐标系，若待测节点在某个固定锚节点A(xa,ya)信号覆盖范围内时，移动锚节点从坐标原点沿轴向x＝xa方向移动。定义移动锚节点的定位向量格式为N(T,xmove,RSSImove)，其中T为当前时间，xmove为当前移动锚节点的横坐标，RSSImove为当前读取的待测标签的信号强度。若RFID采样率为H，移动锚节点速度为v，则一个采样周期内移动锚节点的移动距离为v/H。因采样频率远大于v，可以认为在较小的时间间隔下，锚节点位置不变。因此可以保证在极小的移动距离下有足够的采样数据。考虑到算法的实时性能及数据处理量，选择低通滤波的方式对采样数据进行滤波，以去除噪声干扰，获得较为准确的采样信号。从移动读写器初次读取到待测标签信号强度时，维护该定位向量。记录当前定位向量Nt(Nt为T至T+t0范围内滤波后的稳定值)。若当前时刻信号强度大于前一时刻信号强度则保留当前定位向量Nt，否则，移动锚节点退回至前一时刻位置处，并保留前一时刻定位向量Nt-1为Nt，停止移动。如图9所示，当移动锚节点向待测标签方向移动时，在滤波算法下，RSSImove值随距离的减小而增加，当且仅当移动锚节点与待测标签处于同一横坐标下时，距离最短，信号强度最大。因此移动锚节点最终停止在xmove处，xmove即为待测标签横坐标。利用该固定锚节点产生的信号强度和距离值，以及移动锚节点的定位向量N进行计算。因此，二维定位问题转换为一维定位问题，如图9所示。若固定锚节点A所测得的待测标签信号强度为RSSI1，估计距离为d1，以A为圆心d1为半径的圆与直线x＝Move_x相交于M1(xm1,ym1)，移动锚节点的估计值为M2(xm2,ym2)点，则待测标签处于线段M1M2上。类似的，利用信号强度作为权值，对O点估计值位置M(xm,ym)进行计算，则待测标签位置为：
其中，移动锚节点定位向量N(T，xmove，RSSImove),则xm＝xm1＝xm2＝xmove，M1(xmove,ym1)可由圆A方程得到，而ym2＝dmove。
在图3所示的物流监控系统框架的基础上，可以进行货物行为姿态监测，也就是对在途货物的位置、行为进行跟踪。通常来说，在途货物相对于运输工具应当以平衡稳定的姿势保持相对静止的状态。货物行为姿态变化的种类较为简单，包括平衡、撞击、翻转、移动、晃动。一旦货物出现非平衡状态的姿态改变，都可能引起货物损失甚至危险事故。及时监测及记录这些货物的行为姿态信息就尤为重要，可以第一时间提醒运输者，是否需要调整货物姿态或更换平坦路段，挽救损失。并且远程记录的在途货物姿态数据也可以作为物流企业跟踪评价驾驶员及驾驶路径的有效手段，在货物损失的纠纷中，也为责任界定提供一定依据。
当应用于在途货物行为姿态检测时，物流监控系统的结构如图10，传感器节点附着在贵重品或危险品货物之上，包含作为WSN节点的无线节点模块及一个六轴加速度传感器。传感器实时检测货物的三维加速度和三个姿态角，并将数据存放在节点的RAM中，节点运行检测算法。该加速度传感器可选用MPU6050六轴加速度传感器，来采集货物行为信号。MPU6050为全球首例整合性6轴运动处理组件，包含±16g的3轴加速器和±2000°/s的3轴角速度感测器(陀螺仪)。货物上还附着独立的RFID标签，用于对货物进行标识和物流信息的记录。
每个货箱上部署一个二级汇聚节点，作为图3中的融合节点，该节点包括作为WSN节点的无线节点模块和与之相连的RFID读写器。二级汇聚节点利用WSN节点对RFID下发控制命令对标签进行读写或通过读写器获取标签数据进行上传。二级汇聚节点与检测节点之间直接进行无线通信。当货物中转等信息变更时，可通过阅读器改写标签信息。此外，RFID的标识能力可以有效弥补WSN在这方面的不足，有效解决在全物流过程下货物的区域定位问题，防止贵重品或危险品被盗。对于缺乏GPRS信号覆盖的区域下，可以直接通过读写器读取标签中的物流信息，包括货物基本情况、物流过程等。一级汇聚节点将通过WSN从二级汇聚节点获得的信息，通过以太网或GPRS的传输网络与地面系统的服务器进行通信。
在以上架构的基础上，基于六轴加速度传感器的货物行为姿态检测方法流程如图11所示。当加速度传感器感知到货物出现姿态变化时，通过A/D转换将采集的模拟加速度信号转换为数字信号。经过信号的预处理、特征提取、决策树分类等一系列过程，实现行为姿态检测。
所述信号预处理包括平滑滤波以及滑动时间窗口检测。加速度信号在采集、传输的过程中会受到不同程度的随机噪声的污染。因此，必须对所获取的加速度信号进行滤波，以滤除噪声的干扰。由于本文所设计的检测方法期望在检测节点中完成，而微控制器的存储和计算条件是有限的，因此，本文采用对加速度数据较为常用的低通滤波方法。算法公式为：
Y(n)＝aX(n)+(1-a)Y(n-1) (8)
其中，a为滤波系数(0～1)，若a取值越接近于1，则该算法灵敏度越高，但平稳性也相对越差，最终滤波结果跟采样值越接近；相反的，若a越接近于0，则该算法的平稳性就越高，而灵敏度就越低。X(n)为本次的采样值，Y(n-1)为上次滤波的输出值，Y(n)为本次滤波的输出值。
加速度传感器获取的三轴加速度和三轴姿态角数据以数据流形式存在，并不会主动根据待测物是否发生运动时判别是否检测。对所有数据执行判别算法会降低判别效果同时浪费软硬件资源，因此，需要对采集的数据流进行划分和提取。本文结合实验数据并结合SWAB(Sliding Window And Bottom-up)算法，对滤波之后的三维加速度数据进行切分，获取准确的货物行为发生数据段。
由于货物稳定状态下的三维加速度与发生行为变化时的值存在一定差距，且我们所关心的货物行为发生一定有外力作用，而外力作用下的加速度一定会发生相应变化但不一定影响货物的姿态角，因此可以根据这个特点，在连续的数据流中，对可能包含行为变化的数据段进行提取。通过设置门限阈值对连续时间上的三维加速度数据流进行切分，检测出现货物行为的时间窗口。当货物处于稳定状态时，所采集的加速度也处于稳定的范围内，当货物在外力作用下发生姿态变化时，加速度数据则会发生明显的变化。设A(t)＝[ax(t),ay(t),az(t)]为t时刻下的三维加速度。设thresholdbegin为门限阈值，将A(t)与前m个采样值进行逐一比较，若
||A(t)-A(t-m)||≥thresholdbegin (9)
则可以认为t时刻开始发生运动。此外，为了便于动作行为的比对，将(t-m)到t之间的m个数据也包含在时间窗口之中。
类似的，设置结束门限阈值thresholdend，若||A(t')-A(t'-m)||<thresholdend,对于符合条件的t'时刻作为时间窗口的下边界，即货物行为结束，恢复到稳定状态下。在窗口内的数据段即是包含货物姿态变化过程的关键数据。为了滤除噪声的影响，可以设置一个较大的thresholdbegin值，而为了确保有效的行为数据均被截取到时间窗内，则应当设置一个较小的thresholdend值。
综合在途货物可能发生的异常行为以及这些行为对货物损坏的影响程度，可以将货物的行为划分为如下五个种类：(1)平衡：货物相对于运输装备成相对静止的状态，可以认为在一定时间内的幅度小于一定阈值的晃动或移动认定为平衡状态。(2)移动：货物在某一方向上相对运输装备发生位置的变化，且移动起始加速度高于一定的阈值。(3)晃动：货物在水平方向上出现幅度高于一定阈值的摇晃，持续较长的时间且呈现一定的周期性，这种摇晃我们强调货物底部相对的两边会周期性的离开地面。(4)翻倒：货物翻倒在地的过程。货物的滚动或者翻转可以看作连续多个的翻倒过程。(5)撞击：货物受到外力的击打或者碰撞，在极短的时间内有较大强度的受力。这种撞击有可能是原本处于稳定状态下受到它物的撞击产生迅速的移动，也可能是原本处于移动状态下撞击它物而停止或改变运动方向。此外，本发明对上述行为进行最危险覆盖，即货物在受到外力时发生时，往往在短的时间内可能发生多个上述行为。而此时，仅将该行为识别为货物发生的最危险的行为。本文以危险品为主要考量对象，对货物行为的危险程度进行如下定义：
定义1：危险程度：平衡<移动<晃动<撞击<翻倒
通过对货物的不同行为进行特征分析，选取最具代表性的特征，对行为进行准确区分。特征提取的目的就是在众多特征中选取最具代表性的判别特征，从而降低分类的难度。通过大量的实验和归纳，货物行为的数据特征包括时间窗口内三轴加速度数据的最大值maxax，maxay，maxaz、方差varax，varay，varaz、最大偏移offsetax，offsetay，offsetaz，姿态角Roll和Pitch的最大值maxRoll，maxPitch、最大偏移offsetRoll，offsetPitch。
综合属性值及训练样例，可以发现不同的行为动作之间，区间差异较大，且不同动作的同一属性值极少有交叉范围。各属性特征的取值可定义合适的阈值将属性值转换为布尔量。本文采用决策树分类器对货物行为进行分类。
决策树(Decision tree)是应用最广的归纳推理算法之一，是一个树结构的分类器(可以是二叉树或非二叉树)。其中每个非叶子节点表示一个特征属性上的测试，节点的每个分支代表这个特征属性在某个值域上的输出，而每个叶节点存放一个类别。使用决策树进行决策的过程就是从根节点开始，测试待分类项中相应的特征属性，并按照其值选择输出分支，直到到达叶子节点，叶子节点所处的类别即为分类决策的结果。
首先利用训练样例建立决策树，通过对训练样例的归纳，以下五个属性对行为分类效果较好，故将决策树的属性值列表设置为以下属性，包括SW，MA，OA，LTA及GC。
其中，SW表示是否截取到关键行为的时间窗口(Sliding Window)，取值如式(10)所示。
MA为加速度最大值判定，对三轴最大加速度值maxax，maxay，maxaz进行排序，另三者的最大值等于maxa，若
ath为最大加速度阈值。
OA为加速度最大偏移量判定，对三轴最大加速度偏移量offsetax，offsetay，offsetaz进行排序，另三者最大值为offa，若
oath为最大加速度偏移量阈值
LTA(时间窗内姿态角变化较大Large Tilt Angle)，GC(时间窗内姿态角发生重力方向的改变Gravity Changes)，属性值均为布尔值。
对于LTA和GC的判别方法，万向节死锁(Gimbal Lock)有时又被简称为万向节锁或者万向锁，是指当三个万向节其中两个的轴发生重合时，会失去一个自由度的情形。正因万向节死锁的存在，使用欧拉角无法实现球面平滑插值。
由于万向节死锁问题，Roll大幅度转动必然会带动Pitch的转动，本发明仅对物体何时发生何种行为进行考量，所以仅需要对Roll进行考虑，在Roll小角度变化的前提下再考虑Pitch的变化。但是由于起始状态时，并不能强制安装人员一定将加速度传感器正向朝上放置，因此需要将起始姿态考虑在内综合判定。当offsetRoll<180时，认为没有出现万向节死锁问题，Pitch方向不可能出现重力方向的改变；但需要对Roll和Pitch两个方向的倾角幅度进行判定。如公式(13)(14)所示。
当offsetRoll≥180时，认为出现万向节死锁现象，则主要对Pitch方向发生的变化进行讨论，如式(15)(16)。
Gth为最大加速度偏移量阈值，Lth为较大倾角阈值。
综上，对每个样本建立特征向量如式(17)所示：
F＝{fSW,fMA,fOA,fLTA,fGC} (17)
fSW,fMA,foA,fLTA,fGC表示属性SW，MA，OA，LTA及GC上的取值。
传统决策树的属性值是布尔量，而本分类方法中的属性值是连续值，根据上述特征向量的设计规则，实际上是将连续的属性值通过设定阈值划分为布尔量，因此，分类器分类属性的顺序及阈值的选择尤为重要。
根据下表1建立决策树，选取分类能力最好的属性作为根节点，依次向下建立树。其中，若Sliding Window未检测到，将直接判定为平衡行为，不再需要对其他属性值进行计算，减少计算量，因此，表中其余属性值为空。在次级节点，GC具有较好的分类效果。剩余三种行为，虽然通过MA(max_a>ath)，或OA(off_a>oath)可以直接区分三种行为，但是考虑到阈值对分类结果影响较大，且倾角变化量更有权威性，因此将LTA作为接下来判别的节点属性。
表1货物不同行为下属性列表的归纳取值
树的建立过程中，阈值ath和oath的选取尤为重要。本文令ath和oath初始时取一较小值，在训练中，若第i个样本behavior(i)＝＝移动，且max_a(i)>ath，则另ath＝max_a(i)；同样地，对于第j个样本behavior(j)＝＝晃动，且off_a(j)>oath，则另oath＝off_a(j)，直到完成整个训练。对于LTA和GC的判别方法，由于万向节死锁问题，Roll大幅度转动必然会带动Pitch的转动，本文仅对物体何时发生何种行为进行考量，所以仅需要对Roll进行考虑，在Roll小角度变化的前提下再考虑Pitch的变化。但是由于起始状态时，并不能强制安装人员一定将加速度传感器正向朝上放置，因此需要将起始姿态考虑在内综合判定。通过决策树的判定，实现对在途货物姿态行为的识别结果输出。
综上所述，本发明针对物流过程中亟待解决的仓储定位问题和在途货物安全问题提出了相应的解决方案。并在此基础上拓宽至整个仓储配送的物流过程，设计了一套监控系统框架，并且提供了仓储定位和货物在途姿态识别的方法。针对传统的基于RFID的仓储定位方法硬件布线复杂、定位节点数量过大、有效覆盖率低的问题，本发明提供了一种WSN与RFID融合的锚节点，首先，节点的无线数传能力可以直接有效解决布线复杂问题。其次，无需数据线束缚下的定位锚节点可以采取移动的策略，这也为我们寻求减少定位节点个数提供了契机。本发明进而设计了基于移动锚节点的二次定位方法，并提供移动锚节点的停止策略以及基于信号强度的加权质心定位算法，对于以仓储货架为主的大规模仓储区域，能够有效减少所需节点的个数，提高覆盖范围，定位精度和覆盖范围优于传统的三角形质心定位算法，有效降低仓储定位成本。对于在途货物的监控问题，本发明融合的节点结构除了在仓储定位发挥出色表现之外，其WSN自有的丰富的传感器接口可以实现在途货物的多方位监控，尤其是货物行为姿态检测方面，本文对货物的异常行为姿态进行定义和划分，利用加六轴速度传感器获取在途货物的三维加速度数据及姿态角，并提供一种行为姿态的检测算法。方法有效解决货物正常情况下数冗余处理的问题，提供时间检测窗口划分并提取关键数据段；通过对大量实验数据统计特征的分析，对关键数据段设计有效的特征向量建立决策树分类方法，实验证明本方法具有较高的分类精度，能够有效解决在途货物的行为姿态监控问题。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种WSN与RFID结合的物流监控系统，其特征在于，包括：
远程监控子系统，部署在仓储空间或交通工具之中，包括：RFID标签、传感器节点、融合节点以及汇聚节点；所述RFID标签与传感器节点附着在货物包装上；所述融合节点包括RFID读写器以及无线节点模块，通过RFID读写器或无线节点模块与所述RFID标签、传感器节点进行数据传输，并且所述融合节点对RFID标签或者传感器节点的数据进行处理；所述融合节点通过无线传感器网络将数据汇聚至汇聚节点；所述汇聚节点通过无线传感器网络与融合节点通信，并且通过以太网或GPRS与所述地面系统通信；
地面子系统，通过以太网或GPRS与外部网络通信，接收汇聚节点上传的信息或者发送信息至汇聚节点。
2.根据权利要求1所述的物流监控系统，其特征在于，所述融合节点作为锚节点应用于仓储定位；锚节点的RFID读写器与待测标签之间通过信号强度进行测距定位；并且锚节点的无线节点模块通过无线传感器网络对所获得的定位数据进行传输。
3.根据权利要求2所述的物流监控系统，其特征在于，所述锚节点的无线节点模块还附加环境数据传感器，并且控制RFID读写器读取货物的RFID标签；所述锚节点的无线节点模块通过无线传感器网络将数据上传至二级汇聚节点，再由各个二级汇聚节点上传至一级汇聚节点，由一级汇聚节点上传至所述地面系统。
4.根据权利要求3所述的物流监控系统，其特征在于，锚节点分为固定位置锚节点以及移动锚节点；所述固定锚节点布置在货架的水平中轴上，每个货架间隔布置若干个固定锚节点，货架被各锚节点的信号全部覆盖；在货架两侧水平支架上各安装一个所述移动锚节点，并且锚节点可以沿着水平支架滑动，移动锚节点的信号覆盖半径大于等于1/2的货架宽度。
5.根据权利要求3所述的物流监控系统，其特征在于，所述锚节点如下进行仓储定位：
利用所有固定锚节点尝试读取待测标签，实行初步定位，在整个仓储环境中定位到特定货架及该货架的估计区域块；
该货架两侧的移动锚节点同时沿货架一端向另一端移动，若某一侧第一次读到待测标签的信号开始，记录当前信号强度及对应横坐标，若当前时刻信号强度大于前一时刻信号强度，则保留当前时刻下相应数据，若当前时刻小于前一时刻对应信号强度时，回滚到前一时刻并获得稳定的测量值，未读到标签一侧的移动锚节点停止移动或自行归位；
若待测标签被大于等于两个固定锚节点检测到信号，则利用RSSI距离模型，以RSSI值最大的两个固定锚节点和一个移动锚节点产生的到待测标签的3个距离值，执行改进的加权质心定位算法，进行二次定位，获得待测标签的坐标；
若待测标签仅处于单个固定锚节点信号覆盖范围内，利用稳定状态下的移动锚节点产生的距离值和对应横坐标，以及锚节点读写器产生的距离值，进行二次定位，获得待测标签的位置坐标。
6.根据权利要求1所述的物流监控系统，其特征在于，当应用于在途货物行为姿态检测时，传感器节点附着在货物之上，所述传感器节点包含无线节点模块及一个六轴加速度传感器，所述六轴加速度传感器实时检测货物的三维加速度和三个姿态角，通过A/D转换将采集的模拟加速度信号转换为数字信号，并将数据存放在节点的RAM中，以及执行在途货物行为姿态检测；RFID标签附着在货物上，用于对货物进行标识和物流信息的记录；并且，融合节点包括无线节点模块和与之相连的RFID读写器，用于对标签进行读写，通过读写器获取标签数据进行上传，还用于通过RFID读写器改写标签信息；所述汇聚节点通过无线传感器网络从融合节点获得信息，通过以太网或GPRS与地面系统通信。
7.根据权利要求6所述的物流监控系统，其特征在于，所述传感器节点如下进行在途货物行为姿态检测：
信号预处理，对获取的三轴加速度和三轴姿态角数据执行平滑滤波，通过设置门限阈值对连续时间上的三轴加速度数据流进行切分，检测出现货物行为的时间窗口；
特征提取，对货物的不同行为进行特征分析，选取代表货物行为的数据特征；
采用决策树分类器对货物行为进行分类。
8.根据权利要求7所述的物流监控系统，其特征在于，所述采用决策树分类器对货物行为进行分类包括：
利用训练样例建立决策树，设定分类效果好的属性值列表；所述属性值列表包括以下属性：SW，MA，OA，LTA及GC；SW表示是否截取到关键行为的时间窗口；MA为加速度最大值判定；OA为加速度最大偏移量判定；LTA为时间窗内姿态角变化较大；GC为时间窗内姿态角发生重力方向的改变；以上属性值均为布尔值；通过决策树判断各个属性值是否符合，获得对在途货物姿态行为的识别结果。
9.根据权利要求8所述的物流监控系统，其特征在于，选取代表货物行为的数据特征包括：时间窗口内三轴加速度数据的最大值maxax，maxay，maxaz、方差varax，varay，varaz、最大偏移offsetax，offsetay，offsetaz，姿态角Roll和Pitch的最大值maxRoll，maxPitch、最大偏移offsetRoll，offsetPitch。
10.根据权利要求1所述的物流监控系统，其特征在于，地面系统包括侦听程序与数据库模块、服务器以及人机交互设备；侦听程序是汇聚节点与管理系统交互的通信媒介，用户的人机交互设备通过管理系统对汇聚节点或下级节点的指令会存储在数据库模块中，由侦听程序取出并按照通信格式封装成帧并下发至汇聚节点，汇聚节点在解析之后进行相应指令操作；汇聚节点向上发送的数据也由侦听程序解析并存放在数据库模块中供上层管理系统处理；数据库模块提供汇聚节点、下级节点以及侦听程序的信息状态表，用以存储各通信部分的编号、在离线状态、路由功能开关等数据信息。
CN201710613615.5A 2017-07-25 2017-07-25 一种wsn与rfid结合的物流监控系统 Active CN107343052B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710613615.5A CN107343052B (zh) 2017-07-25 2017-07-25 一种wsn与rfid结合的物流监控系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710613615.5A CN107343052B (zh) 2017-07-25 2017-07-25 一种wsn与rfid结合的物流监控系统

Publications (2)

Publication Number Publication Date
CN107343052A true CN107343052A (zh) 2017-11-10
CN107343052B CN107343052B (zh) 2019-12-27

Family

ID=60217432

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710613615.5A Active CN107343052B (zh) 2017-07-25 2017-07-25 一种wsn与rfid结合的物流监控系统

Country Status (1)

Country Link
CN (1) CN107343052B (zh)

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107707417A (zh) * 2017-11-29 2018-02-16 桂林电子科技大学 基于子图处理的无线传感器网络异常节点检测与定位方法
CN108256797A (zh) * 2017-12-22 2018-07-06 座头鲸（上海）信息技术有限公司 一种货物运输状态检测方法
CN108718443A (zh) * 2018-05-09 2018-10-30 北京邮电大学 一种矿山环境下基于rfid的数据采集及设备定位方法
CN109035789A (zh) * 2018-07-20 2018-12-18 深圳勤基科技有限公司 物品状态的监测系统及其方法
CN109255938A (zh) * 2018-08-16 2019-01-22 全球能源互联网研究院有限公司 一种配网数据通信装置、方法及配电网络
CN109947007A (zh) * 2018-11-16 2019-06-28 浙江大学 一种基于多传感器融合的物流状态监控方法及系统
CN110233992A (zh) * 2019-06-04 2019-09-13 安庆易达供应链管理有限公司 一种基于wsn框架的仓储监控系统
CN110646731A (zh) * 2019-08-14 2020-01-03 大唐水电科学技术研究院有限公司 一种水轮发电机效能监测方法
WO2020098133A1 (zh) * 2018-11-16 2020-05-22 浙江汉朔电子科技有限公司 商品定位系统及方法、带rfid读头的pda设备
CN111861335A (zh) * 2020-07-23 2020-10-30 广元量知汇科技有限公司 工业互联物料管理系统
CN112270392A (zh) * 2020-10-28 2021-01-26 茅台学院 融合rfid和wsn定位技术的高校实验室管理系统
CN112362052A (zh) * 2020-10-27 2021-02-12 中国科学院计算技术研究所 一种融合定位方法及系统
CN112801121A (zh) * 2019-11-13 2021-05-14 顺丰科技有限公司 一种运输行为的分类方法、装置及存储介质
CN112881260A (zh) * 2021-01-19 2021-06-01 宁波方太厨具有限公司 滤芯检测方法、滤芯检测系统及水净化设备
CN113065492A (zh) * 2021-04-12 2021-07-02 北京滴普科技有限公司 云边协同自动点货方法、装置、系统及其存储介质
CN113295082A (zh) * 2021-05-20 2021-08-24 浙江波誓盾科技有限公司 裂纹检测方法、系统和计算机设备和可读存储介质
CN113625648A (zh) * 2021-08-27 2021-11-09 刘纪荣 一种基于rfid识别的设备运行状态确定方法
CN113850353A (zh) * 2021-09-17 2021-12-28 湖南黑鲸数据科技有限公司 一种基于rfid的挖掘机方量度量系统
CN114065957A (zh) * 2021-10-13 2022-02-18 浙江富日进材料科技有限公司 一种基于wsn的设备监控方法、系统及可读介质

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101500324A (zh) * 2009-03-10 2009-08-05 中兴通讯股份有限公司 一种基于无线传感器网络的应用方法和系统
CN201393304Y (zh) * 2009-04-10 2010-01-27 华南理工大学 基于无线传感器网络的移动目标跟踪系统
CN201522725U (zh) * 2009-11-20 2010-07-07 福建师范大学 基于无线传感器网络和rfid技术的智能物流管理装置
CN102243753A (zh) * 2010-05-11 2011-11-16 上海集盛信息技术有限公司 基于rfid和传感网络技术的仓储管理系统及方法
CN102325344A (zh) * 2011-06-13 2012-01-18 南京邮电大学 一种采用标签传感网跟踪与定位集装箱的方法
KR20120091736A (ko) * 2011-02-10 2012-08-20 (주)지이아이티 무선센서 네트워크의 양방향 통신기능을 구현하기 위한 단말기 장치
CN102867199A (zh) * 2012-08-28 2013-01-09 暨南大学 一种物流集装箱多参数智能监测系统以及监测方法
CN103118333A (zh) * 2013-01-25 2013-05-22 河南科技大学 基于相似度的无线传感器网络移动节点定位方法
CN104198986A (zh) * 2014-08-06 2014-12-10 成都联星微电子有限公司 一种基于rfid移动阅读器的精确定位系统和方法
CN204065884U (zh) * 2014-09-05 2014-12-31 华南理工大学 一种冷链物流在途车辆搭载设备
CN104361647A (zh) * 2014-11-11 2015-02-18 天津理工大学 一种用于瓶装化学品管理的巡检系统及工作方法
CN104503309A (zh) * 2014-12-03 2015-04-08 天津科技大学 一种新型网络化冷藏车厢多环境参数检测装置及检测方法
US9191490B2 (en) * 2010-10-14 2015-11-17 Htc Corporation Electronic system and controlling method thereof
CN105070007A (zh) * 2015-07-24 2015-11-18 西安科技大学 一种无线传感器网络节点
CN105307264A (zh) * 2015-07-27 2016-02-03 河南科技大学 一种无线传感器网络的移动节点定位方法
CN106792969A (zh) * 2017-01-23 2017-05-31 浙江工商大学 一种能量有效的混合无线传感器网络路由方法

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101500324A (zh) * 2009-03-10 2009-08-05 中兴通讯股份有限公司 一种基于无线传感器网络的应用方法和系统
CN201393304Y (zh) * 2009-04-10 2010-01-27 华南理工大学 基于无线传感器网络的移动目标跟踪系统
CN201522725U (zh) * 2009-11-20 2010-07-07 福建师范大学 基于无线传感器网络和rfid技术的智能物流管理装置
CN102243753A (zh) * 2010-05-11 2011-11-16 上海集盛信息技术有限公司 基于rfid和传感网络技术的仓储管理系统及方法
US9191490B2 (en) * 2010-10-14 2015-11-17 Htc Corporation Electronic system and controlling method thereof
KR20120091736A (ko) * 2011-02-10 2012-08-20 (주)지이아이티 무선센서 네트워크의 양방향 통신기능을 구현하기 위한 단말기 장치
CN102325344A (zh) * 2011-06-13 2012-01-18 南京邮电大学 一种采用标签传感网跟踪与定位集装箱的方法
CN102867199A (zh) * 2012-08-28 2013-01-09 暨南大学 一种物流集装箱多参数智能监测系统以及监测方法
CN103118333A (zh) * 2013-01-25 2013-05-22 河南科技大学 基于相似度的无线传感器网络移动节点定位方法
CN104198986A (zh) * 2014-08-06 2014-12-10 成都联星微电子有限公司 一种基于rfid移动阅读器的精确定位系统和方法
CN204065884U (zh) * 2014-09-05 2014-12-31 华南理工大学 一种冷链物流在途车辆搭载设备
CN104361647A (zh) * 2014-11-11 2015-02-18 天津理工大学 一种用于瓶装化学品管理的巡检系统及工作方法
CN104503309A (zh) * 2014-12-03 2015-04-08 天津科技大学 一种新型网络化冷藏车厢多环境参数检测装置及检测方法
CN105070007A (zh) * 2015-07-24 2015-11-18 西安科技大学 一种无线传感器网络节点
CN105307264A (zh) * 2015-07-27 2016-02-03 河南科技大学 一种无线传感器网络的移动节点定位方法
CN106792969A (zh) * 2017-01-23 2017-05-31 浙江工商大学 一种能量有效的混合无线传感器网络路由方法

Cited By (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107707417A (zh) * 2017-11-29 2018-02-16 桂林电子科技大学 基于子图处理的无线传感器网络异常节点检测与定位方法
CN107707417B (zh) * 2017-11-29 2020-08-07 桂林电子科技大学 基于子图处理的无线传感器网络异常节点检测与定位方法
CN108256797A (zh) * 2017-12-22 2018-07-06 座头鲸（上海）信息技术有限公司 一种货物运输状态检测方法
CN108256797B (zh) * 2017-12-22 2021-06-01 座头鲸（上海）信息技术有限公司 一种货物运输状态检测方法
CN108718443B (zh) * 2018-05-09 2020-05-12 北京邮电大学 一种矿山环境下基于rfid的数据采集及设备定位方法
CN108718443A (zh) * 2018-05-09 2018-10-30 北京邮电大学 一种矿山环境下基于rfid的数据采集及设备定位方法
CN109035789A (zh) * 2018-07-20 2018-12-18 深圳勤基科技有限公司 物品状态的监测系统及其方法
CN109255938A (zh) * 2018-08-16 2019-01-22 全球能源互联网研究院有限公司 一种配网数据通信装置、方法及配电网络
WO2020098133A1 (zh) * 2018-11-16 2020-05-22 浙江汉朔电子科技有限公司 商品定位系统及方法、带rfid读头的pda设备
CN109947007A (zh) * 2018-11-16 2019-06-28 浙江大学 一种基于多传感器融合的物流状态监控方法及系统
CN110233992A (zh) * 2019-06-04 2019-09-13 安庆易达供应链管理有限公司 一种基于wsn框架的仓储监控系统
CN110646731A (zh) * 2019-08-14 2020-01-03 大唐水电科学技术研究院有限公司 一种水轮发电机效能监测方法
CN112801121A (zh) * 2019-11-13 2021-05-14 顺丰科技有限公司 一种运输行为的分类方法、装置及存储介质
CN112801121B (zh) * 2019-11-13 2024-02-23 顺丰科技有限公司 一种运输行为的分类方法、装置及存储介质
CN111861335B (zh) * 2020-07-23 2021-08-06 印象(山东)大数据有限公司 工业互联物料管理系统
CN111861335A (zh) * 2020-07-23 2020-10-30 广元量知汇科技有限公司 工业互联物料管理系统
CN112362052A (zh) * 2020-10-27 2021-02-12 中国科学院计算技术研究所 一种融合定位方法及系统
CN112362052B (zh) * 2020-10-27 2022-09-16 中国科学院计算技术研究所 一种融合定位方法及系统
CN112270392A (zh) * 2020-10-28 2021-01-26 茅台学院 融合rfid和wsn定位技术的高校实验室管理系统
CN112881260A (zh) * 2021-01-19 2021-06-01 宁波方太厨具有限公司 滤芯检测方法、滤芯检测系统及水净化设备
CN113065492A (zh) * 2021-04-12 2021-07-02 北京滴普科技有限公司 云边协同自动点货方法、装置、系统及其存储介质
CN113295082A (zh) * 2021-05-20 2021-08-24 浙江波誓盾科技有限公司 裂纹检测方法、系统和计算机设备和可读存储介质
CN113625648A (zh) * 2021-08-27 2021-11-09 刘纪荣 一种基于rfid识别的设备运行状态确定方法
CN113850353A (zh) * 2021-09-17 2021-12-28 湖南黑鲸数据科技有限公司 一种基于rfid的挖掘机方量度量系统
CN113850353B (zh) * 2021-09-17 2024-05-28 湖南黑鲸数据科技有限公司 一种基于rfid的挖掘机方量度量系统
CN114065957A (zh) * 2021-10-13 2022-02-18 浙江富日进材料科技有限公司 一种基于wsn的设备监控方法、系统及可读介质
CN114065957B (zh) * 2021-10-13 2023-12-05 浙江富日进材料科技有限公司 一种基于wsn的设备监控方法、系统及可读介质

Also Published As

Publication number Publication date
CN107343052B (zh) 2019-12-27

Similar Documents

Publication Publication Date Title
CN107343052A (zh) 一种wsn与rfid结合的物流监控系统
KR102206658B1 (ko) 항만 컨테이너 터미널에서 미들웨어를 통해 터미널 운영 시스템과 연동되는 비전 카메라 시스템 및 그 방법
CN106597360A (zh) 基于rfid的机器人对室内目标实时动态定位监控方法
CN103575279B (zh) 基于模糊信息的航迹关联方法及系统
CN1679049A (zh) 包装应用中的无线环境感测
CN207008661U (zh) 一种wsn与rfid结合的货物在途姿态监测系统
CN104406630A (zh) 一种物品运输实时状态监测跟踪装置
CN101415256A (zh) 基于人工免疫系统的无线传感器网络故障诊断方法
CN215286741U (zh) 一种智能物流安防小车及智能物流安防系统
CN103533888A (zh) 用于分类哺乳动物的身体方位的装置和方法
CN102299948A (zh) 振动环境下建筑结构层间位移的无线检测系统及方法
Baba et al. Spatiotemporal data cleansing for indoor RFID tracking data
US20190340396A1 (en) Product and equipment location and automation system and method
Xing An Intelligent Logistics Tracking System Based on Wireless Sensor Network.
Ragesh et al. Deep learning based automated billing cart
CN102792318B (zh) 判定装置、判定系统以及判定方法
Mirshahi et al. Implementation of structural health monitoring based on RFID and WSN
CN106093993A (zh) 物联网定位装置
CN103679238B (zh) 物品运输途中环境的监控方法及装置
Qiu et al. LD-Recognition: Classroom Action Recognition Based on Passive RFID
CN110334986A (zh) 基于货物量方的车辆装卸点识别方法及装置
CN112129295B (zh) 一种低内存占用的链式栅格地图构建方法
US9047522B1 (en) Utilization of motion and spatial identification in mobile RFID interrogator
Hadi et al. In-Situ Event Localization for Pipeline Monitoring System Based Wireless Sensor Network Using K-Nearest Neighbors and Support Vector Machine
CN202758531U (zh) 一种基于rfid的供应链演示系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20210125

Address after: 510530 25 Tung Chung Road, East District, Guangzhou economic and Technological Development Zone, Guangdong

Patentee after: GUANGDONG GENSHO LOGISTICS Co.,Ltd.

Address before: 215000 8 Ji Xue Road, Xiangcheng District, Suzhou, Jiangsu.

Patentee before: Suzhou University

TR01 Transfer of patent right