CN108960376A - 一种基于物联网的物流货物实时定位系统及定位方法 - Google Patents
一种基于物联网的物流货物实时定位系统及定位方法 Download PDFInfo
- Publication number
- CN108960376A CN108960376A CN201810892610.5A CN201810892610A CN108960376A CN 108960376 A CN108960376 A CN 108960376A CN 201810892610 A CN201810892610 A CN 201810892610A CN 108960376 A CN108960376 A CN 108960376A
- Authority
- CN
- China
- Prior art keywords
- internet
- things
- data
- logistics goods
- real
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
-
- 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
- G06K17/0022—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 arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
- G06K17/0029—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 arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于物流货物运输技术领域，公开了一种基于物联网的物流货物实时定位系统及定位方法，设置有互联网，所述互联网连接有信息数据库、RFID电子标签系统、GPS定位系统，所述RFID电子标签系统包括电子标签与RDID读写器，所述GPS定位系统包括智能车载终端、移动通讯设备、GPS定位，所述RFID电子标签系统和所述GPS定位系统通过互联网将配送信息和车载信息与客户端连通，本发明应用无线射频技术、GPS定位系统等领先技术手段建立一个完善的物流配送信息。
Description
技术领域
本发明属于物流货物运输技术领域，尤其涉及一种基于物联网的物流货物实时定位系统及定位方法。
背景技术
目前，随着我国经济的高速发展，物流企业发展迅速，面向汽车行业的第三方物流企业的整车操作量越来越大，而物流车辆的管理是影响汽车运输市场的一个重要因素，在第三方物流业务委托中，无法实现货物动态管理，货物运输中是否安全，能否全程监控等。
现有技术中无法实现货物运输的安全、实时的监控、货物动态管理。读写器的擦写存在不可靠和不准确的情况；GPS定位器易受到外界及本身因素的影响，造成定位不准或者定位失常的情况；信息数据库存储信息数据常出现失误，给后续工作带来不便。
综上所述，现有技术存在的问题是：
(1)现有技术无法实现货物运输的安全、实时的监控、货物动态管理。
(2)现有技术中的读写器的擦写存在不可靠和不准确的情况；GPS定位器易受到外界及本身因素的影响，造成定位不准或者定位失常的情况；信息数据库存储信息数据常出现失误，给后续工作带来不便。
发明内容
针对现有技术存在的问题，本发明提供了一种基于物联网的物流货物实时定位系统及定位方法。
本发明是这样实现的，一种基于物联网的物流货物实时定位方法，所述基于物联网的物流货物实时定位方法包括：
(1)通过RFID电子标签系统内部的电子标签及RFID读写器进行物流货物信息的采集，通过互联网将采集的信息传递到信息数据库；
(2)通过GPS定位系统的智能车载终端、移动通讯设备、GPS定位对物流货物的实时定位，将采集的信息通过互联网传递到信息数据库，工作人员将信息数据库的数据进行分析处理传输到显示终端；
所述RDID读写器利用X2检验法对主成分进行正太分布检验；正能太分布N(μ，σ2)，μ，σ2未知，采用最大似然估计对其进行点估计，得出：
得分布概率密度，采用X2检验法检验样本的正态分布：
其中N为样本数，l为分组数，ri为实际频数，ti为理论频数；
所述GPS定位的数据定位处理方法；GM(1,1)模型，变量X(0)的原始数据序列：
X(0)＝{x(0)(1)，x(0)(2)，…，x(0)(n)}；
n为原始数据个数；与之对应的时间为ti(n＝1,2,…,n)；
用AGO生成一阶累加模块X(1)
X(1)＝{x(1)(1)，x(1)(2)，…，x(1)(n)}；
由一阶灰色模块X(1)构成的微分方程为：
根据导数离散化形式,微分方程以矩阵形式可写成：
Y＝AU；
其中，
利用最小二乘原理，求得参数估计值为：
回到原来的微分方程有：
得解为：
离散形式为：
其中，k为参与定位的原始数据个数；一般形式为：
其中，P＞1为定位点；则定位后的原始序列为：
简化表达为：
整个灰色模型预报过程表达为；
其中，IAGO，AGO分别为累减生成序列和累加生成序列。
进一步，所述信息数据库的数据处理方法包括：物联网的物流货物实时定位的存储数据分布的权重指数下，利用云存储数据库的特征分类权重ai的属性值为p，在有效的数据库访问请求下，云计算存储数据库的数据存储数据模型：
其中，云计算存储数据库中数字化设备存储的数据初始调度网格赋值表示为；
U×A→V；
采用自适应信道加权方法进行云存储数据库的网格分布区域拟合，得到数据库分布的网格结构为：
式中：an(t)是第n条数据存储通道上的时间-频率联合特征分析；
τn(t)为第n条数据存储路径扩展时延；
fc为云计算存储数据库中的数据属性权重；
设定模糊算子映射到综合评价矩阵，进行初始化网格调度，得到云计算存储数据库数据存储节点的传递路径的映射关系为：
式中：ai和τi分别是云计算存储数据库中数字化设备存储的数据的传播损失和传递时延。
进一步，所述物联网的物流货物实时定位的数据特征分布的状态空间重构为：
Wy(t，v)＝Wx(kt，v/k)；
式中：k表示数据信息采样频率；
v表示云计算存储数据库的存储带宽；Wx为时间窗口函数。
进一步，所述物联网的物流货物实时定位的数据的云计算存储数据库的数据信息的静态量化信息模型为：
max F(X)＝(F1(X),F2(X),…,Fn(X))
s.t.gj(X)≤0，j＝1,2,…,p
hk(X)＝0，k＝1,2,…,p
式中gj(X)为混合模型参量；
在物联网的物流货物实时定位的散点状态下，物联网的物流货物实时定位系统的数据特征分类训练集的属性为：
Vi(t+1)＝wVi(t)+c1×rand(·)×(Pi-Xi(t))+c2×rand(·)×(Pg-Xi(t))；
结合时间序列分析方法得到物联网的物流货物实时定位系统的数据存储模型的调度概念格为：
本发明的另一目的在于提供一种实施所述基于物联网的物流货物实时定位方法的基于物联网的物流货物实时定位系统，所述基于物联网的物流货物实时定位系统包括：
互联网；
所述互联网连接有信息数据库、RFID电子标签系统、GPS定位系统，所述RFID电子标签系统包括电子标签与RDID读写器，所述GPS定位系统包括智能车载终端、移动通讯设备、GPS定位，所述RFID电子标签系统和所述GPS定位系统通过互联网将配送信息和车载信息与客户端连通。
进一步，所述智能车载终端安装有监控摄像头。
本发明的另一目的在于提供一种实施所述基于物联网的物流货物实时定位方法的信息数据处理终端。
本发明的优点及积极效果为：本发明应用无线射频技术、GPS定位系统等领先技术手段建立一个完善的物流货物实时定位系统，通过智能车载终端以及内部的监控摄像头，可以随时的掌握货物运输的动态以及货物的安全，通过移动通讯设备，可以与运输货物的司机实时的取得联系，保证货物的动态管理。RDID读写器实现擦写的可靠性和准确性；采取灰色模型对GPS定位器加以辅助，为实时GPS动态精密单点定位提供较高精度的数据定位；信息数据库，包括有数据云存储数据库，可以根据实时定位的需要对其进行调度，提高数据的准确性。
附图说明
图1是本发明实施例提供的基于物联网的物流货物实时定位系统及定位方法的结构示意图；
图中：1、互联网；2、RFID电子标签系统；3、信息数据库；4、GPS定位系统；5、电子标签；6、RFID读写器；7、智能车载终端；8、移动通讯设备；9、GPS定位。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明实施例提供的基于物联网的物流货物实时定位系统及定位方法包括：互联网1、RFID电子标签系统2、信息数据库3、GPS定位系统4、电子标签5、RFID读写器6、智能车载终端7、移动通讯设备8、GPS定位9。
互联网1连接有信息数据库3、RFID电子标签系统2、GPS定位系统4，RFID电子标签系统2包括电子标签与RDID读写器6，GPS定位系统4包括智能车载终端7、移动通讯设备8、GPS定位9，RFID电子标签系统2和GPS定位系统9通过互联网1将配送信息和车载信息与客户端连通。智能车载终端7安装有监控摄像头。
本发明通过RFID电子标签系统2内部的电子标签5及RFID读写器6进行物流货物信息的采集，通过互联网1将采集的信息传递到信息数据库3，通过GPS定位系统4的智能车载终端7、移动通讯设备8、GPS定位9对物流货物的实时定位，将采集的信息通过互联网1传递到信息数据库3，工作人员可以将信息数据库3的数据进一步的进行分析处理传输到显示终端。
所述RDID读写器利用X2检验法对主成分进行正太分布检验；正能太分布N(μ，σ2)，μ，σ2未知，采用最大似然估计对其进行点估计，得出：
得分布概率密度，采用X2检验法检验样本的正态分布：
其中N为样本数，l为分组数，ri为实际频数，ti为理论频数；
所述GPS定位的数据定位处理方法；GM(1,1)模型，变量X(0)的原始数据序列：
X(0)＝{x(0)(1)，x(0)(2)，…，x(0)(n)}；
n为原始数据个数；与之对应的时间为ti(n＝1,2,…,n)；
用AGO生成一阶累加模块X(1)
X(1)＝{x(1)(1)，x(1)(2)，…，x(1)(n)}；
由一阶灰色模块X(1)构成的微分方程为：
根据导数离散化形式,微分方程以矩阵形式可写成：
Y＝AU；
其中，
利用最小二乘原理，求得参数估计值为：
回到原来的微分方程有：
得解为：
离散形式为：
其中，k为参与定位的原始数据个数；一般形式为：
其中，P＞1为定位点；则定位后的原始序列为：
简化表达为：
整个灰色模型预报过程表达为；
其中，IAGO，AGO分别为累减生成序列和累加生成序列。
进一步，所述信息数据库的数据处理方法包括：物联网的物流货物实时定位的存储数据分布的权重指数下，利用云存储数据库的特征分类权重ai的属性值为p，在有效的数据库访问请求下，云计算存储数据库的数据存储数据模型：
其中，云计算存储数据库中数字化设备存储的数据初始调度网格赋值表示为；
U×A→V；
采用自适应信道加权方法进行云存储数据库的网格分布区域拟合，得到数据库分布的网格结构为：
式中：an(t)是第n条数据存储通道上的时间-频率联合特征分析；
τn(t)为第n条数据存储路径扩展时延；
fc为云计算存储数据库中的数据属性权重；
设定模糊算子映射到综合评价矩阵，进行初始化网格调度，得到云计算存储数据库数据存储节点的传递路径的映射关系为：
式中：ai和τi分别是云计算存储数据库中数字化设备存储的数据的传播损失和传递时延。
进一步，所述物联网的物流货物实时定位的数据特征分布的状态空间重构为：
Wy(t，v)＝Wx(kt，v/k)；
式中：k表示数据信息采样频率；
v表示云计算存储数据库的存储带宽；Wx为时间窗口函数。
进一步，所述物联网的物流货物实时定位的数据的云计算存储数据库的数据信息的静态量化信息模型为：
max F(X)＝(F1(X),F2(X),…,Fn(X))
s.t.gj(X)≤0，j＝1,2,…,p
hk(X)＝0，k＝1,2,…,p
式中gj(X)为混合模型参量；
在物联网的物流货物实时定位的散点状态下，物联网的物流货物实时定位系统的数据特征分类训练集的属性为：
Vi(t+1)＝wVi(t)+c1×rand(·)×(Pi-Xi(t))+c2×rand(·)×(Pg-Xi(t))；
结合时间序列分析方法得到物联网的物流货物实时定位系统的数据存储模型的调度概念格为：
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。
Claims (7)
1.一种基于物联网的物流货物实时定位方法，其特征在于，所述基于物联网的物流货物实时定位方法包括：
(1)通过RFID电子标签系统内部的电子标签及RFID读写器进行物流货物信息的采集，通过互联网将采集的信息传递到信息数据库；
(2)通过GPS定位系统的智能车载终端、移动通讯设备、GPS定位对物流货物的实时定位，将采集的信息通过互联网传递到信息数据库，工作人员将信息数据库的数据进行分析处理传输到显示终端；
所述RDID读写器利用X2检验法对主成分进行正太分布检验；正能太分布N(μ，σ2)，μ，σ2未知，采用最大似然估计对其进行点估计，得出：
得分布概率密度，采用X2检验法检验样本的正态分布：
其中N为样本数，l为分组数，ri为实际频数，ti为理论频数；
所述GPS定位的数据定位处理方法；GM(1，1)模型，变量X(0)的原始数据序列：
X(0)＝{x(0)(1)，x(0)(2)，…，x(0)(n)}；
n为原始数据个数；与之对应的时间为ti(n＝1，2，…，n)；
用AGO生成一阶累加模块X(1)
X(1)＝{x(1)(1)，x(1)(2)，…，x(1)(n)}；
由一阶灰色模块X(1)构成的微分方程为：
根据导数离散化形式，微分方程以矩阵形式可写成：
Y＝AU；
其中，
利用最小二乘原理，求得参数估计值为：
回到原来的微分方程有：
得解为：
离散形式为：
其中，k为参与定位的原始数据个数；一般形式为：
其中，P＞1为定位点；则定位后的原始序列为：
简化表达为：
整个灰色模型预报过程表达为；
其中，IAGO，AGO分别为累减生成序列和累加生成序列。
2.如权利要求1所述的基于物联网的物流货物实时定位方法，其特征在于，所述信息数据库的数据处理方法包括：物联网的物流货物实时定位的存储数据分布的权重指数下，利用云存储数据库的特征分类权重ai的属性值为p，在有效的数据库访问请求下，云计算存储数据库的数据存储数据模型：
其中，云计算存储数据库中数字化设备存储的数据初始调度网格赋值表示为；
U×A→V；
采用自适应信道加权方法进行云存储数据库的网格分布区域拟合，得到数据库分布的网格结构为：
式中：an(t)是第n条数据存储通道上的时间-频率联合特征分析；
τn(t)为第n条数据存储路径扩展时延；
fc为云计算存储数据库中的数据属性权重；
设定模糊算子映射到综合评价矩阵，进行初始化网格调度，得到云计算存储数据库数据存储节点的传递路径的映射关系为：
式中：ai和τi分别是云计算存储数据库中数字化设备存储的数据的传播损失和传递时延。
3.如权利要求1所述的基于物联网的物流货物实时定位方法，其特征在于，所述物联网的物流货物实时定位的数据特征分布的状态空间重构为：
Wy(t，v)＝Wx(kt，v/k)；
式中：k表示数据信息采样频率；
v表示云计算存储数据库的存储带宽；Wx为时间窗口函数。
4.如权利要求1所述的基于物联网的物流货物实时定位方法，其特征在于，所述物联网的物流货物实时定位的数据的云计算存储数据库的数据信息的静态量化信息模型为：
maxF(X)＝(F1(X),F2(X),…,Fn(X))
s.t.gj(X)≤0，j＝1,2,…,p
hk(X)＝0，k＝1,2,…,p
式中gj(X)为混合模型参量；
在物联网的物流货物实时定位的散点状态下，物联网的物流货物实时定位系统的数据特征分类训练集的属性为：
Vi(t+1)＝wVi(t)+c1×rand(·)×(Pi-Xi(t))+c2×rand(·)×(Pg-Xi(t))；
结合时间序列分析方法得到物联网的物流货物实时定位系统的数据存储模型的调度概念格为：
5.一种实施权利要求1所述基于物联网的物流货物实时定位方法的基于物联网的物流货物实时定位系统，其特征在于，所述基于物联网的物流货物实时定位系统包括：
互联网；
所述互联网连接有信息数据库、RFID电子标签系统、GPS定位系统，所述RFID电子标签系统包括电子标签与RDID读写器，所述GPS定位系统包括智能车载终端、移动通讯设备、GPS定位，所述RFID电子标签系统和所述GPS定位系统通过互联网将配送信息和车载信息与客户端连通。
6.如权利要求5所述的基于物联网的物流货物实时定位系统，其特征在于，所述智能车载终端安装有监控摄像头。
7.一种实施权利要求1～4任意一项所述基于物联网的物流货物实时定位方法的信息数据处理终端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810892610.5A CN108960376A (zh) | 2018-08-07 | 2018-08-07 | 一种基于物联网的物流货物实时定位系统及定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810892610.5A CN108960376A (zh) | 2018-08-07 | 2018-08-07 | 一种基于物联网的物流货物实时定位系统及定位方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108960376A true CN108960376A (zh) | 2018-12-07 |
Family
ID=64468416
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810892610.5A Pending CN108960376A (zh) | 2018-08-07 | 2018-08-07 | 一种基于物联网的物流货物实时定位系统及定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108960376A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110187344A (zh) * | 2019-05-31 | 2019-08-30 | 天津大学 | 基于逆合成孔径雷达的传送带上标记物品识别定位方法 |
| WO2024082189A1 (zh) * | 2022-10-19 | 2024-04-25 | Oppo广东移动通信有限公司 | 定位方法和设备 |
-
2018
- 2018-08-07 CN CN201810892610.5A patent/CN108960376A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110187344A (zh) * | 2019-05-31 | 2019-08-30 | 天津大学 | 基于逆合成孔径雷达的传送带上标记物品识别定位方法 |
| WO2024082189A1 (zh) * | 2022-10-19 | 2024-04-25 | Oppo广东移动通信有限公司 | 定位方法和设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230259875A1 (en) | Automatically predicting shipper behavior using machine learning models | |
| CN110458256B (zh) | 一种基于rfid的货物管理方法、电子设备及系统 | |
| CN109919113A (zh) | 船舶监测方法和系统以及港口运营预测方法和系统 | |
| WO2020113260A1 (en) | A method and a system for assessing aspects of an electromagnetic signal | |
| CN108960376A (zh) | 一种基于物联网的物流货物实时定位系统及定位方法 | |
| CN109918687B (zh) | 一种基于机器学习的列车动力学仿真方法及仿真平台 | |
| CN110869942B (zh) | 自馈深度学习方法和系统 | |
| CN110471055B (zh) | 飞行物轨迹预测方法、装置、可读存储介质及终端设备 | |
| He et al. | Short-term vessel traffic flow forecasting by using an improved Kalman model | |
| RU2369866C1 (ru) | Способ комплексного мониторинга окружающей среды региона | |
| CN110390706A (zh) | 一种物体检测的方法和装置 | |
| CN110378952A (zh) | 一种图像处理方法及装置 | |
| CN109544062A (zh) | 一种适用于航空物流的快速包装箱信息处理系统及方法 | |
| CN114422450B (zh) | 基于多源网络流量数据的网络流量分析方法和装置 | |
| CN107247258B (zh) | 海杂波空变k-分布参数的递归矩估计方法 | |
| CN115757828A (zh) | 一种基于辐射源知识图谱的空中目标意图识别方法 | |
| US20230065744A1 (en) | Graphical user interface for abating emissions of gaseous byproducts from hydrocarbon assets | |
| CN111162847B (zh) | 高铁网络定向天线的对准方法、装置和电子设备 | |
| CN114092007A (zh) | 库存数据处理方法、装置和服务器 | |
| CN109443367B (zh) | 一种基于均值聚类随机粒子群算法的rfid定位方法 | |
| CN116011758B (zh) | 一种多数据分析智能整合排程系统及方法 | |
| CN204904350U (zh) | 市场营销管理信息采集系统 | |
| CN117255408B (zh) | 一种基于rfid技术的室分定位系统及方法 | |
| CN111932031B (zh) | 货物状态预测的方法、装置及多分类建模方法 | |
| CN115808504B (zh) | 一种用于浓度预测的气体传感器在线漂移补偿方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181207 |