CN109542141B - 一种保温箱运输在线管理平台 - Google Patents

Abstract

本发明涉及冷链物流运输信息化技术领域，具体涉及一种保温箱运输在线管理平台。包括保温箱环境监控和物流调度系统，本发明以无线网络技术为基础，通过大数据技术，同时对所有箱体内的温湿度、箱体的蓄冷块剩余冷量情况、箱体的开闭状态、箱体内的气体含量等运输过程中的关键信息，进行监测及调控；通过箱体配置的GNSS定位传感器获得物流车实时位置，建立路程最短、蓄冷板剩余冷量与运输距离匹配最优的多目标数学模型，利用细菌觅食算法进行求解。该发明所搭建的保温箱运输在线管理平台，既可实现箱体内的环境监控，又可完成运输过程中的物流车调度，对于提高整个果蔬冷链运输过程的规范化、可视化、信息化有重要作用。

Description

一种保温箱运输在线管理平台

技术领域

本发明涉及冷链物流运输信息化技术领域，具体涉及一种保温箱运输在线管理平台。

背景技术

冷链运输是果蔬等农产品从产地收购到消费过程中重要的一环。对冷链环境进行智能调控、物流运输进行在线管理，是实现冷链物流信息化、提高运输效率的重要一步。

现有冷链物流在线管理系统，多数通过采集温湿度信息、气体含量信息、GPS车辆定位信息，利用网络通信技术上传到云端服务器，用户终端借此对冷链运输过程进行监控。大多数冷链物流在线管理系统更偏重的是一个监控功能，而且由于缺少对蓄冷量的进一步预测和监测，果蔬运输品质这个关键问题也难以得到保障。

另一方面，关于车辆调度策略的研究一直是热点，也是难点。尽管在公交、电商物流领域有较多的调度算法，例如粒子群优化算法、遗传算法，但涉及到冷链具体运输过程的车辆调度、规划策略仍不成熟，无法满足现代冷链物流运输行业的信息化管理需求。

本发明在运输过程在线监控的基础上，结合运输过程中箱体蓄冷冷量预测模型，提出了路径距离最短、蓄冷量与运输任务距离匹配最优的多目标模型，利用细菌觅食算法求解多目标优化问题，实现冷链物流车辆调度、保温箱运输的在线实时管理，保证资源分配较优。

发明内容

本发明针对现有冷链物流运输过程信息化程度较弱的特点，提出了一种保温箱运输在线管理平台，该管理平台既能实现保温箱的在线监控，也能实现物流运输过程的任务分配与调度，提高了冷链物流的运输效率以及信息化程度。

本发明通过以下技术方案予以实现：

一种保温箱运输在线管理平台，其特征在于：包括由保温箱体、箱内各环境信息采集传感器、网络通信模块、云端服务器组成的保温箱环境监控系统和由GNSS定位系统、网络通信模块、云端服务器、调度规划器组成的物流调度系统；所述保温箱环境监控系统根据蓄冷区内温度变化情况，测算蓄冷量的剩余百分比，并通过所述物流调度系统实现冷链运输过程实时监测和物流车辆的任务调度。

优选的，所述网络通信模块与所述保温箱体内的控制器相连接，将所述保温箱体内环境信息、物流车定位信息上传至云端服务器。

优选的，所述云端服务器将采集到的所述保温箱体内环境信息进行存储，利用大数据分析技术、数据可视化技术，使得平板、手机用户终端对整个冷链运输过程实时监测；

优选的，所述保温箱体的果蔬冷藏区安装温湿度传感器、氧气、二氧化碳传感器，蓄冷区安装温湿度传感器，箱门安装光电接近开关，通风道安装风机，通过嵌入式控制器对果蔬冷藏区温度的监测与调控，并根据箱内氧气、二氧化碳等气体浓度变化监测果蔬运输过程的品质。

优选的，所述保温箱体的嵌入式控制器与网络通信模块连接，利用无线网络技术把箱内温湿度、气体组成信息、箱门开闭状态、风机调速情况、蓄冷板冷量的剩余情况、物流车的实时位置等信息发送到管理平台云端服务器；

优选的，所述保温箱环境监控系统安装温度传感器获取蓄冷区内温度变化情况，基于蓄冷剂与空气的换热特性，根据空气温度的变化计算蓄冷剂与空气的换热速度，利用蓄冷剂固液两相的热容变化，换算成蓄冷剂的潜热剩余量，转化为蓄冷量的剩余百分比，并在冷量不足时提醒及时更换蓄冷板。

优选的，所述物流调度系统在运输任务分配环节中，调度规划器在云端服务器上运行调度算法，实现物流车辆的任务调度，用户可通过终端软件发布果蔬运输任务，云端服务器通过运输任务，预估运输任务所需冷量，结合物流车上保温箱的剩余蓄冷量预测情况、物流车的定位信息，建立距离最近、蓄冷量与任务距离匹配最优的多目标模型，并利用多目标优化算法求解。

一种保温箱运输调度模型，所述调度模型以上述中保温箱蓄冷板剩余冷量与运输任务距离匹配程度、物流车与运输任务起点距离远近为评价目标建立调度模型，其特征在于：其建模步骤如下：

S1：用户在终端软件上选择果蔬运输的重量、起点、终点，云端服务器计算出此次运输任务需耗费的大致冷量Q_g，Q_g＝F(m，t)，其中m是果蔬重量，t是运输时间，假设车速恒定、运输起点S、终点G已知，则运输时间可知；

S2：云端服务器搜索与本次运输任务所需冷量接近的保温箱，将其保温箱蓄冷量记为Q_S；

S3：得出以运输过程蓄冷量匹配最优的目标函数：f₁＝min|Q_g-Q_S|；

S4：云端服务器根据本次运输任务的起点坐标为S，搜索与本次运输任务起点距离较近的物流车，其坐标点为S’。

S5：得出以运输任务起点距离最近的目标函数f₂＝min|d(S，S′)|，其中函数d选用简单的曼哈顿距离函数。

S6：运输任务调度的最优化数学模型如下：

minF(m，S，G，Q_S)＝h₁*f₁+h₂*f₂；

其中h₁、h₂为权重因子，可根据实际需求进行设置；threshold为冷量差的一个阈值，保温箱的剩余冷量与运输任务所需冷量之差要大于一定阈值。

一种多目标优化算法，其特征在于：所述算法使用上述的在线管理平台和调度模型，其特征在于：所述优化算法使用细菌觅食算法其步骤如下：

S1：定义参数N_c、N_re、N_ed为细菌趋向、繁殖、迁徙三个操作算子的最大阈值，u、v、w分别是以上三个操作算子的计数次数，N_s为最大游动距离，S为细菌个数，迁徙概率P_ed；选择目标函数f₁和f₂为适应度函数；

S2：参数初始化，N_ed＝1,N_re＝1,N_c＝1,u＝1,v＝1,w＝1；

S3：趋向性操作，在达到最大趋向次数N_c前,对每一个细菌，执行下述a、b两个操作；

a.翻转：通过随机方式产生Δ(i)，确定其翻转方向

并计算适应度θⁱ(u+1，v，w)，如果适应度有所改善，则开始进行b中的游动步骤，否则进行S4。

θⁱ(u+1，v，w)＝θⁱ(u，v，w)+C(i)Δ

b.游动：在达到最大游动距离N_s前，沿着a中的翻转方向前进，并更新位置，在前进过程中每步都计算当前位置的适应度，如优于之前的适应度，则继续游动，否则停止游动，执行S4。

S4：趋向性循环完成后，若未达到最大繁殖次数N_re，则进行一次繁殖操作，然后返回执行S2，否则进行迁徙操作；

S5：繁殖操作循环完成后，执行迁徙操作，并以P_ed对细菌的个体进行随机初始化。

S6：若迁徙操作未达到迁徙最大值N_ed，则返回进行S2，否则，算法停止。

本发明的有益效果为：

本发明在运输过程在线监控的基础上，结合运输过程中箱体蓄冷冷量预测模型，提出了路径距离最短、蓄冷量与运输任务距离匹配最优的多目标模型，利用细菌觅食算法求解多目标优化问题，实现冷链物流车辆调度、保温箱运输的在线实时管理，保证资源分配较优。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是一种保温箱运输在线管理平台组成框图；

图2是保温箱体蓄冷果蔬保温箱的整体结构示意图；

图3是本发明细菌觅食算法的流程图；

图中的标号分别代表：

1、果蔬冷藏区温湿度传感器；2、果蔬冷藏区；3、保温箱叉车插口；4、蓄冷板；5、滑动导轨；6、蓄冷区；7、蓄冷区温度传感器；8、嵌入式控制器；9、串口屏人机交互界面；10、网络通信模块；11、GNSS定位模块；12、果蔬冷藏区气体传感器。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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作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。

实施例1

如图1所示，一种保温箱运输在线管理平台，由蓄冷保温箱、保温箱在线管理云服务器、用户终端组成。三者通过无线网络建立通信连接。

在所示实施方案中，蓄冷保温箱由保温箱体、箱内环境信息采集传感器、风机、网络通信模块、GNSS定位模块等组成。每个保温箱体的果蔬冷藏区安装温湿度传感器、氧气、二氧化碳传感器，蓄冷区安装温湿度传感器，箱门安装光电接近开关，通风道安装风机。

嵌入式控制器对果蔬冷藏区温度的监测与调控，使保温箱内维持果蔬冷藏适宜环境条件；并根据箱内氧气、二氧化碳等气体浓度变化，监测果蔬运输过程的品质。

保温运输箱安装温度传感器，获取蓄冷区内温度变化情况。基于蓄冷剂与空气的换热特性，根据空气温度的变化计算蓄冷剂与空气的换热速度，进而利用蓄冷剂固液两相的热容变化，换算成蓄冷剂的潜热剩余量，最终转化为蓄冷量的剩余百分比，冷量不足时可提醒及时更换蓄冷板。

保温箱体的嵌入式控制器与网络通信模块连接，利用无线网络技术把箱内温湿度、气体组成信息、箱门开闭状态、风机调速情况、蓄冷板冷量剩余情况、物流车的实时位置等信息发送到管理平台云端服务器。

云端服务器将果蔬运输过程中的各种冷藏环境信息进行采集、存储，并利用大数据技术进行分析，得到运输过程中与果蔬品质相关的信息。

用户终端通过平板、手机、可穿戴等连网设备，访问云端服务器，从而对果蔬运输过程的状态信息进行实时查看。

物流调度系统由GNSS定位模块所获得的车辆定位信息、用户终端软件发布的运输任务作为调度算法的输入，建立最优化模型。

运输任务分配环节，用户通过终端软件发布果蔬运输任务。管理平台云端服务器通过运输任务的起点、终点、重量，预估运输任务所需冷量，结合物流车上保温箱的蓄冷量剩余情况、物流车的定位信息，分配距离近、蓄冷量与任务较为匹配的物流车来完成果蔬运输任务。

实施例2

一种保温箱运输调度模型，所述调度模型以上述中保温箱蓄冷板剩余冷量与运输任务距离匹配程度、物流车与运输任务起点距离远近为评价目标建立调度模型，其特征在于：其建模步骤如下：

S1：用户在终端软件上选择果蔬运输的重量、起点、终点，云端服务器计算出此次运输任务需耗费的大致冷量Q_g，Q_g＝F(m，t)，其中m是果蔬重量，t是运输时间，假设车速恒定、运输起点S、终点G已知，则运输时间可知；

S2：云端服务器搜索与本次运输任务所需冷量接近的保温箱，将其保温箱蓄冷量记为Q_S；

S3：得出以运输过程蓄冷量匹配最优的目标函数：f₁＝min|Q_g-Q_S|；

S4：云端服务器根据本次运输任务的起点坐标为S，搜索与本次运输任务起点距离较近的物流车，其坐标点为S’。

S5：得出以运输任务起点距离最近的目标函数f₂＝min|d(S，S′)|，其中函数d选用简单的曼哈顿距离函数。

S6：运输任务调度的最优化数学模型如下：

minF(m，S，G，Q_S)＝h₁*f₁+h₂*f₂；

其中h₁、h₂为权重因子，可根据实际需求进行设置；threshold为冷量差的一个阈值，保温箱的剩余冷量与运输任务所需冷量之差要大于一定阈值。

实施例3

一种多目标优化算法，其特征在于：所述算法使用上述的在线管理平台和调度模型，其特征在于：所述优化算法使用细菌觅食算法(参见图3)其步骤如下：

S1：定义参数N_c、N_re、N_ed为细菌趋向、繁殖、迁徙三个操作算子的最大阈值，u、v、w分别是以上三个操作算子的计数次数，N_s为最大游动距离，S为细菌个数，迁徙概率P_ed；选择目标函数f₁和f₂为适应度函数；

S2：参数初始化，N_ed＝1,N_re＝1,N_c＝1,u＝1,v＝1,w＝1；

S3：趋向性操作，在达到最大趋向次数N_c前,对每一个细菌，执行下述a、b两个操作；

a.翻转：通过随机方式产生Δ(i)，确定其翻转方向

并计算适应度θⁱ(u+1，v，w)，如果适应度有所改善，则开始进行b中的游动步骤，否则进行S4。

θⁱ(u+1，v，w)＝θⁱ(u，v，w)+C(i)Δ

b.游动：在达到最大游动距离N_s前，沿着a中的翻转方向前进，并更新位置，在前进过程中每步都计算当前位置的适应度，如优于之前的适应度，则继续游动，否则停止游动，执行S4。

S4：趋向性循环完成后，若未达到最大繁殖次数N_re，则进行一次繁殖操作，然后返回执行S2，否则进行迁徙操作；

S5：繁殖操作循环完成后，执行迁徙操作，并以P_ed对细菌的个体进行随机初始化。

S6：若迁徙操作未达到迁徙最大值N_ed，则返回进行S2，否则，算法停止。

实施例4

附图2为保温箱体蓄冷果蔬保温箱的整体结构示意图，下面结合示意图对保温箱的结构及功能进行说明。

整个箱体由标号为6的蓄冷区、标号为2的果蔬冷藏区、标号为8的嵌入式控制器3大部分组成。整个箱体可通过标号为3的保温箱叉车插口搬运到普通物流车上，而不用直接固定于物流车车厢，通用性大大增强。

蓄冷区内放置标号为4的蓄冷块，蓄冷块可作为整个箱体冷量来源，采用可装卸式固定在箱体上，冷量不足时可以替换。蓄冷区内标号为5的滑动导轨，可实现上述的装卸功能。蓄冷区内安装标号为7的温度传感器，控制器可以实时采集蓄冷区温度，获取蓄冷区内温度变化情况，基于蓄冷剂与空气的换热特性，根据空气温度的变化计算蓄冷剂与空气的换热速度，利用蓄冷剂固液两相的热容变化，换算成蓄冷剂的潜热剩余量，转化为蓄冷量的剩余百分比，并在冷量不足时提醒及时更换蓄冷板。

果蔬冷藏区内安装标号为1的果蔬冷藏区温湿度传感器、标号为12的果蔬冷藏区气体传感器，可提供冷藏区内温度、二氧化碳浓度等相应的环境信息。控制器根据果蔬保鲜的最佳温度，对蓄冷区冷量进行调节，从而使果蔬保鲜区的环境维持在保鲜的适宜条件范围之内。

嵌入式控制器区，通过标号为9的串口屏实现人机交互，可设置果蔬保鲜的一些参数，如保温区温度等。嵌入式控制器通过与标号为11的GNSS定位模块进行通信，获得实时的定位信息，用于物流调度。嵌入式控制器通过标号为10的网络通信模块，将箱体的环境信息、定位信息发送至云端管理平台服务器。云端服务器将果蔬运输过程中的各种冷藏环境信息进行采集、存储，并利用大数据技术进行分析，得到运输过程中与果蔬品质相关的信息，另外云端根据定位信息，完成物流车辆分配，从而以实现云端监控与调度。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种保温箱运输在线管理平台，其特征在于：包括由保温箱体、箱内各环境信息采集传感器、网络通信模块、云端服务器组成的保温箱环境监控系统和由GNSS定位系统、网络通信模块、云端服务器、调度规划器组成的物流调度系统；所述保温箱环境监控系统根据蓄冷区内温度变化情况，测算蓄冷量的剩余百分比，并通过所述物流调度系统实现冷链运输过程实时监测和物流车辆的任务调度；

所述物流调度系统在运输任务分配环节中，调度规划器在云端服务器上运行调度算法，实现物流车辆的任务调度，用户可通过终端软件发布果蔬运输任务，云端服务器通过运输任务，预估运输任务所需冷量，结合物流车上保温箱的剩余蓄冷量预测情况、物流车的定位信息，建立距离最近、蓄冷量与任务距离匹配最优的多目标模型，并利用多目标优化算法求解；

所述调度算法通过调度模型进行计算，该调度模型以保温箱蓄冷板剩余冷量与运输任务距离匹配程度、物流车与运输任务起点距离远近为评价目标，其建模步骤如下：

S1：用户在终端软件上选择果蔬运输的重量、起点、终点，云端服务器计算出此次运输任务需耗费的大致冷量Q_g，Q_g＝F(m，t)，其中m是果蔬重量，t是运输时间，假设车速恒定、运输起点S、终点G已知，则运输时间可知；

S2：云端服务器搜索与本次运输任务所需冷量接近的保温箱，将其保温箱蓄冷量记为Q_S；

S3：得出以运输过程蓄冷量匹配最优的目标函数：f₁＝min|Q_g-Q_S|；

S4：云端服务器根据本次运输任务的起点坐标为S，搜索与本次运输任务起点距离较近的物流车，其坐标点为S’；

S5：得出以运输任务起点距离最近的目标函数f₂＝min|d(S，S′)|，其中函数d选用简单的曼哈顿距离函数；

S6：运输任务调度的最优化数学模型如下：

minF(m，S，G，Q_S)＝h₁*f₁+h₂*f₂；

其中h₁、h₂为权重因子，可根据实际需求进行设置；threshold为冷量差的一个阈值，保温箱的剩余冷量与运输任务所需冷量之差要大于设定阈值。

2.根据权利要求1所述的保温箱运输在线管理平台，其特征在于：所述网络通信模块与所述保温箱体内的控制器相连接，将所述保温箱体内环境信息、物流车定位信息上传至云端服务器。

3.根据权利要求1所述的保温箱运输在线管理平台，其特征在于：所述云端服务器将采集到的所述保温箱体内环境信息进行存储，利用大数据分析技术、数据可视化技术，使得平板、手机用户终端对整个冷链运输过程实时监测。

4.根据权利要求1所述的保温箱运输在线管理平台，其特征在于：所述保温箱体的果蔬冷藏区安装温湿度传感器、氧气、二氧化碳传感器，蓄冷区安装温湿度传感器，箱门安装光电接近开关，通风道安装风机，通过嵌入式控制器对果蔬冷藏区温度的监测与调控，并根据箱内氧气、二氧化碳气体浓度变化监测果蔬运输过程的品质。

5.根据权利要求4所述的保温箱运输在线管理平台，其特征在于：所述保温箱体的嵌入式控制器与网络通信模块连接，利用无线网络技术把箱内温湿度、气体组成信息、箱门开闭状态、风机调速情况、蓄冷板冷量的剩余情况、物流车的实时位置信息发送到管理平台云端服务器。

6.根据权利要求1所述的保温箱运输在线管理平台，其特征在于：所述保温箱环境监控系统安装温度传感器获取蓄冷区内温度变化情况，基于蓄冷剂与空气的换热特性，根据空气温度的变化计算蓄冷剂与空气的换热速度，利用蓄冷剂固液两相的热容变化，换算成蓄冷剂的潜热剩余量，转化为蓄冷量的剩余百分比，并在冷量不足时提醒及时更换蓄冷板。

7.一种保温箱运输调度模型，所述调度模型以权利要求1中保温箱蓄冷板剩余冷量与运输任务距离匹配程度、物流车与运输任务起点距离远近为评价目标建立调度模型，其特征在于：其建模步骤如下：

S1：用户在终端软件上选择果蔬运输的重量、起点、终点，云端服务器计算出此次运输任务需耗费的大致冷量Q_g，Q_g＝F(m，t)，其中m是果蔬重量，t是运输时间，假设车速恒定、运输起点S、终点G已知，则运输时间可知；

S2：云端服务器搜索与本次运输任务所需冷量接近的保温箱，将其保温箱蓄冷量记为Q_S；

S3：得出以运输过程蓄冷量匹配最优的目标函数：f₁＝min|Q_g-Q_S|；

S4：云端服务器根据本次运输任务的起点坐标为S，搜索与本次运输任务起点距离较近的物流车，其坐标点为S’；

S5：得出以运输任务起点距离最近的目标函数f₂＝min|d(S，S′)|，其中函数d选用简单的曼哈顿距离函数；

S6：运输任务调度的最优化数学模型如下：

minF(m，S，G，Q_S)＝h₁*f₁+h₂*f₂；

其中h₁、h₂为权重因子，可根据实际需求进行设置；threshold为冷量差的一个阈值，保温箱的剩余冷量与运输任务所需冷量之差要大于设定阈值。

Images