CN116523441B - 一种基于大数据的库存信息管理方法 - Google Patents

Abstract

本发明涉及库存管理技术领域，具体公开了一种基于大数据的库存信息管理方法，所述方法包括基于所述库房参数对库房进行区域划分，确定含有影响函数组的区域；根据影响函数组选取传感器，接收传感器的响应数据，根据响应数据计算区域稳定值；接收预设的关口获取到的存储物信息，基于含有影响函数组和区域稳定值的区域确定库存指引。本发明根据库房建筑数据对区域进行切分，得到库存区和通行区，根据大数据技术确定各种环境条件下库存区的空气参数，再结合由通行区产生的风险概率，从而对库存区进行切分，并获取切分后的各区域对不同货物的影响过程，确定符合货物需求的库存指引，极大地提高了库存位置选取过程的智能化程度。

Description

一种基于大数据的库存信息管理方法

技术领域

本发明涉及库存管理技术领域，具体是一种基于大数据的库存信息管理方法。

背景技术

仓储是通过仓库对商品与物品的储存与保管。“仓”即仓库，为存放、保管、储存物品的建筑物和场地的总称，可以是房屋建筑、洞穴、大型容器或特定的场地等，具有存放和保护物品的功能。“储”即储存、储备，表示收存以备使用，具有收存、保管、交付使用的意思。

仓储过程在现代社会极其普遍，任何生产活动都离不开仓储过程；当仓储空间较小时，可以由传统的人工报表等方式进行管理，但是当仓储空间较大时，人工方式就不再适合；现有技术中出现了一些智能管理系统，这些智能管理系统可以取代人工报表，极大地提高人工管理效率。但是，对存储物的规划过程还是要由人工完成，如何能够提高规划环节的智能化水平是本发明技术方案想要解决的技术问题。

发明内容

本发明的目的在于提供一种基于大数据的库存信息管理方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于大数据的库存信息管理方法，所述方法包括：

获取库房参数，基于所述库房参数对库房进行区域划分，确定含有影响函数组的区域；所述库房参数用于表征库房状态；

根据影响函数组选取传感器，接收传感器的响应数据，根据响应数据计算区域稳定值；

接收预设的关口获取到的存储物信息，基于含有影响函数组和区域稳定值的区域确定库存指引。

作为本发明进一步的方案：所述获取库房参数，基于所述库房参数对库房进行区域划分，确定含有影响函数组的区域的步骤包括：

获取库房的建筑数据，基于所述建筑数据确定库存区和通行区；

查询该库房的历史运输记录，根据历史运输记录确定通行区的风险区；所述历史运输记录包括运输主体项和运动轨迹项；所述运动轨迹为位置关于时间的函数；

根据库房的建筑数据在预设的库房统计库中查询各天气环境下，各空间点位处的空气参数；其中，所述库房统计库由含有空气监测设备的库房上传的数据生成并更新；

根据所述风险区和所述空气参数对所述库存区进行区域切分，得到子区域；

查询子区域对应的通行区的历史运输记录，根据历史运输记录及子区域中的空气参数确定影响函数组。

作为本发明进一步的方案：所述查询该库房的历史运输记录，根据历史运输记录确定通行区的风险区的步骤包括：

根据预设的关口查询运输主体的进出场位置及时刻；

根据进出场位置和进出场时刻生成主轨迹；

基于库房中的摄像系统获取并识别运输主体，获取运输主体的中转位置及时刻，生成轨迹节点；

将轨迹节点插入主轨迹，得到运动轨迹；所述运动轨迹中含有以轨迹节点作为端点的轨迹段；

根据轨迹段的位移和时间间隔计算运输主体的拟合速度组；

根据所述拟合速度组和运输主体的类型确定各轨迹段的通行延拓半径；

根据通行延拓半径确定并拟合风险区。

作为本发明进一步的方案：所述查询子区域对应的通行区的历史运输记录，根据历史运输记录及子区域中的空气参数确定影响函数组的步骤包括：

查询子区域对应的通行区，读取通行区中的历史运输记录；

根据历史运输记录中的运输主体项确定风险概率项；

根据运动轨迹项和风险概率项确定子区域中各点位的风险概率；

基于大数据技术查询空气参数对不同存储物信息的影响函数，并根据风险概率对影响函数进行修正；

统计所有存储物信息对应的影响函数，得到影响函数组；

其中，所述影响函数为二元函数，二元函数的自变量为平面坐标。

作为本发明进一步的方案：所述根据运动轨迹项和风险概率项确定子区域中各点位的风险概率的步骤包括：

读取运动轨迹中各轨迹段的拟合速度；

在拟合速度的方向上标记子区域中的点位；

根据预设的递减速率确定标记的点位的单元风险概率；

当所有运动轨迹遍历完成时，累加各点位的单元风险概率，得到各点位的风险概率。

作为本发明进一步的方案：所述根据影响函数组选取传感器，接收传感器的响应数据，根据响应数据计算区域稳定值的步骤包括：

根据所述影响函数组选取传感器的类型及其安装密度；

接收传感器的响应数据，将响应数据输入预设的波动分析模型，得到区域稳定值。

作为本发明进一步的方案：所述接收预设的关口获取到的存储物信息，基于含有影响函数组和区域稳定值的区域确定库存指引的步骤包括：

接收预设的关口获取到的存储物类型及其数量，根据存储物类型及其数量确定存储条件；所述存储条件包括空间条件、自然条件和稳定条件；所述自然条件与影响函数的因变量同源；所述稳定条件与区域稳定值同源；

根据存储条件遍历各个子区域，选取目标子区域；

根据目标子区域确定库存指引。

作为本发明进一步的方案：所述方法还包括：

开放调节端口，接收用户输入的调节指令；

所述调节指令的指向目标包括区域划分过程、传感器选取过程、库存指引、历史运输记录以及运输主体识别过程。

与现有技术相比，本发明的有益效果是：本发明根据库房建筑数据对区域进行切分，得到库存区和通行区，根据大数据技术确定各种环境条件下库存区的空气参数，再结合由通行区产生的风险概率，从而对库存区进行切分，并获取切分后的各区域对不同货物的影响过程，基于此，确定符合货物需求的库存指引，极大地提高了库存位置选取过程的智能化程度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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。

图1为基于大数据的库存信息管理方法的流程框图。

图2为基于大数据的库存信息管理方法的第一子流程框图。

图3为基于大数据的库存信息管理方法的第二子流程框图。

图4为基于大数据的库存信息管理方法的第三子流程框图。

图5为基于大数据的库存信息管理系统的组成结构框图。

图6为一种电子设备的实体结构示意图

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

图1为基于大数据的库存信息管理方法的流程框图，本发明实施例中，一种基于大数据的库存信息管理方法，所述方法包括：

步骤S100：获取库房参数，基于所述库房参数对库房进行区域划分，确定含有影响函数组的区域；所述库房参数用于表征库房状态；

库房指的是存放物品的区域，一般指的是带有屋顶的存储区，当然，如果是露天的存储区，也可以应用本发明技术方案。获取库房参数，库房参数表示了库房中的固有信息，从固有信息出发，对库房进行区域划分，可以得到不同的区域，各个区域的状态由影响函数组进行表示，所述影响函数组用户表示该区域对不同货物的影响；比如，曝光区域会对货物的挥发性有一定的影响。

步骤S200：根据影响函数组选取传感器，接收传感器的响应数据，根据响应数据计算区域稳定值；

根据影响函数组选取传感器，由传感器对各个区域进行实时的监测，通过接收传感器的响应数据，可以计算出区域稳定值；所述区域稳定值用于表示该区域是否存在一些异常状态，如果出现异常状态，出现的频率是多少等。

步骤S300：接收预设的关口获取到的存储物信息，基于含有影响函数组和区域稳定值的区域确定库存指引；

当获取到存储物信息时，根据存储物信息在含有影响函数组和区域稳定值的区域中选取目标区域，生成指向目标区域的路径，即为库存指引。

图2为基于大数据的库存信息管理方法的第一子流程框图，所述获取库房参数，基于所述库房参数对库房进行区域划分，确定含有影响函数组的区域的步骤包括：

步骤S101：获取库房的建筑数据，基于所述建筑数据确定库存区和通行区；

库房的建筑数据在库房建设时生成，基于建筑数据可以确定库存区和通行区，所述库存区是用于存储物品的区域，所述通行区是用于通行的区域，工作人员和运输车一般活动在所述通行区中。

步骤S102：查询该库房的历史运输记录，根据历史运输记录确定通行区的风险区；所述历史运输记录包括运输主体项和运动轨迹项；所述运动轨迹为位置关于时间的函数；

查询库房的历史运输记录，所有货物到达库存区都需要经过运输，根据历史运输记录，可以以通行区为中心确定风险区；所述历史运输记录用于表征哪个时刻有哪些运输主体，其运动方向及运动速度如何。

步骤S103：根据库房的建筑数据在预设的库房统计库中查询各天气环境下，各空间点位处的空气参数；其中，所述库房统计库由含有空气监测设备的库房上传的数据生成并更新；

本发明技术方案会借助大数据技术预先设置一个库房统计库，用于统计所有库房中的空气参数；现有的库房中会设置有大量的监测设备，空气监测设备就是主流的一种监测设备，实时获取并统计这些含有空气监测设备的库房上传的数据，以库房的建筑数据为索引进行统计，可以得到库房统计库。

当对新的库房进行统计时，根据其建筑数据，即可快速查询到对应的空气参数分布情况；需要说明的是，如果该库房中存在空气监测设备，那么以空气监测设备的采集数据为准，并且空气监测设备采集到的数据可以用于更新库房统计库。

步骤S104：根据所述风险区和所述空气参数对所述库存区进行区域切分，得到子区域；

根据空气参数可以将库存区分为不同区域，在此基础上，引入风险区这一参数，可以对库存区进行进一步的切分，得到不同的子区域。

步骤S105：查询子区域对应的通行区的历史运输记录，根据历史运输记录及子区域中的空气参数确定影响函数组；

依次对各个子区域进行分析，查询各个子区域对应的通行区的历史运输记录，结合子区域中的空气参数，可以确定其对不同货物的影响，由影响函数表示。每个货物都对应一个影响函数，因此，子区域对应的是影响函数组。

作为本发明技术方案的一个优选实施例，所述查询该库房的历史运输记录，根据历史运输记录确定通行区的风险区的步骤包括：

根据预设的关口查询运输主体的进出场位置及时刻；

对于库房来说，入口与出口都是固定的，统称为关口，读取关口处记录的数据，可以查询到运输主体的进出场位置及时刻。

根据进出场位置和进出场时刻生成主轨迹；

统计运输主体的进出场位置及其时刻，可以确定一个主轨迹。

基于库房中的摄像系统获取并识别运输主体，获取运输主体的中转位置及时刻，生成轨迹节点；

将轨迹节点插入主轨迹，得到运动轨迹；所述运动轨迹中含有以轨迹节点作为端点的轨迹段；

现有的库房中几乎都会安装摄像系统，由摄像系统获取并识别运输主体，可以不断地确定在主轨迹对应的时间段中，运输主体出现在了哪些位置，由此，可以丰富主轨迹，识别的次数越多，轨迹越准确。由轨迹中的轨迹节点，可以将运动轨迹切分为轨迹段。

根据轨迹段的位移和时间间隔计算运输主体的拟合速度组；

轨迹段与实际轨迹之间可能存在差异，由轨迹段的位移和时间间隔可以计算出一个速度值，称为拟合速度；统计所有轨迹段的拟合速度，可以得到拟合速度组。

根据所述拟合速度组和运输主体的类型确定各轨迹段的通行延拓半径；

不同速度条件下，运输主体一旦失控，影响的范围不同，速度越高，影响的范围越大，影响的范围由通行延拓半径这一参数进行表示。

根据通行延拓半径确定并拟合风险区；

根据所述通行延拓半径对轨迹段进行延拓，可以得到多个区域，对多个区域的边界进行拟合，提高平滑度，可以得到风险区。

作为本发明技术方案的一个优选实施例，所述查询子区域对应的通行区的历史运输记录，根据历史运输记录及子区域中的空气参数确定影响函数组的步骤包括：

查询子区域对应的通行区，读取通行区中的历史运输记录；

查询与子区域之间距离最小的通行区，作为对应的通行区；读取通行区中的历史运输记录；所述通行区中的历史运输记录由总的历史运输记录生成，总的历史运输记录含有所有运输主体的轨迹，在这些轨迹中，截取某一区域的轨迹并不困难。

根据历史运输记录中的运输主体项确定风险概率项；

不同运输主体的风险概率不同，一般情况下，车辆越大，风险概率越高。

根据运动轨迹项和风险概率项确定子区域中各点位的风险概率；

结合各运输主体的运动轨迹及运输主体的风险概率，可以确定子区域中各个点位的风险概率。

基于大数据技术查询空气参数对不同存储物信息的影响函数，并根据风险概率对影响函数进行修正；

空气参数对存储物的影响较大，尤其对于水果、蔬菜这类物品，影响函数由预先的样本数据拟合生成，拟合过程并不困难，大部分是现有技术，比如水果腐烂速率等等，都可以借助已有的模型直接获取；在此基础上，引入风险概率这一参数，风险概率的引入方式多种多样，最简单的，就是设置一些分段函数，用于修正影响函数；比如，当风险概率达到一定程度时，将水果腐烂速率扩大一百倍，使得对应的腐烂程度瞬间达到最大。

当然，也有一些其他的调节方式，比如，作为一个系数对水果腐烂速率进行调整，调整后的影响函数，能够更加真实的反映区域状态，然后对后续的区域选取过程提供指引。

统计所有存储物信息对应的影响函数，得到影响函数组；

统计所有存储物信息对应的影响函数，可以得到一个影响函数组。

值得一提的是，所述影响函数为二元函数，二元函数的自变量为平面坐标；

影响函数反映了一个区域对某一货物的影响程度，由于不同点位的风险概率不同，因此，影响函数需要考虑位置，所述位置由平面坐标表示，因此，所述影响函数为二元函数。

在本发明技术方案的一个优选实施例中，根据运动轨迹项和风险概率项确定子区域中各点位的风险概率的步骤包括：

读取运动轨迹中各轨迹段的拟合速度；

在拟合速度的方向上标记子区域中的点位；

根据预设的递减速率确定标记的点位的单元风险概率；

当所有运动轨迹遍历完成时，累加各点位的单元风险概率，得到各点位的风险概率。

在本发明技术方案的一个实例中，在完成延拓半径计算过程的基础上，通过计算过程中产生的拟合速度，确定各点位的风险概率；其原理在于，假设运输主体在轨迹段中运动时失控，其影响的点位有哪些，离轨迹段越远，风险概率越低，由于一个运输主体对应一个风险概率，因此，称为单元风险概率；当所有运输主体都分析完成后，依次对各个点位的单元风险概率执行累加操作，即可得到风险概率。

图3为基于大数据的库存信息管理方法的第二子流程框图，所述根据影响函数组选取传感器，接收传感器的响应数据，根据响应数据计算区域稳定值的步骤包括：

步骤S201：根据所述影响函数组选取传感器的类型及其安装密度；

步骤S202：接收传感器的响应数据，将响应数据输入预设的波动分析模型，得到区域稳定值。

上述内容对区域稳定值的计算过程进行了限定，区域稳定值的计算过程并不困难，由传感器的响应数据确定；响应数据一般可以通过剔除风险概率的影响函数进行预测，将响应数据输入剔除风险概率的影响函数中，可以得到预测数据，比对响应数据和预测数据即可得到区域稳定值。

当然，也可以采用其他现有的波动分析技术，来判断区域的稳定性。

图4为基于大数据的库存信息管理方法的第三子流程框图，所述接收预设的关口获取到的存储物信息，基于含有影响函数组和区域稳定值的区域确定库存指引的步骤包括：

步骤S301：接收预设的关口获取到的存储物类型及其数量，根据存储物类型及其数量确定存储条件；所述存储条件包括空间条件、自然条件和稳定条件；所述自然条件与影响函数的因变量同源；所述稳定条件与区域稳定值同源；

存储物信息包括存储物类型及其数量，根据存储物类型及其数量可以确定存储条件；所述存储条件包括需要多大的容间进行存储、什么样的空气参数条件以及对稳定性的要求如何。所述自然条件用于选取影响函数，所述稳定条件用于选取区域稳定值。

步骤S302：根据存储条件遍历各个子区域，选取目标子区域；

步骤S303：根据目标子区域确定库存指引。

由存储条件遍历选取目标子区域，以目标子区域为中心，在通行区域选取路径，即可得到库存指引。

作为本发明技术方案的一个优选实施例，所述方法还包括：

开放调节端口，接收用户输入的调节指令；

所述调节指令的指向目标包括区域划分过程、传感器选取过程、库存指引、历史运输记录以及运输主体识别过程。

这一限定的含义是，给工作人员提供一种调节手段，工作人员可以输入优先级更高的调节指令，从而对整个管理过程进行直接或间接的管理。

基于相同的构思，图5示出了基于大数据的库存信息管理系统的组成结构框图，本发明实施例中，一种基于大数据的库存信息管理系统，所述系统10包括：

区域划分模块11，用于获取库房参数，基于所述库房参数对库房进行区域划分，确定含有影响函数组的区域；所述库房参数用于表征库房状态；

稳定值计算模块12，用于根据影响函数组选取传感器，接收传感器的响应数据，根据响应数据计算区域稳定值；

库存指引确定模块13，用于接收预设的关口获取到的存储物信息，基于含有影响函数组和区域稳定值的区域确定库存指引。

基于相同的构思，图6示出了一种电子设备的实体结构示意图，该电子设备可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行基于大数据的库存信息管理方法，该方法包括：

获取库房参数，基于所述库房参数对库房进行区域划分，确定含有影响函数组的区域；所述库房参数用于表征库房状态；

根据影响函数组选取传感器，接收传感器的响应数据，根据响应数据计算区域稳定值；

接收预设的关口获取到的存储物信息，基于含有影响函数组和区域稳定值的区域确定库存指引。

此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

基于相同的构思，本发明实施例还提供一种非暂态计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序包含至少一段代码，该至少一段代码可由主控设备执行，以控制主控设备用以实现如上述各实施例所述基于大数据的库存信息管理的步骤。例如包括：

获取库房参数，基于所述库房参数对库房进行区域划分，确定含有影响函数组的区域；所述库房参数用于表征库房状态；

根据影响函数组选取传感器，接收传感器的响应数据，根据响应数据计算区域稳定值；

接收预设的关口获取到的存储物信息，基于含有影响函数组和区域稳定值的区域确定库存指引。

基于相同的技术构思，本申请实施例还提供一种计算机程序，当该计算机程序被主控设备执行时，用以实现上述方法实施例。

所述程序可以全部或者部分存储在与处理器封装在一起的存储介质上，也可以部分或者全部存储在不与处理器封装在一起的存储器上。

基于相同的技术构思，本申请实施例还提供一种处理器，该处理器用以实现上述方法实施例。上述处理器可以为芯片。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidStateDisk)等。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，该流程可以由计算机程序来指令相关的硬件完成，该程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法实施例的流程。而前述的存储介质包括：ROM或随机存储记忆体RAM、磁碟或者光盘等各种可存储程序代码的介质。

最后应说明的是：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)

1.一种基于大数据的库存信息管理方法，其特征在于，所述方法包括：

获取库房参数，基于所述库房参数对库房进行区域划分，确定含有影响函数组的区域；所述库房参数用于表征库房状态；

根据影响函数组选取传感器，接收传感器的响应数据，根据响应数据计算区域稳定值；

接收预设的关口获取到的存储物信息，基于含有影响函数组和区域稳定值的区域确定库存指引；

所述获取库房参数，基于所述库房参数对库房进行区域划分，确定含有影响函数组的区域的步骤包括：

获取库房的建筑数据，基于所述建筑数据确定库存区和通行区；

查询该库房的历史运输记录，根据历史运输记录确定通行区的风险区；所述历史运输记录包括运输主体项和运动轨迹项；所述运动轨迹为位置关于时间的函数；

根据库房的建筑数据在预设的库房统计库中查询各天气环境下，各空间点位处的空气参数；其中，所述库房统计库由含有空气监测设备的库房上传的数据生成并更新；

根据所述风险区和所述空气参数对所述库存区进行区域切分，得到子区域；

查询子区域对应的通行区的历史运输记录，根据历史运输记录及子区域中的空气参数确定影响函数组。

2.根据权利要求1所述的基于大数据的库存信息管理方法，其特征在于，所述查询该库房的历史运输记录，根据历史运输记录确定通行区的风险区的步骤包括：

根据预设的关口查询运输主体的进出场位置及时刻；

根据进出场位置和进出场时刻生成主轨迹；

基于库房中的摄像系统获取并识别运输主体，获取运输主体的中转位置及时刻，生成轨迹节点；

将轨迹节点插入主轨迹，得到运动轨迹；所述运动轨迹中含有以轨迹节点作为端点的轨迹段；

根据轨迹段的位移和时间间隔计算运输主体的拟合速度组；

根据所述拟合速度组和运输主体的类型确定各轨迹段的通行延拓半径；

根据通行延拓半径确定并拟合风险区。

3.根据权利要求2所述的基于大数据的库存信息管理方法，其特征在于，所述查询子区域对应的通行区的历史运输记录，根据历史运输记录及子区域中的空气参数确定影响函数组的步骤包括：

查询子区域对应的通行区，读取通行区中的历史运输记录；

根据历史运输记录中的运输主体项确定风险概率项；

根据运动轨迹项和风险概率项确定子区域中各点位的风险概率；

基于大数据技术查询空气参数对不同存储物信息的影响函数，并根据风险概率对影响函数进行修正；

统计所有存储物信息对应的影响函数，得到影响函数组；

其中，所述影响函数为二元函数，二元函数的自变量为平面坐标。

4.根据权利要求3所述的基于大数据的库存信息管理方法，其特征在于，所述根据运动轨迹项和风险概率项确定子区域中各点位的风险概率的步骤包括：

读取运动轨迹中各轨迹段的拟合速度；

在拟合速度的方向上标记子区域中的点位；

根据预设的递减速率确定标记的点位的单元风险概率；

当所有运动轨迹遍历完成时，累加各点位的单元风险概率，得到各点位的风险概率。

5.根据权利要求1所述的基于大数据的库存信息管理方法，其特征在于，所述根据影响函数组选取传感器，接收传感器的响应数据，根据响应数据计算区域稳定值的步骤包括：

根据所述影响函数组选取传感器的类型及其安装密度；

接收传感器的响应数据，将响应数据输入预设的波动分析模型，得到区域稳定值。

6.根据权利要求1所述的基于大数据的库存信息管理方法，其特征在于，所述接收预设的关口获取到的存储物信息，基于含有影响函数组和区域稳定值的区域确定库存指引的步骤包括：

接收预设的关口获取到的存储物类型及其数量，根据存储物类型及其数量确定存储条件；所述存储条件包括空间条件、自然条件和稳定条件；所述自然条件与影响函数的因变量同源；所述稳定条件与区域稳定值同源；

根据存储条件遍历各个子区域，选取目标子区域；

根据目标子区域确定库存指引。

7.根据权利要求2所述的基于大数据的库存信息管理方法，其特征在于，所述方法还包括：

开放调节端口，接收用户输入的调节指令；

所述调节指令的指向目标包括区域划分过程、传感器选取过程、库存指引、历史运输记录以及运输主体识别过程。