CN116643951B - 一种冷链物流运输大数据监测采集方法 - Google Patents

Abstract

本发明涉及数据处理技术领域，具体涉及一种冷链物流运输大数据监测采集方法，包括：将初始温度数据序列进行坐标系转换得到初始温度序列二维坐标系，根据相邻坐标位置的初始温度数据得到初始路径数据序列，根据相邻初始路径数据得到第一温度异常参考值；将温度数据序列进行二维坐标系转换得到温度序列二维坐标系，根据相邻坐标位置的温度数据得到由路径数据构成路径数据序列，根据相邻路径数据得到第二温度异常参考值；根据第一温度异常参考值与第二温度异常参考值得到存在温度异常的采集周期；根据存在温度异常的采集周期得到存在异常的传感器，并进行调整替换。本发明更加准确且自适应地筛选出传感器采集数据时存在异常的传感器。

Description

一种冷链物流运输大数据监测采集方法

技术领域

本发明涉及数据处理技术领域，具体涉及一种冷链物流运输大数据监测采集方法。

背景技术

在冷链物流运输过程中，为保证食品的新鲜程度，需要对冷链物流运输过程进行物流监测，现有运输监测技术主要利用RFID技术对食品进行识别，使用传感器进行温度湿度数据的采集，从而实现对物流的监测；而现有的传感器由于制作技术与环境复杂性的问题，导致传感器在采集温度数据时可能会监测被错误识别为异常数据，或者采集的数据存在异常数据但无法有效监测得到，所以本发明提出了一种冷链物流运输大数据监测采集方法。

发明内容

本发明提供一种冷链物流运输大数据监测采集方法，以解决现有的问题。

本发明的一种冷链物流运输大数据监测采集方法采用如下技术方案：

本发明一个实施例提供了一种冷链物流运输大数据监测采集方法，该方法包括以下步骤：

获取若干初始温度数据序列与每个采集周期内若干温度数据序列；

将所有的初始温度数据序列进行二维坐标系转换得到初始温度序列二维坐标系，根据初始温度数据序列二维坐标系中相邻位置的初始温度数据得到由初始路径数据构成的初始路径数据序列，根据初始路径数据序列中相邻初始路径数据得到初始路径数据序列的第一温度异常参考值；将每个采集周期的所有温度数据序列进行二维坐标系转换得到温度序列二维坐标系，根据温度数据序列二维坐标系中相邻位置的温度数据得到由路径数据构成的路径数据序列，根据路径数据序列的相邻路径数据得到每个采集周期的第二温度异常参考值；

根据第一温度异常参考值与相邻采集周期内的第二温度异常参考值的差异得到每个存在温度异常的采集周期；

根据存在温度异常的采集周期、第二温度异常参考值与路径数据的差异得到存在异常的传感器，并进行调整替换。

优选的，所述根据初始温度数据序列二维坐标系中相邻位置的初始温度数据得到由初始路径数据构成的初始路径数据序列，包括的具体方法为：

以第一个超导传感器第一次测量的初始温度数据A1记为初始路径数据，在初始温度数据A1竖直、水平以及斜向上三个方向上与A1坐标位置最相邻的三个初始温度数据中，将与初始温度数据A1温度值差值绝对值最小的初始温度数据记为初始路径数据；然后在初始路径数据坐标位置相邻的三个初始温度数据中，将与初始路径数据温度值差值绝对值最小的初始温度数据记为初始路径数据，以此类推，得到初始温度序列二维坐标系中由所有的初始路径数据构成的初始路径数据序列。

优选的，所述根据初始路径数据序列中相邻初始路径数据得到初始路径数据序列的第一温度异常参考值，包括的具体方法为：

将初始路径数据序列中所有相邻初始路径数据差值绝对值的和记为第一温度异常参考值。

优选的，所述根据温度数据序列二维坐标系中相邻位置的温度数据得到由路径数据构成的路径数据序列，包括的具体方法为：

对于任意一个采集周期内的所有温度数据序列，其中第一个超导传感器第一次测量的温度数据A01记为路径数据，在温度数据A01竖直、水平以及斜向上三个方向上与A01坐标位置最相邻的三个温度数据中，将与初始温度数据A01温度值差值绝对值最小的温度数据记为路径数据；然后在路径数据坐标位置相邻的三个温度数据中，将与路径数据温度值差值绝对值最小的温度数据记为路径数据，以此类推，得到温度序列二维坐标系中由所有的路径数据构成的路径数据序列。

优选的，所述根据路径数据序列的相邻路径数据得到每个采集周期的第二温度异常参考值，包括的具体方法为：

将路径数据序列中所有相邻路径数据差值绝对值的和记为第二温度异常参考值。

优选的，所述根据第一温度异常参考值与相邻采集周期内的第二温度异常参考值的差异得到每个存在温度异常的采集周期，包括的具体方法为：

预设一个参考值阈值，若第一个采集周期内的第二温度异常参考值与第一温度异常参考值差值的绝对值大于参考值阈值，则第一个采集周期内存在温度异常的情况；若第二个采集周期内的第二温度异常参考值与第一个采集周期内的第二温度异常参考值差值的绝对值大于参考值阈值，且第二个采集周期内的第二温度异常参考值与第一温度异常参考值差值的绝对值大于参考值阈值时，则第二个采集周期内存在温度异常的情况；若第三个采集周期内的第二温度异常参考值与第二个采集周期内的第二温度异常参考值差值的绝对值大于参考值阈值，且第三个采集周期内的第二温度异常参考值与第一温度异常参考值差值的绝对值大于参考值阈值时，则第三个采集周期内存在温度异常的情况，以此类推，得到所有存在温度异常的采集周期。

优选的，所述根据存在温度异常的采集周期、第二温度异常参考值与路径数据的差异得到存在异常的传感器，包括的具体方法为：

对于任意一个存在温度异常的采集周期，获取采集周期内存在异常超导传感器的获取方法为：

采集周期内存在异常的超导传感器可通过以下范围公式得出：

式中，W表示采集周期的第二温度异常参考值；n表示超导传感器的数量；表示采集周期内路径数据序列中第i个路径数据的温差绝对值；

若不满足上述范围公式，则说明/>对应的超导传感器是存在异常的超导传感器；获取该采集周期内所有存在异常的超导传感器；获取每个采集周期内所有存在异常的超导传感器。

本发明的技术方案的有益效果是：通过对初始温度数据序列与温度数据序列进行二维坐标系转换，得到第一温度异常参考值与每个采集周期的第二温度异常参考值，根据第一温度异常参考值与第二温度异常参考值得到存在温度异常的采集周期，从而得到存在异常的传感器，并进行调整替换，相较于现有技术，更加准确且自适应地筛选出传感器采集数据时存在异常的传感器。

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为本发明一种冷链物流运输大数据监测采集方法的步骤流程图；

图2为本发明的初始温度数据序列二维坐标示意图；

图3为本发明的温度数据序列二维坐标示意图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种冷链物流运输大数据监测采集方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种冷链物流运输大数据监测采集方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种冷链物流运输大数据监测采集方法的步骤流程图，该方法包括以下步骤：

步骤S001：获取初始温度数据序列与稳定数据序列。

需要说明的是，在冷链运输食品采集数据时，需要考虑温度、湿度、车辆位置等相关数据，其中由于温度对食品的腐坏速度影响极大，当温度越高时，食品的腐坏速度越快，在冷链运输时，食品的保鲜程度越低，越需要降低温度，减缓食品的腐坏速度；当温度越低时，食品的腐坏速度越慢，在冷链运输时，食品的保鲜程度越高，越不需要降低温度来减缓食品的腐坏速度。而由于在冷链运输的过程中，冷藏车运输食品时传感器在采集温度数据时可能会监测被错误识别为异常数据，或者采集的数据存在异常数据但无法有效监测得到。为了解决这一问题，本实施例提出了一种冷链物流运输大数据监测采集方法。

进一步需要说明的是，若冷藏车顶层与底层的温度数据同时刻采集，会造成不必要的资源浪费，因此可在不同时刻交替采集冷藏车顶层与底层的温度数据。

具体的，为了实现本实施例提出的一种冷链物流运输大数据监测采集方法，首先需要采集温度数据，具体过程为：将8个同型号的超导温度传感器等间隔分别安装在冷藏车顶层与底层，其中冷藏车顶层与底层分别有4个超导传感器且对应水平位置一致，在冷藏车启动冷藏功能且并未开始进行运输食品的情况下，每隔3秒采集一次所有超导传感器的温度数据记为初始温度数据，共采集30秒；将每个超导传感器采集的所有初始温度数据按采集时间排序后所组成的序列记为初始温度数据序列，其中每个初始温度数据序列中初始温度数据的个数相同；

在冷藏车启动冷藏功能且并开始进行运输食品的情况下，以30秒为一个采集周期，每隔3秒采集一次所有超导传感器的温度数据记为温度数据，共采集120秒。将每个采集周期内每个超导传感器采集的所有温度数据按采集时间排序后所组成的序列记为温度数据序列，其中每个温度数据序列中温度数据的个数相同。

至此，通过上述方法得到若干超导传感器的初始温度数据序列与每个采集周期内若干温度数据序列。

步骤S002：对初始温度数据序列与若干采集周期的温度数据序列进行二维坐标系转换，并根据相邻数据得到第一温度异常参考值与第二温度异常参考值；根据第一温度异常参考值与第二温度异常参考值对温度数据序列进行筛选得到存在异常的采集周期。

需要说明的是，超导传感器均匀分布在车厢内，目的是为了使采集的相邻温度数据能够在坐标系中具有相同的位置关系，这样采集的数据可以尽可能避免除了温度变化之外的因素的影响，最终计算最短路径值时，计算值可以表示整个车厢中的温度变化；在冷藏车出发前进行温度采集，此时车厢内的温度以及运输物品的温度均处于正常值，最终计算的温度值大小，能够更接近运输过程中所需要的最适宜温度的最短路径值；在实际计算过程中，纵向和横向的连续计算次数的规定是为了避免采集的数据只用到部分数据，由于是不同温度传感器在不同时间采集的温度,因此采集的数据都应该尽可能多的计算，此时当相同方向计算次数连续超过两次，温度的变化只体现在同一传感器的温度变化或不同传感器在同一时刻的温度变化，都是过于片面的温度数据，不具备代表性，因此对于温度数据计算的方向上进行了次数的规定。

而对于所采集的数据的处理则采用将采集数据置于数据矩阵中，通过最短路径和的计算方法，求相邻传感器的数据温度差值，由差值和与出发前的车内温度差值和作比较，判断异常。对于存在异常的数据，继续进行差值的自大到小的顺序排查温度异常点和温度异常发生时间。

更进一步需要说明的是，由于食品腐坏是放热反应，所以在监测到相对较高的温度时，说明食品腐烂速度较快，可以监测温度变化来判断是否是因食品腐坏引起的；由于传感器监测的是同一车厢中不同位置的温度，在正常情况下不同位置的温度相差不大或者温度一致，在同一水平线的超导传感器的温度变化可能存在上升、下降等不同变化情况，所以可以用相邻时序温度数据差值绝对值的最小值表示温度变化情况。

具体的，将所有的初始温度数据序列进行二维坐标系转换得到初始温度序列二维坐标系：将初始温度数据的采集时间作为纵坐标，将超导传感器的序号作为横坐标，其中冷藏车顶层的4个超导传感器作为横坐标的前四个值，冷藏车底层的4个超导传感器作为横坐标的后四个值，请参阅图2，其示出了初始温度数据序列二维坐标示意图。

在图2中以第一个超导传感器第一次测量的初始温度数据A1作为初始路径数据，在初始温度数据A1坐标位置相邻的A2、B1与B2三个初始温度数据中，将与初始温度数据A1温度值差值绝对值最小的初始温度数据记为初始路径数据；然后在该初始路径数据坐标位置相邻的三个初始温度数据中（不考虑左下角相邻的温度数据），将与该初始路径数据温度值差值绝对值最小的初始温度数据记为初始路径数据，以此类推，得到初始温度序列二维坐标系中由所有的初始路径数据构成的初始路径数据序列，其中每个路径数据对应一个超导传感器；将初始路径数据序列中所有相邻初始路径数据差值绝对值的和记为第一温度异常参考值。其中竖直与水平方向上的初始路径数据各自只能连续出现两次，若出现第三次，则将其余两个相邻初始路径数据中与该初始路径数据差值绝对值最小的初始温度数据作为下一个初始路径数据。

进一步的，本实施例以任意一个采集周期内的所有温度数据序列为例进行叙述，对所有温度数据序列进行二维坐标系转化，将温度数据的采集时间作为纵坐标，将超导传感器的序号作为横坐标，其中冷藏车顶层的4个超导传感器作为横坐标的前四个值，冷藏车底层的4个超导传感器作为横坐标的后四个值，请参阅图3，其示出了温度数据序列二维坐标示意图。

在图3中以第一个超导传感器第一次测量的温度数据A01记为路径数据，在温度数据A01坐标位置相邻的A02、B01与B02三个温度数据中，将与温度数据A01温度值差值绝对值最小的温度数据记为路径数据；然后在该路径数据坐标位置相邻的三个温度数据中（不考虑左下角相邻的温度数据），将与该路径数据温度值差值绝对值最小的温度数据记为路径数据，以此类推，得到温度序列二维坐标系中由所有的路径数据构成的路径数据序列，其中每个路径数据对应一个超导传感器；将路径数据序列中所有相邻路径数据差值绝对值的和记为第二温度异常参考值；其中竖直与水平方向上的路径数据各自只能连续出现两次，若出现第三次，则将其余两个相邻路径数据中与该路径数据差值绝对值最小的温度数据作为下一个路径数据。

获取每个采集周期内的温度数据序列二维坐标系的第二温度异常参考值。

进一步的，预设一个参考值阈值T1，其中本实施例以T1=2为例进行叙述，本实施例不进行具体限定，其中T1可根据具体实施情况而定，若第一个采集周期内的第二温度异常参考值与第一温度异常参考值差值的绝对值大于T1，则第一个采集周期内存在温度异常的情况；若第二个采集周期内的第二温度异常参考值与第一个采集周期内的第二温度异常参考值差值的绝对值大于T1，且第二个采集周期内的第二温度异常参考值与第一温度异常参考值差值的绝对值大于T1时，则第二个采集周期内存在温度异常的情况；若第三个采集周期内的第二温度异常参考值与第二个采集周期内的第二温度异常参考值差值的绝对值大于T1，且第三个采集周期内的第二温度异常参考值与第一温度异常参考值差值的绝对值大于T1时，则第三个采集周期内存在温度异常的情况，以此类推，得到所有存在温度异常的采集周期。

至此，获取所有存在温度异常的采集周期。

步骤S003：根据存在温度异常的采集周期得到存在异常的传感器，并进行调整替换。

在路径数据序列内相邻两个路径数据中，路径数据差值绝对值记为后一个路径数据的温差绝对值，其中第一个路径数据的温差绝对值与第二个路径数据的温差绝对值温度值相同。

需要说明的是，由步骤S002可知，由于当路径数据连续在同一方向上出现两次后，第三次需要向其余方向确定下一个路径数据；所以两个超导传感器之间最多存在3个温差绝对值。

具体的，本实施例以任意一个存在温度异常的采集周期为例进行叙述，获取该采集周期内存在异常超导传感器的获取方法为：

该采集周期内存在异常的超导传感器可通过以下范围公式得出：

式中，W表示该采集周期的第二温度异常参考值；n表示超导传感器的数量；表示该采集周期内路径数据序列中第i个路径数据的温差绝对值。

若不满足上述范围公式，则说明/>对应的超导传感器是存在异常的超导传感器；获取该采集周期内所有存在异常的超导传感器；获取每个采集周期内所有存在异常的超导传感器，然后根据实际情况对超导传感器进行调整或替换处理。

至此，本实施例完成。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种冷链物流运输大数据监测采集方法，其特征在于，该方法包括以下步骤：

获取若干初始温度数据序列与每个采集周期内若干温度数据序列；

将所有的初始温度数据序列进行二维坐标系转换得到初始温度序列二维坐标系，根据初始温度数据序列二维坐标系中相邻位置的初始温度数据得到由初始路径数据构成的初始路径数据序列，根据初始路径数据序列中相邻初始路径数据得到初始路径数据序列的第一温度异常参考值；将每个采集周期的所有温度数据序列进行二维坐标系转换得到温度序列二维坐标系，根据温度数据序列二维坐标系中相邻位置的温度数据得到由路径数据构成的路径数据序列，根据路径数据序列的相邻路径数据得到每个采集周期的第二温度异常参考值；

根据第一温度异常参考值与相邻采集周期内的第二温度异常参考值的差异得到每个存在温度异常的采集周期；

根据存在温度异常的采集周期、第二温度异常参考值与路径数据的差异得到存在异常的传感器，并进行调整替换；

所述根据初始温度数据序列二维坐标系中相邻位置的初始温度数据得到由初始路径数据构成的初始路径数据序列，包括的具体方法为：

以第一个超导传感器第一次测量的初始温度数据A1记为初始路径数据，在初始温度数据A1竖直、水平以及斜向上三个方向上与A1坐标位置最相邻的三个初始温度数据中，将与初始温度数据A1温度值差值绝对值最小的初始温度数据记为初始路径数据；然后在初始路径数据坐标位置相邻的三个初始温度数据中，将与初始路径数据温度值差值绝对值最小的初始温度数据记为初始路径数据，以此类推，得到初始温度序列二维坐标系中由所有的初始路径数据构成的初始路径数据序列。

2.根据权利要求1所述一种冷链物流运输大数据监测采集方法，其特征在于，所述根据初始路径数据序列中相邻初始路径数据得到初始路径数据序列的第一温度异常参考值，包括的具体方法为：

将初始路径数据序列中所有相邻初始路径数据差值绝对值的和记为第一温度异常参考值。

3.根据权利要求1所述一种冷链物流运输大数据监测采集方法，其特征在于，所述根据温度数据序列二维坐标系中相邻位置的温度数据得到由路径数据构成的路径数据序列，包括的具体方法为：

对于任意一个采集周期内的所有温度数据序列，其中第一个超导传感器第一次测量的温度数据A01记为路径数据，在温度数据A01竖直、水平以及斜向上三个方向上与A01坐标位置最相邻的三个温度数据中，将与初始温度数据A01温度值差值绝对值最小的温度数据记为路径数据；然后在路径数据坐标位置相邻的三个温度数据中，将与路径数据温度值差值绝对值最小的温度数据记为路径数据，以此类推，得到温度序列二维坐标系中由所有的路径数据构成的路径数据序列。

4.根据权利要求1所述一种冷链物流运输大数据监测采集方法，其特征在于，所述根据路径数据序列的相邻路径数据得到每个采集周期的第二温度异常参考值，包括的具体方法为：

将路径数据序列中所有相邻路径数据差值绝对值的和记为第二温度异常参考值。

5.根据权利要求1所述一种冷链物流运输大数据监测采集方法，其特征在于，所述根据第一温度异常参考值与相邻采集周期内的第二温度异常参考值的差异得到每个存在温度异常的采集周期，包括的具体方法为：

预设一个参考值阈值，若第一个采集周期内的第二温度异常参考值与第一温度异常参考值差值的绝对值大于参考值阈值，则第一个采集周期内存在温度异常的情况；若第二个采集周期内的第二温度异常参考值与第一个采集周期内的第二温度异常参考值差值的绝对值大于参考值阈值，且第二个采集周期内的第二温度异常参考值与第一温度异常参考值差值的绝对值大于参考值阈值时，则第二个采集周期内存在温度异常的情况；若第三个采集周期内的第二温度异常参考值与第二个采集周期内的第二温度异常参考值差值的绝对值大于参考值阈值，且第三个采集周期内的第二温度异常参考值与第一温度异常参考值差值的绝对值大于参考值阈值时，则第三个采集周期内存在温度异常的情况，以此类推，得到所有存在温度异常的采集周期。

6.根据权利要求1所述一种冷链物流运输大数据监测采集方法，其特征在于，所述根据存在温度异常的采集周期、第二温度异常参考值与路径数据的差异得到存在异常的传感器，包括的具体方法为：

对于任意一个存在温度异常的采集周期，获取采集周期内存在异常超导传感器的获取方法为：

采集周期内存在异常的超导传感器可通过以下范围公式得出：

式中，W表示采集周期的第二温度异常参考值；n表示超导传感器的数量；表示采集周期内路径数据序列中第i个路径数据的温差绝对值；

若不满足上述范围公式，则说明/>对应的超导传感器是存在异常的超导传感器；获取该采集周期内所有存在异常的超导传感器；获取每个采集周期内所有存在异常的超导传感器。