CN116957300A - 一种基于无人仓库穿梭车的物流数据管理方法及系统 - Google Patents
一种基于无人仓库穿梭车的物流数据管理方法及系统 Download PDFInfo
- Publication number
- CN116957300A CN116957300A CN202311206618.9A CN202311206618A CN116957300A CN 116957300 A CN116957300 A CN 116957300A CN 202311206618 A CN202311206618 A CN 202311206618A CN 116957300 A CN116957300 A CN 116957300A
- Authority
- CN
- China
- Prior art keywords
- real
- time
- logistics data
- unmanned warehouse
- motion trail
- 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
Links
- 238000013523 data management Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 64
- 238000009826 distribution Methods 0.000 claims abstract description 28
- 238000010606 normalization Methods 0.000 claims description 46
- 230000009471 action Effects 0.000 claims description 27
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000001915 proofreading effect Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 238000013524 data verification Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及物流数据管理领域,尤其涉及一种基于无人仓库穿梭车的物流数据管理方法及系统,所述一种基于无人仓库穿梭车的物流数据管理方法包括:S1、获取无人仓库穿梭车的实时运动轨迹;S2、利用所述无人仓库穿梭车的实时运动轨迹得到物流数据节点特征;S3、利用所述物流数据节点特征进行物流数据管理,采用间接等效的方式,采集无人仓库穿梭车的运行数据对其使用的无人仓库物流数据进行多目标处理,同时创造性的将旁路等效引入数据验证管理中,实现了单个方案既对仓库内穿梭车的数据监控,又可快速处理仓库内物流数据,在实施中减小了对于运行系统的数据处理压力,可保证方法的持续性运行。
Description
技术领域
本发明涉及物流数据管理领域,具体涉及一种基于无人仓库穿梭车的物流数据管理方法及系统。
背景技术
在无人仓库中由于其存储品类不固定,货品变化时效性高,传统物流数据管理的数据量较大不便于监测处理,同时存在问题时,无法准确获取问题发生点的位置与时刻,正常运行数据处理压力大,对于问题处理的定位性能较差。
发明内容
针对现有技术的不足,本发明提供了一种基于无人仓库穿梭车的物流数据管理方法,通过无人仓库穿梭车的运行轨迹与时刻结合,间接获取仓库内物流数据运转情况,实现了一种方法的多目标数据管理监测。
为实现上述目的,本发明提供了一种基于无人仓库穿梭车的物流数据管理方法,包括:
S1、获取无人仓库穿梭车的实时运动轨迹;
S2、利用所述无人仓库穿梭车的实时运动轨迹得到物流数据节点特征;
S3、利用所述物流数据节点特征进行物流数据管理。
优选的,所述获取无人仓库穿梭车的实时运动轨迹包括:
S1-1、判断无人仓库穿梭车的数量是否为1,若是,则获取当前无人仓库穿梭车的运动轨迹作为无人仓库穿梭车的实时运动轨迹,否则,执行S1-2;
S1-2、判断无人仓库穿梭车的运动起始时间是否均为一致,若是,则利用当前时刻运动轨迹最大值对应无人仓库穿梭车作为基准无人仓库穿梭车,否则,利用运动时间最大值对应无人仓库穿梭车作为基准无人仓库穿梭车;
S1-3、利用所述基准无人仓库穿梭车的运动轨迹作为第一实时运动轨迹,利用所述剩余无人仓库穿梭车的运动轨迹作为第二实时运动轨迹;
S1-4、利用所述第一实时运动轨迹与第二实时运动轨迹作为无人仓库穿梭车的实时运动轨迹。
优选的,利用所述无人仓库穿梭车的实时运动轨迹得到物流数据节点特征包括:
根据所述无人仓库穿梭车的实时运动轨迹获取对应实时运动时间;
根据所述实时运动时间得到物流数据节点时刻特征;
根据所述物流数据节点时刻特征与无人仓库穿梭车的实时运动轨迹得到物流数据节点特征。
进一步的,根据所述实时运动时间得到物流数据节点时刻特征包括:
利用所述实时运动时间根据无人仓库穿梭车的实时运动轨迹获取对应暂停运动时间;
根据所述暂停运动时间分别获取起始暂停时刻与终止暂停时刻;
利用所述暂停运动时间、起始暂停时刻与终止暂停时刻作为物流数据节点时刻特征。
进一步的,根据所述物流数据节点时刻特征与无人仓库穿梭车的实时运动轨迹得到物流数据节点特征包括:
根据所述无人仓库穿梭车的实时运动轨迹获取对应无人仓库穿梭车的历史实时运动轨迹;
获取所述历史实时运动轨迹对应历史物流数节点时刻特征;
利用所述历史实时运动轨迹与历史物流数据节点时刻特征建立物流数据校对节点特征;
利用所述物流数据节点时刻特征与物流数据校对节点特征作为物流数据节点特征。
进一步的,利用所述历史实时运动轨迹与历史物流数据节点时刻特征建立物流数据校对节点特征包括:
根据所述历史实时运动轨迹得到历史实时运动轨迹行动特征;
利用所述历史实时运动轨迹行动特征建立历史实时运动轨迹行动特征集合;
获取所述历史实时运动轨迹行动特征集合中相邻子集的间隔时间作为运动分段时间;
根据所述历史实时运动轨迹行动特征集合对应各运动分段时间建立历史实时运动轨迹行动时间集合;
利用所述历史实时运动轨迹行动特征集合与历史实时运动轨迹行动时间集合建立历史实时运动轨迹关联性映射;
利用所述历史实时运动轨迹关联性映射作为物流数据校对节点特征。
进一步的,利用所述物流数据节点特征进行物流数据管理包括:
S3-1、利用所述物流数据节点特征的物流数据节点时刻特征与无人仓库穿梭车的实时运动轨迹进行常态化处理得到物流数据常态化处理结果;
S3-2、判断所述物流数据常态化处理结果是否存在异常,若是,则利用所述物流数据节点特征的物流数据校对节点特征进行复核处理得到物流数据常态化复核处理结果,否则,保留所述物流数据常态化处理结果对应无人仓库穿梭车的实时运动轨迹与物流数据节点特征完成物流数据管理。
进一步的,利用所述物流数据节点特征的物流数据节点时刻特征与无人仓库穿梭车的实时运动轨迹进行常态化处理得到物流数据常态化处理结果包括:
S3-1-1、判断当前无人仓库穿梭车的数量是否为1,若是,则执行S3-1-2,否则,执行S3-1-3;
S3-1-2、判断所述物流数据节点特征的物流数据节点时刻特征与无人仓库穿梭车的实时运动轨迹是否完全对应,若是,则所述物流数据常态化处理结果为正常,否则,所述物流数据常态化处理结果为异常;
S3-1-3、获取所述无人仓库穿梭车的实时运动轨迹中第一实时运动轨迹与对应历史无人仓库穿梭车的实时运动轨迹的相似度百分比作为节点动态阈值;
S3-1-4、判断所述无人仓库穿梭车的实时运动轨迹中第二实时运动轨迹的物流数据节点时刻特征与对应历史物流数据节点时刻特征的相似度百分比是否大于节点动态阈值,若是,则所述物流数据常态化处理结果为正常,否则,所述物流数据常态化处理结果为异常。
进一步的,利用所述物流数据节点特征的物流数据校对节点特征进行复核处理得到物流数据常态化复核处理结果包括:
S3-2-1、判断S3-1-2的执行次数是否大于2,若是,则所述物流数据常态化复核处理结果为异常,输出当前物流数据节点特征,否则,执行S3-2-2;
S3-2-2、判断所述物流数据常态化处理结果对应物流数据节点时刻特征与物流数据校对节点特征存在完全对应,若是,则返回S3-1-2,否则,执行S3-2-3;
S3-2-3、判断所述物流数据常态化处理结果对应实时运动轨迹行动特征与物流数据校对节点特征存在完全对应,若是,则返回S3-1-3,否则,所述物流数据常态化复核处理结果为异常,输出当前物流数据节点特征。
一种基于无人仓库穿梭车的物流数据管理系统,包括:
轨迹采集模块,用于获取无人仓库穿梭车的实时运动轨迹;
特征处理模块,用于利用所述无人仓库穿梭车的实时运动轨迹得到物流数据节点特征;
数据管理模块,用于利用所述物流数据节点特征进行物流数据管理。
与最接近的现有技术相比,本发明具有的有益效果:
采用间接等效的方式,采集无人仓库穿梭车的运行数据对其使用的无人仓库物流数据进行多目标处理,同时创造性的将旁路等效引入数据验证管理中,实现了单个方案既对仓库内穿梭车的数据监控,又可快速处理仓库内物流数据,在实施中减小了对于运行系统的数据处理压力,可保证方法的持续性运行。
附图说明
图1是本发明提供的一种基于无人仓库穿梭车的物流数据管理方法的流程图;
图2是本发明提供的一种基于无人仓库穿梭车的物流数据管理系统的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
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做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例1:本发明提供了一种基于无人仓库穿梭车的物流数据管理方法,如图1所示,包括:
S1、获取无人仓库穿梭车的实时运动轨迹;
S2、利用所述无人仓库穿梭车的实时运动轨迹得到物流数据节点特征;
S3、利用所述物流数据节点特征进行物流数据管理。
S1具体包括:
S1-1、判断无人仓库穿梭车的数量是否为1,若是,则获取当前无人仓库穿梭车的运动轨迹作为无人仓库穿梭车的实时运动轨迹,否则,执行S1-2;
S1-2、判断无人仓库穿梭车的运动起始时间是否均为一致,若是,则利用当前时刻运动轨迹最大值对应无人仓库穿梭车作为基准无人仓库穿梭车,否则,利用运动时间最大值对应无人仓库穿梭车作为基准无人仓库穿梭车;
S1-3、利用所述基准无人仓库穿梭车的运动轨迹作为第一实时运动轨迹,利用所述剩余无人仓库穿梭车的运动轨迹作为第二实时运动轨迹;
S1-4、利用所述第一实时运动轨迹与第二实时运动轨迹作为无人仓库穿梭车的实时运动轨迹。
S2具体包括:
S2-1、根据所述无人仓库穿梭车的实时运动轨迹获取对应实时运动时间;
S2-2、根据所述实时运动时间得到物流数据节点时刻特征;
S2-3、根据所述物流数据节点时刻特征与无人仓库穿梭车的实时运动轨迹得到物流数据节点特征。
S2-2具体包括:
S2-2-1、利用所述实时运动时间根据无人仓库穿梭车的实时运动轨迹获取对应暂停运动时间;
S2-2-2、根据所述暂停运动时间分别获取起始暂停时刻与终止暂停时刻;
S2-2-3、利用所述暂停运动时间、起始暂停时刻与终止暂停时刻作为物流数据节点时刻特征。
S2-3具体包括:
S2-3-1、根据所述无人仓库穿梭车的实时运动轨迹获取对应无人仓库穿梭车的历史实时运动轨迹;
S2-3-2、获取所述历史实时运动轨迹对应历史物流数节点时刻特征;
S2-3-3、利用所述历史实时运动轨迹与历史物流数据节点时刻特征建立物流数据校对节点特征;
S2-3-4、利用所述物流数据节点时刻特征与物流数据校对节点特征作为物流数据节点特征。
S2-3-3具体包括:
S2-3-3-1、根据所述历史实时运动轨迹得到历史实时运动轨迹行动特征;
S2-3-3-2、利用所述历史实时运动轨迹行动特征建立历史实时运动轨迹行动特征集合;
S2-3-3-3、获取所述历史实时运动轨迹行动特征集合中相邻子集的间隔时间作为运动分段时间;
S2-3-3-4、根据所述历史实时运动轨迹行动特征集合对应各运动分段时间建立历史实时运动轨迹行动时间集合;
S2-3-3-5、利用所述历史实时运动轨迹行动特征集合与历史实时运动轨迹行动时间集合建立历史实时运动轨迹关联性映射;
S2-3-3-6、利用所述历史实时运动轨迹关联性映射作为物流数据校对节点特征。
S3具体包括:
S3-1、利用所述物流数据节点特征的物流数据节点时刻特征与无人仓库穿梭车的实时运动轨迹进行常态化处理得到物流数据常态化处理结果;
S3-2、判断所述物流数据常态化处理结果是否存在异常,若是,则利用所述物流数据节点特征的物流数据校对节点特征进行复核处理得到物流数据常态化复核处理结果,否则,保留所述物流数据常态化处理结果对应无人仓库穿梭车的实时运动轨迹与物流数据节点特征完成物流数据管理。
S3-1具体包括:
S3-1-1、判断当前无人仓库穿梭车的数量是否为1,若是,则执行S3-1-2,否则,执行S3-1-3;
S3-1-2、判断所述物流数据节点特征的物流数据节点时刻特征与无人仓库穿梭车的实时运动轨迹是否完全对应,若是,则所述物流数据常态化处理结果为正常,否则,所述物流数据常态化处理结果为异常;
S3-1-3、获取所述无人仓库穿梭车的实时运动轨迹中第一实时运动轨迹与对应历史无人仓库穿梭车的实时运动轨迹的相似度百分比作为节点动态阈值;
S3-1-4、判断所述无人仓库穿梭车的实时运动轨迹中第二实时运动轨迹的物流数据节点时刻特征与对应历史物流数据节点时刻特征的相似度百分比是否大于节点动态阈值,若是,则所述物流数据常态化处理结果为正常,否则,所述物流数据常态化处理结果为异常。
本实施例中,一种基于无人仓库穿梭车的物流数据管理方法,所述相似度可应用欧氏距离公式计算。
S3-2具体包括:
S3-2-1、判断S3-1-2的执行次数是否大于2,若是,则所述物流数据常态化复核处理结果为异常,输出当前物流数据节点特征,否则,执行S3-2-2;
S3-2-2、判断所述物流数据常态化处理结果对应物流数据节点时刻特征与物流数据校对节点特征存在完全对应,若是,则返回S3-1-2,否则,执行S3-2-3;
S3-2-3、判断所述物流数据常态化处理结果对应实时运动轨迹行动特征与物流数据校对节点特征存在完全对应,若是,则返回S3-1-3,否则,所述物流数据常态化复核处理结果为异常,输出当前物流数据节点特征。
本实施例中,一种基于无人仓库穿梭车的物流数据管理方法,方案中物流数据校对节点特征中映射作为历史数据为现有比对的基础,其映射属性固定。
实施例2:本发明提供了一种基于无人仓库穿梭车的物流数据管理系统,如图2所示,包括:
轨迹采集模块,用于获取无人仓库穿梭车的实时运动轨迹;
特征处理模块,用于利用所述无人仓库穿梭车的实时运动轨迹得到物流数据节点特征;
数据管理模块,用于利用所述物流数据节点特征进行物流数据管理。
本实施例中,一种基于无人仓库穿梭车的物流数据管理系统,轨迹采集模块在实际应用中可系统,单独对无人仓库穿梭车采集,若穿梭车数量为1时,即可直接连线进行数据采集,建立方案的云端与固件网络应用。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (8)
1.一种基于无人仓库穿梭车的物流数据管理方法,其特征在于,包括:
S1、获取无人仓库穿梭车的实时运动轨迹;
S1-1、判断无人仓库穿梭车的数量是否为1,若是,则获取当前无人仓库穿梭车的运动轨迹作为无人仓库穿梭车的实时运动轨迹,否则,执行S1-2;
S1-2、判断无人仓库穿梭车的运动起始时间是否均为一致,若是,则利用当前时刻运动轨迹最大值对应无人仓库穿梭车作为基准无人仓库穿梭车,否则,利用运动时间最大值对应无人仓库穿梭车作为基准无人仓库穿梭车;
S1-3、利用所述基准无人仓库穿梭车的运动轨迹作为第一实时运动轨迹,利用剩余无人仓库穿梭车的运动轨迹作为第二实时运动轨迹;
S1-4、利用所述第一实时运动轨迹与第二实时运动轨迹作为无人仓库穿梭车的实时运动轨迹;
S2、利用所述无人仓库穿梭车的实时运动轨迹得到物流数据节点特征;
S2-1、根据所述无人仓库穿梭车的实时运动轨迹获取对应实时运动时间;
S2-2、根据所述实时运动时间得到物流数据节点时刻特征;
S2-3、根据所述物流数据节点时刻特征与无人仓库穿梭车的实时运动轨迹得到物流数据节点特征;
S3、利用所述物流数据节点特征进行物流数据管理。
2.如权利要求1所述的一种基于无人仓库穿梭车的物流数据管理方法,其特征在于,根据所述实时运动时间得到物流数据节点时刻特征包括:
利用所述实时运动时间根据无人仓库穿梭车的实时运动轨迹获取对应暂停运动时间;
根据所述暂停运动时间分别获取起始暂停时刻与终止暂停时刻;
利用所述暂停运动时间、起始暂停时刻与终止暂停时刻作为物流数据节点时刻特征。
3.如权利要求2所述的一种基于无人仓库穿梭车的物流数据管理方法,其特征在于,根据所述物流数据节点时刻特征与无人仓库穿梭车的实时运动轨迹得到物流数据节点特征包括:
根据所述无人仓库穿梭车的实时运动轨迹获取对应无人仓库穿梭车的历史实时运动轨迹;
获取所述历史实时运动轨迹对应历史物流数节点时刻特征;
利用所述历史实时运动轨迹与历史物流数据节点时刻特征建立物流数据校对节点特征;
利用所述物流数据节点时刻特征与物流数据校对节点特征作为物流数据节点特征。
4.如权利要求3所述的一种基于无人仓库穿梭车的物流数据管理方法,其特征在于,利用所述历史实时运动轨迹与历史物流数据节点时刻特征建立物流数据校对节点特征包括:
根据所述历史实时运动轨迹得到历史实时运动轨迹行动特征;
利用所述历史实时运动轨迹行动特征建立历史实时运动轨迹行动特征集合;
获取所述历史实时运动轨迹行动特征集合中相邻子集的间隔时间作为运动分段时间;
根据所述历史实时运动轨迹行动特征集合对应各运动分段时间建立历史实时运动轨迹行动时间集合;
利用所述历史实时运动轨迹行动特征集合与历史实时运动轨迹行动时间集合建立历史实时运动轨迹关联性映射;
利用所述历史实时运动轨迹关联性映射作为物流数据校对节点特征。
5.如权利要求4所述的一种基于无人仓库穿梭车的物流数据管理方法,其特征在于,利用所述物流数据节点特征进行物流数据管理包括:
S3-1、利用所述物流数据节点特征的物流数据节点时刻特征与无人仓库穿梭车的实时运动轨迹进行常态化处理得到物流数据常态化处理结果;
S3-2、判断所述物流数据常态化处理结果是否存在异常,若是,则利用所述物流数据节点特征的物流数据校对节点特征进行复核处理得到物流数据常态化复核处理结果,否则,保留所述物流数据常态化处理结果对应无人仓库穿梭车的实时运动轨迹与物流数据节点特征完成物流数据管理。
6.如权利要求5所述的一种基于无人仓库穿梭车的物流数据管理方法,其特征在于,利用所述物流数据节点特征的物流数据节点时刻特征与无人仓库穿梭车的实时运动轨迹进行常态化处理得到物流数据常态化处理结果包括:
S3-1-1、判断当前无人仓库穿梭车的数量是否为1,若是,则执行S3-1-2,否则,执行S3-1-3;
S3-1-2、判断所述物流数据节点特征的物流数据节点时刻特征与无人仓库穿梭车的实时运动轨迹是否完全对应,若是,则所述物流数据常态化处理结果为正常,否则,所述物流数据常态化处理结果为异常;
S3-1-3、获取所述无人仓库穿梭车的实时运动轨迹中第一实时运动轨迹与对应历史无人仓库穿梭车的实时运动轨迹的相似度百分比作为节点动态阈值;
S3-1-4、判断所述无人仓库穿梭车的实时运动轨迹中第二实时运动轨迹的物流数据节点时刻特征与对应历史物流数据节点时刻特征的相似度百分比是否大于节点动态阈值,若是,则所述物流数据常态化处理结果为正常,否则,所述物流数据常态化处理结果为异常。
7.如权利要求5所述的一种基于无人仓库穿梭车的物流数据管理方法,其特征在于,利用所述物流数据节点特征的物流数据校对节点特征进行复核处理得到物流数据常态化复核处理结果包括:
S3-2-1、判断S3-1-2的执行次数是否大于2,若是,则所述物流数据常态化复核处理结果为异常,输出当前物流数据节点特征,否则,执行S3-2-2;
S3-2-2、判断所述物流数据常态化处理结果对应物流数据节点时刻特征与物流数据校对节点特征存在完全对应,若是,则返回S3-1-2,否则,执行S3-2-3;
S3-2-3、判断所述物流数据常态化处理结果对应实时运动轨迹行动特征与物流数据校对节点特征存在完全对应,若是,则返回S3-1-3,否则,所述物流数据常态化复核处理结果为异常,输出当前物流数据节点特征。
8.一种基于上述权利要求1-7任一项所述的基于无人仓库穿梭车的物流数据管理方法的系统,其特征在于,包括:
轨迹采集模块,用于获取无人仓库穿梭车的实时运动轨迹;
特征处理模块,用于利用所述无人仓库穿梭车的实时运动轨迹得到物流数据节点特征;
数据管理模块,用于利用所述物流数据节点特征进行物流数据管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311206618.9A CN116957300B (zh) | 2023-09-19 | 2023-09-19 | 一种基于无人仓库穿梭车的物流数据管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311206618.9A CN116957300B (zh) | 2023-09-19 | 2023-09-19 | 一种基于无人仓库穿梭车的物流数据管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116957300A true CN116957300A (zh) | 2023-10-27 |
CN116957300B CN116957300B (zh) | 2023-12-01 |
Family
ID=88454899
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311206618.9A Active CN116957300B (zh) | 2023-09-19 | 2023-09-19 | 一种基于无人仓库穿梭车的物流数据管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116957300B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117474441A (zh) * | 2023-12-27 | 2024-01-30 | 天津万事达物流装备有限公司 | 一种基于智慧物流大数据的无人仓库进出路径管理方法 |
CN117611060A (zh) * | 2024-01-24 | 2024-02-27 | 天津万事达物流装备有限公司 | 一种基于无人仓库使用的轻型提升机的智能管理系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101998384B1 (ko) * | 2019-02-27 | 2019-07-09 | 동명대학교산학협력단 | 스마트 물류시스템 |
CN111177410A (zh) * | 2019-12-27 | 2020-05-19 | 浙江理工大学 | 基于进化R-tree的知识图谱存储和相似性检索方法 |
CN113362005A (zh) * | 2021-06-21 | 2021-09-07 | 山东产研信息与人工智能融合研究院有限公司 | 一种基于环境感知的无人仓库货品智能盘点方法及系统 |
CN113537771A (zh) * | 2021-07-15 | 2021-10-22 | 四川长虹网络科技有限责任公司 | 一种仓库内人员或设备的管理系统 |
CN114604548A (zh) * | 2022-03-28 | 2022-06-10 | 苏州彤新诺仓储系统科技有限公司 | 基于仓储穿梭车的托盘清点方法 |
CN115082841A (zh) * | 2022-08-22 | 2022-09-20 | 山东海拓天宇智能机器人有限公司 | 一种仓储物流机器人工作区域异常监测方法 |
CN115237105A (zh) * | 2021-04-14 | 2022-10-25 | 北京三快在线科技有限公司 | 无人车定位异常检测方法、装置、存储介质及电子设备 |
CN115600950A (zh) * | 2022-10-24 | 2023-01-13 | 杭州网易再顾科技有限公司(Cn) | 物流轨迹信息处理方法、介质、系统、装置及计算设备 |
CN115617938A (zh) * | 2022-12-20 | 2023-01-17 | 永立数智(北京)科技有限公司 | 基于时空历史比对的车辆轨迹重复校验方法及装置 |
CN116382292A (zh) * | 2023-04-20 | 2023-07-04 | 山东新一代信息产业技术研究院有限公司 | 一种运动机器人云上多机协同调度方法、设备及介质 |
CN116451981A (zh) * | 2023-06-15 | 2023-07-18 | 天津万事达物流装备有限公司 | 一种基于区域定位信息的物流穿梭车识别管理方法 |
CN116701953A (zh) * | 2023-04-27 | 2023-09-05 | 深圳数研锦瀚智慧科技有限公司 | 一种识别运输轨迹重叠程度的方法 |
-
2023
- 2023-09-19 CN CN202311206618.9A patent/CN116957300B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101998384B1 (ko) * | 2019-02-27 | 2019-07-09 | 동명대학교산학협력단 | 스마트 물류시스템 |
CN111177410A (zh) * | 2019-12-27 | 2020-05-19 | 浙江理工大学 | 基于进化R-tree的知识图谱存储和相似性检索方法 |
CN115237105A (zh) * | 2021-04-14 | 2022-10-25 | 北京三快在线科技有限公司 | 无人车定位异常检测方法、装置、存储介质及电子设备 |
CN113362005A (zh) * | 2021-06-21 | 2021-09-07 | 山东产研信息与人工智能融合研究院有限公司 | 一种基于环境感知的无人仓库货品智能盘点方法及系统 |
CN113537771A (zh) * | 2021-07-15 | 2021-10-22 | 四川长虹网络科技有限责任公司 | 一种仓库内人员或设备的管理系统 |
CN114604548A (zh) * | 2022-03-28 | 2022-06-10 | 苏州彤新诺仓储系统科技有限公司 | 基于仓储穿梭车的托盘清点方法 |
CN115082841A (zh) * | 2022-08-22 | 2022-09-20 | 山东海拓天宇智能机器人有限公司 | 一种仓储物流机器人工作区域异常监测方法 |
CN115600950A (zh) * | 2022-10-24 | 2023-01-13 | 杭州网易再顾科技有限公司(Cn) | 物流轨迹信息处理方法、介质、系统、装置及计算设备 |
CN115617938A (zh) * | 2022-12-20 | 2023-01-17 | 永立数智(北京)科技有限公司 | 基于时空历史比对的车辆轨迹重复校验方法及装置 |
CN116382292A (zh) * | 2023-04-20 | 2023-07-04 | 山东新一代信息产业技术研究院有限公司 | 一种运动机器人云上多机协同调度方法、设备及介质 |
CN116701953A (zh) * | 2023-04-27 | 2023-09-05 | 深圳数研锦瀚智慧科技有限公司 | 一种识别运输轨迹重叠程度的方法 |
CN116451981A (zh) * | 2023-06-15 | 2023-07-18 | 天津万事达物流装备有限公司 | 一种基于区域定位信息的物流穿梭车识别管理方法 |
Non-Patent Citations (1)
Title |
---|
赵沫然;: "现代物流技术在电网物流系统中的应用研究", 企业改革与管理, no. 19 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117474441A (zh) * | 2023-12-27 | 2024-01-30 | 天津万事达物流装备有限公司 | 一种基于智慧物流大数据的无人仓库进出路径管理方法 |
CN117474441B (zh) * | 2023-12-27 | 2024-03-15 | 天津万事达物流装备有限公司 | 一种基于智慧物流大数据的无人仓库进出路径管理方法 |
CN117611060A (zh) * | 2024-01-24 | 2024-02-27 | 天津万事达物流装备有限公司 | 一种基于无人仓库使用的轻型提升机的智能管理系统 |
CN117611060B (zh) * | 2024-01-24 | 2024-04-23 | 天津万事达物流装备有限公司 | 一种基于无人仓库使用的轻型提升机的智能管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116957300B (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116957300B (zh) | 一种基于无人仓库穿梭车的物流数据管理方法及系统 | |
CN117451115B (zh) | 一种用于分拣输送系统的实时状态监测方法 | |
CN113084388B (zh) | 焊接质量的检测方法、系统、装置及存储介质 | |
CN118035265B (zh) | 一种基于动态数据库的参数记录变更动态处理方法 | |
CN116976542B (zh) | 一种用于物流自动分拣路径的优化方法及系统 | |
CN111256429B (zh) | 一种确定冰箱工作异常的方法及装置 | |
CN112270290A (zh) | 人脸图像动态聚类方法、装置、电子设备和存储介质 | |
CN108459920A (zh) | 一种试验数据野值的辨识与修正方法 | |
CN110705969A (zh) | 一种变电站监控系统、主站及其自动关联测点id的方法 | |
CN117010666B (zh) | 一种汽修工具生产工作站智能管理方法及系统 | |
KR20200023882A (ko) | 스마트 공장의 공정 데이터의 가공방법 | |
CN113221352A (zh) | 基于数字孪生的复杂装备健康管理方法及系统 | |
CN113799788A (zh) | 用于处理信号的方法、计算机程序和设备 | |
CN110376977B (zh) | 一种循环周期的计算方法、系统、装置和存储介质 | |
CN113052272B (zh) | 一种异常检测方法、装置、电子设备及存储介质 | |
CN116307930A (zh) | 一种调度自动化系统运维异常指标推荐方法及系统 | |
CN114047729B (zh) | 天然植物加工控制方法、系统、计算机设备和存储介质 | |
KR102293015B1 (ko) | 공간 정보 기반의 경로 데이터 및 센서 데이터 매칭 시스템 | |
CN112406748B (zh) | 一种车辆数据采集方法、装置及车辆诊断系统 | |
CN112699490B (zh) | 一种车辆维修结果验证方法和装置 | |
CN114962631A (zh) | 缓速器电磁阀控制方法、装置、设备和介质 | |
CN114037941A (zh) | 针对视频目标属性进行算法多数据交叉验证补全的方法和装置 | |
CN117474441B (zh) | 一种基于智慧物流大数据的无人仓库进出路径管理方法 | |
CN114594746B (zh) | 改性橡胶智能生产检测控制方法及系统 | |
CN118101999B (zh) | 一种短视频流量数据分析方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |