CN117611045B - 一种基于云计算的货物流动监测方法及系统 - Google Patents
一种基于云计算的货物流动监测方法及系统 Download PDFInfo
- Publication number
- CN117611045B CN117611045B CN202410086812.6A CN202410086812A CN117611045B CN 117611045 B CN117611045 B CN 117611045B CN 202410086812 A CN202410086812 A CN 202410086812A CN 117611045 B CN117611045 B CN 117611045B
- Authority
- CN
- China
- Prior art keywords
- computing node
- fixed edge
- edge computing
- information
- logistics information
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012544 monitoring process Methods 0.000 title claims abstract description 46
- 238000012937 correction Methods 0.000 claims abstract description 123
- 238000004364 calculation method Methods 0.000 claims description 64
- 230000004927 fusion Effects 0.000 claims description 35
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000006073 displacement reaction Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 238000007796 conventional method Methods 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 15
- 238000004590 computer program Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 239000002131 composite material Substances 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000030279 gene silencing Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000004044 response 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0833—Tracking
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
提供了一种基于云计算的货物流动监测方法及系统,属于云计算技术领域。方法包括:移动边缘计算节点获取待监测货物的物流信息,并确定目标固定边缘计算节点。移动边缘计算节点将物流信息发送至目标固定边缘计算节点,目标固定边缘计算节点确定物流信息的延迟等级并进行修正。若延迟等级大于预设阈值,则将修正结果发送至中心计算节点,中心计算节点确定第二延迟等级并根据修正结果对物流信息进行第二级修正,并更新待监测货物的物流状态。本申请旨在改善现有方法无法对待监测货物的物流信息进行精准监控的问题。
Description
技术领域
本申请涉及云计算技术领域,尤其涉及一种基于云计算的货物流动监测方法及系统。
背景技术
物流业务天生便具有地域分散化的特点,通常由一系列的异构IT系统在运营,并且目前的物流运输过程中,由于信息的滞后性,寄件人和收件人无法对货物的流动情况进行有效的监控,及无法对货物进行实时的监控。
物流业务天生具有地域分散化的特点,这使得物流系统需要具备跨地域、跨平台、跨系统的整合能力。在物流运营过程中,通常会使用到一系列的异构IT系统,这些系统之间需要进行有效的信息交互和数据共享,以确保物流业务的顺畅进行。然而,目前的物流运输过程中,由于信息的滞后性,寄件人和收件人无法对货物的流动情况进行有效的监控。即一旦货物发出,寄件人和收件人就无法及时了解货物的具体位置、运输状态等信息,这无疑增加了物流运输的不确定性和风险。
在相关技术中,寄件人和收件人只能通过物流单号查询包裹的中转过程。然而,这种查询方式存在一些问题。首先,中转信息只有在货物的运输节点发生变化时才会更新,这意味着如果货物没有经过任何中转节点,寄件人和收件人就无法查询到任何中转信息。其次,这种查询方式具有非常高的信息滞后性。即使货物已经到达目的地,中转信息也可能还没有更新,导致寄件人和收件人无法及时了解货物的最新状态。
发明内容
本申请实施例提供一种基于云计算的货物流动监测方法及系统,用于解决上述背景技术中的问题。
为达到上述目的,本申请的实施例采用如下技术方案:
第一方面,提供了一种基于云计算的货物流动监测方法,应用于货物流动监测系统,货物流动监测系统包括移动边缘计算节点、固定边缘计算节点以及中心计算节点;方法包括:
移动边缘计算节点获取待监测货物的物流信息,并从多个候选固定边缘计算节点中,确定物流信息对应的目标固定边缘计算节点;
移动边缘计算节点将物流信息发送至目标固定边缘计算节点;
目标固定边缘计算节点确定物流信息的第一延迟等级,根据第一延迟等级,对物流信息进行第一级修正,其中,第一延迟等级用于表征边缘计算节点和目标固定边缘计算节点的信息延迟状况;
在第一延迟等级大于预设阈值的情况下,将物流信息的第一级修正结果发送至中心计算节点;
中心计算节点确定物流信息的第二延迟等级,并根据第二延迟等级和第一级修正结果,对物流信息进行第二级修正,其中,第二延迟等级用于表征中心计算节点和目标固定边缘计算节点的信息延迟状况;
中心计算节点根据第二级修正结果对待监测货物的物流状态进行更新。
本申请第一方面提供的货物流动监测方法,通过移动边缘计算节点获取待监测货物的物流信息,并确定目标固定边缘计算节点。移动边缘计算节点将物流信息发送至目标固定边缘计算节点,目标固定边缘计算节点确定物流信息的延迟等级并进行修正。若延迟等级大于预设阈值,则将修正结果发送至中心计算节点,中心计算节点确定第二延迟等级并根据修正结果对物流信息进行第二级修正,并更新待监测货物的物流状态。在物流信息不是实时传输的情况下,根据对物流信息进行修正所需的算力资源来动态的选择计算节点,根据计算节点来对物流信息进行延迟校准,从而实现对待监测货物的物流状态的实时监测,能够大大的降低物流信息滞导致货物的物流状态的监测不准确。
在一种可能的实施方式中,物流信息包括待监测货物的位置信息,移动边缘计算节点从多个候选固定边缘计算节点中,确定物流信息对应的目标固定边缘计算节点,包括:
根据位置信息,计算每个候选固定边缘计算节点的网络延迟评分;
根据物流信息包含的信息量以及每个候选固定边缘计算节点的可用计算资源,计算每个候选固定边缘计算节点的算力评分;
根据网络延迟评分和算力评分,计算每个候选固定边缘计算节点的综合评分,并将综合评分最高的候选固定边缘计算节点,确定为目标固定边缘计算节点。
在一种可能的实施方式中,根据位置信息,计算每个候选固定边缘计算节点的网络延迟评分,包括:
根据位置信息,确定每个候选固定边缘计算节点与待监测货物的第一距离;
确定每个候选固定边缘计算节点与中心计算节点的第二距离;
根据第一距离、第二距离以及对应的权重系数,确定每个候选固定边缘计算节点的网络延迟评分,其中,第一距离和第二距离与网络延迟评分为负相关关系。
在一种可能的实施方式中,第一级修正结果包括修正运行轨迹,物流信息包括待监测货物的位移信息,确定物流信息的第一延迟等级,根据第一延迟等级,对物流信息进行第一级修正,包括:
根据物流信息中的时间戳信息和当前时间,确定第一延迟等级,并根据第一延迟等级,确定对应的第一修正比例;
根据待监测货物的位移信息,根据待监测货物的初始运行轨迹;
根据第一修正比例对初始运行轨迹进行修正,以获得修正运行轨迹。
在一种可能的实施方式中,方法还包括:
在第一延迟等级小于或等于预设阈值的情况下,根据第一级修正结果对待监测货物的物流状态进行更新。
在一种可能的实施方式中,第二级修正结果包括目标运行轨迹,根据第二延迟等级和第一级修正结果,对物流信息进行第二级修正,包括:
根据第二延迟等级,确定对应的第二修正比例;
根据第二修正比例,对修正运行轨迹进行修正,以生成第一运行轨迹;
根据第二修正比例,对初始运行轨迹进行修正,以生成第二运行轨迹;
根据第一运行轨迹和第二运行轨迹进行多模融合,以获得目标运行轨迹。
在一种可能的实施方式中,根据第一运行轨迹和第二运行轨迹进行多模融合,以获得目标运行轨迹,包括:
对第一运行轨迹和第二运行轨迹进行轨迹融合,以获得中间态运行轨迹;
对中间态运行轨迹进行信息融合,以获得目标运行轨迹。
在一种可能的实施方式中,方法还包括:
根据目标运行轨迹,确定待监测货物是否处于静默监管区;
在待监测货物是否处于静默监管区时,计算待监测货物的最大静默时长;
在超过最大静默时长未接收到待监测货物的物流信息时,对待监测货物进行风险标记。
第二方面,提供了一种基于云计算的货物流动监测系统,系统包括:
筛选模块,用于移动边缘计算节点获取待监测货物的物流信息,并从多个候选固定边缘计算节点中,确定物流信息对应的目标固定边缘计算节点;
第一发送模块,用于移动边缘计算节点将物流信息发送至目标固定边缘计算节点;
第一修正模块,用于目标固定边缘计算节点确定物流信息的第一延迟等级,根据第一延迟等级,对物流信息进行第一级修正,其中,第一延迟等级用于表征边缘计算节点和目标固定边缘计算节点的信息延迟状况;
第二发送模块,用于在第一延迟等级大于预设阈值的情况下,将物流信息的第一级修正结果发送至中心计算节点;
第二修正模块,用于中心计算节点确定物流信息的第二延迟等级,并根据第二延迟等级和第一级修正结果,对物流信息进行第二级修正,其中,第二延迟等级用于表征中心计算节点和目标固定边缘计算节点的信息延迟状况;
更新模块,用于中心计算节点根据第二级修正结果对待监测货物的物流状态进行更新。
在一种可能的实施方式中,物流信息包括待监测货物的位置信息,筛选模块包括:
第一评分子模块,用于根据位置信息,计算每个候选固定边缘计算节点的网络延迟评分;
第二评分子模块,用于根据物流信息包含的信息量以及每个候选固定边缘计算节点的可用计算资源,计算每个候选固定边缘计算节点的算力评分;
第三评分子模块,用于根据网络延迟评分和算力评分,计算每个候选固定边缘计算节点的综合评分,并将综合评分最高的候选固定边缘计算节点,确定为目标固定边缘计算节点。
在一种可能的实施方式中,第一评分子模块包括:
第一距离计算单元,用于根据位置信息,确定每个候选固定边缘计算节点与待监测货物的第一距离;
第二距离计算单元,用于确定每个候选固定边缘计算节点与中心计算节点的第二距离;
评分计算单元,用于根据第一距离、第二距离以及对应的权重系数,确定每个候选固定边缘计算节点的网络延迟评分,其中,第一距离和第二距离与网络延迟评分为负相关关系。
在一种可能的实施方式中,第一修正模块,包括:
延迟等级确定子模块,用于根据物流信息中的时间戳信息和当前时间,确定第一延迟等级,并根据第一延迟等级,确定对应的第一修正比例;
初始运行轨迹确定子模块,用于根据待监测货物的位移信息,根据待监测货物的初始运行轨迹;
运行轨迹修正子模块,用于根据第一修正比例对初始运行轨迹进行修正,以获得修正运行轨迹。
在一种可能的实施方式中,系统还包括:
第二更新模块,用于在第一延迟等级小于或等于预设阈值的情况下,根据第一级修正结果对待监测货物的物流状态进行更新。
在一种可能的实施方式中,第二级修正结果包括目标运行轨迹,第二修正模块包括:
修正比例确定子模块,用于根据第二延迟等级,确定对应的第二修正比例;
第一轨迹生成子模块,用于根据第二修正比例,对修正运行轨迹进行修正,以生成第一运行轨迹;
第二轨迹生成子模块,用于根据第二修正比例,对初始运行轨迹进行修正,以生成第二运行轨迹;
融合子模块,根据第一运行轨迹和第二运行轨迹进行多模融合,以获得目标运行轨迹。
在一种可能的实施方式中,融合子模块,包括:
轨迹融合单元,用于对第一运行轨迹和第二运行轨迹进行轨迹融合,以获得中间态运行轨迹;
信息融合单元,用于对中间态运行轨迹进行信息融合,以获得目标运行轨迹。
在一种可能的实施方式中,系统还包括静默检测模块,静默检测模块包括:
判断子模块,用于根据目标运行轨迹,确定待监测货物是否处于静默监管区;
计算子模块,用于在待监测货物是否处于静默监管区时,计算待监测货物的最大静默时长;
标记子模块,用于在超过最大静默时长未接收到待监测货物的物流信息时,对待监测货物进行风险标记。
第三方面,提供了一种电子设备,包括存储器和处理器,存储器存储有可在处理器上运行的计算机程序,处理器执行程序时实现如上述方面中任一项的方法。
第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述方面中任一项的方法。
第二方面至第四方面的技术效果参照方面及其任一实施方式的技术效果,在此不再重复。
附图说明
图1是本发明实施例提供的一种基于云计算的货物流动监测方法的步骤流程图;
图2是本发明实施例提供的一种基于云计算的货物流动监测系统的功能模块示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合图1-图2及实施例,对本申请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用以解释本申请,并不用于限定本申请。
本申请实施例涉及的术语“第一”、“第二”等仅用于区分同一类型特征的目的,不能理解为用于指示相对重要性、数量、顺序等。
本申请实施例涉及的术语“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
本申请实施例涉及的术语“耦合”、“连接”应做广义理解,例如,可以指物理上的直接连接,也可以指通过电子器件实现的间接连接,例如通过电阻、电感、电容或其他电子器件实现的连接。
目前,在对待监测货物的物流状态进行监控时,通过装载待监测货物的运输设备将待监测货物的物流信息上传到服务器上,由服务器完成对货物物流状态的更新。但是由于信息延迟的存在,当服务器完成对货物物流状态的更新时,货物的实际状态可能已发生较大的变化。
目前,物流行业已经广泛采用了各种监测货物的技术手段,以确保货物在运输过程中能够得到充分的监控和管理。其中,通过装载待监测货物的运输设备将待监测货物的物流信息上传到服务器上,然后由服务器完成对货物物流状态的更新已成为一种主流的监测方式。这种方式的优点在于,可以实现对货物状态的实时监控,让企业和消费者能够及时了解货物的运输情况,从而更好地管理和安排自己的生产和生活。
然而,这种方式也存在一些问题。首先,由于信息传输和处理的时间延迟,当服务器完成对货物物流状态的更新时,货物的实际状态可能已经发生较大的变化。例如,在运输途中货物可能受到意外损坏、交通拥堵等因素的影响,导致货物的实际状态与服务器上所记录的状态不一致。这会给企业和消费者带来一定的困扰,影响其对货物状态的准确了解和判断。
此外,由于货物运输过程中涉及多个环节的参与和协调,每个环节之间的信息传递和数据共享也可能存在不畅顺的情况,导致货物状态的监控和更新不够及时和准确。
基于此,提出本申请的发明构思:基于计算节点的对物流信息进行修正,并根据待监测货物与不同计算节点的相对位置,执行不同的修正策略,以实现对货物真实状态的准确监控。
首先对本申请的应用场景进行说明,本申请应用于流动监测系统,货物流动监测系统包括移动边缘计算节点、固定边缘计算节点以及中心计算节点。
在本实施方式中,移动边缘计算节点的算力相对较小,固定边缘计算节点的算力次之,中心计算节点的算力最高。移动边缘计算节点通常安装在运输设备上,其主要任务是实时采集和上传货物的位置信息、传感器数据等。由于移动边缘计算节点需要考虑资源消耗和能耗等因素,其算力通常较小,足以满足实时数据处理和传输的需求即可。固定边缘计算节点安装在固定地点,负责接收和处理来自移动边缘计算节点的数据,并将处理后的数据上传给中心计算节点。相比移动边缘计算节点,固定边缘计算节点的算力要求会更高一些,因为它需要进行数据的预处理、优化和分析工作。中心计算节点承担着整合和处理所有节点数据的任务,同时还需要提供更加复杂的计算和分析服务,如数据挖掘、智能预测等。因此,中心计算节点的算力通常会配置得比较高,以应对大规模数据的处理和复杂计算任务。因此中心计算节点的数量远小于固定边缘计算节点的数量。固定边缘计算节点的数量远小于移动边缘计算节点的数量。
参照图1,本发明的实施例提供了一种基于云计算的货物流动监测方法,可以包括以下步骤:
S101:移动边缘计算节点获取待监测货物的物流信息,并从多个候选固定边缘计算节点中,确定物流信息对应的目标固定边缘计算节点。
在本实施方式中,移动边缘计算节点位于运输设备上,通过传感器等手段实时获取货物的位置、温度、湿度等物流相关的信息。而移动边缘计算节点将获取到的物流信息通过移动互联网等通信手段发送给目标固定边缘计算节点。需要说明的是,为了保证数据处理的效率和数据处理的压力,物流信息的上报并非是实时的,而是具有一定的时间间隔。而确定目标固定边缘计算节点的步骤包括:
S1011:根据位置信息,计算每个候选固定边缘计算节点的网络延迟评分;
S1012:根据物流信息包含的信息量以及每个候选固定边缘计算节点的可用计算资源,计算每个候选固定边缘计算节点的算力评分;
S1013:根据网络延迟评分和算力评分,计算每个候选固定边缘计算节点的综合评分,并将综合评分最高的候选固定边缘计算节点,确定为目标固定边缘计算节点。
在S1011至S1013的实施方式中,根据移动边缘计算节点与候选固定边缘计算节点之间的物理距离以及当前网络状况,计算每个候选节点的网络延迟评分。较低的延迟意味着数据传输速度更快,响应时间更短。根据物流信息的复杂程度和每个候选节点的可用计算资源,计算每个候选节点的算力评分。算力评分可以是基于计算能力、处理速度、内存容量等方面进行量化。
而计算每个候选节点的算力评分的具体步骤可以包括:
首先,根据物流信息的复杂程度来评估信息量。物流信息可能包含各种数据和任务,例如传感器数据、图像、视频、文本等。复杂的物流信息意味着其中包含更多的数据和任务,需要更大的计算能力来处理。然后,评估每个候选固定边缘计算节点的可用计算资源。这些计算资源可以包括处理器核心数量、内存容量、存储空间等。可用计算资源越多,节点的计算能力越强。基于信息量评估和可用计算资源评估,可以计算每个候选固定边缘计算节点的算力评分。例如,可以为信息量赋予一个权重,为可用计算资源赋予另一个权重,然后将两者相乘求和得到算力评分。结合前两个步骤的评分结果,计算每个候选节点的综合评分。通常采用加权平均或其他算法来综合考虑网络延迟评分和算力评分。综合评分最高的节点将被选定为目标固定边缘计算节点。
示例性的,假设有三个候选固定边缘计算节点 A、B、C,移动边缘计算节点与 A 的网络延迟为 10ms,与 B 的网络延迟为 15ms,与 C 的网络延迟为 12ms。则 A 的网络延迟评分较低,可视为网络延迟最小的节点。假设候选固定边缘计算节点 A、B、C 的可用计算资源分别为 80%,90%,70%;而物流信息的复杂程度为高。则节点 B 的算力评分较高,可视为计算资源最充足的节点。假设候选固定边缘计算节点 A 的网络延迟评分为 90,算力评分为 80;节点 B 的网络延迟评分为 70,算力评分为 90;节点 C 的网络延迟评分为 80算力评分为 70。通过加权平均算法进行综合评分计算,假设网络延迟评分的权重为 0.6,算力评分的权重为 0.4。则节点 A 的综合评分为 86,节点 B 的综合评分为 78,节点 C 的综合评分为 76。因此,节点 A 被确定为目标固定边缘计算节点。
在一种可行的实施方式中,计算每个候选固定边缘计算节点的网络延迟评分的具体步骤包括:
根据位置信息,确定每个候选固定边缘计算节点与待监测货物的第一距离;
确定每个候选固定边缘计算节点与中心计算节点的第二距离;
根据第一距离、第二距离以及对应的权重系数,确定每个候选固定边缘计算节点的网络延迟评分。
在本实施方式中,在计算网络延迟评分时,需要考虑每个候选节点与待监测货物的第一距离以及每个候选节点与中心计算节点的第二距离。具体来说,第一距离表示每个候选节点与待监测货物之间的物理距离,第二距离表示每个候选节点与中心计算节点之间的物理距离。这些距离可以通过各种方法进行测量,例如使用GPS或其他定位技术来测量节点的位置信息。这些距离越小,意味着节点与待监测货物或中心计算节点之间的通信距离越近,网络延迟越低。在计算网络延迟评分时,还需要考虑每个距离的权重系数。这些权重系数可以根据实际需求进行调整,以反映不同距离对网络延迟的影响程度。例如,如果待监测货物与候选节点之间的距离更为重要,则可以增加第一距离的权重系数;如果中心计算节点与候选节点之间的距离更为重要,则可以增加第二距离的权重系数。最后,第一距离和第二距离与网络延迟评分之间存在负相关关系。也就是说,距离越短,网络延迟越低。因此,在计算网络延迟评分时,需要将距离与相应的权重系数结合起来,以确定每个候选节点的网络延迟评分。这样可以选择网络延迟最小的候选节点,以提高处理物流数据的效率。
示例性的,假设有三个候选固定边缘计算节点,它们的位置坐标分别为(1, 1)、(4, 5)和(7, 2)。待监测货物的位置坐标为(3, 4),中心计算节点的位置坐标为(5, 5)。假设第一距离和第二距离的权重系数分别为0.6和0.4,则可以按照以下步骤计算每个候选节点的网络延迟评分,对于每个候选节点,计算其与待监测货物之间的欧几里得距离。具体地,节点1与待监测货物的距离为2.24、节点2与待监测货物的距离为2.24、节点3与待监测货物的距离为4.12。对于每个候选节点,计算其与中心计算节点之间的欧几里得距离。具体地,节点1与中心计算节点的距离为4.24、节点2与中心计算节点的距离为2.24、节点3与中心计算节点的距离为3.61。根据第一距离、第二距离以及对应的权重系数,计算每个候选节点的网络延迟评分。具体地,节点1的网络延迟评分为0.6/2.24+0.4/4.24≈0.268、节点2的网络延迟评分为0.6/2.24+0.4/2.24≈0.447、节点3的网络延迟评分为0.6/4.12+0.4/3.61≈0.209。根据上述计算结果可以看出,节点2的网络延迟评分最高,节点1的网络延迟评分次之,节点3的网络延迟评分最低。
S102:移动边缘计算节点将物流信息发送至目标固定边缘计算节点。
在本实施方式中,在确定目标固定边缘计算节点之后,移动边缘计算节点将物流信息进行加密处理,以确保信息传输的安全性和保密性。然后将加密后的物流信息发送至目标固定边缘计算节点。
S103:目标固定边缘计算节点确定物流信息的第一延迟等级,根据第一延迟等级,对物流信息进行第一级修正。
在实施方式中,在接收到物流信息后,目标固定边缘计算节点对信息进行解密和解析,以获取具体的物流信息内容。第一延迟等级用于表征边缘计算节点和目标固定边缘计算节点的信息延迟状况,然后根据与边缘计算节点的信息延迟状况,对物流信息进行第一级修正,其具体的步骤包括:
S1031:根据物流信息中的时间戳信息和当前时间,确定第一延迟等级,并根据第一延迟等级,确定对应的第一修正比例;
S1032:根据待监测货物的位移信息,根据待监测货物的初始运行轨迹;
S1033:根据第一修正比例对初始运行轨迹进行修正,以获得修正运行轨迹。
在S1031至S1033的实施方式中,在实际应用中,物流信息可能会存在一定的时延,例如,温度传感器需要一定时间才能获取到准确的温度值。因此,在处理物流信息时,需要考虑这些时延的影响,提高信息的实时性和精度。因此需要根据时间戳和当前时间来确定物流信息的时延等级,并根据时延等级来确定相应的修正比例。具体地,如果物流信息的时间戳距离当前时间越近,那么其时延等级就越低,需要进行的修正比例也就越小;反之,如果时间戳距离当前时间越远,那么其时延等级就越高,需要进行的修正比例也就越大。这样可以在保证信息实时性的同时,尽可能地减少修正对信息的影响。
根据待监测货物的位移信息来确定其初始运行轨迹。根据第一延迟等级和修正比例,对初始运行轨迹进行修正,以获得修正运行轨迹。具体地,根据S1031中确定的修正比例,对初始运行轨迹的位置和速度进行调整,以反映实际物流信息的变化。例如,如果物流信息的时延较小,那么对初始运行轨迹的修正就比较小;反之,如果时延较大,那么对初始运行轨迹的修正就比较大。通过这种方式,可以根据实际物流信息来修正货物的位置和状态,提高物流信息的精度和实时性。
S104:在第一延迟等级大于预设阈值的情况下,将物流信息的第一级修正结果发送至中心计算节点。
在本实施方式中,当第一延迟等级大于预设阈值时,说明当前物流信息的延时性较高,而固定边缘计算节点其算力资源是有限,经过第一级修正之后仍然具有较高的延时性,因此需要做一步的处理。因此将物流信息的第一级修正结果发送至中心计算节点。中心计算节点可以接收来自多个固定边缘计算节点的数据,并进行更高级别的处理。这些处理可能包括对数据的进一步清洗、整合、分析、预测等操作。通过中心计算节点的处理,可以更有效地降低物流信息的延时性,提高物流信息的准确性和及时性。
而在一种可行的实施方式中,在第一延迟等级小于或等于预设阈值的情况下,根据第一级修正结果对待监测货物的物流状态进行更新。
在本实施方式中,当第一延迟等级小于或等于预设阈值时,则说明目标固定边缘计算节点的计算能力能够对完成对物流信息的有效修正,因此可以将完成第一级修正后的物流信息作为待监测货物的物流状态预测结果对待监测货物的物流状态进行更新。
S105:在第一延迟等级大于预设阈值的情况下,将物流信息的第一级修正结果发送至中心计算节点。
在本实施方式中,当第一延迟等级大于预设阈值时,则说明物流信息的延迟状况比较严重,但是由于固定边缘计算节的就算能力有限,即使通过目标固定边缘计算节的修正,也无法对物流信息做出准确的预测。因此需要将物流信息的第一级修正结果和未经修正的物流信息同时发送给中心计算节点,由中心计算节点强大的算力完成对物流信息的延迟修正。
S106:中心计算节点确定物流信息的第二延迟等级,并根据第二延迟等级和第一级修正结果,对物流信息进行第二级修正。
在本实施方式中,为了更准确地反映物流信息的最新状态,中心计算节点需要确定物流信息的第二延迟等级,并根据第二延迟等级和第一级修正结果进行第二级修正。第二延迟等级用于表征中心计算节点和目标固定边缘计算节点之间的信息延迟状况。通过确定物流信息的第二延迟等级,并根据第二延迟等级和第一级修正结果进行第二级修正,可以更准确地获取和分析物流信息,提高信息的准确性和实时性,为物流管理和服务提供更好的支持。而进行第二级修正的步骤可以包括:
S1061:根据第二延迟等级,确定对应的第二修正比例;
S1062:根据第二修正比例,对修正运行轨迹进行修正,以生成第一运行轨迹;
S1063:根据第二修正比例,对初始运行轨迹进行修正,以生成第二运行轨迹;
S1064:根据第一运行轨迹和第二运行轨迹进行多模融合,以获得目标运行轨迹。
在S1061至S1064的实施方式中,根据第二延迟等级的不同,可以确定相应的第二修正比例。这个比例决定了第二级修正的程度,即对物流信息进行多大程度的修正。在物流监测系统中,运行轨迹是指货物在物流过程中的运动路径。根据第二修正比例,可以对修正运行轨迹进行一定程度的调整,从而使得中心计算节点可以根据目标固定边缘计算节点的修正结果,继续进行对物流信息的延迟状况进行进一步修正,进而获得更加精确和准确的第一运行轨迹。根据第二修正比例,对初始运行轨迹进行修正,以生成第二运行轨迹。初始运行轨迹是指在物流监测系统中根据初始数据或预测模型生成的初步估计的运行轨迹。通过根据第二修正比例对初始运行轨迹进行修正,从而使得中心计算节点可以根据初始物流信息进行修正,进而更准确地反映实际物流过程中的运动情况,生成更为精确的第二运行轨迹。根据第一运行轨迹和第二运行轨迹进行多模融合,以获得目标运行轨迹。多模融合是指将不同修正程度的运行轨迹进行综合,得到更为全面和综合的目标运行轨迹。通过综合考虑第一运行轨迹和第二运行轨迹,可以获得更为准确和可靠的目标运行轨迹,用于后续的物流分析和决策。
总体而言,以上步骤描述了一种根据延迟等级和修正比例对物流信息进行修正和融合的方法,以提高物流信息的准确性和可靠性,为物流管理和决策提供更好的支持。
在一种可行的实施方式中,根据第一运行轨迹和第二运行轨迹进行多模融合,以获得目标运行轨迹,包括:
对第一运行轨迹和第二运行轨迹进行轨迹融合,以获得中间态运行轨迹;
对中间态运行轨迹进行信息融合,以获得目标运行轨迹。
在本实施方式中,轨迹融合是关将两个不同的运行轨迹进行合并,以产生一个中间态的运行轨迹。这个中间态的运行轨迹可以包含两个原始轨迹中的信息,并且可以更好地适应不同的环境和条件。接下来是信息融合的步骤。将中间态运行轨迹中的信息进行融合,以获得目标运行轨迹。这个过程可以包括对各种传感器数据的融合、对不同来源信息的融合等。通过信息融合,可以将多个来源的信息进行整合,以获得更准确、更全面的目标运行轨迹。通过轨迹融合和信息融合的多模融合方法,可以获得更准确、更全面的目标运行轨迹。
在一种可行的实施方式中,方法还包括:
根据目标运行轨迹,确定待监测货物是否处于静默监管区;
在待监测货物是否处于静默监管区时,计算待监测货物的最大静默时长;
在超过最大静默时长未接收到待监测货物的物流信息时,对待监测货物进行风险标记。
在一种可行的实施方式中,在获取待监测货物的目标运行轨迹之后,根据该轨迹与当前时间的匹配情况,判断该货物是否处于静默监管区。静默监管区通常是指物流信息相对较少、信号较差、监管力度较弱的区域。在确定货物处于静默监管区后,需要计算该货物的最大静默时长。这可以通过对历史数据进行分析,确定在静默监管区中货物最长可能的静默时间。这个时长可以作为风险评估的重要参考。在超过最大静默时长后,如果仍然没有收到该货物的物流信息,那么就需要对该货物进行风险标记。风险标记可以包括多种形式,如将货物标记为高风险、中风险或低风险等。这个标记可以为后续的决策提供重要参考,如是否需要进行额外的检查、是否需要调整运输路线等。
通过以上步骤,可以实现对待监测货物的风险评估和监控。这种实施方式不仅可以提高物流效率,还可以降低货物丢失或被盗的风险。同时,通过对历史数据的分析和挖掘,还可以不断优化和改进该方法,提高其准确性和有效性。
本发明实施例还提供了一种基于云计算的货物流动监测系统,参照图2,示出了本发明一种基于云计算的货物流动监测系统的功能模块图,该系统可以包括以下模块:
筛选模块201,用于移动边缘计算节点获取待监测货物的物流信息,并从多个候选固定边缘计算节点中,确定物流信息对应的目标固定边缘计算节点;
第一发送模块202,用于移动边缘计算节点将物流信息发送至目标固定边缘计算节点;
第一修正模块203,用于目标固定边缘计算节点确定物流信息的第一延迟等级,根据第一延迟等级,对物流信息进行第一级修正,其中,第一延迟等级用于表征边缘计算节点和目标固定边缘计算节点的信息延迟状况;
第二发送模块204,用于在第一延迟等级大于预设阈值的情况下,将物流信息的第一级修正结果发送至中心计算节点;
第二修正模块205,用于中心计算节点确定物流信息的第二延迟等级,并根据第二延迟等级和第一级修正结果,对物流信息进行第二级修正,其中,第二延迟等级用于表征中心计算节点和目标固定边缘计算节点的信息延迟状况;
更新模块206,用于中心计算节点根据第二级修正结果对待监测货物的物流状态进行更新。
在一种可能的实施方式中,物流信息包括待监测货物的位置信息,筛选模块包括:
第一评分子模块,用于根据位置信息,计算每个候选固定边缘计算节点的网络延迟评分;
第二评分子模块,用于根据物流信息包含的信息量以及每个候选固定边缘计算节点的可用计算资源,计算每个候选固定边缘计算节点的算力评分;
第三评分子模块,用于根据网络延迟评分和算力评分,计算每个候选固定边缘计算节点的综合评分,并将综合评分最高的候选固定边缘计算节点,确定为目标固定边缘计算节点。
在一种可能的实施方式中,第一评分子模块包括:
第一距离计算单元,用于根据位置信息,确定每个候选固定边缘计算节点与待监测货物的第一距离;
第二距离计算单元,用于确定每个候选固定边缘计算节点与中心计算节点的第二距离;
评分计算单元,用于根据第一距离、第二距离以及对应的权重系数,确定每个候选固定边缘计算节点的网络延迟评分,其中,第一距离和第二距离与网络延迟评分为负相关关系。
在一种可能的实施方式中,第一修正模块,包括:
延迟等级确定子模块,用于根据物流信息中的时间戳信息和当前时间,确定第一延迟等级,并根据第一延迟等级,确定对应的第一修正比例;
初始运行轨迹确定子模块,用于根据待监测货物的位移信息,根据待监测货物的初始运行轨迹;
运行轨迹修正子模块,用于根据第一修正比例对初始运行轨迹进行修正,以获得修正运行轨迹。
在一种可能的实施方式中,系统还包括:
第二更新模块,用于在第一延迟等级小于或等于预设阈值的情况下,根据第一级修正结果对待监测货物的物流状态进行更新。
在一种可能的实施方式中,第二级修正结果包括目标运行轨迹,第二修正模块包括:
修正比例确定子模块,用于根据第二延迟等级,确定对应的第二修正比例;
第一轨迹生成子模块,用于根据第二修正比例,对修正运行轨迹进行修正,以生成第一运行轨迹;
第二轨迹生成子模块,用于根据第二修正比例,对初始运行轨迹进行修正,以生成第二运行轨迹;
融合子模块,根据第一运行轨迹和第二运行轨迹进行多模融合,以获得目标运行轨迹。
在一种可能的实施方式中,融合子模块,包括:
轨迹融合单元,用于对第一运行轨迹和第二运行轨迹进行轨迹融合,以获得中间态运行轨迹;
信息融合单元,用于对中间态运行轨迹进行信息融合,以获得目标运行轨迹。
在一种可能的实施方式中,系统还包括静默检测模块,静默检测模块包括:
判断子模块,用于根据目标运行轨迹,确定待监测货物是否处于静默监管区;
计算子模块,用于在待监测货物是否处于静默监管区时,计算待监测货物的最大静默时长;
标记子模块,用于在超过最大静默时长未接收到待监测货物的物流信息时,对待监测货物进行风险标记。
基于同一发明构思,本发明另一实施例提供一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信,
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现本发明的基于云计算的货物流动监测方法。
上述终端提到的通信总线可以是外设部件互联标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。通信接口用于上述终端与其他设备之间的通信。存储器可以包括随机存取存储器(Random AccessMemory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储系统。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
此外,为实现上述目的,本发明的实施例还提出了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时实现本发明实施例的基于云计算的货物流动监测方法。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、系统、或计算机程序产品。因此,本发明实施例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,本发明实施例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车辆(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。
本发明实施例是参照根据本发明实施例方法、终端设备(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终端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终端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系统。
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终端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系统的制造品,该指令系统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终端设备上,使得在计算机或其他可编程终端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终端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,还需要说明的是,在本文中,诸如和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。“和/或”表示可以选择两者之中的任意一个,也可以两者都选择。而且,术语“包括”“包含”或者其任何其他变体意在涵盖非排他性地包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于云计算的货物流动监测方法,其特征在于,应用于货物流动监测系统,所述货物流动监测系统包括移动边缘计算节点、固定边缘计算节点以及中心计算节点;所述方法包括:
所述移动边缘计算节点获取待监测货物的物流信息,并从多个候选固定边缘计算节点中,确定所述物流信息对应的目标固定边缘计算节点;
所述移动边缘计算节点将所述物流信息发送至所述目标固定边缘计算节点;
所述目标固定边缘计算节点确定所述物流信息的第一延迟等级,根据所述第一延迟等级,对所述物流信息进行第一级修正,其中,所述第一延迟等级用于表征所述移动边缘计算节点和所述目标固定边缘计算节点的信息延迟状况;
在所述第一延迟等级大于预设阈值的情况下,将所述物流信息的第一级修正结果发送至所述中心计算节点;
所述中心计算节点确定所述物流信息的第二延迟等级,并根据所述第二延迟等级和所述第一级修正结果,对所述物流信息进行第二级修正,其中,所述第二延迟等级用于表征所述中心计算节点和所述目标固定边缘计算节点的信息延迟状况;
所述中心计算节点根据第二级修正结果对所述待监测货物的物流状态进行更新。
2.根据权利要求1所述的基于云计算的货物流动监测方法,其特征在于,所述物流信息包括所述待监测货物的位置信息,所述移动边缘计算节点从多个候选固定边缘计算节点中,确定所述物流信息对应的目标固定边缘计算节点,包括:
根据所述位置信息,计算每个候选固定边缘计算节点的网络延迟评分;
根据所述物流信息包含的信息量以及每个候选固定边缘计算节点的可用计算资源,计算每个候选固定边缘计算节点的算力评分;
根据所述网络延迟评分和算力评分,计算每个所述候选固定边缘计算节点的综合评分,并将综合评分最高的所述候选固定边缘计算节点,确定为所述目标固定边缘计算节点。
3.根据权利要求2所述的基于云计算的货物流动监测方法,其特征在于,所述根据所述位置信息,计算每个候选固定边缘计算节点的网络延迟评分,包括:
根据所述位置信息,确定每个候选固定边缘计算节点与所述待监测货物的第一距离;
确定每个候选固定边缘计算节点与所述中心计算节点的第二距离;
根据所述第一距离、所述第二距离以及对应的权重系数,确定每个候选固定边缘计算节点的网络延迟评分,其中,所述第一距离和所述第二距离与所述网络延迟评分为负相关关系。
4.根据权利要求2所述的基于云计算的货物流动监测方法,其特征在于,所述第一级修正结果包括修正运行轨迹,所述物流信息包括所述待监测货物的位移信息,所述确定所述物流信息的第一延迟等级,根据所述第一延迟等级,对所述物流信息进行第一级修正,包括:
根据所述物流信息中的时间戳信息和当前时间,确定所述第一延迟等级,并根据所述第一延迟等级,确定对应的第一修正比例;
根据所述待监测货物的位移信息,确定所述待监测货物的初始运行轨迹;
根据所述第一修正比例对所述初始运行轨迹进行修正,以获得所述修正运行轨迹。
5.根据权利要求4所述的基于云计算的货物流动监测方法,其特征在于,所述方法还包括:
在所述第一延迟等级小于或等于预设阈值的情况下,根据第一级修正结果对所述待监测货物的物流状态进行更新。
6.根据权利要求4所述的基于云计算的货物流动监测方法,其特征在于,所述第二级修正结果包括目标运行轨迹,所述根据所述第二延迟等级和所述第一级修正结果,对所述物流信息进行第二级修正,包括:
根据所述第二延迟等级,确定对应的第二修正比例;
根据所述第二修正比例,对修正运行轨迹进行修正,以生成第一运行轨迹;
根据所述第二修正比例,对初始运行轨迹进行修正,以生成第二运行轨迹;
根据所述第一运行轨迹和所述第二运行轨迹进行多模融合,以获得目标运行轨迹。
7.根据权利要求6所述的基于云计算的货物流动监测方法,其特征在于,所述根据所述第一运行轨迹和所述第二运行轨迹进行多模融合,以获得目标运行轨迹,包括:
对所述第一运行轨迹和所述第二运行轨迹进行轨迹融合,以获得中间态运行轨迹;
对所述中间态运行轨迹进行信息融合,以获得所述目标运行轨迹。
8.根据权利要求7所述的基于云计算的货物流动监测方法,其特征在于,所述方法还包括:
根据所述目标运行轨迹,确定所述待监测货物是否处于静默监管区;
在所述待监测货物处于所述静默监管区时,计算所述待监测货物的最大静默时长;
在超过所述最大静默时长未接收到所述待监测货物的物流信息时,对所述待监测货物进行风险标记。
9.一种基于云计算的货物流动监测系统,其特征在于,所述系统包括:
筛选模块,用于移动边缘计算节点获取待监测货物的物流信息,并从多个候选固定边缘计算节点中,确定所述物流信息对应的目标固定边缘计算节点;
第一发送模块,用于所述移动边缘计算节点将所述物流信息发送至所述目标固定边缘计算节点;
第一修正模块,用于所述目标固定边缘计算节点确定所述物流信息的第一延迟等级,根据所述第一延迟等级,对所述物流信息进行第一级修正,其中,所述第一延迟等级用于表征所述移动边缘计算节点和所述目标固定边缘计算节点的信息延迟状况;
第二发送模块,用于在所述第一延迟等级大于预设阈值的情况下,将所述物流信息的第一级修正结果发送至中心计算节点;
第二修正模块,用于所述中心计算节点确定所述物流信息的第二延迟等级,并根据所述第二延迟等级和所述第一级修正结果,对所述物流信息进行第二级修正,其中,所述第二延迟等级用于表征所述中心计算节点和所述目标固定边缘计算节点的信息延迟状况;
更新模块,用于所述中心计算节点根据第二级修正结果对所述待监测货物的物流状态进行更新。
10.根据权利要求9所述的基于云计算的货物流动监测系统,其特征在于,所述物流信息包括所述待监测货物的位置信息,所述筛选模块包括:
第一评分子模块,用于根据所述位置信息,计算每个候选固定边缘计算节点的网络延迟评分;
第二评分子模块,用于根据所述物流信息包含的信息量以及每个候选固定边缘计算节点的可用计算资源,计算每个候选固定边缘计算节点的算力评分;
第三评分子模块,用于根据所述网络延迟评分和算力评分,计算每个所述候选固定边缘计算节点的综合评分,并将综合评分最高的所述候选固定边缘计算节点,确定为所述目标固定边缘计算节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410086812.6A CN117611045B (zh) | 2024-01-22 | 2024-01-22 | 一种基于云计算的货物流动监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410086812.6A CN117611045B (zh) | 2024-01-22 | 2024-01-22 | 一种基于云计算的货物流动监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117611045A CN117611045A (zh) | 2024-02-27 |
CN117611045B true CN117611045B (zh) | 2024-04-19 |
Family
ID=89950241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410086812.6A Active CN117611045B (zh) | 2024-01-22 | 2024-01-22 | 一种基于云计算的货物流动监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117611045B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003104559A (ja) * | 2001-09-27 | 2003-04-09 | Hitachi Software Eng Co Ltd | 物流計画調整方法およびシステム |
CN107316172A (zh) * | 2017-07-07 | 2017-11-03 | 宁波图锐信息科技有限公司 | 一种智慧物流平台系统 |
CN109002934A (zh) * | 2018-08-31 | 2018-12-14 | 华中科技大学 | 一种货运网络新建物流节点相关重要指标预测方法 |
CN112767084A (zh) * | 2021-01-20 | 2021-05-07 | 高锡东 | 一种基于云计算的数据安全校验方法、装置及服务器 |
CN115208812A (zh) * | 2022-07-08 | 2022-10-18 | 中国电信股份有限公司 | 业务处理方法及装置、设备、计算机可读存储介质 |
CN115481890A (zh) * | 2022-09-14 | 2022-12-16 | 安徽协同供应链管理有限公司 | 智能供应链物流调度方法 |
WO2023052396A1 (en) * | 2021-10-01 | 2023-04-06 | Net Insight Ab | Assymetric delay compensation |
CN116400618A (zh) * | 2023-03-07 | 2023-07-07 | 哈尔滨工业大学 | 一种运用于物流系统的基于时间同步的智能控制方法 |
WO2023131989A1 (ja) * | 2022-01-04 | 2023-07-13 | ロジスティード株式会社 | 貨物トラッキングシステム、貨物トラッキング方法、およびプログラム |
CN116962395A (zh) * | 2022-04-19 | 2023-10-27 | 中移(成都)信息通信科技有限公司 | 云节点确定方法、装置、设备及计算机可读存储介质 |
CN116976778A (zh) * | 2023-08-03 | 2023-10-31 | 太原易思软件技术有限公司 | 一种基于智能物流运输平台的监控系统及方法 |
CN117314283A (zh) * | 2023-10-16 | 2023-12-29 | 暨南大学 | 混流装配车间的物料配送方法、装置、系统及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160217399A1 (en) * | 2015-01-22 | 2016-07-28 | Elementum Scm (Cayman) Ltd. | Method and system for monitoring shipments in a supply and/or logistics chain |
US20230177521A1 (en) * | 2021-12-06 | 2023-06-08 | Hong Kong Applied Science and Technology Research Institute Company Limited | Logistics management system and method using blockchain |
-
2024
- 2024-01-22 CN CN202410086812.6A patent/CN117611045B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003104559A (ja) * | 2001-09-27 | 2003-04-09 | Hitachi Software Eng Co Ltd | 物流計画調整方法およびシステム |
CN107316172A (zh) * | 2017-07-07 | 2017-11-03 | 宁波图锐信息科技有限公司 | 一种智慧物流平台系统 |
CN109002934A (zh) * | 2018-08-31 | 2018-12-14 | 华中科技大学 | 一种货运网络新建物流节点相关重要指标预测方法 |
CN112767084A (zh) * | 2021-01-20 | 2021-05-07 | 高锡东 | 一种基于云计算的数据安全校验方法、装置及服务器 |
WO2023052396A1 (en) * | 2021-10-01 | 2023-04-06 | Net Insight Ab | Assymetric delay compensation |
WO2023131989A1 (ja) * | 2022-01-04 | 2023-07-13 | ロジスティード株式会社 | 貨物トラッキングシステム、貨物トラッキング方法、およびプログラム |
CN116962395A (zh) * | 2022-04-19 | 2023-10-27 | 中移(成都)信息通信科技有限公司 | 云节点确定方法、装置、设备及计算机可读存储介质 |
CN115208812A (zh) * | 2022-07-08 | 2022-10-18 | 中国电信股份有限公司 | 业务处理方法及装置、设备、计算机可读存储介质 |
CN115481890A (zh) * | 2022-09-14 | 2022-12-16 | 安徽协同供应链管理有限公司 | 智能供应链物流调度方法 |
CN116400618A (zh) * | 2023-03-07 | 2023-07-07 | 哈尔滨工业大学 | 一种运用于物流系统的基于时间同步的智能控制方法 |
CN116976778A (zh) * | 2023-08-03 | 2023-10-31 | 太原易思软件技术有限公司 | 一种基于智能物流运输平台的监控系统及方法 |
CN117314283A (zh) * | 2023-10-16 | 2023-12-29 | 暨南大学 | 混流装配车间的物料配送方法、装置、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117611045A (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7831532B2 (en) | Precomputation and transmission of time-dependent information for varying or uncertain receipt times | |
Artikis et al. | Heterogeneous Stream Processing and Crowdsourcing for Urban Traffic Management. | |
Tulone et al. | PAQ: Time series forecasting for approximate query answering in sensor networks | |
EP1738470B1 (en) | Apparatus and method for improving reliability of collected sensor data over a network | |
CN109829667B (zh) | 物流节点包裹量的预测方法和装置 | |
US20230083626A1 (en) | Pipeline monitoring methods and internet of things based on smart gas pipeline network safety | |
US11842301B1 (en) | Methods for monitoring distributed energy storage safety and internet of things systems thereof | |
CN102316496A (zh) | 无线传感器网络中基于卡尔曼滤波的数据融合方法 | |
CN111815946A (zh) | 一种异常路段的确定方法、装置、存储介质和电子设备 | |
CN112929845A (zh) | 一种基于区块链的车联网节点信任评估方法及系统 | |
CN105704031A (zh) | 一种数据传输路径确定方法及装置 | |
CN109859515A (zh) | 公交系统中gps定位数据补偿方法及电子设备 | |
CN108696453A (zh) | 轻量级的电力通信网sdn业务流感知方法及系统 | |
US9584419B1 (en) | Systems and methods for detecting consistent fabric congestion in a datacenter based on historical traffic data | |
KR20170003769U (ko) | 머신러닝을 이용한 버스 도착 정보 예측 시스템의 오차 개선 모델 | |
CN117611045B (zh) | 一种基于云计算的货物流动监测方法及系统 | |
US20240046283A1 (en) | Methods and iot systems for industrial gas demand regulation based on smart gas | |
CN112925964A (zh) | 基于云计算服务的大数据采集方法及大数据采集服务系统 | |
JP2021507344A5 (zh) | ||
Woodard et al. | A survey of data cleansing techniques for cyber-physical critical infrastructure systems | |
Wang et al. | Efficient Intelligent Optimized Algorithm for Dynamic Vehicle Routing Problem. | |
US20230275676A1 (en) | Predictive quality of service via channel aggregation | |
CN106330544B (zh) | 一种基于自反馈模型的实时告警响应方法 | |
Bapat et al. | Reliable estimation of influence fields for classification and tracking in unreliable sensor networks | |
CN115600219B (zh) | 候选任务工作者声誉值的确定方法 |
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 |