CN117745167A - 基于卫星定位的物联网数据智能管理方法及系统 - Google Patents
基于卫星定位的物联网数据智能管理方法及系统 Download PDFInfo
- Publication number
- CN117745167A CN117745167A CN202311759327.2A CN202311759327A CN117745167A CN 117745167 A CN117745167 A CN 117745167A CN 202311759327 A CN202311759327 A CN 202311759327A CN 117745167 A CN117745167 A CN 117745167A
- Authority
- CN
- China
- Prior art keywords
- logistics
- data
- cold chain
- historical
- sub
- 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.)
- Pending
Links
- 238000007726 management method Methods 0.000 title claims abstract description 16
- 230000000694 effects Effects 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 40
- 238000004321 preservation Methods 0.000 claims description 38
- 238000011156 evaluation Methods 0.000 claims description 37
- 230000007613 environmental effect Effects 0.000 claims description 34
- 238000013486 operation strategy Methods 0.000 abstract description 11
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 239000010836 blood and blood product Substances 0.000 description 4
- 229940125691 blood product Drugs 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000005286 illumination Methods 0.000 description 3
- 239000008267 milk Substances 0.000 description 3
- 210000004080 milk Anatomy 0.000 description 3
- 235000013336 milk Nutrition 0.000 description 3
- 238000005057 refrigeration Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 235000013611 frozen food Nutrition 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 238000003339 best practice Methods 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000021022 fresh fruits Nutrition 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于卫星定位的物联网数据智能管理方法及系统,涉及数据处理技术领域,包括:确定冷链物流区域,均匀布设环境感知传感网络,对环境数据进行采集,获取区域环境数据;进行区域划分,得到多个物流子区域;确定冷链物流车辆,检索历史物联网数据,确定历史物流数据集;进行划分,得到多个历史物流子数据集,多个历史物流子数据集与多个物流子区域一一对应;确定多个标准执行参数;基于卫星系统对目标冷链物流车辆进行定位,获取目标车辆坐标;识别所属的目标物流子区域,提取目标标准执行参数,进行执行。本发明解决了现有技术中冷链物流车辆运行策略不精准的技术问题,达到了提供更准确的冷链物流车辆运行策略的技术效果。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及基于卫星定位的物联网数据智能管理方法及系统。
背景技术
冷链物流是确保冷藏冷冻类食品在生产和流通过程中始终处于低温环境,以保持食品质量并减少损耗的系统工程。由于冷链物流涉及的是冷藏冷冻类食品,所以保证产品在运输和储存过程中的质量与新鲜度是至关重要的。如果车辆的运行策略不当,可能会导致产品质量受损、新鲜度降低,甚至可能引发食品安全问题。目前,冷链物流车辆的运行策略主要是根据历史数据和经验来制定的,例如,车辆会按照固定的路线进行运输,或者根据预设的温度和时间进行储存和运输等,因而现有技术存在冷链物流车辆运行策略不精准的技术问题。
发明内容
本申请通过提供基于卫星定位的物联网数据智能管理方法及系统,有效解决了现有技术中存在的冷链物流车辆运行策略不精准的技术问题,达到了提供更准确的冷链物流车辆运行策略的技术效果。
本申请提供了基于卫星定位的物联网数据智能管理方法及系统,所述技术方案如下:
第一方面,本申请实施例提供了基于卫星定位的物联网数据智能管理方法,所述方法包括:
确定冷链物流区域,在所述冷链物流区域均匀布设环境感知传感网络,基于所述环境感知传感网络对所述冷链物流区域的环境数据进行采集,获取区域环境数据,所述区域环境数据具有环境位置标识;
基于所述区域环境数据对所述冷链物流区域进行区域划分,得到多个物流子区域;
确定冷链物流车辆,检索所述冷链物流车辆在冷链物流区域的历史物联网数据,确定历史物流数据集;
基于所述多个物流子区域对历史物流数据集进行划分,得到多个历史物流子数据集,其中,所述多个历史物流子数据集与多个物流子区域一一对应;
针对多个物流子区域,基于多个历史物流子数据集,确定多个标准执行参数;
基于卫星系统对目标冷链物流车辆进行定位,获取目标车辆坐标;
识别所述目标车辆坐标所属的目标物流子区域,基于所述目标物流子区域提取目标标准执行参数,发送至目标冷链物流车辆进行执行。
第二方面,本申请实施例提供了基于卫星定位的物联网数据智能管理系统,所述系统包括:
区域环境数据获取模块,所述区域环境数据获取模块用于确定冷链物流区域,在所述冷链物流区域均匀布设环境感知传感网络,基于所述环境感知传感网络对所述冷链物流区域的环境数据进行采集,获取区域环境数据,所述区域环境数据具有环境位置标识;
多个物流子区域获取模块,所述多个物流子区域获取模块用于基于所述区域环境数据对所述冷链物流区域进行区域划分,得到多个物流子区域;
历史物流数据集确定模块,所述历史物流数据集确定模块用于确定冷链物流车辆,检索所述冷链物流车辆在冷链物流区域的历史物联网数据,确定历史物流数据集;
多个历史物流子数据集获取模块,所述多个历史物流子数据集获取模块用于基于所述多个物流子区域对历史物流数据集进行划分,得到多个历史物流子数据集,其中,所述多个历史物流子数据集与多个物流子区域一一对应;
多个标准执行参数确定模块,所述多个标准执行参数确定模块用于针对多个物流子区域,基于多个历史物流子数据集,确定多个标准执行参数;
目标车辆坐标获取模块,所述目标车辆坐标获取模块用于基于卫星系统对目标冷链物流车辆进行定位,获取目标车辆坐标;
发送执行模块,所述发送执行模块用于识别所述目标车辆坐标所属的目标物流子区域,基于所述目标物流子区域提取目标标准执行参数,发送至目标冷链物流车辆进行执行。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请首先确定冷链物流区域,在所述冷链物流区域均匀布设环境感知传感网络,基于所述环境感知传感网络对所述冷链物流区域的环境数据进行采集,获取区域环境数据,所述区域环境数据具有环境位置标识,进而基于所述区域环境数据对所述冷链物流区域进行区域划分,得到多个物流子区域,然后确定冷链物流车辆,检索所述冷链物流车辆在冷链物流区域的历史物联网数据,确定历史物流数据集,再基于所述多个物流子区域对历史物流数据集进行划分,得到多个历史物流子数据集,其中,所述多个历史物流子数据集与多个物流子区域一一对应,针对多个物流子区域,基于多个历史物流子数据集,确定多个标准执行参数,继而基于卫星系统对目标冷链物流车辆进行定位,获取目标车辆坐标,然后识别所述目标车辆坐标所属的目标物流子区域,基于所述目标物流子区域提取目标标准执行参数,发送至目标冷链物流车辆进行执行。有效解决了现有技术中存在的冷链物流车辆运行策略不精准的技术问题,达到了提供更准确的冷链物流车辆运行策略的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍,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为本申请实施例提供的基于卫星定位的物联网数据智能管理方法流程示意图;
图2为本申请实施例提供的得到多个历史物流子数据集方法流程示意图;
图3为本申请实施例提供的确定多个标准执行参数方法流程示意图;
图4为本申请实施例提供的确定第一物流子区域的第一标准执行参数方法流程示意图;
图5为本申请实施例提供的基于卫星定位的物联网数据智能管理系统结构示意图。
附图标记说明:区域环境数据获取模块1,多个物流子区域获取模块2,历史物流数据集确定模块3,多个历史物流子数据集获取模块4,多个标准执行参数确定模块5,目标车辆坐标获取模块6,发送执行模块7。
具体实施方式
本申请通过提供了基于卫星定位的物联网数据智能管理方法及系统,用于针对解决现有技术中存在的冷链物流车辆运行策略不精准的技术问题。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一
如图1所示,本发明提供了基于卫星定位的物联网数据智能管理方法,用于提供更准确的冷链物流车辆运行策略,所述方法包括:
确定冷链物流区域,所述冷链物流区域指的是在供应链上需要进行冷链物流活动的地理区域,包括冷库、冷藏仓库、机场、港口等物流中转场所等。根据产品的特点和需求、冷链物流的操作需要、环境条件、成本效益、投资回报、运输方式等因素来合理确定冷链物流的区域,确定冷链物流区域后,在冷链物流区域内均匀布设环境感知传感网络,所述环境感知传感网络是由多个传感器(温度传感器、湿度传感器等)组成的系统,能够实时监测和收集环境数据(温度、湿度、空气质量等)。基于环境感知传感网络对冷链物流区域的环境数据进行采集,获得区域环境数据,所述区域环境数据是关于冷链物流区域内特定位置的环境条件的数据,例如某个地点的实时温度和湿度,所述区域环境数据具有环境位置标识,所述环境位置标识是区域环境数据中的一个组成部分,指明了数据是在哪个具体位置收集的。
通过分析收集到的区域环境数据,对冷链物流区域进行区域划分,具体而言,通过使用数据分析的方法对收集到的区域环境数据进行处理和分析,将具有相似环境条件的位置划分为同一个环境区域,例如,根据温度数据的分析结果,将冷库区域划分为多个温度区间,每个温度区间对应一个环境区域。再根据环境区域的划分结果,对冷链物流区域进行划分,得到多个物流子区域,每个物流子区域对应一个或多个环境区域,具有相似的环境条件,例如冷库中存储农产品的特定区域、存储其他产品的区域等。
确定参与冷链物流的车辆,并从这些车辆的物联网系统中提取车辆在冷链物流区域的历史数据,包括过去的行驶路线、速度、温度、燃料消耗、维护费用、产品的新鲜程度、保存期限等信息。例如,一辆冷藏车会记录过去的行驶路线、停车时间以及货舱内的温度等数据。将提取到的历史数据进行整合,形成一个历史物流数据集,所述历史物流数据集反映了冷链物流车辆在过去的操作和历史表现。
根据划分的多个物流子区域,将历史物流数据集进行细分,得到多个历史物流子数据集,使得每个子数据集都与一个特定的物流子区域相对应。具体而言,根据多个物流子区域的划分结果,通过数据过滤、数据匹配或数据关联等技术,从历史物流数据集中筛选出与每个物流子区域相对应的数据,将筛选出的物流数据按照物流子区域进行拆分,得到多个子数据集,每个子数据集包含与特定物流子区域相对应的数据,例如,如果一个仓库划分为三个子区域,那么历史物流数据集会被划分为三个相应的子数据集,每个子数据集包含的数据都是与相应的子区域相关的(如冷藏车在特定时间段内在某个区域的行驶路线、速度和停车时间等数据)。
对于每个物流子区域,分析与其具有一一对应关系的历史物流子数据集,根据过去的性能和环境条件确定每个物流子区域应该遵循的标准执行参数,所述标准执行参数是为每个物流子区域确定的理想操作条件或规则,例如最佳的行驶速度或停车时间等,这些参数是基于历史数据和分析得出的最佳实践经验,提供了如何最好地操作和管理该区域的指导。
确定目标冷链物流车辆,所述目标冷链物流车辆是指正在进行冷链物流运输的车辆,例如冷藏车或冷冻车等,确定目标冷链物流车辆后,使用卫星定位技术(如GPS)对其进行实时追踪和定位,获得目标车辆坐标,所述目标车辆坐标是通过卫星系统获得的冷链物流车辆当前的具体位置信息。
确定目标车辆的实时位置后,通过地理信息系统技术、路径分析算法、聚类分析算法等方法识别该车辆当前所在或即将进入的物流子区域(目标物流子区域),例如,如果一辆冷藏车正在运输新鲜水果,那么它可能正在进入一个专门用于存储新鲜农产品的物流子区域。识别出目标物流子区域后,提取该区域的标准执行参数(目标标准执行参数),将该标准执行参数发送到目标冷链物流车辆进行实际实施,例如,如果冷藏车已经进入了一个特定的存储区域,那么系统向车辆发送标准执行参数指令,告诉该车辆应该如何调整温度和湿度条件,以确保货物的新鲜度和质量。本申请实施例通过利用冷链物流区域、环境感知传感网络、历史物联网数据和卫星定位技术,优化了冷链物流操作,达到了提供更准确的冷链物流车辆运行策略的技术效果。
在本申请实施例提供的一种优选实施方式中,基于所述区域环境数据对所述冷链物流区域进行区域划分,得到多个物流子区域,包括:
设置环境偏差阈值,所述环境偏差阈值用于衡量不同位置的环境数据与平均或标准环境数据之间的差异,是根据历史数据或经验得出的数值,表示不同区域之间的温度、湿度或其他环境因素的差异。
基于所述环境偏差阈值,对收集到的区域环境数据进行聚类(K-means聚类、层次聚类、DBSCAN聚类等),聚类算法将具有相似环境条件的位置划分为同一个环境区域,例如,如果某个位置的温度数据与平均温度数据的偏差低于阈值,那么这个位置就被划分为一个环境区域。
通过聚类算法的处理,得到多个环境区域,这些环境区域反映了不同位置的环境条件的相似性。使用这些环境区域对冷链物流区域进行划分,得到多个物流子区域,每个物流子区域对应一个或多个环境区域,具有相似的环境条件。这一优选实施方式通过使用环境偏差阈值进行聚类,将具有相似环境条件的区域划分为同一个物流子区域,准确地反映了不同区域之间的差异,达到了提高区域划分的准确性的技术效果。
在本申请实施例提供的另一种优选实施方式中,基于所述环境偏差阈值对区域环境数据进行聚类,获取多个环境区域,包括:
根据所述冷链物流区域,确定冷链物流区域的边界,所述冷链物流区域的边界是指冷链物流区域与外部环境之间的界限。确定了边界之后,通过数据分析,从区域环境数据中提取与边界相关的环境数据,例如边界附近的温度和湿度数据。
使用边界环境数据作为聚类起点(初始聚类中心),根据环境偏差阈值,将区域内的其他环境数据点分配到不同的聚类中进行迭代,随着迭代的进行,得到多个环境数据集。例如,假设以温度数据作为聚类起点,将区域内其他温度数据与这个起点数据进行比较,如果某个位置的温度数据与起点数据的偏差在阈值范围内,那么这个位置的数据就会被归为与起点数据相同的环境数据集;如果某个位置的温度数据与起点数据的偏差超过阈值范围,那么这个位置的数据会被归为与起点数据不同的环境数据集,然后,再以新的环境数据集为起点,继续进行迭代聚类,直到所有的环境数据都被分配到合适的环境数据集中。
以所述位置标识为基础,对多个环境数据集进行匹配和分类,由于每个环境数据点都带有位置标识,通过匹配和分类,可以确定每个环境数据集在冷链物流区域中的所属区域,得到多个环境区域,每个环境区域代表了冷链物流区域中的一部分,具有相似的环境条件、设施配置或物流需求等。例如,在冷链物流区域内,布置了五个传感器,五个传感器采集的环境数据分别带有相应的位置标识,假设为A、B、C、D、E,通过聚类得到了两个环境数据集,经过匹配发现,环境数据集1中的环境数据点带有的位置标识为A、B、C,环境数据集2中的环境数据点带有的位置标识为D、E,从而可以确定,环境数据集1在冷链物流区域的所属区域为A、B、C三个位置共同组成的区域,环境数据集2在冷链物流区域的所属区域为D、E两个位置共同组成的区域。这一优选实施方式以边界环境数据为聚类起点,由于边界环境数据已经具有相对明确的归属,因此迭代聚类过程中可以更快地找到相似的环境数据并归为同一类,缩短聚类所需的时间,从而达到了快速收敛的技术效果。
如图2所示,在本申请实施例提供的另一种优选实施方式中,基于所述多个物流子区域对历史物流数据集进行划分,得到多个历史物流子数据集,包括:
所述历史物流数据集中包含了多条历史物流数据,这些数据是通过物联网技术进行采集的,并且每条数据都带有采集位置标识,例如经纬度坐标、地点名称或其他能够标识具体位置的方式。
基于多个物流子区域,提取与物流区域边界相关的特征,包括地理环境特征(如地形、地貌)、交通网络特征(如道路密度、交通流量)、设施配置特征(如仓库、配送中心的数量和位置)等,根据提取的特征,使用边界识别算法识别多个物流子区域的子区域边界,得到子区域边界。得到子区域边界后,通过使用地理信息系统等方式获取边界坐标,进而使用标识符进行标识,确定边界位置标识,所述标识符包括经纬度坐标、地点名称、地点代码或其他能够标识具体位置的方式。
根据边界位置标识,通过计算边界坐标之间的距离或范围确定每个子区域的位置区间,例如,如果边界位置标识是经纬度坐标,通过计算经纬度坐标之间的距离或范围可以确定子区域的位置区间。通过在数据库中建立相应的映射关系或关联表,将每个子区域的位置区间与相应的物流子区域进行一一对应。
将每条历史物流数据的采集位置标识与多个子区域位置区间进行匹配,如果采集位置标识位于某个子区域的位置区间内,则将该历史物流数据划分到该子区域对应的数据集中。根据匹配结果,将历史物流数据划分为多个历史物流子数据集,每个子数据集对应一个物流子区域。这一优选实施方式通过将历史物流数据与物流子区域的边界进行匹配,确保了数据被准确地划分到相应的子区域中,避免了数据的不准确划分,达到了提高数据划分的准确性的技术效果。
如图3所示,在本申请实施例提供的另一种优选实施方式中,针对多个物流子区域,基于多个历史物流子数据集,确定多个标准执行参数,包括:
使用循环结构遍历多个物流子区域,在遍历过程中,将当前获取的物流子区域称为第一物流子区域。对于每个第一物流子区域,从多个历史物流子数据集中匹配到与之对应的历史物流子数据集,找到与第一物流子区域匹配的历史物流子数据集时,将其称为第一历史物流子数据集。
对于每个第一历史物流子数据集,根据具体的业务需求和规则制定冷链评估标准,根据冷链评估标准,对第一历史物流子数据集内的数据进行评估,例如对数据集中的温度、湿度、时间等信息进行评估,根据评估结果,确定第一物流子区域的第一标准执行参数,所述第一标准执行参数包括数值、阈值、范围、指标等,用于描述该物流子区域在冷链物流过程中的一些标准或要求。将通过冷链评估得到的第一标准执行参数添加到多个标准执行参数的集合中,继续遍历物流子区域列表,重复上述步骤,直到遍历完所有物流子区域,最终得到多个标准执行参数的集合,其中包含了每个物流子区域的标准执行参数。这一优选实施方式根据冷链评估结果确定标准执行参数,冷链评估基于历史物流数据,通过数据分析可以发现物流子区域在冷链物流过程中的问题和挑战,再通过确定标准执行参数,可以针对性地解决这些问题,从而达到了提高冷链物流的效率和准确性的技术效果。
如图4所示,在本申请实施例提供的另一种优选实施方式中,对所述第一历史物流子数据集进行冷链评估,确定所述第一物流子区域的第一标准执行参数,包括:
设置冷链成本约束与产品保存约束,所述冷链成本约束是指冷链物流过程中所涉及的成本限制,包括运输成本、仓储成本、设备成本等;所述产品保存约束是指产品在冷链物流过程中需要满足的保存条件,以确保产品的质量和安全性,包括温度、湿度、光照等,例如,在冷链物流过程中,如果产品没有得到适当的保存,可能会导致产品变质、损坏或失去原有的品质。
从第一历史物流子数据集中提取第一历史物流子数据,所述第一历史物流子数据是指与某个冷链物流车相关的数据,包括产品的信息、运输路径、时间戳、温度、湿度等信息,这些数据反映了该次冷链物流运输实际情况。
使用设定的冷链成本约束和产品保存约束,采用统计方法、数学模型或机器学习算法等对提取的第一历史物流子数据进行评估,评估过程中,综合考虑冷链成本因素和产品保存状况因素,从而得出一个反映整体物流情况的第一物流评估值,其中,冷链成本越低,评估值越高,产品保存状况越好,评估值越高。例如,通过评估发现,某次物流运输冷链成本较低,但是产品保存出现了问题,有变质情况出现,则对于该次冷链物流运输,其整体评估值就不会很高。
根据对每条历史物流子数据评估的结果,得到一系列的物流评估值,这些值反映了每次运输的效率和成本效益。将所有物流评估值进行汇总,形成一个第一物流评估值集,该集合反映了第一物流子区域在冷链物流过程中的整体表现和成本情况。
在第一物流评估值集中找到最大的评估值,该最大物流评估值代表了在第一物流子区域中冷链物流的最佳表现。通过匹配,找到该最大物流评估值对应的目标历史物流子数据,从目标历史物流子数据中提取相关的参数或信息,得到第一标准执行参数,所述第一标准执行参数表示在第一物流子区域内应该执行的最佳的冷链物流操作方式或条件,例如,如果目标历史物流子数据中的温度范围为-5℃到10℃,那么这个温度范围就是该物流子区域的标准执行参数之一。这一优选实施方式通过设置明确的冷链评估约束,明确了评估的目的和方向,通过对冷链物流过程中的成本和产品保存条件进行针对性的评估,确保了评估结果的准确性和有效性,并且,通过设定约束条件,缩小了评估范围,减少了不必要的计算和数据分析工作,从而达到了提高评估效率的技术效果。
在本申请实施例提供的另一种优选实施方式中,所述方法还包括:
目标标准执行参数(温度、湿度、光照等)明确了在目标物流子区域应该执行的操作,通过分析目标标准执行参数和目标冷链产品的特性(保存期限、对温度、湿度等条件的敏感性等),可以确定目标冷链产品在目标物流子区域的期望冷链保存效果,例如,假设目标冷链产品为鲜奶,在0-4度的温度范围内,其保存效果为“新鲜”,目标标准执行参数要求执行的温度范围为3-8度,因而可以得出在目标标准执行参数设定下,鲜奶的期望冷链保存效果为“不坏”,因为在3-8度的温度范围内,鲜奶产品可能会失去其新鲜度和口感,导致品质下降。
通过物联网设备,对目标冷链产品进行数据采集(产品的温度、湿度、光照等保存条件,以及产品的状态、位置等信息),实时获取其保存效果。获取到实时冷链保存效果后,比较实时冷链保存效果与期望冷链保存效果之间的差异,判断实际保存效果是否满足期望保存效果。当实时保存效果与期望保存效果的偏差大于预设效果偏差时,表明实时保存效果不满足期望的要求,此时需要采取措施对目标标准执行参数进行补偿,包括调整冷链物流操作方式、改进设备、增加额外的保护措施等,以确保产品的保存效果满足期望。例如,假设目标冷链产品为血液制品,目标标准执行参数为温度:0-4度,期望的保存效果为:保持生物活性和功能,预设效果偏差为:血液制品不能出现结冰现象。通过物联网设备实时数据采集发现,血液制品的实际保存温度为0度,但出现了结冰现象,此时,实际保存效果超过了预设效果偏差,需要进行补偿操作(升高温度等)使血液制品融化,并避免再次结冰。这一优选实施方式通过物联网设备实时采集数据,及时了解产品的保存效果,能够提前发现潜在的问题,并根据需要调整操作参数,避免产品在运输和储存过程中因保存效果不佳而造成的损失,确保了产品始终处于最佳的保存状态,达到了提高产品质量和减少损失的技术效果。
实施例二
基于与前述实施例中基于卫星定位的物联网数据智能管理方法相同的发明构思,如图5所示,本申请提供了基于卫星定位的物联网数据智能管理系统,所述系统包括:
区域环境数据获取模块1,所述区域环境数据获取模块1用于确定冷链物流区域,在所述冷链物流区域均匀布设环境感知传感网络,基于所述环境感知传感网络对所述冷链物流区域的环境数据进行采集,获取区域环境数据,所述区域环境数据具有环境位置标识;
多个物流子区域获取模块2,所述多个物流子区域获取模块2用于基于所述区域环境数据对所述冷链物流区域进行区域划分,得到多个物流子区域;
历史物流数据集确定模块3,所述历史物流数据集确定模块3用于确定冷链物流车辆,检索所述冷链物流车辆在冷链物流区域的历史物联网数据,确定历史物流数据集;
多个历史物流子数据集获取模块4,所述多个历史物流子数据集获取模块4用于基于所述多个物流子区域对历史物流数据集进行划分,得到多个历史物流子数据集,其中,所述多个历史物流子数据集与多个物流子区域一一对应;
多个标准执行参数确定模块5,所述多个标准执行参数确定模块5用于针对多个物流子区域,基于多个历史物流子数据集,确定多个标准执行参数;
目标车辆坐标获取模块6,所述目标车辆坐标获取模块6用于基于卫星系统对目标冷链物流车辆进行定位,获取目标车辆坐标;
发送执行模块7,所述发送执行模块7用于识别所述目标车辆坐标所属的目标物流子区域,基于所述目标物流子区域提取目标标准执行参数,发送至目标冷链物流车辆进行执行。
进一步的,所述多个物流子区域获取模块2用于执行如下方法:
设置环境偏差阈值,基于所述环境偏差阈值对区域环境数据进行聚类,获取多个环境区域;
以所述多个环境区域对冷链物流区域进行划分,得到多个物流子区域。
进一步的,所述多个物流子区域获取模块2用于执行如下方法:
识别所述冷链物流区域的边界,在区域环境数据提取边界环境数据;
以所述边界环境数据作为聚类起点,按照环境偏差阈值向区域内的区域环境数据进行迭代聚类,依次获取多个环境数据集;
基于所述位置标识对多个环境数据集进行匹配,分别确定多个环境数据集在冷链物流区域的所属区域,得到多个环境区域。
进一步的,所述多个历史物流子数据集获取模块4用于执行如下方法:
历史物流数据集中包含多条历史物流数据,均基于物联网进行采集,具有采集位置标识;
识别所述多个物流子区域的子区域边界,得到子区域边界,并基于子区域边界确定边界位置标识;
基于所述边界位置标识构建多个子区域位置区间,所述多个子区域位置区间与多个物流子区域一一对应;
按照所述采集位置标识与多个子区域位置区间,对多条历史物流数据依次进行划分,得到多个历史物流子数据集。
进一步的,所述多个标准执行参数确定模块5用于执行如下方法:
遍历多个物流子区域,获取第一物流子区域;
以所述第一物流子区域在多个历史物流子数据集中确定第一历史物流子数据集;
对所述第一历史物流子数据集进行冷链评估,确定所述第一物流子区域的第一标准执行参数;
将所述第一标准执行参数添加至所述多个标准执行参数中。
进一步的,所述多个标准执行参数确定模块5用于执行如下方法:
设置冷链成本约束与产品保存约束;
在第一历史物流子数据集中提取第一历史物流子数据;
基于所述冷链成本约束与所述产品保存约束对第一历史物流子数据进行评估,获取第一物流评估值;
根据第一历史物流子数据集获取第一物流评估值集;
锁定第一物流评估值集中的最大物流评估值,匹配目标历史物流子数据,进行参数提取,得到第一标准执行参数。
进一步的,所述发送执行模块7用于执行如下方法:
基于所述目标标准执行参数,确定目标冷链产品在目标物流子区域的期望冷链保存效果;
利用物联网对所述目标冷链产品进行数据采集,获取实时冷链保存效果;
当所述实时冷链保存效果与所述期望冷链保存效果大于预设效果偏差时,对所述目标标准执行参数进行补偿。
需要说明的是,上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在本申请的范围内。在一些情况下,在本申请中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (8)
1.基于卫星定位的物联网数据智能管理方法,其特征在于,所述方法包括:
确定冷链物流区域,在所述冷链物流区域均匀布设环境感知传感网络,基于所述环境感知传感网络对所述冷链物流区域的环境数据进行采集,获取区域环境数据,所述区域环境数据具有环境位置标识;
基于所述区域环境数据对所述冷链物流区域进行区域划分,得到多个物流子区域;
确定冷链物流车辆,检索所述冷链物流车辆在冷链物流区域的历史物联网数据,确定历史物流数据集;
基于所述多个物流子区域对历史物流数据集进行划分,得到多个历史物流子数据集,其中,所述多个历史物流子数据集与多个物流子区域一一对应;
针对多个物流子区域,基于多个历史物流子数据集,确定多个标准执行参数;
基于卫星系统对目标冷链物流车辆进行定位,获取目标车辆坐标;
识别所述目标车辆坐标所属的目标物流子区域,基于所述目标物流子区域提取目标标准执行参数,发送至目标冷链物流车辆进行执行。
2.根据权利要求1所述的方法,其特征在于,基于所述区域环境数据对所述冷链物流区域进行区域划分,得到多个物流子区域,包括:
设置环境偏差阈值,基于所述环境偏差阈值对区域环境数据进行聚类,获取多个环境区域;
以所述多个环境区域对冷链物流区域进行划分,得到多个物流子区域。
3.根据权利要求2所述的方法,其特征在于,基于所述环境偏差阈值对区域环境数据进行聚类,获取多个环境区域,包括:
识别所述冷链物流区域的边界,在区域环境数据提取边界环境数据;
以所述边界环境数据作为聚类起点,按照环境偏差阈值向区域内的区域环境数据进行迭代聚类,依次获取多个环境数据集;
基于所述位置标识对多个环境数据集进行匹配,分别确定多个环境数据集在冷链物流区域的所属区域,得到多个环境区域。
4.根据权利要求1所述的方法,其特征在于,基于所述多个物流子区域对历史物流数据集进行划分,得到多个历史物流子数据集,包括:
历史物流数据集中包含多条历史物流数据,均基于物联网进行采集,具有采集位置标识;
识别所述多个物流子区域的子区域边界,得到子区域边界,并基于子区域边界确定边界位置标识;
基于所述边界位置标识构建多个子区域位置区间,所述多个子区域位置区间与多个物流子区域一一对应;
按照所述采集位置标识与多个子区域位置区间,对多条历史物流数据依次进行划分,得到多个历史物流子数据集。
5.根据权利要求1所述的方法,其特征在于,针对多个物流子区域,基于多个历史物流子数据集,确定多个标准执行参数,包括:
遍历多个物流子区域,获取第一物流子区域;
以所述第一物流子区域在多个历史物流子数据集中确定第一历史物流子数据集;
对所述第一历史物流子数据集进行冷链评估,确定所述第一物流子区域的第一标准执行参数;
将所述第一标准执行参数添加至所述多个标准执行参数中。
6.根据权利要求5所述的方法,其特征在于,对所述第一历史物流子数据集进行冷链评估,确定所述第一物流子区域的第一标准执行参数,包括:
设置冷链成本约束与产品保存约束;
在第一历史物流子数据集中提取第一历史物流子数据;
基于所述冷链成本约束与所述产品保存约束对第一历史物流子数据进行评估,获取第一物流评估值;
根据第一历史物流子数据集获取第一物流评估值集;
锁定第一物流评估值集中的最大物流评估值,匹配目标历史物流子数据,进行参数提取,得到第一标准执行参数。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述目标标准执行参数,确定目标冷链产品在目标物流子区域的期望冷链保存效果;
利用物联网对所述目标冷链产品进行数据采集,获取实时冷链保存效果;
当所述实时冷链保存效果与所述期望冷链保存效果大于预设效果偏差时,对所述目标标准执行参数进行补偿。
8.基于卫星定位的物联网数据智能管理系统,其特征在于,所述系统包括:
区域环境数据获取模块,所述区域环境数据获取模块用于确定冷链物流区域,在所述冷链物流区域均匀布设环境感知传感网络,基于所述环境感知传感网络对所述冷链物流区域的环境数据进行采集,获取区域环境数据,所述区域环境数据具有环境位置标识;
多个物流子区域获取模块,所述多个物流子区域获取模块用于基于所述区域环境数据对所述冷链物流区域进行区域划分,得到多个物流子区域;
历史物流数据集确定模块,所述历史物流数据集确定模块用于确定冷链物流车辆,检索所述冷链物流车辆在冷链物流区域的历史物联网数据,确定历史物流数据集;
多个历史物流子数据集获取模块,所述多个历史物流子数据集获取模块用于基于所述多个物流子区域对历史物流数据集进行划分,得到多个历史物流子数据集,其中,所述多个历史物流子数据集与多个物流子区域一一对应;
多个标准执行参数确定模块,所述多个标准执行参数确定模块用于针对多个物流子区域,基于多个历史物流子数据集,确定多个标准执行参数;
目标车辆坐标获取模块,所述目标车辆坐标获取模块用于基于卫星系统对目标冷链物流车辆进行定位,获取目标车辆坐标;
发送执行模块,所述发送执行模块用于识别所述目标车辆坐标所属的目标物流子区域,基于所述目标物流子区域提取目标标准执行参数,发送至目标冷链物流车辆进行执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311759327.2A CN117745167A (zh) | 2023-12-20 | 2023-12-20 | 基于卫星定位的物联网数据智能管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311759327.2A CN117745167A (zh) | 2023-12-20 | 2023-12-20 | 基于卫星定位的物联网数据智能管理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117745167A true CN117745167A (zh) | 2024-03-22 |
Family
ID=90257376
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311759327.2A Pending CN117745167A (zh) | 2023-12-20 | 2023-12-20 | 基于卫星定位的物联网数据智能管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117745167A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112066638A (zh) * | 2020-09-18 | 2020-12-11 | 汤涛 | 一种基于物联网控制的冷链物流商品存储环境智能调控系统 |
CN114707924A (zh) * | 2022-03-16 | 2022-07-05 | 广西新农商供应链科技有限公司 | 智慧冷链信息管理方法及系统 |
CN115654675A (zh) * | 2022-09-16 | 2023-01-31 | Tcl空调器(中山)有限公司 | 空调运行参数推荐方法以及相关设备 |
CN116205556A (zh) * | 2023-05-06 | 2023-06-02 | 成都运荔枝科技有限公司 | 一种基于互联网的冷链食品物流仓储管理系统 |
-
2023
- 2023-12-20 CN CN202311759327.2A patent/CN117745167A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112066638A (zh) * | 2020-09-18 | 2020-12-11 | 汤涛 | 一种基于物联网控制的冷链物流商品存储环境智能调控系统 |
CN114707924A (zh) * | 2022-03-16 | 2022-07-05 | 广西新农商供应链科技有限公司 | 智慧冷链信息管理方法及系统 |
CN115654675A (zh) * | 2022-09-16 | 2023-01-31 | Tcl空调器(中山)有限公司 | 空调运行参数推荐方法以及相关设备 |
CN116205556A (zh) * | 2023-05-06 | 2023-06-02 | 成都运荔枝科技有限公司 | 一种基于互联网的冷链食品物流仓储管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104952248B (zh) | 一种基于欧氏空间的车辆汇聚预测方法 | |
US20050278062A1 (en) | Time-based warehouse movement maps | |
US10928277B1 (en) | Intelligent telematics system for providing vehicle vocation | |
CN107886188B (zh) | 液化天然气公交尾气排放预测方法 | |
US9183273B2 (en) | Systems and methods for processing location-and entity-based workflow data | |
CN112612975A (zh) | 车辆常运货物类型的识别方法、装置、设备及存储介质 | |
US20230004903A1 (en) | Methods of greening management in smart cities, system, and storage mediums thereof | |
Karouani et al. | Milk-run collection monitoring system using the internet of things based on swarm intelligence | |
CN117114573A (zh) | 一种基于大数据的仓储时间监管系统及方法 | |
CN117745167A (zh) | 基于卫星定位的物联网数据智能管理方法及系统 | |
CN117495236A (zh) | 一种电力物资仓库的调度方法及装置 | |
Zhang | [Retracted] Research on the Architecture of Cold Chain Logistics Multimedia Monitoring and Tracking Service Platform Based on Fuzzy Sorting and Heuristic Algorithm | |
CN116664025A (zh) | 装卸货位置点生成方法、装置及设备 | |
CN117037471A (zh) | 基于gps轨迹数据的货车工作区域及行驶路径识别方法 | |
CN115375237A (zh) | 一种冷链物流智能管理方法、系统、设备和存储介质 | |
CN112926779B (zh) | 基于路径规划的智能调度系统及方法 | |
CN111652428B (zh) | 一种基于历史数据的航班预达时刻估算方法及系统 | |
CN108765954A (zh) | 基于snn密度st-optics改进聚类算法的道路交通安全状况监测方法 | |
Xiao et al. | DR-XGBoost: An XGBoost model for field-road segmentation based on dual feature extraction and recursive feature elimination | |
CN114510037A (zh) | 一种基于无人驾驶的路况智能分析方法及系统 | |
CN113537727A (zh) | 基于贝叶斯判定技术的智能风险等级识别系统 | |
CN113720325B (zh) | 环境变化检测方法、装置、电子设备及计算机存储介质 | |
Moso et al. | Abnormal behavior detection in farming stream data | |
CN117474422B (zh) | 一种智能山地果园运输系统 | |
CN117649167B (zh) | 一种基于国际运输的货物订单进度跟踪管理系统 |
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 |