KR102591748B1 - Logistics network control system based on edge cloud - Google Patents
Logistics network control system based on edge cloud Download PDFInfo
- Publication number
- KR102591748B1 KR102591748B1 KR1020200156833A KR20200156833A KR102591748B1 KR 102591748 B1 KR102591748 B1 KR 102591748B1 KR 1020200156833 A KR1020200156833 A KR 1020200156833A KR 20200156833 A KR20200156833 A KR 20200156833A KR 102591748 B1 KR102591748 B1 KR 102591748B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- logistics
- layer
- cloud
- values
- Prior art date
Links
- 238000000034 method Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 16
- 238000013480 data collection Methods 0.000 claims description 9
- 238000013503 de-identification Methods 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 5
- 238000012217 deletion Methods 0.000 claims description 4
- 230000037430 deletion Effects 0.000 claims description 4
- 238000003745 diagnosis Methods 0.000 claims description 4
- 230000000873 masking effect Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000000746 purification Methods 0.000 claims description 3
- 238000007493 shaping process Methods 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 7
- 238000012800 visualization Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000013450 outlier detection Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012546 transfer Methods 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
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/0633—Workflow analysis
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/10—Office automation; Time management
Abstract
본 발명의 일실시예에 따른, 엣지 클라우드 기반의 물류 네트워크 관제 시스템은 실시간으로 생성되는 복수 개의 물류 데이터를 수신해서 전처리하는 에이전트 계층 및 상기 전처리된 데이터를 수신하여 저장하고 시각화하는 클라우드 계층을 포함한다.According to an embodiment of the present invention, an edge cloud-based logistics network control system includes an agent layer that receives and preprocesses a plurality of logistics data generated in real time, and a cloud layer that receives, stores, and visualizes the preprocessed data. .
Description
본 발명은 5G 엣지 클라우드 컴퓨팅을 이용한 물류 네트워크 플랫폼에 관한 것으로, 보다 상세하게는 물류 관제 네트워크를 위해 생성되는 대량의 데이터를 처리하여 분석하는 모니터링 기술에 관한 것이다.The present invention relates to a logistics network platform using 5G edge cloud computing, and more specifically, to a monitoring technology that processes and analyzes large amounts of data generated for a logistics control network.
이하에 기술되는 내용은 단순히 본 발명에 따른 일 실시예와 관련되는 배경 정보만을 제공할 뿐 종래기술을 구성하는 것은 아니다.The content described below simply provides background information related to an embodiment of the present invention and does not constitute prior art.
일반적으로 산업 및 교통이 발전하고 복잡화됨에 따라 물건들을 배송하는 물류의 비용이 급격히 증가하고 있으며, 인터넷 또는 유선방송 등을 이용하는 전자상거래가 급격히 증가함에 따라서 각각의 상품들을 안전하며 신속하게 구매자에게 배달하는 문제가 더욱 중요한 문제로 대두되고 있다.In general, as industry and transportation develop and become more complex, the cost of logistics for delivering goods is rapidly increasing, and as e-commerce using the Internet or cable broadcasting increases rapidly, it is necessary to safely and quickly deliver each product to the buyer. The problem is emerging as a more important issue.
종래의 물류 체계는 물품의 최적 이송을 위한 별도의 시스템이 적용되지 않고, 배송 의뢰 요청이 들어오게 되면, 이를 순차적으로 처리하는 재래적인 방법이 있으며, 운송 상거래가 다단계 조직을 거치면서 중개 수수료가 과다하게 발생하여 화주는 고가의 운임을 지불함에도 불구하고 화물 차량 기사는 적은 운송을 받게 되고 이에 따른 서비스 품질의 저하가 초래되는 문제점이 발생하고 있다.The conventional logistics system does not apply a separate system for optimal transport of goods, and when a delivery request is received, there is a conventional method of processing it sequentially. As transport commerce goes through a multi-level organization, brokerage fees are excessive. As a result, although the shipper pays high freight rates, the truck driver receives less transportation, resulting in a decrease in service quality.
이러한 물류 운송서비스는 통상적으로 접수, 배차, 차량관리가 단방향으로 진행되고 있고, 비용과 정보의 정확성에 있어서 운송사 및 일반 이용자들에게 많은 부담과 위치 정보의 부정확성을 안겨주며, 주고객인 화물 차량기사들에게 편리성보다는 업무를 감독하는 기능이 대부분이고, 운행차량 정보부재에 따른 비효율적 배치, 부정확한 화물정보에 따른 고객 서비스 낙후 및 불합리한 정보 전달체계로 납기손실을 가져오게 된다.These logistics transport services typically involve one-way reception, dispatch, and vehicle management, which places a significant burden on transport companies and general users in terms of cost and accuracy of information, as well as inaccuracy in location information, and the main customer is cargo vehicles. Most of the functions are to supervise work rather than convenience for drivers, and lead to loss of delivery due to inefficient arrangement due to lack of information on operating vehicles, poor customer service due to inaccurate cargo information, and unreasonable information delivery system.
또한, 기존의 물류 소프트웨어 애플리케이션 호스팅은 규모의 경제와 시스템 효율성을 활용하기 위해 데이터 센터 또는 "클라우드" 인프라에 의존하였다. 그러나 이러한 데이터 센터들은 IoT 기기로부터 멀리 떨어져 있을 수 있다. 사물 인터넷(IoT; Internet of Things)은 매우 높은 빈도로 이벤트들을 추적하는 센서들로 물리적 작업들의 계측에 의존하는 장치 또는 사용 사례들(use-cases)의 집합을 나타낸다.Additionally, traditional logistics software application hosting relies on data centers or “cloud” infrastructure to take advantage of economies of scale and system efficiency. However, these data centers may be located far from IoT devices. The Internet of Things (IoT) represents a set of devices or use-cases that rely on the measurement of physical tasks with sensors that track events at very high frequencies.
물류 데이터들은 클라우드 컴퓨팅에 적용할 때 몇 가지 단점들이 있다. 연결성이 항상 존재하지 않을 수 있으며, 모든 데이터를 수집하기에는 용량이 과다하며, 대역폭이 충분하지 않거나, 대역폭이 존재하더라도 비용이 많이 들기 때문에 모든 데이터를 클라우드 스토리지로 전송하는 것은 실용적이지 않다. 연결성, 대역폭 및 비용이 문제되지 않더라도, 기계들에 심각한 손상을 초래할 수 있는 실시간 의사 결정 및 예측 가능한 유지 관리가 없다.Logistics data has several disadvantages when applied to cloud computing. It is not practical to transfer all data to cloud storage because connectivity may not always exist, there may be too much capacity to collect all the data, insufficient bandwidth, or even if bandwidth exists, it is expensive. Even if connectivity, bandwidth and cost are not issues, there is no real-time decision making and predictive maintenance that can cause serious damage to the machines.
엣지 컴퓨팅(Edge Computing)이란 다양한 단말기기에서 발생하는 데이터를 클라우드와 같은 중앙 집중식 데이터센터로 보내지 않고 데이터가 발생하는 현장 혹은 근거리에서 실시간 처리하는 방식으로 데이터 흐름 가속화를 지원하는 컴퓨팅 방식을 말한다. 방대한 물류 데이터를 처리하는 것에 있어서 엣지 컴퓨팅 기술이 도입될 필요성이 있다.Edge computing refers to a computing method that supports acceleration of data flow by processing data generated from various terminal devices in real time at the site or nearby where the data is generated rather than sending it to a centralized data center such as the cloud. There is a need to introduce edge computing technology in processing massive logistics data.
특히, 빅데이터라는 이슈와 사회적 관점이 변함에 따라 현장에서 발생하는 대용량 ICT 물류 데이터를 기존 단순 IT 인프라 관리/관제를 벗어나 ICT 서비스를 관제하고 비즈니스 관제까지 발전하는 ICT 통합 관제가 주목받고 있는 실정이다.In particular, as the issue of big data and social perspectives change, ICT integrated control that goes beyond the existing simple IT infrastructure management/control of large-capacity ICT logistics data generated in the field to control ICT services and develops business control is attracting attention. .
이와 같은 점에서 착안된 본 발명이 해결하고자 하는 과제는, 현장에서 발생하는 대용량 물류 데이터의 흐름을 실시간으로 분석하여 모니터링하기 위해 5G 엣지 클라우드 기반의 지능형 물류관리 플랫폼을 개발하여 물류 전 과정의 통합적 관제가 가능한 운영 시스템 마련하기 위함이다.The problem that the present invention aims to solve, which was conceived in this regard, is to develop an intelligent logistics management platform based on 5G edge cloud to analyze and monitor the flow of large-capacity logistics data occurring in the field in real time, and to provide integrated control of the entire logistics process. This is to prepare an operating system that is capable of.
그리고, 단순 인프라 관리를 벗어나 데이터의 흐름을 실시간으로 분석하고 관제할 수 있는 지능형 통합 관제 모니터링 기술을 개발하기 위함이다.Furthermore, the goal is to develop intelligent integrated control and monitoring technology that can analyze and control data flow in real time, going beyond simple infrastructure management.
또한, 지능형 물류 분석 기술을 통해 생성된 이상상황 분석결과를 제공하여 장애대응에 참고할 수 있도록 이상상황 분석 결과 제공하기 위함이다.In addition, the purpose is to provide abnormal situation analysis results generated through intelligent logistics analysis technology so that they can be used as a reference for failure response.
본 발명의 일실시예에 따른, 엣지 클라우드 기반의 물류 네트워크 관제 시스템은 실시간으로 생성되는 복수 개의 물류 데이터를 수신해서 전처리하는 에이전트 계층 및 상기 전처리된 데이터를 수신하여 저장하고 시각화하는 클라우드 계층을 포함할 수 있다.According to an embodiment of the present invention, an edge cloud-based logistics network control system may include an agent layer that receives and preprocesses a plurality of logistics data generated in real time and a cloud layer that receives, stores, and visualizes the preprocessed data. You can.
일실시예에 따르면, 상기 물류 데이터는 우편물 배송 데이터, 자율주행 이동 우체국 스테이션 현황 데이터, 물류센터 적재 현황 데이터, 무인 화물 차량 운영현황 데이터 및 드로이드 운영 현황 데이터 중 적어도 하나를 포함할 수 있다.According to one embodiment, the logistics data may include at least one of mail delivery data, autonomous mobile post office station status data, logistics center loading status data, unmanned cargo vehicle operation status data, and droid operation status data.
일실시예에 따르면, 상기 에이전트 계층은 데이터 수집을 하나씩 처리하는 스트림 계층(Stream Layer) 및 시간 주기의 배치 처리가 가능한 단위로 묶어서 처리하는 배치 계층(Batch Layer) 중 적어도 하나의 계층을 포함할 수 있다.According to one embodiment, the agent layer may include at least one layer of a stream layer that processes data collection one by one and a batch layer that processes data collection by grouping it into units capable of batch processing of time periods. there is.
일실시예에 따르면, 상기 에이전트 계층은 상기 복수 개의 물류 데이터를 진단, 정제, 정형 및 이상치/결측치를 보정하는 등의 데이터 클렌징 기법을 통해 전처리할 수 있다.According to one embodiment, the agent layer may preprocess the plurality of logistics data through data cleansing techniques such as diagnosis, purification, shaping, and outlier/missing value correction.
일실시예에 따르면, 상기 에이전트 계층은 민감 정보에 대한 비식별화를 수행할 수 있다.According to one embodiment, the agent layer may perform de-identification of sensitive information.
일실시예에 따르면, 상기 에이전트 계층은, 분산처리 메시지 큐(Message Queue)를 기반으로 데이터 처리 파이프라인을 구축할 수 있다.According to one embodiment, the agent layer can build a data processing pipeline based on distributed processing message queue (Message Queue).
일실시예에 따르면, 상기 클라우드 계층은, 상기 전처리된 데이터 중 GIS 및 GPS 데이터를 조회하여 지도 위에 배송 이동 경로와 현재 위치를 시각화할 수 있다.According to one embodiment, the cloud layer can visualize the delivery path and current location on a map by querying GIS and GPS data among the preprocessed data.
일실시예에 따르면, 상기 클라우드 계층은, 현장에서 발생하는 민원 영상/음성 데이터를 저장하는 고속 검색 모듈을 포함할 수 있다.According to one embodiment, the cloud layer may include a high-speed search module that stores civil complaint video/audio data that occurs in the field.
일실시예에 따르면, 상기 클라우드 계층은, 장비의 가동 상태를 확인하고 이상 현상에 대해 실시간으로 모니터링할 수 있는 알림 모듈을 포함할 수 있다.According to one embodiment, the cloud layer may include a notification module that can check the operating status of equipment and monitor abnormalities in real time.
본 발명의 일실시예에 따르면, 엣지 클라우드 기반의 물류 네트워크 관제 시스템을 통해서 대용량 물류 데이터의 흐름을 실시간으로 분석하여 모니터링하기 위해 5G 엣지 클라우드 기반의 지능형 물류관리 플랫폼을 개발하여 물류 전 과정의 통합적 관제가 가능한 운영 시스템 마련할 수 있다.According to an embodiment of the present invention, a 5G edge cloud-based intelligent logistics management platform is developed to analyze and monitor the flow of large-capacity logistics data in real time through an edge cloud-based logistics network control system to provide integrated control of the entire logistics process. A capable operating system can be prepared.
본 발명의 일실시예에 따르면, 엣지 클라우드 기반의 물류 네트워크 관제 시스템을 통해서 단순 인프라 관리를 벗어나 데이터의 흐름을 실시간으로 분석하고 관제할 수 있다.According to an embodiment of the present invention, it is possible to analyze and control the flow of data in real time beyond simple infrastructure management through an edge cloud-based logistics network control system.
본 발명의 일실시예에 따르면, 엣지 클라우드 기반의 물류 네트워크 관제 시스템을 통해서 지능형 물류 분석 기술을 통해 생성된 이상상황 분석결과를 제공하여 장애대응에 참고할 수 있도록 이상상황 분석 결과 제공할 수 있다.According to an embodiment of the present invention, abnormal situation analysis results generated through intelligent logistics analysis technology can be provided through an edge cloud-based logistics network control system, so that the abnormal situation analysis results can be provided for reference in response to failures.
도 1은 본 발명의 실시예에 따른 엣지 클라우드 기반의 물류 네트워크 관제 시스템을 설명하기 위한 도면이다.
도 2는 본 발명의 실시예에 따른 엣지 클라우드 기반의 물류 네트워크 관제 시스템에서 에이전트 계층과 클라우드 계층의 역할을 설명하기 위한 도면이다.
도 3은 본 발명의 실시예에 따른 엣지 클라우드 기반의 물류 네트워크 관제 시스템을 보다 구체적으로 설명하기 위한 도면이다.
도 4는 본 발명의 실시예에 따른 엣지 클라우드 기반의 물류 네트워크 관제 시스템의 메시지 큐를 설명하기 위한 도면이다.
도 5는 본 발명의 실시예에 따른 엣지 클라우드 기반의 물류 네트워크 관제 시스템의 이상치 탐지 방법을 설명하기 위한 도면이다.
도 6은 본 발명의 실시예에 따른 엣지 클라우드 기반의 물류 네트워크 관제 시스템의 시각화 기능을 설명하기 위한 도면이다.Figure 1 is a diagram for explaining an edge cloud-based logistics network control system according to an embodiment of the present invention.
Figure 2 is a diagram for explaining the roles of the agent layer and the cloud layer in the edge cloud-based logistics network control system according to an embodiment of the present invention.
Figure 3 is a diagram for explaining in more detail the edge cloud-based logistics network control system according to an embodiment of the present invention.
Figure 4 is a diagram for explaining a message queue of an edge cloud-based logistics network control system according to an embodiment of the present invention.
Figure 5 is a diagram for explaining an outlier detection method of an edge cloud-based logistics network control system according to an embodiment of the present invention.
Figure 6 is a diagram for explaining the visualization function of the edge cloud-based logistics network control system according to an embodiment of the present invention.
본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시예들에 대해서 특정한 구조적 또는 기능적 설명들은 단지 본 발명의 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시예들은 다양한 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.Specific structural or functional descriptions of the embodiments according to the concept of the present invention disclosed in this specification are merely illustrative for the purpose of explaining the embodiments according to the concept of the present invention. They may be implemented in various forms and are not limited to the embodiments described herein.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. When it is said that a part "includes" a certain element throughout the specification, this means that, unless specifically stated to the contrary, it does not exclude other elements but may further include other elements.
본 발명의 개념에 따른 실시예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시예들을 도면에 예시하고 본 명세서에 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시예들을 특정한 개시형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경 또는 대체물을 포함한다.Since the embodiments according to the concept of the present invention can make various changes and have various forms, the embodiments will be illustrated in the drawings and described in detail in this specification. However, this is not intended to limit the embodiments according to the concept of the present invention to specific disclosed forms, and includes all changes or substitutions included in the spirit and technical scope of the present invention.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만, 예를 들어 본 발명의 개념에 따른 권리 범위로부터 이탈되지 않은 채, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.Terms such as first or second may be used to describe various components, but the components should not be limited by the terms. The above terms are used only for the purpose of distinguishing one component from another component, for example, a first component may be named a second component, without departing from the scope of rights according to the concept of the present invention, Similarly, the second component may also be referred to as the first component.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by a person of ordinary skill in the technical field to which the present invention pertains. Terms as defined in commonly used dictionaries should be interpreted as having meanings consistent with the meanings they have in the context of the related technology, and unless clearly defined in this specification, should not be interpreted in an idealized or overly formal sense. No.
이하, 엣지 클라우드 기반의 물류 네트워크 관제 시스템의 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다.Hereinafter, embodiments of an edge cloud-based logistics network control system will be described in detail with reference to the attached drawings.
현대의 물류 네트워크에서의 물류 데이터는 실로 방대하게 구성되어 있다. 예를 들면, 물류 데이터에는 우편 물류 정보 시스템 데이터, ICT 물류 데이터, 우편 물류 데이터, 이동형 무인 우체국/드로이드 GIS 데이터, 물류 상/하차 데이터 등을 포함하고, 이러한 물류 데이터를 통해서 데이터 분석/예측, 물류 추적/예측, 이상진단/성과분석 등을 수행할 수 있다.Logistics data in modern logistics networks is truly vast. For example, logistics data includes postal logistics information system data, ICT logistics data, postal logistics data, mobile unmanned post office/droid GIS data, logistics loading/unloading data, etc., and through these logistics data, data analysis/prediction, logistics Tracking/prediction, abnormality diagnosis/performance analysis, etc. can be performed.
일실시예에 따르면, 엣지 클라우드 기반의 물류 네트워크 관제 시스템을 통해서 우편물류정보 시스템 데이터 및 ICT 물류 데이터를 수집할 수 있으며, 이를 통해서 물류 데이터를 분석하고 예측할 수 있으며, 통합 관제 모니터링을 위해 시각화할 수 있다. 현장에서 발생하는 다양한 종류의 물류 데이터는 5G 엣지 클라우드 기반 실시간 정보 처리 에이전트를 통해 분산처리 기반의 대용량 IoT 고속 검색 모듈에 저장되고, 해당 데이터를 실시간으로 분석할 수 있는 모니터링 기능이 제공된다.According to one embodiment, postal logistics information system data and ICT logistics data can be collected through an edge cloud-based logistics network control system, through which logistics data can be analyzed and predicted, and visualized for integrated control monitoring. there is. Various types of logistics data generated in the field are stored in a large-capacity IoT high-speed search module based on distributed processing through a 5G edge cloud-based real-time information processing agent, and a monitoring function that can analyze the data in real time is provided.
도 1은 본 발명의 실시예에 따른 엣지 클라우드 기반의 물류 네트워크 관제 시스템을 설명하기 위한 도면이다.Figure 1 is a diagram for explaining an edge cloud-based logistics network control system according to an embodiment of the present invention.
도 1을 참조하면, 엣지 클라우드 기반의 물류 네트워크 관제 시스템은 복수 개의 IoT 데이터(111, 112, 113), 에이전트 계층(120), 클라우드 계층(130) 및 시각화 단말(140)을 포함할 수 있다.Referring to FIG. 1, the edge cloud-based logistics network control system may include a plurality of IoT data (111, 112, 113), an agent layer 120, a cloud layer 130, and a visualization terminal 140.
일실시예에 따르면, 복수 개의 IoT 데이터(111, 112, 113)는 우편 물류 이동형 접수/배달 데이터, 상/하차 물류 집하 및 분배 작업 데이터, 물류센터 상/하차 데이터, 물류 화물 운송 데이터, 대단지 택배 개별 배송 데이터, 고중량 이동형 배달 지원 데이터 및 적재공간 활용 입출고 및 보관 자동화를 포함할 수 있다.According to one embodiment, the plurality of IoT data (111, 112, 113) includes postal logistics mobile reception/delivery data, loading/unloading logistics collection and distribution work data, logistics center loading/unloading data, logistics cargo transportation data, and large-scale courier service. It can include individual delivery data, heavy-duty mobile delivery support data, and automation of loading/unloading and storage using loading space.
일실시예에 따르면, 에이전트 계층(120)은 복수 개의 IoT 데이터(111, 112, 113)를 수신하여 저장하고, 전처리한 뒤 스트리밍 계층에 발행할 수 있다. 여기서 IoT 데이터는 물류 데이터를 포함할 수 있으며, 물류 데이터는 우편물 배송 데이터, 자율주행 이동 우체국 스테이션 현황 데이터, 물류센터 적재 현황 데이터, 무인 화물 차량 운영현황 데이터 및 드로이드 운영 현황 데이터 중 적어도 하나를 포함할 수 있다.According to one embodiment, the agent layer 120 may receive and store a plurality of IoT data 111, 112, and 113, preprocess them, and then publish them to the streaming layer. Here, the IoT data may include logistics data, and the logistics data may include at least one of mail delivery data, autonomous mobile post office station status data, logistics center loading status data, unmanned cargo vehicle operation status data, and droid operation status data. You can.
일실시예에 따르면, 에이전트 계층(120)은 데이터 수집을 하나씩 처리하는 스트림 계층(Stream Layer) 및 시간 주기의 배치 처리가 가능한 단위로 묶어서 처리하는 배치 계층(Batch Layer) 중 적어도 하나의 계층을 포함할 수 있다. 여기서, 스트림 계층은 대량의 데이터를 실시간으로 스트리밍 처리를 통해 데이터를 수집하며, 배치 계층은 스트리밍으로 들어오는 데이터를 일정 시간 단위로 모은 후, 배치 처리를 통해 데이터를 수집하는 방식을 말한다.According to one embodiment, the agent layer 120 includes at least one layer of a stream layer that processes data collection one by one and a batch layer that processes data collection by grouping it into units capable of batch processing of time periods. can do. Here, the stream layer collects data through streaming processing of a large amount of data in real time, and the batch layer collects data coming in through streaming in a certain time unit and then collects the data through batch processing.
일실시예에 따르면, 에이전트 계층(120)은 복수 개의 물류 데이터를 진단, 정제, 정형 및 이상치/결측치를 보정하는 등의 데이터 클렌징 기법을 통해 전처리할 수 있다. 이때, 데이터에 대한 전처리는 에이전트 계층에서 이루어지고, 필요한 결과값만 클라우드 계층으로 전달하기 때문에 클라우드 계층에서의 컴퓨팅 부하를 줄일 수 있다. 여기서, 에이전트 계층(120)은 According to one embodiment, the agent layer 120 may preprocess a plurality of logistics data through data cleansing techniques such as diagnosis, purification, shaping, and outlier/missing value correction. At this time, preprocessing of the data is performed in the agent layer, and only the necessary results are transmitted to the cloud layer, so the computing load in the cloud layer can be reduced. Here, the agent layer 120 is
일실시예에 따르면, 에이전트 계층(120)은 전처리 과정에서 민감 정보에 대한 비식별화를 더 수행할 수 있다. 비식별화는 정보의 일부 또는 전체를 삭제/대체 하거나 다른 정보와 쉽게 결합하지 못하도록 하여 특정 개인을 식별할 수 없도록 하는 것으로, 가명처리, 총계처리, 데이터 삭제, 데이터 범주화, 데이터 마스킹 중 적어도 하나의 방식으로 비식별화를 수행할 수 있다. 여기서 민감정보란 개인의 사생활을 드러낼 수 있는 속성을 말하는 것으로, 비식별화는 식별방지와 추론방지로 구분된다. 비식별화는 개인정보 중 주요 식별요소를 다른 값으로 대체하는 가명처리, 데이터의 총합을 보임으로서 개별 데이터의 값을 보이지 않도록 하는 총계처리, 데이터 셋에 구성된 값 중 필요 없는 값 또는 개인 식별에 중요한 값을 삭제하는 데이터 삭제, 데이터의 값을 범주의 값으로 변환하는 데이터 범주화, 공개된 정보 등과 결합하여 개인을 식별하는데 기여할 확률이 높은 주요 개인 식별자가 보이지 않도록 처리하는 데이터 마스킹 중 하나의 방법으로 수행될 수 있다.According to one embodiment, the agent layer 120 may further de-identify sensitive information during the pre-processing process. De-identification refers to making it impossible to identify a specific individual by deleting/replacing part or all of the information or preventing it from being easily combined with other information. It uses at least one of the following: pseudonymization, aggregate processing, data deletion, data categorization, and data masking. De-identification can be performed in this way. Here, sensitive information refers to attributes that can reveal an individual's private life, and de-identification is divided into prevention of identification and prevention of inference. De-identification includes pseudonymization, which replaces key identifying elements of personal information with other values, aggregate processing, which hides the values of individual data by showing the total of the data, and removes unnecessary values from the data set or important for personal identification. Performed by one of the following methods: data deletion to remove values, data categorization to convert data values into categorical values, and data masking to hide key personal identifiers that are likely to contribute to identifying an individual by combining them with publicly available information, etc. It can be.
일실시예에 따르면, 에이전트 계층(120)은 분산처리 메시지 큐(Message Queue)를 기반으로 데이터 처리 파이프라인을 구축할 수 있다. 메시지 큐에 대한 보다 구체적인 설명은 도 4를 통해서 하도록 한다.According to one embodiment, the agent layer 120 may build a data processing pipeline based on distributed processing message queue (Message Queue). A more detailed description of the message queue will be provided through FIG. 4.
일실시예에 따르면, 클라우드 계층(130)은 전처리된 데이터를 수신하여 저장하고, 물류 네트워크를 관제할 수 있도록 시각화할 수 있다.According to one embodiment, the cloud layer 130 can receive and store pre-processed data and visualize it to control the logistics network.
일실시예에 따르면, 클라우드 계층(130)은 전처리된 데이터 중 GIS 및 GPS 데이터를 조회하여 지도 위에 배송 이동 경로와 현재 위치를 시각화할 수 있다. 여기서 GIS는 지도 및 지리정보를 컴퓨터를 이용해 작성 관리하고, 이를 통해 얻은 지리정보를 기초로 데이터를 수집 분석 가공하여 지형과 관련되는 모든 분야에 적용하기 위해 설계된 종합 정보 시스템을 말한다.According to one embodiment, the cloud layer 130 can visualize the delivery path and current location on a map by querying GIS and GPS data among the preprocessed data. Here, GIS refers to a comprehensive information system designed to create and manage maps and geographic information using a computer, collect, analyze, and process data based on the geographic information obtained through this, and apply it to all fields related to topography.
일실시예에 따르면, 클라우드 계층(130)은 현장에서 발생하는 민원 영상/음성 데이터를 저장하는 고속 검색 모듈을 포함할 수 있다. 이동형 무인 우체국, 자율주행 드로이드 등 현장에서 발생하는 영상/음성 데이터는 분산처리 기반 대용량 IoT 고속 검색 모듈에 저장되며, Video Stream Consumer를 통해 실시간으로 고객센터 상담사와 영상/음성 연결될 수 있다.According to one embodiment, the cloud layer 130 may include a high-speed search module that stores civil complaint video/audio data that occurs in the field. Video/audio data generated in the field, such as at mobile unmanned post offices and self-driving droids, is stored in a high-capacity IoT high-speed search module based on distributed processing, and can be connected to customer center counselors in real time through video/audio through Video Stream Consumer.
일실시예에 따르면, 클라우드 계층(130)은 장비의 가동 상태를 확인하고 이상 현상에 대해 실시간으로 모니터링할 수 있는 알림 모듈을 포함할 수 있다. 여기서 알림 모듈은 에이전트 계층에 대한 모니터링, 트래픽 정보 등을 실시간으로 확인하여 점검하고, 에이전트 계층의 버전 업데이터, 데이터 수집 대상 변경 등 여러 가지 관제 기술을 원격으로 제어할 수 있도록 할 수 있다.According to one embodiment, the cloud layer 130 may include a notification module that can check the operation status of equipment and monitor abnormalities in real time. Here, the notification module can check and inspect agent layer monitoring and traffic information in real time, and remotely control various control technologies such as agent layer version update and data collection target change.
일실시예에 따르면, 시각화 단말(140)은 시각화된 데이터를 사용자에게 제공할 수 있다. 일실시예에 따르면, 시각화 단말(140)은 데스크탑 PC, 태블릿 PC(Tablet PC), 랩톱(Laptop), 스마트 폰(Smart Phone), 휴대 단말기(Portable Terminal), 이동 단말기(Mobile Terminal), 개인 정보 단말기(Personal Digital Assistant: PDA), PMP(Portable Multimedia Player) 단말기, 개인용 컴퓨터(Personal Computer), 웨어러블 단말기(wearable personal station: WPS) 등을 포함할 수 있다.According to one embodiment, the visualization terminal 140 may provide visualized data to the user. According to one embodiment, the visualization terminal 140 is a desktop PC, tablet PC, laptop, smart phone, portable terminal, mobile terminal, and personal information. It may include a personal digital assistant (PDA), a portable multimedia player (PMP) terminal, a personal computer, a wearable personal station (WPS), etc.
도 2는 본 발명의 실시예에 따른 엣지 클라우드 기반의 물류 네트워크 관제 시스템에서 에이전트 계층과 클라우드 계층의 역할을 설명하기 위한 도면이다.Figure 2 is a diagram for explaining the roles of the agent layer and the cloud layer in the edge cloud-based logistics network control system according to an embodiment of the present invention.
도 2를 참조하면, 에이전트 계층(120)에서는 IoT 데이터를 생성하고 수집/전처리하며, 클라우드 계층(130)에서는 데이터를 수집/필터링하고 색인/분석하여 시각화할 수 있다. 이때 각각의 동작들은 오픈소스를 이용해서 구현할 수 있으며, spring boot를 통해 웹/시뮬레이터를 구현하고, spark를 통해서 이상치/결측치 등을 전처리할 수 있다.Referring to FIG. 2, the agent layer 120 generates and collects/preprocesses IoT data, and the cloud layer 130 collects/filters, indexes/analyzes, and visualizes the data. At this time, each operation can be implemented using open source, web/simulator can be implemented through spring boot, and outliers/missing values, etc. can be preprocessed through spark.
도 3은 본 발명의 실시예에 따른 엣지 클라우드 기반의 물류 네트워크 관제 시스템을 보다 구체적으로 설명하기 위한 도면이다.Figure 3 is a diagram for explaining in more detail the edge cloud-based logistics network control system according to an embodiment of the present invention.
도 3을 참조하면, 엣지 클라우드 기반의 물류 네트워크 관제 시스템은 IoT 데이터 계층, 에이전트 계층, 스트리밍 계층 및 클라우드 계층의 4 계층으로 나눌 수 있다. IoT 데이터 계층은 각각의 IoT 데이터가 발생하는 구간이며, 발생된 데이터는 구독하고 있는 에이전트 계층에 발행된다. 에이전트 계층은 분류별로 수집된 각 데이터를 저장하고, 전처리하여 스트리밍 계층에 발행한다. 스트리밍 계층은 보앙은 위한 SSL/VPN 통신으로 에이전트 계층으로부터 수집된 데이터의 결측치/이상치를 보정한다. 클라우드 계층은 각 분류별로 전처리된 데이터를 수집하여 저장하고 시각화함으로써 종합 관제가 가능하게 할 수 있다.Referring to Figure 3, the edge cloud-based logistics network control system can be divided into four layers: IoT data layer, agent layer, streaming layer, and cloud layer. The IoT data layer is the section where each IoT data is generated, and the generated data is published to the subscribed agent layer. The agent layer stores each data collected by classification, preprocesses it, and publishes it to the streaming layer. The streaming layer corrects missing values/outliers in data collected from the agent layer through SSL/VPN communication for security purposes. The cloud layer can enable comprehensive control by collecting, storing, and visualizing preprocessed data for each classification.
도 4는 본 발명의 실시예에 따른 엣지 클라우드 기반의 물류 네트워크 관제 시스템의 메시지 큐를 설명하기 위한 도면이다.Figure 4 is a diagram for explaining a message queue of an edge cloud-based logistics network control system according to an embodiment of the present invention.
도 4를 참조하면, 엣지 클라우드 기반의 물류 네이트워크 관제 시스템은 분산 처리 메시지 큐를 기반으로 데이터의 수집부터 저장까지 유실을 방지하고 실시간으로 대용량 데이터 처리가 가능하도록 파이프라인을 구축할 수 있다. 여기서 메시지 큐(Message Queue)는 프로세스 간에 데이터를 교환할 때 사용하는 통신 방법으로 메시지 지향 미들웨어 구현 시스템을 의미한다. 메시지를 교환할 때 AMQP(Advanced Message Queuing Protocol)을 이용하여 다른 AMQP를 사용하는 Application과의 통신이 가능하며, 다른 네트워크 사이에 데이터 전송 가능하다. 생산자(410)가 메시지를 메시지 큐(420)에 넣어두면 소비자(430)가 메시지를 가져와서 처리하는 방식을 의미한다. 이를 통해서 메시지를 큐(420)에 넣기 때문에 나중에 처리할 수 있으며, 어플리케이션과 데이터 수집을 분리하여 처리할 수 있고, 일부 처리 실패시 전체에 영향을 미치지 않는 장점이 있다. 데이터 연결 파이프라인인 메시지 큐(Message Queue)에는 RabbitMQ, Apache Kafka로 연결할 수 있다. 이때 생산자는 특정 토픽의 메시지를 생성한 뒤 해당 메시지를 메시지 큐에 전달하고. 메시지 큐가 전달받은 메시지를 토픽 별로 분류하여 쌓아 놓으면, 해당 토픽을 구독하는 소비자들이 메시지를 가져가서 처리할 수 있다.Referring to Figure 4, the edge cloud-based logistics network control system can build a pipeline to prevent loss from data collection to storage and enable large-capacity data processing in real time based on distributed processing message queues. Here, Message Queue is a communication method used to exchange data between processes and refers to a message-oriented middleware implementation system. When exchanging messages, AMQP (Advanced Message Queuing Protocol) can be used to communicate with applications that use other AMQP, and data can be transmitted between other networks. This means that when the producer 410 puts a message in the message queue 420, the consumer 430 retrieves the message and processes it. Through this, the message is placed in the queue 420 so that it can be processed later, the application and data collection can be processed separately, and there is an advantage that partial processing failure does not affect the entire process. Message Queue, a data connection pipeline, can be connected to RabbitMQ and Apache Kafka. At this time, the producer creates a message for a specific topic and then delivers the message to the message queue. When a message queue classifies and stacks received messages by topic, consumers who subscribe to that topic can take the messages and process them.
도 5는 본 발명의 실시예에 따른 엣지 클라우드 기반의 물류 네트워크 관제 시스템의 이상치 탐지 방법을 설명하기 위한 도면이다.Figure 5 is a diagram for explaining an outlier detection method of an edge cloud-based logistics network control system according to an embodiment of the present invention.
도 5를 참조하면 데이터의 이상치는 점 이상(510), 집합 이상(520), 맥락적 점 이상(530) 및 맥락적 집합 이상(540)으로 구분될 수 있다. 다른 데이터들에 비해 하나의 데이터가 다르거나, 규칙성에 오류가 있는 경우를 의미한다. 이때, 이상치 탐지는 regression 계열, time-series 계열, decision tree 계열(random forest, 몬테카를로) 및 bayesian network 계열 중 하나의 방법을 기반으로 수행될 수 있다.Referring to Figure 5, data outliers can be divided into point anomalies (510), set anomalies (520), contextual point anomalies (530), and contextual set anomalies (540). This refers to a case where one piece of data is different from other data or has an error in regularity. At this time, outlier detection can be performed based on one of the regression series, time-series series, decision tree series (random forest, Monte Carlo), and Bayesian network series.
도 6은 본 발명의 실시예에 따른 엣지 클라우드 기반의 물류 네트워크 관제 시스템의 시각화 기능을 설명하기 위한 도면이다.Figure 6 is a diagram for explaining the visualization function of the edge cloud-based logistics network control system according to an embodiment of the present invention.
도 6을 참조하면, 엣지 클라우드 기반의 물류 네트워크 관제 시스템은 시각화 기능을 통해 지도 위에 물류 배송의 이동 경로와 배송 로봇의 현재 위치를 실시간으로 표시할 수 있으며, 이동형 무인 우체국 및 자율주행 드로이드 등 로봇이나 장비의 가동 상태를 확인할 수 있으며 이상 현상에 대한 실시간 모니터링 및 알림 모듈을 제공할 수 있다.Referring to Figure 6, the edge cloud-based logistics network control system can display the movement path of logistics delivery and the current location of delivery robots on a map in real time through a visualization function, and robots such as mobile unmanned post offices and self-driving droids The operating status of equipment can be checked and real-time monitoring and notification modules for abnormalities can be provided.
일실시예에 따르면, 좌표 데이터는 실시간으로 kafka를 통해 스트리밍하고, Logstash로 수집 및 필터링하여 ElasticSearch에 저장할 수 있다. 그리고 ElasticSearch에 저장된 데이터를 Kibana의 지도에 좌표 값을 찍어 해당 카운트를 대시보드에 시각화할 수 있다.According to one embodiment, coordinate data can be streamed in real time through Kafka, collected and filtered by Logstash, and stored in ElasticSearch. And you can visualize the counts on the dashboard by plotting coordinate values for data stored in ElasticSearch on a map in Kibana.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded on a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, etc., singly or in combination. Program instructions recorded on the medium may be specially designed and configured for the embodiment or may be known and available to those skilled in the art of computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floptical disks. -Includes optical media (magneto-optical media) and hardware devices specifically configured to store and execute program instructions, such as ROM, RAM, flash memory, etc. Examples of program instructions include machine language code, such as that produced by a compiler, as well as high-level language code that can be executed by a computer using an interpreter, etc. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.As described above, although the embodiments have been described with limited examples and drawings, various modifications and variations can be made by those skilled in the art from the above description. For example, the described techniques are performed in a different order than the described method, and/or components of the described system, structure, device, circuit, etc. are combined or combined in a different form than the described method, or other components are used. Alternatively, appropriate results may be achieved even if substituted or substituted by an equivalent.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents of the claims also fall within the scope of the claims described below.
111: 제1 IoT 데이터
112: 제2 IoT 데이터
113: 제3 IoT 데이터
120: 에이전트 계층
130: 클라우드 계층
140: 시각화 단말111: first IoT data
112: Second IoT data
113: Third IoT data
120: Agent layer
130: Cloud layer
140: Visualization terminal
Claims (9)
상기 전처리된 데이터를 수신하여 저장하고 시각화하는 클라우드 계층
을 포함하고,
상기 물류 데이터는 우편물 배송 데이터, 자율주행 이동 우체국 스테이션 현황 데이터, 물류센터 적재 현황 데이터, 무인 화물 차량 운영현황 데이터 및 드로이드 운영 현황 데이터 중 적어도 하나를 포함하고,
상기 에이전트 계층은 데이터 수집을 하나씩 처리하는 스트림 계층(Stream Layer) 및 시간 주기의 배치 처리가 가능한 단위로 묶어서 처리하는 배치 계층(Batch Layer) 중 적어도 하나의 계층을 포함하고,
상기 에이전트 계층은 상기 복수 개의 물류 데이터를 진단, 정제, 정형 및 이상치/결측치를 보정하는 등의 데이터 클렌징 기법을 통해 전처리하고,
상기 데이터의 이상치는 점 이상, 집합 이상, 맥락적 점 이상 및 맥락적 집합 이상으로 구분되고,
상기 이상치의 탐지는 리그레션(regression) 계열, 타임-시리즈(time-series) 계열, 디시젼 트리(decision tree) 계열 및 베이시안 네트워크(bayesian network) 계열 중 하나의 방법을 기반으로 수행되고,
상기 에이전트 계층은 민감 정보에 대한 비식별화를 수행하고,
상기 비식별화는 가명처리, 총계처리, 데이터 삭제, 데이터 범주화, 데이터 마스킹 중 적어도 하나의 방식이고,
상기 가명처리는 개인정보 중 주요 식별요소를 다른 값으로 대체하는 것이고,
상기 총계처리는 데이터의 총합을 보임으로서 개별 데이터의 값을 보이지 않도록 하는 것이고,
상기 데이터 삭제는 데이터 셋에 구성된 값 중 필요 없는 값 또는 개인 식별에 중요한 값을 삭제하는 것이고,
상기 데이터 범주화는 데이터의 값을 범주의 값으로 변환하는 것이고,
상기 데이터 마스킹은 공개된 정보와 결합하여 개인을 식별하는데 기여할 확률이 높은 주요 개인 식별자가 보이지 않도록 처리하는 것이고,
상기 에이전트 계층은, 분산처리 메시지 큐(Message Queue)를 기반으로 데이터 처리 파이프라인을 구축하고,
상기 메시지 큐(Message Queue)는 AMQP(Advanced Message Queuing Protocol)을 이용하는 래빗엠큐(RabbitMQ) 메시지 큐이고,
상기 클라우드 계층은, 상기 전처리된 데이터 중 GIS 및 GPS 데이터를 조회하여 지도 위에 배송 이동 경로와 현재 위치를 시각화하고,
상기 위치에 대응하는 좌표 데이터는 실시간으로 카프카(kafka)를 통해 스트리밍되고, 로그스태시(Logstash)로 수집 및 필터링되어 엘라스틱서치(ElasticSearch)에 저장되고,
상기 엘라스틱서치에 저장된 데이터가 키바나(Kibana) 대시보드를 통해 시각화되고,
상기 클라우드 계층은, 현장에서 발생하는 민원 영상/음성 데이터를 저장하는 고속 검색 모듈을 포함하고,
상기 고속 검색 모듈은 이동형 무인 우체국 및 자율주행 드로이드에서 발생하는 영상 및 음성 데이터를 저장하고,
상기 영상 및 음성 데이터는 비디오 스트림 컨슈머(Video Stream Consumer)를 통해 실시간으로 고객센터 상담사에 제공되고,
상기 클라우드 계층은, 장비의 가동 상태를 확인하고 이상 현상에 대해 실시간으로 모니터링할 수 있는 알림 모듈을 포함하는 것을 특징으로 하는 엣지 클라우드 기반의 물류 네트워크 관제 시스템.An agent layer that receives and preprocesses a plurality of logistics data generated in real time; and
Cloud layer that receives, stores, and visualizes the preprocessed data
Including,
The logistics data includes at least one of mail delivery data, autonomous mobile post office station status data, logistics center loading status data, unmanned cargo vehicle operation status data, and droid operation status data,
The agent layer includes at least one layer of a stream layer that processes data collection one by one and a batch layer that processes data collection in units that enable batch processing of time periods,
The agent layer preprocesses the plurality of logistics data through data cleansing techniques such as diagnosis, purification, shaping, and outlier/missing value correction,
Outliers in the data are classified into point anomalies, set anomalies, contextual point anomalies, and contextual set anomalies,
Detection of the outlier is performed based on one of the regression series, time-series series, decision tree series, and Bayesian network series,
The agent layer performs de-identification of sensitive information,
The de-identification is at least one of pseudonymization, aggregate processing, data deletion, data categorization, and data masking,
The pseudonymization process replaces key identifying elements in personal information with other values,
The total processing is to hide the values of individual data by showing the total of the data.
The data deletion refers to deleting unnecessary values or values important for personal identification among the values configured in the data set.
The data categorization converts data values into category values,
The data masking refers to processing key personal identifiers that are likely to contribute to identifying an individual by combining them with publicly available information so that they are not visible.
The agent layer builds a data processing pipeline based on distributed processing message queue,
The message queue is a RabbitMQ message queue that uses AMQP (Advanced Message Queuing Protocol),
The cloud layer searches GIS and GPS data among the preprocessed data and visualizes the delivery route and current location on the map,
Coordinate data corresponding to the location is streamed in real time through Kafka, collected and filtered by Logstash, and stored in ElasticSearch.
The data stored in Elasticsearch is visualized through the Kibana dashboard,
The cloud layer includes a high-speed search module that stores civil complaint video/audio data generated in the field,
The high-speed search module stores video and audio data generated from mobile unmanned post offices and autonomous droids,
The video and audio data are provided to customer center agents in real time through the Video Stream Consumer.
The cloud layer is an edge cloud-based logistics network control system, characterized in that it includes a notification module that can check the operating status of equipment and monitor abnormalities in real time.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200156833A KR102591748B1 (en) | 2020-11-20 | 2020-11-20 | Logistics network control system based on edge cloud |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200156833A KR102591748B1 (en) | 2020-11-20 | 2020-11-20 | Logistics network control system based on edge cloud |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220069576A KR20220069576A (en) | 2022-05-27 |
| KR102591748B1 true KR102591748B1 (en) | 2023-10-20 |
Family
ID=81791130
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200156833A KR102591748B1 (en) | 2020-11-20 | 2020-11-20 | Logistics network control system based on edge cloud |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102591748B1 (en) |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160067807A (en) * | 2014-12-04 | 2016-06-14 | 최병철 | Smart distribution management system capable of real-time stock reporting |
| KR20200101539A (en) * | 2019-02-01 | 2020-08-28 | 삼성전자주식회사 | Electronic apparatus for preprocessing data in edge computing environment and controlling method thereof |
-
2020
- 2020-11-20 KR KR1020200156833A patent/KR102591748B1/en active IP Right Grant
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220069576A (en) | 2022-05-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI742980B (en) | Computerized system for application programming interface migration and computer-implemented method for application programming interface migration | |
| CN108335075B (en) | Logistics big data oriented processing system and method | |
| US20190081876A1 (en) | Real time anomaly detection for data streams | |
| US20230027296A1 (en) | Systems and methods for utilizing machine learning to identify non-technical loss | |
| US20170075693A1 (en) | Handling multiple task sequences in a stream processing framework | |
| Cao et al. | Analytics everywhere: generating insights from the internet of things | |
| Cao et al. | The design of an IoT-GIS platform for performing automated analytical tasks | |
| US20200258328A1 (en) | System and method for processing geolocation event data for low-latency | |
| US20170124655A1 (en) | Quantification for investment vehicle management employing an advanced decision platform | |
| KR20220072311A (en) | Method for designing intelligent integrated logistics platform | |
| Pevec et al. | Distributed data platform for automotive industry: A robust solution for tackling big challenges of big data in transportation science | |
| EP3955599A1 (en) | System and method for processing vehicle event data for journey analysis | |
| KR102591748B1 (en) | Logistics network control system based on edge cloud | |
| Lyan et al. | Impact of data cleansing for urban bus commercial speed prediction | |
| Merino et al. | Impact of data quality in real-time big data systems | |
| Worth et al. | Alstom's approach to railway condition monitoring | |
| KR20230051994A (en) | Information processing integrated logistics control system based on edge cloud | |
| Ding et al. | Research on logistics management information system of electronic commerce based on computer information technology | |
| Hilgendorf | Efficient industrial big data pipeline for lossless transfer of vehicular data | |
| Steinmetz et al. | A modeling rule for improving the performance of graph models | |
| CN113794719B (en) | Network abnormal traffic analysis method and device based on elastic search technology and electronic equipment | |
| Maktoubian | Proposing a streaming Big Data analytics (SBDA) platform for condition based maintenance (CBM) and monitoring transportation systems | |
| US9836377B1 (en) | Profiling application performance data | |
| CAO et al. | A Dynamic Scheduling Method of Logistics Vehicles Based on Ruin and Recreate Algorithm | |
| Shashi et al. | Sustainable Cloud Computing in the Supply Chains |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |