[发明专利]一种物流运输监控追溯管理系统

摘要

本发明属于物流管理技术领域，公开了一种物流运输监控追溯管理系统，所述物流运输监控追溯管理系统包括：采收信息管理模块、检测信息管理模块、订单管理模块、主控模块、数据管理模块、客户管理模块、物流信息管理模块、实时调度模块、温度监控模块、线路规划模块、定位模块。本发明通过实时调度模块可以及时有效的更新配送路线，对于配送车辆路线进行合理规划，提高配送准时性；同时通过温度监控模块、采收信息管理模块、检测信息管理模块、物流信息管理模块可以获取更多物品详细信息。

主权项

1.一种物流运输监控追溯管理系统，其特征在于，所述物流运输监控追溯管理系统包括：采收信息管理模块，与主控模块连接，用于采用身份编码记录对应生产地块中的物品的采收信息，包括产品的采收日期、采收批次、场地名称、采收数量、入库日期、入库场地、采收现场图片，还包括采收阶段的动态的监控视频信息；检测信息管理模块，与主控模块连接，用于对物品进行各项检测，并记录检测日期、检测项目、检测结论、送检单位、检测类型、送检机构、结论说明、检测图片，还包括物品检测阶段的动态的监控视频信息；订单管理模块，与主控模块连接，用于管理客户代码、货物类型、订单大小、订单类型、订单备注、路线规划日期、路线类型、路线批次、订单服务属性、周期性订单属性、订单优先级、订单销量、订单时间限制；并支持订单的批量导入导出、以及按照特殊规则的分割及归类；以及紧急订单通过手工输入、并插入订单序列；所述订单管理模块运用主成分分析法对影响负荷的多种因素进行分析包括：步骤(1)、对订单样本数据进行标准化处理：原始数据矩阵：式中，n是订单样本个数；p是每个订单样本维数；Xij为第i个样本的第j维取值；用X1,X2,…,Xp分别表示矩阵X的各列矢量，有： X j * = X j - E ( X j ) V a x ( X j ) ; ]]>式中E(Xj)和Vax(Xj)分别表示Xj的均值和方差；步骤(2)、计算相关系数矩阵R： r i j = C o v ( X i , X j ) V a r ( X i ) V a r ( X j ) = 1 n Σ k = 1 n X k i * X k j * ; ]]>式中Cov(Xi，Xj)表示数据矩阵中第i列与第j列之间的协方差；步骤(3)、求正交矩阵及其特征值：PTRP＝diag(λ1,λ2,…,λp)；式中λ1≥λ2≥…≥λp是R的p个特征值，diag表示对角矩阵；每个主成分集中了随机变量X的各个分量不同的共同特征，这样变量的维数降低，下面基于模糊聚类分析对历史负荷数据聚类步骤包括：步骤(1)、对订单样本数据进行规格化处理：x'jk＝(xjk-xkmin)/(xkmax-xkmin)；式中，xkmax、xkmin分别为x1k,x2k,…,xnk的最大值和最小值；x'jk为规格化后的数据；步骤(2)、建立模糊相似关系矩阵R＝{rij}： r i j = exp ( - Σ k = 1 m | x i k , - x j k , | ) ; ]]>步骤(3)、进行动态聚类： C i = λ i - 1 - λ i n i - n i - 1 ; ]]>式中i为λ从高到低的聚合序次数，ni和ni-1分别为第i次和第i-1次聚类的元素个数；λi和λi-1分别为第i次和第i-1次聚类时的置信水平；若Ci＝max(Cj)，则认为第i次聚类的置信水平λi为最佳阈值；步骤(4)、计算预测日与上述各类的欧氏距离： d i j = 1 m Σ k = 1 m ( x i k , - x j k , ) 2 ; ]]>式中x′ik为预测日的特性指标矢量，x'jk为各分类的特性指标矢量；最后，以欧氏距离最短的类别作为预测日的类别，建立BP神经网络进行预测，得到订单数据；主控模块，与采收信息管理模块、检测信息管理模块、订单管理模块、数据管理模块、客户管理模块、物流信息管理模块、实时调度模块、温度监控模块、线路规划模块、定位模块连接，用于调度各个模块正常工作；数据管理模块，与主控模块连接，用于对订单大小度量单位自定义、订单日期计算方法特殊属性自定义、客户信息特殊属性字段自定义、订单信息特殊属性字段自定义等，可以对系统基础对象数据的属性字段自定义增加或修改；所述数据管理模块的数据划分方法包括：1)寻找数据集的中心点集，首先利用最远中心算法，并结合几何知识来计算出临界值near_value；计算过程中用到的最远中心算法是对最远距离算法和随机算法的结合改进而成的，通过计算每个点之间的距离，并将其中的最小值min_dis进行保存，与之前得到的near_value进行比较，删除所有小于near_value的集合，然后在所有的样本集中找到点与点之间距离最大的集合作为中心点集合；2)划分原始数据集，首先，将通过最远中心点算法得到的中心点集合存入到mapper中，然后按照存储的顺序将原始数据集切分成相同大小的N份，并存入mapper中；开始执行map，此时的map是为了对每个点到中心点集合的距离的计算，得到计算结果后，将待分类数据集中的每个元素按照分类结果划分到对应的集合中；温度监控模块，与主控模块连接，用于提供远程温度监控和调节温度功能；定位模块，与主控模块连接，用于通过GPS定位系统或北斗定位系统进行定位；所述定位模块的IP地址前缀长度约定将IP地址前缀成员函数计算出来，根据约定，前缀成员函数记为：F(x)＝{b1b2b3b4b5,b1b2b3**,b1b2***}，然后使用可授权伪随机函数进行加密可得到： Enc k ( F ( x ) ) = { [ G b 5 ( G b 4 ( ... G b 1 ( k ) ) ) , 5 ] , [ G b 5 ( G b 4 ( G b 3 ( k ) ) ) , 3 ] , [ G b 5 ( G b 4 ( k ) ) , 2 ] } ; ]]>；所述定位模块利用惯导设备中的加速度计与陀螺仪进行计步运算，通过条件检测方法，计算出行走的步数和直线长度，并计算每一步的电子地图坐标，记录第k步坐标产生的时刻ts(k),k＝1,2,...,L，L表示该路径上总的行走步数，k时刻加速度计采集到的三轴加速度值分别为ak(1)、ak(2)、ak(3)，陀螺仪采集到的三轴角速度分别为ωk(1)、ωk(2)、ωk(3)，条件检测方法使用三个条件C1，C2和C3来判断人的脚是否处于静止状态；所述条件C1，C2和C3：条件C1为加速度大小满足介于两个给定门限之间：条件C2为局部加速度方差要大于给定的门限值，局部加速度方差计算方式为， σ a k 2 = 1 2 s + 1 Σ j = k - s k + s ( a k - a ‾ k ) 2 ]]>其中是局部平均加速度，计算式为s为均值的窗口长度；条件C3为陀螺仪测量值的大小满足低于给定门限：条件之间是逻辑与的关系，即条件检测结果为C1&C2&C3，条件检测的结果再通过一个窗口长度为11的中值滤波器，输出逻辑“1”表示停止状态，逻辑“0”表示行走状态，从停止状态变化到行走状态则计为行走了一步，当前路径上行走的总步数为m(k)，把人行走时的步长近似看作固定长度l，则当前行走的直线长度d(k)计算公式为：d(k)＝m(k)*l或d(k)＝d(k-1)+l。