基于物聯(lián)網(wǎng)的新時(shí)代物流應(yīng)用研究

摘 要：針對(duì)目前物流快遞發(fā)展過程中存在的產(chǎn)品安全性差、智能化程度不高等問題，提出了一種基于物聯(lián)網(wǎng)技術(shù)的快遞安全運(yùn)輸應(yīng)用方案。利用傳感器設(shè)備對(duì)快遞運(yùn)輸過程中的位置以及環(huán)境參數(shù)進(jìn)行采集，配合UDP或MQTT網(wǎng)絡(luò)傳輸技術(shù)，智能顯示快遞的位置以及工作狀態(tài)。在終端利用平臺(tái)Java代碼對(duì)數(shù)據(jù)進(jìn)行處理判斷并提供對(duì)應(yīng)決策，降低快遞損毀風(fēng)險(xiǎn)，提高用戶體驗(yàn)，節(jié)約檢錄人員成本，幫助企業(yè)以及大眾獲得更多便利，為智慧物流提供可行性方案以促進(jìn)物流行業(yè)的可持續(xù)發(fā)展。

關(guān)鍵詞：物聯(lián)網(wǎng)；智能檢測(cè)；Java；UDP；MQTT；智慧物流

中圖分類號(hào)：TP39；TN91 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2024）08-0-03

DOI：10.16667/j.issn.2095-1302.2024.08.030

0 引 言

物聯(lián)網(wǎng)可以簡(jiǎn)單理解為物物相連的互聯(lián)網(wǎng)，是互聯(lián)網(wǎng)向現(xiàn)實(shí)世界的擴(kuò)展和延伸，即任何兩件物品之間都可以通過互聯(lián)網(wǎng)進(jìn)行信息交換和通信[1]。當(dāng)下物流行業(yè)正在高速發(fā)展，其主流方向由傳統(tǒng)的人工分揀配送向信息化和智能化發(fā)展，自2016年的《數(shù)字化交通“十三五”規(guī)劃》發(fā)布以來，國(guó)家大力推動(dòng)物流業(yè)轉(zhuǎn)型?！丁笆奈濉睌?shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》指出：加快推動(dòng)數(shù)字產(chǎn)業(yè)化，增強(qiáng)關(guān)鍵技術(shù)創(chuàng)新能力，加快培育新業(yè)態(tài)新模式，營(yíng)造繁榮有序的創(chuàng)新生態(tài)?，F(xiàn)代物流業(yè)基于運(yùn)輸行業(yè)而存在，而反觀運(yùn)輸行業(yè)，若要取得長(zhǎng)遠(yuǎn)的發(fā)展，則必須得到現(xiàn)代物流業(yè)的支持[2]。數(shù)字信息技術(shù)的發(fā)展日新月異，促進(jìn)了農(nóng)產(chǎn)品智慧物流風(fēng)貌與格局的整體改觀[3]。智慧物流帶來的革新也體現(xiàn)在環(huán)保之中，優(yōu)化運(yùn)輸路徑、降低能源損耗等方式也滿足了國(guó)家對(duì)于環(huán)保的要求。中國(guó)是物流大國(guó)，事實(shí)上，物流行業(yè)在過去十多年來飛速發(fā)展，成為了國(guó)民經(jīng)濟(jì)的重要支柱產(chǎn)業(yè)。根據(jù)中國(guó)物流與采購(gòu)聯(lián)合會(huì)發(fā)布的數(shù)據(jù)，我國(guó)物流行業(yè)總規(guī)模從2016年的227.1萬(wàn)億元快速增長(zhǎng)到2019年的283.8萬(wàn)億元，總體規(guī)模高度提升。到2020年底，我國(guó)國(guó)內(nèi)就物聯(lián)網(wǎng)技術(shù)方面的專利申請(qǐng)累計(jì)達(dá)到了5萬(wàn)多件[4]。根據(jù)中國(guó)物流與采購(gòu)聯(lián)合會(huì)的數(shù)據(jù)顯示，2021年物流業(yè)景氣指數(shù)平均為53.4%，較上年提高1.7個(gè)百分點(diǎn)；社會(huì)物流總費(fèi)用為16.7萬(wàn)億元，

同比增長(zhǎng)12.5%，占GDP比重為14.6%，說明我國(guó)物流行業(yè)還有長(zhǎng)足的發(fā)展空間[5]。而根據(jù)國(guó)家郵政局近日發(fā)布的《2022年

6月中國(guó)快遞發(fā)展指數(shù)報(bào)告》顯示，6月份中國(guó)快遞發(fā)展指數(shù)為289.4，環(huán)比增長(zhǎng)7.5%。專家表示，隨著保通保暢政策紅利效果進(jìn)一步顯現(xiàn)，線上消費(fèi)漸回活躍區(qū)間，預(yù)計(jì)下半年，郵政快遞業(yè)發(fā)展環(huán)境日益優(yōu)化，傳統(tǒng)運(yùn)行旺季的潛力空間依然可期。目前，日均業(yè)務(wù)量恢復(fù)至3億件以上，已超去年同期水平[6]。盡管物流行業(yè)規(guī)模不斷膨脹，物流業(yè)信息化的發(fā)展還存在一些問題和瓶頸。如信息孤島、信息安全、信息交換等問題，阻礙了物流信息的共享和互通[7]。在現(xiàn)實(shí)生活中可以加速分揀并配合無人駕駛技術(shù)優(yōu)化物流運(yùn)輸策略，借此也可避免突發(fā)事件對(duì)物資供應(yīng)鏈斷裂的損害，而該技術(shù)也可以提供更高的運(yùn)輸速度和更低的人力成本。物流企業(yè)通過信息化建設(shè)和業(yè)務(wù)優(yōu)化可以實(shí)現(xiàn)物流行業(yè)從傳統(tǒng)物流向現(xiàn)代物流的轉(zhuǎn)型，推動(dòng)物流行業(yè)從低端向高端轉(zhuǎn)型。物流業(yè)信息化是實(shí)現(xiàn)物流行業(yè)數(shù)字化、智能化和可持續(xù)發(fā)展的

關(guān)鍵[3]。

1 系統(tǒng)構(gòu)建

1.1 整體實(shí)施方案

該方案主要包括快遞包裹端、服務(wù)器端以及服務(wù)終端。其中，快遞包裹端負(fù)責(zé)采集設(shè)備數(shù)據(jù)；服務(wù)器端負(fù)責(zé)接收快遞包裹端收集的數(shù)據(jù)并對(duì)其進(jìn)行處理轉(zhuǎn)發(fā)；服務(wù)終端負(fù)責(zé)將服務(wù)器端收到的數(shù)據(jù)進(jìn)行可視化處理和結(jié)果判定及后續(xù)處理。系統(tǒng)結(jié)構(gòu)搭建方案如圖1所示。

1.2 硬件設(shè)計(jì)方案

硬件分為5個(gè)模塊：電源模塊、北斗模塊、4G通信模塊、傳感模塊和MCU模塊。硬件結(jié)構(gòu)如圖2所示。

電源模塊采用INR18650電池，電池容量為2 600 mA·h，

額定電壓為3.6 V，放電以及存儲(chǔ)溫度為-20～50 ℃，適應(yīng)多種環(huán)境天氣。INR18650采用鋰鎳鈷鋁氧化物作為正極，具有較高的能量密度和出色的放電性能。電池容量大可實(shí)現(xiàn)較長(zhǎng)的放電時(shí)間，同時(shí)最大放電電流也可以滿足高功率應(yīng)用需求。北斗模塊與4G通信模塊采用移遠(yuǎn)EC200U模塊，該模塊可以支持多種通信協(xié)議和調(diào)制解調(diào)方式，在保證高兼容性的同時(shí)還擁有許多擴(kuò)展口，支持定位，可以滿足不同的物聯(lián)網(wǎng)應(yīng)用需求。溫濕度傳感器采用DHT11，這是一款常見的低成本數(shù)字式溫濕度傳感器，常用于小型溫濕度計(jì)等應(yīng)用場(chǎng)景。DHT11的溫度測(cè)量范圍為0～50 ℃、最小分辨率為

±1 ℃、測(cè)量精度為±2 ℃，濕度范圍為20%～90%RH、最小分辨率為±1%RH、測(cè)量精度為±5%RH。雖然這款傳感器的響應(yīng)速度并不是很高，但足夠檢測(cè)包裹內(nèi)溫濕度變化指數(shù)。分類預(yù)測(cè)分為三個(gè)步驟：第一，采集數(shù)據(jù)；第二，分析數(shù)據(jù)，進(jìn)行去噪濾波以及平滑處理并利用模型進(jìn)行數(shù)據(jù)分類預(yù)測(cè)；第三，根據(jù)判斷結(jié)果返回?cái)?shù)據(jù)信息。MCU模塊的主控芯片采用STM32F103RET6芯片，該芯片使用ARM Cortex-M3架構(gòu)，適用于各種嵌入式控制和實(shí)時(shí)操作系統(tǒng)的應(yīng)用，可滿足開發(fā)的基本需求。

2 包裹檢測(cè)算法

文中所采用的檢測(cè)算法主體為基于異常密度檢測(cè)LOF算法[8]，算法依賴于包裹硬件系統(tǒng)傳回服務(wù)器的位置信息。針對(duì)包裹丟失檢測(cè)，文中綜合考量了實(shí)際民用GNSS（Global Navigation Satellite System）定位數(shù)據(jù)準(zhǔn)確度，可以較為準(zhǔn)確地對(duì)包裹正常、丟失進(jìn)行實(shí)時(shí)識(shí)別，并可以實(shí)時(shí)獲取包裹的詳細(xì)物流數(shù)據(jù)，對(duì)于快遞包裹全面物聯(lián)網(wǎng)化有一定指導(dǎo)意義。

2.1 對(duì)于包裹定位情況的數(shù)據(jù)化描述

將衛(wèi)星定位時(shí)的位置矢量記為P，光速為c，T為衛(wèi)星發(fā)射信號(hào)時(shí)間，t為信號(hào)被接收的時(shí)間，d為衛(wèi)星時(shí)鐘誤差，此時(shí)可以收到3個(gè)（及以上）衛(wèi)星的空間坐標(biāo)（xi， yi， zi），i=1，2，3。

依次類推，衛(wèi)星定位方程組如下：

（1）

式中：物流包裹坐標(biāo)為（x， y， z），該方程組可通過高斯-牛頓法獲取高效解，最終求得定位信息。將定位的空間坐標(biāo)計(jì)算出來后，將x、y、z坐標(biāo)通過下述方程組轉(zhuǎn)化為東北天坐標(biāo)系，即ENU坐標(biāo)系：

（2）

需要根據(jù)ENU坐標(biāo)系轉(zhuǎn)化為ECEF坐標(biāo)系，并用WGS84橢球模型轉(zhuǎn)變成經(jīng)緯度，為便于理解，選擇使用理想模型將地球近似看作球形，給出如下簡(jiǎn)易直角坐標(biāo)系轉(zhuǎn)化公式：

（3）

高程轉(zhuǎn)化公式：

（4）

式中：N是緯度為lat處的子午圈半徑。完成定位信息數(shù)據(jù)化后，通過UDP協(xié)議將數(shù)據(jù)信息傳輸?shù)椒?wù)器及服務(wù)

終端。

2.2 定位數(shù)據(jù)分析與解析

每個(gè)包裹傳回的坐標(biāo)信息都可以建立三維點(diǎn)集，記為數(shù)據(jù)集，R為地球半徑，為配合LOF算法，需要先將經(jīng)緯度坐標(biāo)進(jìn)行弧度化以及三維坐標(biāo)化處理，公式如下：

（5）

LOF算法中數(shù)據(jù)并不以三維坐標(biāo)系形式直接代入計(jì)算，而是需要利用其獨(dú)特的k-鄰域表示，每個(gè)數(shù)據(jù)點(diǎn)的k-鄰域都表示該點(diǎn)附近的k個(gè)數(shù)據(jù)點(diǎn)，為了能夠計(jì)算出單個(gè)數(shù)據(jù)點(diǎn)的LOF分?jǐn)?shù)，需要通過計(jì)算得出每個(gè)數(shù)據(jù)點(diǎn)的k-鄰域。以一個(gè)數(shù)據(jù)點(diǎn)為例，記為p，需要通過如下公式計(jì)算出p的某個(gè)鄰域Nk（p）的距離密度：

（6）

式中：distk（p）表示p點(diǎn)與k-鄰域內(nèi)部距離最遠(yuǎn)點(diǎn)的距離，即：

（7）

式中：d（p， xi）為距離度量函數(shù)的歐氏距離。在上述過程中需要用到計(jì)算鄰域，通常使用brute-force search算法，但這種計(jì)算每個(gè)數(shù)據(jù)點(diǎn)與其他點(diǎn)距離的方法時(shí)間復(fù)雜度高，并不適用。對(duì)其進(jìn)行改善，故采用k-d樹的數(shù)據(jù)結(jié)構(gòu)來加速計(jì)算。計(jì)算每個(gè)數(shù)據(jù)點(diǎn)的局部可達(dá)密度，計(jì)算公式如下：

（8）

式中：|Nk（p）|為p點(diǎn)的k-鄰域大小，需要客觀衡量鄰域中所有相對(duì)密度的和與p點(diǎn)局部密度及其他點(diǎn)局部密度比值之間的相對(duì)關(guān)系，選擇熵來體現(xiàn)二者關(guān)系，據(jù)此可以對(duì)單個(gè)點(diǎn)的局部離群因子進(jìn)行公式化描述：

（9）

此處采用所有鄰域點(diǎn)作為離群評(píng)估的參考對(duì)象，該方法會(huì)獲得更好的魯棒性。

2.3 包裹密封性判斷

文中決定采用第三方數(shù)值變化來對(duì)包裝密封性進(jìn)行判斷，當(dāng)包裹包裝密封完成后，其內(nèi)部氣體的溫濕度比值不變；而當(dāng)其在運(yùn)輸途中遭到破壞時(shí)，氣體溫濕度會(huì)發(fā)生較為明顯的變化，根據(jù)此原理采用隨機(jī)森林算法來對(duì)密封性進(jìn)行預(yù)測(cè)。隨機(jī)森林公式如下：

（10）

式中：決策樹數(shù)量為N；決策樹權(quán)重為wi；決策樹預(yù)測(cè)函數(shù)為hi；輸入特征向量為x；b為常量，用于提高判斷準(zhǔn)確性。最終判斷結(jié)果為0則沒問題，為1則有問題。預(yù)測(cè)函數(shù)采用二元決策：

（11）

最終結(jié)果是綜合多個(gè)決策樹得出的結(jié)論，公式如下：

（12）

式中：0.5N為誤差允許范圍。

3 監(jiān)控平臺(tái)

可視化處理必不可少?？梢暬到y(tǒng)是一種圖像處理系統(tǒng)，利用計(jì)算機(jī)進(jìn)行數(shù)據(jù)化、信息化轉(zhuǎn)化，并進(jìn)行理論分析。研究數(shù)據(jù)顯示，數(shù)據(jù)分析處理與決策的綜合性發(fā)展技術(shù)包括計(jì)算機(jī)的可視化處理，在整個(gè)物流過程中都需要進(jìn)行監(jiān)控和追蹤，以保障系統(tǒng)安全運(yùn)行[9]。遠(yuǎn)程監(jiān)控平臺(tái)基于4G物聯(lián)網(wǎng)和微信小程序開發(fā)者平臺(tái)完成，按照智能檢測(cè)系統(tǒng)的功能需求，檢測(cè)平臺(tái)實(shí)現(xiàn)了檢測(cè)、報(bào)警以及設(shè)備日志等功能。運(yùn)用Python＋云服務(wù)器的數(shù)據(jù)庫(kù)進(jìn)行數(shù)據(jù)處理存儲(chǔ)[10]，服務(wù)器接收并對(duì)數(shù)據(jù)進(jìn)行第一步處理，之后利用接口綁定在服務(wù)終端，數(shù)據(jù)發(fā)送至終端后分析出結(jié)果并在客戶端展示。數(shù)據(jù)在經(jīng)過服務(wù)器轉(zhuǎn)發(fā)、處理、判斷后展示在終端，代碼如圖3所示。

完成數(shù)據(jù)處理后即可獲取圖4所示服務(wù)終端界面。

4 結(jié) 語(yǔ)

文中提出了基于物聯(lián)網(wǎng)的物流包裹丟失損毀檢測(cè)算法，實(shí)驗(yàn)結(jié)果表明，本方案在掌握包裹物流信息的同時(shí)對(duì)可能出現(xiàn)的損失進(jìn)行預(yù)判報(bào)警，并通過溫濕度側(cè)面反映損失程度，從而可有效減少物流包裹運(yùn)輸途中的遺失率且可對(duì)物流責(zé)任進(jìn)行判定劃分，增加了物流運(yùn)輸體系內(nèi)中高端產(chǎn)品的安全性，提高了識(shí)別準(zhǔn)確率。

參考文獻(xiàn)

[1]萊福.物聯(lián)網(wǎng)技術(shù)及其在農(nóng)業(yè)領(lǐng)域的應(yīng)用[J].新農(nóng)業(yè)，2018，48（18）：51-52.

[2]任虹.物流業(yè)對(duì)交通運(yùn)輸經(jīng)濟(jì)影響及協(xié)調(diào)發(fā)展策略[J].中國(guó)物流與采購(gòu)，2023，44（15）：140-141.

[3]許敏.信息化視野下農(nóng)產(chǎn)品智慧物流發(fā)展現(xiàn)狀及對(duì)策分析[J].綏化學(xué)院學(xué)報(bào)，2023，43（8）：41-43.

[4]牛曉麗.物聯(lián)網(wǎng)技術(shù)的智能化應(yīng)用[J].集成電路應(yīng)用，2023，40

（7）：186-187.

[5]黃欣儀.物流行業(yè)數(shù)字化轉(zhuǎn)型的動(dòng)因、路徑及績(jī)效分析[D].廣州：廣州大學(xué)，2023.

[6]吉蕾蕾.快遞業(yè)發(fā)展態(tài)勢(shì)逐漸回暖[N].經(jīng)濟(jì)日?qǐng)?bào)，2022-07-12（006）.

[7]潘希麗.物流業(yè)信息化發(fā)展趨勢(shì)及其對(duì)物流企業(yè)的影響[J].物流工程與管理，2023，45（6）：130-132.

[8]王若雨，趙千川，楊文.基于近鄰搜索空間提取的LOF算法[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2023，55（10）：1-9.

[9]張寧恩，侯振，萬(wàn)瑩.智能倉(cāng)儲(chǔ)物流管理系統(tǒng)分析[J].信息系統(tǒng)工程，2023，36（7）：24-27.

[10]魏子彬，韋思佳，彭濤，等.一種基于STM32的物流車輛內(nèi)部安全閉環(huán)監(jiān)控系統(tǒng)[J].黑龍江交通科技，2023，46（6）：134-136.

收稿日期：2023-09-06 修回日期：2023-10-20

基金項(xiàng)目：江蘇省大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目（202313573132T）；江蘇省大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目（202313573122E）；江蘇高校哲學(xué)社會(huì)科學(xué)研究項(xiàng)目（2020SJA0539）；教育部產(chǎn)學(xué)合作協(xié)同育人項(xiàng)目（202002183022）

作者簡(jiǎn)介：王志杰（2002—），男，研究方向?yàn)橛?jì)算機(jī)算法、圖像識(shí)別、機(jī)器學(xué)習(xí)。