本申请涉及智慧冷链的领域,尤其涉及基于物联网的智慧冷链物流调度方法及系统。
背景技术:
1、在冷链物流中温度的控制至关重要,通常需要通过物联网技术,监控冷链运输过程中的温度变化,如在冷链车的车厢内安装温度传感器、湿度传感器,以获得实时的温度及湿度数据,并将数据发送到中央监控系统,使得管理人员能够随时查看车厢内存储环境的状态。
2、冷链车从配送中心行驶至一个分销仓库卸货后,继续将货物送至下一个分销仓库,以对配送中心周围的分销仓库进行供货。每次打开车厢门进行卸货时,都会导致车厢内外空气的热交换,造成车厢内温度的波动。这种温度变化对某些对温度敏感的货物(如疫苗、药品、生鲜食品等)可能造成损害,如导致食品变质、药品失效等问题。
3、在卸货完成后,制冷设备将车厢内温度重新降至初始温度(货物的储藏温度)。然而,由于车厢内温度已经上升,制冷设备需要一段时间才能将车厢内温度降至初始温度,如果两个分销仓库的距离较近,则车厢内部的温度可能还未下降至初始温度,就进行下一次的卸货,温度会再一次升高,对于温度敏感的货物,长期处在高温环境,可能会造成货物的损害。
技术实现思路
1、为了根据卸货内的温度下降情况及运输距离优化运输路线,实现智能调度,本申请提供基于物联网的智慧冷链物流调度方法及系统。
2、第一方面,本申请提供基于物联网的智慧冷链物流调度方法,采用如下的技术方案:
3、基于物联网的智慧冷链物流调度方法,包括步骤:根据路径规划算法得到两个分销仓库的之间路线并作为分路段,根据所有的分路段得到多条总路线,每条总路线途径配送中心所需要供货的所有分销仓库;沿总路线对所有的分销仓库编号,计算任意相邻两个分销仓库之间分路段的温度恢复因子,计算公式为:,其中,表示第个总路线上第个分销仓库与第个分销仓库之间分路段的温度恢复因子,表示第个总路线上自第个分销仓库到第个分销仓库之间的行驶预测时间,表示在第个总路线上冷链车从第个分销仓库出发后车厢内的温度恢复预测时间;得到总路线上每个分路段的温度恢复因子并求和得到影响因子,遍历所有的总路线,得到每条总路线的影响因子;计算每条总路线的奖励值,将奖励值最大的总路线作为最优的冷链运输路线,计算公式为:,其中,表示第条总路线的奖励值,表示第条总路线的长度,表示货物的利润,表示第条总路线的影响因子。
4、可选的,温度恢复预测时间的计算包括步骤:构建关于历史卸货数据的训练集,历史卸货数据包括:卸货前车厢内的温度初始值、卸货过程的环境温度、温度恢复时间、冷链车的最大制冷功耗及卸货时间;构建神经网络模型,将训练集输入神经网络模型进行模型训练并得到预测模型,模型训练的损失函数为均方差损失函数,模型训练的停止条件是训练次数达到预设训练次数或损失函数值小于预设的阈值;将任意一个分销仓库卸货前车厢内的温度初始值、卸货过程的环境温度、冷链车的最大制冷功耗及卸货时间输入至预测模型中,得到冷链车在卸货结束后车厢内的温度恢复预测时间。
5、可选的,判断神经网络模型是否需要更新,若是,更新神经网络模型,若否,不更新神经网络模型。
6、可选的,判断模型是否需要更新,若是,更新模型,若否,不更新模型,包括步骤:将卸货前车厢内的温度初始值、卸货过程的环境温度、温度恢复时间、冷链车的最大制冷功耗及卸货时间设置为影响因素,设置每个影响因素的权重均为0.2,将每个影响因素的数据与对应的权重相乘后,投入神经网络模型进行训练;构建高斯核函数,表示关于和的高斯核函数,表示卸货过程的环境温度,表示卸货过程的环境温度的概率值,为预设的超参数,表示指数函数;设置判定条件为:,响应于卸货过程的环境温度不满足判定条件,调整每个影响因素的权重。
7、可选的,行驶预测时间的计算公式为:,其中,表示第个总路线上自第个分销仓库到第个分销仓库的行驶预测时间,表示第个分销仓库与第个分销仓库之间分路段的长度,表示冷链车行驶的平均速度。
8、可选的,路径规划算法采用dijkstra算法或a-star搜索算法。
9、第二方面,本申请提供基于物联网的智慧冷链物流调度系统,采用如下的技术方案:
10、基于物联网的智慧冷链物流调度系统,包括:处理器和存储器,所述存储器存储有计算机程序指令,当所述计算机程序指令被所述处理器执行时实现根据上述的基于物联网的智慧冷链物流调度方法。
11、本申请具有以下技术效果:
12、1、通过计算温度恢复因子,评判冷链车从一个分销仓库到另一个分销仓库的过程中,行驶预测时间与温度恢复预测时间之间的关系,当行驶预测时间小于温度恢复预测时间时,代表冷链车在从当前分销仓库到下一个分销仓库时,车厢内的温度还未恢复到初始温度,这时给温度恢复因子赋予负值,将所有路段对应的温度恢复因子叠加,得到奖励值。温度恢复因子越大,奖励值越大,温度恢复因子越小,奖励值越小。将奖励值最大的总路线作为最优运输路线,减少出现两个分销仓库的距离较近,在一个分销仓库卸货后,车厢内温度还未恢复到初始温度,就达到下一个分销仓库进行卸货的情况,以减少货物长期处于非适宜性储藏温度的情况发生。
13、2、相对于历史数据,当出现极端的储藏情况或极端的温度变化的非常规数据,对预测模型进行自适应性的更新,以提高预测模型预测的准确度。
1.基于物联网的智慧冷链物流调度方法,其特征在于,包括步骤:
2.根据权利要求1所述的基于物联网的智慧冷链物流调度方法,其特征在于,温度恢复预测时间的计算包括步骤:
3.根据权利要求2所述的基于物联网的智慧冷链物流调度方法,其特征在于,还包括步骤:判断神经网络模型是否需要更新,若是,更新神经网络模型,若否,不更新神经网络模型。
4.根据权利要求3所述的基于物联网的智慧冷链物流调度方法,其特征在于,判断模型是否需要更新,若是,更新模型,若否,不更新模型,包括步骤:
5.根据权利要求1所述的基于物联网的智慧冷链物流调度方法,其特征在于,行驶预测时间的计算公式为:,其中,表示第个总路线上自第个分销仓库到第个分销仓库的行驶预测时间,表示第个分销仓库与第个分销仓库之间分路段的长度,表示冷链车行驶的平均速度。
6.根据权利要求1所述的基于物联网的智慧冷链物流调度方法,其特征在于,路径规划算法采用dijkstra算法或a-star搜索算法。
7.基于物联网的智慧冷链物流调度系统,其特征在于,包括:处理器和存储器,所述存储器存储有计算机程序指令,当所述计算机程序指令被所述处理器执行时实现根据权利要求1-6任一项所述的基于物联网的智慧冷链物流调度方法。