基于多源数据融合的物流运输异常行为检测方法及系统与流程

摘要: 本技术涉及行为检测,尤其涉及基于多源数据融合的物流运输异常行为检测方法及系统。背景技术:1、随着物流与供应链管理的发展,对运输过程中的货物安全保障提出了更高要求...
基于多源数据融合的物流运输异常行为检测方法及系统与流程

本技术涉及行为检测,尤其涉及基于多源数据融合的物流运输异常行为检测方法及系统。

背景技术:

1、随着物流与供应链管理的发展,对运输过程中的货物安全保障提出了更高要求。现有物流运输异常检测技术多侧重于单一维度的监测,例如,通过加速度传感器监测车辆振动,或通过温湿度传感器监测车厢环境。这些方法虽然能够实现对特定指标的实时监控,但缺乏对货物特性、车厢环境、车辆运行状态、道路条件以及车载电子元件状态等多源异构数据的深度融合与协同分析,导致风险评估维度单一,难以全面、准确地评估运输过程中的复杂风险。

2、此外,现有技术通常仅关注当前时刻的监测,未能有效利用历史与当前数据对未来路段的振动情况进行预测。同时,这些方法未将振动对车辆电子控制元件的累积损伤进行量化评估。例如,车载温湿度控制器在长期、持续的振动环境下,其内部电子元件的连接可靠性、芯片引脚疲劳度等会逐渐劣化,导致控制精度下降。由于缺乏对这种损伤累积效应的建模与预测,现有技术无法预判因振动造成的电子元件性能退化及其对控制功能的影响,使得运输风险预警的时效性与前瞻性不足。

3、更为关键的是,现有技术未能将电子元件的振动损伤与其控制精度下降进行有效关联,从而忽视了因控制精度退化导致的温湿度控制失效风险。例如,当温湿度控制器因振动损伤而响应延迟或偏差增大时,将无法精确维持车厢内预设的温湿度环境,对于冷链、精密仪器等对温湿度敏感的货物而言,这会直接导致货物品质下降甚至损坏。现有技术无法在货物损伤发生前进行有效预警与主动干预,最终只能进行事后责任认定与定损,无法实现运输过程中的风险主动规避与路径优化。

技术实现思路

1、为了克服现有技术存在的缺陷与不足,本技术技术方案通过融合货物特性、车厢环境、车辆运行、道路条件及电子元件状态等多维数据,构建了全面的运输状态感知模型,并利用当前路段振动数据预测未来路段的振动异常,结合电子元件安装材料的阻尼特性量化振动损伤,进而建立控制精度的退化模型,能够动态预测未来路径中电子元件对温湿度等环境参数的控制失效风险;在此基础上,综合考虑未来路段的振动异常与温湿度控制异常等因素,构建货物损伤预测模型,提前识别货物损坏风险,并结合损伤阈值提供路径预警与重规划建议,从而显著降低货物损坏率。

2、为了达到上述目的,本技术采用以下技术方案:

3、第一方面,本技术提供了基于多源数据融合的物流运输异常行为检测方法,包括下述具体步骤:

4、步骤一、获取物流运输过程中的货物情况、运输储存情况以及物流车辆的运行情况;

5、步骤二、通过道路的波动情况以及物流车辆的运行情况进行运输过程中的振动预测,结合运输过程中的振动预测情况以及车辆电子元件安装位置处的情况分析电子元件的振动损伤影响;

6、步骤三、结合电子元件的振动损伤影响以及电子元件情况分析电子元件的控制精度情况;

7、步骤四、结合电子元件的控制精度情况以及振动损伤分析后的内部货物情况进行货物损伤预测;

8、步骤五、结合货物损伤预测结果进行路径的预警。

9、在本技术的一种实现方式中,所述物流运输过程中的货物情况包括货物的安全储存温度范围、安全储存湿度范围以及安全振动幅度,所述运输储存情况包括车厢内多点的温度、湿度情况以及对应控制电子元件的控制情况,其中,控制电子元件的控制情况通过控制元件的控制精度量化,通过分布式传感器获取,所述物流车辆的运行情况包括车辆的运行振动情况以及道路情况,其中,车辆的运行振动情况通过振动传感器获取,同时道路情况通过道路管理部门推送的道路信息获取;将获取信息储存在储存组件中。

10、在本技术的一种实现方式中,所述运输过程中的振动预测包括以下具体步骤:

11、第一步、获取车辆运行过程中的振动情况以及道路的路面平整度情况,其中,路面平整度通过路面各测试点相对于路面基准面的平均高度的标准差除以路面基准面高度的倒数得到;

12、第二步、获取车辆运行过程中的车厢平均振动幅度以及频率,通过振动幅度除以振动幅度标准值得到振幅异常量,将振动频率除以振动频率标准值得到频率异常量,将振幅异常量与频率异常量相乘得到振动异常量;

13、第三步、获取未来路段的路面平整度除以当前路段的路面平整度得到平整度对比值,通过当前振动异常量除以平整度对比值得到未来路段的车辆振动异常预测值。

14、在本技术的一种实现方式中,所述电子元件的振动损伤影响,包括以下具体内容:

15、第一步、获取未来路段的车辆振动异常预测值、路段距离以及车端电子控制元件的安装位置材料的阻尼比;

16、第二步、通过未来路段的车辆振动异常预测值乘上标准化的路段距离得到未来路段的整体振动异常量,其中,标准化过程为除以对应值的标准量,获取车端电子控制元件的安全振动频率以及安全振动幅度,通过未来路段的整体振动异常量除以标准化后的车端电子控制元件的安全振动频率以及安全振动幅度的乘积得到振动损伤异常量,通过振动损伤异常量除以安装位置材料的阻尼比与阻尼影响系数的乘积得到电子元件的振动损伤影响值,其中,阻尼影响系数通过历史数据拟合获取。

17、在本技术的一种实现方式中,所述分析电子元件的控制精度情况包括以下具体内容:

18、第一步、获取电子元件的振动损伤影响值以及电子元件的初始控制精度;

19、第二步、获取电子元件的振动损伤影响值乘以振动损伤影响系数得到电子元件振动损伤,同时数值1减去电子元件振动损伤的差与电子元件的初始控制精度相乘得到未来路径的电子元件的控制精度。

20、在本技术的一种实现方式中,所述货物损伤预测包括以下具体步骤:

21、第一步、获取未来路径的电子元件的控制精度、起始状态的车厢内部温湿度情况,通过起始状态的车厢内部温度和湿度的波动情况以及与储存安全温湿度的差值评估起始状态的温湿度控制异常,其中,起始状态的车厢内部温度控制异常的评估方式为:通过起始状态车厢内温度的标准差除以标准温度得到温度的波动情况,通过起始状态车厢内温度与储存安全温度的差值除以储存安全温度,然后求平均得到温度的差异值,然后将温度的波动情况与温度的差异值进行加权求和得到温度控制异常,同理将温度变为湿度带入控制异常的评估方式中得到湿度控制异常,通过起始状态的电子元件的控制精度除以未来路径的电子元件的控制精度的商分别乘以温度控制异常和湿度控制异常得到未来路径的温湿度控制异常;

22、第二步、获取未来路段的整体振动异常量以及未来路径的温湿度控制异常进行加权求和得到货物损伤预测结果,即未来路段的整体振动异常量、未来路径的温度控制异常和未来路径的湿度控制异常进行加权求和。

23、在本技术的一种实现方式中,所述结合货物损伤预测结果进行路径的预警包括以下具体步骤:

24、获取对应路径的货物损伤预测结果,将货物损伤预测结果与设定的损伤阈值进行对比,若货物损伤预测结果大于等于设定的损伤阈值,则说明路径会导致货物损伤,建议重新规划路径,若货物损伤预测结果小于设定的损伤阈值,则说明路径不会导致货物损伤,按照原路径行驶。

25、第二方面,本技术还提供了基于多源数据融合的物流运输异常行为检测系统,包括以下具体模块:

26、数据获取模块,用于获取物流运输过程中的货物情况、运输储存情况以及物流车辆的运行情况;

27、电子元件损伤预测模块,通过道路的波动情况以及物流车辆的运行情况进行运输过程中的振动预测,结合运输过程中的振动预测情况以及车辆电子元件安装位置处的情况分析电子元件的振动损伤影响;

28、控制精度分析模块,结合电子元件的振动损伤影响以及电子元件情况分析电子元件的控制精度情况;

29、货物损伤预测模块,结合电子元件的控制精度情况以及振动损伤分析后的内部货物情况进行货物损伤预测;

30、预警模块,结合货物损伤预测结果进行路径的预警。

31、第三方面,本技术提供的一种电子设备,包括:处理器和存储器,其中,所述存储器中存储有可供处理器调用的计算机程序,所述处理器通过调用所述存储器中存储的计算机程序,执行基于多源数据融合的物流运输异常行为检测方法及系统。

32、第四方面,本技术提供的一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行基于多源数据融合的物流运输异常行为检测方法及系统。

33、本技术与现有技术相比,好处如下:

34、通过融合货物特性、车厢环境、车辆运行、道路条件及电子元件状态等多维数据,构建了全面的运输状态感知模型,并利用当前路段振动数据预测未来路段的振动异常,结合电子元件安装材料的阻尼特性量化振动损伤,进而建立控制精度的退化模型,能够动态预测未来路径中电子元件对温湿度等环境参数的控制失效风险;在此基础上,综合考虑未来路段的振动异常与温湿度控制异常等因素,构建货物损伤预测模型,提前识别货物损坏风险,并结合损伤阈值提供路径预警与重规划建议,从而显著降低货物损坏率。