一种基于数字孪生的智慧食堂管理方法及系统与流程

1.本发明涉及智慧食堂管理技术领域，具体为一种基于数字孪生的智慧食堂管理方法及系统。


背景技术：

2.数字孪生是充分利用物理模型、传感器更新、运行历史等数据，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。将数字孪生应用在智慧食堂管理中，使得管理方法更加贴合实际符合现实。
3.在疫情当下，对与食堂的管理就显得格外重要，大家的下班时间差不多，前往食堂吃饭会引起座不应求的现象，这种聚众用餐的现象在疫情期间很容易出现安全问题，同时由于疫情的突发性，大家可能无法及时知道疫情的具体情况，大家在食堂就餐的过程中可能随时面临这健康码异常的情况，若不能够及时的发现可能会出现更大的安全隐患，还存在菜品单一、食物浪费等现象。
4.因此急需一种基于数字孪生的智慧食堂管理方法及系统来解决食堂聚众就餐、安全防护和危险扩散等问题。


技术实现要素：

5.本发明的目的在于提供一种基于数字孪生的智慧食堂管理方法及系统，以解决上述背景技术中提出的问题。
6.为了解决上述技术问题，本发明提供如下技术方案：一种基于数字孪生的智慧食堂管理方法，该智慧食堂管理方法包括如下步骤：s1、利用数据采集模块进行数据采集并存储；s2、根据历史数据建立食堂人流量与天气和饭菜种类的关系；s3、通过大数据建立危险预警模型；s4、利用线上自助模块实现食堂菜品展示和提前预定；s5、通过数字孪生控制中心实现分散就餐和安全防控。
7.根据上述技术方案，在s1中，所述数据采集模块包括采集摄像头、扫描仪和大数据采集模块，采集摄像头用于采集食堂内信息，扫描仪器用于采集健康码、核酸检测和行程码信息，所述采集摄像头安装在食堂的各个角落包括就餐区、取餐区、放餐区和做饭区，扫描仪器包括闸机扫描、手机扫描等，大数据采集模块是指通过大数据实时采集疫情信息。
8.根据上述技术方案，在s2中，根据历史数据建立人流量预测模型，所述人流量预测模型包括时序预测模型和回归预测模型；所述回归预测模型是指通过对食堂人流量、天气和菜品种类的历史数据进行统计，从而建立回归线预测模型；通过德宾沃森计算判断残差是否基本服从正态分布再根据历史统计情况进而建立回归预测模型，设食堂人流量为y,变量因子1为x1，变量因子2为x2，.....，变量因子n为xn，l为常量，a、b、c、...、n分别为变量因子1、变量因子2、变量因子3、...、变量因子n的系
数，最终的回归预测模型方程为y=ax1 bx2 cx3 ... nxn l将采集到的每一条数据x代入上式中求出y，其中变量因子指天气情况和菜品种类。
9.根据上述技术方案，在s2中，所述时序预测模型是指按照时间序列的数值变化规律建立的模型，其时序预测模型建立的步骤为:其中长期趋势t，循环变动c，季节趋势s，不规则变动i；z1、首先根据历史数据做出时间序列图并观察数据随周期的变化；z2、进而判断序列是否随周期波动大；z3、若整体序列随周期波动大，则采用乘法模型；z4、若整体序列随周期波动不大，则采用叠加模型。
10.根据上述技术方案，在s3中，危险预警模型是指通过大数据采集的信息和采集到的健康码、核酸检测和行程码信息建立模型，其中危险预警模型包括危险预警模型和危险扩散查询模型；危险预警模型是指对扫描仪采集的实时信息进行判断，当健康码和行程码正常时允许进入食堂就餐；当健康码和行程码异常，核酸检测正常时，系统会发出警告拦截，引导前往专区用餐；所述专区就餐是指专门为健康码和行程码异常人员设置的用餐取餐区；当健康码、核酸检测和行程码都出现异常时，系统及时上报并采用紧急管理措施，所述紧急管理措施是指安全防控措施。
11.根据上述技术方案，在s3中，危险扩散模型是指根据大数据信息对采集的行程码信息进行时空交集筛选，能够及时的进行安全防控，一定程度上降低了危险扩散的程度。
12.根据上述技术方案，在s4中，所述线上自助模块是指在线上实时展示食堂菜品的种类和数量并且包括提前预定、自助选餐打包、座位查看和意见调查的功能，所述提前预定是指可以提前订餐后到楼下自助取餐机扫码取餐，自助选餐打包是指对菜进行自主选择组合打包到楼下自助取餐机扫码取，座位查看是指实时查看上座率的情况，意见调查是指对餐厅进行意见收集调查，使得食堂的管理体系不断的完善，菜品不断的进行改进，若是超过提前预定时间后线上自助选餐，则需要前往食堂自助扫码取餐。
13.根据上述技术方案，在s5中，通过数字孪生控制中心对接收的数据进行综合分析并控制线上自助模块从而实现维持智慧食堂线上线下的平衡性，通过摄像头实时拍摄菜品及人流量信息，并将采集到的图片信息传输到数字孪生控制模块，利用斑点检测的方法识别菜量和人流量并将识别的数据在线上实时显示，避免食客跑空食堂，同时错开就餐高峰期，所述斑点检测属于已知技术，在此不做详细说明。
14.根据上述技术方案，在s5中，所述数字孪生控制中心的综合分析是指通过人流量预测模型进行当时的食堂人流量预测从而确定菜品的量，在一定程度上避免了粮食的浪费并通过实时人流量的数据和食堂座位的情况通过线上给于用户用餐提示从而实现分散就餐，所述线上提示指的是微信公众号、小程序、app等，同时语音引导食客就餐是指通过对座位是否有人进行实时识别，将食客引导至空座处就餐，减少食客找座位的时间，同时能够避免座位资源浪费，一定程度上避免了人员拥堵的情况，所述语音引导是通过餐盘上按键控制，食客可通过打开按键根据语音提示前往就餐。
15.一种基于数字孪生的智慧食堂管理系统，该智慧食堂管理系统包括数据采集模块、人流量预测模块、危险预警模块、线上自助模块和数字孪生控制模块；所述数据采集模块用于实时采集数据，人流量预测模块用于预测食堂人流量，危险预警模块用于进行安全预测，线上自助模块用于食堂线上自助售卖，数字孪生控制模块是总控制中心；所述采集模块的输出端连接人流量预测模块、危险预警模块和数字孪生控制模块的输入端，人流量预测模块、危险预警模块和线上自助模块的输出段连接数字孪生控制模块，数字孪生控制模块的输出段连接线上自助模块的输入端。
16.通过上述技术方案，实现了分散就餐和安全防护并在一定程度上避免了粮食的浪费。
17.与现有技术相比，本发明所达到的有益效果是：1、本发明设置人流量预测模块，通过人流量预测模型对当天时间段的食堂人流量进行预测，从而确定菜品的种类的数量，避免准备过多菜品而导致食物的浪费；同时利用预测的人流量、实际检测的人流量以及座位情况通过线上通知和语音引导的方式实现分散就餐，减少一定的安全隐患；另外，人流量预测模型包括时序预测模型和回归预测模型，使得预测结果更加精准。
18.2、本发明设置线上自助模块，通过线上自助模块实现线上自助选菜打包预定，一定程度上减少食堂的人流量，同时实现食堂价格的公开透明以及使得食客能够及时做出是否食堂就餐选择。
19.3、本发明设置危险预警模块，通过危险预警模块及时的进行大数据筛查，实时关注疫情信息，实现安全防控，一定程度上的减少了安全隐患。
附图说明
20.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：图1是本发明一种基于数字孪生的智慧食堂管理方法的步骤流程图；图2是本发明一种基于数字孪生的智慧食堂管理系统的结构链接示意图。
具体实施方式
21.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
22.请参阅图1-图2，本发明提供技术方案：一种基于数字孪生的智慧食堂管理方法，该智慧食堂管理方法包括如下步骤：s1、利用数据采集模块进行数据采集并存储；s2、根据历史数据建立食堂人流量与天气和饭菜种类的关系；s3、通过大数据建立危险预警模型；s4、利用线上自助模块实现食堂菜品展示和提前预定；
s5、通过数字孪生控制中心实现分散就餐和安全防控。
23.在s1中，所述数据采集模块包括采集摄像头、扫描仪和大数据采集模块，采集摄像头用于采集食堂内信息，扫描仪器用于采集健康码、核酸检测和行程码信息，所述采集摄像头安装在食堂的各个角落包括就餐区、取餐区、放餐区和做饭区，扫描仪器包括闸机扫描、手机扫描等，大数据采集模块是指通过大数据实时采集疫情信息，例如通过食堂门口的闸机扫描仪采集食客的健康码、核酸检测情况以及行程信息，通过摄像头拍照的方式实时采集食堂人流量、菜品量等信息，通过大数据获取到安全信息情况，如感染者轨迹信息等。
24.在s2中，根据历史数据建立人流量预测模型，所述人流量预测模型包括时序预测模型和回归预测模型；所述回归预测模型是指通过对食堂人流量、天气和菜品种类的历史数据进行统计，从而建立回归线预测模型；通过德宾沃森计算判断残差是否基本服从正态分布再根据历史统计情况进而建立回归预测模型，设食堂人流量为y,变量因子1为x1，变量因子2为x2，.....，变量因子n为xn，l为常量，a、b、c、...、n分别为变量因子1、变量因子2、变量因子3、...、变量因子n的系数，最终的回归预测模型方程为y=ax1 bx2 cx3 ... nxn l将采集到的每一条数据x代入上式中求出y，其中变量因子指天气情况和菜品种类。
25.在s2中，所述时序预测模型是指按照时间序列的数值变化规律建立的模型，其时序预测模型建立的步骤为:其中长期趋势t，循环变动c，季节趋势s，不规则变动i；z1、首先根据历史数据做出时间序列图并观察数据随周期的变化；z2、进而判断序列是否随周期波动大；z3、若整体序列随周期波动大，则采用乘法模型；z4、若整体序列随周期波动不大，则采用叠加模型；例如根据历史数据做出时间序列图并观察数据随周期的变化较大，则采用乘法模型。
26.在s3中，危险预警模型是指通过大数据采集的信息和采集到的健康码、核酸检测和行程码信息建立模型，其中危险预警模型包括危险预警模型和危险扩散查询模型；危险预警模型是指对扫描仪采集的实时信息进行判断，当健康码和行程码正常时允许进入食堂就餐；当健康码和行程码异常，核酸检测正常时，系统会发出警告拦截，引导前往专区用餐；所述专区就餐是指专门为健康码和行程码异常人员设置的用餐取餐区；当健康码、核酸检测和行程码都出现异常时，系统及时上报并采用紧急管理措施，所述紧急管理措施是指安全防控措施，例如一食客通过闸机扫描仪发现当健康码、行程码异常和核酸检测异常，系统会发出警告拦截，工作人员采取安全防控措施。
27.在s3中，危险扩散模型是指根据大数据信息对采集的行程码信息进行时空交集筛选，能够及时的进行安全防控，一定程度上降低了危险扩散的程度。
28.在s4中，所述线上自助模块是指在线上实时展示食堂菜品的种类和数量并且包括提前预定、自助选餐打包、座位查看和意见调查的功能，所述提前预定是指可以提前订餐后到楼下自助取餐机扫码取餐，自助选餐打包是指对菜进行自主选择组合打包到楼下自助取餐机扫码取，座位查看是指实时查看上座率的情况，意见调查是指对餐厅进行意见收集调
查，使得食堂的管理体系不断的完善，菜品不断的进行改进，例如一食客j通过小程序提前自助点餐，则只需在下班后前往楼下自助机扫码取餐，一食客h是超过提前预定时间11：45后线上自助选餐，则需要下班后前往食堂自助扫码取餐。
29.在s5中，通过数字孪生控制中心对接收的数据进行综合分析并控制线上自助模块从而实现维持智慧食堂线上线下的平衡性，通过摄像头实时拍摄菜品及人流量信息，并将采集到的图片信息传输到数字孪生控制模块，利用斑点检测的方法识别菜量和人流量并将识别的数据在线上实时显示，避免食客跑空食堂，同时错开就餐高峰期，所述斑点检测属于已知技术，在此不做详细说明，例如一食客h下班后看到手机提示信息当前用餐人员较多建议5分钟后再前往用餐，则可以根据提示信息前往用餐。
30.在s5中，所述数字孪生控制中心的综合分析是指通过人流量预测模型进行当时的食堂人流量预测从而确定菜品的量，在一定程度上避免了粮食的浪费并通过实时人流量的数据和食堂座位的情况通过线上给于用户用餐提示从而实现分散就餐，所述线上提示指的是微信公众号、小程序、app等，同时语音引导食客就餐是指通过对座位是否有人进行实时识别，将食客引导至空座处就餐，减少食客找座位的时间，同时能够避免座位资源浪费，一定程度上避免了人员拥堵的情况，例如食客h买餐后无法找到座位，通过按下餐盘中的按键根据语音提示前往就餐。
31.一种基于数字孪生的智慧食堂管理系统，该智慧食堂管理系统包括数据采集模块、人流量预测模块、危险预警模块、线上自助模块和数字孪生控制模块；所述数据采集模块用于实时采集数据，人流量预测模块用于预测食堂人流量，危险预警模块用于进行安全预测，线上自助模块用于食堂线上自助售卖，数字孪生控制模块是总控制中心；所述采集模块的输出端连接人流量预测模块、危险预警模块和数字孪生控制模块的输入端，人流量预测模块、危险预警模块和线上自助模块的输出段连接数字孪生控制模块，数字孪生控制模块的输出段连接线上自助模块的输入端。
32.实现了分散就餐和安全防护并在一定程度上避免了粮食的浪费。
33.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
34.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。