基于大型物聯(lián)網(wǎng)技術(shù)的電商倉庫檢測

郭戈

摘 要： 針對當(dāng)前檢測電商倉庫容量或流量精度不高的問題，在大型物聯(lián)網(wǎng)環(huán)境下設(shè)計基于決策樹主成分分析的電商倉庫檢測方法。首先基于電子標(biāo)簽技術(shù)構(gòu)建電商倉庫存儲系統(tǒng)的物聯(lián)網(wǎng)構(gòu)架模型，采用超高頻射頻識別技術(shù)追蹤電商倉庫系統(tǒng)的物流流量，并提取信息特征；在C4.5決策樹模型下，分析倉庫物流信息特征主成分，實現(xiàn)對電商倉庫吞吐量和容量的準(zhǔn)確檢測和預(yù)估；最后通過實驗進(jìn)行性能測試。實驗結(jié)果表明，采用該方法對倉庫的吞吐量預(yù)測和物資收發(fā)數(shù)據(jù)實時檢測的精度較高，提高了電商倉庫的物資收發(fā)效率。

關(guān)鍵詞： 物聯(lián)網(wǎng)； 電子標(biāo)簽； 決策樹； 電商倉庫

中圖分類號： TN911?34； TP391 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2017）05?0171?03

Abstract： Since the detection accuracy of the current e?commerce warehouse capacity and flow is low， a new e?commerce warehouse detection method based on decision tree principal component analysis was designed under the large Internet of Things environment. The Internet of Things framework model of the e?commerce warehouse storage system was constructed based on the RFID technology. The ultrahigh frequency RFID technology is used to trace the logistics flow of the e?commerce warehouse system and extract the information feature. The principal component of the warehouse logistics information characteristics is analyzed in C4.5 decision tree model to detect and estimate the throughput and capacity of the e?commerce warehouse accurately. The performance of the method was tested with experiments. The experimental results show that the method has high real?time detection accuracy of the warehouse throughput prediction and materials transceiving data， and can improve the materials transceiving efficiency of the e?commerce warehouse.

Keywords： Internet of Things； electronic tag； decision tree； e?commerce warehouse

0 引 言

電商倉庫是電子商務(wù)整個網(wǎng)絡(luò)系統(tǒng)進(jìn)行物資收發(fā)和物資存儲的終端，電商倉庫中庫存量的準(zhǔn)確檢測和預(yù)測是保障物資收發(fā)安全，提高電商物資收發(fā)效率的關(guān)鍵。研究電商倉庫的準(zhǔn)確檢測方法，對促進(jìn)電子商務(wù)和電子物流行業(yè)的發(fā)展具有重要意義。物聯(lián)網(wǎng)技術(shù)的進(jìn)步更為有力地推進(jìn)了優(yōu)化電商倉庫檢測技術(shù)。物聯(lián)網(wǎng)技術(shù)通過電子標(biāo)簽識別技術(shù)、物聯(lián)網(wǎng)的網(wǎng)絡(luò)層、感知層和應(yīng)用層進(jìn)行電商倉庫物資的信息標(biāo)識和識別，采用無線射頻感知與檢測技術(shù)進(jìn)行信息讀取和信息處理，提高倉庫的物資管理效率[1]。

以信息采集和數(shù)據(jù)加工的大型物聯(lián)網(wǎng)技術(shù)為基礎(chǔ)，對電商倉庫進(jìn)行物資檢測和信息處理。采用無線射頻（RFID）識別技術(shù)實現(xiàn)對電商倉庫物資的在線追蹤和信息采集，RFID識別過程中受到不確定進(jìn)出庫信息數(shù)據(jù)的干擾，同時也會產(chǎn)生大量數(shù)據(jù)冗余，導(dǎo)致對電商倉庫的準(zhǔn)確檢測性能不好，對物流輸出的信息估計精度不高[2?3]。針對這一問題，本文在大型物聯(lián)網(wǎng)技術(shù)的基礎(chǔ)上，進(jìn)行電商倉庫檢測方法優(yōu)化設(shè)計，基于電子標(biāo)簽技術(shù)構(gòu)建電商倉庫存儲系統(tǒng)的物聯(lián)網(wǎng)構(gòu)架模型，采用超高頻射頻識別技術(shù)進(jìn)行電商倉庫系統(tǒng)的物流流量追蹤和信息特征提取，然后對提取的倉庫物流信息特征在C4.5決策樹模型下進(jìn)行主成分分析，實現(xiàn)對電商倉庫吞吐量和容量的準(zhǔn)確檢測和預(yù)估，最后采用仿真實驗分析方法進(jìn)行了性能測試和驗證，表明了本文方法在提高電商倉庫檢測性能方面的優(yōu)越性和實用價值。

1 系統(tǒng)架構(gòu)和信息提取

1.1 電商倉庫檢測的物聯(lián)網(wǎng)系統(tǒng)架構(gòu)

基于大型物聯(lián)網(wǎng)技術(shù)構(gòu)建電商倉庫的物流數(shù)據(jù)信息傳輸模型，以產(chǎn)品生產(chǎn)企業(yè)作為電商倉庫檢測的觸發(fā)主體，追溯電商銷售產(chǎn)品的生產(chǎn)過程，從生產(chǎn)開始到加工、包裝、運(yùn)輸、銷售、消費(fèi)整個路程都需要通過倉庫進(jìn)行物資的存儲和收發(fā)。因此，電商倉庫的檢測系統(tǒng)總體架構(gòu)上可以分為對電商倉庫的物資存儲信息數(shù)據(jù)采集前端和數(shù)據(jù)管理終端，出貨量是電商倉庫運(yùn)行效率和電商利潤最大的關(guān)聯(lián)性因子。考慮物流成本（區(qū)位因素）以及租用倉庫的成本，進(jìn)行倉庫使用效率的最大化調(diào)度[4]。在電商倉庫的物流供應(yīng)鏈體系中，電商倉庫的物資收發(fā)基地相當(dāng)于“服務(wù)端”，電商的商家相當(dāng)于“用戶”，電商倉庫的物流資源構(gòu)成了整個電商倉庫檢測系統(tǒng)的主體[5]，在滿足物流服務(wù)需求和客戶出庫需求的情況下，對電商倉庫的吞吐量準(zhǔn)確檢測和預(yù)測，實現(xiàn)資源能力管理和資源定位。電商倉庫檢測的物聯(lián)網(wǎng)系統(tǒng)架構(gòu)模型如圖1所示。

1.2 電商倉庫的存儲信息提取

在電商倉庫的檢測中，需要對倉庫的存儲物資資源信息進(jìn)行超高頻射頻識別技術(shù)（UHF RFID），采用決策樹構(gòu)造方法挖掘和調(diào)度電商倉庫中心的數(shù)據(jù)。令公共倉儲區(qū)的信息吞吐量為[A=a1，a2，…，an，]為零散的、隨機(jī)的訓(xùn)練集，[B=b1，b2，…，bm]為決策樹的類別集，在倉庫資源管理中心，[ai]屬性值表示參考的實際吞吐量[c1，c2，…，ck]。利用倉庫資源的信息增益Gain評估物流速度的最優(yōu)分裂度和互信息量。在決策樹模型下，隨著電商產(chǎn)品銷售，電商倉庫的負(fù)載容量得到合理調(diào)度。構(gòu)造電商倉庫的負(fù)載容量信息調(diào)度輸出增益表達(dá)式為：

式中：[pi]指采集的原始RFID數(shù)據(jù)屬于電商倉庫物資類別[bi]類元素所占的比重；[Bj]表示在RFID數(shù)據(jù)訓(xùn)練集中含有物資類別為[ax]屬性中[cv]值的元素集合。

為使得電商倉庫存儲和利用效率最大化，需要使物流效益以及物資收發(fā)的速度達(dá)到最佳匹配[6]，采用物流供應(yīng)鏈控制目標(biāo)函數(shù)，調(diào)度控制電商倉庫的存儲信息。令目標(biāo)函數(shù)取最大值：

在物流負(fù)載壓力恒定的情況下，為了提高電商倉庫的物資檢測性能，需要在產(chǎn)品銷售和倉庫進(jìn)出庫吞吐量之間達(dá)到均衡，得到倉庫的容量匹配函數(shù)為：

根據(jù)容量匹配函數(shù)，構(gòu)建基于物流供應(yīng)鏈的電商倉庫信息存儲訓(xùn)練集，將存儲的物資資源容量劃分為若干個子集，提取所需信息知識。在資源信息讀取和挖掘過程中，閱讀器將一個特定頻率的無線電波發(fā)送到電商倉庫中的電子標(biāo)簽，各個標(biāo)簽采用無線射頻識別技術(shù)編碼物資信息，提取電商倉庫的存儲信息。

2 倉庫檢測關(guān)鍵技術(shù)設(shè)計

在C4.5決策樹模型下，分析提取倉庫物流信息特征主成分，實現(xiàn)對電商倉庫吞吐量和容量的準(zhǔn)確檢測和預(yù)估。引入C4.5決策樹模型，電商倉庫存儲容量的目標(biāo)測試數(shù)據(jù)標(biāo)簽識別概率為[P（1）=[1-L-1]m-1，]而主特征深度為[k]時，對標(biāo)簽的識別概率為：

預(yù)測電商倉庫進(jìn)出庫流量的過程中，采用平均時隙線性疊加倉庫出入庫流量，用四元組[Ei，Ej，d，t]表示倉庫出入庫的決策樹模型，其中[Ei]，[Ej]是需要建立的邊向量Source節(jié)點(diǎn)（即節(jié)點(diǎn)[i]和[j]），[d]為輸入倉庫的物流流量序列的交互數(shù)據(jù)，[t]為倉庫物資出入庫的交互所需時間。采用博弈模型均衡調(diào)度出入庫的流量[7?8]，得到電商倉庫的出入庫流量特征序列主成分分布概率密度為[D]，[D=Si，jt，Ti，jt，Ui，jt]，其中[Si，jt]表示物流負(fù)載壓力下物流產(chǎn)品占用倉庫的空間系數(shù)；[Ti，jt]表示占用倉庫的時間系數(shù)；[Ui，jt]表示物資存儲于倉庫中的空間與時間關(guān)聯(lián)性函數(shù)；在選定物流配送中心的情況下，電商倉庫能有效實現(xiàn)物資收發(fā)，其置信度因子為：

3 仿真測試

測試電商倉庫的物資容量檢測準(zhǔn)確性、出入庫檢測準(zhǔn)確性和電商倉庫的物資收發(fā)時間，并分析各項性能。各個倉庫的存儲容量、單位管理成本以及機(jī)械化作業(yè)指數(shù)參量見表1。

根據(jù)圖2和圖3得知，采用本文方法進(jìn)行電商倉庫的存儲容量與性能檢測，預(yù)測結(jié)果與實際值接近，計算得知均方根誤差較小，而傳統(tǒng)方法與實際值差異性較大，說明本文方法對倉庫吞吐量的預(yù)測準(zhǔn)確度更高。

4 結(jié) 語

為提高倉庫的物資管理效率，本文在大型物聯(lián)網(wǎng)技術(shù)基礎(chǔ)上優(yōu)化設(shè)計電商倉庫檢測方法。首先基于電子標(biāo)簽技術(shù)構(gòu)建電商倉庫存儲系統(tǒng)的物聯(lián)網(wǎng)架構(gòu)模型，采用超高頻射頻識別技術(shù)進(jìn)行電商倉庫系統(tǒng)的物流流量追蹤和信息特征提取，然后在C4.5決策樹模型下分析提取倉庫物流信息特征主成分，實現(xiàn)對電商倉庫吞吐量和容量的準(zhǔn)確檢測。研究得出，采用本文方法對倉庫的吞吐量預(yù)測和物資收發(fā)實時檢測的精度較高，提高了電商倉庫的物資收發(fā)效率，在電商倉庫的物資收發(fā)管理中具有較高的應(yīng)用價值。

參考文獻(xiàn)

[1] 李敏，倪少權(quán)，邱小平，等.物聯(lián)網(wǎng)環(huán)境下基于上下文的Hadoop大數(shù)據(jù)處理系統(tǒng)模型[J].計算機(jī)應(yīng)用，2015，35（5）：1267?1272.

[2] 賈安超，周剛.基于粗糙集和BP神經(jīng)網(wǎng)絡(luò)的供應(yīng)商選擇研究[J].物流技術(shù)，2012，31（12）：229?232.

[3] 楊儉.云計算在現(xiàn)代物流中的應(yīng)用[J].物流技術(shù)，2012，31（11）：415?416.

[4] 鄧海生，李軍.RFID數(shù)據(jù)流過濾算法研究[J].計算機(jī)技術(shù)與發(fā)展，2012，22（6）：26?29.

[5] 何倩，胡啟偉，王勇，等.基于軟件定義網(wǎng)絡(luò)的反飽和分組云負(fù)載均衡[J].計算機(jī)應(yīng)用，2016，36（6）：1520?1525.

[6] 潘旭偉，李澤彪，祝錫永，等.自適應(yīng)個性化信息服務(wù)：基于情境感知和本體的方法[J].中國圖書館學(xué)報，2009（6）：41?48.

[7] 唐燕，李健，張吉輝.面向再制造的閉環(huán)供應(yīng)鏈云制造服務(wù)平臺設(shè)計[J].計算機(jī)集成制造系統(tǒng)，2012，18（7）：1554?1562.

[8] 游達(dá)明，朱桂菊.低碳供應(yīng)鏈生態(tài)研發(fā)、合作促銷與定價的微分博弈分析[J].控制與決策，2016，31（6）：1047?1056.

[9] PARK H R， LI J. Sparse covariance?based high resolution time delay estimation for spread spectrum signals [J]. Electronics letters， 2015， 51（2）： 155?157.

[10] 周莉，潘旭偉，謝玉開.情境感知的電子商務(wù)個性化商品信息服務(wù)[J].圖書館情報工作，2011，55（5）：130?134.