冷鏈物聯網監測數據質量評估與優化研究進展分析

胡金有 王靖杰 朱志強 張小栓,3

(1.中國農業大學工學院, 北京 100083； 2.國家農產品保鮮工程技術研究中心(天津)農業農村部農產品貯藏保鮮重點實驗室, 天津 300384； 3.中國農業大學食品質量與安全北京實驗室, 北京 100083)

0 引言

冷鏈物聯網(Internet of things in cold chain, IoCCT)是指應用識別、感知、傳輸、計算等技術于冷鏈，或對冷鏈運營所需設備、物品性能進行延伸，通過技術融合與集成得到有效的狀態監控和穩定的過程數據，為支持決策處理與管理應用而形成的互聯互通網絡。冷鏈的全程、高效監測能夠有效避免冷害、過程損失、腐敗變質等儲運過程中的常見問題[1]，冷鏈物聯網已成為生鮮農產品、加工產品、生物醫藥[2]冷鏈中保障安全、產品增值、實現高效管理的必要手段。近年來，各類物聯網監測技術在不同國家冷鏈環境和品質監測上的應用研究持續發展，產生了適當數據[3]，不斷充實冷鏈過程可視化管理和信息服務(追溯)，滿足綠色發展需求，有效服務于冷鏈向安全、智能和環境友好的方向轉變。

大數據、人工智能、區塊鏈等新一代信息技術[4]的持續發展帶來數據意識，面向生鮮農產品冷鏈監測物聯網的應用研究逐漸深入，冷鏈監測的物聯網化趨勢也相應加強。其他監測物聯網數據質量評估與優化研究較多，但針對冷鏈物聯網監測數據質量的研究較少。而作為冷鏈物流大數據重要來源之一[5]，冷鏈物聯網對數據與服務應用需求、技術經濟性和成熟度、工程應用規范與標準逐步提高，有效的數據治理將為冷鏈物流中數據挖掘、可視化管理、新一代智能應用等數據應用奠定堅實基礎。

目前冷鏈監測物聯網存在缺乏統一數據規范和系統應用質量受限等問題，制約了冷鏈監測物聯網的服務質量，數據質量評估和持續優化技術[6]是應對和解決上述問題、適應和滿足未來冷鏈監測管理需求的關鍵。基于此，本文對冷鏈監測物聯網監測數據質量的形成、評估與優化應用進行綜述，闡明數據質量評估對提高冷鏈物聯網監測數據質量的重要性。

1 冷鏈物聯網監測數據質量評估與優化流程

冷鏈物聯網監測數據具有多重性質，且由于產品特性、包裝實踐、運輸路線、運輸方法和工藝效率在各地冷鏈之間差異較大，且每種技術監測數據特性有限且相對孤立，在功能和性能方面都受到限制，但是這些技術結合使用可以顯著提高冷鏈管理質量[7]。因此，以數據視角從冷鏈物聯網監測數據來源與特性、數據質量形成機理、評估與優化流程分析3方面展開冷鏈監測物聯網的數據質量評估與優化工作。

1.1 監測數據來源與特性分析

高效的管理得益于冷鏈高效監測實踐，典型監測技術與實踐有無線傳感器網絡(Wireless sensor networks，WSN)[8]、時間溫度指示器(Time-temperature indictors, TTI)[9]、多傳感智能監測[10]、智能包裝[11-12]等監測物聯網技術，這些應用和監測數據大大加強了冷鏈管理從而減少了過程損失，進一步研究其特性與應用是必要的，以產生適當的數據。

(1)監測技術與數據特性分析

物聯網監測技術基于不同的原理而具有差異性，且因冷鏈應用場景與實踐應用多樣化、動態性和易變性，導致可追溯性、獨特識別、能源效率、異構性、可拓展性和普遍性在實現冷鏈監測應用的高效性能結構中是必要的[13-14]。如表1所示，應從物聯網監測數據特性中發掘監測物聯網潛力。除此之外，WiFi、NB-IoT(窄帶物聯網)、ZigBee[15]等通信技術，二維碼、智能標簽、手持設備等具備物聯網特性的其他監測技術也都相應應用于冷鏈監測物聯網中。

(2)監測數據特性

冷鏈監測數據的技術因素特性表現為明顯結構與數據流特征。

不確定性：由特定監測技術與環境的差異而連續產生的系統或隨機誤差而導致不確定性。

時空性：在倉儲、物流等場景中由監測點分布與抽樣布置而使其具有較強時間、空間分布屬性。

離散性與間接性：在冷鏈環境中數據雖表現為平穩連續，但由于微環境監測存在采樣周期而具有離散屬性與間接性，少部分技術可以實現全程品質間接監測，如TTI。

冷鏈監測數據的流程因素特性表現為冷鏈過程銜接與多階段特征。

多階段與波動性：由冷鏈過程的多環節差異以及環境變化所導致的冷鏈監測過程具有較為明顯變化，且由于數據流特征而具有明顯的時間屬性。

多源性：由多場景以及多種監測技術配合而具有數據來源及形式復雜多樣且多維的數據特性。

耦合與相關性：對同一或相似流程對象描述以及監測響應機理不獨立而使多個監測參數之間具有相關性、耦合性和交叉敏感性。

生命周期與過程性：針對冷鏈過程而具有明顯的產生與消亡過程，具有較大數據規模且可以快速產生，同時，由于采集、傳輸、轉換、處理及共享等操作而具有非線性生命周期。

此外，冷鏈監測物聯網中數據還具有多態性和異質性。以上數據特征由監測物聯網技術和生鮮農產品冷鏈物流共同決定，數據特性分析對于數據質量形成機理具有指導作用。限于篇幅，本文對視頻、圖片和文字等數據類型涉及較少，主要討論冷鏈監測物聯網中結構數據，并期以此提供可以借鑒的邏輯思路。

表1 冷鏈監測物聯網中主要監測技術與數據特性分析Tab.1 Characteristics of IoT technologies in cold chain

1.2 監測數據質量形成機理

理解數據質量形成機理是實現數據質量控制與形成的基礎，從數據的生命周期的視角分析其過程管理并進行優化，切合冷鏈監測物聯網復雜性、協調性和成本性，把數據獲取當作具有可控流程來分析，有利于結合實際冷鏈來解決數據問題。

如圖1所示，冷鏈物聯網監測數據質量受物聯網獲取技術特征與冷鏈流程關鍵控制點兩個維度形成的數據傳遞關鍵點的影響。通過數據不確定性、動態性、階段性、多因素影響、流程與批次復雜性以及產品易腐性、生物特性、包裝形式多樣等內容，結合監測技術數據特性、冷鏈場景、數據加工處理流程[25]特點以及工程實踐對質量形成與傳遞機理進行分析。冷鏈數據質量形成主要包含誤差分布、數據質量與能耗均衡、綜合數據質量3個層次，具體通過誤差來源和表現類型影響冷鏈監測數據采集質量，之后由一系列技術特性而影響數據集的形成與傳遞，又由傳輸質量與效率、過程控制水平、存儲管理3方面影響數據傳播與存儲質量，隨后經由不同模型應用模式對數據加工處理與分析的影響，并最終形成冷鏈監測物聯網數據質量。

圖1 冷鏈物聯網監測數據質量形成機理Fig.1 Cold chain monitoring IoT data quality formation mechanism

基于上述機理的分析，將冷鏈物聯網監測數據質量定義為：由監測物聯網技術獲取或持續不斷生產的，在其完整生命周期內該數據集滿足冷鏈監測過程需求和組織服務需求程度的多維度度量，且其因組織需求、監測任務、時間點差異而變化。當前，冷鏈監測實踐中數據的不確定性和服務應用的質量仍制約冷鏈精細管理效果，數據質量評估有利于通過追蹤方法優化傳感數據流即時處理過程，以便在有潛在數據質量變化和分布式獲取方式下保持數據流處理系統的效率[26]。因此，冷鏈物聯網監測數據質量評估研究能夠有效減輕低質量數據對后續系統應用的累積影響。

1.3 監測數據質量評估與優化流程

圖2 冷鏈物聯網監測數據質量評估與優化基本流程Fig.2 Basic process of data quality assessment and optimization in cold chain

為在持續的質量評估和管理框架內提高數據質量和功能，針對完整生命周期內的數據實現動態質量維護方法[27]，不斷尋找最優的數據管理方法和技術工具需要特別強調數據維護的過程導向。如圖2所示，冷鏈物聯網監測數據質量評估與優化邏輯流程包含評估、比較、治理、控制、優化等內容，涵蓋了數據源、評估、采集、管理與應用優化部分的內容。其中基于物聯網技術的持續監測、定期監測和控制等技術手段是進一步優化控制的基礎與準則，在由冷鏈物聯網監測數據源到數據終端或數據池的監測評估與持續改進過程中起著重要的中間媒介作用。

圖2所示流程適用于單一技術和多種技術混合監測中數據質量的評估，在適當冷鏈場景中數據生產流程的過程性是相似的，且是一個動態時變過程，有效理解、追蹤、監測數據評估優化流程能夠有效實現保障安全和過程控制等需求。因此，將冷鏈監測物聯網中數據生產過程視為一個可以控制、可以持續優化的流程。作為冷鏈監測中的共性技術，提供可測量、可重復、可理解、可解釋的適應于冷鏈監測應用實踐的標準以及數據質量評估與優化技術是必要的。

2 冷鏈物聯網監測數據質量評估

數據質量模型與冷鏈監測物聯網環境、評價方法相互適應，對數據質量評估研究的綜述和冷鏈監測場景理解是定義冷鏈物聯網監測數據質量的基礎，因此，本節通過對不同領域數據質量測量框架、指標的體系與評估方法2方面來分析冷鏈監測物聯網評估方法。

2.1 監測數據質量評估框架

大量研究從數據視角指出數據質量的重要性，尤其是對基于物聯網監測數據的研究。MCNAULL等[28]通過探討輔助生活環境監測系統中數據質量問題，指出缺乏數據質量控制可能導致系統基于不正確數據、信息和知識輸入而做出錯誤決策，SONG等[29]更是直接指出數據質量在任何網絡物理系統(Cyber physical system, CPS)中都很常見。這些算法都通過探討數據質量測量改進算法對監測實踐的影響，證明積極的結果與數據質量改進過程的實施緊密相連[30]。表2分析對比了不同領域中數據質量評估實踐中常見的評估框架。

表2 基于監測物聯網的數據質量評估框架及其特點Tab.2 Organization forms of evaluation methods and their characteristics

(1)針對不同信息類別中的數據質量的研究

BRONSELAER等[39]針對不完整信息，提供了數據質量的漸進式測量方法。ARDAGNA等[40]針對大數據，提出了上下文意識的數據質量評估方法。HAEGEMANS等[41]針對人工獲取的數據，提供了一種提升人工獲取數據質量的基于任務-技術擬合結構防止錯誤輸入的理論框架。TAGGART等[42]基于結構數據質量報告檢查結構化數據質量報告以及反饋會話的方式來改進醫療信息中的數據質量。CHENG等[43]探討了WSN傳感數據中“數據質量分析+清洗策略”的數據質量分析框架。GRECO等[44]針對醫療物聯網(Internet of medical things, IoMT)類傳感器數據流，在可穿戴傳感器參與構建的基于開源大數據技術背景下，對該技術和架構中的數據流進行了實時分析。因此，在關聯數據[45]的實際評估過程中，更多情況則是統計方法、用戶反饋以及規則約束等3種方法的綜合性應用，考慮到冷鏈物聯網監測數據所涉及的多種數據類型，應提出一種混合數據質量評價框架。

(2)針對數據質量在不同場景的應用研究

結合冷鏈監測物聯網中數據信息類別與監測場景的評估框架是可行的，也有利于從理論和實踐的角度解決冷鏈監測物聯網中的數據質量問題。通過分析加工制造、政府治理、醫療健康、環境監測和能源電網5個典型監測物聯網應用中數據質量評估框架及其特點，結合不同領域識別出內容質量和可靠性關鍵質量尺度對持續改進服務質量的影響最大[46]，因此要提出面向冷鏈全場景的監測物聯網完整質量管理。

通過以上相關文獻分析，提出結合冷鏈物聯網監測數據特性、具有應用場景意識和基于冷鏈監測物聯網數據質量形成機理的多指標體系的評估框架。該框架應該能夠結合冷鏈監測實際需求，考慮由不同監測技術所導致的信息類別差異以及場景差異，能夠描述數據質量傳遞特點，最終實現數據質量完整評估，從而為后續數據意識深入發展與數據質量評估奠定基礎。

2.2 監測數據質量評估指標體系與方法

數據質量評估指標、方法與特定評估對象指標相互適應，關注過程中數據質量及其整體性，從數據質量模型出發，借鑒其他評估場景中評估體系和方法可以建立冷鏈物聯網監測數據質量評估指標體系與方法。

表3為物聯網數據質量評估方法的比較與分析，KARKOUCH等[55]從數據質量的角度對物聯網中數據質量的研究進行了綜述，提出可以針對冷鏈監測物聯網系統中的數據在精度、數據量、客觀性、完整性、可靠性、可驗證性、安全性[56]等多維度上的表現進行有意識的治理。而基于多維度的數據質量評估方法有加權[57]、混合方法[58]、改進層次分析、數據細節刻畫[59]以及其它改進量化方法等，分析數據質量多種性質的關聯關系，可以作為對于權衡和分析不同質量指標之間關系和優化方法的重要參考。通過以上分析得出，可結合數據特性、監測技術特性、冷鏈監測流程與場景特性以及數據用途構建冷鏈物聯網監測數據質量分析框架與方法。因此，冷鏈物聯網監測數據質量應從準確性、數據量、完整性、時效性、及時性、完整度、信息量、可靠性、安全性以及模型適用度等方面展開，并以綜合評價方法、模糊綜合評價等綜合方法實現各個維度指標之間的均衡與可視化。也只有適應冷鏈監測數據應用需求的評估意識和方法，才能通過比較和持續改進來實現冷鏈監測物聯網中數據管理和控制，不斷在工程實踐中優化服務管理，推進數據意識在農產品冷鏈監測物聯網中的深入。

表3 物聯網數據質量評估方法的構成形式與比較分析Tab.3 Organization forms of evaluation metrics and their characteristics

3 冷鏈物聯網監測數據質量優化關鍵方法

數據質量可測量是控制和優化的基礎，下面以數據為中心視角[60]，從數據采集、數據傳輸與數據存儲模型、數據處理與應用等5個層面對冷鏈物聯網監測數據管理中的問題加以闡述。

3.1 監測數據預處理與優化方法

由上述分析可知冷鏈監測物聯網數據具有典型數據流特征。因為其由傳感器等監測實體中持續產生，硬件設備固有的限制以及環境噪聲等因素容易造成多維屬性的影響。例如，為了保證數據獲取的準確性、完整性和一致性等質量屬性，需要構建異構多源多模態感知方法[61]，AYADI等[62]和MUHAMMED等[63]分別通過對WSN環境下檢測方法的比較分析提出選擇合適方法來實現異常檢測和錯誤檢測的重要性。而MASSAWE等[64]則通過自適應數據清洗框架減少RFID數據流錯誤讀數。表4所示為冷鏈物聯網監測數據感知與優化方法的具體對比與分析，這些方法適用冷鏈物聯網監測數據，對于建立更有效的方法具有借鑒和導向作用。

此外，在感知數據質量優化方法研究方面，有學者從數據質量、類型、應用視角分析物聯網數據質量的采集壓縮技術可行性[81]。針對冷鏈監測物聯網的感知場景和需求多樣化的特點，KANG等[82]通過模擬研究不同采樣頻率對冷鏈監測效果的影響，而需要更快交易和運營數據的動態供應鏈組織系統則需要更快的物聯網數據采樣頻率[83]。

以上研究從數據感知精度優化、過程異常檢測、數據預處理以及算法設計與技術的角度，通過增加監測數據的關聯性和信息量來提高數據質量，應用場景分布式數據流清洗、在線插值技術、多傳感參數融合技術實現物聯網數據質量的控制以及多種算法的結合，能夠顯著提高某項或幾項特定維度數據質量。后續研究應該從質量需求和數據質量角度加強數據采集質量管理，并且隨著冷鏈監測中必要參數的增多，其它方面對監測數據質量優化問題凸顯，應該加強這些環節的優化工作。

3.2 監測數據特性與傳輸存儲管理

通過有效算法優化冷鏈監測物聯網中能源效率是研究的重要內容。XIAO等[8]通過壓縮感知CS(Compressed sensing)方法來改善冷凍和冰鮮水產品冷鏈的監測效率，其后討論了其能耗表現，并認為其在鮮食葡萄冷鏈管理上可作為一種高效率感知方法[49]。此外，針對環境感知的無線傳感器網絡路由方法進行了比較分析[84]， MARJANOVIC等[85]針對不同應用需求和地理傳感器分布情景評估其節能效果，利用質量驅動的傳感器管理功能可以實現能耗降低，有利于生鮮農產品冷鏈微環境監測的場景特點的適應性和網絡能耗控制路由方法選擇。因此深入研究無線傳感器網絡能量優化方法，對傳輸層數據質量優化具有積極意義。

表4 冷鏈物聯網監測數據采集質量優化方法比較與分析Tab.4 Comparison and analysis of optimization methods for IoT data acquisition in cold chain monitoring

注：NRAQC為近實時自主質量控制系統。

在數據傳輸及時性與數據質量管理方面，VASCONCELOS等[86]研究了應用于中斷連接WSN場景中數據采樣方法，構建了基于簡單克里金插值的現象重建的延遲容忍傳感器網絡模型，其數據感知丟棄策略的性能比傳統優兩倍。LIONO等[87]采用數據質量估算技術的數據匯總機制框架，實現基于質量驅動的數據高效存儲管理，能夠有效減少存儲數據量。在網絡連接異常檢測上，GHALEM等[88]提出了一種基于copula的概率多變量異常檢測方法，其性能優于現有的統計方法。在通信部署形式上，CHEN等[17]使用無源RFID取代半無源標簽與傳感器構成無源標簽，構建了一種智能的冷鏈系統，有效降低了各項成本。TU等[89]則提出利用密碼學開發基于知識的方法解決供應鏈中條形碼和RFID標簽分離的問題，以識別RFID標簽損壞和/或與其相關對象分離的現象，這些問題的深化研究有益于冷鏈監測場景中數據質量提升。

而對冷鏈監測傳輸的安全性與可靠性研究較少，ERGULER[90]分析了基于RFID的物聯網的缺點，指出物聯網中的RFID身份驗證協議需要新的安全機制，考慮RFID受損或者與后端服務器之間的通信渠道不安全造成的潛在安全風險，提供一種加強基于RFID和WSNs的物聯網應用表現的框架，通過模糊Q算法和基于模糊系統的路由分類器解決RFID與WSN集成中可靠性問題，能夠提高識別性能、降低丟包率、降低節點能耗、網絡負載均衡[13]。同時，相關學者也從時間延遲、網絡規模、能效、可擴展性和可靠性等參數比較現有方法，從綜合研究的角度對移動無線傳感網絡(Mobile wireless sensor networks, MWSNs)數據傳輸的可靠性進行了探討[91]。

綜合來講，WSN、RFID、ZigBee、WiFi等也都應用于冷鏈監測傳輸部分，通過算法來實現這些技術在傳輸性能和存儲集成問題，能夠通過改善數據質量有效提高能效和服務質量。因此，冷鏈物聯網監測也應更加注重傳輸連接、數據存儲等所帶來的數據及時性、數據量、可靠性以及安全性等問題。

3.3 監測數據關聯性與技術優化

冷鏈物聯網監測更加注重通過數據關聯發現差異來增強品質控制與過程可視化。BADIA-MELIS等[92]通過數據估計(Data estimation)預測方法預測制冷集裝箱中果實溫度，發現果實溫度存在明顯差異。為了加強對冷鏈監測差異進一步的控制，WANG等[93]利用WSN節點為冷鏈提供完整準確的溫度、濕度和氣體監測信息，對桃和油桃冷鏈進行了品質監測和差異分析，進一步構建多傳感器管理的追溯系統，有效提高了出口蜜桃冷鏈中的質量控制和透明度[94]。FENG等[95]通過整合無線傳感器網絡(WSN)監測影響質量特征的溫度、濕度、氧含量、二氧化碳含量等動態指標，建立基于知識的HACCP質量控制計劃，提高了冷鏈管理透明度，加強了冷凍貝類的質量控制。此外，在包裝層面，通過一種長距離的無源RF傳感器監測包裝內蔬菜的新鮮度提高監測關聯度可增強冷鏈中時間-溫度透明度[96]。還有學者依托RFID感知的溫度指標監測來實現對生鮮魚包裝的改善作用[97]，用物聯網監測的數據來改善物流中包裝的效果，其數據可以作為將包裝的效率進行可視化，因此，冷鏈監測與品質控制更加依托監測技術應用所獲取的數據。

提高冷供應鏈可追溯性的各種識別技術，通過選擇技術上可行、實用、經濟、產品聲譽、質量和安全性方面來確定可追溯性和結構適用性[14]。XIAO等[98]通過結合WSN和AOW的方法探討不同鮮食葡萄在冷鏈中的影響。為了改善鮮食葡萄冷鏈的追溯性和透明度，WANG等[10]針對實際的冷鏈進行了跟蹤測試，開發并評估了基于WSN的多傳感系統，證明了其有效性。JEDERMANN等[99]通過調整微型半被動RFID溫度記錄儀分析局部偏差量、檢測溫度梯度完成空間溫度分析，估算了卡車或集裝箱內可靠監測所需最小傳感器數量，劉靜等[100]對冷藏車中傳感器布點進行了優化。此外，THAKUR等[101]在運輸過程中將RFID與溫度傳感器結合，提供了一種基于EPCIS(Electronic product code information services)的在線溫度監測和追溯應用，通過監測并記錄冷藏羊肉產品冷鏈的時間-溫度信息，減少溫度變化引起的質量損失來優化整個食品供應鏈性能。基于高質量監測數據的追溯是食品供應與冷鏈監測中必不可少的一部分，因此應進一步優化其技術組合。

3.4 監測數據與模型應用適用度

應加強冷鏈監測數據與貨架期模型的應用適用度，TSIRONI等[9]在真實冷鏈環境下通過評估用于貨架期監測的時間溫度指示器，指明在真實冷鏈的貨架期預測中存在偏差問題。隨后針對實際冷鏈中鮮切沙拉的貨架期預測模型，對預測模型的適用性及統計誤差等問題進行了討論[102]。劉雪等[103]則通過不同溫階實驗模擬比較動力學預測模型和BP神經網絡預測模型的預測效果，精度達到95.93%。同時，GORANSSON等[104]也通過溫度場論證了在生鮮食品供應鏈中在貨架單元不同位置所產生的貨架期差異，并從多個場景實地評估了食品冷鏈溫度表現與貨架期動態預測和印刷保質期關系，證明不同溫度效率的食品冷鏈存在顯著差異，證明全程監測可以實現動態貨架期的預測，能夠有效提高冷鏈透明度，支持改善標稱貨架期[105]。后續研究應加強和改善數據質量與冷鏈貨架期預測方法的需求適應性。

與此同時，冷鏈中基于監測數據的貨架期預測研究機理更接近冷鏈食品品質變化本質，因而能有效提高預測結果的準確性與適用性[106]。張虎等[67]通過對品質感知的TTI進行動態校準，對品質變化的指示效果更明顯。邢少華等[107]結合Baranyi模型探討波動溫度條件下的微生物生長動力學模型，建立了能夠擬合實際冷鏈物流環境中羅非魚微生物變化情況的微生物生長動力學模型。同樣，DERMESONLUOGLU等[108]在冷鏈動態環境下進行了冷凍菠菜品質指標和貨架期模型的動力學研究，并定量評估溫度偏差的影響，并對實際冷鏈中剩余貨架期進行了測量。還有學者通過構建特定的智慧物流單元，利用溫濕度結合水果揮發性有機化合物和二氧化碳氣體信息進行剩余貨架期預測，能夠用于易腐食品供應鏈的高效管理[109-110]。此外，也有研究冷鏈后期零售環節中的環境條件對果蔬品質和浪費的影響。因此，應加強結合冷鏈具體環境和產品品質變化的參數監測與預測的質量。

3.5 監測數據實時性與動態決策管理

在冷鏈位置信息和場景結合增強運輸過程控制與動態決策質量方面，LA SCALIA等[110]通過確定合適的追溯單元或監測單元，在易腐食品供應鏈中用智慧物流單元實現精細高效管理。RUAN等[111]通過使用多場景分析的方法，基于物聯網關注電子商務運輸中果蔬新鮮度的監測與評估，但沒有結合實際跟蹤。針對西紅柿[112]、香蕉等典型呼吸躍變型果蔬，通過氣調和濕度包裝等技術可以減少冷鏈中西紅柿冷害的發生和延緩或加速果實成熟[113]，從而實現運輸過程控制。OLIVEIRA等[114]通過地理圍欄技術與RFID感知技術的結合，實現對物流過程位置管理，TSANG等[115]基于食品實時監控構建用于保障果蔬等易腐食品質量的智能模型，通過遺傳算法(GA)制定最佳遞送路線，減少運輸過程中食物腐敗率以及路線規劃和劣質食品交付所需的時間，有效分配具有不同處理要求(例如溫度和濕度)的多種類型的食品，以將期間的腐敗率最小化。

應通過貨架期數據的實時性加強生鮮農產品庫存管理決策質量，HERBON等[116]將場景意識引入到易腐食品的庫存管理中，通過品質狀態和自動化預測設備來監測貨架期變化，以減少貨架期差異所導致的利潤變化。SCIORTINO等[19]則通過提高參數處理的實時性決策應用，通過草莓運輸結合位置信息比較不同貨架期預測模型，實現GIS系統的實時貨架期預測方法和在線動態銷售。在冷鏈物流網絡中智能冷鏈集裝箱能夠實時精確監控水果品質狀況并結合其所跟蹤地理位置，基于氣候控制和增強的分配策略，從而減少運輸損失[117]。在FEFO策略和冷鏈物流實時監測系統的基礎上，QI等[118]將WSN和TTI特性結合易腐食品貨架期預測和LSFO決策支持系統，有效彌合不同冷鏈階段企業之間的信息差距，提供了整個鏈條的無縫信息流，能夠有效降低質量和經濟損失，因此，加強貨架期預測的實時性能夠有效降低損失。

3.6 監測數據完整性與數據挖掘

冷鏈監測數據完整獲取能夠加強冷鏈管理與信息挖掘，為此GOGOU等[119]開發了一個基于網絡平臺的冷鏈數據庫，用于整個冷藏和冷凍食品供應鏈中的溫度條件數據收集，收集了包括所有冷鏈階段(生產、加工、分銷商、零售商和消費者)的數據，以作為有價值的冷鏈管理工具，促進冷鏈改進和管理。WANG等[120]采用關聯規則挖掘和物聯網技術構建及時監控供應鏈所有檢測數據的食品安全預警系統，基于數據挖掘能夠有效識別奶制品安全風險。ER KARA等[121]采用數據驅動方法將數據挖掘和風險管理活動集成在一個獨特的框架中，支持從非結構化數據中識別、評估和減輕供應鏈中不同類型的風險，實現風險管理。因而，提高冷鏈監測數據的完整性能夠有效提高挖掘決策管理質量，冷鏈監測數據也應加強數據的完整性、相關性等結構特性。

以上文獻的分析表明，冷鏈研究開始有意識地從提高數據質量的角度解決冷鏈監測貨架期的計算和應用問題，通過多種數據信息的關聯處理與挖掘對決策質量優化具有引導和規范作用，因而逐漸成為冷鏈監測物聯網決策平臺與數據質量管理核心內容。

本文主要對冷鏈監測物聯網技術與實踐中數據質量相關研究和優化方法進行了綜述，冷鏈物聯網監測數據質量控制優化方法基本上涵蓋了當前冷鏈監測物聯網技術和主要應用場景，能夠為冷鏈物聯網監測數據產生與處理研究提供參考和借鑒。

4 冷鏈物聯網監測數據質量評估與優化研究展望

冷鏈物聯網監測數據質量評估與優化是冷鏈監測物聯網持續發展的重要內涵，能夠為冷鏈監測物聯網技術發展與應用提供針對性發展建議，是應對冷鏈監測物聯網與服務應用之間需求的技術手段，是冷鏈物聯網監測數據滿足組織服務需求、融入物聯網大數據發展的必要過程，有助于加速形成大數據。結合數據質量評估方法與技術綜述，以及冷鏈監測物聯網工程實踐中的經驗總結，冷鏈監測物聯網中數據質量評估與優化技術未來研究方向主要包括以下幾點：

(1)注重從數據視角解決冷鏈監測物聯網數據產生過程與流程的數據質量問題。以數據的視角，從數據生產流程產生機理看待監測物聯網中的數據獲取過程，為發現、解決和處理數據獲取中數據質量問題提供新的視角，有助于從數據質量層面理解和運用技術，數據生產過程的控制、挖掘技術的潛能，創新技術應用，為從理論層面解決冷鏈監測的物聯網化提供新的研究路徑。

(2) 數據質量評估技術、方法與應用場景、流程需求差異化的結合日益緊密。數據質量評估技術與方法在處理不斷涌現的物聯網監測數據時具有愈來愈重要的位置，目前尚未形成適用于冷鏈監測物聯網技術和各類型數據質量的通用評估方法，更加注重冷鏈監測的流程特點和場景化研究，構建冷鏈物聯網監測數據質量評估方法是必要的。

(3)數據質量的測量與評估逐漸成為冷鏈物聯網監測數據質量持續優化的關鍵。數據質量評估框架決定了數據質量的評估方法，而數據質量管理可以提供統一和一致的認識，通過結合數據質量的度量來實現數據質量的優化，應結合冷鏈監測物聯網組織的數據需求來加強數據質量指標體系建設，使之更加符合機構對冷鏈監測物聯網技術的需求，能夠提高部門對冷鏈監測物聯網技術的滿意度。

(4)冷鏈監測數據獲取應注重物聯網過程中數據特性、數據特征以及與獲取流程的匹配性。數據監測獲取結合數據生產過程關鍵點的控制，通過多參數、完整鏈條能夠實現對冷鏈監測過程和場景的完整詳細描述，壓縮感知，數據存儲管理、成本能耗與數據質量的權衡、設備的小型化與智能化(智能包裝)、低成本則更加便于部署，貼近真實，增強數據的完整性和真實性。

(5)冷鏈物聯網監測數據質量提升應注重物聯網監測技術的協同優化與性能挖掘。通過多種監測技術的配合、協同應用以及工程應用的實踐檢驗，更加注重數據采集技術與混合方法的使用，通過有效增加監測數據的質量屬性、維度以及關聯度來提高數據質量，進一步增強所構成的一組技術參數之間的銜接以及技術的質量和實用性，為數據挖掘、處理應用等大數據應用提供基礎數據。