基于物聯網的新時代物流應用研究

摘 要：針對目前物流快遞發展過程中存在的產品安全性差、智能化程度不高等問題，提出了一種基于物聯網技術的快遞安全運輸應用方案。利用傳感器設備對快遞運輸過程中的位置以及環境參數進行采集，配合UDP或MQTT網絡傳輸技術，智能顯示快遞的位置以及工作狀態。在終端利用平臺Java代碼對數據進行處理判斷并提供對應決策，降低快遞損毀風險，提高用戶體驗，節約檢錄人員成本，幫助企業以及大眾獲得更多便利，為智慧物流提供可行性方案以促進物流行業的可持續發展。

關鍵詞：物聯網；智能檢測；Java；UDP；MQTT；智慧物流

中圖分類號：TP39；TN91 文獻標識碼：A 文章編號：2095-1302（2024）08-0-03

DOI：10.16667/j.issn.2095-1302.2024.08.030

0 引 言

物聯網可以簡單理解為物物相連的互聯網，是互聯網向現實世界的擴展和延伸，即任何兩件物品之間都可以通過互聯網進行信息交換和通信[1]。當下物流行業正在高速發展，其主流方向由傳統的人工分揀配送向信息化和智能化發展，自2016年的《數字化交通“十三五”規劃》發布以來，國家大力推動物流業轉型?！丁笆奈濉睌底纸洕l展規劃》指出：加快推動數字產業化，增強關鍵技術創新能力，加快培育新業態新模式，營造繁榮有序的創新生態?，F代物流業基于運輸行業而存在，而反觀運輸行業，若要取得長遠的發展，則必須得到現代物流業的支持[2]。數字信息技術的發展日新月異，促進了農產品智慧物流風貌與格局的整體改觀[3]。智慧物流帶來的革新也體現在環保之中，優化運輸路徑、降低能源損耗等方式也滿足了國家對于環保的要求。中國是物流大國，事實上，物流行業在過去十多年來飛速發展，成為了國民經濟的重要支柱產業。根據中國物流與采購聯合會發布的數據，我國物流行業總規模從2016年的227.1萬億元快速增長到2019年的283.8萬億元，總體規模高度提升。到2020年底，我國國內就物聯網技術方面的專利申請累計達到了5萬多件[4]。根據中國物流與采購聯合會的數據顯示，2021年物流業景氣指數平均為53.4%，較上年提高1.7個百分點；社會物流總費用為16.7萬億元，

同比增長12.5%，占GDP比重為14.6%，說明我國物流行業還有長足的發展空間[5]。而根據國家郵政局近日發布的《2022年

6月中國快遞發展指數報告》顯示，6月份中國快遞發展指數為289.4，環比增長7.5%。專家表示，隨著保通保暢政策紅利效果進一步顯現，線上消費漸回活躍區間，預計下半年，郵政快遞業發展環境日益優化，傳統運行旺季的潛力空間依然可期。目前，日均業務量恢復至3億件以上，已超去年同期水平[6]。盡管物流行業規模不斷膨脹，物流業信息化的發展還存在一些問題和瓶頸。如信息孤島、信息安全、信息交換等問題，阻礙了物流信息的共享和互通[7]。在現實生活中可以加速分揀并配合無人駕駛技術優化物流運輸策略，借此也可避免突發事件對物資供應鏈斷裂的損害，而該技術也可以提供更高的運輸速度和更低的人力成本。物流企業通過信息化建設和業務優化可以實現物流行業從傳統物流向現代物流的轉型，推動物流行業從低端向高端轉型。物流業信息化是實現物流行業數字化、智能化和可持續發展的

關鍵[3]。

1 系統構建

1.1 整體實施方案

該方案主要包括快遞包裹端、服務器端以及服務終端。其中，快遞包裹端負責采集設備數據；服務器端負責接收快遞包裹端收集的數據并對其進行處理轉發；服務終端負責將服務器端收到的數據進行可視化處理和結果判定及后續處理。系統結構搭建方案如圖1所示。

1.2 硬件設計方案

硬件分為5個模塊：電源模塊、北斗模塊、4G通信模塊、傳感模塊和MCU模塊。硬件結構如圖2所示。

電源模塊采用INR18650電池，電池容量為2 600 mA·h，

額定電壓為3.6 V，放電以及存儲溫度為-20～50 ℃，適應多種環境天氣。INR18650采用鋰鎳鈷鋁氧化物作為正極，具有較高的能量密度和出色的放電性能。電池容量大可實現較長的放電時間，同時最大放電電流也可以滿足高功率應用需求。北斗模塊與4G通信模塊采用移遠EC200U模塊，該模塊可以支持多種通信協議和調制解調方式，在保證高兼容性的同時還擁有許多擴展口，支持定位，可以滿足不同的物聯網應用需求。溫濕度傳感器采用DHT11，這是一款常見的低成本數字式溫濕度傳感器，常用于小型溫濕度計等應用場景。DHT11的溫度測量范圍為0～50 ℃、最小分辨率為

±1 ℃、測量精度為±2 ℃，濕度范圍為20%～90%RH、最小分辨率為±1%RH、測量精度為±5%RH。雖然這款傳感器的響應速度并不是很高，但足夠檢測包裹內溫濕度變化指數。分類預測分為三個步驟：第一，采集數據；第二，分析數據，進行去噪濾波以及平滑處理并利用模型進行數據分類預測；第三，根據判斷結果返回數據信息。MCU模塊的主控芯片采用STM32F103RET6芯片，該芯片使用ARM Cortex-M3架構，適用于各種嵌入式控制和實時操作系統的應用，可滿足開發的基本需求。

2 包裹檢測算法

文中所采用的檢測算法主體為基于異常密度檢測LOF算法[8]，算法依賴于包裹硬件系統傳回服務器的位置信息。針對包裹丟失檢測，文中綜合考量了實際民用GNSS（Global Navigation Satellite System）定位數據準確度，可以較為準確地對包裹正常、丟失進行實時識別，并可以實時獲取包裹的詳細物流數據，對于快遞包裹全面物聯網化有一定指導意義。

2.1 對于包裹定位情況的數據化描述

將衛星定位時的位置矢量記為P，光速為c，T為衛星發射信號時間，t為信號被接收的時間，d為衛星時鐘誤差，此時可以收到3個（及以上）衛星的空間坐標（xi， yi， zi），i=1，2，3。

依次類推，衛星定位方程組如下：

（1）

式中：物流包裹坐標為（x， y， z），該方程組可通過高斯-牛頓法獲取高效解，最終求得定位信息。將定位的空間坐標計算出來后，將x、y、z坐標通過下述方程組轉化為東北天坐標系，即ENU坐標系：

（2）

需要根據ENU坐標系轉化為ECEF坐標系，并用WGS84橢球模型轉變成經緯度，為便于理解，選擇使用理想模型將地球近似看作球形，給出如下簡易直角坐標系轉化公式：

（3）

高程轉化公式：

（4）

式中：N是緯度為lat處的子午圈半徑。完成定位信息數據化后，通過UDP協議將數據信息傳輸到服務器及服務

終端。

2.2 定位數據分析與解析

每個包裹傳回的坐標信息都可以建立三維點集，記為數據集，R為地球半徑，為配合LOF算法，需要先將經緯度坐標進行弧度化以及三維坐標化處理，公式如下：

（5）

LOF算法中數據并不以三維坐標系形式直接代入計算，而是需要利用其獨特的k-鄰域表示，每個數據點的k-鄰域都表示該點附近的k個數據點，為了能夠計算出單個數據點的LOF分數，需要通過計算得出每個數據點的k-鄰域。以一個數據點為例，記為p，需要通過如下公式計算出p的某個鄰域Nk（p）的距離密度：

（6）

式中：distk（p）表示p點與k-鄰域內部距離最遠點的距離，即：

（7）

式中：d（p， xi）為距離度量函數的歐氏距離。在上述過程中需要用到計算鄰域，通常使用brute-force search算法，但這種計算每個數據點與其他點距離的方法時間復雜度高，并不適用。對其進行改善，故采用k-d樹的數據結構來加速計算。計算每個數據點的局部可達密度，計算公式如下：

（8）

式中：|Nk（p）|為p點的k-鄰域大小，需要客觀衡量鄰域中所有相對密度的和與p點局部密度及其他點局部密度比值之間的相對關系，選擇熵來體現二者關系，據此可以對單個點的局部離群因子進行公式化描述：

（9）

此處采用所有鄰域點作為離群評估的參考對象，該方法會獲得更好的魯棒性。

2.3 包裹密封性判斷

文中決定采用第三方數值變化來對包裝密封性進行判斷，當包裹包裝密封完成后，其內部氣體的溫濕度比值不變；而當其在運輸途中遭到破壞時，氣體溫濕度會發生較為明顯的變化，根據此原理采用隨機森林算法來對密封性進行預測。隨機森林公式如下：

（10）

式中：決策樹數量為N；決策樹權重為wi；決策樹預測函數為hi；輸入特征向量為x；b為常量，用于提高判斷準確性。最終判斷結果為0則沒問題，為1則有問題。預測函數采用二元決策：

（11）

最終結果是綜合多個決策樹得出的結論，公式如下：

（12）

式中：0.5N為誤差允許范圍。

3 監控平臺

可視化處理必不可少?？梢暬到y是一種圖像處理系統，利用計算機進行數據化、信息化轉化，并進行理論分析。研究數據顯示，數據分析處理與決策的綜合性發展技術包括計算機的可視化處理，在整個物流過程中都需要進行監控和追蹤，以保障系統安全運行[9]。遠程監控平臺基于4G物聯網和微信小程序開發者平臺完成，按照智能檢測系統的功能需求，檢測平臺實現了檢測、報警以及設備日志等功能。運用Python＋云服務器的數據庫進行數據處理存儲[10]，服務器接收并對數據進行第一步處理，之后利用接口綁定在服務終端，數據發送至終端后分析出結果并在客戶端展示。數據在經過服務器轉發、處理、判斷后展示在終端，代碼如圖3所示。

完成數據處理后即可獲取圖4所示服務終端界面。

4 結 語

文中提出了基于物聯網的物流包裹丟失損毀檢測算法，實驗結果表明，本方案在掌握包裹物流信息的同時對可能出現的損失進行預判報警，并通過溫濕度側面反映損失程度，從而可有效減少物流包裹運輸途中的遺失率且可對物流責任進行判定劃分，增加了物流運輸體系內中高端產品的安全性，提高了識別準確率。

參考文獻

[1]萊福.物聯網技術及其在農業領域的應用[J].新農業，2018，48（18）：51-52.

[2]任虹.物流業對交通運輸經濟影響及協調發展策略[J].中國物流與采購，2023，44（15）：140-141.

[3]許敏.信息化視野下農產品智慧物流發展現狀及對策分析[J].綏化學院學報，2023，43（8）：41-43.

[4]牛曉麗.物聯網技術的智能化應用[J].集成電路應用，2023，40

（7）：186-187.

[5]黃欣儀.物流行業數字化轉型的動因、路徑及績效分析[D].廣州：廣州大學，2023.

[6]吉蕾蕾.快遞業發展態勢逐漸回暖[N].經濟日報，2022-07-12（006）.

[7]潘希麗.物流業信息化發展趨勢及其對物流企業的影響[J].物流工程與管理，2023，45（6）：130-132.

[8]王若雨，趙千川，楊文.基于近鄰搜索空間提取的LOF算法[J].哈爾濱工業大學學報，2023，55（10）：1-9.

[9]張寧恩，侯振，萬瑩.智能倉儲物流管理系統分析[J].信息系統工程，2023，36（7）：24-27.

[10]魏子彬，韋思佳，彭濤，等.一種基于STM32的物流車輛內部安全閉環監控系統[J].黑龍江交通科技，2023，46（6）：134-136.

收稿日期：2023-09-06 修回日期：2023-10-20

基金項目：江蘇省大學生創新創業訓練計劃項目（202313573132T）；江蘇省大學生創新創業訓練計劃項目（202313573122E）；江蘇高校哲學社會科學研究項目（2020SJA0539）；教育部產學合作協同育人項目（202002183022）

作者簡介：王志杰（2002—），男，研究方向為計算機算法、圖像識別、機器學習。