【技術實現步驟摘要】
本專利技術涉及數據協同監管，具體為一種基于物聯網的數據協同監管系統及方法。
技術介紹
1、在物聯網技術快速發展的背景下，針對數據監管領域的需求面臨越來越嚴峻的考驗；傳統的數據監管方式往往存在信息化程度不高、數據孤島、監管效率低下等問題，難以滿足現代企業對數據安全和業務連續性的高要求。
2、針對物流運輸行業，現有的數據監管方式監控內容比較片面，無法實現多參量之間的數據協同，且無法結合物品運輸過程中的運輸狀態及運輸物品的特征情況，實現對物品運輸狀態的動態調控(現有的壞損物品需要接收方確認后才能回退，在運輸期間無論是發送方還是接收方均無法了解物品的狀態是完好還是壞損，發送方無法在運輸過程中無法做出相應的應對決策，應對效率低下)，進而現有技術存在較大的缺陷。
技術實現思路
1、本專利技術的目的在于提供一種基于物聯網的數據協同監管系統及方法，以解決上述
技術介紹
中提出的問題。
2、為了解決上述技術問題，本專利技術提供如下技術方案：一種基于物聯網的數據協同監管方法，所述方法包括以下步驟：
3、通過傳感器實時采集物流運輸過程中的運輸狀態數據，并通過物聯網對物流運輸過程中各個傳感器采集結果進行匯總，構建運輸狀態分析模型；
4、對物流運輸用戶待運輸的物品進行特征提取，得到待運輸物品特征集，將所得待運輸物品特征集與相應的運輸狀態分析模型進行綁定，得到關聯分析評估模型；
5、獲取歷史數據中各個運輸物品特征集基于相應運輸狀態分析模型的異常運輸風險情
6、基于關聯分析評估模型中待運輸物品的運輸狀態風險預測值的分析結果，以及歷史數據中物流運輸用戶的針對運輸的壞損物品的操作決策，生成基于待運輸物品的物流操作預警決策，并反饋給物流運輸用戶；
7、結合物流運輸用戶針對待運輸物品的操作決策及待運輸物品的運輸目的地，生成后續物流運輸的路線備選方案，并反饋給物流運輸管控人員。
8、本專利技術實現對物流運輸用戶及物流運輸管控人員做出決策的雙端口預警，不僅確保物流運輸用戶針對運輸物品存在的風險情況能夠提前做出應對決策，還能夠為物流運輸管控人員后續過程中的運輸通行路線提供輔助參考。
9、優選地，所述構建運輸狀態分析模型，包括：獲取物流運輸過程中不同運輸階段對應的運輸車輛，所述不同運輸階段為不同運輸路徑區間，每個運輸路徑區間為數據庫表單中預置的，
10、所述運輸狀態數據包括運輸時間點、車輛顛簸幅度值及車速瞬時變化值；
11、獲取同一運輸車輛上設置的傳感器在同一運輸階段內不同時間點對應的運輸狀態數據內車輛顛簸幅度值隨運輸時間變化的折線圖，將所得折線圖對應的函數記為第一狀態分析函數；獲取同一運輸車輛上設置的傳感器在同一運輸階段內不同時間點對應的運輸狀態數據內車速瞬時變化值隨運輸時間變化的折線圖，將所得折線圖對應的函數記為第二狀態分析函數；
12、將同一運輸階段內的第一狀態分析函數及第二狀態分析函數構成的集合作為相應運輸階段對應的運輸狀態分析子模型，所述運輸狀態分析模型包括物流運輸過程中所有已執行的運輸階段分別對應的運輸狀態分析子模型；
13、在待運輸物品抵達目的地前，所述運輸狀態分析模型隨運輸階段的變更實時進行更新。
14、優選地，所述待運輸物品特征集包括物品種類及包裝厚度的最小值；
15、所述得到關聯分析評估模型為運輸物品特征集與運輸狀態分析模型的綁定關聯對。
16、優選地，所述實時獲取關聯分析評估模型中待運輸物品的運輸狀態風險預測值，包括：
17、計算關聯分析評估模型中的運輸狀態分析模型對應的第一狀態偏置關聯值及第二狀態偏置關聯值，
18、cv1bias＝intergral{sa1function，cz1}·[1+ε1·md{sa1function，cz1}]，
19、其中，cv1bias表示關聯分析評估模型中的運輸狀態分析模型對應的第一狀態偏置關聯值；sa1function表示運輸狀態分析模型中第i個已執行的運輸階段對應運輸狀態分析子模型中的第一狀態分析函數；cz1表示歷史數據中綁定的運輸物品特征集與待運輸物品特征集相同且運輸結果正常的各個關聯分析評估模型中，運輸狀態分析模型內每個第一狀態分析函數對應平均函數值的最大值；所述運輸結果包括正常狀態及異常壞損狀態；intergral{sa1function，cz1}表示sa1function中對應函數值大于cz1的區間內的函數積分結果；md{sa1function，cz1}表示sa1function中的最大函數值與cz1的差值；ε1表示預設的第一轉化系數；
20、cv2bias＝intergral{sa2function，cz2}·[1+ε2·md{sa2function，cz2}]，
21、其中，cv2bias表示關聯分析評估模型中的運輸狀態分析模型對應的第二狀態偏置關聯值；sa2function表示運輸狀態分析模型中第i個已執行的運輸階段對應運輸狀態分析子模型中的第二狀態分析函數；cz2表示歷史數據中綁定的運輸物品特征集與待運輸物品特征集相同且運輸結果正常的各個關聯分析評估模型中，運輸狀態分析模型內每個第二狀態分析函數對應平均函數值的最大值；intergral{sa2function，cz2}表示sa2function中對應函數值大于cz2的區間內的函數積分結果；md{sa2function，cz2}表示sa2function中的最大函數值與cz2的差值；ε2表示預設的第二轉化系數；
22、獲取歷史數據中各個運輸物品特征集基于相應運輸狀態分析模型的異常運輸風險情況，計算歷史數據中綁定的運輸物品特征集與待運輸物品特征集相同且運輸結果異常的各個關聯分析評估模型內，對應的第一狀態偏置關聯值大于第一狀態參照值的關聯分析評估模型個數占相應關聯分析評估模型總個數的比值，得到第一偏置權重，記為r1；所述第一狀態參照值表示歷史數據中綁定的運輸物品特征集與待運輸物品特征集相同且運輸結果正常的各個關聯分析評估模型內分別對應的第一狀態偏置關聯值的最大值；
23、計算歷史數據中綁定的運輸物品特征集與待運輸物品特征集相同且運輸結果異常的各個關聯分析評估模型內，對應的第二狀態偏置關聯值大于第二狀態參照值的關聯分析評估模型個數占相應關聯分析評估模型總個數的比值，得到第二偏置權重，記為r2；所述第二狀態參照值表示歷史數據中綁定的運輸物品特征集與待運輸物品特征集相同且運輸結果正常的各個關聯分析評估模型內分別對應的第二狀態偏置關聯值的最大值；
24、得到歷史數據中與待運輸物品特征集相同的運輸物品分別對應的運輸狀態評估值，記為ev，ev＝r1·cv1bias+r2·cv2bias；
25、統計歷史數據中與待運輸物品特征集相同且運輸結果異常的運輸物品分別對應的運輸狀態評估值所處的預置的運輸狀態評估值區間，每本文檔來自技高網...
【技術保護點】
1.一種基于物聯網的數據協同監管方法，其特征在于，所述方法包括以下步驟：
2.根據權利要求1所述的一種基于物聯網的數據協同監管方法，其特征在于：所述構建運輸狀態分析模型，包括：獲取物流運輸過程中不同運輸階段對應的運輸車輛，所述不同運輸階段為不同運輸路徑區間，每個運輸路徑區間為數據庫表單中預置的，
3.根據權利要求2所述的一種基于物聯網的數據協同監管方法，其特征在于：所述待運輸物品特征集包括物品種類及包裝厚度的最小值；
4.根據權利要求3所述的一種基于物聯網的數據協同監管方法，其特征在于：所述實時獲取關聯分析評估模型中待運輸物品的運輸狀態風險預測值，包括：
5.根據權利要求4所述的一種基于物聯網的數據協同監管方法，其特征在于：所述生成基于待運輸物品的物流操作預警決策，包括：
6.根據權利要求5所述的一種基于物聯網的數據協同監管方法，其特征在于：所述生成后續物流運輸的路線備選方案，包括：
7.一種基于物聯網的數據協同監管系統，其特征在于，包括：狀態分析模型構建模塊、關聯評估模型構建模塊、數據協同分析模塊、用戶決策
8.根據權利要求7所述的一種基于物聯網的數據協同監管系統，其特征在于：所述關聯評估模型構建模塊包括特征集構建單元及分析評估單元，
9.根據權利要求7所述的一種基于物聯網的數據協同監管系統，其特征在于：所述用戶決策預警反饋模塊包括歷史決策采集單元及操作預警決策生成單元，
...【技術特征摘要】
1.一種基于物聯網的數據協同監管方法，其特征在于，所述方法包括以下步驟：
2.根據權利要求1所述的一種基于物聯網的數據協同監管方法，其特征在于：所述構建運輸狀態分析模型，包括：獲取物流運輸過程中不同運輸階段對應的運輸車輛，所述不同運輸階段為不同運輸路徑區間，每個運輸路徑區間為數據庫表單中預置的，
3.根據權利要求2所述的一種基于物聯網的數據協同監管方法，其特征在于：所述待運輸物品特征集包括物品種類及包裝厚度的最小值；
4.根據權利要求3所述的一種基于物聯網的數據協同監管方法，其特征在于：所述實時獲取關聯分析評估模型中待運輸物品的運輸狀態風險預測值，包括：
5.根據權利要求4所述的一種基于物聯網的數據協同監管...
【專利技術屬性】
技術研發人員：榮麗紅，仝志民，范俊嶺，李娟，劉惠敏，王家勝，何曉寧，張寧，潘越新，孫方，張偉龍，
申請(專利權)人：青島農業大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。