一种基于人工智能的物流信息动态监管系统及方法与流程

1.本发明涉及物流管理领域，更具体地说，本发明涉及一种基于人工智能的物流信息动态监管系统及方法。


背景技术：

2.现有的货物运输点到点的物流运输体系中，传统的操作是先在出发点装载各种货物，货物有序堆码在车厢内部，之后按照提前预设好的运输路线行驶到终点站，但是在运输的过程中，若一味追求运输时效性，可能由于运输速度原因产生抖动，一方面抖动程度越高会影响运输车辆寿命，也会造成货物相互碰撞，继而大大增加了货物的损坏率和损坏程度，且降低了运输车辆的使用寿命，从而失去了运输的意义；若为了保障货物的安全牺牲速度，则有可能造成延误，使得货物无法及时地到达客户手中，造成信誉受损。
3.为了解决上述问题，现提供一种技术方案。


技术实现要素：

4.为了克服现有技术的上述缺陷，本发明的实施例提供一种基于人工智能的物流信息动态监管系统及方法以解决上述背景技术中提出的问题。
5.为实现上述目的，本发明提供如下技术方案：
6.步骤s100，获取运输车辆车厢内部的监控画面，根据监控画面获得抖动指数，将抖动指数和抖动指数阈值进行比较，根据判断结果决定是否发出预警提示；
7.步骤s200，根据监控画面获得货物运输状态系数，根据货物运输状态系数集合货物运输状态系数阈值修正抖动指数阈值，调整运输车辆行驶速度；
8.步骤s300，根据运输车辆行驶速度分析运输车辆到站延误时间，根据延误时间排序卸货。
9.在一个优选的实施方式中，步骤s100具体包括如下内容：
10.运输车上内置有车载监控端，车载监控端包括监控摄像器，车载gps，预警器以及通信器，摄像监控头、车载gps的数据通过通信器发送至监控后台，由监控后台远程控制预警器是否警报；
11.监管后台根据采集的监控画面建立抖动指数，表达式为：式中，vix为抖动指数，n表示样本数量，j＝{1、2、3......n}，disj表示第j个样本位移值，是所有样本位移值的平均值；
12.设置抖动指数阈值，将抖动指数阈值vt，获取抖动指数后，将抖动指数和所设的抖动指数阈值进行比较，若抖动指数小于抖动指数阈值，表示运输车辆的当前行驶速度不造成抖动影响，行驶速度合理；
13.若抖动指数大于抖动指数阈值，表示运输车辆的当前行驶速度造成抖动影响，行
驶速度不合理，需要降低行驶速度，直到抖动指数小于或等于抖动指数阈值，监管后台生成调节信号，发送至通信器，由通信器启动预警器，预警器发出预警提示驾驶员降低速度。
14.在一个优选的实施方式中，监管后台收集运输车辆的行驶速度值，根据车载gps对运输车进行定位，获取此处行驶路面的限制速度，将运输车辆的行驶速度值与行驶路面的限制速度进行比较，若运输车辆的行驶速度值大于行驶路面的限制速度，监管后台生成超速信号，发送至通信器，由通信器启动预警器，预警器发出预警提示驾驶员降低速度。
15.在一个优选的实施方式中，步骤s200具体包括如下内容：
16.获取运输货物的差异参数和稳定参数，将差异参数和稳定参数通过归一化公式建立货物运输状态系数，表达式为：
[0017][0018]
式中，x为货物运输状态系数，q表示差异参数，w表示稳定参数，rsc表示货物运输状态系数阈值，k1、k2分别为差异参数和稳定参数的比例系数，且k1＞k2＞0。
[0019]
在一个优选的实施方式中，差异参数的计算表达式为：式中，q为差异参数，count
outliers
表示通过监控画面获取的单位时间内移动速度超出设定速度阈值的货物的数量，count
total
表示通过监控画面获取的货物总数量；
[0020]
稳定参数的计算表达式为：式中，w为稳定系数，count
difference
表示通过监控画面获取的货物状态超出设定状态阈值的货物的数量，count
total
表示通过监控画面获取的货物总数量。
[0021]
在一个优选的实施方式中，通过货物运输状态系数、货物运输状态系数阈值、抖动指数阈值建立替换阈值，表达式为：式中，vt为步骤s100中的抖动指数阈值，x、rsc分别为步骤s200中的货物运输状态系数、货物运输状态系数阈值；
[0022]
rt为替换阈值，替换阈值用于替换抖动指数阈值。
[0023]
在一个优选的实施方式中，步骤s300具体包括如下内容：
[0024]
通过对运输车辆速度改变进行记录，结合历史数据计算运输车辆到站的延误时间，延误时间越大，表示运输车辆到站时间越慢，对各个运输车辆延误时间进行统计，按照延误时间从大到小进行排序，按照排序优先安排卸载货物。
[0025]
一种基于人工智能的物流信息动态监管系统，包括第一采集模块、第二采集模块、校正模块、预测模块、排序模块，各个模块之间通过信号连接；
[0026]
第一采集模块用于根据监控画面获取抖动指数，将抖动指数与抖动指数阈值比
较，根据比较结果判断是否发出预警调速；第一采集模块生成第一采集信号发送至校正模块；
[0027]
第二采集模块用于根据监控画面建立货物运输状态系数，将货物运输状态系数与货物运输状态系数阈值比较，判断货物运输状态；第二采集模块生成第二采集信号发送至校正模块；
[0028]
校正模块用于通过货物运输状态系数、货物运输状态系数阈值、抖动指数阈值建立替换阈值，通过替换阈值替换抖动指数阈值；校正模块生成替换信号发送至预测模块；
[0029]
预测模块用于根据运输车辆的被调整后的行驶速度，计算运输车辆到站延误时间；预测模块生成预测信号发送至排序模块；
[0030]
排序模块用于根据延误时间进行排序，安排优先卸货。
[0031]
本发明一种基于人工智能的物流信息动态监管系统及方法的技术效果和优点：
[0032]
1.通过建立抖动指数结合抖动指数阈值用于判断运输车辆行驶速度是否合理，从而减小行驶时抖动程度，使运输车辆运行时处于合理的状态，避免由于降低因过高速度引起的意外事故风险，提高行车安全性；合理控制行驶速度和抖动程度可以降低车辆的维修成本，并延长车辆的使用寿命；过高的抖动程度可能导致能源浪费，合理控制行驶速度可以降低车辆的能源消耗，提高运输车辆的燃油效率，从而降低运营成本；
[0033]
2.通过采集差异参数和稳定参数建立货物运输状态系数，通过运输状态系数可以根据实际情况对抖动指数阈值进行灵活调整，以满足特定运输任务的需求；通过对抖动指数阈值进行调整，可以找到速度和抖动之间的最佳平衡点。这样可以在确保运输效率的同时，尽可能减小抖动程度，有助于减少货物报废和退货的情况，降低运输中的损失和成本，此外通过改变运输车辆速度方便预测到站时间，根据到站时间与历史数据结合分析出延误时间，根据延误时间排序卸货，对延误时间进行补偿。
附图说明
[0034]
图1为本发明一种基于人工智能的物流信息动态监管系统及方法的流程示意图；
[0035]
图2为本发明一种基于人工智能的物流信息动态监管系统及方法的结构示意图。
具体实施方式
[0036]
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。
[0037]
实施例1
[0038]
图1给出了本发明一种基于人工智能的物流信息动态监管方法，其包括如下步骤：
[0039]
步骤s100，获取运输车辆车厢内部的监控画面，根据监控画面获得抖动指数，将抖动指数和抖动指数阈值进行比较，根据判断结果决定是否发出预警提示；
[0040]
步骤s200，根据监控画面获得货物运输状态系数，根据货物运输状态系数集合货物运输状态系数阈值修正抖动指数阈值，调整运输车辆行驶速度；
[0041]
步骤s300，根据运输车辆行驶速度分析运输车辆到站延误时间，根据延误时间排
序卸货。
[0042]
在汽车行驶中造成车厢抖动的主要由路面状况、车辆悬挂系统和减震系统以及车辆设计和负载情况几方面的影响因素，车厢抖动对车辆的寿命会产生一定的影响：结构疲劳：车厢抖动会给车辆的结构元件施加额外的动态负荷，导致材料疲劳。频繁的抖动会提高车辆结构件的应力水平，并可能导致金属疲劳、裂纹的产生和扩展，从而降低车辆的寿命；振动损耗：车厢抖动会导致车辆的振动，而振动会引起零部件的相对位移和摩擦。这可能导致零部件的磨损、松动或失效，进而影响车辆的正常运行和寿命；悬挂系统和减震系统损耗：车厢抖动会对车辆的悬挂系统和减震系统施加额外的负荷，加速它们的磨损和损耗。频繁的抖动可能导致悬挂系统和减震系统的部件疲劳、密封性能下降，甚至引起故障，从而影响车辆的寿命和驾驶舒适性；附件和设备受损：车厢抖动可能对车辆上的附件和设备造成冲击和损坏。这些附件和设备可能包括传感器、电子设备、管道系统等。频繁的抖动可能导致这些附件和设备的故障，进而影响车辆的可靠性和寿命；
[0043]
因此处于不同使用阶段的运输车辆的状态不同，其使用过程中的抖动情况也不相同，为此需要对运输车辆抖动情况进行了解，对行驶速度进行适当的调节，抑制抖动程度，来保障运输车辆的使用寿命。
[0044]
步骤s100具体包括如下内容：
[0045]
运输车上内置有车载监控端，车载监控端包括监控摄像器，车载gps，预警器以及通信器，摄像监控头、车载gps的数据通过通信器发送至监控后台，由监控后台远程控制预警器是否警报；
[0046]
监控摄像器用于监控运输车辆的车厢装载的货物；
[0047]
通过通信器将监控摄像器拍摄的监控画面传输到监管后台，从监控视频中提取单位时间内标识物的连续帧图像；对每个帧图像进行图像处理，提取标识物的轮廓，计算轮廓的中心点。这可以通过图像分割或边缘检测等算法来实现；利用目标跟踪算法，在连续帧之间进行标识物轮廓的匹配和跟踪，计算标识物的位移量，以捕捉车厢整体晃动的运动；根据跟踪到的标识物轮廓信息：计算车厢位置的变化量，即每个时间步的位移，将每个时间步的位移值标记为样本位移值；使用样本位移值，可以计算车厢晃动的抖动指数；
[0048]
样本位移值的获取逻辑为：
[0049]
例如，假设在时间步t，有两个标识物轮廓的点集，分别表示前一帧的标识物轮廓c
t-1
和当前帧的轮廓c
t
，每个轮廓点表示为(x,y)坐标；
[0050]
计算轮廓中心点：对于每个轮廓c
t-1
和c
t
，计算其中心点坐标。可以通过计算轮廓点的平均值得到中心点坐标：
[0051]
center
t-1
＝(sum(xi)/n
t-1
,sum(yi)/n
t-1
)
[0052]
center
t
＝(sum(xi)/n
t
,sum(yi)/n
t
)
[0053]
其中，n
t-1
和n
t
分别表示标识物轮廓c
t-1
和c
t
的点数，
[0054]
计算位移：
[0055]
标识物的位移可以通过计算中心点之间的欧几里的距离来估计：
[0056][0057]
式中，displacement
t
表示时间步t的样本位移值，center
t
、center
t-1
分别表示标识
物轮廓时间步t的中心点坐标、标识物轮廓时间步t-1的中心点坐标。
[0058]
监管后台根据采集的监控画面建立抖动指数，表达式为：式中，vix为抖动指数，n表示样本数量，j＝{1、2、3......n}，disj表示第j个样本位移值，是所有样本位移值的平均值；
[0059]
抖动指数用于体现运输车辆行驶过程中车厢的抖动程度，数值越大表示抖动越明显，运输车辆的行驶速度越快，为此需要降低运输车辆的行驶速度，减小抖动程度，延长运输车辆的使用寿命，保障行驶安全；
[0060]
设置抖动指数阈值，将抖动指数阈值vt，获取抖动指数后，将抖动指数和所设的抖动指数阈值进行比较，若抖动指数小于抖动指数阈值，表示运输车辆的当前行驶速度不造成抖动影响，行驶速度合理；
[0061]
若抖动指数大于抖动指数阈值，表示运输车辆的当前行驶速度造成抖动影响，行驶速度不合理，需要降低行驶速度，直到抖动指数小于或等于抖动指数阈值，监管后台生成调节信号，发送至通信器，由通信器启动预警器，预警器发出预警提示驾驶员降低速度；
[0062]
监管后台收集运输车辆的行驶速度值，根据车载gps对运输车进行定位，获取此处行驶路面的限制速度，将运输车辆的行驶速度值与行驶路面的限制速度进行比较，若运输车辆的行驶速度值大于行驶路面的限制速度，监管后台生成超速信号，发送至通信器，由通信器启动预警器，预警器发出预警提示驾驶员降低速度。
[0063]
本技术通过建立抖动指数结合抖动指数阈值用于判断运输车辆行驶速度是否合理，从而减小行驶时抖动程度，使运输车辆运行时处于合理的状态，避免由于降低因过高速度引起的意外事故风险，提高行车安全性；合理控制行驶速度和抖动程度可以降低车辆的维修成本，并延长车辆的使用寿命；过高的抖动程度可能导致能源浪费，合理控制行驶速度可以降低车辆的能源消耗，提高运输车辆的燃油效率，从而降低运营成本。
[0064]
步骤s200具体包括如下内容：
[0065]
获取运输货物的差异参数和稳定参数，将差异参数和稳定参数通过归一化公式建立货物运输状态系数，表达式为：
[0066][0067]
式中，x为货物运输状态系数，q表示差异参数，w表示稳定参数，rsc表示货物运输状态系数阈值，k1、k2分别为差异参数和稳定参数的比例系数，且k1＞k2＞0；
[0068]
货物运输状态系数用于体现货物运输时整体安全程度，货物运输状态系数越大说明货物和车厢之间的相对移动量越大，移动的货物数量越多，瞬时移动速度越高，则货物之间的稳定性越差，货物的损坏率增加；
[0069]
差异参数的计算表达式为：式中，q为差异参数，count
outliers
表示通过监控画面获取的单位时间内移动速度超出设定速度阈值的货物的数量，count
total
表示通过监控画面获取的货物总数量；
[0070]
差异参数用于体现运载货物时货物的活动情况，差异参数越大说明货物的安置情况越差，货物之间彼此碰撞的程度也越严重，货物容易受损，因此差异参数越大，货物运输状态系数越大。
[0071]
差异参数的获取逻辑为：
[0072]
以下是步骤：
[0073]
通过通信器将监控摄像器拍摄的监控画面传输到监管后台，监管后台使用以下步骤计算货物的移动量：
[0074]
1.目标检测：使用目标检测算法，例如基于深度学习的物体检测算法(如yolo、faster r-cnn等)，在摄像头拍摄的画面中定位和识别货物的位置；
[0075]
2.物体跟踪：在连续的帧中，利用物体跟踪算法(如卡尔曼滤波、光流等)跟踪货物的位置。这样可以获取货物在时间序列中的位置信息；
[0076]
3.位置计算：基于货物的跟踪结果，可以计算货物在画面中的移动量。这可以通过计算货物中心点的像素坐标或使用货物边界框的位置信息来实现；
[0077]
4.距离转换：将像素坐标转换为实际距离。这需要根据相机的内参、外参以及实际场景的尺度信息进行校准和计算，以将像素距离转换为物理距离；
[0078]
5.移动量计算：通过计算货物在连续帧中的位置变化，可以得到货物的总体移动量。这可以通过对每一帧的移动量进行累加或计算首尾帧之间的距离来实现；之后计算所有车厢内所有移动货物的移动量；
[0079]
单位时间内移动量越大表示的货物移动速度越大，说明运输车辆的车速对货物产生了较大的影响，货物之间碰撞的概率在增加，若运输的是玻璃制品，则损坏率增加，若运输的五金制品，则变形率会有所增加，若运输的是成衣制品，则容易导致整叠好的衣物变得散乱，因此差异参数也会随之变大；
[0080]
活动货物数量，即统计单位时间内移动速度超过速度阈值的货物数量，该处的速度阈值基于货物的属性来决定，例如运输的货物为玻璃制品，预先设置速度阈值为0.25m/s，则只要移动速度超过0.25m/s的货物标记为活动货物，统计运动速度超过速度阈值的货物数量标记为活动货物数量；
[0081]
活动货物数量越多，说明运输车辆车速对整体货物影响较大，运输车辆的速度越快，颠簸越大，随之运动程度超过固定的货物数量也越多，因此差异参数也越大。
[0082]
稳定参数的计算表达式为：式中，w为稳定系数，count
difference
表示通过监控画面获取的货物状态超出设定状态阈值的货物的数量，count
total
表示通过监控画面获取的货物总数量；
[0083]
稳定参数的获取逻辑为：
[0084]
假设我们需要监测货物的状态变化，初始状态下货物处于完整的矩形形状，随着时间的推移，货物可能发生旋转、变形或部分损坏；
[0085]
以下是步骤：
[0086]
1.获取初始状态图像：在货物放置到车辆内之后且未运输的状态下，获取一张表示初始状态的图像。假设我们有一张名为"initial_state.jpg"的初始状态图像；
[0087]
2.获取当前状态图像：在运输一段时间后，获取一张表示当前状态的图像。假设我们有一张名为"current_state.jpg"的当前状态图像；
[0088]
3.提取roi(感兴趣区域)：通过图像处理方法选择并提取出包含货物的roi。这可以通过边缘检测、图像分割或目标检测等技术实现；
[0089]
4.灰度化：将roi中的初始状态图像和当前状态图像转换为灰度图像。我们将得到两个灰度图像："initial_gray.jpg"和"current_gray.jpg"；
[0090]
5.灰度相似性计算：使用灰度相似性度量方法计算初始状态图像和当前状态图像的相似性。这里我们使用结构相似性指数(ssim)作为例子；
[0091]
a.计算初始状态图像的结构相似性指数(ssim)：
[0092]
ssim_initial＝calculate_ssim("initial_gray.jpg","initial_gray.jpg")；
[0093]
b.计算当前状态图像与初始状态图像的结构相似性指数(ssim)：
[0094]
ssim_current＝calculate_ssim("initial_gray.jpg","current_gray.jpg")；
[0095]
6.分析相似性结果：根据相似性计算的结果，评估货物状态与初始状态的变化程度；
[0096]
a.如果ssim_current接近于1，表示当前货物状态与初始货物状态非常相似，货物状态变化较小。
[0097]
b.如果ssim_current接近于-1，表示当前货物状态与初始货物状态差异较大，货物状态发生了显著变化；
[0098]
将ssim_current与设定的状态阈值进行比较，统计监控画面获取的货物状态超出设定状态阈值的货物的数量，假设我们设定状态阈值为0.5，则统计状态阈值小于0.5的货物数量，之后将监控画面获取的货物状态超出设定状态阈值的货物的数量和监控画面获取的货物总数量进行结合计算获取稳定参数。
[0099]
稳定参数越大，说明货物在货物运输状态不符合要求的数量占比很大，表示运输车辆对货物的运输状态影响较大，存在发生旋转、变形或者部分损害的概率很大，因此稳定参数和货物运输状态系数也越大。
[0100]
通过货物运输状态系数、货物运输状态系数阈值、抖动指数阈值建立替换阈值，表达式为：式中，vt为步骤s100中的抖动指数阈值，x、rsc分别为步骤s200中的货物运输状态系数、货物运输状态系数阈值；
[0101]
rt为替换阈值，替换阈值用于替换抖动指数阈值，
[0102]
例如，抖动指数阈值为0.55，货物运输状态系数阈值为0.45，货物运输状态系数0.65，修正因子为1.1，则替换阈值值为：0.55*(0.45/0.65)＝0.38，替换阈值用于替换抖动指数阈值，则之前的0.55减小为0.38，则运输车辆的行驶速度进一步降低，直到行驶时的抖
动指数不大于0.38；
[0103]
替换阈值用于校正抖动指数阈值是为了贴合运输货物的运输状态来改变运输车辆的行驶速度，降低由行驶速度带给货物的影响，保障装载货物的运输安全性，减少运输时的损失。
[0104]
步骤s300具体包括如下内容：
[0105]
通过对运输车辆速度改变进行记录，结合历史数据计算运输车辆到站的延误时间，延误时间越大，表示运输车辆到站时间越慢，对各个运输车辆延误时间进行统计，按照延误时间从大到小进行排序，按照排序优先安排卸载货物；
[0106]
运输车辆到站的延误时间的表达式为：delay＝t2-t3-(t1-t3)，式中，t1为运输车辆上一个位置的到达时间，t2为运输车辆当前时间，t3为运输车辆预期到站时间；
[0107]
delay反映了运输车辆的延误程度，当delay越大说明，比历史数据中在相同路线上所花费的时间越长，比预期到达时间要晚得多，因此到场卸货时应该优先安排，通过优先卸货来对运输时间起到补偿补救的作用，避免延误时间进一步地变长。
[0108]
举例说明：
[0109]
假设历史记录显示上一个位置的到达时间为t1＝10:00am，当前时间为t2＝11:30am。根据历史记录，上一个位置与当前位置的距离为20公里。
[0110]
计算行驶速度：
[0111]
velocity＝20公里/(t2-t1)
[0112]
＝20公里/(11:30am-10:00am)
[0113]
＝20公里/1.5小时
[0114]
＝13.33公里/小时
[0115]
这样，通过计算上一个位置与当前位置之间的距离，并根据到达时间的差异计算出当前运输车辆的行驶速度为13.33公里/小时。
[0116]
关于运输车辆的延误计算，假设预期到达时间为t3＝11:00am，历史记录显示上一个位置的到达时间为t1＝10:00am，当前时间为t2＝11:30am。
[0117]
计算延误：
[0118]
delay＝t2-t3-(t1-t3)
[0119]
＝11:30am-11:00am-(10:00am-11:00am)
[0120]
＝0:30(30分钟)
[0121]
这样，通过计算实际到达时间与预期到达时间之间的差异，并减去上一个位置到达时间与预期到达时间之间的差异，计算出运输车辆的延误为30分钟。
[0122]
本技术通过采集差异参数和稳定参数建立货物运输状态系数，不同的货物运输可能面临不同的挑战和要求，通过运输状态系数可以根据实际情况对抖动指数阈值进行灵活调整，以满足特定运输任务的需求；通过对抖动指数阈值进行调整，可以找到速度和抖动之间的最佳平衡点。这样可以在确保运输效率的同时，尽可能减小抖动程度，有助于减少货物报废和退货的情况，降低运输中的损失和成本，此外通过改变运输车辆速度方便预测到站时间，根据到站时间与历史数据结合分析出延误时间，根据延误时间排序卸货，对延误时间进行补偿。
[0123]
实施例2
[0124]
图2给出了本发明一种基于人工智能的物流信息动态监管系统，包括第一采集模块、第二采集模块、校正模块、预测模块、排序模块，各个模块之间通过信号连接；
[0125]
第一采集模块用于根据监控画面获取抖动指数，将抖动指数与抖动指数阈值比较，根据比较结果判断是否发出预警调速；第一采集模块生成第一采集信号发送至校正模块；
[0126]
第二采集模块用于根据监控画面建立货物运输状态系数，将货物运输状态系数与货物运输状态系数阈值比较，判断货物运输状态；第二采集模块生成第二采集信号发送至校正模块；
[0127]
校正模块用于通过货物运输状态系数、货物运输状态系数阈值、抖动指数阈值建立替换阈值，通过替换阈值替换抖动指数阈值；校正模块生成替换信号发送至预测模块；
[0128]
预测模块用于根据运输车辆的被调整后的行驶速度，计算运输车辆到站延误时间；预测模块生成预测信号发送至排序模块；
[0129]
排序模块用于根据延误时间进行排序，安排优先卸货。
[0130]
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数以及阈值选取由本领域的技术人员根据实际情况进行设置。
[0131]
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络，或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，dvd)，或者半导体介质。半导体介质可以是固态硬盘。
[0132]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件，或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0133]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0134]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦
合或通信连接，可以是电性，机械或其他的形式。
[0135]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，既可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0136]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
[0137]
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0138]
以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。
[0139]
最后：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，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于人工智能的物流信息动态监管方法，其特征在于，包括如下步骤：步骤s100，获取运输车辆车厢内部的监控画面，根据监控画面获得抖动指数，将抖动指数和抖动指数阈值进行比较，根据判断结果决定是否发出预警提示；步骤s200，根据监控画面获得货物运输状态系数，根据货物运输状态系数集合货物运输状态系数阈值修正抖动指数阈值，调整运输车辆行驶速度；步骤s300，根据运输车辆行驶速度分析运输车辆到站延误时间，根据延误时间排序卸货。2.根据权利要求1所述的一种基于人工智能的物流信息动态监管方法，其特征在于：步骤s100具体包括如下内容：运输车上内置有车载监控端，车载监控端包括监控摄像器，车载gps，预警器以及通信器，摄像监控头、车载gps的数据通过通信器发送至监控后台，由监控后台远程控制预警器是否警报；监管后台根据采集的监控画面建立抖动指数，表达式为：式中，vix为抖动指数，n表示样本数量，j＝{1、2、3......n}，dis
j
表示第j个样本位移值，是所有样本位移值的平均值；设置抖动指数阈值，将抖动指数阈值vt，获取抖动指数后，将抖动指数和所设的抖动指数阈值进行比较，若抖动指数小于抖动指数阈值，表示运输车辆的当前行驶速度不造成抖动影响，行驶速度合理；若抖动指数大于抖动指数阈值，表示运输车辆的当前行驶速度造成抖动影响，行驶速度不合理，需要降低行驶速度，直到抖动指数小于或等于抖动指数阈值，监管后台生成调节信号，发送至通信器，由通信器启动预警器，预警器发出预警提示驾驶员降低速度。3.根据权利要求2所述的一种基于人工智能的物流信息动态监管方法，其特征在于：监管后台收集运输车辆的行驶速度值，根据车载gps对运输车进行定位，获取此处行驶路面的限制速度，将运输车辆的行驶速度值与行驶路面的限制速度进行比较，若运输车辆的行驶速度值大于行驶路面的限制速度，监管后台生成超速信号，发送至通信器，由通信器启动预警器，预警器发出预警提示驾驶员降低速度。4.根据权利要求3所述的一种基于人工智能的物流信息动态监管方法，其特征在于：步骤s200具体包括如下内容：获取运输货物的差异参数和稳定参数，将差异参数和稳定参数通过归一化公式建立货物运输状态系数，表达式为：式中，x为货物运输状态系数，q表示差异参数，w表示稳定参数，rsc表示货物运输状态
系数阈值，k1、k2分别为差异参数和稳定参数的比例系数，且k1＞k2＞0。5.根据权利要求4所述的一种基于人工智能的物流信息动态监管方法，其特征在于：差异参数的计算表达式为：式中，q为差异参数，count
outliers
表示通过监控画面获取的单位时间内移动速度超出设定速度阈值的货物的数量，count
total
表示通过监控画面获取的货物总数量；稳定参数的计算表达式为：式中，w为稳定系数，count
difference
表示通过监控画面获取的货物状态超出设定状态阈值的货物的数量，count
total
表示通过监控画面获取的货物总数量。6.根据权利要求5所述的一种基于人工智能的物流信息动态监管方法，其特征在于：通过货物运输状态系数、货物运输状态系数阈值、抖动指数阈值建立替换阈值，表达式为：式中，vt为步骤s100中的抖动指数阈值，x、rsc分别为步骤s200中的货物运输状态系数、货物运输状态系数阈值；rt为替换阈值，替换阈值用于替换抖动指数阈值。7.根据权利要求6所述的一种基于人工智能的物流信息动态监管方法，其特征在于：步骤s300具体包括如下内容：通过对运输车辆速度改变进行记录，结合历史数据计算运输车辆到站的延误时间，延误时间越大，表示运输车辆到站时间越慢，对各个运输车辆延误时间进行统计，按照延误时间从大到小进行排序，按照排序优先安排卸载货物。8.一种基于人工智能的物流信息动态监管系统，用于实现权利要求1-7任一项所述监管方法，其特征在于：包括第一采集模块、第二采集模块、校正模块、预测模块、排序模块，各个模块之间信号连接；第一采集模块用于根据监控画面获取抖动指数，将抖动指数与抖动指数阈值比较，根据比较结果判断是否发出预警调速；第一采集模块生成第一采集信号发送至校正模块；第二采集模块用于根据监控画面建立货物运输状态系数，将货物运输状态系数与货物运输状态系数阈值比较，判断货物运输状态；第二采集模块生成第二采集信号发送至校正模块；校正模块用于通过货物运输状态系数、货物运输状态系数阈值、抖动指数阈值建立替换阈值，通过替换阈值替换抖动指数阈值；校正模块生成替换信号发送至预测模块；预测模块用于根据运输车辆的被调整后的行驶速度，计算运输车辆到站延误时间；预测模块生成预测信号发送至排序模块；排序模块用于根据延误时间进行排序，安排优先卸货。

技术总结
本发明公开了一种基于人工智能的物流信息动态监管系统及方法，具体涉及物流管理领域，用于解决现有的货运安全问题；是通过建立抖动指数结合抖动指数阈值用于判断运输车辆行驶速度是否合理，使运输车辆运行时处于合理的状态；采集差异参数和稳定参数建立货物运输状态系数，通过运输状态系数可以根据实际情况对抖动指数阈值进行灵活调整，以满足特定运输任务的需求；通过对抖动指数阈值进行调整，可以找到速度和抖动之间的最佳平衡点。这样可以在确保运输效率的同时，尽可能减小抖动程度，有助于减少货物报废和退货的情况，降低运输中的损失和成本，此外通过改变运输车辆速度方便预测延误时间，根据延误时间排序卸货，对延误时间进行补偿。时间进行补偿。时间进行补偿。


技术研发人员：周创钦 吕昌辉 吴志伟 周树涛
受保护的技术使用者：创兴世纪（深圳）跨境网络技术有限公司
技术研发日：2023.05.22
技术公布日：2023/8/14