冷链运输过程智能监测采样方法、装置及冷链车辆

摘要

本发明提供了一种冷链运输过程智能监测采样方法、装置及冷链车辆，方法包括：在冷链运输过程中，实时获取车辆位置监控数据以及车厢环境监控数据；对实时获取的车辆位置监控数据进行特征提取，获取若干个车辆位置特征点；根据获取的若干个车辆位置特征点，获取每两个相邻的车辆位置特征点对应的特征时间段；对处于每个特征时间段内的车厢环境监控数据进行特征提取，获取每个特征时间段内的车厢环境特征点；获取每个特征时间段内的车辆位置特征点和车厢环境特征点。本发明提供的智能监测采样方法，通过特征点提取，将冷链运输过程中的采集数据进行压缩，由于压缩后的数据只保留特征数据，因此不仅可减轻数据网络传送压力，还可节省服务器存储空间。

说明书

技术领域

本发明涉及冷链物流技术领域，具体涉及一种冷链运输过程智能监测采样方法、装置及冷链车辆。

背景技术

农产品冷链物流是降低农产品损耗与污染、保障农产品品质和质量安全的有效途径，管理者为提高生鲜农产品的市场竞争力，增强对运输过程中产品的管控及协调能力，通常会在所监控物流车辆上安装GPS设备及环境传感器，实时获取运输过程中的车辆位置及车厢环境(如温度、湿度等)信息，并将数据发送到远程服务器中。

采集数据(车辆位置与车厢环境信息)的价值集中体现在其实时性和重演性，根据实时数据，管理者可及时反应并采取应对措施；历史环境变化及车辆轨迹的重演有利于管理者总结其规律，预测未来以制定决策方案。为保证采集数据能较好表达现状和重演历史，直接将数据发送并存储到服务器是最有效的解决方案，能为管理者提供更准确的数据源。

为提高对冷链物流运输车辆的管控能力，将GPS设备和环境传感器所采集数据直接发送并存储到远程服务器，为管理者提供决策数据源是行之有效的方法。但是上述并不适用于某些特定环境中，如车厢环境长时间保持稳定、车辆运行轨迹简单或行驶缓慢等情况，因为在这种情况下会出现大量相同或相似的数据，采集数据存在严重的数据冗余问题，不仅浪费网络资源，而且大量占用存储空间。

发明内容

针对现有技术中的缺陷，本发明提供一种冷链运输过程智能监测采样方法、装置及冷链车辆，通过特征点提取，将冷链运输过程中的采集数据进行压缩，由于压缩后的数据只保留特征数据，因此不仅可减轻数据网络传送压力，还可节省服务器存储空间。

第一方面，本发明提供了一种冷链运输过程智能监测采样方法，包括：

在冷链运输过程中，实时获取车辆位置监控数据以及车厢环境监控数据；

对实时获取的车辆位置监控数据进行特征提取，获取若干个车辆位置特征点；

根据获取的若干个车辆位置特征点，获取每两个相邻的车辆位置特征点对应的特征时间段，得到若干个特征时间段；

对处于每个特征时间段内的车厢环境监控数据进行特征提取，获取每个特征时间段内的车厢环境特征点；

获取每个特征时间段内的车辆位置特征点和车厢环境特征点。

优选地，所述对实时获取的车辆位置监控数据进行特征提取，获取若干个车辆位置特征点，包括：

依次获取车辆位置监控数据中每三个连续位置坐标点a、b、c组成的连线ab和bc形成夹角θ，若θ大于或等于第一预设角度，则将坐标点a和c作为坐标点a、b和c的车辆位置特征点；若θ小于第一预设角度，则将坐标点a、b和c作为坐标点a、b和c的车辆位置特征点。

优选地，所述对处于每个特征时间段内的车厢环境监控数据进行特征提取，获取每个特征时间段内的车厢环境特征点，包括：

对处于每个特征时间段内的车厢环境监控数据中的环境记录值分别按照大小顺序排列后取中值M，并设置第一调整变量d；

若某特征时间段内所有的环境记录值均位于[M-d，M+d]时，将该特征时间段内的首个环境记录值作为该特征时间段内的车厢环境特征点；否则，将该特征时间段内的首个环境记录值以及未位于[M-d，M+d]中的记录值均作为该特征时间段内的车厢环境特征点。

优选地，在对实时获取的车辆位置监控数据进行特征提取，获取若干个车辆位置特征点之前，所述方法还包括：

对实时获取的冷链运输过程中的车辆位置监控数据进行预处理，以剔除车辆位置监控数据中的突变点；以及，

对实时获取的冷链运输过程中的车厢环境监控数据进行预处理，以剔除车厢环境监控数据中的突变点。

优选地，对实时获取的冷链运输过程中的车辆位置监控数据进行预处理，以剔除车辆位置监控数据中的突变点，包括：

依次获取车辆位置监控数据中每三个连续位置坐标点a、b、c组成的连线ab和bc形成夹角θ，若θ小于第二预设角度，则将坐标点b剔除。

优选地，对实时获取的冷链运输过程中的车厢环境监控数据进行预处理，以剔除车厢环境监控数据中的突变点，包括：

从车厢环境监控数据中依次获取m个连续的环境记录值，将获取的m个环境记录值按照大小进行排序后取中值M’，并设置第二调整变量d’，若m个环境记录值中的某一环境记录值大于M’+d’或小于M’-d’，则将该环境记录值删除。

优选地，所述方法还包括：

将实时获取的车辆位置监控数据以及车厢环境监控数据分别存储至第一缓存列表和第二缓存列表中。

第二方面，本发明还提供了一种冷链运输过程智能监测采样装置，包括：

获取单元，用于在冷链运输过程中实时获取车辆位置监控数据以及车厢环境监控数据；

车辆位置特征点采集单元，用于对实时获取的车辆位置监控数据进行特征提取，获取若干个车辆位置特征点；

处理单元，用于根据获取的若干个车辆位置特征点，获取每两个相邻的车辆位置特征点对应的特征时间段，得到若干个特征时间段；

车厢环境特征点采集单元，用于对处于每个特征时间段内的车厢环境监控数据进行特征提取，获取每个特征时间段内的车厢环境特征点；

结果收集单元，用于获取每个特征时间段内的车辆位置特征点和车厢环境特征点。

第三方面，本发明还提供了一种冷链车辆，包括如上面所述的冷链运输过程智能监测采样装置。

第四方面，本发明还提供了一种冷链运输服务系统，包括如上面所述的冷链运输过程智能监测采样装置以及服务器；

其中，所述冷链运输过程智能监测采样装置用于将得到每个特征时间段内的车辆位置特征点和车厢环境特征点发送给服务器。

由上述技术方案可知，本发明提供的冷链运输过程智能监测采样方法，通过特征点提取，将冷链运输过程中的采集数据进行压缩，由于压缩后的数据只保留特征数据，因此不仅可减轻数据网络传送压力，还可节省服务器存储空间。尤其是在车辆运行轨迹简单，或车厢内环境稳定时，该方法更能发挥其性能，能为大时间跨度的数据提取应用提供便利条件。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的冷链运输过程智能监测采样方法的一种流程图；

图2是本发明实施例提供的用于实现冷链运输过程智能监测采样方法的实体装置示意图；

图3是本发明实施例提供的冷链运输过程智能监测采样方法的另一种流程图；

图4是本发明实施例提供的冷链运输过程智能监测采样装置的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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、完整的描述，显然，所描述的实施例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作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。

图1示出了本发明实施例一提供的冷链运输过程智能监测采样方法的流程图，参见图1，本实施例提供的冷链运输过程智能监测采样方法，包括：

步骤101：在冷链运输过程中，实时获取车辆位置监控数据以及车厢环境监控数据。

在本步骤中，实时获取由GPS模块采集的车辆位置监控数据以及由环境传感器采集的车厢环境监控数据。

在本步骤中，一般平均每获取包含若干个(如50个)位置点的车辆位置监控数据以及包含若干个(如50个)环境记录值的车厢环境监控数据，就发送给后续步骤进行实时处理。

步骤102：对实时获取的车辆位置监控数据进行特征提取，获取若干个车辆位置特征点。

在本步骤中，当车辆行驶方向变化不大时，可以保留较少的采样特征点，以尽可能地去除冗余数据。而当车辆行驶方向变化较大时，需要保留较多的采样特征点，以保证车辆行驶路线能被真实还原。

在本步骤中，对步骤101获取的车辆位置监控数据可以采取下述方式获取车辆位置特征点：

依次获取车辆位置监控数据中每三个连续位置坐标点a、b、c组成的连线ab和bc形成夹角θ，若θ大于或等于第一预设角度(比如165°)，则将坐标点a和c作为坐标点a、b和c的车辆位置特征点；若θ小于第一预设角度，则将坐标点a、b和c作为坐标点a、b和c的车辆位置特征点。

优选地，连线ab和bc形成夹角θ可以通过下面公式计算获取：

θ＝cos^-1[(l_ab²+l_bc²-l_ac²)/(2*l_ab*l_bc)]

公式中a、b与c为连续三个坐标记录点，l_ab、l_bc与l_ac为a、b与c点中对应两点连接所构成线段的长度。

步骤103：根据获取的若干个车辆位置特征点，获取每两个相邻的车辆位置特征点对应的特征时间段，得到若干个特征时间段。

在本步骤中，假设获取的车辆位置特征点有：

a(m₁，n₁)，采集时间为11点21分；

b(m₂，n₂)，采集时间为11点24分；

c(m₃，n₃)，采集时间为11点26分；

d(m₄，n₄)，采集时间为11点29分；

e(m₅，n₅)，采集时间为11点35分；

f(m₆，n₆)，采集时间为11点41分；

g(m₇，n₇)，采集时间为11点45分；

h(m₈，n₈)，采集时间为11点47分。

那么可以得到：

与特征点a和b对应的第一特征时间段11点21分至11点24分；

与特征点c和d对应的第二特征时间段11点26分至11点29分，

与特征点e和f对应的第三特征时间段11点35分至11点40分，

与特征点g和h对应的第四特征时间段11点45分至11点47分。

步骤104：对处于每个特征时间段内的车厢环境监控数据进行特征提取，获取每个特征时间段内的车厢环境特征点。

在本步骤中，当车厢环境状况变化不大时，可以保留较少的采样特征点，以尽可能地去除冗余数据。而当车厢环境状况变化较大时，需要保留较多的采样特征点，以保证车厢环境状况能被真实还原。

在本步骤中，将车辆位置坐标数据与车厢环境信息通过时间轴进行连接，以车辆位置坐标特征数据为模板，按时间序列提取环境特征数据，具体可以采取下述方式获取每个特征时间段内的车厢环境特征点：

对处于每个特征时间段内的车厢环境监控数据中的环境记录值分别按照大小顺序排列后取中值M，并设置第一调整变量d，若某特征时间段内所有的环境记录值均位于[M-d，M+d]时，说明车厢环境状况变化不大，则只需将该特征时间段内的首个环境记录值作为该特征时间段内的车辆环境特征点；否则，说明车厢环境状况变化较大，那么应该将该特征时间段内的首个环境记录值以及未位于[M-d，M+d]中的记录值均作为该特征时间段内的车辆环境特征点。

例如，车厢环境监控数据包括温度和湿度数据。下面以温度数据为例进行介绍。

假设对于处于第三特征时间段11点35分至11点41分内的温度记录值为：5°，4°，4°，6°，7°，4°，3°，首先按照大小顺序排列后为：3°，4°，4°，4°，5°，6°和7°，取中值M，例如为4°，并设置第一调整变量d为2°，若某特征时间段内所有的环境记录值均位于[2°，6°]时，说明车厢环境状况变化不大，则只需将该特征时间段内的首个环境记录值作为该特征时间段内的车辆环境特征点；否则，说明车厢环境状况变化较大，那么应该将该特征时间段内的首个环境记录值以及未位于[M-d，M+d]中的记录值均作为该特征时间段内的车辆环境特征点。对于上述例子来说，则应该将该特征时间段内的首个环境记录值5°以及未位于[2°，6°]中的记录值7°作为该特征时间段内的车辆环境特征点。

优选地，第一调整变量d值的设定取决于环境传感器的灵敏度。如环境传感器的灵敏度为1°，则可将第一调整变量d设置为1°，这样的话，采取上述方式提取的特征点会更具意义和代表性。

步骤105：获取每个特征时间段内的车辆位置特征点和车厢环境特征点。

在本步骤中，根据上述步骤102～104的处理，可以获取每个特征时间段内的车辆位置特征点和车厢环境特征点。

例如，获取第三特征时间段11点21分至11点24分内的车辆位置特征点为a(m₅，n₅)和b(m₆，n₆)、车厢环境特征点为5°和7°。

在一种可选实施方式中，为了避免在特征点提取时受到车辆位置监控数据和车厢环境监控数据中突变点或异常点的影响，在对实时获取的车辆位置监控数据进行特征提取，获取若干个车辆位置特征点之前，所述方法还包括：

对实时获取的冷链运输过程中的车辆位置监控数据进行预处理，以剔除车辆位置监控数据中的突变点；以及，

对实时获取的冷链运输过程中的车厢环境监控数据进行预处理，以剔除车厢环境监控数据中的突变点。

这样，经过预处理后的采集数据都是没有受到干扰的正常数据，后续可通过采样压缩方法提取其中的特征点。

在一种可选实施方式中，对实时获取的冷链运输过程中的车辆位置监控数据进行预处理，以剔除车辆位置监控数据中的突变点，包括：

获取车辆位置监控数据中每三个连续位置坐标点a、b、c组成的连线ab和bc形成夹角θ，若θ小于第二预设角度(例如为30°)，则将坐标点b剔除。这是因为正常行驶过程中几乎不可能出现30°这样的急转弯，因此可以推断该坐标点为突变点或异常点，应该剔除。

在一种可选实施方式中，对实时获取的冷链运输过程中的车厢环境监控数据进行预处理，以剔除车厢环境监控数据中的突变点，包括：

从车厢环境监控数据中依次获取m个连续的环境记录值，将获取的m个环境记录值按照大小进行排序后取中值M’，并设置第二调整变量d’，若m个环境记录值中的某一环境记录值大于M’+d’或小于M’-d’，则将该环境记录值删除。

一般来说，环境数据在正常情况下不会出现剧烈变化，而是呈现逐渐升高或降低的趋势。若某条环境记录值相对于时间轴附近的环境记录值过高或过低，则证明该环境记录值为突变点或异常点，应该剔除。

在进行异常点判断时，可以设置判断步长s。在判断步长s设置方面，车辆位置坐标数据步长设置为1，即逐点判断车辆坐标异常点；而车厢环境数据步长设置与连续提取环境记录条数有关，假设连续获取的环境记录条数为m，则步长s设置如下式所示：

为了为数据预处理和数据特征点采样预留出时间，优选地，针对获取的车辆位置监控数据与车厢环境监控数据，分别设置用于存储临时数据的列表缓存区，并按照“先进先出”的原则，为数据加工预留时间。因此在一种可选实施方式中，所述方法还包括：将实时获取的车辆位置监控数据以及车厢环境监控数据分别存储至第一缓存列表和第二缓存列表中。

本发明实施例提供的冷链运输过程智能监测采样方法，通过特征点提取，将冷链运输过程中的采集数据进行压缩，由于压缩后的数据只保留特征数据，因此不仅可减轻数据网络传送压力，还可节省服务器存储空间。尤其是在车辆运行轨迹简单，或车厢内环境稳定时，该方法更能发挥其性能，能为大时间跨度的数据提取应用提供便利条件。

上述实施例所述的冷链运输过程智能监测采样方法为基于时间轴的数据采样压缩方法，需运行在实际装置上。图2给出了一种装置模型。如图2所示。该装置主要由三大部分构成，即无线通信模块、数据采集模块及数据处理模块。其中，无线通信模块主要将环境感应与GPS定位模块数据发送到数据处理模块，并将处理后数据发送出去。数据处理模块主要包括数据加工与数据存储。数据存储模块主要是用于临时存储采集数据以备处理的列表，存储对象包括车辆位置坐标和环境数据记录。数据加工模块主要用于临时存储数据的初处理及采样压缩，减小数据量。参见图3，图3示出了冷链运输过程智能监测采样方法的实现过程示意图。

本发明实施例提供的冷链运输过程智能监测采样方法具有如下优势：

①针对坐标数据与环境信息，设置用于存储临时数据的列表缓存区，并按照“先进先出”的原则，为数据加工预留时间。

②位置坐标数据与环境信息通过时间轴进行连接，以坐标特征数据为模板，按时间序列提取环境特征数据，再根据中值-阈值法对环境特征数据进行筛选保存。

本发明实施例二提供了一种冷链运输过程智能监测采样装置，参见图4，包括：获取单元41、车辆位置特征点采集单元42、处理单元43、车厢环境特征点采集单元44和结果收集单元45；其中，

获取单元41，用于在冷链运输过程中实时获取车辆位置监控数据以及车厢环境监控数据；

车辆位置特征点采集单元42，用于对实时获取的车辆位置监控数据进行特征提取，获取若干个车辆位置特征点；

处理单元43，用于根据获取的若干个车辆位置特征点，获取每两个相邻的车辆位置特征点对应的特征时间段，得到若干个特征时间段；

车厢环境特征点采集单元44，用于对处于每个特征时间段内的车厢环境监控数据进行特征提取，获取每个特征时间段内的车厢环境特征点；

结果收集单元45，用于获取每个特征时间段内的车辆位置特征点和车厢环境特征点。

本实施例所述的冷链运输过程智能监测采样装置，可以用于执行上面所述的冷链运输过程智能监测采样方法，其技术原理和效果类似，此处不再赘述。

基于同样的发明构思，本发明实施例三提供了一种冷链车辆，包括如上述实施例所述的冷链运输过程智能监测采样装置。

本实施例中的冷链车辆可为冷链汽车、冷链卡车等各种类型的车辆。该冷链车辆由于包括上述实施例所述的冷链运输过程智能监测采样装置，因而可以解决同样的技术问题，并取得相同的技术效果。

基于同样的发明构思，本发明实施例四提供了一种冷链运输服务系统，包括如上述实施例所述的冷链运输过程智能监测采样装置以及服务器；

其中，所述冷链运输过程智能监测采样装置用于将得到每个特征时间段内的车辆位置特征点和车厢环境特征点发送给服务器。

这样，服务器在接收到所述冷链运输过程智能监测采样装置发送的车辆位置特征点和车厢环境特征点后，可以根据这些数据进行车辆行驶路线以及车厢内环境状况的还原，进而可以对冷链运输服务提供的监督或指导。

在本发明的描述中，需要说明的是，术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。