一种冷链物流质量管理系统及其方法

1.本发明涉及一种冷链物流质量管理系统及其方法，属于供应链技术领域。


背景技术：

2.供应链物流(冷链物流)正面临很大挑战。同时，由于供应链中成员的自私以及信息不对称，严重质量丑闻的数量正在增加，导致产品质量和可信度的降低。
3.其中易腐货品：如冷冻肉，冷藏海鲜和新鲜水果以及疫苗等会有更严格的要求。即使微小的温度超常都会导致产品的质量受损并造成不必要的损失。由于配送过程中存在多种不受控制的变量，因此合适的温湿度监测系统至关重要。为延长物流过程中产品的保质期，降低运输中的损失和浪费，迫切需要一个先进的供应链物流质量管理方法。
4.供应链物流通常存在物流延迟、多方数据不同步、监控机制不规范以及共享数据被隐藏等问题，大大降低产品质量和可信度，这对下游制造商不利。由于消费者需要获得他们所购买产品的质量的相关信息，故需要保证供应链物流中信息的公开。万物互联实现计算机元素和传感器在日常物体中的嵌入和互连，从周围环境中不断收集数据并处理，然而它总是受到互操作性不良、物联网设备资源限制、隐私和安全漏洞的困扰。
5.区块链则是物联网的补足品，区块链本质上是一种分布式账本，展示出不可篡改、去中心化治理和可跟踪交易等特征，使用点对点模式帮助创建可信的交易环境。与以大公司为中心的系统不同，每个参与者都是平等的并共享权利和信息。区块链中的共识机制可以让交易在双方互不信任的分布式环境中进行，且不需要可信的第三方的参与。因为网络中的每个参与者都将所有提交的交易保存在区块链中，所以保存在区块链中的每笔交易都是不可变的，附加的时间戳保证了区块链的可追溯性。此外，加密算法、数字签名、哈希函数等加密机制保证了区块链中数据块的完整性，确保交易不可否认。因此，区块链在物联网和冷链物流领域有着巨大的潜力。
6.尽管如此，在物联网中部署区块链时仍有几个挑战。首先，物联网终端设备的计算能力、存储资源有限，大量带有噪声的传感器数据会给物联网设备中的区块链数据块的验证、生成和存储带来很大压力。其次，供应链物流的运作和活动在位置上是分散的，因此设备在储存和运输过程中的互连性是不稳定的，这可能会对冷链物流冷链物流数据的完整性、实时性和可视性造成负面影响。最后，对于冷链物流的利益相关者来说，冷链物流数据的获取和处理应遵循不可变和不可否认的原则，因为在任何冷链物流移动过程中，数据造假、延迟和对质量问题的延期响应都会造成经济损失和健康风险。


技术实现要素：

7.本发明要解决的技术问题是，克服现有技术的缺陷，提供一种能够平滑噪声并压缩海量物联网数据，便于边缘区块链数据块的验证、生成和储存的冷链物流质量管理系统及其方法；进一步地，提供一种能够实现在整个传输过程中，特别是在操作转变时持续的物联网感知和数据交换，基本消除了数据点缺失的情况，保证传感器数据的完整性和实时可
视性的冷链物流质量管理系统及其方法；更进一步地，提供一种能够实现低延迟和快速响应，使利益相关者能够及时采取纠正行动，并在风险进一步发展前减少经济损失并降低安全风险的冷链物流质量管理系统及其方法。
8.为解决上述技术问题，本发明采用的技术方案为：
9.一种冷链物流质量管理系统，包括物联网感知设备、边缘区块链和云区块链，所述物联网感知设备设置在物流资产上，例如拖车头、冷冻车厢、货品、保温箱等，用于生成物流数据，所述边缘区块链包括边缘网关，所述边缘网关包括固定边缘网关和移动边缘网关，所述固定边缘网关与所述移动边缘网关之间通过同步引擎实现数据处理同步，所述固定边缘网关和移动边缘网关包括计算模块，所述计算模块收集所述物流数据并对其进行进行验证以及预处理，随后生成数据块，所述云区块链包括云服务器，所述云服务器接收所述数据块并进行储存。
10.所述物联网感知设备包括温度/湿度监测物联网标签和有源蓝牙标签，所述有源蓝牙标签内部设置有通讯模块a，所述有源蓝牙标签读取所述温度/湿度监测物联网标签的物流数据，并通过所述通讯模块a传输给所述边缘区块链的通讯模块b，所述通讯模块b与所述计算模块以及云服务器通讯连接。
11.一种冷链物流质量管理方法，包括以下步骤：
12.将货物放入冷箱，在冷箱上设置温度/湿度监测物联网标签和有源蓝牙标签，再将冷箱整理并堆放到运输车内；
13.将边缘网关以分布式的方式安装在每辆车的驾驶室内；
14.采集冷箱的温湿度数据，生成物流数据，并通过蓝牙形式将其传输给边缘网关的计算模块；
15.对物流数据进行处理生成数据块传输给云区块链进行储存。
16.边缘网关包括固定边缘网关和移动边缘网关，其中固定边缘网关固定在驾驶室内，移动边缘网关设置在驾驶员智能手机上，驾驶员未离车时，固定边缘网关工作，驾驶员离车去送货时，同步引擎自动调用移动边缘网关进行工作。
17.边缘网关上部署有智能合约，所述智能合约中预设温度和湿度阈值，当物流数据中温度和湿度达到阈值，智能合约阻止边缘网关生成数据块，并激活警报发送到云区块链。
18.温湿度数据中温度数据进行处理包括以下步骤：
19.采用卡尔曼滤波器对温度数据进行降噪，并消除冷箱需打开和关闭期间的误报；
20.采用旋转门压缩算法对经卡尔曼滤波器降噪后的温度数据进行线性拟合，实现数据压缩，并根据温度数据变化趋势动态调整温度数据采集的时间间隔。
21.卡尔曼滤波器对温度数据进行降噪具体包括：
22.确定卡尔曼滤波状态模型和观测模型，其中状态模型的表达式为：
23.x
t
＝x
t-1
+ω
t
ꢀꢀꢀ
(1)观测模型的表达式为：z
t
＝x
t
+v
t
ꢀꢀꢀ
(2)，其中x
t
和x
t-1
分别表示t时刻和t-1时刻状态向量，ω
t
表示系统自身的噪声，v
t
表示温度传感器产生的测量噪声，
t
表示传感器的观测值；根据卡尔曼滤波时间更新方程计算先验估计和先验估计协方差时间更新方程为：
24.25.其中μ
(t-1)
表示t-1时刻的温度预估值，表示t时刻先验估计值，e
(t-1)
表示最优估计协方差，q表示过程噪声方差；
26.计算卡尔曼增益k
t
，具体计算方法为：其中r 表示测量噪声的方差；
27.计算t时刻的后验估计值μ
t
以及更新后的误差协方差e
t
，
[0028][0029]
将后验估计值μ
t
以及更新后的误差协方差e
t
作为下个状态的最优结果μ
(t-1)
以及最优估计协方差e
(t-1)
进行时间更新，每次更新输出当前时刻的后验估计值μ
t
。
[0030]
旋转门压缩算法具体包括：
[0031]
将理想安全温度范围设置为《temp
min
，temp
max
》，压缩偏差δe＝(temp
max-temp
min
)/2，用作旋转门的门宽；
[0032]
根据现有数据项计算上下门斜率；
[0033]
sdt上门斜率可计算为:
[0034][0035]
sdt下门斜率可计算为:
[0036][0037]
其中，temp[start]和temp[end]分别为温度压缩段的起始点和结束点，time[start]和time[end]分别为时间压缩段的起始点和结束点；
[0038]
当采集到的数据变化剧烈，即最大上门斜率大于最小下门斜率时，缩短数据采集间隔，反之则增加数据采集间隔。
[0039]
本发明的有益效果：本发明提供的一种冷链物流质量管理系统及其方法，考虑到终端设备有限的存储和计算资源，提出了一种自适应的数据平滑和压缩机制来平滑噪声并压缩海量物联网数据，便于边缘区块链数据块的验证、生成和储存；开发了协调固定和移动边缘网关的同步引擎，实现了在整个传输过程中，特别是在操作转变时持续的物联网感知和数据交换，基本消除了数据点缺失的情况，保证了传感器数据的完整性和实时可视性，实现对供应链物流质量的全天候高效监测和可信报告，提高了供应链物流的透明度；在区块链边缘构建的智能qm合约提高了对潜在质量风险的警觉性，并规范数据块的生成，使利益相关者能够及时采取纠正行动，并在风险进一步发展前减少经济损失并降低安全风险。
附图说明
[0040]
图1是本发明中同步引擎的工作流程图；
[0041]
图2是本发明中sdt压缩流程图。
具体实施方式
[0042]
下面结合附图对本发明作进一步描述，以下实施例仅用于更加清楚地说明本发明
的技术方案，而不能以此来限制本发明的保护范围。
[0043]
本发明提供一种冷链物流质量管理系统，基于边缘云区块链和物联网，主要包括物联网感知设备、边缘区块链、云区块链三部分。其中物联网感知设备：在这一层，人员、产品、货箱和运输车等与冷链物流运营相关的物流资产都配备了物联网设备。例如：用于确定物流资产的无源设备1d、2d条形码和rfid标签；由通信模块、传感器、微处理器和电池组成的有源设备蓝牙标签，支持处理从数据收集到数据传输的整个过程；用于实时感知周围环境指标的变化的sht3x、 dht系列温湿度传感器；zigbee、modbus和wifi等用于连接人员、机器和货物的通信协议。
[0044]
边缘区块链：提出了两种类型的边缘网关：固定边缘网关(feg) 和移动边缘网关(meg)。两种网关都由计算模块和通信模块(gps、蜂窝网络和蓝牙等)组成，还采用了下行通信技术，以从物联网设备收集数据。网关执行物联网设备的数据收集、过滤和传输功能以及区块链的验证、数据块生成功能。
[0045]
在边缘区块链层中，边缘网关通常部署在固定位置，而移动网关由某人携带，这两种网关功能相似，但当目标对象超出固定网关的通信范围时，移动网关需要负责目标对象的无缝连接，以保证数据的有效采集和完整性，因此固定网关和移动网关的同步非常重要。同步引擎旨在通过feg(固定边缘网关)和meg(移动边缘网关)之间的无缝协作，避免因连接不稳定而丢失数据点，保证数据块的生成、验证与云同步。如图1所示，描述了同步引擎的工作流程。这两种网关都有主动了解自己所在位置并连接附近网关的能力。meg保持闲置状态，直到与feg失去连接(例如，快递员为客户进行最后一英里交付时离开货车)，然后自动执行网关的整体功能。
[0046]
云区块链：冷链物流业务系统部署在云服务器上。边缘端生成的数据块由多个用于负载平衡的云服务器接收，每个云都有一个用于接收边缘网关卸载的区块链数据的专用接口。云服务器的存储容量和带宽可以满足区块链数据低延迟传输和长期存储的要求，因此区块链安全地存放在称为云链的云服务器上。
[0047]
边缘云区块链通过其通信模块向下通信收集物联网感知设备层产生的数据并通过其计算模块对收集到的数据进行验证以及预处理，随后生成区块链数据，在交付完成后边缘云区块链需将大量区块链数据上传到云区块链，云服务器通过其专用接口对数据进行接收，并进行长期存储。
[0048]
为确保物联网数据的安全性和可靠性，采用不可否认的时空分析。每一个冷链物流交易都必须提交其时间戳和位置信息。如果冷链物流交易违反地理规则，则可能无法通过验证。例如，温湿度传感器数据必须包含地理和时间数据。连续的时间空间信息可以表现出一种连接特征，用于验证所收集数据的有效性，不连贯和错误的时间空间信息则不能通过验证。边缘区块链遵循形成数据块的标准规则，包括哈希函数、merkle树和必要的私钥和公钥等，数据块在边缘设备中生成并验证。由于边缘存储容量有限和延迟问题，如果交付完成，边缘区块链会将已创建的数据块上传到云端。
[0049]
可寻址智能合约的本质驻留在区块链上的自执行脚本，作为一个智能代理，能在预定条件下处理数据，只有符合某些特定条件时，冷链物流交易才会被证实和发生。当预定义条件被触发时，它们可以被类比为比特币中的加密货币交易。所以为了实现自动化，本发明提出了智能qm(qualitymanagement)合约。它由供应商初始化，由冷链物流服务提供商审
查，部署在边缘网关中，用于快速进行本地决策，而无需云的帮助。包括5g和低功耗广域网在内的上行通信有助于将数据块传输到部署业务系统的云区块链上。智能合约的工作流程为：先将包含地理位置信息和时间戳的stss绘制在二维图上，在考虑车速和路线信息的情况下，研究数据的连续性和合理性。如果数据无法进行空间时间分析，则无法生成物流交易数据块。智能qm合约规范了温度和湿度范围，如果达到预设的阈值，警报则被激活并发送到云端。
[0050]
本发明为解决冷链物流的质量管理问题，提供了一个基于边缘云区块链和物联网的冷链物流质量管理方法，主要包括以下步骤：
[0051]
步骤一，仓库操作人员先根据客户订单将货物放入冷箱，同时准备一个温度/湿度监测物联网标签，标签表面有用于说明mac地址的 qr码，再使用手机app，将各订单与物联网标签和冷箱的识别号绑定。最后物联网标签将传输包括特定id、温度读数和湿度读数等信息。
[0052]
步骤二，操作人员将冷箱整理并堆放到运输车内。边缘网关则以分布式的方式安装在每辆车的驾驶室内。一旦装载工作完成，操作员按下"完成装载"按钮，则运输开始。各货物的智能合约变为应允状态。司机所使用的应用程序可以显示装载信息和智能合约的细节。智能合约包括当冷链中断时所需的条款和条件，它由司机审查并提交。在司机确认后，交货就可以开始了。随后，智能合约被部署在边缘网关上。温度和湿度的传感活动也同时启动。
[0053]
步骤三，司机的智能手机从运输开始时起被用作移动边缘网关。通常情况下，在一次运输过程中需要为多个客户完成多个订单。边缘网关在蓝牙的传输范围内接收来自不同冷箱中物联网标签发出的广播信息。接收后数据块被加密并生成，生成的数据块会上传到云服务器。一旦发生冷链断裂，智能合约将对变化做出反应，例如自动通知利益相关方。
[0054]
步骤四，当车辆接近客户收货地点时，司机需要停好车辆，根据订单携带装有货物的特定冷箱，并在客户视线下打开并交付，其余的冷箱仍留在货运车辆上，以便边缘网关能够继续实时感知它们。然而，司机所携带冷箱中的物联网标签仍在不断广播信息，由于超出蓝牙的通信范围，货车内的固定边缘网关无法接收信息，因为冷箱中可能存在别的订单中的货物，这些冷箱仍然需要被实时监控。为保证质量数据的全天候监测，边缘区块链中部署的同步引擎会自动开始调用司机携带的移动边缘网关，用于继续收集超出网关通信范围的车外冷箱的质量信息。
[0055]
步骤五，确认收货前，客户有权通过移动应用程序或扫描冷箱表面的二维码来审查运输和质量监测记录。二维码是与物联网标签和订单配对的。一旦确认收货，智能合约就完成了。随后司机将把冷箱搬回运输车，进行后续交付。
[0056]
自适应数据平滑和压缩机制：在边缘区块链层，收集一段时间数据后，温度、湿度或其他传感器可能产生干扰监测的噪声数据。并且冷箱在交付过程中需要进行开关时，数据也会产生误差。此外，考虑到边缘区块链中有限的存储资源，固定采集频率的传感器收集数据时存在两个情况：设置的时间间隔太小时，会收集大量的冗余数据，并快速用完存储空间；设置的时间间隔太大时，不能及时精准地捕获存储环境的状态变化。
[0057]
因此，本发明提供一种包括卡尔曼滤波器和旋转门压缩算法 (sdt)的自适应数据平滑和压缩机制，用于压缩物联网数据，便于在有限的计算和储存能力情况下在边缘网关
中进行数据分析与存储。该机制的实施步骤如下：
[0058]
步骤一：采用卡尔曼滤波器对传感器测量产生的数据进行降噪，并消除冷箱需打开和关闭期间的误报。
[0059]
步骤二：采用sdt对经卡尔曼滤波器降噪后的数据进行线性拟合，实现数据压缩，并根据数据变化趋势动态调整数据采集的时间间隔。
[0060]
以下部分是对两种算法的详细阐述。
[0061]
卡尔曼滤波器的本质是一个状态预估器，是目前应用最广泛的数据降噪方法之一，它根据噪声数据对部分未观测到的变量进行估计。其状态方程为：
[0062]
x
t
＝f
t
x
(t-1)
+b
tut
+ω
t
ꢀꢀꢀ
(1)
[0063]
其中当前状态x
t
是包含系统利益属性的向量。f
t
是转移矩阵，t-1 时刻的状态参数将作用于t时刻系统状态，b
t
是输入控制矩阵，影响 t时刻系统的控制量u
t
，ω
t
表示系统自身的噪声。
[0064]
卡尔曼滤波算法包括预测和测量更新两个阶段，假设系统误差的初始值x0为0，经此简化后的卡尔曼滤波方程如下。
[0065]
时间更新方程：
[0066][0067][0068]
状态更新方程：
[0069][0070][0071][0072]
其中μ
t-1
表示前一时刻的温度预估值，表示先验估计值。e
t
是误差估计协方差，
t
表示传感器的观测值，公式中的q和r分别为过程噪声和测量噪声的方差，我们假设这两种噪声都服从均值为0、方差分别为q和r的高斯分布。
[0073]
我们从冷箱中的传感器标签获取一系列温度读数，此时ω
t
表示环境温度对货物温度的影响，v
t
是温度传感器产生的测量噪声。随后采用一维卡尔曼滤波器对温度数据进行降噪。
[0074]
步骤1:确定其状态模型:
[0075]
x
t
＝x
t-1
+ω
t
ꢀꢀꢀ
(7)
[0076]
步骤2:确定其观测模型:
[0077]zt
＝x
t
+v
t
ꢀꢀꢀ
(8)
[0078]
步骤3:根据公式(2)、(3)得到先验估计和先验估计协方差
[0079]
步骤4:将先验估计协方差代入公式(4)可得卡尔曼增益k
t
，它是用作确定的估计值和测量值之间的加权函数。
[0080]
步骤5:由公式(5)、(6)可得t时刻的后验估计值μ
t
以及更新后的误差协方差e
t
。
[0081]
步骤6:将后验估计值μ
t
以及更新后的误差协方差e
t
作为下个状态的最优结果
μ
(t-1)
以及最优估计协方差e
(t-1)
进行时间更新。
[0082]
以上过程则为卡尔曼滤波的一个循环，每次输出的值为当前时刻的后验估计值μ
t
，它将用于后续的旋转门压缩。
[0083]
旋转门压缩算法(sdt)是一种相对快速、用于数据压缩的线性拟合算法。对于sdt，覆盖的数据越多，压缩的数据段越长，数据越平滑；反之，压缩数据段越短，数据变化越剧烈。因此，sdt可用于确定数据变化的幅度，依据判断的结果可动态调整数据采集的时间间隔。
[0084]
sdt压缩如图1所示，它的压缩原理为：先以距离起点t0为δe的上下两点作为支点，建立2扇虚拟的门，只有一个数据时门闭合；随后当数据点的增加时，门会旋转着打开，门的宽度可延伸；只要2扇门的内角和小于180
°
，旋转操作就可以继续；当2扇门的内角和大于等于180
°
时则停止旋转并存储前一数据点，最后由该点开始进行新一段压缩。从本质上说，它将一系列连续的数据点替换为一条由起点和终点确定的直线。
[0085]
设坐标系中纵轴为温度(temp)，横轴是时间(t)。应用sdt后，压缩段1覆盖的t0到t4段数据可以被压缩，t8及之后的数据在压缩段 2的覆盖范围外，所以压缩段2中只有t4到t7段数据被压缩。
[0086]
在本发明中使用sdt的步骤如下。
[0087]
步骤1:将保存易变质产品的理想安全温度范围设置为从智能合约中采集的《temp
min
,temp
max
》，压缩偏差是δe＝(temp
max
‑ꢀ
temp
min
)/2，它用作旋转门的门宽。
[0088]
步骤2:根据现有数据项计算上下门斜率。
[0089]
sdt上门斜率可计算为:
[0090][0091]
sdt下门斜率可计算为:
[0092][0093]
将上门和下门的斜率分别用current_up_grdt和 current_down_grdt表示。temp[start]，time[start]为时间和温度压缩段的起始点，temp[end]，time[end]为时间和温度压缩段结束点。
[0094]
步骤3：当采集到的数据变化剧烈，即最大上门斜率大于最小下门斜率时，数据采集间隔缩短，反之则增加数据采集间隔。
[0095]
对传感器数据采集的自适应sdt算法具体程序如下：
[0096]
1:设置sdt参数:max_up_grdt
←‑
∞,max_down_grdt
←
+∞,stored point [start]
[0097]
2:loop
[0098]
3:collect new data point[end]and calculate
[0099]
current_up_grdt,current_down_grdt
[0100]
4:ifcurrent_up_grdt》max_up_grdt then
[0101]
5:max_up_grdt
←
current_up_grdt
[0102]
6:end if
[0103]
7:ifcurrent_dpwn_grdt》min_down_grdtthen
[0104]
8:min_down_grdt
←
current_down_grdt
[0105]
9:end if
[0106]
10:if max_up_grdt》min_down_grdt then当趋势变化很大时，减小时间间隔
[0107]
11:point[start]
←
point[end-1]
[0108]
12:interval_new
←
max(interval_cur*mult,intvmin)
[0109]
13:当趋势大致保持不变时，加大时间间隔
[0110]
14:14:
[0111]
15:end if
[0112]
16:end loop
[0113]
数据采集间隔时间范围是《intv
min
,intv
max
》。当前和新的采集时间间隔分别为interval_cur与interval_new。add为用于增加采集间隔的步长，mult为用于减小数据采集间隔的乘数。mult取值范围为(0,1)。一般而言，mult可设置为0.5。
[0114]
压缩比(cr)是指压缩后数据中的数据点个数n与原始数据中的数据点个数m的比率，可用于判断节省存储空间的大小，cr越大，节省的存储空间就越大。
[0115][0116]
本发明提供的一种冷链物流质量管理系统及其方法，具备以下优势：(1)考虑到终端设备有限的存储和计算资源，提出了一种自适应的数据平滑和压缩机制来平滑噪声并压缩海量物联网数据，便于边缘区块链数据块的验证、生成和储存。(2)开发了协调固定和移动边缘网关的同步引擎，实现了在整个传输过程中，特别是在操作转变时持续的物联网感知和数据交换，基本消除了数据点缺失的情况，保证了传感器数据的完整性和实时可视性。实现对供应链物流质量的全天候高效监测和可信报告，提高了供应链物流的透明度。(3)在区块链边缘构建的智能qm合约提高了对潜在质量风险的警觉性，并规范数据块的生成。从质量管理的角度来看，边缘云区块链架构能实现低延迟和快速响应，使利益相关者能够及时采取纠正行动，并在风险进一步发展前减少经济损失并降低安全风险。
[0117]
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。