推荐星级：
- 1
- 2
- 3
- 4
- 5
基于大型物联网技术的电商仓库检测
资料介绍
针对当前检测电商仓库容量或流量精度不高的问题,在大型物联网环境下设计基于决策树主成分分析的电商仓库检测方法.首先基于电子标签技术构建电商仓库存储系统的物联网构架模型,采用超高频射频识别技术追踪电商仓库系统的物流流量,并提取信息特征;在C4.5决策树模型下,分析仓库物流信息特征主成分,实现对电商仓库吞吐量和容量的准确检测和预估;最后通过实验进行性能测试.实验结果表明,采用该方法对仓库的吞吐量预测和物资收发数据实时检测的精度较高,提高了电商仓库的物资收发效率.
部分文件列表
| 文件名 | 大小 |
| 基于大型物联网技术的电商仓库检测.pdf | 2M |
部分页面预览
（完整内容请下载后查看）2017 年 3 月 1 日
第 40 卷第 5 期
Mar. 2017
现代电子技术
Modern Electronics Technique
Vol. 40 No. 5
171
doi：10.16652/j.issn.1004⁃373x.2017.05.043
基于大型物联网技术的电商仓库检测
郭
戈
（武汉晴川学院 计算机学院，湖北 武汉 430204）
摘
要：针对当前检测电商仓库容量或流量精度不高的问题，在大型物联网环境下设计基于决策树主成分分析的电商
仓库检测方法。首先基于电子标签技术构建电商仓库存储系统的物联网构架模型，采用超高频射频识别技术追踪电商仓库
系统的物流流量，并提取信息特征；在 C4.5 决策树模型下，分析仓库物流信息特征主成分，实现对电商仓库吞吐量和容量的
准确检测和预估；最后通过实验进行性能测试。实验结果表明，采用该方法对仓库的吞吐量预测和物资收发数据实时检测
的精度较高，提高了电商仓库的物资收发效率。
关键词：物联网；电子标签；决策树；电商仓库
中图分类号：TN911⁃34；TP391
文献标识码：A
文章编号：1004⁃373X（2017）05⁃0171⁃03
E⁃commerce warehouse detection based on large Internet of Things technology
GUO Ge
（School of Computer，Wuhan Qingchuan University，Wuhan 430204，China）
Abstract：Since the detection accuracy of the current e⁃commerce warehouse capacity and flow is low，a new e⁃commerce
warehouse detection method based on decision tree principal component analysis was designed under the large Internet of Things
environment. The Internet of Things framework model of the e⁃commerce warehouse storage system was constructed based on the
RFID technology. The ultrahigh frequency RFID technology is used to trace the logistics flow of the e⁃commerce warehouse sys⁃
tem and extract the information feature. The principal component of the warehouse logistics information characteristics is ana⁃
lyzed in C4.5 decision tree model to detect and estimate the throughput and capacity of the e⁃commerce warehouse accurately.
The performance of the method was tested with experiments. The experimental results show that the method has high real⁃time
detection accuracy of the warehouse throughput prediction and materials transceiving data，and can improve the materials trans⁃
ceiving efficiency of the e⁃commerce warehouse.
Keywords：Internet of Things；electronic tag；decision tree；e⁃commerce warehouse
息采集，RFID 识别过程中受到不确定进出库信息数据
0
引
言
的干扰，同时也会产生大量数据冗余，导致对电商仓库
的准确检测性能不好，对物流输出的信息估计精度不
高[2⁃3]。针对这一问题，本文在大型物联网技术的基础
上，进行电商仓库检测方法优化设计，基于电子标签技
术构建电商仓库存储系统的物联网构架模型，采用超高
频射频识别技术进行电商仓库系统的物流流量追踪和
信息特征提取，然后对提取的仓库物流信息特征在 C4.5
决策树模型下进行主成分分析，实现对电商仓库吞吐量
和容量的准确检测和预估，最后采用仿真实验分析方法
进行了性能测试和验证，表明了本文方法在提高电商仓
库检测性能方面的优越性和实用价值。
电商仓库是电子商务整个网络系统进行物资收发
和物资存储的终端，电商仓库中库存量的准确检测和预
测是保障物资收发安全，提高电商物资收发效率的关
键。研究电商仓库的准确检测方法，对促进电子商务和
电子物流行业的发展具有重要意义。物联网技术的进
步更为有力地推进了优化电商仓库检测技术。物联网
技术通过电子标签识别技术、物联网的网络层、感知层
和应用层进行电商仓库物资的信息标识和识别，采用无
线射频感知与检测技术进行信息读取和信息处理，提高
仓库的物资管理效率[1]。
以信息采集和数据加工的大型物联网技术为基础，
对电商仓库进行物资检测和信息处理。采用无线射频
（RFID）识别技术实现对电商仓库物资的在线追踪和信
1
系统架构和信息提取
1.1 电商仓库检测的物联网系统架构
基于大型物联网技术构建电商仓库的物流数据信
收稿日期：2016⁃07⁃26
万方数据
现代电子技术
2017 年第 40 卷
172
息传输模型，以产品生产企业作为电商仓库检测的触发
主体，追溯电商销售产品的生产过程，从生产开始到加
工、包装、运输、销售、消费整个路程都需要通过仓库进
行物资的存储和收发。因此，电商仓库的检测系统总体
架构上可以分为对电商仓库的物资存储信息数据采集前
端和数据管理终端，出货量是电商仓库运行效率和电商
利润最大的关联性因子。考虑物流成本（区位因素）以及
租用仓库的成本，进行仓库使用效率的最大化调度[4]。在
电商仓库的物流供应链体系中，电商仓库的物资收发基
地相当于“服务端”，电商的商家相当于“用户”，电商仓
库的物流资源构成了整个电商仓库检测系统的主体[5]，
在满足物流服务需求和客户出库需求的情况下，对电商
仓库的吞吐量准确检测和预测，实现资源能力管理和资
源定位。电商仓库检测的物联网系统架构模型如图 1
所示。
含有物资类别为 ax 属性中 cv 值的元素集合。
为使得电商仓库存储和利用效率最大化，需要使物
流效益以及物资收发的速度达到最佳匹配[6]，采用物流
供应链控制目标函数，调度控制电商仓库的存储信息。
令目标函数取最大值：
ꢀꢀZ1 = B
qw -
x t (x )+ βv ,ꢀ ꢀvmin va vmax （4）
[
]
a
a
a
a
∑ ∑
w ∈ W
a ∈ A
在物流负载压力恒定的情况下，为了提高电商仓库
的物资检测性能，需要在产品销售和仓库进出库吞吐量
之间达到均衡，得到仓库的容量匹配函数为：
xa
w
w
w
1
θ
͂
̂
̂
̂
ꢀ min Z( f,f,q )=
t (x )+ v dx +
fk ln fk +
w
w ∈ W
[
]
∫
a
a
a
∑
∑∑
0
̂
a ∈ A
k ∈ K
qw
w
w
1
͂
͂
fk ln fk -
D-1(w)dw
（5）
∫
∑∑
∑
0
͂
w
θ w ∈ W
w ∈ W
k ∈ K
w
w
w
̂
ì
fk = η q ，
w ∈ W
∑
ïk ∈ Kw
ï
w
w
w
͂
ꢀs.t.
（6）
fk =(1 - η )q ， w ∈ W
í
∑
w
ïk ∈ K
ï
w
̂
ꢀfk 0,
ꢀw ∈ W
î
根据容量匹配函数，构建基于物流供应链的电商仓
库信息存储训练集，将存储的物资资源容量划分为若干
个子集，提取所需信息知识。在资源信息读取和挖掘过
程中，阅读器将一个特定频率的无线电波发送到电商仓
库中的电子标签，各个标签采用无线射频识别技术编码
物资信息，提取电商仓库的存储信息。
2
仓库检测关键技术设计
图 1 电商仓库检测的物联网系统架构
在 C4.5 决策树模型下，分析提取仓库物流信息特
1.2 电商仓库的存储信息提取
征主成分，实现对电商仓库吞吐量和容量的准确检测和
预估。引入 C4.5 决策树模型，电商仓库存储容量的目
标测试数据标签识别概率为 P(1)=[1 - L-1]m - 1，而主特征
深度为 k 时，对标签的识别概率为：
在电商仓库的检测中，需要对仓库的存储物资资源
信息进行超高频射频识别技术（UHF RFID），采用决策
树构造方法挖掘和调度电商仓库中心的数据。令公共
仓储区的信息吞吐量为 A = a ,a ,…,a ，为零散的、随
{
}
n
1
2
P(k)= P(1)[1 - P(1)]k - 1
（7）
机的训练集，B = b ,b ,…,b 为决策树的类别集，在仓
{
}
m
1
2
当多个电商仓库标签同时存在于阅读器的可读范
库资源管理中心 ，ai 属性值表示参考的实际吞吐量
c ,c ,…,c 。利用仓库资源的信息增益 Gain 评估物流
围内时，仓库存储容量的总比特位均值为：
{
}
k
1
2
∞
E(k)= [1 - P(1)]k =
=
=
（8）
1
1
1
∑
m - 1
速度的最优分裂度和互信息量。在决策树模型下，随着
1 -[1 - P(1)] P(1)
k = 0
1 - 1 L
(
)
电商产品销售，电商仓库的负载容量得到合理调度。构
预测电商仓库进出库流量的过程中，采用平均时隙
造电商仓库的负载容量信息调度输出增益表达式为：
线性叠加仓库出入库流量，用四元组 E ,E ,d,t 表示仓
(
)
m
i
j
Info(B)= - pi × log2 pi
（1）
∑
库出入库的决策树模型，其中 Ei ，Ej 是需要建立的边向
i = 1
v
B
量 Source 节点（即节点 i 和 j ），d 为输入仓库的物流流
量序列的交互数据，t 为仓库物资出入库的交互所需时
间。采用博弈模型均衡调度出入库的流量[7⁃8]，得到电商
仓库的出入库流量特征序列主成分分布概率密度为
|
|
|
|
j
InfoA(B)=
× Info(Bj)
（2）
（3）
∑
B
j = 1
Gain(A)= Info(B)- InfoA(B)
式中：pi 指采集的原始 RFID 数据属于电商仓库物资类
别 bi 类元素所占的比重；Bj 表示在 RFID 数据训练集中
D ，D = S t ,T t ,U
i,j ( ) i,j ( )
t
，其中 S t 表示物流负载压
i,j ( )
( )
{
}
i,j
万方数据
全部评论(0)